一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智慧能源領(lǐng)域，尤其涉及一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法及系統(tǒng)。
【背景技術(shù)】
[0002]隨著信息技術(shù)高速，2014年起，“能源互聯(lián)網(wǎng)”一詞席卷能源圈，物聯(lián)網(wǎng)、大數(shù)據(jù)、智能化等技術(shù)已逐漸應(yīng)用于傳統(tǒng)的能源行業(yè)，利用互聯(lián)網(wǎng)“開放化、實時化、數(shù)據(jù)化、規(guī)?；钡乃拇髢?yōu)勢，應(yīng)用大數(shù)據(jù)、云計算等互聯(lián)網(wǎng)技術(shù)搭建節(jié)能監(jiān)測和智慧能源管理平臺，實現(xiàn)智能化動態(tài)調(diào)配能源生產(chǎn)、傳輸和消費，達到提高效率、節(jié)能減排等作用，已經(jīng)成為大勢所趨。
[0003]目前，節(jié)能監(jiān)測和能源管理平臺通常采用三層架構(gòu)，最底層為計量儀表、傳感器或執(zhí)行裝置；第二次層為各類網(wǎng)關(guān)，實現(xiàn)了集中采集、協(xié)議轉(zhuǎn)換、數(shù)據(jù)傳輸與控制指令下達等功能；第三層為數(shù)據(jù)中心，實現(xiàn)各類數(shù)據(jù)集中管理，基于云計算、大數(shù)據(jù)為基礎(chǔ)，提供數(shù)據(jù)統(tǒng)計分析、節(jié)能診斷及節(jié)能控制優(yōu)化等功能。
[0004]底層的數(shù)據(jù)采集與傳輸控制等技術(shù)已經(jīng)較為成熟，基本上已經(jīng)實現(xiàn)了標準化、產(chǎn)業(yè)化，而各類網(wǎng)關(guān)設(shè)備在整個系統(tǒng)架構(gòu)中處于承上啟下的核心位置，傳統(tǒng)意義上的網(wǎng)關(guān)設(shè)備智慧化程度有限，大都只能完成底層協(xié)議轉(zhuǎn)換、數(shù)據(jù)采集與傳輸作用，存在連接性差、運算性能差、功能單一等問題，能源管理平臺無法進行能源調(diào)度與遠端節(jié)能控制優(yōu)化。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法及系統(tǒng)，解決現(xiàn)有技術(shù)中能源管理平臺無法進行能源調(diào)度與遠端節(jié)能控制優(yōu)化的技術(shù)問題。
[0006]本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的:
[0007]一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法，包括:
[0008]獲取底層硬件的能耗數(shù)據(jù)，并將所述能耗數(shù)據(jù)發(fā)送至智慧能源管理平臺；
[0009]所述智慧能源管理平臺根據(jù)底層硬件的所述能耗數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到能耗數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負載閾值，確定節(jié)能優(yōu)化策略；
[0010]根據(jù)所述節(jié)能優(yōu)化策略，調(diào)節(jié)底層硬件的控制參數(shù)，以優(yōu)化底層硬件的能耗。
[0011]一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能系統(tǒng)，其特征在于，包括:
[0012]接入網(wǎng)關(guān)，用于獲取底層硬件的能耗數(shù)據(jù)，并將所述能耗數(shù)據(jù)發(fā)送至智慧能源管理平臺；
[0013]智慧能源管理平臺，用于接收底層硬件的所述能耗數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到能耗數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負載閾值，確定節(jié)能優(yōu)化策略；向所述接入網(wǎng)關(guān)發(fā)送所述節(jié)能優(yōu)化策略；
[0014]接入網(wǎng)關(guān)還用于接收所述節(jié)能優(yōu)化策略，根據(jù)所述節(jié)能優(yōu)化策略，調(diào)節(jié)底層硬件的控制參數(shù)，以優(yōu)化底層硬件的能耗。
[0015]本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法及系統(tǒng)，通過獲取底層硬件的能耗數(shù)據(jù)，并將所述能耗數(shù)據(jù)發(fā)送至智慧能源管理平臺；所述智慧能源管理平臺根據(jù)底層硬件的所述能耗數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到能耗數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負載閾值，確定節(jié)能優(yōu)化策略；根據(jù)所述節(jié)能優(yōu)化策略，調(diào)節(jié)底層硬件的控制參數(shù)，以優(yōu)化底層硬件的能耗。本發(fā)明實現(xiàn)了能源管理平臺的能源調(diào)度與遠端節(jié)能控制優(yōu)化。
【附圖說明】
[0016]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可根據(jù)這些附圖獲得其他的附圖。
[0017]圖1為本發(fā)明實施例的應(yīng)用場景圖；
[0018]圖2為本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法流程圖；
[0019]圖3為本發(fā)明實施例提供的一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實施方式】
[0020]為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步詳細的說明。
[0021]如圖1所示為本發(fā)明實施例的應(yīng)用場景圖，整個場景的應(yīng)用基于IEEE1888標準，IEEE 1888通過遠程網(wǎng)絡(luò)，實現(xiàn)對大范圍社區(qū)內(nèi)的耗能設(shè)施進行統(tǒng)一管理、智能控制，達到能耗監(jiān)測、能耗節(jié)約的目的。圖中遠程智慧能源管理平臺，通過IEEE 1888接入網(wǎng)關(guān)，與傳感器、計量儀表、執(zhí)行裝置連接，遠程智慧能源管理平臺通過IEEE 1888接入網(wǎng)關(guān)對網(wǎng)絡(luò)的能耗進行監(jiān)測。下面結(jié)合圖1，詳細介紹一種基于神經(jīng)網(wǎng)絡(luò)的智慧能源節(jié)能方法，如圖2所示，包括:
[0022]步驟201、獲取底層硬件的能耗數(shù)據(jù)，并將所述能耗數(shù)據(jù)發(fā)送至智慧能源管理平臺；
[0023]其中，底層硬件包括傳感器、執(zhí)行裝置、計量儀表。
[0024]步驟201具體可以包括:
[0025]步驟201-1、采集底層硬件的能耗數(shù)據(jù)；
[0026]步驟201-2、對所述能耗數(shù)據(jù)進行壓縮；
[0027]步驟201-3、將所述壓縮后的能耗數(shù)據(jù)，通過IEEE 1888數(shù)據(jù)通道加密發(fā)送至智慧能源管理平臺。
[0028]步驟202、所述智慧能源管理平臺根據(jù)底層硬件的所述能耗數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到能耗數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負載閾值，確定節(jié)能優(yōu)化策略；
[0029]其中，步驟202中，至少設(shè)置一個負載閾值。如果負載高于負載閾值，則需要對數(shù)據(jù)中心進行降負載操作；如果負載低于負載閾值，則不需要對數(shù)據(jù)中心進行節(jié)能優(yōu)化操作。
[0030]步驟202之前，包括:
[0031]將獲取的底層硬件的所述能耗數(shù)據(jù)作為LM算法的輸入，對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。
[0032]在本步驟中，數(shù)據(jù)中心采用BP神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播