本发明专利技术公开了多能源电力推进船舶的电力负荷预测系统，包括：负荷信息采集模块、气候信息采集模块、能量管理全局优化策略制定模块、船舶控制中心显示设备、无线局域网模块与大数据云平台；负荷信息采集模块、气候信息采集模块将历史负荷数据以及海洋气候数据传输至大数据云平台；能量管理全局优化策略制定模块用于为多能源电力推进船舶制定未来航行过程中每小时航行任务以及该航行任务下的平均航速；大数据云平台用于接收通过无线局域网上传的数据信息，完成训练样本集的构建与预测模型的回归建模，最终输出待预测时刻电力负荷预测值。本发明专利技术通过丰富的训练集、改进的算法构建预测模型，增加了模型预测的准确性，使得电力负荷预测更加准确。负荷预测更加准确。负荷预测更加准确。
【技术实现步骤摘要】
一种多能源电力推进船舶的电力负荷预测系统与预测方法
[0001]本专利技术涉及多能源船舶负荷预测
，具体地说，是一种多能源电力推进船舶的电力负荷预测系统与预测方法。
技术介绍
[0002]现阶段针对多能源电力推进船舶的电力负荷预测问题的研究较少，传统的电力推进船舶负荷预测方法无法有效解决多能源电力推进船舶能量管理策略为全船每小时航行制定不同的航程任务使得船舶航速非固定，并且船舶所处海域，洋流流速、洋流流向以及海上风速、风向、温度、相对湿度的变化对负荷预测问题所带来的影响。由于多能源电力推进船舶航行任务时间的限制，使得能够参与电力负荷预测的训练样本数量也十分的有限，再加之上述众多因素都会对电力负荷功率消耗产生复杂的影响，多能源电力推进船舶跨海域执行任务时，海洋气候情况的改变导致船舶电力负荷不断变化，给多能源电力推进船舶的电力负荷预测带来了难度，电力负荷预测准确度降低。
技术实现思路
[0003]针对现有技术中的不足，本专利技术提供了一种多能源电力推进船舶的电力负荷预测系统与预测方法，以解决现有技术中海洋气候情况的改变导致船舶电力负荷不断变化，难以预测的技术问题。
[0004]本专利技术提供了一种多能源电力推进船舶的电力负荷预测系统，包括：负荷信息采集模块、气候信息采集模块、能量管理全局优化策略制定模块、船舶控制中心显示设备、无线局域网模块与大数据云平台；
[0005]所述负荷信息采集模块、气候信息采集模块将多能源电力推进船舶运行时的历史负荷数据以及行驶过海域的海洋气候数据通过所述无线局域网模块传输至所述大数据云平台中；
[0006]所述能量管理全局优化策略制定模块通过所述无线局域网模块与所述大数据云平台连接，用于为多能源电力推进船舶制定未来航行过程中每小时航行任务以及该航行任务下的平均航速；
[0007]所述大数据云平台与所述无线局域网模块相连，用于接收通过无线局域网上传的数据信息，完成训练样本集的构建与预测模型的回归建模，最终输出待预测时刻电力负荷预测值。
[0008]进一步地，所述大数据云平台包括：数据存储与云数据库交汇模块、训练样本集构建模块、数据处理模块与负荷预测模型建立模块。
[0009]所述数据存储与云数据库交汇模块将接收的船舶数据进行存储并上传至云数据中；
[0010]所述训练样本集构建模块对接收到的船舶数据进行选取，选择影响电力负荷预测结果的参数在每小时下的平均值与能量管理全局优化策略制定的每小时平均航速作为特
征向量构建训练样本集；
[0011]所述数据处理模块以欧式距离作为评判标准，将相似航行场景下的每小时平均电力负荷值加入特征向量中，完成对整个训练样本集特征向量的维数扩充；
[0012]所述负荷预测模型建立模块通过维数扩充后的训练样本集构建负荷预测模型。
[0013]本专利技术还提供了一种多能源电力推进船舶的电力负荷预测系统的预测方法，包括如下步骤：
[0014]步骤1：以最低成本为目的获取船舶当前总航程中各小时的平均航速；
[0015]步骤2：通过船舶航行的历史数据构建训练样本集的数据集，数据集包括：
[0016]对电力负荷预测结果有影响的每小时电力负荷值、对电力负荷预测结果有影响的每小时各气候信息数据，以及每小时的平均航速；
[0017]步骤3：对数据集中的每个特征向量进行维度扩充，具体为：通过欧式距离获取与当前特征向量相似的若干特征向量的输出值，将若干个输出值加入至当前特征向量中对当前特征向量的维度进行扩充；
[0018]步骤4：对维度扩充后的数据集进行预处理；
[0019]步骤5：对预处理后的数据集进行聚类分析，获得若干类的数据集；
[0020]步骤6：对若干类的数据集逐类通过改进的最小二乘支持向量机算法进行模型训练，获得若干个负荷预测模型，其中改进的最小二乘支持向量机算法为：通过具有动态切换概率的蝴蝶算法对最小二乘支持向量机算法进行改进；
[0021]步骤7：将下一时刻的气候信息数据、下一时刻的平均航速、当前时刻的电力负荷值、前一时刻的电力负荷值、前一天中与下一时刻相同时刻所对应的电力负荷值构成特征向量，对特征向量进行维度扩充与预处理；
[0022]步骤8：选取与步骤7中获取的特征向量类型相似度最高的训练集所对应的负荷预测模型，将特征向量输入进获得的负荷预测模型对下一时刻电力负荷值进行预测。
