买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京中能北方科技股份有限公司

摘要：本申请实施例提供的基于机器学习的供热数据优化方法、装置及设备，鉴于优化后的联动特征工程拓扑网中具有隐含传递拓扑指针，换言之，包含有多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略之间更深的传递牵涉情况，因此，优化后的联动特征工程拓扑网对于多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略的细节输出更为完整准确。在联动特征工程拓扑网包含的细节尽可能完整准确的前提下，进一步基于各个待处理供热优化可视策略基于联动特征工程拓扑网分别得到的供热策略匹配观点，从多个待处理供热优化可视策略中确定出来的作为最适供热优化可视策略的待处理供热优化可视策略更为合理。

主权项：1.一种基于机器学习的供热数据优化方法，其特征在于，应用于供热数据优化设备，所述方法包括：获取结合多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略生成的联动特征工程拓扑网，所述联动特征工程拓扑网中包括最少两个AI特征成员以及最少一条与所述AI特征成员相连接的传递拓扑指针，所述AI特征成员表征所述多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略中的图像描述信息，所述传递拓扑指针表征所述图像描述信息之间的上下游传导特征；基于所述联动特征工程拓扑网，确定所述联动特征工程拓扑网对应的建模预测执行拓扑，所述建模预测执行拓扑用于反映所述联动特征工程拓扑网中任意两个AI特征成员之间存在隐含传递拓扑指针的置信系数，所述隐含传递拓扑指针表征基于所述联动特征工程拓扑网中AI特征成员与传递拓扑指针的前后序牵涉向量而挖掘所得的传递拓扑指针；基于所述建模预测执行拓扑对所述联动特征工程拓扑网进行优化，得到优化后的联动特征工程拓扑网；依据所述多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略，以及所述优化后的联动特征工程拓扑网，确定所述待处理供热优化可视策略对应的供热策略匹配观点，所述供热策略匹配观点用于表征所述待处理供热优化可视策略是所述供热优化请求任务对应的最适供热优化可视策略的置信系数；基于所述供热优化请求任务对应的最少一个待处理供热优化可视策略分别对应的供热策略匹配观点，从所述最少一个待处理供热优化可视策略中确定所述供热优化请求任务对应的最适供热优化可视策略；所述基于所述联动特征工程拓扑网，确定所述联动特征工程拓扑网对应的建模预测执行拓扑，包括：基于所述联动特征工程拓扑网中包括的传递拓扑指针，输出所述联动特征工程拓扑网对应的全局量化传递列表，所述全局量化传递列表用于量化输出所述联动特征工程拓扑网中包括的传递拓扑指针；基于所述全局量化传递列表和可信因子列表，得到原始的建模预测特征列表；对所述原始的建模预测特征列表进行最少一次循环优化，得到最少一个优化后的建模预测特征列表，每个所述优化后的建模预测特征列表用于量化输出所述联动特征工程拓扑网对应的建模预测执行拓扑；其中，所述联动特征工程拓扑网中包括如下至少一种种类的传递拓扑指针：存在表层牵涉要素的传递拓扑指针、存在衍生牵涉要素的传递拓扑指针、存在特征交叉的传递拓扑指针；所述基于所述联动特征工程拓扑网中包括的传递拓扑指针，输出所述联动特征工程拓扑网对应的全局量化传递列表，包括：输出每一种种类的传递拓扑指针对应的多维特征列表，所述多维特征列表中的每一个列表单元用于反映两个AI特征成员之间是否存在所述种类的传递拓扑指针，所述多维特征列表的尺寸为P*P，P表示所述联动特征工程拓扑网中AI特征成员的个数，P为正整数；基于所述联动特征工程拓扑网中包括的各个种类的传递拓扑指针分别对应的多维特征列表，输出所述联动特征工程拓扑网对应的全局量化传递列表；其中，所述基于所述全局量化传递列表和可信因子列表，得到原始的建模预测特征列表，包括：从符合预设统计学条件的量化约束象限中，任意抽取量化值生成所述可信因子列表；通过区间变量值映射算法对所述可信因子列表进行处理，得到完成区间变量值映射的可信因子列表；将所述全局量化传递列表与所述完成区间变量值映射的可信因子列表进行加权，得到所述原始的建模预测特征列表；其中，所述对所述原始的建模预测特征列表进行最少一次循环优化，得到最少一个优化后的建模预测特征列表，包括：在第u次循环优化的过程中，将第u-1次循环优化得到的优化后的建模预测特征列表，与所述原始的建模预测特征列表进行加权，得到所述第u次循环优化得到的优化后的建模预测特征列表；其中，u为正整数，当u＝1时，所述第u-1次循环优化得到的优化后的建模预测特征列表为所述原始的建模预测特征列表；所述基于所述建模预测执行拓扑对所述联动特征工程拓扑网进行优化，得到优化后的联动特征工程拓扑网，包括：对于每一个优化后的建模预测特征列表，将所述优化后的建模预测特征列表中列表值不小于门限值的列表单元配置成第一变量值，列表值小于所述门限值的列表单元配置成第二变量值，得到所述优化后的建模预测特征列表对应的变量特征列表；在所述变量特征列表中每一个列表值为所述第一变量值的列表单元所对应的两个AI特征成员之间，增设所述隐含传递拓扑指针，得到所述优化后的联动特征工程拓扑网；所述依据所述多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略，以及所述优化后的联动特征工程拓扑网，确定所述待处理供热优化可视策略对应的供热策略匹配观点，包括：通过深度残差学习模型挖掘所述多源供热系统状态数据、供热优化请求任务和待处理供热优化可视策略中各个图像信息块分别对应的图像描述向量；基于所述各个图像信息块分别对应的图像描述向量以及所述联动特征工程拓扑网中的各个AI特征成员分别对应的图像描述信息，确定所述联动特征工程拓扑网中各个AI特征成员分别对应的初始图像描述向量，每一个图像描述信息中包括最少一个图像信息块；通过空洞卷积模型基于所述优化后的联动特征工程拓扑网以及所述联动特征工程拓扑网中各个AI特征成员分别对应的初始图像描述向量，确定所述联动特征工程拓扑网中各个AI特征成员分别对应的优化后图像描述向量；通过图像描述强化模型基于所述联动特征工程拓扑网中各个AI特征成员分别对应的优化后图像描述向量，对所述各个图像信息块分别对应的图像描述向量进行优化，得到所述各个图像信息块分别对应的优化后图像描述向量；基于所述各个图像信息块分别对应的优化后图像描述向量，确定所述多源供热系统状态数据以及所述待处理供热优化可视策略分别对应的图像描述向量；通过策略匹配处理模型基于所述多源供热系统状态数据以及所述待处理供热优化可视策略分别对应的图像描述向量，确定所述待处理供热优化可视策略是所述供热优化请求任务对应的最适供热优化可视策略的可信评分值，并将所述可信评分值作为所述待处理供热优化可视策略对应的供热策略匹配观点。

全文数据：

权利要求：

百度查询： 北京中能北方科技股份有限公司 基于机器学习的供热数据优化方法、装置及设备