CN109858119A - 一种动态能效建模方法、装置、可读介质及电子设备 - Google Patents
一种动态能效建模方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN109858119A CN109858119A CN201910053217.1A CN201910053217A CN109858119A CN 109858119 A CN109858119 A CN 109858119A CN 201910053217 A CN201910053217 A CN 201910053217A CN 109858119 A CN109858119 A CN 109858119A
- Authority
- CN
- China
- Prior art keywords
- model
- gaussian process
- training
- data
- process model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种动态能效建模方法、装置、可读介质及电子设备,通过从设备的数据采集与监视控制系统中获取设备数据,并将数据分为训练集合测试集,训练高斯过程模型中的参数和核函数,并通过多次反复训练最终得到合适的高斯过程模型。将训练好的高斯过程模型,应用到已收集到的设备数据上,得到拟合曲线。设备的能效转化率会随着设备使用的时间增加而变化,通过不断的收集数据,重复利用高斯过程模型拟合出新的能效转化率曲线,对设备进行周期性更新。
Description
技术领域
本发明涉及设备的能效转化率算法建模技术应用领域,尤其涉及一种动态能效建模方法、装置、可读介质及电子设备。
背景技术
对于综合能源系统的建模中,需要对系统中的所有设备(如燃气内燃机、余热锅炉、蒸汽锅炉、溴冷机、光伏设备、地源热泵、风能设备、储能设备等)及网络进行建模并确定该设备在系统中的约束。对于设备建模,需要明确设备的能效转化率,才能得到更精确设备输入与输出的关系,从而获得更好的建模效果。但是设备的能效转化率不是固定值,是动态变化的数值,随着设备的负荷率(设备负荷率=当前设备负荷/设备最高负荷)的变化,而呈现不同的转化效率。通过收集大量的设备能耗,运行及出力的数据,模拟更精确的设备能效转化率曲线。
设备负荷率=当前设备负荷/设备最高负荷。设备的能效转化率是随着设备负荷率的变化而变化。数据波动剧烈,参数化方法如多项式回归应用在这里,是很难得到比较好的结果的。并且在这些点中间,有的点可能是设备不正常运行或者数据采集错误得到的,在多项式回归中,将错误的数据点进行拟合回归,会使误差增大。
现有技术中大多数的对于设备的能效转化率的求解都是使用多项式回归,其缺点主要为:
1.当收齐设备的数据较少时或收集过程中数据发生错误,回归的效果比较差;
2.当使用低阶多项式回归时,回归效果比较差;
3.当使用高阶多项式回归时,容易出现过拟合,导致增加拟合时间成本或拟合曲线不准确;
4.设备在从启动到平稳运行或运行不正常时,数据会出现较大波动,多项式拟合很难在数据波动较大时得到较好结果。
发明内容
本发明提供一种动态能效建模方法、装置、可读介质及电子设备,本发明通过从scada(数据采集与监视控制系统)获取数据,并将数据分为训练集合测试集,训练高斯过程模型中的参数和核函数,并通过多次反复训练最终得到合适的参数和核函数,确定高斯过程模型。将训练好的标准高斯过程模型,应用到已收集到的设备数据上,得到拟合曲线。设备的能效转化率会随着设备使用的时间增加而变化,通过不断的收集数据,重复利用标准高斯过程模型拟合出新的能效转化率曲线,对设备进行周期性更新。
第一方面,本发明提供了一种动态能效建模方法,包括:
采集设备数据;
对所述设备数据进行分类处理,得到测试集和训练集;
根据所述测试集和训练集训练参数及核函数,得到高斯过程模型;
验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型;
根据所述标准高斯过程模型构建设备模型。
优选地,
所述采集设备数据包括:
配置设备模型中的设备编号和设备种类,以确定为配置结果;
根据所述配置结果分别获取设备数据,所述设备数据包括:设备的运行数据、输入数据和输出数据。
优选地,
所述根据所述测试集和训练集训练参数及核函数,得到高斯过程模型,包括:
利用多组测试集和训练集,分别训练高斯过程模型中的参数及核函数;
判断每一次训练得到的参数及核函数与上一次训练得到的参数及核函数相比,是否发生变动;
如果训练得到的参数及核函数发生变动,则继续进行训练;
如果训练得到的参数及核函数不再发生变动,则停止训练,得到适合的高斯过程模型。
优选地,
所述验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型,包括:
