龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：青岛安装建设股份有限公司
摘要：本发明涉及电气负荷预测领域，尤其涉及一种基于深度学习的建筑电气负荷预测方法及系统。该方法包括以下步骤：获取用电设备运行参数及建筑人流量监控参数；基于传感器识别建筑内用电设备，标记建筑用电设备节点；对建筑用电设备节点进行空间拓扑位面重构，构建用电设备空间拓扑网络；对用电设备运行参数进行多尺度时频分解，生成多时频频域段；对多时频频域段进行频率能量分布分析，生成时频分布特征；对用电设备运行参数进行时序电压特征抽取处理，生成时序电压特征序列；基于时频分布特征对时序电压特征序列进行多时段趋势演化，生成多时段负载趋势特征数据。本发明实现了高精度、自适应能力强的建筑电气负荷预测。
主权项：1.一种基于深度学习的建筑电气负荷预测方法，其特征在于，包括以下步骤：步骤S1：获取用电设备运行参数及建筑人流量监控参数；基于传感器识别建筑内用电设备，标记建筑用电设备节点；对建筑用电设备节点进行空间拓扑位面重构，构建用电设备空间拓扑网络；步骤S2：对用电设备运行参数进行多尺度时频分解，生成多时频频域段；对多时频频域段进行频率能量分布分析，生成时频分布特征；步骤S3：对用电设备运行参数进行时序电压特征抽取处理，生成时序电压特征序列；基于时频分布特征对时序电压特征序列进行多时段趋势演化，生成多时段负载趋势特征数据；步骤S4：基于建筑人流量监控参数得到行人动态轨迹；基于用电设备空间拓扑网络对行人动态轨迹进行空间用电负载需求计算，从而得到各区域空间用电需求数据；步骤S5：利用多时段负载趋势特征数据及各区域空间用电需求数据对用电设备空间拓扑网络进行动态负载多时步预测，生成区域多时步负载预测数据；步骤S6：对区域多时步负载预测数据进行深层负载预测学习，构建深层负载预测模型；以执行建筑电气负荷预测作业。
全文数据：
权利要求：
百度查询： 青岛安装建设股份有限公司 一种基于深度学习的建筑电气负荷预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号