买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:山东省计算中心(国家超级计算济南中心)
摘要:本发明涉及能源供应技术领域,具体为应用于工业园区的氢能负荷预测方法及系统,通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据,并进行预处理,经编码操作得到特征表示;预处理后的数据基于全局时域特征捕获网络得到频域表示,进一步得到全局周期性特征;根据得到的特征表示,利用多尺度特征融合网络提取出局部非线性特征;得到的全局周期性特征和局部非线性特征,利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势,结合多尺度特征提取技术,能够更全面、更精细地解析氢能源需求的内在规律,显著提高预测的准确性和稳定性。
主权项:1.应用于工业园区的氢能负荷预测方法,其特征在于,包括以下步骤:获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据,并进行预处理,经编码操作得到特征表示;预处理后的数据基于全局时域特征捕获网络得到频域表示,进一步得到全局周期性特征;根据得到的特征表示,利用多尺度特征融合网络提取出局部非线性特征;得到的全局周期性特征和局部非线性特征,利用自适应门控融合网络得到预测结果;所述工业园区历史能源负荷数据,包括工业园区的历史时间段内的氢能消耗量、电力负荷、热能消耗量和碳排放量;工业园区所在地气象站的历史气象数据,包括工业园区历史时间段内的露点温度、干球温度、湿球温度、湿度、降雨量和风速;得到全局周期性特征,包括以下步骤:根据能量阈值参数,选取前个能量最高的频率成分,作为新的频域信号,确定这些成分的索引集合;通过逆傅立叶变换,将选择的频率成分重构回时域信号,再将其与输入信号结合得到重构信号;重构信号利用两个线性层分别进行不同的变换,第一个线性层采用激活函数增强非线性表达能力,第二个线性层保留原始线性变换的信息;基于两个线性层得到的输出通过逐元素乘法融合,生成特征表示,再经另一个线性层和激活函数处理,得到优化后的特征表示,通过跳跃连接将输入的与优化后的特征相加,得到全局周期性特征;根据得到的特征表示,利用多尺度特征融合网络提取出局部非线性特征,包括以下步骤:编码操作得到的特征表示,通过多尺度加权特征融合模块从内进行多尺度特征提取,再从间进行多尺度特征提取,输出得到特征表示;特征表示经展平操作进行维度合并,通过多层感知机模块得到局部非线性特征;其中,编码操作得到的特征表示的过程,如下式所示: ;其中,表示滑动窗口操作,表示复制填充操作,表示线性操作,长度为,之间的步长为,表示特征维度,表示输入信号;得到的全局周期性特征和局部非线性特征,利用自适应门控融合网络得到预测结果,具体为:得到的全局周期性特征和局部非线性特征拼接为单一张量,利用线性层提取高级特征;高级特征映射到低维度空间,生成门控信号,利用激活函数使门控信号归一化,确保所有输入的权重之和等于1;基于门控信号动态调整各输入的权重,实现加权融合,同时保留原始输入的影响,得到预测结果。
全文数据:
权利要求:
百度查询: 山东省计算中心(国家超级计算济南中心) 应用于工业园区的氢能负荷预测方法及系统
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。