JP7426992B2 - 熱負荷予測方法、装置、読み取り可能な媒体及び電子機器 - Google Patents

熱負荷予測方法、装置、読み取り可能な媒体及び電子機器 Download PDF

Info

Publication number
JP7426992B2
JP7426992B2 JP2021514404A JP2021514404A JP7426992B2 JP 7426992 B2 JP7426992 B2 JP 7426992B2 JP 2021514404 A JP2021514404 A JP 2021514404A JP 2021514404 A JP2021514404 A JP 2021514404A JP 7426992 B2 JP7426992 B2 JP 7426992B2
Authority
JP
Japan
Prior art keywords
state
heat load
steam
predicted
future time
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.)
Active
Application number
JP2021514404A
Other languages
English (en)
Other versions
JP2022500768A (ja
Inventor
勝偉 劉
信 黄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ennew Digital Technology Co Ltd
Original Assignee
Ennew Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ennew Digital Technology Co Ltd filed Critical Ennew Digital Technology Co Ltd
Publication of JP2022500768A publication Critical patent/JP2022500768A/ja
Application granted granted Critical
Publication of JP7426992B2 publication Critical patent/JP7426992B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Description

本発明は電気工学技術分野に関し、特に熱負荷予測方法、装置、読み取り可能な媒体及び電子機器に関する。
蒸気装置の蒸気に対する効率的なスケジューリングを達成するために、一般的に、蒸気利用者が様々な未来の時間帯に蒸気を使用する際に対応する熱負荷を予測する必要がある。
現在、一般的には、蒸気利用者が様々な未来の時間帯に蒸気機器の蒸気を使用する時にそれぞれ対応する熱負荷レベルを、自己回帰積分スライド平均モデル（Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｉｎｔｅｇｒａｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ Ｍｏｄｅｌ，ＡＲＩＭＡモデル）で予測する。
ＡＲＩＭＡモデルは、蒸気利用者が様々な未来の時間帯に蒸気を使用する時に対応する熱負荷レベルのみを予測できる場合、つまり１つの具体的な値を予測するようになり、複数の連続する過去時間帯にわたって蒸気機器の蒸気を不規則的に使用した蒸気利用者にとって、その予測される１つ以上の熱負荷レベルと、当該蒸気利用者が対応する未来の時間帯に蒸気機器の蒸気を実際的に使用する際に対応する現在の熱負荷レベルとの間に、大きな差がある可能性があり、シングルポイント誤差が大きすぎる現象が発生してしまい、後工程で蒸気機器の蒸気を効率的にスケジューリングすることができなくなる。
本発明は、フォローアッププロセスで、蒸気機器の蒸気をより効率的にスケジューリングするために、蒸気利用者が各未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する熱負荷区間の予測を実現することができる熱負荷予測方法、装置、読取可能な媒体及び電子機器を提供する。
第１形態で、本発明は、
複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成するステップと、
前記予測モデルを呼び出して、前記対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測するステップと、
各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記テスト時間帯にそれぞれ対応する相対予測誤差を決定するステップと、
各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するステップと、
前記予測モデルを呼び出して、前記対象利用者が各前記未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測するステップと、
前記未来時間帯ごとに、前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップと、
を含む熱負荷予測方法を提供する。
好ましくは、
各前記テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記各テスト時間帯にそれぞれ対応する相対予測誤差を決定するステップは、
