[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

本發明公開了庫存量預測領域的一種能源港口燃煤庫存量預測方法及系統，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；所述燃煤庫存量預測模型的訓練過程包括：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，由訓練初始數據中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；保障了燃煤庫存量預測模型預測的精度與速度。

技術領域

本發明屬于庫存量預測技術領域，具體涉及能源港口燃煤庫存量預測方法及系統。

背景技術

港口作為大型能源企業多業務聯調協同作業的重要環節，是連接航運和鐵路的核心樞紐，在大型能源企業保障煤炭供應、縮短運輸時間、降本增效等多個方面都起著不可替代的重要作用。究其根本，港口燃煤直接存量影響相關燃煤生產運輸計劃制定，煤炭作為大型能源企業火力發電的重要關鍵原料，而火力發電現在仍然是大型能源企業最可靠的生產方式。因此，精準可靠的在港口的燃煤庫存對整個大型能源企業的生產具有重大意義。

關于港口庫存預測方面的研究，目前主要集中在對一些港口各類貨物總量的預測，對應于生鮮、汽車、快消食品等多種貨物類型，預測建模過程中包括上述之外的多種貨物類型，所含貨物數量也較大。而對于大型能源企業而言，港口存量預測只需要精確到燃煤這一個貨物類型。另一方面，復雜的航運情況導致數據特征提取難度較大，在構建神經網絡的過程中無法精確選取數據背后隱含有效特征，特征選取決定預測結果的上限，最終導致預測結果受限。

總的來說，對于大型能源企業燃煤庫存數量預測的研究，主要存在兩個問題：一方面，缺少通用的建模方法，對于每個獨立的預測目標需要逐一進行分析與模型構建；另一方面，對進耗煤行為特征提取不足，不利于大型能源企業燃煤庫存數量預測精度的提升。

發明內容

本發明的目的在于提供一種能源港口燃煤庫存量預測方法及系統，考慮運輸行為特征、時間特征和天氣特征對庫存量的影響，提高預測的準確度。

為達到上述目的，本發明所采用的技術方案是：

本發明第一方面提供了一種能源港口燃煤庫存量預測方法，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。

優選的，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。