[發明專利]基于小波神經網絡的氣體濃度預警方法及裝置

在審

• 申請號: 202210487016.4
• 申請日: 2022-05-06
• 公開（公告）號: CN114792165A
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 陳金鑫;胡勇勝;周樂;王哲亮;肖啟志;徐躍云;鄧盛名;王翔;石元;余斌;李曉龍;周沖;李華喜;羅紅祥;丁旭;康志遠;馬騰飛;黃孔;譚曜堃
• 申請（專利權）人: 湖南五凌電力科技有限公司;五凌電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

1.一種基于小波神經網絡的氣體濃度預警方法，其特征是，所述方法包括：

獲取水電站洞室區域影響氣體濃度的關聯參數集合，所述關聯參數集合包括生產關聯參數、環境關聯參數以及自然關聯參數；

對所述生產關聯參數和所述自然關聯參數分別進行預處理；

將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的預測濃度。

2.如權利要求1所述的方法，其特征是，所述生產關聯參數包括：機組容量、機組啟停狀態、機組運行狀態；所述環境關聯參數包括：各待預測氣體的當前濃度、溫度、濕度；所述自然關聯參數包括天氣狀況、風速、降雨量。

3.如權利要求2所述的方法，其特征是，所述對所述生產關聯參數和所述自然關聯參數分別進行預處理，包括：

對所述機組容量進行歸一化的預處理，控制歸一化后的所述機組容量的取值在0與1之間；

將所述機組啟停狀態、所述機組運行狀態以及所述天氣狀況的不同情況對應不同的參考取值。

4.如權利要求1所述的方法，其特征是，所述基于小波神經網絡的氣體濃度預警模型包括：輸入層、3個隱含層和輸出層；所述將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的濃度，包括：

通過所述輸入層接收預處理后的所述關聯參數集合；

通過3個所述隱含層依次對所述關聯參數集合進行處理；

通過所述輸出層對經3個所述隱含層處理后的輸出進行處理并輸出各所述待預測氣體的所述預測濃度。

5.如權利要求4所述的方法，其特征是，任一所述隱含層應用的隱含層函數如下：

其中，i、j為正整數，N為所述隱含層的輸入的個數，h(j)為任一隱含層的第j個節點輸出，Wij為所述隱含層的第i個輸入與第j個輸出之間的權值，x_i為所述隱含層的第i個輸入，h為小波基函數，a_j為小波基函數伸縮因子，b_j為小波基函數平移因子；

令小波基函數h(t)滿足以下關系式：

6.如權利要求4所述的方法，其特征是，所述輸出層函數為：

其中，l、m為正整數，L為所述輸出層的輸入的個數，Y_m是所述輸出層的第m個輸出，w_lm為所述輸出層的第1個輸入與第m個輸出之間的權值，h(l)為隱含層函數，y(x)為激勵函數，

x為自變量，a為常數。

7.如權利要求1所述的方法，其特征是，所述將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的預測濃度之前，包括：

應用歷史關聯參數集合以及歷史濃度數據對所述基于小波神經網絡的氣體濃度預警模型進行訓練，獲取所述基于小波神經網絡的氣體濃度預警模型收斂的模型參數。

8.一種基于小波神經網絡的氣體濃度預警裝置，其特征是，所述裝置包括：

參數獲取單元，用于獲取水電站洞室區域影響氣體濃度的關聯參數集合，所述關聯參數集合至少包括水電站洞室區域的生產關聯參數、環境關聯參數以及自然關聯參數；

預處理單元，用于對所述生產關聯參數和所述自然關聯參數分別進行預處理；

濃度預測單元，用于將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的預測濃度。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征是，所述處理器執行所述程序時實現如權利要求1至7任意一項所述的方法。

10.一種計算機存儲介質，其特征是，所述存儲介質中存儲有至少一可執行指令，所述可執行指令使處理器執行如權利要求1-7中任一項所述的方法。