前記対象蒸気利用者が、各前記テスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する実際の熱負荷レベルを取得するステップと、
各前記テスト時間帯にそれぞれ対応する相対予測誤差が、下記の式１により算出されるステップと、
を含む。
（ただし、Ｅｉは、ｉ番目のテスト時間帯に対応する相対予測誤差を表し、Ｆｉは、ｉ番目のテスト時間帯に対応する実際の熱負荷レベルを表し、ｆｉは、ｉ番目のテスト時間帯に対応する第１熱負荷レベルを表す。）
好ましくは、
各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するステップは、
各前記テスト時間帯にそれぞれ対応する相対予測誤差と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記テスト時間帯のそれぞれに対応する信頼可能予測状態を決定するステップと、
隣接する２つの前記テスト時間帯毎にそれぞれ対応する信頼可能予測状態に基づいて、各予測状態遷移タイプにそれぞれ対応する状態遷移回数を決定するステップと、
前記状態遷移タイプ毎にそれぞれ対応する状態遷移回数に基づいて、前記状態遷移タイプ毎にそれぞれ対応する状態遷移確率を決定するステップと、
前記状態遷移タイプ毎にそれぞれ対応する状態遷移確率により、状態遷移確率行列が構成されるステップと、
現在の時間帯の各前記予測状態に対する初期確率行列を決定するステップと、
前記初期確率行列及び前記状態遷移確率行列に基づいて、各前記予測状態に対する各未来時間帯の信頼確率を決定するステップと、
を含む。
好ましくは、
前記初期確率行列及び前記状態遷移確率行列に基づいて、各前記予測状態に対する各未来時間帯の信頼確率を決定するステップは、
各前記予測状態に対する各未来時間帯の信頼確率行列が、以下の式２により算出されるステップと、
Ｘ（ｎ）＝Ｘ（０）＊Ｐｎ （２）
（ただし、Ｘ（ｎ）は、現在の時間帯の締切時点を開始時点とするｎ番目の未来時間帯の、各前記予測状態に対する信頼確率行列を表し、Ｘ（０）は、現在の時間帯に対応する初期確率行列を表し、Ｐは前記状態遷移確率行列を表す）
前記未来時間帯毎に、前記未来時間帯に対応する信頼確率行列から、各前記予測状態に対する前記未来時間帯の信頼確率を抽出するステップと、
を含む。
好ましくは、
前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップは、
各前記予測状態に対する前記未来時間帯の信頼確率から、最大信頼確率を決定するステップと、
前記最大信頼確率に対応する予測状態を対象予測状態として決定するステップと、
前記対象予測状態に対応する誤差閾値と、前記未来時間帯に対応する第２熱負荷レベルとに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップと、
を含む。
好ましくは、
前記対象予測状態に対応する誤差閾値と、前記未来時間帯に対応する第２熱負荷レベルとに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップは、
前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する上クリティカル値及びクリティカル値が、下記の式３により算出されるステップと、
ｙ＝Ｙ／（１＋ｅ） （３）
（ただし、ｙは、前記未来時間帯に対応する上クリティカル値又は下クリティカル値を表し、Ｙは、前記未来時間帯に対応する第２熱負荷レベルを表し、ｅは、前記対象予測状態に対応する誤差閾値の上極値又は下極値を表す。）
前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を、前記上クリティカル値及び前記下クリティカル値に基づいて決定するステップと、
を含む。
好ましくは、
前記複数の予測状態は、具体的に、極度過大評価状態と、過大評価状態と、正常状態と、過小評価状態と、極度過小評価状態とを含み、
前記極度過大評価状態に対応する誤差閾値は具体的に１０％超であり、前記過大評価状態に対応する誤差閾値は、具体的に５％超１０％以下であり、
前記正常状態に対応する誤差閾値は、具体的に－５％以上５％以下であり、
前記過小評価状態に対応する誤差閾値は、具体的に－１０％以上－５％未満であり、
前記極度過小評価状態に対応する誤差閾値は、具体的に－１０％未満である。
第２形態で、本発明は、
複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成するための前処理モジュールと、
前記予測モデルを呼び出して、前記対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測し、前記予測モデルを呼び出して、前記対象蒸気利用者が各前記未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測するためのモデル呼出モジュールと、
各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記テスト時間帯にそれぞれ対応する相対予測誤差を決定するための誤差処理モジュールと、
各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するための状態確率決定モジュールと、
前記未来時間帯ごとに、前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するための熱負荷予測モジュールと、
を含む熱負荷予測装置を提供する。
第３形態で、本発明は、
