[发明专利]基于充分增量学习的能耗预测方法

说明书

本发明公开了一种基于充分增量学习的能耗预测方法，包含以下内容：对能耗数据的多维参数进行整理，提取不同轮毂的型号并用于加权核主成分分析法对样本进行有效特征提取；然后对数据分组后通过在每一轮增量学习的过程中计算并判断相似度值，按照相似度值的不同程度进行多轮增量学习，同时不断动态调整判断阈值、数据样本及权重值；最后使用误差反向传播神经网络进行能耗预测，并使用均方根误差RMSE值对预测结果进行评价。本发明验证了预测方法的有效性，最终得到的RMSE值低至0.000112，相对于其他对比方法效果最优。

技术领域

本发明涉及能耗预测技术领域，尤其涉及一种基于充分增量学习的能耗预测方法。

背景技术

能源消耗与环境污染是伴随我国经济持续高速发展的一大严峻考验，其中工业能耗占我国社会总能耗比重近70％，所以在工业领域，提高能源使用效率、降低能源消耗是加快推进工业绿色转型的重点。随着车辆的全民化，车辆配件也越来越被大众所关注，为了满足顾客对车辆配件的个性化定制要求，且轮毂作为车辆配件的重要组成部分在外观上具有装饰性，所以个性化的轮毂也越来越受欢迎。但是在生产轮毂时，对能耗的使用无法得到有效的控制，而能耗数据会影响生产轮毂的成本，所以对轮毂产品的能耗进行研究具有重要意义。

目前在工业领域，对能耗的使用逐渐获得更多的关注。在工业4.0的变革时代，物联网、人工智能、工业互联网等先进技术的融合，工业生产过程中数据采集、数据管理、分析建模等方法的应用，均为能源需求的预测提供了支撑。目前主要采用时间序列预测、神经网络、灰色预测、极限学习机、支持向量机等方法进行预测，且均取得了较好的研究成果。文章[王茹等.改进鲸鱼算法构建混合模型的建筑能耗预测[J].计算机测量与控制,2020,28(02):197-201+205.]提出一种用于建筑能耗短期预测的新型混合模型，通过互补集合经验模态分解法和改进的鲸鱼优化算法优化的反馈型神经网络对数据进行处理并得到最终的能耗预测值，具有良好的预测性能。文章[邹伟东等.基于压缩动量项的增量型ELM虚拟机能耗预测[J].自动化学报,2019,45(07):1290-1297.]针对基于传统的增量型极限学习机的预测模型存在冗余节点的问题，加入了压缩动量项将网络训练误差反馈到隐含层的输出中，使得预测结果更贴近输出样本，不仅减少了冗余隐含层节点，同时加快了收敛速度。文章[刘家学等.基于LSTM的航空公司能耗序列预测[J].计算机应用与软件,2019,36(10):60-65.]提出了一种基于网格搜索算法优化的长短时记忆网络预测模型，提升了能耗预测的精度。文章[杨之俊等.大数据环境下区域建筑电力能耗快速预测仿真[J].计算机仿真,2019,36(04):432-435+473.]提出基于时间序列分析的区域建筑电力能耗快速预测方法，在预测电力能耗时具有准确性和有效性。文章[陈静杰等.基于两步分解法和SARIMA的非饱和机场能耗预测[J].计算机应用与软件,2019,36(04):46-50+78.]提出一种基于两步分解法和季节差分自回归滑动平均模型相结合的组合预测法，结合自适应噪声和变分模态分解法，采用季节差分自回归滑动平均模型对数据进行建模预测，大大提升了能耗预测的精度。文章[郭久俊.基于LSTM-Adaboost的多晶硅生产的能耗预测[J].计算机应用与软件,2018,35(12):71-75+117.]提出基于LSTM-Adaboost循环神经网络多晶硅生产过程的能耗预测模型，结合PCA算法，使用正则化方法优化LSTM的目标函数并引入Adaboost算法对LSTM模型进行优化得到预测模型，实现了有效的能耗预测。文章[丁飞鸿等.基于遗传优化决策树的建筑能耗短期预测模型[J].计算机工程,2019,45(06):280-289+296.]提出一种遗传优化决策树模型，通过遗传算法优化梯度来提升决策树的子树生成过程，得到了较高的预测精度。文章[高学金等.基于ISOA的LS-SVM地铁站空调系统能耗预测模型[J].计算机与现代化,2018(10):36-43.]提出一种从算法搜索步长和搜索方向两个方面进行改进的人群搜索算法对LS-SVM建模过程中的模型参数进行优化的方法，提升了预测的精度和速度。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，提高了预测的精度。