将所述设备数据代入所述训练后的高斯过程模型中,得到动态能效转化率的拟合曲线;
根据高斯过程模型画出所述拟合曲线的置信区间;
判断所述设备数据是否落在所述置信区间中;
如果落在置信区间中的设备数据量超过采集到的总设备数据量的95%,则所述高斯过程模型的准确性验证通过,得到标准高斯过程模型;否则所述高斯过程模型的准确性验证不通过。
优选地,
所述根据所述标准高斯过程模型构建设备模型,包括:
根据标准高斯过程模型获得设备数据的动态能效转化率拟合曲线;
根据所述动态能效转化率拟合曲线获取设备的输出输入关系;
根据设备的输出输入关系构建设备模型。
优选地,
所述根据所述标准高斯过程模型构建设备模型,还包括:
设置设备模型更新周期;
在一个周期开始时,采集上一个周期内的更新设备数据;
根据标准高斯过程模型获得更新设备数据的动态能效转化率拟合曲线,用于更新设备模型。
第二方面,本发明提供了一种动态能效建模装置,包括:
数据采集模块,用于采集设备数据;
数据处理模块,用于对所述设备数据进行分类处理,得到测试集和训练集;
模型训练模块,用于根据所述测试集和训练集训练参数及核函数,得到高斯过程模型;
模型验证模块,用于验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型;
设备模型构建模块,用于根据所述标准高斯过程模型构建设备模型。
优选地,
所述数据采集模块与设备的数据采集与监视控制系统实现通信连接,通过数据采集与监视控制系统获取设备数据。
第三方面,本发明提供了一种可读介质,包括执行指令,当电子设备的处理器执行所述指令时,所述电子设备执行如第一方面中任一所述的方法。
第四方面,本发明提供了一种电子设备,包括:处理器、存储器和总线;所述存储器用于存储执行指令所述处理器与所述存储器通过所述总线连接,当所述电子设备运行时,所述处理器执行所述存储器的所述执行指令,以使所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种动态能效建模方法、装置、可读介质及电子设备,通过从scada(数据采集与监视控制系统)获取数据,并将数据分为训练集合测试集,训练高斯过程模型中的参数和核函数,并通过多次反复训练最终得到合适的参数和核函数,确定高斯过程模型。将训练好的高斯过程模型,应用到已收集到的设备数据上,得到拟合曲线。设备的能效转化率会随着设备使用的时间增加而变化,通过不断的收集数据,利用高斯过程模型拟合出新的能效转化率曲线,使设备模型同时具备学习和更新的功能。同时本发明能够克服多项式回归的缺点,获得更好的拟合效果,通过拟合曲线可以区分出数据错误或者设备不正常运行所产生的极端错误数据,提高模型的准确性。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种动态能效建模方法流程示意图;
图2为本发明一实施例提供的一种动态能效建模装置的结构示意图;
图3为本发明一实施例提供的一种电子设备示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种动态能效建模方法,包括
S101.采集设备数据;
S102.对所述设备数据进行分类处理,得到测试集和训练集;
S103.根据所述测试集和训练集训练参数及核函数,得到高斯过程模型;
S104.验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型;
S105.根据所述标准高斯过程模型构建设备模型。
如图1所示的实施例,本发明通过高斯过程回归得到拟合设备模型,具体的,为了得到比较好的拟合模型,从scada(数据采集与监视控制系统)获取设备数据,并将数据分为训练集合测试集,训练参数和核函数,得到高斯过程模型,并通过准确性验证得到合适的确定的标准高斯过程模型。将训练好的标准高斯过程模型,应用到已收集到的设备数据上,构建综合能源设备模型。
如图1所示,本发明通过与设备的数据采集与监视控制系统实现通信连接进行数据传输,获取来自设备数据采集与监视控制系统的设备数据。具体的,S101中采集设备数据包括:
S111.根据需要建立的综合能源系统设备模型,配置设备模型中的设备编号和设备种类,以确定为配置结果。
S112.根据所述配置结果分别获取设备数据,具体的从设备的数据采集与监视控制系统中获取模型中设备的运行数据、输入数据和输出数据。
在一个优选地实施例中S102中对设备数据进行分类处理,为了模型训练结果的准确性,从S101中采集设备的运行数据、输入数据和输出数据中,随机抽取40%的设备数据作为测试集,60%的设备数据作为训练集。根据处理之后的测试集和训练集训练参数及核函数,得到高斯过程模型,具体地,步骤103包括:
对所述设备数据进行若干次随机分类,得到多组不同的测试集和训练集,利用多组测试集和训练集,分别训练高斯过程模型中的参数及核函数,判断每一次训练得到的参数及核函数与上一次训练得到的参数及核函数相比,是否发生变动:如果训练得到的参数及核函数发生变动,则继续进行训练;如果训练得到的参数及核函数不再发生变动,则停止训练,得到适合的高斯过程模型。
训练后得到的高斯过程模型需要进行准确性验证,进而得到标准高斯过程模型,S104验证高斯过程模型准确性的过程包括:将设备数据代入训练后的高斯过程模型中,根据高斯过程模型画出拟合曲线的置信区间,判断所述设备数据是否落在所述置信区间中:如果落在置信区间中的设备数据量超过采集到的总设备数据量的95%,则所述高斯过程模型的准确性验证通过,得到标准高斯过程模型;否则所述高斯过程模型的准确性验证不通过。对于验证不通过的高斯过程模型,重新获取测试集和训练集进行训练。
将验证后的标准高斯过程模型用于设备数据中,并画出拟合曲线,曲线即为设备的动态能效转化率,同时根据动态能效转化率对设备建模(即构建设备的输入输出关系模型),最终得到设备模型。具体的,S105根据所述标准高斯过程模型构建设备模型,包括:根据标准高斯过程模型获得设备数据的动态能效转化率拟合曲线;根据所述动态能效转化率拟合曲线获取设备的输出输入关系;根据设备的输出输入关系构建设备模型。
随着设备使用时间增加,动态能效转化率也在发生变化,需要定期收集设备相关数据,利用标准高斯过程模型,得到新的能效转化率拟合曲线,将其在设备模型中更新,建立新的设备的输入输出关系模型。在一个可行的实施例中,S105根据所述标准高斯过程模型构建设备模型,还包括:设置设备模型更新周期;在一个周期开始时,采集上一个周期内的更新设备数据;根据标准高斯过程模型获得更新设备数据的动态能效转化率拟合曲线,根据新的动态能效转化率拟合曲线同步更新设备的输出输入关系模型;根据新的动态能效转化率拟合曲线同步更新设备模型。
基于与本发明方法实施例相同的构思,请参考图2,本发明实施例提供了动态能效建模装置,包括:
数据采集模块201,用于采集设备数据。
在一个具体的可行实施例中,数据采集模块201与综合能源利用系统中设备的数据采集与监视控制系统实现通信连接,通过数据采集与监视控制系统获取设备数据。
数据处理模块202,用于对所述设备数据进行分类处理,得到测试集和训练集。
模型训练模块203,用于根据所述测试集和训练集训练参数及核函数,得到高斯过程模型。
模型验证模块204,用于验证训练后的高斯过程模型的准确性,得到标准高斯过程模型。
设备模型构建模块205,用于根据所述标准高斯过程模型构建设备模型。
图3是本发明的一个实施例电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-AccessMemory,RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(IndustryStandardArchitecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,也可从其它设备上获取相应的计算机程序,以在逻辑层面上形成动态能效建模装置。处理器,执行存储器所存放的程序,以通过执行的程序实现本发明任一实施例中提供的动态能效建模方法。
上述如本发明图2所示实施例提供的动态能效建模装置所执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行本发明任一实施例中提供的动态能效建模方法。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元或模块分别描述。当然,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种动态能效建模方法,其特征在于,包括:
采集设备数据;
对所述设备数据进行分类处理,得到测试集和训练集;
根据所述测试集和训练集训练参数及核函数,得到高斯过程模型;
验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型;
根据所述标准高斯过程模型构建设备模型。
2.根据权利要求1所述的动态能效建模方法,其特征在于,所述采集设备数据包括:
配置设备模型中的设备编号和设备种类,以确定为配置结果;
根据所述配置结果分别获取设备数据,所述设备数据包括:设备的运行数据、输入数据和输出数据。
3.根据权利要求1所述的动态能效建模方法,其特征在于,所述根据所述测试集和训练集训练参数及核函数,得到高斯过程模型,包括:
利用多组测试集和训练集,分别训练高斯过程模型中的参数及核函数;
判断每一次训练得到的参数及核函数与上一次训练得到的参数及核函数相比,是否发生变动;
如果训练得到的参数及核函数发生变动,则继续进行训练;
如果训练得到的参数及核函数不再发生变动,则停止训练,得到适合的高斯过程模型。