実行命令を備え、電子機器のプロセッサが前記実行命令を実行する際に、前記電子機器が、第１形態におけるいずれか一項に記載の方法を実行する読み取り可能な媒体を提供する。
第４形態で、本発明は、プロセッサと、メモリと、バスと、を備え、前記メモリは、実行命令を記憶するためのものであり、前記プロセッサと前記メモリとは、前記バスを介して接続され、前記電子機器が稼働する場合に、前記プロセッサは、第１形態におけるいずれか一項に記載の方法を前記プロセッサに実行させるように、前記メモリに記憶された前記実行命令を実行する電子機器を提供する。
本発明は、熱負荷予測方法、装置、読み取り可能な媒体及び電子機器を提供する。当該方法は、複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成し、予測モデルを呼び出して、対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測した後、各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各テスト時間帯にそれぞれ対応する相対予測誤差を決定することができ、さらに、各テスト時間帯にそれぞれ対応する相対予測誤差に基づいて状態遷移確率行列を形成するとともに、状態遷移確率行列に基づいて各予測状態に対する各未来時間帯の状態信頼確率を決定し、再び予測モデルを呼び出して、対象利用者が各未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測した後、未来時間帯ごとに、未来時間帯に対応する第２熱負荷レベルと、各予測状態に対する未来時間帯の状態信頼確率と、各予測状態にそれぞれ対応する誤差閾値とに基づいて、対象蒸気利用者が当該未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定することで、予測される第２熱負荷レベルの最適化を実現してシングルポイント誤差が過度に大きくなる現象の発生を回避し、以降のプロセスにおける蒸気機器の蒸気のより効率的なスケジューリングを容易にすることができる。
以下、本発明の実施例または従来技術案をより明確に説明するために、実施例または従来技術の説明に必要な図面について簡単に説明する。明らかに、以下の説明における図面は、本発明に記載のいくつかの実施例に過ぎず、当業者にとって、創造的な労力を払うことなく、これらの図面に基づいて他の図面を取得可能である。
本発明の一実施例によって提供される熱負荷予測方法のフローチャートである。 本発明の一実施例によって提供される他方の熱負荷予測方法のフローチャートである。 本発明の一実施例によって提供される熱負荷予測装置の概略構成図である。 本発明の一実施例によって提供される電子機器の概略構成図である。
以下、本発明の目的、技術案及び利点をより明確にするために、本発明の技術案を、具体的な実施例及び対応する図面に合わせて明確かつ完全的に説明する。もちろん、説明される実施例は、本発明の一部の実施例に過ぎず、全ての実施例ではない。本発明における実施例により、当業者が創造的な労働を行わないうえで取得した他の全ての実施例は、本発明の範囲に属する。
図１に示すように、本発明の実施例は、
複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成するステップ１０１と、
前記予測モデルを呼び出して、前記対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測するステップ１０２と、
各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記テスト時間帯にそれぞれ対応する相対予測誤差を決定するステップ１０３と、
各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するステップ１０４と、
前記予測モデルを呼び出して、前記対象利用者が各前記未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測するステップ１０５と、
前記未来時間帯ごとに、前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップ１０６と、
を含む熱負荷予測方法を提供する。
図１に示す実施例のように、当該方法は、複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成し、予測モデルを呼び出して、対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測した後、各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各テスト時間帯にそれぞれ対応する相対予測誤差を決定することができ、さらに、各テスト時間帯にそれぞれ対応する相対予測誤差に基づいて状態遷移確率行列を形成するとともに、状態遷移確率行列に基づいて各予測状態に対する各未来時間帯の状態信頼確率を決定し、再び予測モデルを呼び出して、対象利用者が各未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測した後、未来時間帯ごとに、未来時間帯に対応する第２熱負荷レベルと、各予測状態に対する未来時間帯の状態信頼確率と、各予測状態にそれぞれ対応する誤差閾値とに基づいて、対象蒸気利用者が当該未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定することで、予測される第２熱負荷レベルの最適化を実現してシングルポイント誤差が過度に大きくなる現象の発生を回避し、以降のプロセスにおける蒸気機器の蒸気のより効率的なスケジューリングを容易にすることができる。
