| 專利名稱 |
基于大數(shù)據(jù)的能源管理方法及系統(tǒng) |
| 申請?zhí)?專利號 |
CN202410612759.9 |
專利權(quán)人（第一權(quán)利人） |
國網(wǎng)吉林省電力有限公司經(jīng)濟技術(shù)研究院 |
| 申請日 |
2024-05-17 |
授權(quán)日 |
2024-08-02 |
| 專利類別 |
授權(quán)發(fā)明 |
戰(zhàn)略新興產(chǎn)業(yè)分類 |
新一代信息技術(shù) |
| 技術(shù)主題 |
工程學|實時預測|神經(jīng)網(wǎng)絡|動能|深度學習|特征向量|特征選擇|智能管理|特征融合|能源管理|大數(shù)據(jù)|多特征融合|循環(huán)神經(jīng)網(wǎng)絡|能源消耗 |
| 應用領域 |
數(shù)據(jù)處理應用|人造生命|神經(jīng)學習方法 |
| 意向價格 |
具體面議 |
| 專利概述 |
本發(fā)明提出了一種基于大數(shù)據(jù)的能源管理方法及系統(tǒng)，屬于智能管理技術(shù)領域。首先收集并處理多源異構(gòu)數(shù)據(jù)；其次使用循環(huán)神經(jīng)網(wǎng)絡進行特征提取，得到特征向量；將特征向量與傳統(tǒng)統(tǒng)計特征進行融合，得到綜合特征向量；然后將綜合特征向量輸入到能源消耗模型進行預測，得到預測值；最后將能源消耗模型進行模型部署與實時預測。本發(fā)明通過特征選擇函數(shù)、遺傳特征函數(shù)以及結(jié)合注意力機制和編碼解碼器的深度學習模型，提高了特征的表達能力和模型的泛化能力；構(gòu)建的能源消耗預測模型結(jié)合了多特征融合、LSTM、門控殘差網(wǎng)絡、雙重注意力模塊，實現(xiàn)了模型的實時預測與動態(tài)節(jié)能策略制定，顯著提升了能源使用的效率和經(jīng)濟性。 |
| 圖片資料 |
|
| 合作方式 |
具體面議 |
| 聯(lián)系人 |
戚梅宇 |
聯(lián)系電話 |
13074363281 |