4.根据权利要求1所述的动态能效建模方法,其特征在于,所述验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型,包括:
将所述设备数据代入所述训练后的高斯过程模型中,得到动态能效转化率的拟合曲线;
根据高斯过程模型画出所述拟合曲线的置信区间;
判断所述设备数据是否落在所述置信区间中;
如果落在置信区间中的设备数据量超过采集到的总设备数据量的95%,则所述高斯过程模型的准确性验证通过,得到标准高斯过程模型。
5.根据权利要求1所述的动态能效建模方法,其特征在于,所述根据所述标准高斯过程模型构建设备模型,包括:
根据标准高斯过程模型获得设备数据的动态能效转化率拟合曲线;
根据所述动态能效转化率拟合曲线获取设备的输出输入关系;
根据设备的输出输入关系构建设备模型。
6.根据权利要求5所述的动态能效建模方法,其特征在于,所述根据所述标准高斯过程模型构建设备模型,还包括:
设置设备模型更新周期;
在一个周期开始时,采集上一个周期内的更新设备数据;
根据标准高斯过程模型获得更新设备数据的动态能效转化率拟合曲线,用于更新设备模型。
7.一种动态能效建模装置,其特征在于,所述装置包括:
数据采集模块,用于采集设备数据;
数据处理模块,用于对所述设备数据进行分类处理,得到测试集和训练集;
模型训练模块,用于根据所述测试集和训练集训练参数及核函数,得到高斯过程模型;
模型验证模块,用于验证训练后得到的所述高斯过程模型的准确性,得到标准高斯过程模型;
设备模型构建模块,用于根据所述标准高斯过程模型构建设备模型。
8.根据权利要求7所述的一种动态能效建模装置,其特征在于,所述数据采集模块与设备的数据采集与监视控制系统实现通信连接,通过数据采集与监视控制系统获取设备数据。
9.一种可读介质,包括执行指令,当电子设备的处理器执行所述指令时,所述电子设备执行如权利要求1至6中任一所述的方法。
10.一种电子设备,包括:处理器、存储器和总线;所述存储器用于存储执行指令所述处理器与所述存储器通过所述总线连接,当所述电子设备运行时,所述处理器执行所述存储器的所述执行指令,以使所述处理器执行如权利要求1至6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910053217.1A CN109858119B (zh) | 2019-01-21 | 2019-01-21 | 一种动态能效建模方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910053217.1A CN109858119B (zh) | 2019-01-21 | 2019-01-21 | 一种动态能效建模方法、装置、可读介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858119A true CN109858119A (zh) | 2019-06-07 |
CN109858119B CN109858119B (zh) | 2022-11-29 |
Family
ID=66895398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910053217.1A Active CN109858119B (zh) | 2019-01-21 | 2019-01-21 | 一种动态能效建模方法、装置、可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858119B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390999A (zh) * | 2019-06-10 | 2019-10-29 | 南京医基云医疗数据研究院有限公司 | 一种临床数据的值域计算方法、装置、可读介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185393A1 (en) * | 2009-01-19 | 2010-07-22 | Schlumberger Technology Corporation | Estimating petrophysical parameters and invasion profile using joint induction and pressure data inversion approach |
CN103499511A (zh) * | 2013-10-16 | 2014-01-08 | 南京林业大学 | 基于多阶段热分析动力学模型预测沥青燃烧过程的方法 |
CN105933971A (zh) * | 2016-05-16 | 2016-09-07 | 重庆邮电大学 | 一种适用于大规模多输入多输出系统的能效优化方法 |
