【技術實現(xiàn)步驟摘要】
本申請涉及能耗預測，尤其涉及一種基于人工智能的生產能耗值預測方法及系統(tǒng)。
技術介紹
1、在現(xiàn)代工業(yè)生產和能源管理領域，準確地預測生產過程中的能耗對于提高能源利用效率、降低成本以及減少環(huán)境污染具有重要意義。傳統(tǒng)的能耗預測方法主要依賴于統(tǒng)計分析、經驗公式或者簡單的數(shù)學模型。然而，隨著工業(yè)自動化水平的提高以及物聯(lián)網技術的發(fā)展，傳統(tǒng)方法往往僅考慮了少量的靜態(tài)參數(shù)，由于未能充分考慮到生產過程中存在的復雜非線性關系以及各種動態(tài)變化因素，傳統(tǒng)的能耗預測模型往往只能給出一個大致的趨勢預測，而無法達到較高的精確度。這對于那些對能耗控制要求嚴格的行業(yè)來說是遠遠不夠的。例如，在精細化工行業(yè)中，即使是微小的能耗波動也可能導致產品質量的顯著差異。因此，缺乏對這些細微變化的捕捉和建模能力，使得傳統(tǒng)方法難以滿足現(xiàn)代工業(yè)對能耗預測精度的需求。
技術實現(xiàn)思路
1、本申請的目的是提供一種基于人工智能的生產能耗值預測方法及系統(tǒng)，去除與能耗無關以及相關性較低的特征參數(shù)，篩選出的關鍵特征減少了輸入數(shù)據(jù)中的噪聲成分，使得模型能夠更清晰地捕捉到與能耗相關的真實信號，關鍵特征的聚焦使得模型在預測時更加專注，提高了預測精度，更準確地反映實際能耗的變化趨勢。
2、一方面，根據(jù)本申請實施例提出了一種基于人工智能的生產能耗值預測方法，步驟1，采集生產過程中的實時數(shù)據(jù)；
3、步驟2，對實時數(shù)據(jù)進行預處理；
4、步驟3，根據(jù)預處理后的實時數(shù)據(jù)，構建特征向量；
5、步驟31，根據(jù)預處理后的實時數(shù)
6、步驟32，計算候選特征參數(shù)與能耗值之間的相關性系數(shù)；
7、步驟33，對所述相關性系數(shù)構建第一預定閾值，判斷所述相關性系數(shù)的絕對值是否大于等于第一預定閾值，若是，則將當前相關性系數(shù)所對應的候選特征參數(shù)定義為相關特征參數(shù)；若否，則將當前相關性系數(shù)所對應的候選特征參數(shù)定義為非相關特征參數(shù)，并進入步驟34；
8、步驟34，對非相關特征參數(shù)計算互信息值；
9、步驟35，為互信息值構建第二預定閾值，并判斷互信息值是否大于等于第二預定閾值，若是，則將當前互信息值對應的非相關特征參數(shù)定義為相關特征參數(shù)；若否，則當前互信息值對應的非相關特征參數(shù)不發(fā)生變動；
10、步驟36，根據(jù)步驟33和步驟35中的相關特征參數(shù)，構建特征向量；
11、步驟4，將所述特征向量輸入至預先訓練好的機器學習模型中，用于預測生產過程中的能耗值；
12、步驟5，根據(jù)所述機器學習模型的輸出結果預測未來的能耗值。
13、根據(jù)本申請實施例的一個方面，相關性系數(shù)的計算，包括：
14、步驟321，計算所述候選參數(shù)與能耗值的協(xié)方差；
15、步驟322，計算所述候選參數(shù)的標準差；
16、步驟323，計算所述能耗值的標準差；
17、步驟324，根據(jù)協(xié)方差、候選參數(shù)的標準差、能耗值的標準差，得到相關性系數(shù)。
18、根據(jù)本申請實施例的一個方面，為互信息值構建第二預定閾值，具體包括：
19、步驟351，獲取第二閾值；
20、步驟352，對第二閾值進行修正，得到修正第二閾值；
21、步驟353，對修正第二閾值進行優(yōu)化，得到第二預定閾值。
22、根據(jù)本申請實施例的一個方面，根據(jù)第一預定閾值對第二閾值進行修正，得到修正第二閾值，具體包括：
23、步驟3521，對步驟33中相關特征參數(shù)計算互信息值；
24、步驟3522，根據(jù)步驟353的互信息值，得到互信息值均值，根據(jù)互信息值均值得到互信息值標準差，作為修正項；
25、步驟3523，根據(jù)第二閾值以及修正項，得到修正第二閾值。
26、根據(jù)本申請實施例的一個方面，對修正第二閾值進行優(yōu)化，得到預定第二閾值，包括：
27、步驟3531，根據(jù)不相關特征參數(shù)的互信息值的取值范圍等寬劃分為若干區(qū)間；所述區(qū)間寬度為n；
28、步驟3532，確定每個區(qū)間內互信息值數(shù)量以及所有互信息值數(shù)量；根據(jù)每個區(qū)間的寬度、所有互信息值數(shù)量，構建分布密度函數(shù)；
29、步驟3533，將互信息值數(shù)量最多的區(qū)間定義為待定區(qū)間；
30、步驟3534，根據(jù)分布密度函數(shù)對待定區(qū)間的每個互信息值計算分布密度值，若待定區(qū)間內3到(q-1)個互信息值的分布密度值達到待定區(qū)間內其他互信息值分布密度值的三倍，將待定區(qū)間定義為確定區(qū)間；q表示待定區(qū)間內互信息值的最大數(shù)量；
