申请/专利权人:长江勘测规划设计研究有限责任公司
申请日:2024-01-17
公开(公告)日:2024-05-07
公开(公告)号:CN117994071A
主分类号:G06Q50/06
分类号:G06Q50/06;G06N3/006;G06N3/0442;G06N3/084;G06Q10/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:本发明公开了一种基于IPSO‑LSTM预测数据的江水源能源站能耗优化方法,该方法包括如下步骤:S1:获得与冷热负荷相关的数据集,对负荷进行外生变量的相关性分析,得出主要影响负荷的变量;S2:对筛选出的变量进行数据集的划分,分别划分为训练集、验证集、测试集;S3:建立神经网络模型,采用LSTM网络进行预测,同时采用改进的粒子群算法来优化LSTM网络结构中的参数,得到预测值;S4:将预测值输入到能源站模型中,分析模型中的变量与不变量,建立功率目标优化函数,对影响优化的函数的相关变量进行梯度下降法寻优,得到功率最低的情况下,各个优化的变量值。本发明基于IPSO‑LSTM预测数据的江水源能源站能耗优化方法可以实现系统整体节能降耗的目的,提高运行稳定性。
主权项:1.一种基于IPSO-LSTM预测数据的江水源能源站能耗优化方法,其特征在于:包括如下步骤:S1:获得与冷热负荷相关的数据集,数据集是利用负荷仿真软件TRNSYS拟合得到;对负荷进行外生变量的相关性分析,得出主要影响负荷的变量;S2:对筛选出的变量进行数据集的划分,分别划分为训练集、验证集、测试集,训练集在网络中训练,找到相对应的非线性关系;通过验证集来观察在训练集上的训练效果,及时调整网络模型的参数,测试集用作预测,输出预测结果,根据指标进行打分;S3:建立神经网络模型,采用LSTM网络进行预测,同时采用改进的粒子群算法来优化LSTM网络结构中的参数,得到预测值;S4:将预测值输入到建立好的能源站模型中,分析模型中的变量与不变量,建立功率目标优化函数,对影响优化的函数的相关变量进行梯度下降法寻优,得到功率最低的情况下,各个优化的变量值。
全文数据:
权利要求:
百度查询: 长江勘测规划设计研究有限责任公司 一种基于IPSO-LSTM预测数据的江水源能源站能耗优化方法
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。