能源设备建模、能源站调度方法、装置以及设备制造方法及图纸

本申请公开了能源设备建模、能源站调度方法、装置以及设备，方案包括：获取能源设备的历史运行数据，历史运行数据包括设备输入数据和对应的设备输出数据，利用历史运行数据，构建机器学习模型并进行训练，保存训练后的机器学习模型，用于模拟能源设备以预测设备输出数据，以及还能够用于根据预测结果和用户需求数据，调度能源站为能源设备进行能源输入。从而能够在满足用户需求的同时，达到合理利用能源的目的。

【技术实现步骤摘要】
能源设备建模、能源站调度方法、装置以及设备
本申请涉及能源和计算机
，尤其涉及能源设备建模、能源站调度方法、装置以及设备。
技术介绍
能源领域会研究和使用多种专用的能源设备，比如，燃气锅炉、微燃机、储冷罐、储热罐等。在现有技术中，对能源设备建模，是从能源设备的物理机制入手，构建显式模型。但是，实际操作过程中，一个能源设备的输出的影响因素很多，比如耗电量、设备负荷、设备效率等，同时还有很多环境因素和随机因素的影响。因此传统基于机理的设备建模，效率和可靠性都很低。基于现有技术，需要更为高效可靠的能源设备建模方案。
技术实现思路
本申请的一些实施例提供能源设备建模、能源站调度方法、装置以及设备，用以解决现有技术中的如下技术问题：需要更为高效可靠的能源设备建模方案。本申请的一些实施例采用下述技术方案：一种能源设备建模方法，包括：获取能源设备的历史运行数据，所述历史运行数据包括设备输入数据和对应的设备输出数据；利用所述历史运行数据，构建机器学习模型并进行训练；保存训练后的所述机器学习模型，用于模拟所述能源设备以预测设备输出数据。可选地，若所述能源设备为燃气锅炉，则所述设备输入数据包括耗气量、入水温度、入水量、环境温度中的至少一种，所述设备输出数据包括出水温度、出水量中的至少一种。可选地，若所述能源设备为微燃机，则所述设备输入数据包括天然气瞬时流量、天然气累计流量、燃气压力、燃气温度、空气温度、空气进入量、空气压力、空气湿度中的至少一种，所述设备输出数据包括输出电量、烟气出口温度、烟气出口流量、烟气出口压力中的至少一种。可选地，所述机器学习模型包括神经网络模型；所述利用所述历史运行数据，构建机器学习模型，具体包括：根据所述设备输入数据确定神经网络的输入层节点数量，以及根据所述设备输出数据确定所述神经网络的输出层节点数量；确定所述神经网络的中间层层数以及每个中间层的节点数量；根据确定的所述神经网络的数据，构建神经网络模型。一种能源站调度方法，包括：获取能源设备的设备输出数据；根据所述设备输出数据，利用上述能源设备建模方法所训练后的机器学习模型，推测所述能源设备对应的设备输入数据；确定所述设备输入数据与用户需求数据间的差值；根据所述差值，调度能源站为所述能源设备进行能源输入。一种能源站调度方法，包括：获取能源设备的设备输入数据；根据所述设备输入数据，利用上述能源设备建模方法所训练后的机器学习模型，预测所述能源设备对应的设备输出数据；确定所述设备输出数据与用户需求数据间的差值；根据所述差值，调度能源站为所述能源设备进行能源输入。一种能源设备建模装置，包括：获取模块，获取能源设备的历史运行数据，所述历史运行数据包括设备输入数据和对应的设备输出数据；构建训练模块，利用所述历史运行数据，构建机器学习模型并进行训练；保存模块，保存训练后的所述机器学习模型，用于模拟所述能源设备以预测设备输出数据。可选地，若所述能源设备为燃气锅炉，则所述设备输入数据包括耗气量、入水温度、入水量、环境温度中的至少一种，所述设备输出数据包括出水温度、出水量中的至少一种。可选地，若所述能源设备为微燃机，则所述设备输入数据包括天然气瞬时流量、天然气累计流量、燃气压力、燃气温度、空气温度、空气进入量、空气压力、空气湿度中的至少一种，所述设备输出数据包括输出电量、烟气出口温度、烟气出口流量、烟气出口压力中的至少一种。可选地，所述机器学习模型包括神经网络模型；所述构建训练模块利用所述历史运行数据，构建机器学习模型，具体包括：所述构建训练模块根据所述设备输入数据确定神经网络的输入层节点数量，以及根据所述设备输出数据确定所述神经网络的输出层节点数量；确定所述神经网络的中间层层数以及每个中间层的节点数量；根据确定的所述神经网络的数据，构建神经网络模型。一种能源站调度装置，包括：第一获取模块，获取能源设备的设备输出数据；推测模块，根据所述设备输出数据，利用上述能源设备建模方法所训练后的机器学习模型，推测所述能源设备对应的设备输入数据；第一确定模块，确定所述设备输入数据与用户需求数据间的差值；第一调度模块，根据所述差值，调度能源站为所述能源设备进行能源输入。一种能源站调度装置，包括：第二获取模块，获取能源设备的设备输入数据；预测模块，根据所述设备输入数据，利用上述能源设备建模方法所训练后的机器学习模型，预测所述能源设备对应的设备输出数据；第二确定模块，确定所述设备输出数据与用户需求数据间的差值；第二调度模块，根据所述差值，调度能源站为所述能源设备进行能源输入。一种能源设备建模设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取能源设备的历史运行数据，所述历史运行数据包括设备输入数据和对应的设备输出数据；利用所述历史运行数据，构建机器学习模型并进行训练；保存训练后的所述机器学习模型，用于模拟所述能源设备以预测设备输出数据。一种能源站调度设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取能源设备的设备输出数据；根据所述设备输出数据，利用上述能源设备建模方法所训练后的机器学习模型，推测所述能源设备对应的设备输入数据；确定所述设备输入数据与用户需求数据间的差值；根据所述差值，调度能源站为所述能源设备进行能源输入。一种能源站调度设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取能源设备的设备输入数据；根据所述设备输入数据，利用上述能源设备建模方法所训练后的机器学习模型，预测所述能源设备对应的设备输出数据；确定所述设备输出数据与用户需求数据间的差值；根据所述差值，调度能源站为所述能源设备进行能源输入。本申请的一些实施例采用的上述至少一个技术方案能够达到以下有益效果：能够针对能源设备构建并训练出更可靠的模型，用于模拟能源设备以预测设备输出数据，以及还能够用于根据预测结果和用户需求数据，调度能源站为能源设备进行能源输入。从而能够在满足用户需求的同时，达到合理利用能源的目的。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请的一些实施例提供的能源设备建模方法的流程示意图；图2为本申请的一些实施例提供的一种能源站调度方法的流程示意图；图3为本申请的一些实施例提供的另一种能源站调度方法的流程示意图；图4为本申请的一些实施例提供的能源设备建模装置的结构示意图；图5为本申请的一些实施例提供的对应于图2的能源站调度装置的结构示意图；图6为本申请的一些实施例提供的对应于图3的能源站调度装置的结构示意图；图7为本申请的一些实施例提供的能源设备建模设备的结构示意图；图8为本申请的一些实施例提供的对应于图2的能源站调度设备的结构示意图；图9为本申请的一本文档来自技高网...

