[发明专利]基于BP神经网络的光伏设备生命周期费用预测方法及系统在审

专利信息
申请号: 201710239326.3 申请日: 2017-04-13
公开(公告)号: CN107145968A 公开(公告)日: 2017-09-08
发明(设计)人: 沈金荣;惠杰;赵鸣晖;王浩宇;王子林 申请(专利权)人: 河海大学常州校区
主分类号: G06Q10/04 分类号: G06Q10/04;G06N3/08
代理公司: 常州市科谊专利代理事务所32225 代理人: 孙彬
地址: 213000 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: 基于 bp 神经网络 设备 生命周期 费用 预测 方法 系统
【权利要求书】:

1.一种光伏设备生命周期费用预测方法,其特征在于,包括如下步骤:

步骤S1,建立并训练BP神经网络预测模型;以及

步骤S2,估算各光伏设备投运中的各项费用,并预测各光伏设备在其生命周期内的总费用支出。

2.根据权利要求1所述的光伏设备生命周期费用预测方法,其特征在于,

所述步骤S1中训练BP神经网络预测模型的方法包括:

对光伏设备进行分类,获取各已退役的光伏设备生命周期内各项费用及总费用,作为BP神经网络预测模型训练和学习数据;其中

BP神经网络预测模型训练学习的输入层、输出层、隐含层及权值阈值的设定包括:

输入层:以各已退役的光伏设备生命周期内各项费用为输入变量,设定输入层节点数为m;

输出层:以退役的光伏设备生命周期总费用为输出变量,输出层节点数为n;

隐含层:由选取隐含层节点为N,其中m为输入层节点数;n为输出层节点数;a为根据节点最优原则在1-10间取值;

权值阈值:权值阈值在初步选择后,再根据误差反向传递原则对权值阈值的初值进行修正。

3.根据权利要求2所述的光伏设备生命周期费用预测方法,其特征在于,

按设备类别对光伏设备分类,即包括:光伏板、逆变器、汇流箱、储能设备;以及

各已退役处理的光伏设备生命周期内各项费用包括:

历史购入成本H1、维修费H2、维护费H3、报废处理费H4、其余费用H5,即

输出层节点数为5;

并设定总费用Hs,且输出层节点数为1。

4.根据权利要求3所述的光伏设备生命周期费用预测方法,其特征在于,所述步骤S2中估算各光伏设备投运中的各项费用,及预测各光伏设备在其生命周期内的总费用支出的方法包括:

根据设备寿命衰减率参数,对各设备购入成本W1、维修费W2、维护费W3、报废处理费W4及其余费用W5进行估算,且作为BP神经网络预测模型的输入变量,预测各光伏设备在其生命周期内的总费用支出。

5.一种光伏设备生命周期费用预测系统,其特征在于,包括:

预测模型建立模块,建立并训练BP神经网络预测模型;

所述BP神经网络预测模型适于估算各光伏设备投运中的各项费用,并预测各光伏设备在其生命周期内的总费用支出。

6.根据权利要求5所述的光伏设备生命周期费用预测系统,其特征在于,

建立并训练BP神经网络预测模型,即

对光伏设备进行分类,获取各已退役的光伏设备生命周期内各项费用及总费用,作为BP神经网络预测模型训练和学习数据;其中

BP神经网络预测模型训练学习的输入层、输出层、隐含层及权值阈值的设定包括:

输入层:以各已退役的光伏设备生命周期内各项费用为输入变量,设定输入层节点数为m;

输出层:以退役的光伏设备生命周期总费用为输出变量,输出层节点数为n;

隐含层:由选取隐含层节点为N,其中m为输入层节点数;n为输出层节点数;a为根据节点最优原则在1-10间取值;

权值阈值:权值阈值在初步选择后,再根据误差反向传递原则对权值阈值的初值进行修正。

7.根据权利要求6所述的光伏设备生命周期费用预测系统,其特征在于,

按设备类别对光伏设备分类,即包括:光伏板、逆变器、汇流箱、储能设备;以及

各已退役处理的光伏设备生命周期内各项费用包括:

历史购入成本H1、维修费H2、维护费H3、报废处理费H4、其余费用H5,即

输出层节点数为5;

并设定总费用Hs,且输出层节点数为1。

8.根据权利要求7所述的光伏设备生命周期费用预测系统,其特征在于,

所述BP神经网络预测模型适于根据设备寿命衰减率参数,对各设备购入成本W1、维修费W2、维护费W3、报废处理费W4及其余费用W5进行估算,且作为BP神经网络预测模型的输入变量,预测各光伏设备在其生命周期内的总费用支出。

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河海大学常州校区,未经河海大学常州校区许可,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/201710239326.3/1.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