【技术实现步骤摘要】
本专利技术涉及一种基于主元分析的BP神经网络智能工业园区能耗模型建立方法。
技术介绍
能源是国家和社会的重要命脉,既影响整个国家的经济增长,又影响着社会的稳定。而智能园区内终端用户在生产过程中,浪费了大量的能源,其能耗主要由两部分构成:一部分是用户维持工业生产所消耗的能源,这部分能源主要由用户产品生产线的工作特性及产品产量所决定;另一部分则与一般公共建筑用户相似,主要用于维持用户建筑的温度、湿度、照明等工作环境,以及其他工作相关的能耗,这部分能耗一般受到建筑类型、建筑朝向、窗墙比、室内温湿度需求及外界环境参数等因素的影响。对于工业用户而言,这两部分能耗中维持工业生产所消耗的能源占据主要地位。从20世纪70年代的石油危机开始,国外发达国家开始认识到节约能源的重要性,开始进行能源优化利用的研究。其中,工业用户能耗作为能源消耗的重要组成部分,其能源优化利用的研究得到了迅速的发展。对智能电网园区终端用户进行多元能源梯级优化利用,首先需要建立园区终端用户的能耗模型,对用户的能源消耗量、可回收能源产生量、用户内部能量交换过程、能流路径等特性进行描述,从而分析用户的用能环节中可优化及可进行能源梯级利用的环节加以优化和改造,达到能源节约优化使用的目标。研究和实践证明,实施智能电网园区的能源优化管理,提高终端用户的能源利用效率,可以有效缓解园区内部电力供需的矛盾,还能最大程度地减少一次能源的消耗。智慧城市的园区配电网具有高渗透率分布式电源、分布式储能、大规模电动汽车接入等特征,同时园区内还存在多种典型终端用户,研究其能源优化管理技术可以有效地为园区整体系统能效的提升提供有 ...
【技术保护点】
基于主元分析的BP神经网络智能工业园区能耗模型建立方法,其特征在于,包括如下步骤:步骤一:数据录入:录入园区终端用户的历史能耗数据;步骤二:数据预处理:将园区各工业用户电能消耗数据作为子数列,将园区总能耗数据作为母数列,分别对子数列和母数列进行预处理;步骤三:选取输入变量:计算子数列和母数列的灰色关联系数及灰色关联度,根据灰色关联度选取BP神经网络模型的高维输入变量;步骤四:主元分析:进行配合总能耗主元分析,将高维输入变量变换为低维主元输出变量,得到若干不相关的输出变量作为BP神经网络模型的最终输入变量;步骤五:建立BP神经网络能耗模型:确定BP神经网络模型的输出变量和隐含层个数,完成神经网络初始化及网络训练建立园区终端用户能耗模型。
【技术特征摘要】
1.基于主元分析的BP神经网络智能工业园区能耗模型建立方法,其特征在于,包括如下步骤:步骤一:数据录入:录入园区终端用户的历史能耗数据;步骤二:数据预处理:将园区各工业用户电能消耗数据作为子数列,将园区总能耗数据作为母数列,分别对子数列和母数列进行预处理;步骤三:选取输入变量:计算子数列和母数列的灰色关联系数及灰色关联度,根据灰色关联度选取BP神经网络模型的高维输入变量;步骤四:主元分析:进行配合总能耗主元分析,将高维输入变量变换为低维主元输出变量,得到若干不相关的输出变量作为BP神经网络模型的最终输入变量;步骤五:建立BP神经网络能耗模型:确定BP神经网络模型的输出变量和隐含层个数,完成神经网络初始化及网络训练建立园区终端用户能耗模型。2.根据权利要求1所述的基于主元分析的BP神经网络智能工业园区能耗模型建立方法,其特征在于,步骤二所述的数据预处理的具体步骤如下:将子数列归一化处理,具体如公式(1)所示:Xi(k)=xi...
【专利技术属性】
技术研发人员:黄莉,杨永标,赵洪磊,霍现旭,徐石明,郑红娟,王冬,王旭东,陈璐,王立辉,
申请(专利权)人:国家电网公司,国电南瑞科技股份有限公司,国网天津市电力公司电力科学研究院,南京南瑞集团公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。