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：北京理工大学;安徽海螺信息技术工程有限责任公司;安徽海螺集团有限责任公司;羚羊工业互联网股份有限公司

摘要：本申请提出了一种基于多源多尺度信息融合的工业园区能耗集成预测方法，该方法包括：收集工业能耗多源数据，并对所述工业能耗多源数据进行基于周期配准的数据预处理；构建多源多尺度综合集成模型，其中，所述多源多尺度综合集成模型通过混合深度神经网络模型和物理经验模型融合得到；对于所述工业能耗多源数据内的大量无标签数据和少量有标签数据，采用对抗训练策略进行所述多源多尺度综合集成模型的训练；将预处理后的所述工业能耗多源数据输入训练好的多源多尺度综合集成模型中，得到预测能耗结果，并根据复合评价因子对所述预测能耗结果进行评估。本申请通过利用多源多尺度信息，能够更全面地考虑各种因素对工业能耗的影响。

主权项：1.一种基于多源多尺度信息融合的工业园区能耗集成预测方法，其特征在于，包括：收集工业能耗多源数据，并对所述工业能耗多源数据进行基于周期配准的数据预处理，所述工业能耗多源数据包括天气预报信息、工业园区现场温度信息、湿度信息、电力消耗数据、生产线生产量数据、工业园区物理参数数据；构建多源多尺度综合集成模型，其中，所述多源多尺度综合集成模型通过混合深度神经网络模型和物理经验模型融合得到；对于所述工业能耗多源数据内的大量无标签数据和少量有标签数据，采用对抗训练策略进行所述多源多尺度综合集成模型的训练；将预处理后的所述工业能耗多源数据输入训练好的多源多尺度综合集成模型中，得到预测能耗结果，并根据复合评价因子对所述预测能耗结果进行评估；所述混合深度神经网络模型的预测过程，包括：对于工业园区现场温度信息、湿度信息、电力消耗数据构成的时间序列数据，采用傅里叶分解方法将其分解成多个通道的窄带分量，傅里叶分解后，每个时间序列数据被分解成多个窄带分量，傅里叶分解过程的表达式为： 其中，是时间序列数据，是傅里叶系数，是时间序列数据中数据点的总数，是时间点；通过卷积神经网络对分解后的每个窄带分量进行卷积操作，提取局部特征，表达式为： 其中，是卷积输出，是卷积核，是偏置，是激活函数，为应用于窄带分量的不同卷积核的数量；对卷积输出进行池化操作，表达式为： 其中，为池化输出集合，为第个卷积输出对应的池化输出；基于不同通道分量的依赖相关关系，对池化输出进行自适应通道提取，表达式为： 其中，为自适应提取的特征集合，为自适应提取的特征，是通道间的相关性权重；将提取的特征集合输入到iTransformer模型，通过多尺度注意力机制和记忆机制，捕捉长时间依赖关系特征，得到最终输出，表达式为： 其中，为最终输出；对于工业园区天气预报信息和生产线生产量数据构成的非时间序列数据，使用图神经网络提取天气预报信息中太阳辐射量、气压、风速的特征信息以及生产线生产量数据特征信息，用表示从非时间序列数据中提取的特征；将从非时间序列数据中提取的特征与从时间序列数据中提取的特征进行融合，表达式为： 其中，是融合后的特征矩阵；将融合后的特征矩阵输入到全连接层，输出混合深度神经网络模型的能耗预测结果，表达式为： 其中，是混合深度神经网络模型的能耗预测结果，为权重矩阵，为偏置；所述物理经验模型的预测过程，包括：根据设备的效率和能耗间的经验公式，计算设备效率能耗，表达式为： 其中，是设备效率能耗，是第个设备的功率，是第个设备的效率，是第个设备的运行时间，是设备的总损耗，包括传输损耗、热损耗；根据设备的温度和能耗间的经验公式，计算设备温度能耗，表达式为： 其中，是制冷设备温度能耗，是制热设备温度能耗，和是制冷和加热设备的系数，是外部环境温度，是设定温度，和是制冷和加热设备的运行时间；根据设备的湿度和能耗间的经验公式，计算设备湿度能耗，表达式为： 其中，是设备湿度能耗，是除湿设备的系数，是外界环境湿度，是设定湿度，是除湿设备的运行时间；根据设备的生产负荷与能耗间的经验公式，计算设备生产负荷能耗，表达式为： 其中，是设备生产负荷能耗，是生产设备的能耗系数，是生产负荷，是生产时间；根据设备效率能耗、设备温度能耗、设备湿度能耗与设备生产负荷能耗，得到物理经验模型的能耗预测结果，表达式为： 其中，为物理经验模型的能耗预测结果；所述混合深度神经网络模型和所述物理经验模型通过平均法、加权平均法或堆叠法进行融合，融合过程包括：若融合策略方法为简单平均法，对不同模型的预测结果取平均值，将所述平均值作为所述多源多尺度综合集成模型的预测结果，表达式为： 其中，为所述多源多尺度综合集成模型的预测结果；若融合策略方法为加权平均法，对不同模型的预测结果进行加权平均，将加权平均值作为所述多源多尺度综合集成模型的预测结果，表达式为： 其中，表示混合深度神经网络模型的权重，表示物理经验模型的权重；若融合策略方法为堆叠法，将不同模型的预测结果作为输入，训练一个元模型组合不同模型的预测结果，将组合后的结果作为所述多源多尺度综合集成模型的预测结果，表达式为： 其中，表示云模型；所述根据复合评价因子对所述预测能耗结果进行评估，包括：根据所述预测能耗结果得到所述多源多尺度综合集成模型的预测准确度、均方误差、平均绝对误差、均方根误差和决定系数，表达式为： 其中，、、、、为不同的评价指标，为预测准确度，为均方误差，为平均绝对误差，为均方根误差，为决定系数，是第个预测能耗结果，为第个实际能耗值，是预处理后的所述工业能耗多源数据的样本数量；根据用户需求或专家意见，确定各个评价指标的权重，且所有权重的和为1；根据不同的评价指标与各评价指标对应的权重，构建复合评价因子，表达式为： 其中，是复合评价因子，值越高表示所述预测能耗结果越好，、、、、分别为、、、、的权重。

全文数据：

权利要求：

百度查询： 北京理工大学 安徽海螺信息技术工程有限责任公司 安徽海螺集团有限责任公司 羚羊工业互联网股份有限公司 基于多源多尺度信息融合的工业园区能耗集成预测方法