[发明专利]基于量子粒子群算法的GRU网络的能耗预测方法、装置

说明书

本申请提供一种基于量子粒子群算法的GRU网络的能耗预测方法、装置，所述方法包括：获取历史能耗数据，对历史数据进行预处理，得到按照时间段划分的分段能耗数据；对所述分段能耗数据进行预处理，并划分训练集和测试集；采用量子粒子群算法的GRU网络进行网络训练，其中量子粒子群算法用于对GRU网络的参数进行寻优；根据所述寻优的结果，更新所述GRU网络的参数；将训练完成的GRU网络用于能耗预测。通过基于量子粒子群算法的GRU网络的能耗预测方法适用范围广、预测精度较高，能够为企业能源管理提供较为可靠的能耗预测数据，有助于企业分析未来能源消耗趋势，从而精确供给能源，有助于降低车间生产的能源成本。

技术领域

本申请涉及能耗预测技术领域，具体涉及一种基于量子粒子群算法的GRU网络的能耗预测方法、装置及电子设备。

背景技术

随着我国工业化的快速发展，企业正面临着能源成本上涨所带来的极端挑战。通过能源管理及能耗预测技术实现企业节能已逐渐成为企业经济生产的发展趋势。能耗预测作为企业节能的重要研究方向，是能源管理系统的核心模块。通过系统性分析技术手段，探究企业生产量与能耗之间的关系，建立能源消耗预测模型，实现企业未来生产过程所需能源的总量的预估。

能耗预测技术根据现有的数据，利于模型对企业未来能源需求进行预测，有助于管理人员了解企业能耗趋势，为企业能源精细化管理及使用规划提供依据。国家限能限电政策的出现使得对能源实现更加精细化利用显得尤为重要，然而传统的能耗预测方法存在精度较低、适用性不强等问题。

发明内容

本申请旨在提供一种基于量子粒子群算法的GRU网络的能耗预测方法、装置及电子设备，通过基于量子粒子群算法的GRU网络的能耗预测方法适用范围广、预测精度较高，能够为企业能源管理提供较为可靠的能耗预测数据，有助于企业分析未来能源消耗趋势，从而精确供给能源，有助于降低车间生产的能源成本。

根据本申请的一方面，提出一种基于量子粒子群算法的GRU网络的能耗预测方法，所述方法包括：

获取历史能耗数据，对历史数据进行预处理，得到按照时间段划分的分段能耗数据；

对所述分段能耗数据进行预处理，并划分训练集和测试集；

采用量子粒子群算法的GRU网络进行网络训练，其中量子粒子群算法用于对GRU网络的参数进行寻优；

根据所述寻优的结果，更新所述GRU网络的参数；

将训练完成的GRU网络用于能耗预测。

根据一些实施例，所述方法包括：

所述对能耗数据进行预处理，包括：

对所述能耗数据进行归一化处理，得到归一化的网络训练数据。

根据一些实施例，所述方法包括：

所述归一化处理采用Z-score标准化方法。

根据一些实施例，所述方法还包括：

利用所述量子粒子群算法对GRU网络的参数进行寻优，所述参数包括GRU网络的训练轮数和GRU层的隐含单元个数。

根据一些实施例，所述方法包括：

所述利用量子粒子群算法对GRU网络的参数进行寻优，包括：

初始化粒子群，设定粒子数；

根据所述GRU网络的寻优参数个数，设定待优化变量数；

根据所述GRU网络训练得到的损失函数值，评价每个粒子的适应度；

确定每个粒子当前时刻的位置极值和全局位置极值；

根据粒子群平均最优位置和当前全局最优粒子位置，更新粒子群的位置；