【技术保护点】
1.一种能源设备建模方法，其特征在于，包括：获取能源设备的历史运行数据，所述历史运行数据包括设备输入数据和对应的设备输出数据；利用所述历史运行数据，构建机器学习模型并进行训练；保存训练后的所述机器学习模型，用于模拟所述能源设备以预测设备输出数据。

【技术特征摘要】
1.一种能源设备建模方法，其特征在于，包括：获取能源设备的历史运行数据，所述历史运行数据包括设备输入数据和对应的设备输出数据；利用所述历史运行数据，构建机器学习模型并进行训练；保存训练后的所述机器学习模型，用于模拟所述能源设备以预测设备输出数据。2.如权利要求1所述的方法，其特征在于，若所述能源设备为燃气锅炉，则所述设备输入数据包括耗气量、入水温度、入水量、环境温度中的至少一种，所述设备输出数据包括出水温度、出水量中的至少一种。3.如权利要求1所述的方法，其特征在于，若所述能源设备为微燃机，则所述设备输入数据包括天然气瞬时流量、天然气累计流量、燃气压力、燃气温度、空气温度、空气进入量、空气压力、空气湿度中的至少一种，所述设备输出数据包括输出电量、烟气出口温度、烟气出口流量、烟气出口压力中的至少一种。4.如权利要求1所述的方法，其特征在于，所述机器学习模型包括神经网络模型；所述利用所述历史运行数据，构建机器学习模型，具体包括：根据所述设备输入数据确定神经网络的输入层节点数量，以及根据所述设备输出数据确定所述神经网络的输出层节点数量；确定所述神经网络的中间层层数以及每个中间层的节点数量；根据确定的所述神经网络的数据，构建神经网络模型。5.一种能源站调度方法，其特征在于，包括：获取能源设备的设备输出数据；根据所述设备输出数据，利用如权利要求1～4任一项所述的方法所训练后的机器学习模型，推测所述能源设备对应的设备输入数据；确定所述设备输入数据与用户需求数据间的差值；根据所述差值，调度能源站为所述能源设备进行能源输入。6.一种能源站调度方法，其特征在于，包括：获取能源设备的设备输入数据；根据所述设备输入数据，利用如权利要求1～4任一项所述的方法所训练后的机器学习模型，预测所述能源设备对应的设备输出数据；确定所述设备输出数据与用户需求数据间的差值；根据所述差值，调度能源站为所述能源设备进行能源输入。7.一种能源设备建模装置，其特征在于，包括：获取模块，获取能源设备的历史运行数据，所述历史运行数据包括设备输入数据和对应的设备输出数据；构建训练模块，利用所述历史运行数据，构建机器学习模型并进行训练；保存模块，保存训练后的所述机器学习模型，用于模拟所述能源设备以预测设备输出数据。8.如权利要求7所述的装置，其特征在于，若所述能源设备为燃气锅炉，则所述设备输入数据包括耗气量、入水温度、入水量、环境温度中的至少一种，所述设备输出数据包括出水温度、出水量中的至少一种。9.如权利要求7所述的装置，其特征在于，若所述能源设备为微燃机，则所述设备输入数据包括天然气瞬时流量、天然气累计流量、燃气压力、燃气温度、空气温度、空气进入量、空气压力、空气湿度中的至少一种，所述设备输出数据包括输出电量、烟气出口温度、烟气出口流量、烟气出口压力中的至少一种。10.如权利要求7所...

【专利技术属性】
技术研发人员：宋英豪，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：河北,13