予測モデルとしては、具体的に、自己回帰積分スライド平均モデル（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｉｎｔｅｇｒａｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ Ｍｏｄｅｌ，ＡＲＩＭＡモデル）やＧＢＲＴ（Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔ Ｒｅｇｒｅｓｓｉｏｎ Ｔｒｅｅ，プログレッシブ勾配回帰木）予測モデルであってもよい。ＡＲＩＭＡモデルまたはＧＢＲＴ予測モデルを形成するには、いずれも対象蒸気利用者が複数の連続する履歴時間帯において蒸気機器の蒸気を使用するときにそれぞれ対応する実際の熱負荷レベルに基づく必要がある。
なお、本発明の各実施例のいずれかの箇所に記載の「履歴時間帯」、「テスト時間帯」、「未来時間帯」の時間長さは同じであり、具体的には、１時間であってもよい。もちろん、特定の業務シーンでは、時間帯の長さを他の値に設定することもできる。
本発明の好ましい一実施例において、前記複数の予測状態は、具体的に、極度過大評価状態と、過大評価状態と、正常状態と、過小評価状態と、極度過小評価状態とを含み、
前記極度過大評価状態に対応する誤差閾値は具体的に１０％超であり、；前記過大評価状態に対応する誤差閾値は、具体的に５％超１０％以下であり、
前記正常状態に対応する誤差閾値は、具体的に－５％以上５％以下であり、
前記過小評価状態に対応する誤差閾値は、具体的に－１０％以上－５％未満であり、
前記極度過小評価状態に対応する誤差閾値は、具体的に－１０％未満である。
本実施例で設定される複数の予測状態は、利用者によって実際の業務シーンの異なる需要に合わせて増加または減少されることができ、各予測状態について、それぞれ異なる誤差閾値を配置し、有限回数のテストを経て検証を行うと、各予測状態にそれぞれ対応する誤差閾値が前記実施例で説明された閾値である場合に、対象蒸気利用者が各未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する実際の熱負荷レベルが、本発明の実施形態によって提供される技術案で予測され得る対応の熱負荷区間に位置するように確保することができ、すなわち本発明の実施例が提供する技術案は、対象蒸気利用者が各未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する熱負荷レベルの予測をより正確に実現することができるように確保する。
説明の便宜上、本発明の以降の各実施例ではＳ１のみで極度の過大評価状態を表し、Ｓ２で過大評価状態を表し、Ｓ３で正常状態を表し、Ｓ４で過小評価状態を表し、Ｓ５で極度の過小評価状態を表す。
本発明の好ましい一実施例において、各前記テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記各テスト時間帯にそれぞれ対応する相対予測誤差を決定するステップは、
前記対象蒸気利用者が、各前記テスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する実際の熱負荷レベルを取得するステップと、
各前記テスト時間帯にそれぞれ対応する相対予測誤差が、下記の式１により算出されるステップと、
を含む。
（ただし、Ｅｉは、ｉ番目のテスト時間帯に対応する相対予測誤差を表し、Ｆｉは、ｉ番目のテスト時間帯に対応する実際の熱負荷レベルを表し、ｆｉは、ｉ番目のテスト時間帯に対応する第１熱負荷レベルを表す。）
本実施例では、対象蒸気利用者が各テスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測モデルにより予測し、対象蒸気利用者が各テスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する実際の熱負荷レベルを取得した後、さらに、各テスト時間帯にそれぞれ対応する第１熱負荷レベル及び実際の熱負荷レベルを式１により処理し、得られた各相対予測誤差は、対応のテスト時間帯に対応して予測された第１熱負荷レベルと実際の熱負荷レベルとの間の予測状態を評価するために利用可能で、対応のテスト時間帯に対応する第１熱負荷レベルの誤差の大きさを測定することを実現する。
本発明の好ましい一実施例において、各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するステップは、
各前記テスト時間帯にそれぞれ対応する相対予測誤差と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記テスト時間帯のそれぞれに対応する信頼可能予測状態を決定するステップと、
隣接する２つの前記テスト時間帯毎にそれぞれ対応する信頼可能予測状態に基づいて、各予測状態遷移タイプにそれぞれ対応する状態遷移回数を決定するステップと、
前記状態遷移タイプ毎にそれぞれ対応する状態遷移回数に基づいて、前記状態遷移タイプ毎にそれぞれ対応する状態遷移確率を決定するステップと、
前記状態遷移タイプ毎にそれぞれ対応する状態遷移確率により、状態遷移確率行列が構成されるステップと、
現在の時間帯の各前記予測状態に対する初期確率行列を決定するステップと、
前記初期確率行列及び前記状態遷移確率行列に基づいて、各前記予測状態に対する各未来時間帯の信頼確率を決定するステップと、
