[发明专利]一种基于改进时空残差卷积神经网络的智慧路灯能耗预测方法在审
申请号: | 202111102939.5 | 申请日: | 2021-09-18 |
公开(公告)号: | CN113919553A | 公开(公告)日: | 2022-01-11 |
发明(设计)人: | 武军权;袁伶;金伟民;陈海荣;包银鑫;陈震;王亮;施冬冬;顾理琴 | 申请(专利权)人: | 江苏恒鹏智慧城市技术有限公司 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06F16/29;G06F16/215;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 226000 江苏省南*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 改进 时空 卷积 神经网络 智慧 路灯 能耗 预测 方法 | ||
1.一种基于改进时空残差卷积神经网络的智慧路灯能耗预测方法,其特征在于:包括以下步骤:
步骤1)采集智慧路灯的数据,即,采集城市中每一个智慧路灯实时发送的数据DLamp(i),DLamp(i)={idi,loni,lati,timei,energyi},idi,loni,lati,timei,energyi分别代表第i个智慧路灯的序号、经度、纬度、记录时间和能耗;并将数据传输至城市大数据集群数据库,对原始能耗数据进行数据预处理,降低冗余度和复杂性;
步骤2)根据智慧路灯所在经度纬度将其以欧几里得结构形式映射到城市路网中,形成能耗栅格数据;
步骤3)采用MAX-MIN方法对能耗栅格数据进行标准化处理,并将其按固定比例划分为训练集和测试集;
步骤4)构建改进时空残差卷积神经网络,该网络由能耗空间特征提取组件和能耗时间特征提取组件组成;
步骤5)用步骤3)得到的训练集和测试集来训练和测试改进时空残差卷积神经网络,并将模型用来预测下一时刻的能耗栅格数据。
2.根据权利要求1所述的一种基于改进时空残差卷积神经网络的智慧路灯能耗预测方法,其特征在于:所述步骤1)中,如果某一特征缺失值较多,直接将其舍弃来避免对原始数据整体特征造成干扰;如果某一特征损失值在在10%以内,使用该特征所在时间节点所在周的平均值进行填充,将公式定义为:N为存在缺失值的路灯所在一周的数据总量;采用3σ原则对异常值进行处理,去除不符合条件的数据。
3.根据权利要求1所述的一种基于改进时空残差卷积神经网络的智慧路灯能耗预测方法,其特征在于:所述步骤2)中,将城市实际区域划分成欧几里得结构栅格网络,记录城市中智慧路灯的经度纬度,按照固定的时间间隔Δt,将预处理后的智慧路灯能耗数据映射到栅格网络中,生成能耗栅格数据XR={xi,j},XR中每个位置均匀分布且相互之间距离相等;将能耗预测问题转化成给定历史能耗栅格数据,预测未来某一时刻的能耗栅格数据。
4.根据权利要求1所述的一种基于改进时空残差卷积神经网络的智慧路灯能耗预测方法,其特征在于:所述步骤3)中,采用MAX-MIN方法对能耗栅格数据进行标准化处理,将MAX-MIN方法定义为:和为能耗栅格数据的最大值和最小值,Xi和为标准化后和标准化前的能耗栅格数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏恒鹏智慧城市技术有限公司,未经江苏恒鹏智慧城市技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111102939.5/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理