CN107679892A (zh) * | 2017-09-15 | 2018-02-09 | 晶赞广告(上海)有限公司 | 用于dsp的出价方法及装置、可读存储介质、终端 |
-
2019
- 2019-01-21 CN CN201910053217.1A patent/CN109858119B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185393A1 (en) * | 2009-01-19 | 2010-07-22 | Schlumberger Technology Corporation | Estimating petrophysical parameters and invasion profile using joint induction and pressure data inversion approach |
CN103499511A (zh) * | 2013-10-16 | 2014-01-08 | 南京林业大学 | 基于多阶段热分析动力学模型预测沥青燃烧过程的方法 |
CN105933971A (zh) * | 2016-05-16 | 2016-09-07 | 重庆邮电大学 | 一种适用于大规模多输入多输出系统的能效优化方法 |
CN107679892A (zh) * | 2017-09-15 | 2018-02-09 | 晶赞广告(上海)有限公司 | 用于dsp的出价方法及装置、可读存储介质、终端 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390999A (zh) * | 2019-06-10 | 2019-10-29 | 南京医基云医疗数据研究院有限公司 | 一种临床数据的值域计算方法、装置、可读介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109858119B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Probabilistic short-term wind power forecast using componential sparse Bayesian learning | |
CN109858136A (zh) | 一种燃气锅炉效率的确定方法和装置 | |
CN108460523A (zh) | 一种风控规则生成方法和装置 | |
CN109857984A (zh) | 一种锅炉负荷率-效能曲线的回归方法和装置 | |
CN109525441A (zh) | 一种区块链网络链外数据上链方法和装置 | |
CN110245980A (zh) | 基于神经网络模型确定目标用户激励形式的方法和设备 | |
CN109117595A (zh) | 一种热负荷预测方法、装置、可读介质及电子设备 | |
CN108846097A (zh) | 用户的兴趣标签表示方法、文章推荐方法、及装置、设备 | |
CN102738792B (zh) | 一种风电功率预测方法 | |
CN109254986A (zh) | 一种异常数据的确定方法及装置 | |
CN102722610A (zh) | 一种由流程图自动产生覆盖率代码的方法及装置 | |
CN109687529A (zh) | 一种能源调度方法、装置、可读介质及电子设备 | |
CN111177128B (zh) | 基于改进的离群点检测算法的计量大数据批量处理方法及系统 | |
CN109858119A (zh) | 一种动态能效建模方法、装置、可读介质及电子设备 | |
CN109812794A (zh) | 一种锅炉排污时间间隔的设定方法及装置 | |
CN113807705A (zh) | 数字孪生运行驱动的配电网规划方法、装置及终端 | |
CN107301499A (zh) | 一种基于ami数据的配电馈线统计线损率数据清洗方法 | |
CN109582834A (zh) | 数据风险预测方法及装置 | |
CN109886531A (zh) | 一种计算设备能效的方法、装置、可读介质及电子设备 | |
CN116109019A (zh) | 一种基于随机森林的气井日产气量预测方法及设备 | |
CN110288250A (zh) | 电价的定价方法、装置、可读介质及电子设备 | |
CN110276501A (zh) | 短期电力交易市场的电价的预测方法及装置 | |
CN102467547A (zh) | 历史数据存储方法及装置 | |
CN110138720A (zh) | 网络流量的异常分类检测方法、装置、存储介质和处理器 | |
CN110008386A (zh) | 一种数据生成、处理、评价方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |