[发明专利]用于物流博览会平台的能耗预测方法、系统、设备及存储介质

说明书

技术领域

本发明涉及物联网技术领域，特别是涉及一种用于物流博览会平台的能耗预测方法及系统。

背景技术

物流博览会的管理面积大，需要监控的点位多，尤其是会场分成许多分散的供能区域，然而，目前对这些供能区域缺乏有效的能耗预测方法和统一的管理平台，加大了管理的难度和繁琐程度，无法满足对会场整体能耗的预测及管理的要求越来越高的要求。

发明内容

本发明的目的是提供一种用于物流博览会平台的能耗预测方法及系统，其能够对多品牌车辆的停放进行统一的规范管理。

一方面，本发明实施例提供了一种用于物流博览会平台的能耗预测方法，其包括如下步骤：采集能源表的实时数据，并将实时数据通过基于蜂窝的窄带物联网(Narrow Band Internet of Things,NB-IoT)模组传输至OneNET云平台；在OneNET平台提取实时数据，将实时数据导入数据库后进行整理；采取神经网络模式对多点能耗进行预测。

根据本发明实施例的一方面，在OneNET平台提取实时数据、将实时数据导入数据库后进行整理包括：提取实时数据；将实时数据导入数据库，并进行数据校验；清洗逻辑错误数据；清洗非需求数据。

根据本发明实施例的一方面，采取神经网络模式对多点能耗进行预测包括：获取各监控点的实际能耗数据，选取预定时间段内的数据作为校验数据段；设计神经网络结构，根据监控点个数n设定输入层神经元的个数，输出层神经元为1，隐含层神经元的个数范围在1和n+1之间来设定，输入层神经元即为对应的监控点的实际能耗数据，输出层神经元即为总能耗预测数据；利用当前的所述实际能耗数据，优化神经网络结构的权值，寻找最优的神经网络参数；利用校验数据段的数据测试最优的神经网络参数，如果测试精度满足要求，则得到最终的融合模型，进行能耗预测。

根据本发明实施例的一方面，如果测试精度不满足要求，则调整神经网络的结构，重新训练网络。

根据本发明实施例的一方面，调整神经网络结构包括：调整隐含层神经元的个数；比较相应的校验数据段的预测能耗的均方根误差；选择最优的隐含层神经元的个数。

另一方面，本发明实施例还提供了一种用于物流博览会平台的能耗预测系统，包括：监测模块，用于采集能源表的实时数据，并将实时数据通过基于蜂窝的窄带物联网NB-IOT模组传输至OneNET云平台；数据整理模块，用于在OneNET平台提取实时数据，将实时数据导入数据库后进行整理；能耗预测模块，用于采取神经网络模式对多点能耗进行预测。

根据本发明实施例的一方面，能耗预测模块进一步用于，获取各监控点的实际能耗数据，选取预定时间段内的数据作为校验数据段；设计神经网络结构，根据监控点个数n设定输入层神经元的个数，输出层神经元为1，隐含层神经元的个数范围在1和n+1之间来设定，输入层神经元即为对应的监控点的实际能耗数据，输出层神经元即为总能耗预测数据；利用当前的所述实际能耗数据，优化神经网络结构的权值，寻找最优的神经网络参数；利用校验数据段的数据测试最优的神经网络参数，如果测试精度满足要求，则得到最终的融合模型，进行能耗预测。

根据本发明实施例的一方面，能耗预测模块进一步用于，如果测试精度不满足要求，则调整神经网络的结构，重新训练网络。

根据本发明实施例的一方面，能耗预测模块进一步用于，通过下述方法调整神经网络结构：调整隐含层神经元的个数，比较相应的校验数据段的预测能耗的均方根误差，选择最优的隐含层神经元的个数。

另一方面，本发明实施例还提供了一种用于物流博览会平台的能耗预测设备，包括：存储器，存储有计算机程序指令；处理器，当计算机程序指令被处理器执行时实现如前所述的用于物流博览会平台的能耗预测方法。

另一方面，本发明实施例还提供了一种计算机可读存储介质，包括：计算机可读存储介质包括指令，当指令在计算机上运行时，使得计算机执行如前所述的用于物流博览会平台的能耗预测方法。

本发明实施例提供的用于物流博览会平台的能耗预测方法及系统，采集的能耗数据经过数据清洗，去除了不合理值，解决了多监控点能耗数据采集、管理的问题。另外，基于神经网络进行能耗预测，可以有效提高预测能耗的精度。

附图说明

下面将参考附图来描述本发明示例性实施例的特征、优点和技术效果。

图1是本发明实施例提供的一种用于物流博览会平台的能耗预测方法的流程框图；

图2是本发明实施例提供的一种用于物流博览会平台的能耗预测系统的示意性原理框图；