[0023]进一步地，所述步骤6中，通过具有动态切换概率的蝴蝶算法对最小二乘支持向量机算法中的正则化参数C、标准化参数σ与变种卡方核函数权重系数δ进行优化。
[0024]进一步地，所述动态切换概率的蝴蝶算法中的动态切换概率的计算公式如下：
[0025][0026]其中，p
d
为动态变化切换概率，p
max
为最大切换概率，b为常数系数，Curcount为当前迭代次数，Loopcount为算法迭代总次数。
[0027]进一步地，所述动态切换概率的蝴蝶算法的优化过程中包括：通过平均粒距与适应度方差作为评判蝴蝶算法是否收敛于极值点的指标；当平均粒距与适应度方差均小于设定值时，则蝴蝶算法已收敛于极值点，使用佳点集策略重新初始化蝴蝶算法中种群位置，并将动态切换概率设置为零，使蝴蝶算法中的各蝴蝶仅进行局部寻优。
[0028]进一步地，所述平均粒距设定值为：0.01，适应度方差设定值为：0.001。
[0029]本专利技术的有益效果：
[0030](1)在多能源电力推进船舶执行航行任务前，使用利用能量管理全局优化策略，制定船舶在未来航行过程中每小时航行任务下的平均航速，并将此航行速度作为影响多能源电力推进船舶船舶未来某日某时刻电力负荷预测的重要影响因素，以提升负荷预测的准确
性。
[0031](2)船舶在相似航向场景下的平均电力负荷消耗功率具有很强的可参考性，所以本专利技术在传统的以连续与周期性时间下负荷值作为训练集特征向量的方式上，将船舶以相似的航行状态驶过风速、风向、洋流流速、洋流向等相似的海域下的平均电力负荷功率消耗值加入特征向量中，能够获得更为精准的负荷预测结果。
[0032](3)本专利技术以融合变种卡方核函数的LS
‑
SVM作为主要预测算法，在传统的使用RBF核函数作为LS
‑
SVM算法的核函数的基础上，将变种卡方核函数和RBF核函数进行融合，在考虑样本之间的绝对距离的同时，也将样本间的相对距离纳入了考量，由此提高模型的预测性能。
[0033](4)基础的蝴蝶优化算法由于切换概率固定，导致算法后期局部寻优模式出现的概率过低，无法对极值点周围进行有效寻优。本专利技术将切换概率动态化后，切换概率值将随迭代次数的增加产生由大到小的改变，可使各蝴蝶在算法前期迅速飞向全局最优解周围，在算法后期对全局最优解周围展开局部寻优。在使用佳点集策略重新初始化各蝴蝶位置，并强制算法进行局部寻优模式后，就可使算法后期因收敛于极值点而浪费的算力转化为对整个本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多能源电力推进船舶的电力负荷预测系统，其特征在于，包括：负荷信息采集模块、气候信息采集模块、能量管理全局优化策略制定模块、船舶控制中心显示设备、无线局域网模块与大数据云平台；所述负荷信息采集模块、气候信息采集模块将多能源电力推进船舶运行时的历史负荷数据以及行驶过海域的海洋气候数据通过所述无线局域网模块传输至所述大数据云平台中；所述能量管理全局优化策略制定模块通过所述无线局域网模块与所述大数据云平台连接，用于为多能源电力推进船舶制定未来航行过程中每小时航行任务以及该航行任务下的平均航速；所述大数据云平台与所述无线局域网模块相连，用于接收通过无线局域网上传的数据信息，完成训练样本集的构建与预测模型的回归建模，最终输出待预测时刻电力负荷预测值。2.如权利要求1所述的多能源电力推进船舶的电力负荷预测系统，其特征在于，所述大数据云平台包括：数据存储与云数据库交汇模块、训练样本集构建模块、数据处理模块与负荷预测模型建立模块。所述数据存储与云数据库交汇模块将接收的船舶数据进行存储并上传至云数据中；所述训练样本集构建模块对接收到的船舶数据进行选取，选择影响电力负荷预测结果的参数在每小时下的平均值与能量管理全局优化策略制定的每小时平均航速作为特征向量构建训练样本集；所述数据处理模块以欧式距离作为评判标准，将相似航行场景下的每小时平均电力负荷值加入特征向量中，完成对整个训练样本集特征向量的维数扩充；所述负荷预测模型建立模块通过维数扩充后的训练样本集构建负荷预测模型。3.一种多能源电力推进船舶的电力负荷预测系统的预测方法，适用于如权利要求1或2所述的多能源电力推进船舶的电力负荷预测系统，其特征在于，所述多能源电力推进船舶的电力负荷预测系统的预测方法，包括如下步骤：步骤1：以最低成本为目的获取船舶当前总航程中各小时的平均航速；步骤2：通过船舶航行的历史数据构建训练样本集的数据集，数据集包括：对电力负荷预测结果有影响的每小时电力负荷值、对电力负荷预测结果有影响的每小时各气候信息数据，以及每小时的平均航速；步骤3：对数据集中的每个特征向量进行维度扩充，具体为：通过欧式距离获取与当前特征向量相似...
【专利技术属性】
技术研发人员：舒方舟，戴晓强，丁建军，陆震，刘维亭，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：
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。