多工况生产过程下的即时学习能耗预测建模方法

多工况生产过程下的即时学习能耗预测建模方法
卫升;王艳;纪志成
【期刊名称】《系统仿真学报》
【年(卷),期】2024(36)6
【摘要】针对全局能耗预测模型只适用于部分预测样本且模型计算量大的问题,引入即时学习思想,采用局部加权偏最小二乘法结合能耗模型建立临时局部能耗预测模型;改进粒子群算法的惯性权重,考虑粒子适应度、迭代次数和种群大小对粒子群算法收敛速度和收敛精度的影响,提出一种非线性变化的自适应惯性权重策略,离线计算阶段使用改进的粒子群算法(adaptive PSO,APSO)对历史样本的带宽参数进行寻优,当预测样本到来时在线更新局部模型。

考虑多工况生产场景下不同工况样本之间的能耗差异性所导致的预测误差,增加工况相似性度量过程,提出局部加权偏最小二乘算法与K-means算法相结合的APSO-JITL(just-in-time learning)-CLWPLS(cluster locally weighted partial least squares)能耗预测建模方法,在预测时选取同一工况的历史样本来设计预测样本的带宽参数。

通过仿真实验验证了算法有着更高的预测精度且能更好地应对多工况生产场景。

【总页数】14页(P1378-1391)
【作者】卫升;王艳;纪志成
【作者单位】江南大学物联网工程学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于相似工况组合权重的空调能耗预测方法
2.油气生产过程综合能耗混合建模方法
3.基于即时学习差异化建模的用电量预测方法
4.观察复方倍他米松并白芍总苷治疗糜烂型口腔扁平苔藓的应用疗效
5.小数据场景下基于迁移学习与BiLSTM的建筑能耗预测方法
因版权原因，仅展示原文概要，查看原文内容请购买。