← 返回列表
一种基于改进长短期记忆网络的碳排放预测方法及系统
申请人信息
- 申请人:东北大学佛山研究生创新学院
- 申请人地址:528312 广东省佛山市顺德区北滘镇碧桂园社区泮浦路1号B2栋4楼B4-04
- 发明人: 东北大学佛山研究生创新学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于改进长短期记忆网络的碳排放预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311540495.2 |
| 申请日 | 2023/11/17 |
| 公告号 | CN117540862A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06Q10/04 |
| 权利人 | 东北大学佛山研究生创新学院 |
| 发明人 | 张孝顺; 李锦诚; 郭正勋; 肖宇; 任大伟; 许文举 |
| 地址 | 广东省佛山市顺德区北滘镇碧桂园社区泮浦路1号B2栋4楼B4-04 |
摘要文本
东北大学佛山研究生创新学院取得“一种透气窗帘布”专利技术，本发明涉及能耗预测技术领域，具体涉及一种基于改进长短期记忆网络的碳排放预测方法及系统，方法包括：获取节点的训练数据，所述训练数据包括历史负荷序列和相应的碳排放因子；将LSTM网络的超参数作为贝叶斯优化的变量，根据所述训练数据对LSTM网络的超参数进行训练，并结合损失函数评估与反向传播对LSTM网络的超参数进行更新；基于高斯过程回归确定下一次迭代的采样点，并迭代训练LSTM网络的超参数，得到训练好的LSTM网络；获取实时负荷序列，利用训练好的LSTM网络在线预测与所述实时负荷序列对应的碳排放因子；本发明能够能够快速预测碳排放因子。
专利主权项内容
1.一种基于改进长短期记忆网络的碳排放预测方法，其特征在于，所述方法包括以下步骤：S100，获取节点的训练数据，所述训练数据包括历史负荷序列和相应的碳排放因子；S200，将LSTM网络的超参数作为贝叶斯优化的变量，根据所述训练数据对LSTM网络的超参数进行训练，并结合损失函数评估与反向传播对LSTM网络的超参数进行更新；S300，基于高斯过程回归确定下一次迭代的采样点，并迭代训练LSTM网络的超参数，得到训练好的LSTM网络；S400，获取实时负荷序列，利用训练好的LSTM网络在线预测与所述实时负荷序列对应的碳排放因子。