[发明专利]基于关键工艺监测的综合能源负荷预测方法

说明书

本发明公开了基于关键工艺监测的综合能源负荷预测方法，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、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；S4、将特征向量作为GRU模型的输入，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预测模型预测关键工艺设备的负荷数据。通过构建RNN‑GRU预测模型并对其进行训练得到生产活动和能源消耗的耦合关系。

技术领域

本发明设计综合能源负荷预测技术领域，具体的，涉及基于关键工艺监测的综合能源负荷预测方法。

背景技术

为提高能源利用效率和生产效率，需要对系统进行负荷预测；综合能源系统的负荷预测从传统的电力预测发展到了电、热、冷等多种能量的负荷预测。目前，综合能源系统负荷预测主要采用的方法是利用工厂历史生产、当地气象、日历规则等数据进行规律总结从而进行预测。工厂历史数据指的是该工厂前期的电、热、冷的消耗情况；当地气象则指的是当地温度、风速、湿度条件；日历规则是考虑到法定节假日、周末的影响；传统的预测模型往往没有考虑生产过程中具体的工艺情况；如某些或某个生产工位的电量、冷量、热源的耦合情况以及与产品的生产计划、数量、成品率等情况的关联性。

中国专利，公开号：CN202010824705，公开日：2020年11月17日，本发明公开了一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，具体包括以下步骤：1)综合能源系统历史数据预处理；2)多元负荷模态分解；3)建立多元负荷多任务学习预测模型；4)多元负荷预测误差补偿；本发明采用自适应局部迭代滤波分解方法对历史冷、热、电负荷时间序列进行分解，在此基础进行重构得到各个负荷的周期序列、波动序列与趋势序列，可以降低多元负荷时间序列的复杂度与非平稳性，在数据层面实现模型预测精度的提升。该方案没有考虑能源系统之间的耦合关系以及能源系统实际的投入产出情况，不能真实反映综合能源系统负荷与实际效益之间的关联性。

发明内容

本发明的目的是解决传统能源负荷预测模型没有考虑能源的利用效率与各关键工艺的生产效益之间的内在关联性；不能真实反映综合能源系统负荷与实际效益之间的关联性；提出了基于关键工艺监测的综合能源负荷预测方法；不仅仅是从整体能耗出发进行数据统计，且可以具体处理负荷消耗与生产活动的关系，使得关键工艺设备的负荷预测更加准确。

为实现上述技术目的，本发明提供的一种技术方案是，基于关键工艺监测的综合能源负荷预测方法，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预测模型对关键工艺设备的负荷数据，输出预测结果。