[发明专利]一种面向建筑能耗预测的BP神经网络模型配置方法有效

专利信息
申请号: 201510613729.0 申请日: 2015-09-23
公开(公告)号: CN105205558B 公开(公告)日: 2018-11-06
发明(设计)人: 姚丽丽;万玉建;朱峰 申请(专利权)人: 南京磐能电力科技股份有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/08;G06N3/02
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 董建林
地址: 210032 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 面向 建筑 能耗 预测 bp 神经网络 模型 配置 方法
【权利要求书】:

1.一种面向建筑能耗预测的BP神经网络模型配置方法,其特征在于:包括以下步骤,

步骤(A),创建可配置化的BP神经网络模型,包括建立输入配置、输出配置、网络结构配置,并进行模型校验、基础网络模型保存;

步骤(B),训练嵌入能耗模式的BP神经网络模型,形成预测训练模型,包括预测训练模型选择、预测输入数据时间设置、建筑能耗预测、预测结果保存;

步骤(C),进行建筑能耗数据预测,包括预测训练模型选择、预测输入数据时间设置、建筑能耗预测、预测结果保存;

其中,步骤(A),创建可配置化的BP神经网络模型,包括以下过程,

(A1)对能耗预测的影响因素进行抽象,定义BP神经网络模型的输入存储方式、解析方式和数据加载方式;

(A2)定义BP神经网络模型输出的存储方式、解析方式和数据加载方式;

(A3)进行BP神经网络模型的范围筛选;

(A4)建立输入配置,根据BP神经网络模型的范围筛选全范围的输入因素实现任意输入因素选择、任意输入数目选择,同时,对每个输入因素所涉及到的相关数据提取涉及到的参数进行设置;

(A5)建立输出配置,根据BP神经网络模型的范围筛选全范围的输出因素实现任意输出因素选择、任意输出数目选择,同时,对每个输出因素所涉及到的相关数据提取涉及到的参数进行设置;

(A6)建立网络结构配置,包括对输入层的神经元个数、隐含层神经元个数、输出层神经元个数、训练周期、预测周期的配置;

(A7)进行模型校验,对已经配置好的BP神经网络模型进行校验,包括输入输出配置与网络结构的匹配校验,输入输出数据提取参数配置校验;

(A8)进行基础网络模型保存,包括保存网络结构配置信息、输入配置信息、输出配置信息;

步骤(B),训练嵌入能耗模式的BP神经网络模型,形成预测训练模型,包括以下过程,

(B1)能耗模式配置是根据节假日、是否上班情况的能耗模型对训练数据进行过滤提取训练,保证预测BP神经网络模型的准确性;训练参数设置,包括权重修正系数、学习速率、训练代数的设置;训练数据提取时间设置,对训练数据提取的开始时间和结束时间进行设置,进行实际训练时,则该时间范围根据选择的BP神经网络模型所配置好的输入、输出进行相应的数据提取;

(B2)基础网络模型选择,选择是对步骤(A)中已经保存好的BP神经网络模型进行选择;

(B3)对选择的基础网络模型训练,形成预测训练模型,根据已经配置好的能耗模式、训练参数、训练数据提取时间范围,利用BP神经网络算法对选择的基础网络模型进行选取训练;

(B4)预测训练模型的保存,将训练前、训练后的相关数据进行保存,相关数据包括基础网络模型ID、训练时间、训练数据提取开始时间、训练数据提取结束时间、权重修正系数、学习速率、归一化最大值、归一化最小值、训练代数、输入层到隐含层的权重信息,隐含层到输出层的权重信息;

步骤(C),进行建筑能耗数据预测,包括以下过程,

(C1)预测训练模型选择,对步骤(B)已经训练好的预测训练模型选择,并对需要进行预测的时间段进行设置;

(C2)建筑能耗预测,根据选择的预测训练模型,利用BP神经网络算法进行能耗预测;

(C3)预测结果保存,对建筑能耗预测出的数据进行保存,便于数据展示与追踪,包括选择的训练模型ID,预测时间,预测能耗值。

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南京磐能电力科技股份有限公司,未经南京磐能电力科技股份有限公司许可,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/pat/books/201510613729.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top