[发明专利]一种基于迁移学习的节能量在线量测系统及方法

说明书

本发明公开了一种基于迁移学习的节能量在线量测系统及方法，涉及电能替代技术节能量量测领域。节能量在线量测系统包括离线预测模块、在线数据采集模块、在线数据预处理模块和在线节能量计算模块。节能量在线量测方法基于节能量在线量测系统实现，利用迁移学习将离线预测模块中学到的知识应用于在线节能量计算模块，降低在线数据信息存储模块所需的内存需求，提高节能量在线量测运算速度和准确率。本发明可实现电能替代项目调试期节能量的在线精准量测，从而设定合理的电能替代项目参数，有利于电能替代项目的推进。

技术领域

本发明涉及电能替代领域，具体涉及到一种基于迁移学习的节能量在线量测系统及方法。

背景技术

电能替代是在终端能源消费环节，使用电能替代散烧煤、燃油、燃气的消费方式，形成清洁、安全、智能的能源消费方式。电能替代成为能源转型发展的重要趋势和关键路径，对调整能源结构、提高能源效率、推动能源绿色低碳转型、保护生态环境、提升经济社会发展效率作用重大，意义深远。节能量为满足同等需要或达到相同目的的条件下的能源消耗减少量，是评估电能替代项目实施效果的重要指标。

目前的研究成果中，节能量评估算法对电能替代项目中期或结题的离线评估，并不能及时调整不合理的项目参数设置。通过对电能替代技术进行节能量在线量测，可以分析影响电能替代技术的各类因素，并对项目进行调试，获得合理的电能替代技术项目参数设置，有利于电能替代项目的推广。

发明内容

为了解决上述问题，本发明提供一种基于迁移学习的节能量在线量测系统及方法，本方法深度挖掘电能替代技术基期数据和调试期数据的信息，可获取真实可信的在线节能量数据。

为达到以上目的，本发明的技术方案是：

一方面，本发明提供一种基于迁移学习的节能量在线量测系统，包括离线预测模块、在线数据采集模块、在线数据预处理模块和在线节能量计算模块。

所述的离线预测模块包含离线信息存储模块、离线能耗模型预测模块和离线数据聚类模块；离线信息存储电能替代项目基期数据，包含电能替代项目改进措施实施前的一段时间能源耗量和可以量化的影响用能单位能源绩效的影响因素；离线信息预测模块用于获得电能替代项目基期影响因素与能源耗量的映射关系；离线数据聚类模块用于获得电能替代项目基期样本分布信息；

所述的在线数据采集模块包含在线数据信息存储模块，用于存储批量电能替代项目调试期数据，包含电能替代项目调试期能源耗量和可以量化的影响用能单位能源绩效的影响因素；

所述的在线数据预处理模块包含在线数据清理模块和离线数据信息迁移模块；在线数据清理模块对在线样本数据进行初步分析，去除离群值；离线数据信息迁移模块将离线数据聚类模块得到的电能替代项目基期影响因素分布信息进行迁移，设置调试期样本权值；

所述的在线节能量计算模块包含在线能耗模型预测模块和节能量计算模块；在线能耗模型预测模块用于获得电能替代项目调试期影响因素与能源耗量的映射关系；节能量计算模块基于在线能耗模型预测模块和离线能耗模型预测模块，获得标准条件下电能替代项目节能量。

另一方面，本发明提供一种基于迁移学习的节能量在线量测方法，通过一种基于迁移学习的节能量在线量测系统实现，包括如下步骤：

步骤1、获取电能替代项目基期数据；

步骤2、利用机器学习算法获取电能替代项目基期能耗量与各影响因素关系；

步骤3、利用聚类算法将电能替代基期影响因素数据分类，获得电能替代基期影响因素聚类中心和对应聚类样本概率；

步骤4、在线采集电能替代项目调试期第N批次数据；

步骤5、清除电能替代项目调试期第N批次数据中离群量；

步骤6、计算调试期样本影响因素与基期影响因素聚类中心距离，设置调试期样本权重；