[发明专利]能耗预测网络的训练、能耗预测方法、装置和计算机设备

说明书

本申请涉及一种能耗预测网络的训练、能耗预测方法、装置、计算机设备和存储介质。所述方法包括：获取历史能耗数据和标签时刻的实际能耗值；将所述历史能耗数据输入至所述待训练的第一特征提取网络，得到第一能耗特征，以及，将所述历史能耗数据输入至所述待训练的第二特征提取网络，得到第二能耗特征；将所述第一能耗特征和所述第二能耗特征输入至所述待训练的特征融合网络，得到融合能耗特征；将所述融合能耗特征输入至所述待训练的特征分类网络，得到预测能耗值；基于所述预测能耗值与所述实际能耗值之间的差异，调整所述能耗预测网络的网络参数，直至得到训练好的能耗预测网络。采用本方法能够提高能耗监测效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种能耗预测网络的训练、能耗预测方法、装置、计算机设备和存储介质。

背景技术

经济的快速发展，工业能耗节节攀升，通过采用能耗监测方式使能源更加高效地服务于社会的发展成为现今的研究热点。对于工业工厂而言，能源的消耗不仅仅只是某一段时间中产生的总体能源消耗，对于可能存在的位于可连接性差的边缘侧的工业能耗，其能效监测变得非常复杂且成本昂贵，因此，准确、有效、合理地进行边缘侧嵌入式轻量级工业能耗监测是工业能耗节能与控制的关键基础，也是制定相关节能法规、政策，及开展节能相关工作的重要前提，现如今，该方面的研究已经成为国内外学者关注的重点。

相关技术中在进行工业能耗预测时往往需要经过复杂繁琐的参数运算，处理参数量多、计算量大,无法部署在移动和边缘设备上，且在实际的能耗监测使用人工干预和调节，极大的影响了监测的准确性和可用性，并没有实现对工业生产过程的能耗监测与提高能源利用率的目的，无法实现高效地能耗监测。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高能耗监测效率的能耗预测网络的训练、能耗预测方法、装置、计算机设备和存储介质。

一种能耗预测网络的训练方法，所述能耗预测网络包括待训练的第一特征提取网络、待训练的第二特征提取网络、待训练的特征融合网络和待训练的特征分类网络，所述方法包括：

获取训练样本数据；所述训练样本数据包括历史能耗数据和标签时刻的实际能耗值；所述历史能耗数据为所述标签时刻之前的能耗数据时间序列；

将所述历史能耗数据输入至所述待训练的第一特征提取网络，得到第一能耗特征，以及，将所述历史能耗数据输入至所述待训练的第二特征提取网络，得到第二能耗特征；其中，所述第一能耗特征为卷积特征；所述第二能耗特征为深度分离卷积特征；

将所述第一能耗特征和所述第二能耗特征输入至所述待训练的特征融合网络，得到融合能耗特征；所述融合能耗特征为所述待训练的特征融合网络通过最大化所述第一能耗特征和所述第二能耗特征间的相关关系得到的；

将所述融合能耗特征输入至所述待训练的特征分类网络，得到预测能耗值；

基于所述预测能耗值与所述实际能耗值之间的差异，调整所述能耗预测网络的网络参数，直至得到训练好的能耗预测网络；所述训练好的能耗预测网络包括训练好的第一特征提取网络、训练好的第二特征提取网络、训练好的特征融合网络和训练好的特征分类网络。

在其中一个实施例中，所述基于所述预测能耗值与所述实际能耗值之间的差异，调整所述能耗预测网络的网络参数，直至得到训练好的能耗预测网络，包括：

基于所述预测能耗值与所述实际能耗值之间的差异，获取所述能耗预测网络的网络损失值；

若所述网络损失值不在预设的阈值范围内，则根据所述网络损失值调整所述能耗预测网络的网络参数，直至所述网络损失值低于预设阈值时，将网络参数调整后的能耗预测网络作为所述训练好的能耗预测网络。

在其中一个实施例中，所述根据所述网络损失值调整所述能耗预测网络的网络参数，包括：