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