[發(fā)明專利]一種基于雙向LSTM的企業(yè)除污設(shè)備負(fù)荷辨識(shí)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011475316.8
• 申請(qǐng)日: 2020-12-14
• 公開(kāi)（公告）號(hào): CN112613542A
• 公開(kāi)（公告）日: 2021-04-06
• 發(fā)明（設(shè)計(jì)）人: 羅世剛;李竣業(yè);張敏國(guó);傅冠凱;邊海源
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)甘肅省電力公司營(yíng)銷服務(wù)中心
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/08;G06Q50/06
• 代理公司: 北京慕達(dá)星云知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于雙向LSTM的企業(yè)除污設(shè)備負(fù)荷辨識(shí)方法，其特征在于，包括：

獲取數(shù)據(jù)：獲取目標(biāo)地區(qū)特定時(shí)段內(nèi)企業(yè)除污設(shè)備的負(fù)荷數(shù)據(jù)、運(yùn)行參數(shù)和配置參數(shù)作為原始數(shù)據(jù)，并對(duì)所述原始數(shù)據(jù)進(jìn)行聚類處理；

構(gòu)建模型：基于雙向LSTM神經(jīng)網(wǎng)絡(luò)，構(gòu)建負(fù)荷辨識(shí)模型；

訓(xùn)練模型：將聚類處理后的原始數(shù)據(jù)輸入所述負(fù)荷辨識(shí)模型，對(duì)所述負(fù)荷辨識(shí)模型進(jìn)行訓(xùn)練；

負(fù)荷辨識(shí)：通過(guò)訓(xùn)練好的所述負(fù)荷辨識(shí)模型，對(duì)企業(yè)除污設(shè)備進(jìn)行負(fù)荷辨識(shí)，獲得負(fù)荷辨識(shí)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于雙向LSTM的企業(yè)除污設(shè)備負(fù)荷辨識(shí)方法，其特征在于，所述訓(xùn)練模型步驟執(zhí)行后，還包括：

遷移學(xué)習(xí)：對(duì)所述負(fù)荷辨識(shí)模型的應(yīng)用場(chǎng)景進(jìn)行預(yù)測(cè)，并根據(jù)應(yīng)用場(chǎng)景預(yù)測(cè)結(jié)果對(duì)訓(xùn)練好的所述負(fù)荷辨識(shí)模型進(jìn)行遷移學(xué)習(xí)。

3.根據(jù)權(quán)利要求1或2所述的一種基于雙向LSTM的企業(yè)除污設(shè)備負(fù)荷辨識(shí)方法，其特征在于，獲取數(shù)據(jù)步驟中，對(duì)所述原始數(shù)據(jù)進(jìn)行聚類處理的過(guò)程，具體包括：

將所述原始數(shù)據(jù)作為樣本數(shù)據(jù)，在所述樣本數(shù)據(jù)中隨機(jī)選擇部分?jǐn)?shù)據(jù)作為初始化負(fù)荷均值向量；

計(jì)算所述樣本數(shù)據(jù)與各個(gè)所述初始化負(fù)荷均值向量之間的距離，根據(jù)距離值對(duì)所述樣本數(shù)據(jù)進(jìn)行劃分，并重新計(jì)算負(fù)荷均值向量；

直至劃分后所述樣本數(shù)據(jù)的質(zhì)心不再變化或變化小于預(yù)設(shè)的閾值，則結(jié)束更新。