[发明专利]基于关键工艺监测的综合能源负荷预测方法

权利要求书

1.基于关键工艺监测的综合能源负荷预测方法，其特征在于：包括如下步骤：

S1、构建综合能源负荷系统结构，确定综合能源负荷系统内的关键工艺组成；

S2、获取关键工艺历史负荷数据、对应的日期信息、历史气象数据、关键工艺生产数据以及关键工艺设备之间的能量耦合数据；构建负荷能源数据结构，以时间为尺度构建负荷能源结构序列，将负荷能源结构序列分为测试集Tr和验证集Tx；

S3、将测试集Tr中构建负荷能源结构序列的各信息作为RNN模型的输入，输出特征向量；特征向量表征关键工艺设备的负荷数据；

S4、将特征向量作为GRU模型的输入，通过调整更新门和重置门生成RNN-GRU预测模型；

S5、通过验证集Tx对训练完成的RNN-GRU预测模型进行可靠性验证；若可靠性不足，执行步骤S3，若可靠性合格，执行步骤S6；

S6、利用训练好的RNN-GRU预测模型与关键工艺设备的负荷数据。

2.根据权利要求1所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：

负荷能源数据结构根据关键工艺类别分为N类，每一类关键工艺组成一个独立的荷能源结构序列，每一个能源结构序列包含有对应的关键工艺历史负荷数据、日期信息、历史气象数据、关键工艺生产数据以及关键工艺设备之间的能量耦合数据。

3.根据权利要求1所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：所述关键工艺设备之间的能量耦合情况包括：关键工艺设备间的热电耦合、冷电耦合、热冷耦合。

4.根据权利要求1所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：所述关键工艺生产数据包括有关键工艺所在工位生产产品的成品的产量以及成品率。

5.根据权利要求1或2所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：通过验证集Tx对RNN-GRU预测模型进行可靠性验证包括如下子步骤：

S51、采用测试集Tx内每一类关键工艺设备跟随时间序列上的历史气象数据、关键工艺生产数据以及关键工艺设备之间的能量耦合数据作为RNN-GRU预测模型的输入；生成跟随时间序列上的预测结果；预测结果可视化后制作预测曲线图，对预测曲线图围成的区域按时间区段进行切割成m份，分别计算每一份区域的面积a；

S52、测试集Tx可视化后经过平滑处理得到测试曲线图，对预测曲线图围成的区域按时间区段进行切割成m份，分别计算每一份区域的面积b；

S53、对应时间区间上的区域面积进行误差运算得到m个局部拟合优度值d；

S54、与预设的拟合优度值d0进行比较运算确定局部拟合优度值的合格率H，根据局部拟合优度值的合格率确定RNN-GRU预测模型是否可靠。

6.根据权利要求5所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：

S51包括如下步骤：

测试集Tx的每一类的跟随时间序列的历史气象数据、关键工艺生产数据以及关键工艺设备之间的能量耦合数据作为RNN-GRU预测模型的输入，输出预测结果，预测结果为当前关键工艺设备的负荷数据；

预测结果可视化后经过平滑处理得到预测曲线图，以时间间隔t2为周期对预测曲线图切割成m份；

分别计算时间间隔t2与其对应的预测曲线所围成的图形面积a生成面积序列A，记做A＝[a1，a2,···，am]。

7.根据权利要求6所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：

S52包括如下步骤：

测试集Tx可视化后经过平滑处理得到测试曲线图，以时间间隔t2为周期对测试曲线图进行切割成m份；

计算时间间隔t2与其对应的测试曲线所围成的图形面积b生成面积序列A，记做B＝[b1，b2,···，bm]。

8.根据权利要求7所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：

S53包括如下步骤：

局部拟合优度值d，计算公式如下：

生成局部拟合优度值序列D＝[d1,d2,···，dm]。

9.根据权利要求8所述的基于关键工艺监测的综合能源负荷预测方法，其特征在于：

S54包括如下步骤：

拟合优度值序列D内拟合优度值分别与设定的拟合优度值d0进行比较得到状况表F；状况表F中的取值为m位二进制数，其中，d≥d0记为0；dd0记为1；

通过状况表F中“1”的占位比例计算合格率H，若合格率H≥H0，则判定当前RNN-GRU预测模型是否可靠；若合格率HH0，则判定当前RNN-GRU预测模型不可靠。