申请/专利权人：豆黄金食品有限公司

申请日：2023-12-27

公开（公告）日：2024-04-05

公开（公告）号：CN117476125B

主分类号：G16C20/10

分类号：G16C20/10;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明公开了一种基于数据分析的腐竹余液回收数据处理系统，涉及电源管理领域，其技术方案要点包括：构建微生物燃料电池MFC反应模型，数据采集单元用于采集当前周期时间内对应时间序列的温度值和溶氧量，并获取各个温度值和溶氧量对应时间序列上的发电功率，样本扩充单元通过GAN模型扩充样本数据表，生成伪数据表，将样本数据表和伪数据表汇合形成新的训练集，模型训练单元根据训练集进行训练，获取温度值和溶氧量与发电功率的表达关系模型；判断单元用于期望发电功率与实时发电功率的分析判定，调整单元基于PID控制模型对微生物燃料电池MFC中的温度值和溶氧量进行调整。实现腐竹余液回收过程中数据的快速和有效处理。

主权项：1.一种基于数据分析的腐竹余液回收数据处理系统，其特征在于，所述基于数据分析的腐竹余液回收数据处理系统包括：反应模块，构建微生物燃料电池MFC反应模型，以生产腐竹废液为底物构建双室型MFC，设置SA-PQ-11CF为阳极，腐竹废水为阳极液，CF为阴极，构建了MFC发电系统；样本模型建立模块，包括数据采集单元、样本扩充单元和模型训练单元，数据采集单元用于采集当前周期时间内对应时间序列的温度值和溶氧量，并获取各个温度值和溶氧量对应时间序列上的发电功率，形成样本数据表，样本扩充单元通过GAN模型扩充样本数据表，生成伪数据表，将样本数据表和伪数据表汇合形成新的训练集，模型训练单元根据训练集进行训练，获取温度值和溶氧量与发电功率的表达关系模型；样本扩充单元中，GAN模型扩充样本数据表且输出参考样本的训练过程如下：构建GAN模型的框架：选择生成器、判别器的神经网络结构和随机噪声的分布函数，设定迭代次数；根据目标函数进行GAN模型训练，得到训练好的GAN模型，将样本数据表的每组数据输入训练好的GAN模型中，设定生成Q组伪数据表；将样本数据表和伪数据表汇合形成新的训练集，并将训练集输出给模型训练单元；模型训练单元包括T-O-W模型的构建，T-O-W模型即为温度值和溶氧量与发电功率的表达关系模型，T-O-W模型的构建过程如下：训练集中每个组数据中的温度值和溶氧量作为RBF神经网络模型的输出，每个发电功率作为输入，对RBF神经网络模型进行训练；寻找逼近函数通过最小化下面的目标函数来实现： ，设定训练集为为训练数据向量，其中表示训练集中第组的数据，表示训练集数据组的数量，为第组数据对应的高斯基函数；更新权重向量，获取输入和输出的映射关系，生成温度值和溶氧量与发电功率关系表达的T-O-W模型；调控模块，包括判断单元和调整单元，判断单元用于期望发电功率与实时发电功率的分析判定，判断是否启动调整单元，调整单元基于PID控制模型对微生物燃料电池MFC中的温度值和溶氧量进行调整；判断单元通过电力采样装置对当前时刻点的发电功率进行测量，记为实时发电功率，管理人员设定的发电功率，记为期望发电功率，判断单元通过判断模型进行数值判断，判断模型的目标函数如下： 将实时发电功率和期望发电功率输入判断模型，根据的输出值进行相关调整。

全文数据：

权利要求：

百度查询： 豆黄金食品有限公司 一种基于数据分析的腐竹余液回收数据处理系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD