本發(fā)明涉及能碳管理，尤其是涉及一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法。

背景技術(shù)：

1、目前國內(nèi)化工企業(yè)存在以下問題亟待解決：化工企業(yè)有多個(gè)工藝廠區(qū)以及各種產(chǎn)品，各個(gè)工藝產(chǎn)區(qū)之間工藝信息相互獨(dú)立，存在信息孤島；化工企業(yè)的各層級(jí)管理系統(tǒng)間存在數(shù)據(jù)交換壁壘，給企業(yè)對(duì)于能耗以及碳排的監(jiān)管以及預(yù)測(cè)帶來困難；企業(yè)內(nèi)部各自獨(dú)立的系統(tǒng)均需要單獨(dú)維護(hù)，運(yùn)維成本較高，軟硬件存在重復(fù)配置現(xiàn)象；多個(gè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)流程獨(dú)立且復(fù)雜，存在大量冗余接口和重復(fù)信息流；傳統(tǒng)管理方法大量依靠人工統(tǒng)計(jì)以及計(jì)算，難以實(shí)現(xiàn)對(duì)數(shù)據(jù)的實(shí)時(shí)監(jiān)測(cè)、分析以及更進(jìn)一步的預(yù)測(cè)。

2、現(xiàn)有的技術(shù)可以采用常見的gan模型進(jìn)行能源化工企業(yè)能碳數(shù)據(jù)的預(yù)測(cè)，但是gan模型容易出現(xiàn)的模式崩潰、梯度消失等缺陷，且原始數(shù)據(jù)集數(shù)據(jù)稀少，擴(kuò)充的生成數(shù)據(jù)質(zhì)量不高，導(dǎo)致訓(xùn)練得到的模型的檢測(cè)效果較差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的就是為了減少模式崩潰、梯度消失等缺陷并提高生成數(shù)據(jù)的質(zhì)量而提供的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法。

2、本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

3、一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，方法包括以下步驟：

4、s1、獲取能源化工企業(yè)各產(chǎn)物產(chǎn)量的歷史數(shù)據(jù)以及耗煤量、耗電量的歷史數(shù)據(jù)；

5、s2、對(duì)s1獲取的數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后的數(shù)據(jù)；

6、s3、對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到特征數(shù)據(jù)；

7、s4、對(duì)特征數(shù)據(jù)計(jì)算協(xié)方差矩陣；

8、s5、求解協(xié)方差矩陣的特征值和特征向量；

9、s6、根據(jù)特征值的大小，選擇前k個(gè)最大的特征值對(duì)應(yīng)的特征向量作為主成分；

10、s7、主成分合成一個(gè)投影矩陣；

11、s8、基于投影矩陣將特征數(shù)據(jù)投影到由主成分定義的新空間中，得到投影后的數(shù)據(jù)；

12、s9、對(duì)投影后的數(shù)據(jù)進(jìn)行序列化處理，得到序列數(shù)據(jù)；

13、s10、將序列數(shù)據(jù)轉(zhuǎn)換為張量格式；

14、s11、將張量格式的數(shù)據(jù)輸入訓(xùn)練完成的預(yù)測(cè)診斷模型，得到預(yù)測(cè)診斷結(jié)果，所述訓(xùn)練完成的預(yù)測(cè)診斷模型由改進(jìn)的wgan模型、gru模型和shap模型組成，所述改進(jìn)的wgan模型用于產(chǎn)生生成樣本實(shí)現(xiàn)數(shù)據(jù)擴(kuò)充。

15、進(jìn)一步地，所述改進(jìn)的wgan模型的訓(xùn)練過程為：

16、a1、隨機(jī)初始化wgan網(wǎng)絡(luò)的生成器g和判別器d的參數(shù)。

17、a2、從真實(shí)數(shù)據(jù)分布中抽取一批真實(shí)樣本x；

18、a3、從先驗(yàn)噪聲分布中抽取一批噪聲z，并通過生成器生成一批初始的偽樣本g’(z)；

19、a4、構(gòu)建判別器的總損失以更新判別器d的參數(shù)，實(shí)現(xiàn)最大化wasserstein距離；

20、a5、固定判別器d的參數(shù)，更新生成器g的參數(shù)；

21、a6、生成更新參數(shù)后的偽樣本g(z)，基于判別器d評(píng)估偽樣本g(z)，判別器d輸出為d(g(z))；

22、a7、構(gòu)建生成器的損失函數(shù)，更新生成器g的參數(shù)，實(shí)現(xiàn)最小化-d(g(z))；

23、a8、重復(fù)a2～a7，交替訓(xùn)練判別器和生成器，直至生成樣本的質(zhì)量達(dá)到預(yù)定標(biāo)準(zhǔn)或者訓(xùn)練迭代次數(shù)達(dá)到預(yù)設(shè)的上限，此時(shí)停止訓(xùn)練，得到改進(jìn)的wgan模型，所述改進(jìn)的wgan模型獲取張量格式的數(shù)據(jù)后，輸出生成樣本，所述生成樣本用于訓(xùn)練gru模型。

24、進(jìn)一步地，所述判別器的總損失為：

25、

26、其中，是真實(shí)樣本x和偽樣本g(z)之間的插值，∈是從均勻分布u(0,1)中抽取的隨機(jī)數(shù)，λ是梯度懲罰的超參數(shù)，e表示下標(biāo)中指定分布的數(shù)學(xué)期望。

27、進(jìn)一步地，所述生成器的損失函數(shù)為；

28、lg＝-e[d(g(z))]

