[發明專利]一種能源港口燃煤庫存量預測方法及系統

在審

• 申請號: 202211439250.6
• 申請日: 2022-11-17
• 公開（公告）號: CN115689053A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 張海龍;陳闖;徐瑋;于海波;左高;趙政嘉
• 申請（專利權）人: 南瑞集團有限公司;北京南瑞數字技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/087;G06Q50/06;G06N3/0442;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種能源港口燃煤庫存量預測方法，其特征在于，包括：

采集能源港口的實時觀測數據；將實時觀測數據輸入至預先訓練的燃煤庫存量預測模型獲得燃煤庫存量預測值；所述實時觀測數據包括燃煤庫存量實時數據、實時運輸行為特征、實時時間特征和實時天氣特征；

所述燃煤庫存量預測模型的訓練過程包括：

獲得能源港口的燃煤庫存量歷史數據，并對燃煤庫存量歷史數據進行預處理獲得修正后的燃煤庫存量參考數據；

在燃煤庫存量參考數據中添加相應的歷史運輸行為特征、歷史時間特征和歷史天氣特征獲得訓練初始數據，利用正則化算法消除訓練初始數據的奇異性，

利用卡方檢驗算法計算訓練初始數據之間的相關性后，通過森林訓練算法對初始訓練數據按照相似性進行分類，篩選出相似性最優的訓練數據構建訓練數據集；

基于LSTM算法搭建燃煤庫存量預測模型；通過訓練數據集對燃煤庫存量預測模型進行訓練，重復訓練過程直至獲得預測的準確度大于設定閾值的燃煤庫存量預測模型。

2.根據權利要求1所述的一種能源港口燃煤庫存量預測方法，其特征在于，對燃煤庫存量歷史數據進行預處理獲得修正后的燃煤庫存量參考數據的方法包括：

基于燃煤庫存量歷史數據的極差、四分位數間距、均差、標準差或變異系數進行識別異常點，將識別到的異常點由燃煤庫存量歷史數據中刪除；基于特殊值和統計量對燃煤庫存量歷史數據的缺失值進行補充；將燃煤庫存量歷史數據轉變為同一量綱下獲得修正后的燃煤庫存量參考數據。

3.根據權利要求1所述的一種能源港口燃煤庫存量預測方法，其特征在于，所述歷史運輸行為特征和實時運輸行為特征包括港口設備維修頻率、鐵路作業運輸量、港口實際煤量與計劃運輸量。

4.根據權利要求3所述的一種能源港口燃煤庫存量預測方法，其特征在于，所述歷史運輸行為特征和實時運輸行為特征利用統計指標進行統計描述；所述統計指標博阿凱平均指標、變異指標、動差、偏度和峰度。

5.根據權利要求1所述的一種能源港口燃煤庫存量預測方法，其特征在于，所述實時時間特征和歷史時間特征包括普通日期子特征和特殊時期子特征；所述普通日期子特征包含年、月、日、時刻和季節；所述特殊時期子特征包含維修日期和軍演日期。

6.根據權利要求1所述的一種能源港口燃煤庫存量預測方法，其特征在于，所述實時天氣特征和歷史天氣特征由風速特征、降水量特征、溫度特征和能見度特征中選擇多個特征變量組合形成。

7.一種能源港口燃煤庫存量預測系統，其特征在于，包括：

預測模塊，用于采集能源港口的實時觀測數據；將實時觀測數據輸入至預先訓練的燃煤庫存量預測模型獲得燃煤庫存量預測值；所述實時觀測數據包括燃煤庫存量實時數據、實時運輸行為特征、實時時間特征和實時天氣特征；

獲取模塊，用于獲得能源港口的燃煤庫存量歷史數據，并對燃煤庫存量歷史數據進行預處理獲得修正后的燃煤庫存量參考數據；

篩選模塊，用于在燃煤庫存量參考數據中添加相應的歷史運輸行為特征、歷史時間特征和歷史天氣特征獲得訓練初始數據，利用正則化算法消除訓練初始數據的奇異性，利用卡方檢驗算法計算訓練初始數據之間的相關性后，通過森林訓練算法對初始訓練數據按照相似性進行分類，篩選出相似性最優的訓練數據構建訓練數據集；

模型構建模塊，基于LSTM算法搭建燃煤庫存量預測模型；

訓練模塊，用于通過訓練數據集對燃煤庫存量預測模型進行訓練，重復訓練過程直至獲得預測的準確度大于設定閾值的燃煤庫存量預測模型。

8.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，其特征在于，所述處理器執行所述程序時實現權利要求1至權利要求6任一項所述能源港口燃煤庫存量預測方法的步驟。