[发明专利]一种基于周期回馈LSTM的供热需求量预估方法、系统及设备

权利要求书

1.一种基于周期回馈LSTM的供热需求量预估方法，其特征在于，包括以下过程：

根据当前时刻的特征向量，并结合隐状态对cell状态进行遗忘，对历史误用信息进行滤除，筛选cell状态；

将隐状态和当前时刻的特征向量经过一层全连接层处理，并由tanh函数对其值域进行约束，然后对当前的新增状态进行门控约束，并与筛选后的cell状态进行融合，得到更新后的cell状态；

对所述更新的cell状态的值域利用tanh函数进行变换，再由输出门进行信息约束，得到当前隐状态，即系统当前所需要的供暖量预估值。

2.根据权利要求1所述的基于周期回馈LSTM的供热需求量预估方法，其特征在于，所述当前时刻的特征向量包括建筑物面积、建筑物通风量、建筑物内平均人流量、当前室外气温、当前室内气温以及建筑物内电器耗能，输入特征向量中建筑物面积固定不变，输入特征向量中其余参数每隔预设时间测量并更新一次。

3.根据权利要求1所述的基于周期回馈LSTM的供热需求量预估方法，其特征在于，根据当前时刻的输入，并结合隐状态对cell状态进行遗忘，通过遗忘门实现，具体如下：

f_t＝z(W_f·[h_t-1,h_t-24,x_t]+b_f)；

其中，h_t-1是上一时刻LSTM的隐状态，x_t是当前时刻的特征向量，W_f和b_f分别是遗忘门全连接层的权重和偏置，h_t-24是回馈状态，收集前一天同一时刻所需热量信息并编码传入系统得到，z为sigmoid函数。

4.根据权利要求1所述的基于周期回馈LSTM的供热需求量预估方法，其特征在于，由隐状态和输入特征向量经过一层全连接层处理；并由tanh函数对值域进行约束，然后对当前的新增状态进行门控约束，并与所述筛选后的cell状态进行融合，得到更新后的cell状态C_t，具体计算公式为：

i_t＝z(W_i·[h_t-1,h_t-24,x_t]+b_i)

其中，W_i和b_i分别是遗忘门全连接层的权重和偏置，x_t是当前时刻的特征向量，W_c和b_c是cell状态更新层的权重和偏置。

5.根据权利要求1所述的基于周期回馈LSTM的供热需求量预估方法，其特征在于，根据cell状态和回馈状态对隐状态O_t进行更新，具体如下：

O_t＝z(W_o[h_t-1,h_t-24,x_t]+b_o)；

h_t＝O_t*tanh(C_t)；

W_o和b_o分别是输出门全连接层的权重和偏置cell状态，回馈状态和隐状态一同作为此刻细胞状态的表达，并作为下一层LSTM或是时序预估网络的输入；通过计算得到的h_t就是系统当前时刻的供暖量预估值。

6.根据权利要求1所述的基于周期回馈LSTM的供热需求量预估方法，其特征在于，采集过去的一设定时间的供热需求数据，以最小均方误差作为损失函数，对LSTM进行训练，损失函数具体为：

其中y_t是每个小时的真实供热需求量，W_l为输出权重向量，对隐状态的元素进行加权求和，利用反向传播的方式对LSTM的权重进求导，并通过随机梯度下降法进行更新。