31、步驟3535，從確定區(qū)間中查找與修正第二閾值相同的互信息值，若查找到與修正第二閾值相同的互信息值，則將與修正第二閾值相同的互信息值的分布密度值作為優(yōu)化值，若查找不到，則返回執(zhí)行步驟3531；
32、步驟3536，根據(jù)修正第二閾值、優(yōu)化值，得到預定第二閾值。
33、根據(jù)本申請實施例的一個方面，所述分布密度函數(shù)為：
34、
35、式中，fi代表第i個區(qū)間的分布密度函數(shù)，qi代表第i個區(qū)間的互信息值數(shù)量，δi代表區(qū)間寬度，z代表區(qū)間的最大數(shù)量。
36、根據(jù)本申請實施例的一個方面，所述相關性系數(shù)的計算公式為：
37、
38、rxy代表候選參數(shù)x與能耗值y的相關性系數(shù)，cov(x，y)代表候選參數(shù)x與能耗值y的協(xié)方差，σx代表候選參數(shù)x的標準差，σy代表能耗值y的標準差。
39、根據(jù)本申請實施例的一個方面，所述預定第二閾值的計算公式為：
40、
41、式中，代表預定第二閾值，代表修正第二閾值，代表修正第二閾值的密度函數(shù)值。
42、另一方面，本申請實施例提出了一種基于人工智能的生產能耗值預測系統(tǒng)，用于執(zhí)行上述的一種基于人工智能的生產能耗值預測方法，包括以下模塊：
43、收集模塊：用于收集生產過程中的實時數(shù)據(jù)；
44、預處理模塊：與收集模塊連接，用于對實時數(shù)據(jù)進行預處理；
45、特征向量構建模塊：與預處理模塊連接，用于根據(jù)預處理后的實時數(shù)據(jù)，構建特征向量；
46、能耗值預測模塊：與特征向量構建模塊連接，用于將所述特征向量輸入至預先訓練好的機器學習模型中，用于預測生產過程、未來的能耗值。
47、綜上所述，本申請的有益技術效果為：
48、本專利技術在現(xiàn)有通過預測模型預測能耗的基礎上，對模型的輸入數(shù)據(jù)進行篩選，去除了一些與能耗無關或相關性較低的特征參數(shù)，篩選出的關鍵特征減少了輸入數(shù)據(jù)中的噪聲成分，使得模型能夠更清晰地捕捉到與能耗相關的真實信號，關鍵特征的聚焦使得模型在預測時更加專注，提高了預測精度，更準確地反映實際能耗的變化趨勢。
49、本專利技術通過候選參數(shù)與能耗值的相關性系數(shù)、第一預定閾值，將候選參數(shù)劃分為相關特征參數(shù)和非相關特征參數(shù)，利用互信息值和第二預定閾值，從非相關特征參數(shù)中篩選出相關特征參本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的生產能耗值預測方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的一種基于人工智能的生產能耗值預測方法，其特征在于：相關性系數(shù)的計算，包括：
3.根據(jù)權利要求1所述的一種基于人工智能的生產能耗值預測方法，其特征在于：為互信息值構建第二預定閾值，具體包括：
4.根據(jù)權利要求3所述的一種基于人工智能的生產能耗值預測方法，其特征在于：根據(jù)第一預定閾值對第二閾值進行修正，得到修正第二閾值，具體包括：
5.根據(jù)權利要求3所述的一種基于人工智能的生產能耗值預測方法，其特征在于：對修正第二閾值進行優(yōu)化，得到預定第二閾值，包括：
6.根據(jù)權利要求5所述的一種基于人工智能的生產能耗值預測方法，其特征在于：所述分布密度函數(shù)為：
7.根據(jù)權利要求2所述的一種基于人工智能的生產能耗值預測方法，其特征在于：所述相關性系數(shù)的計算公式為：
8.根據(jù)權利要求5所述的一種基于人工智能的生產能耗值預測方法，其特征在于：所述預定第二閾值的計算公式為：
9.一種基于人工智能的生產能耗值預測系統(tǒng)，用
...【技術特征摘要】
1.一種基于人工智能的生產能耗值預測方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的一種基于人工智能的生產能耗值預測方法，其特征在于：相關性系數(shù)的計算，包括：
3.根據(jù)權利要求1所述的一種基于人工智能的生產能耗值預測方法，其特征在于：為互信息值構建第二預定閾值，具體包括：
4.根據(jù)權利要求3所述的一種基于人工智能的生產能耗值預測方法，其特征在于：根據(jù)第一預定閾值對第二閾值進行修正，得到修正第二閾值，具體包括：
5.根據(jù)權利要求3所述的一種基于人工智能的生產能耗值預測方法，其特征在于：...
【專利技術屬性】
技術研發(fā)人員：胡珺，沈偉，
申請(專利權)人：天津行至簡科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。