29、其中，e表示下標(biāo)中指定分布的數(shù)學(xué)期望。

30、進(jìn)一步地，所述改進(jìn)的wgan模型的優(yōu)化過程目標(biāo)函數(shù)為：

31、

32、其中，e為下標(biāo)中指定分布的數(shù)學(xué)期望，pdata(x)為真實(shí)樣本x的分布；pz(z)為生成數(shù)據(jù)的分布；d(x)為判別器的判別函數(shù)；g(z)為生成器生成的數(shù)據(jù)，也就是偽樣本。

33、進(jìn)一步地，所述對(duì)s1獲取的數(shù)據(jù)進(jìn)行預(yù)處理的具體步驟為：

34、從s1獲取的數(shù)據(jù)中抽取需要的數(shù)據(jù)，包括預(yù)測(cè)目標(biāo)變量和特征變量；

35、對(duì)抽取的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，獲取數(shù)據(jù)統(tǒng)計(jì)量；

36、針對(duì)抽取的數(shù)據(jù)中的缺失值，使用線性回歸模型對(duì)缺失值進(jìn)行預(yù)測(cè)填充；

37、對(duì)填充后的數(shù)據(jù)中的異常值以及重復(fù)值，采用直接刪除的方法進(jìn)行處理，得到預(yù)處理后的數(shù)據(jù)。

38、進(jìn)一步地，所述協(xié)方差矩陣具體為：

39、

40、其中，∑是協(xié)方差矩陣，n是樣本數(shù)量,xstd表示特征數(shù)據(jù)。

41、進(jìn)一步地，所述投影后的數(shù)據(jù)具體為：

42、y＝xstdp

43、其中，y是投影后的數(shù)據(jù)，p＝[v1，v2，…，vk]是投影矩陣，v1，v2，…，vk是所選的主成分特征向量，xstd表示特征數(shù)據(jù)。

44、進(jìn)一步地，所述gru模型用于預(yù)測(cè)能源化工企業(yè)各產(chǎn)物產(chǎn)量數(shù)據(jù)和耗電量數(shù)據(jù)。

45、進(jìn)一步地，所述shap模型用于分析能源化工企業(yè)各產(chǎn)物產(chǎn)量數(shù)據(jù)和耗電量數(shù)據(jù)中的異常值。

46、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

47、本發(fā)明通過改進(jìn)傳統(tǒng)的gan模型，采用改進(jìn)的wgan模型結(jié)構(gòu)，改進(jìn)的wgan模型采用在真實(shí)樣本和偽樣本之間的直線上計(jì)算梯度并懲罰其與1的偏差作為損失函數(shù)的一部分，滿足wasserstein距離的lipschitz連續(xù)性約束的同時(shí)，通過改進(jìn)的wgan模型引入了梯度懲罰技術(shù)，判別器的梯度進(jìn)行懲罰，使得判別器的梯度保持在一定范圍內(nèi)，從而提高訓(xùn)練的穩(wěn)定性，再次基礎(chǔ)上基于改進(jìn)的wgan模型生成的數(shù)據(jù)樣本與原始數(shù)據(jù)樣本具有相似的分布特征，提高生成數(shù)據(jù)的質(zhì)量。

技術(shù)特征：

1.一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述改進(jìn)的wgan模型的訓(xùn)練過程為：

3.根據(jù)權(quán)利要求2所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述判別器的總損失為：

4.根據(jù)權(quán)利要求3所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述生成器的損失函數(shù)為；

5.根據(jù)權(quán)利要求4所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述改進(jìn)的wgan模型的優(yōu)化過程目標(biāo)函數(shù)為：

6.根據(jù)權(quán)利要求1所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述對(duì)s1獲取的數(shù)據(jù)進(jìn)行預(yù)處理的具體步驟為：

7.根據(jù)權(quán)利要求1所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述協(xié)方差矩陣具體為：

8.根據(jù)權(quán)利要求1所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述投影后的數(shù)據(jù)具體為：

9.根據(jù)權(quán)利要求1所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述gru模型用于預(yù)測(cè)能源化工企業(yè)各產(chǎn)物產(chǎn)量數(shù)據(jù)和耗電量數(shù)據(jù)。

10.根據(jù)權(quán)利要求1所述的一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，其特征在于，所述shap模型用于分析能源化工企業(yè)各產(chǎn)物產(chǎn)量數(shù)據(jù)和耗電量數(shù)據(jù)中的異常值。

技術(shù)總結(jié)
本發(fā)明涉及一種能源化工企業(yè)能碳數(shù)據(jù)預(yù)測(cè)診斷方法，方法包括以下步驟：S1、獲取歷史數(shù)據(jù)；S2、獲取預(yù)處理后的數(shù)據(jù)；S3、獲取特征數(shù)據(jù)；S4、對(duì)特征數(shù)據(jù)計(jì)算協(xié)方差矩陣；S5、求解協(xié)方差矩陣的特征值和特征向量；S6、選擇特征值對(duì)應(yīng)的特征向量作為主成分；S7、主成分合成一個(gè)投影矩陣；S8、獲取投影后的數(shù)據(jù)；S9、對(duì)投影后的數(shù)據(jù)進(jìn)行序列化處理，得到序列數(shù)據(jù)；S10、將序列數(shù)據(jù)轉(zhuǎn)換為張量格式；S11、將張量格式的數(shù)據(jù)輸入訓(xùn)練完成的預(yù)測(cè)診斷模型，得到預(yù)測(cè)診斷結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明具有減少模式崩潰、梯度消失等缺陷并提高生成數(shù)據(jù)的質(zhì)量等優(yōu)點(diǎn)。

技術(shù)研發(fā)人員：劉單珂,單沐榮,戴朝輝,于立軍,徐加陵,苗詒賀,黃成煒,王一博
受保護(hù)的技術(shù)使用者：上海交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30