基于机器学习的供热数据优化方法、装置及设备制造方法及图纸

本申请实施例提供的基于机器学习的供热数据优化方法、装置及设备，鉴于优化后的联动特征工程拓扑网中具有隐含传递拓扑指针，换言之，包含有多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略之间更深的传递牵涉情况，因此，优化后的联动特征工程拓扑网对于多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略的细节输出更为完整准确。在联动特征工程拓扑网包含的细节尽可能完整准确的前提下，进一步基于各个待处理供热优化可视策略基于联动特征工程拓扑网分别得到的供热策略匹配观点，从多个待处理供热优化可视策略中确定出来的作为最适供热优化可视策略的待处理供热优化可视策略更为合理。

【技术实现步骤摘要】

本申请涉及数据处理，具体而言，涉及一种基于机器学习的供热数据优化方法、装置及设备。

技术介绍

1、供热系统是一种复杂的能源供应系统，涉及多个能源源头、传输网络以及用户需求等因素。优化供热系统的运行，需要对各种状态数据、供热请求任务和可能的供热优化策略进行精细的分析和处理。

2、然而，传统的优化方法通常基于经验规则或简单的统计模型，难以处理这些数据和任务的复杂性和动态性。此外，由于缺乏有效的数据挖掘和处理工具，这些方法往往无法充分利用可用的信息，导致优化效果不理想。

3、近年来，机器学习技术在许多领域中都展现出了强大的潜力。特别是深度学习，它能够通过自我学习和调整，从原始数据中提取出有用的特征和规律，从而显著提高处理复杂问题的能力。因此，如何将机器学习技术应用于供热系统的优化，已经成为一个重要的研究方向。

4、然而，尽管机器学习技术在一些领域中取得了显著的成果，但是如何将其有效地应用于供热系统的优化，仍然存在一些挑战。

技术实现思路

1、为了改善上述问题，本申请提供了一种基于本文档来自技高网...

【技术保护点】

1.一种基于机器学习的供热数据优化方法，其特征在于，应用于供热数据优化设备，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述基于所述联动特征工程拓扑网，确定所述联动特征工程拓扑网对应的建模预测执行拓扑，包括：

3.如权利要求2所述的方法，其特征在于，所述基于所述建模预测执行拓扑对所述联动特征工程拓扑网进行优化，得到优化后的联动特征工程拓扑网，包括：

4.如权利要求1所述的方法，其特征在于，所述依据所述多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略，以及所述优化后的联动特征工程拓扑网，确定所述待处理供热优化可视策略对应的供热策...

【技术特征摘要】

1.一种基于机器学习的供热数据优化方法，其特征在于，应用于供热数据优化设备，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述基于所述联动特征工程拓扑网，确定所述联动特征工程拓扑网对应的建模预测执行拓扑，包括：

3.如权利要求2所述的方法，其特征在于，所述基于所述建模预测执行拓扑对所述联动特征工程拓扑网进行优化，得到优化后的联动特征工程拓扑网，包括：

4.如权利要求1所述的方法，其特征在于，所述依据所述多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略，以及所述优化后的联动特征工程拓扑网，确定所述待处理供热优化可视策略对应的供热策略匹配观点，包括：

5.如权利要求1所述的方法，其特征在于，所述获取结合多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略生成的联动特征工程拓扑网，包括：

6.一种供热数据优化装置，其特征在于，所述供热数...

【专利技术属性】
技术研发人员：王飞飞，刘大海，赵永芳，李晓琴，刘詟，孟德凯，
申请(专利权)人：北京中能北方科技股份有限公司，
类型：发明
国别省市：