【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及工業(yè)大數(shù)據(jù)分析、工業(yè)能源管理等交叉，特別涉及一種適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法。
技術(shù)介紹
1、離散制造企業(yè)能耗預(yù)測(cè)對(duì)于掌握未來(lái)生產(chǎn)制造過(guò)程的能源需求、實(shí)現(xiàn)能源供用的平衡調(diào)度至關(guān)重要。尤其是在能源緊缺等情況下，準(zhǔn)確的能耗預(yù)測(cè)能幫助企業(yè)制定合理的能源供給方案，優(yōu)先保障重要生產(chǎn)活動(dòng)的能源需求，從而在實(shí)現(xiàn)制造能源成本降低的同時(shí)推動(dòng)企業(yè)綠色可持續(xù)發(fā)展。然而，由于離散制造過(guò)程生產(chǎn)任務(wù)多變，導(dǎo)致離散制造企業(yè)制造過(guò)程的能耗動(dòng)態(tài)波動(dòng)大、精準(zhǔn)預(yù)測(cè)難。如何準(zhǔn)確利用生產(chǎn)過(guò)程中涌現(xiàn)出的大量生產(chǎn)能耗數(shù)據(jù)，實(shí)現(xiàn)對(duì)離散制造企業(yè)全園區(qū)能耗精準(zhǔn)預(yù)測(cè)，已成為當(dāng)前工業(yè)節(jié)能減碳領(lǐng)域亟需解決的熱點(diǎn)問(wèn)題。
2、早期的離散制造企業(yè)能耗預(yù)測(cè)研究，集中圍繞設(shè)備-工藝-車間-企業(yè)多個(gè)層級(jí)開(kāi)展了能耗機(jī)理建模研究，形成了機(jī)理模型驅(qū)動(dòng)的預(yù)測(cè)方法。由于此類方法需要構(gòu)建生產(chǎn)信息與多設(shè)備運(yùn)行機(jī)理多變量關(guān)聯(lián)，多用于生產(chǎn)模式固定、生產(chǎn)情況穩(wěn)定的流程或半流程制場(chǎng)景，但還難以滿足生產(chǎn)制造復(fù)雜、生產(chǎn)計(jì)劃多變的離散制造企業(yè)快速、低成本預(yù)測(cè)訴求。
3、隨著工業(yè)人工智能技術(shù)的發(fā)展，企業(yè)可以通過(guò)部署智能設(shè)備和工業(yè)互聯(lián)網(wǎng)，實(shí)現(xiàn)生產(chǎn)過(guò)程中的時(shí)序用能數(shù)據(jù)的監(jiān)控和采集。研究者們基于已采集的時(shí)序用能數(shù)據(jù)，提出了數(shù)據(jù)驅(qū)動(dòng)的離散制造企業(yè)用能體系建模與預(yù)測(cè)方法，使用隨機(jī)森林、支持向量機(jī)等方法進(jìn)行時(shí)序預(yù)測(cè)。傳統(tǒng)基于機(jī)器學(xué)習(xí)方法對(duì)平穩(wěn)的時(shí)序能耗數(shù)據(jù)具有良好的預(yù)測(cè)效果，但無(wú)法滿足能耗數(shù)據(jù)變化大的預(yù)測(cè)。
4、綜上，能源消耗波動(dòng)大、消耗規(guī)律不顯著的離散制造企業(yè)能耗精準(zhǔn)預(yù)測(cè)，還存
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供了一種適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，采用時(shí)間序列周期性信息挖掘方法，識(shí)別離散制造企業(yè)由于生產(chǎn)、設(shè)備動(dòng)變引起的能耗時(shí)序變化，以提升離散制造企業(yè)能耗預(yù)測(cè)精度，實(shí)現(xiàn)能源消耗波動(dòng)大、消耗規(guī)律不顯著的離散制造企業(yè)能耗的精準(zhǔn)預(yù)測(cè)。
2、本專利技術(shù)提供了一種適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，包括：
3、采集離散制造企業(yè)的時(shí)序能耗數(shù)據(jù)并構(gòu)建數(shù)據(jù)集，以獲取所述離散制造企業(yè)的能耗曲線；其中，所述時(shí)序能耗數(shù)據(jù)為1d的時(shí)序能耗數(shù)據(jù)；
4、采用預(yù)設(shè)的計(jì)算方式將所述1d的時(shí)序能耗數(shù)據(jù)重新排列為2d矩陣，以便捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征；
5、采用預(yù)設(shè)的卷積模塊對(duì)所述2d矩陣進(jìn)行處理，并將數(shù)據(jù)后的數(shù)據(jù)進(jìn)行加權(quán)求和計(jì)算，然后將卷積模塊進(jìn)行堆疊，采用殘差連接以保證信息在深層網(wǎng)絡(luò)中有效傳遞和聚合；
6、將卷積模塊的輸出結(jié)果輸入全連接層，生成對(duì)下一時(shí)刻的預(yù)測(cè)結(jié)果，實(shí)現(xiàn)對(duì)所述離散制造企業(yè)能耗預(yù)測(cè)。
7、進(jìn)一步地，所述采用預(yù)設(shè)的計(jì)算方式將所述1d的時(shí)序能耗數(shù)據(jù)重新排列為2d矩陣，以便捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征的步驟，包括：
