[发明专利]基于增量聚类的LSTM轮毂单品能耗预测

说明书

本发明公开了基于增量聚类的LSTM轮毂单品能耗预测，涉及轮毂单品能耗预测技术领域。本发明采用基于PCA的动态增量密度聚类实现了对轮毂特征参数的聚类分析，得出新增产品所属历史产品类别，并基于能耗影响因素体系利用Pearson系数和Adaptive‑Lasso算法筛选出单品能耗强解释性因素，利用BP实现新品强解释性变量的预测，为各聚簇产品构建LSTM能耗预测模型实现了新品单耗的有效预测，利用ADE实现了对LSTM的优化，同时引入增量学习策略实现模型的动态更新。本发明验证了预测方法的有效性，使能耗预测的均方根误差RMSE低至0.016524，相对于其他无增量学习的算法平均降低了0.013653，同时其ADE的搜索性能较优，训练集的RMSE比有增量学习DE‑LSTM的平均减小0.004089，且有效的缩短了运行时间。

技术领域

本发明涉及轮毂单品能耗预测技术领域，尤其涉及一种基于增量聚类的LSTM轮毂单品能耗预测方法。

背景技术

在整车市场的旺盛需求下驱动国内轮毂行业实现快速发展，目前我国已有300多家轮毂制造商，汽车轮毂产量保持两位数的增长速度，预计2022年国内汽车售后市场轮毂需求量在604万只左右，可见轮毂产品已进入“中国制造时代”。因此为响应市场的需求以及满足顾客的个性化定制要求，轮毂制造企业逐渐发展为多品类小批量的生产模式。但当需要生产无生产经验的新产品时，由于无历史能耗数据的积累，传统模型无法预测新品能耗，而能耗直接影响轮毂的单品成本，故研究轮毂新产品的能耗具有重要意义。

目前在建立能耗预测模型方面，因智能化生产和物联网技术的深度融合，工业生产过程中数据获取方便快捷，各种智能预测技术已经被用于能源需求管理，以准确预测未来的能源需求，目前主要采用时间序列预测、灰色预测、支持向量机、神经网络预测等，均取得了较好的研究成果。文章[耿宏等.基于小波-ARIMA的航空运输企业能耗预测模型(英文)[J].机床与液压,2018,46(06):13-17+42.]提出一种基于二尺度小波分解的ARIMA预测模型；文章[苏维均等.造纸企业工艺过程能源消耗预测仿真[J].计算机仿真,2016,33(08):438-442+447.]通过对ARIMA模型中的极大似然参数估计法进行改进，提出基于贝叶斯的ARIMA模型进行能耗预测。文章[李立欣等.基于灰色马尔可夫模型的能源消耗预测[J].中国科技信息,2018(15):74-75.]针对我国能源消耗总量的预测，提出在灰色预测模型的基础上引入马尔可夫链的观点；文章[刘家学等.基于新陈代谢灰色马尔科夫-ARMA模型的航空公司能耗预测(英文)[J].机床与液压,2017,45(18):55-62.]将GM(1,1)的预测结果由马尔科夫修正，并用新陈代谢的方法剔除模型中失去时效性的旧数据，通过滑动时间窗和ARMA模型对残差校正；文章[杜瑞芝等.GM-WLSSVM模型在办公建筑电力能耗预测中的应用[J].计算机应用与软件,2018,35(09):44-49+55.]利用灰色模型选取不同的样本对同一时段进行多类型预测，接着利用加权最小二乘支持向量机模型将预测结果进行组合，实现了办公建筑电能的短期预测；文章[王坤等.基于EMD与果蝇参数寻优的LSSVM的机场能耗预测[J].计算机时代,2017(04):35-40.]提出一种结合经验模式分解和果蝇参数寻优的最小二乘支持向量机的能耗预测方法；文章[夏威钧等.基于PSO-LSSVR的造纸企业能耗预测模型的研究[J].计算机测量与控制,2013,21(12):3433-3435+3438.]提出一种基于粒子群优化的最小二乘支持向量回归的能耗预测模型；文章[郭晓静等.民航机场用电短期能耗优化预测仿真[J].计算机仿真,2018,35(09):31-36.]提出了改进的灰色深度信念网组合预测模型，提高了民航机场用电短期能耗模型预测精度；文章[陈周林等.改进PSO-BP网络预测模型在造纸能耗预测中的应用[J/OL].轻工科技,2018(11):91-94[2019-01-08.]建立了基于改进粒子群算法优化的BP神经网络能耗预测模型；文章[陈彦熹等.基于ANN的绿色办公建筑HVAC系统运行能耗预测[J].建筑节能,2017,45(10):1-5.]建立了分类多层感知器神经网络预测模型，实现了办公建筑中暖通空调系统的能耗预测；文章[张宇航等.一种基于LSTM神经网络的短期用电负荷预测方法[J].电力信息与通信技术,2017,15(09):19-25.]以电力负荷数据自身作为训练数据和输出标签，通过迭代训练的方法建立了基于LSTM的电力负荷预测模型。