【技术实现步骤摘要】
一种基于气象数据的火电厂运煤火车停车预测模型
本专利技术涉及一种基于气象数据的火电厂运煤火车停车预测模型,提供给火电厂运煤火车有关管理和调控中心,用于为了减少煤库存提前对灾害气候导致的停车进行预测,属于用气象数据预测的方法
技术介绍
燃煤电厂储煤会导致燃料积压、煤炭的热值损失、影响电厂的资金流动。因此在煤的生产、运输、使用协同配合的条件下,煤的接卸、运输调度响应及时,应在煤到达燃煤电厂后直接使用,改变煤“先储再用”的使用模式,实现燃煤电厂燃料零库存,仅预留最少数量的煤应对突发状况的风险。为了达到预留最少数量的煤的目标,需要进行铁路的提前调度和调配,因此需要对气象灾害进行实时气象预报。在过去的实践和技术使用过程中,多数燃煤铁路仅收集对未来天气的预报然后进行主观停车概率的判断,精确度较低;并未建立各项灾害与停车之间的概率模型,无法预测停车时间。
技术实现思路
本专利技术要解决的技术问题是:现有技术未建立各项灾害与停车之间的概率模型,无法精准预测停车时间的问题。为了解决上述问题,本专利技术的技术方案是提供了一种基于气象数据的火电厂运煤火车停车预测模型,其特征在于,包括以下步骤:步骤一、收集至少过去8年间大型铁路灾害的历史数据,并经过python处理为时间网格点数据,所述历史数据包括历史气象参数、对应的停车时间和灾害类型;步骤二、获取未来至少9小时的铁路沿线气象参数的预测数据;步骤三、利用历史数据与预测数据建立CNN深度学习网络模型,输入数据为历史气象参数,历史气 ...
【技术保护点】
1.一种基于气象数据的火电厂运煤火车停车预测模型,其特征在于,包括以下步骤:/n步骤一、收集至少过去8年间大型铁路灾害的历史数据,并经过python处理为时间网格点数据,所述历史数据包括历史气象参数、对应的停车时间和灾害类型;/n步骤二、获取未来至少9小时的铁路沿线气象参数的预测数据;/n步骤三、利用历史数据与预测数据建立CNN深度学习网络模型,输入数据为历史气象参数,历史气象参数经过激活函数得到第二层数据,第二层数据经过激活函数得到第三层数据,层层激活得出各类历史灾害停车概率与历史气象参数之间的关系;/n步骤四、将预测为灾害发生的对应气象参数输入多元回归模型,建立气象参数与预测停车时间的概率关系,根据预测的气象数据得出预测的停车时间。/n
【技术特征摘要】 【专利技术属性】
1.一种基于气象数据的火电厂运煤火车停车预测模型,其特征在于,包括以下步骤:
步骤一、收集至少过去8年间大型铁路灾害的历史数据,并经过python处理为时间网格点数据,所述历史数据包括历史气象参数、对应的停车时间和灾害类型;
步骤二、获取未来至少9小时的铁路沿线气象参数的预测数据;
步骤三、利用历史数据与预测数据建立CNN深度学习网络模型,输入数据为历史气象参数,历史气象参数经过激活函数得到第二层数据,第二层数据经过激活函数得到第三层数据,层层激活得出各类历史灾害停车概率与历史气象参数之间的关系;
步骤四、将预测为灾害发生的对应气象参数输入多元回归模型,建立气象参数与预测停车时间的概率关系,根据预测的气象数据得出预测的停车时间。
2.如权利要求1所述的一种基于气象数据的火电厂运煤火车停车预测模型,其特征在于:所述历史气象参数包括降雨量x3、云量x2、压强x3、风速x4和风向x5,所述灾害类型包括雪害y1、水害y2、沙害y3和雷害y4。
技术研发人员:潘丹璐,马文通,李霄,邓超翔,张珈豪,邬慧君,段森,梅勇,
申请(专利权)人:中电投电力工程有限公司,
类型:发明
国别省市:上海;31
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。