[发明专利]用于对技术系统进行计算机辅助的建模的方法

摘要

本发明涉及一种用于对技术系统进行计算机辅助的建模的方法，其中依据一个或多个输入向量通过基于由已知输入向量和输出向量组成的训练数据来学习神经网络（NN），对一个或多个输出向量建模，其中相应的输出向量包括该技术系统的一个或多个运行参量，以及相应的输入向量包括一个或多个影响所述一个运行参量或多个运行参量的输入参量。所述神经网络（NN）在此是具有输入层（I）、多个隐藏层（H1，H2，H3）以及输出层（O）的前馈网络。该网络的特点在于，输出层（O）包括与多个隐藏层（H1，H2，H3）对应的多个输出集群（O1，O2，O3），这些输出集群分别由一个或多个输出神经元组成，其中每个输出集群（O1，O2，O3）描述相同的输出向量并且与另一个隐藏层（H1，H2，H3）连接。本发明的方法尤其适用于对再生发电设备、例如风力发电设备或太阳能设备形式的技术系统建模。在此，该神经网络优选依据预测的天气数据来预测未来的、由该发电设备生成的能量量。

主权项

用于对技术系统进行计算机辅助的建模的方法，其中：‑依据一个或多个输入向量通过基于由已知输入向量和输出向量组成的训练数据来学习神经网络（NN），对一个或多个输出向量建模，其中相应的输出向量包括该技术系统的一个或多个运行参量，以及相应的输入向量包括一个或多个影响所述一个运行参量或多个运行参量的输入参量；‑所述神经网络（NN）是具有多个相互连接的层（I，H1，H2，H3，O）的前馈网络，这些层包括输入层（I）、多个隐藏层（H1，H2，H3）以及输出层（O），其中输入层（I）包含用于描述所述一个或多个输入向量的多个输入神经元，以及其中相应的隐藏层（H1，H2，H3）包含多个隐藏神经元，并且输出层（O）包含用于描述所述一个或多个输出向量的多个输出神经元；其特征在于，输出层（O）包括与多个隐藏层（H1，H2，H3）对应的多个输出集群（O1，O2，O3），这些输出集群分别由一个或多个输出神经元组成，其中每个输出集群（O1，O2，O3）描述相同的输出向量并且与另一个隐藏层（H1，H2，H3）连接。