← 返回列表

基于人工智能的碳排放优化控制方法及系统

申请号: CN202410178414.7
申请人: 广州市威士丹利智能科技有限公司
更新日期: 2026-03-17

专利详细信息

项目 内容
专利名称 基于人工智能的碳排放优化控制方法及系统
专利类型 发明申请
申请号 CN202410178414.7
申请日 2024/2/9
公告号 CN117742160A
公开日 2024/3/22
IPC主分类号 G05B13/04
权利人 广州市威士丹利智能科技有限公司
发明人 陈志雄; 胡小萍; 陈俊文
地址 广东省广州市黄埔区科学大道18号A栋801房, A栋802房

摘要文本

本申请实施例提供一种基于人工智能的碳排放优化控制方法及系统,通过采用第一融合神经网络和利用样例碳排放监测数据序列,能够有效地从历史数据中学习和挖掘出有用的优化控制策略。其次,利用神经网络间的依赖信息,可以更好地理解和揭示不同神经网络之间的决策区别,从而使得网络参数学习和融合训练误差的调整更为精确。最后,通过精简调优,可以优化神经网络的配置量,降低计算复杂度,提高网络的运行效率,降低了计算资源的消耗。最终生成的目标融合神经网络能够针对目标碳排放源进行高效、准确的碳排放优化控制决策,实现了对碳排放优化控制决策过程的智能化和自动化,提高了决策的准确性和效率。

专利主权项内容

1.一种基于人工智能的碳排放优化控制方法,其特征在于,应用于碳排放优化决策系统,所述方法包括:获取第一融合神经网络和第一样例碳排放监测数据序列,所述第一样例碳排放监测数据序列包含多个样例碳排放监测数据及所述样例碳排放监测数据的样例优化控制策略;所述第一融合神经网络中汇聚有一个或多个第一碳排放优化控制网络;获取所述一个或多个第一碳排放优化控制网络之间的依赖信息;所述依赖信息反映所述一个或多个第一碳排放优化控制网络之间的网络决策区别;依据所述第一样例碳排放监测数据序列,对所述第一融合神经网络中的各第一碳排放优化控制网络进行网络参数学习,并在网络参数学习过程中基于所述依赖信息调整所述第一融合神经网络的融合训练误差,生成第二融合神经网络;所述第二融合神经网络中包括一个或多个第二碳排放优化控制网络;对所述第二融合神经网络进行精简调优,生成目标融合神经网络;所述精简调优用于优化所述第二融合神经网络中的第二碳排放优化控制网络的配置量;所述目标融合神经网络用于对目标碳排放源进行碳排放优化控制决策。