【技术实现步骤摘要】
本专利技术涉及能源管理，具体的涉及一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法。
技术介绍
1、能源管理一直以来都是卷烟工厂的重点工作，随着国家及全行业对节能降耗的日益关注，如何进一步提升能源管理水平成为卷烟工厂亟待攻克的难点。
2、长期以来，卷烟工厂的能源管理依赖经验性的管理和决策，随着数字化进程的推进，越来越多的核心数据得到汇总和应用，为能源管理提供了有力的数据支撑，帮助决策管理者更加科学的决策，但是，基于卷烟工厂生产经营的特殊特点，影响能耗的因素错综复杂，能源管理依赖管理者经验性决策并没有从根本上解决。
3、能耗预测是能源管理的先手工作，是为了更好的做好生产调度和更快的实施能源管控措施。长期以来，能耗预测靠经验性分析预测，通过往年历史数据与能耗相关联的产量、天气数据等进行人工比对，进行能耗预测，这种预测方法存在分析参数单一、工作量大、预测准确度低的问题，造成能耗管控措施精准度不高、管控措施反应滞后，反映出卷烟工厂能耗管控在数字化、信息化、智慧化方面的不足，亟待进行改进提升。
【技术保护点】
1.一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，包括如下具体步骤：
2.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤S2中，搭建人工神经网络的具体流程如下：
3.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤S3中，训练神经网络、调试参数的具体流程如下：
4.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤S4中，能耗预测模型应用的具体流程如下：p>
5.如权利...
【技术特征摘要】
1.一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，包括如下具体步骤：
2.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤s2中，搭建人工神经网络的具体流程如下：
3.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤s3中，训练神经网络、调试参数的具体流程如下：
4.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤s4中，能耗预测模型应用的具体流程如下：
5.如权利要求1所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤s5中，修正数据的具体流程如下：
6.如权利要求2所述的一种基于人工神经网络的卷烟工厂云-端融合动态能源管理预测方法，其特征在于，在步骤s2中，选用bp网络作为反向传播神经网络，通过样本数据的训练，不断修正网络权值和阈值使误差函数沿...
【专利技术属性】
技术研发人员：于洪光，邱建雄，王虎，何寅，沈民峰，吴烨，
申请(专利权)人：浙江中烟工业有限责任公司，
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。