(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111517743.2 (22)申请日 2021.12.10 (71)申请人 上海电力大 学 地址 200090 上海市杨 浦区平凉 路2103号 (72)发明人 夏飞　李明特　马明　谢琪　 张传林　龚春阳　冒建亮　 (74)专利代理 机构 南京禹为知识产权代理事务 所(特殊普通 合伙) 32272 代理人 沈鑫 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 一种企业 生产系统能耗智能预测方法 (57)摘要 本发明公开了一种企业生产系统能耗智能 预测方法， 包括数据采集并对采集的数据进行处 理及分析、 建立Bi ‑LSTM网络、 建立多重 特征注意 力机制模型以及建立时序注意力机制模型。 本发 明采用引入注意力机制算 法和Bi‑LSTM算法相结 合的短期企业生产系统能耗预测模 型， 来分析企 业生产系统的能源消耗量， 从而更好地实现企业 生产系统的优化控制， 满足低碳目标下的节能减 排需求。 权利要求书4页 说明书11页 附图5页 CN 114266194 A 2022.04.01 CN 114266194 A 1.一种企业 生产系统能耗智能预测方法， 其特 征在于： 包括， 数据采集并对 采集的数据进行处 理及分析； 建立Bi‑LSTM网络； 建立多重特 征注意力机制模型； 以及 建立时序注意力机制模型。 2.如权利要求2所述的企业生产系统能耗智能预测方法， 其特征在于： 所述数据采集包 括采集气象参数数据、 企业生产参数数据， 以及企业生产系统 能源消耗真实数据， 采集间隔 时间为t， 连续数据采样过程下第n个 检测对象采集到的第i个 检测数据时间序列为： 其中， i表示检测时间； 所述对采集的数据进行处 理包括缺失值处 理和异常值处 理， 所述缺失值处 理包括： 根据判断数据是否缺失； 判断缺失数据的个数， 并根据 所述缺失数据的个数选择对数据进行剔除或这对数据进 行插值处 理； 所述异常值处 理包括对 采集的数据中不在 ±3个标准差内的数据进行异常值处 理。 3.如权利要求2所述的企业 生产系统能耗智能预测方法， 其特 征在于： 所述判断数据是否缺失的公式为： 若满足该公式， 则认为数据缺失； 所述判断缺失数据的个数包括若出现连续4个及以上的缺失数据， 则行或列对应的数 据为无效数据， 对无效数据进 行剔除， 若缺 失数据少于4个， 则对缺 失数据进 行插值处理， 所 述插值处理包括在时间i ‑1到i之间补全的空缺值个数及数值为 时间间隔为 所述空缺 值个数及数值 为公式： 其中， 表示前一时间检测数据和后一时间检测数据的平均值。 4.如权利要求3所述的企业生产系统能耗智能预测方法， 其特征在于： 经过所述缺失值 处理的数据序列为 设 若数据不在±3个标准差的范围内， 则对数据进行剔 除， 所述异常值处 理公式为： 权　利　要　求　书 1/4 页 2 CN 114266194 A 2其中， 表示该时间点检测到的对应数据。 5.如权利要求4所述的企业生产系统能耗智能预测方法， 其特征在于： 所述对采集的数 据进行分析包括利用距离相关系 数分析特征变量X与Y之间的独立性， 若距离相关系数为0 时， 说明特征变量X和 Y相互独立， 当距离相关系数越大， 说明特征变量X和 Y的相关性越强， 根据特征变量与 与企业生产系统能耗之间的相关性， 对变量进行筛 选。 6.如权利要求5所述的企业生产系统能耗智能预测方法， 其特征在于： 所述建立Bi ‑ LSTM网络包括前向层和反向层， 所述前向层和反向层提取企业生产系统 能耗序列的前向及 反向关系， 根据公式： 其中， 表示前向层第i个输入向量对应的隐层状态， 表示反向层第i个输入向量对 应的隐层状态， 输入向量 为xi。 7.如权利要求6所述的企业生产系统能耗智能预测方法， 其特征在于： 所述建立多重特 征注意力机制模型包括设置 m个企业生产参数特征和设置n个气象参数特征， 所述 企业生产 参数特征包括生产系统进 出水温度、 冷凝器进出水温度、 冷冻水供水温度和冷冻水流量， 所 述气象参数特征包括大气 压、 降水量、 室外温度、 风速等级、 室外相对湿度和太阳辐照等级， 气象参数 特征和企业 生产参数 特征在t时刻的输入序列为xat和xwt： 将t时刻的企业生产参数特征和气象参数特征分别输入到注意力机制中， 根据Bi ‑LSTM 网络中t‑1时刻的隐层单元的输出ht‑1和记忆信息st‑1， 计算当前时刻企业生产参数特征和 气象参数 特征对应的注意力权 重。 8.如权利要求7所述的企业生产系统能耗智能预测方法， 其特征在于： 所述注意力 机制 的多层感知机 权重矩阵为Ve、 We和Ue， 所述企业 生产参数 特征的注意力权 重 为： 对所述企业生产参数特征的注意力 权重进行归一化处理， 得到的企业生产参数特征权 重的注意力权 重系数 为： 权　利　要　求　书 2/4 页 3 CN 114266194 A 3