[发明专利]一种基于机器学习的工业蒸汽量预测方法及装置在审
| 申请号： | 201910648184.5 | 申请日： | 2019-07-17 |
| 公开（公告）号： | CN110363289A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 安程治;李锐;于治楼 | 申请（专利权）人： | 山东浪潮人工智能研究院有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 冯春连 |
| 地址： | 250100 山东省济南市高新*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于机器学习的工业蒸汽量预测方法，涉及工业火力发电技术领域，该预测方法基于锅炉传感器采集的历史工况数据和实际排放的蒸汽量，通过对历史工况数据进行时间序列分解来获得历史工况数据的内在趋势和周期信息两项特征数据，还通过LSTM算法学习历史工况数据的内在趋势、周期信息、以及与历史工况数据相对应的实际排放量，最终训练构建LSTM算法预测模型，锅炉传感器新采集的工况数据经过时间序列分解后输入LSTM算法预测模型，即可输出锅炉的预测蒸汽量。本发明还提供了一种基于机器学习的工业蒸汽量预测装置，该预测装置与前述预测方法相结合，可以输出准确率更高的蒸汽量预测结果。 | ||
| 搜索关键词： | 历史工况数据 工业蒸汽 基于机器 蒸汽量 预测 时间序列分解 锅炉传感器 算法预测 预测装置 周期信息 采集 火力发电技术 实际排放量 输出 工况数据 算法学习 特征数据 预测结果 准确率 构建 学习 锅炉 排放 | ||
【主权项】：
1.一种基于机器学习的工业蒸汽量预测方法，其特征在于,该预测方法基于锅炉传感器采集的历史工况数据和实际排放的蒸汽量，首先通过时间序列分解历史工况数据，获得历史工况数据的内在趋势和周期信息两项特征数据，随后利用LSTM算法学习历史工况数据的内在趋势和周期信息，再借助与历史工况数据相对应的实际排放量训练构建LSTM算法预测模型，最后，锅炉传感器新采集的工况数据经过时间序列分解后输入LSTM算法预测模型，即可输出锅炉的预测蒸汽量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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山东浪潮人工智能研究院有限公司，未经山东浪潮人工智能研究院有限公司许可，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/patent/201910648184.5/，转载请声明来源钻瓜专利网。