8、采用傅里葉變換分析所述時(shí)序能耗數(shù)據(jù)的頻率域，以識(shí)別能耗數(shù)據(jù)中的主要周期，進(jìn)而通過(guò)對(duì)頻譜的計(jì)算，選擇前k個(gè)振幅超過(guò)設(shè)定值的頻率進(jìn)而確定相應(yīng)周期的長(zhǎng)度；
9、基于識(shí)別的周期性特征，將選擇的k個(gè)原始1d時(shí)序能耗數(shù)據(jù)重新排列為k個(gè)2d矩陣，以便分別捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征；其中，矩陣的列表示一個(gè)周期內(nèi)的能耗變化，矩陣的行表示不同周期間相同時(shí)間點(diǎn)的能耗變化。
10、進(jìn)一步地，所述采用傅里葉變換分析所述時(shí)序能耗數(shù)據(jù)的頻率域，以識(shí)別能耗數(shù)據(jù)中的主要周期，進(jìn)而通過(guò)對(duì)頻譜的計(jì)算，選擇前k個(gè)振幅超過(guò)設(shè)定值的頻率進(jìn)而確定相應(yīng)周期的長(zhǎng)度的步驟，包括：
11、計(jì)算所述時(shí)序能耗數(shù)據(jù)的周期，其公式為：
12、s＝fave(famp(ffft(x1d)))
13、
14、
15、其中，t×c表示長(zhǎng)度為t，變量為c的企業(yè)時(shí)序能耗數(shù)據(jù)；ffft(·)表示對(duì)時(shí)序能耗數(shù)據(jù)做傅里葉變換，將時(shí)域特征轉(zhuǎn)換為頻域特征；famp(·)表示取得時(shí)序能耗頻域曲線中的振幅值；fave(·)表示對(duì)不同頻率取得的幅值進(jìn)行平均；argfirstk(·)表示選取振幅值超過(guò)設(shè)定值的前k個(gè)頻率{f1,…fk}，其對(duì)應(yīng)的周期長(zhǎng)度為{p1,…pk}，k為超參數(shù)。
16、進(jìn)一步地，所述基于識(shí)別的周期性特征，將選擇的k個(gè)原始1d時(shí)序能耗數(shù)據(jù)重新排列為k個(gè)2d矩陣，以便分別捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征的步驟，包括：
17、基于選定的頻率{f1,…fk}和相應(yīng)的周期長(zhǎng)度{p1,…pk}，將1d時(shí)序能耗數(shù)據(jù)重新排列為2d矩陣；其中，列表示一個(gè)周期內(nèi)的能耗變化，行表示不同周期間相同時(shí)間點(diǎn)的能耗變化，2d矩陣的表示方式如下式所示：
18、
19、其中，fpad(·)表示用0對(duì)原始時(shí)序能耗數(shù)據(jù)進(jìn)行填充；fres(·)表示將1d的時(shí)序能耗數(shù)據(jù)根據(jù)周期信息重構(gòu)為2d矩陣，其中，fi表示第i個(gè)頻率在時(shí)序能耗數(shù)據(jù)中出現(xiàn)的頻次，pi表示周期的長(zhǎng)度。
20、進(jìn)一步地，所述采用預(yù)設(shè)的卷積模塊對(duì)所述2d矩陣進(jìn)行處理，并將數(shù)據(jù)后的數(shù)據(jù)進(jìn)行加權(quán)求和計(jì)算，然后將卷積模塊進(jìn)行堆疊，采用殘差連接以保證信息在深層網(wǎng)絡(luò)中有效傳遞和聚合的步驟，包括：
21、采用inception模塊將處理后的2d矩陣重新轉(zhuǎn)換回1d形式；其中，inception模塊為采用多尺度的2d卷積核的模塊；
22、將計(jì)算的周期幅值大小作為權(quán)值，采用softmax函數(shù)對(duì)不同的1d時(shí)序能耗數(shù)據(jù)進(jìn)行加權(quán)求和，融合為當(dāng)前層的輸出；
23、將卷積模塊堆疊，采用殘差連接以保證信息在深層網(wǎng)絡(luò)中有效傳遞和聚合。
24、進(jìn)一步地，所述采用inception模塊將處理后的2d矩陣重新轉(zhuǎn)換回1d形式的步驟，包括：
25、采用inception模塊對(duì)轉(zhuǎn)換后的2d矩陣做卷積提取特征，聚合企業(yè)時(shí)序能耗數(shù)據(jù)一個(gè)周期內(nèi)和不同周期間相同時(shí)間點(diǎn)的變化：
26、
27、其中，finception(·)為深度學(xué)習(xí)模塊，通過(guò)使用不同大小的卷積核來(lái)并行處理2d矩陣，捕捉時(shí)序能耗數(shù)據(jù)短期和長(zhǎng)期的變化特征；包含了從時(shí)序能耗數(shù)據(jù)中提取到的多尺度周期性和時(shí)間依賴特征。
28、將卷積處理后的2d矩陣轉(zhuǎn)換為1d并將之前填充的部分截?cái)啵?/p>
29、
30、其中，ftru(·)表示截?cái)?，用于去除填充的時(shí)間點(diǎn)，即fpad(·)在中添加的0，將時(shí)序能耗數(shù)據(jù)恢復(fù)到原始長(zhǎng)度；表示將處理后的2d矩陣重新轉(zhuǎn)換為1d時(shí)序能耗數(shù)據(jù)。
31、進(jìn)一步地，所述將計(jì)算的周期幅值大小作為權(quán)值，采用softmax函數(shù)對(duì)不同的1d時(shí)序能耗數(shù)據(jù)進(jìn)行加權(quán)求和，融合為當(dāng)前層的輸出的步驟，包括：
