The invention relates to an energy consumption prediction method, system, equipment and storage medium used in the logistics Expo platform. The energy consumption prediction method includes collecting real-time data of the energy meter and transferring real-time data to the OneNET cloud platform through the NB IOT module based on the cellular network of narrowband objects, and extracting real-time data on the OneNET platform. After the real-time data is imported into the database, the neural network model is adopted to predict the energy consumption of the multi-point. The energy consumption data collected by the invention are cleaned by data, and the unreasonable values are removed, thus solving the problem of data collection and management of energy consumption of multiple monitoring points. In addition, energy consumption prediction based on neural network can effectively improve the accuracy of forecasting energy consumption.
【技术实现步骤摘要】
用于物流博览会平台的能耗预测方法、系统、设备及存储介质
本专利技术涉及物联网
,特别是涉及一种用于物流博览会平台的能耗预测方法及系统。
技术介绍
物流博览会的管理面积大,需要监控的点位多,尤其是会场分成许多分散的供能区域,然而,目前对这些供能区域缺乏有效的能耗预测方法和统一的管理平台,加大了管理的难度和繁琐程度,无法满足对会场整体能耗的预测及管理的要求越来越高的要求。
技术实现思路
本专利技术的目的是提供一种用于物流博览会平台的能耗预测方法及系统,其能够对多品牌车辆的停放进行统一的规范管理。一方面,本专利技术实施例提供了一种用于物流博览会平台的能耗预测方法,其包括如下步骤:采集能源表的实时数据,并将实时数据通过基于蜂窝的窄带物联网(NarrowBandInternetofThings,NB-IoT)模组传输至OneNET云平台;在OneNET平台提取实时数据,将实时数据导入数据库后进行整理;采取神经网络模式对多点能耗进行预测。根据本专利技术实施例的一方面,在OneNET平台提取实时数据、将实时数据导入数据库后进行整理包括:提取实时数据;将实时数据导入数据库,并进行数据校验;清洗逻辑错误数据;清洗非需求数据。根据本专利技术实施例的一方面,采取神经网络模式对多点能耗进行预测包括:获取各监控点的实际能耗数据,选取预定时间段内的数据作为校验数据段;设计神经网络结构,根据监控点个数n设定输入层神经元的个数,输出层神经元为1,隐含层神经元的个数范围在1和n+1之间来设定,输入层神经元即为对应的监控点的实际能耗数据,输出层神经元即为总能耗预测数据;利用当前的所述实际能 ...
【技术保护点】
一种用于物流博览会平台的能耗预测方法,其特征在于,包括:采集能源表的实时数据,并将所述实时数据通过基于蜂窝的窄带物联网NB‑IOT模组传输至OneNET云平台;在所述OneNET平台提取所述实时数据,将所述实时数据导入数据库后进行整理;采取神经网络模式对多点能耗进行预测。
【技术特征摘要】
1.一种用于物流博览会平台的能耗预测方法,其特征在于,包括:采集能源表的实时数据,并将所述实时数据通过基于蜂窝的窄带物联网NB-IOT模组传输至OneNET云平台;在所述OneNET平台提取所述实时数据,将所述实时数据导入数据库后进行整理;采取神经网络模式对多点能耗进行预测。2.根据权利要求1所述的能耗预测方法,其特征在于,所述在所述OneNET平台提取所述实时数据、将所述实时数据导入数据库后进行整理包括:提取所述实时数据;将所述实时数据导入数据库,并进行数据校验;清洗逻辑错误数据;清洗非需求数据。3.根据权利要求1所述的能耗预测方法,其特征在于,所述采取神经网络模式对多点能耗进行预测包括:获取各监控点的实际能耗数据,选取预定时间段内的数据作为校验数据段;设计神经网络结构,根据监控点个数n设定输入层神经元的个数,输出层神经元为1,隐含层神经元的个数范围在1和n+1之间来设定,所述输入层神经元即为对应的所述监控点的实际能耗数据,所述输出层神经元即为总能耗预测数据;利用当前的所述实际能耗数据,优化所述神经网络结构的权值,寻找最优的神经网络参数;利用所述校验数据段的数据测试所述最优的神经网络参数,如果测试精度满足要求,则得到最终的融合模型,进行能耗预测。4.根据权利要求3所述的能耗预测方法,其特征在于,如果测试精度不满足要求,则调整所述神经网络的结构,重新训练网络。5.根据权利要求4所述的能耗预测方法,其特征在于,所述调整神经网络结构包括:调整所述隐含层神经元的个数;比较相应的所述校验数据段的预测能耗的均方根误差;选择最优的所述隐含层神经元的个数。6.一种用于物流博览会平台的能耗预测系统,其特征在于,包括:监测模块(10),用于采集能源表的实时数据,并将所述实时数据通过基于蜂窝的窄带物联网NB-IOT模组传输至OneNET云平台;数据整理模块(20),用于在所述OneNET平台提取...
【专利技术属性】
技术研发人员:封栋梁,王海亮,楼思嘉,童恩,
申请(专利权)人:中国移动通信集团江苏有限公司,中国移动通信集团公司,
类型:发明
国别省市:江苏,32
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。