[发明专利]一种多能源电力推进船舶的电力负荷预测系统与预测方法

权利要求书

1.一种多能源电力推进船舶的电力负荷预测系统，其特征在于，包括：负荷信息采集模块、气候信息采集模块、能量管理全局优化策略制定模块、船舶控制中心显示设备、无线局域网模块与大数据云平台；

所述负荷信息采集模块、气候信息采集模块将多能源电力推进船舶运行时的历史负荷数据以及行驶过海域的海洋气候数据通过所述无线局域网模块传输至所述大数据云平台中；

所述能量管理全局优化策略制定模块通过所述无线局域网模块与所述大数据云平台连接，用于为多能源电力推进船舶制定未来航行过程中每小时航行任务以及该航行任务下的平均航速；

所述大数据云平台与所述无线局域网模块相连，用于接收通过无线局域网上传的数据信息，完成训练样本集的构建与预测模型的回归建模，最终输出待预测时刻电力负荷预测值。

2.如权利要求1所述的多能源电力推进船舶的电力负荷预测系统，其特征在于，所述大数据云平台包括：数据存储与云数据库交汇模块、训练样本集构建模块、数据处理模块与负荷预测模型建立模块。

所述数据存储与云数据库交汇模块将接收的船舶数据进行存储并上传至云数据中；

所述训练样本集构建模块对接收到的船舶数据进行选取，选择影响电力负荷预测结果的参数在每小时下的平均值与能量管理全局优化策略制定的每小时平均航速作为特征向量构建训练样本集；

所述数据处理模块以欧式距离作为评判标准，将相似航行场景下的每小时平均电力负荷值加入特征向量中，完成对整个训练样本集特征向量的维数扩充；

所述负荷预测模型建立模块通过维数扩充后的训练样本集构建负荷预测模型。

3.一种多能源电力推进船舶的电力负荷预测系统的预测方法，适用于如权利要求1或2所述的多能源电力推进船舶的电力负荷预测系统，其特征在于，所述多能源电力推进船舶的电力负荷预测系统的预测方法，包括如下步骤：

步骤1：以最低成本为目的获取船舶当前总航程中各小时的平均航速；

步骤2：通过船舶航行的历史数据构建训练样本集的数据集，数据集包括：

对电力负荷预测结果有影响的每小时电力负荷值、对电力负荷预测结果有影响的每小时各气候信息数据，以及每小时的平均航速；

步骤3：对数据集中的每个特征向量进行维度扩充，具体为：通过欧式距离获取与当前特征向量相似的若干特征向量的输出值，将若干个输出值加入至当前特征向量中对当前特征向量的维度进行扩充；

步骤4：对维度扩充后的数据集进行预处理；

步骤5：对预处理后的数据集进行聚类分析，获得若干类的数据集；

步骤6：对若干类的数据集逐类通过改进的最小二乘支持向量机算法进行模型训练，获得若干个负荷预测模型，其中改进的最小二乘支持向量机算法为：通过具有动态切换概率的蝴蝶算法对最小二乘支持向量机算法进行改进；

步骤7：将下一时刻的气候信息数据、下一时刻的平均航速、当前时刻的电力负荷值、前一时刻的电力负荷值、前一天中与下一时刻相同时刻所对应的电力负荷值构成特征向量，对特征向量进行维度扩充与预处理；

步骤8：选取与步骤7中获取的特征向量类型相似度最高的训练集所对应的负荷预测模型，将特征向量输入进获得的负荷预测模型对下一时刻电力负荷值进行预测。

4.如权利要求3所述的多能源电力推进船舶的电力负荷预测系统的预测方法，其特征在于，所述步骤6中，通过具有动态切换概率的蝴蝶算法对最小二乘支持向量机算法中的正则化参数C、标准化参数σ与变种卡方核函数权重系数δ进行优化。

5.如权利要求4所述的多能源电力推进船舶的电力负荷预测系统的预测方法，其特征在于，所述动态切换概率的蝴蝶算法中的动态切换概率的计算公式如下：

其中，p_d为动态变化切换概率，p_max为最大切换概率，b为常数系数，Curcount为当前迭代次数，Loopcount为算法迭代总次数。