【技术实现步骤摘要】
本专利技术涉及工业能耗预测，特别涉及一种不规则多采样率工业过程能耗预测方法和系统。
技术介绍
1、随着传统依赖机理模型或离线分析的工业过程能耗管理方式难以满足实时动态调控需求，因此，数据驱动预测方法应运而生，该方法利用工业大数据构建能耗预测模型，挖掘数据中的隐含关联，以达到精确预测的目的。
2、然而，工业现场多源异构数据的复杂耦合特性，导致数据驱动的能耗预测模型面临多尺度时序对齐困难、动态噪声干扰显著等瓶颈。例如，高耗能设备的高频能耗波动往往包含关键时序数据，但其动态噪声干扰显著，而外生数据相对稳定，噪声干扰小，但数据频率低。现有方法通过降采样或线性插值等对齐多速率数据时，易丢失瞬态特征或引入虚假趋势，使预测结果无法支撑精确的能效优化决策。此外，柔性生产模式下工艺参数频繁切换，进一步提升了对预测模型的精确度要求，单一维度的预测已经难以满足；当前研究虽尝试通过时空图网络、在线学习等提升预测精度，但多数方案仅实现对多源异构数据的浅层融合，难以挖掘变量间跨尺度、跨维度的隐性关联。
技术实现思路<...
【技术保护点】
1.一种不规则多采样率工业过程能耗预测方法，其特征在于，包括：
2.根据权利要求1所述的不规则多采样率工业过程能耗预测方法，其特征在于，将任意时刻的训练用外生变量与多个训练用时序变量进行匹配之前，还包括：
3.根据权利要求1所述的不规则多采样率工业过程能耗预测方法，其特征在于，能耗预测模型的连接关系为：
4.根据权利要求3所述的不规则多采样率工业过程能耗预测方法，其特征在于，所述多编码模块包括：
5.根据权利要求4所述的不规则多采样率工业过程能耗预测方法，其特征在于，所述第一时间戳编码器和所述第二时间戳编码器均包括：p>
6.根据权...
【技术特征摘要】
1.一种不规则多采样率工业过程能耗预测方法，其特征在于，包括：
2.根据权利要求1所述的不规则多采样率工业过程能耗预测方法，其特征在于，将任意时刻的训练用外生变量与多个训练用时序变量进行匹配之前，还包括：
3.根据权利要求1所述的不规则多采样率工业过程能耗预测方法，其特征在于，能耗预测模型的连接关系为：
4.根据权利要求3所述的不规则多采样率工业过程能耗预测方法，其特征在于，所述多编码模块包括：
5.根据权利要求4所述的不规则多采样率工业过程能耗预测方法，其特征在于，所述第一时间戳编码器和所述第二时间戳...
【专利技术属性】
技术研发人员：王雅琳，董铭江，谭栩杰，刘晨亮，杨瑞楷，张宇洁，袁小锋，陈志文，
申请(专利权)人：中南大学，
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。