32、采用softmax函數(shù)對(duì)不同的1d時(shí)序能耗數(shù)據(jù)做加權(quán)融合，實(shí)現(xiàn)層次卷積模塊的自適應(yīng)聚合：
33、
本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用預(yù)設(shè)的計(jì)算方式將所述1D的時(shí)序能耗數(shù)據(jù)重新排列為2D矩陣，以便捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征的步驟，包括：
3.根據(jù)權(quán)利要求2所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用傅里葉變換分析所述時(shí)序能耗數(shù)據(jù)的頻率域，以識(shí)別能耗數(shù)據(jù)中的主要周期，進(jìn)而通過(guò)對(duì)頻譜的計(jì)算，選擇前k個(gè)振幅超過(guò)設(shè)定值的頻率進(jìn)而確定相應(yīng)周期的長(zhǎng)度的步驟，包括：
4.根據(jù)權(quán)利要求3所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述基于識(shí)別的周期性特征，將選擇的k個(gè)原始1D時(shí)序能耗數(shù)據(jù)重新排列為k個(gè)2D矩陣，以便分別捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征的步驟，包括：
5.根據(jù)權(quán)利要求1所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用預(yù)設(shè)的卷積模塊對(duì)所述2D矩陣進(jìn)行處理，并將數(shù)據(jù)后的數(shù)據(jù)進(jìn)行加權(quán)求和計(jì)算，然后將卷積模塊進(jìn)行堆疊，采用殘差連接以保證信息在深層網(wǎng)絡(luò)中有
6.根據(jù)權(quán)利要求5所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用Inception模塊將處理后的2D矩陣重新轉(zhuǎn)換回1D形式的步驟，包括：
7.根據(jù)權(quán)利要求6所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述將計(jì)算的周期幅值大小作為權(quán)值，采用Softmax函數(shù)對(duì)不同的1D時(shí)序能耗數(shù)據(jù)進(jìn)行加權(quán)求和，融合為當(dāng)前層的輸出的步驟，包括：
8.根據(jù)權(quán)利要求5所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述將卷積模塊堆疊，采用殘差連接以保證信息在深層網(wǎng)絡(luò)中有效傳遞和聚合的步驟中，計(jì)算公式為：
9.一種適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)裝置，其特征在于，包括：
10.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至8中任一項(xiàng)所述方法的步驟。
...【技術(shù)特征摘要】
1.一種適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用預(yù)設(shè)的計(jì)算方式將所述1d的時(shí)序能耗數(shù)據(jù)重新排列為2d矩陣，以便捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征的步驟，包括：
3.根據(jù)權(quán)利要求2所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用傅里葉變換分析所述時(shí)序能耗數(shù)據(jù)的頻率域，以識(shí)別能耗數(shù)據(jù)中的主要周期，進(jìn)而通過(guò)對(duì)頻譜的計(jì)算，選擇前k個(gè)振幅超過(guò)設(shè)定值的頻率進(jìn)而確定相應(yīng)周期的長(zhǎng)度的步驟，包括：
4.根據(jù)權(quán)利要求3所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述基于識(shí)別的周期性特征，將選擇的k個(gè)原始1d時(shí)序能耗數(shù)據(jù)重新排列為k個(gè)2d矩陣，以便分別捕捉短期和長(zhǎng)期的時(shí)序能耗數(shù)據(jù)的動(dòng)變特征的步驟，包括：
5.根據(jù)權(quán)利要求1所述的適應(yīng)動(dòng)態(tài)生產(chǎn)的離散制造企業(yè)能耗預(yù)測(cè)方法，其特征在于，所述采用預(yù)設(shè)的卷積模塊對(duì)所述2d矩陣進(jìn)行處理，并將數(shù)據(jù)后的數(shù)據(jù)進(jìn)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王旭，李明澤，劉培基，梁天飚，
申請(qǐng)(專利權(quán))人：重慶大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。