[发明专利]一种机场用电负荷的智能监控和预测方法及系统

说明书

一种机场用电负荷的智能监控和预测方法，该方法包括如下步骤：步骤1：通过机场用电负荷智能监控能源管理系统及装置采集机场相关运行数据及历史耗电量数据，并以个月序列作为动态灰色模型的建模输入数据，重构历史用电序列并得到第个月耗电量的灰色预测结果；步骤2：提取多维特征，步骤3：网络训练过程，步骤4：进行第月耗电量的最终预测。本发明还包括一种机场用电负荷的智能监控和预测方法及系统。本发明能够对机场能源需求进行有效预测，可为机场能源规划管理提供有效依据。

技术领域

本发明涉及一种预测机场航站楼耗电量的方法及系统，具体涉及一种机场用电负荷的智能监控和预测方法及系统。

背景技术

现如今，普遍被认可的传统预测方法有时间序列法、消费弹性法、回归分析法等。而后出现的灰色预测法、反向传播神经网络、遗传算法、支持向量机等方法则属于人工智能预测方法。在能耗预测领域，国内外的学者们开展了广泛的研究。王力等提出一种基于时间序列分析方法和支持向量机的时间序列混合预测模型，为能耗时间序列预测建模提供了一种新方法，针对复杂、影响因素多变的能耗时间序列有较好的应用推广能力。

机场能耗的时间序列混合预测方法[J].中国民航大学学报,2017,35(06):31-35，陈静杰等针对非饱和机场能耗时间序列的非线性和非平稳性点，提出一种基于两步分解法和季节差分自回归滑动平均模型相结合的组合预测法。

基于两步分解法和SARIMA的非饱和机场能耗预测[J].计算机应用与软件,2019,36(04):46-50+78，江顺之等人提出一种结合经验模式分解和果蝇参数寻优的最小二乘支持向量机的能耗预测方法，经过EMD处理后各个分量突出了原能耗数据的特性，降低了预测的难度；果蝇参数寻优后能得到更加合适的正则化参数与核函数参数，提高了预测的精度。

基于EMD与果蝇参数寻优的LSSVM的机场能耗预测[J].计算机时代,2017(04):35-40，以上这些研究均未能结合影响能源消耗的主要因素建立相关的能耗数学模型，仍有待进一步改进。

发明内容

本发明所要解决的技术问题是，克服现有技术的不足，提供一种能够对机场能源需求进行有效预测，可为机场能源规划管理提供有效依据的一种机场用电负荷的智能监控和预测方法及系统。

本发明解决其技术问题采用的技术方案是，一种机场用电负荷的智能监控和预测方法，该方法包括如下步骤：

步骤1：通过机场用电负荷智能监控能源管理系统及装置采集机场相关运行数据及历史耗电量数据，并以n个月序列作为动态灰色模型的建模输入数据，重构历史用电序列并得到第n+1个月耗电量的灰色预测结果；

步骤2：提取多维特征，具体包括前四个月耗电量，上一年同时期的四个月耗电量以及季节气候、旅客特征，与步骤1中所得的灰色模型预测结果共同输入DBNS模型；

步骤3：网络训练过程，利用C－D算法逐层进行训练，得到每一层的参数θ＝{w_ij,a_i,b_j}，用于初始化DBN；最后利用BP进行反向整体微调；

步骤4：将步骤2所述样本输入训练好的DBNs，进行第n+1月耗电量的最终预测。

进一步，所述步骤1，具体包括如下步骤：

步骤11：参数定义：

选取长沙黄花国际机场航站楼2019年1月-2021年10月的月耗电量序列作为研究对象:

[C₁,C₂,C₃...C_n...C₃₄]

其中，C_n代表航站楼第n个月的耗电量；

步骤12：输入和输出：