を含む。
例えば、上記式１により、ｉ番目のテスト時間帯に対応する相対予測誤差Ｅｉは６％であると算出されると、上記実施例で前記予測状態Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５にそれぞれ対応する誤差閾値によれば、過大評価状態Ｓ２に対応する誤差閾値内に６％が位置していると判定されることができ、よって、過大評価状態Ｓ２をｉ番目のテスト時間帯に対応する信頼可能予測状態として決定することができる。
本実施例において、予測状態遷移タイプとは、具体的に、設定された複数の予測状態のうち、一方の予測状態が現在の予測状態または他の予測状態へ遷移することを指し、具体的には、上記実施例で述べた５つの予測状態Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５を例として、Ｓ１に対して、Ｓ１からＳ１への遷移、Ｓ１からＳ２への遷移、Ｓ１からＳへの変換、Ｓ１からＳ４への遷移、及びＳ４からＳ５への遷移の５つの遷移状況が対応され、類似な原理ににより、Ｓ２、Ｓ３、Ｓ４、Ｓ５にもそれぞれ５種類の遷移状況が対応され、遷移状況のそれぞれは、１つの予測状態遷移タイプであり、ここでは、２５種の予測状態遷移タイプを有してもよい。
本実施例では、ｎ個の連続するテスト時間帯を例とすると、ｉ－１番目のテスト時間帯に対応する信頼可能予測状態がＳ１であり、ｉ番目のテスト時間帯に対応する信頼可能予測状態がＳ２であると、Ｓ１からＳ２へ遷移する予測状態遷移タイプに対応する状態遷移回数に１を加算し、隣接する２つのテスト時間帯毎にいずれも上記処理を行った後、各予測状態遷移タイプにそれぞれ対応する状態遷移回数を取得することができ、さらに、１つの状態遷移タイプについて、テスト時間帯の総数ｎに対するその対応する状態遷移回数の比は、その状態遷移タイプに対応する状態遷移確率Ｐとなる。
具体的には、各状態遷移タイプにそれぞれ対応する状態遷移確率の、形成される状態遷移確率行列における位置は、以下の表１を参照することができる。
表１
なお、表１において状態遷移確率ＰＳ１－Ｓ２は、具体的に状態遷移タイプ「Ｓ１からＳ２への遷移」に対応する状態遷移確率を表し、当業者は、表１に記載された各状態遷移確率を類似なルールに従って理解可能である。
なお、表１における各状態遷移確率の対応する行列位置は、その状態遷移確率が状態遷移確率行列中に位置する１つの要素である場合に、状態遷移確率におけるその要素の対応する行列位置である。
本実施例では、各予測状態に対する現在の時間帯の初期確率行列を決定する場合に、現在の時間帯に対応する信頼可能予測状態を類似な方法で決定することができ、初期確率行列は５つの要素を有し、５つの要素が順に予測状態Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５の初期確率であり、かつ現在の時間帯に対応する信頼可能予測状態の初期確率のみが１であり、その他の予測状態の初期確率がすべて０である。
本実施例では、初期確率行列および状態遷移確率行列に基づいて、各予測状態に対する各未来時間帯の信頼確率を決定する場合に、１つの未来時間帯について、この未来時間帯は、現在の予測状態に対する信頼確率が高いほど、形成された予測モデルを呼び出して、当該対象蒸気利用者が当該未来時間帯において蒸気機器の蒸気を使用する際に対応する第２熱負荷レベルを予測する場合に、予測される第２熱負荷レベルに対応する予測状態が現在の予測状態である可能性が高いと表明され、以降の過程において各予測状態に対する当該未来時間帯の信頼確率に基づき、予測モデルにより予測され得る当該未来時間帯に対応する第２熱負荷レベルを最適化することに寄与し、対象蒸気利用者が当該未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間をより正確に決定することが実現される。
具体的には、本発明の一実施例において、前記初期確率行列及び前記状態遷移確率行列に基づいて、各前記予測状態に対する各未来時間帯の信頼確率を決定するステップは、
各前記予測状態に対する各未来時間帯の信頼確率行列が、以下の式２により算出されるステップと、
Ｘ（ｎ）＝Ｘ（０）＊Ｐｎ （２）
（ただし、Ｘ（ｎ）は、現在の時間帯の締切時点を開始時点とするｎ番目の未来時間帯の、各前記予測状態に対する信頼確率行列を表し、Ｘ（０）は、現在の時間帯に対応する初期確率行列を表し、Ｐは前記状態遷移確率行列を表す）
前記未来時間帯毎に、前記未来時間帯に対応する信頼確率行列から、各前記予測状態に対する前記未来時間帯の信頼確率を抽出するステップと、
を含む。
上記式２により得られたｎ番目の時間帯に対応する信頼確率行列において、前記実施例で述べた複数の予測状態には、具体的にＳ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５が含まれる場合を例に挙げると、この信頼確率行列は、予測状態Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５に対するｎ番目の未来時間帯の信頼確率の順に５つの要素を含むことができる。
本発明の好ましい一実施例において、前記対象予測状態に対応する誤差閾値と、前記未来時間帯に対応する第２熱負荷レベルとに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップは、
前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する上クリティカル値及びクリティカル値が、下記の式３により算出されるステップと、
ｙ＝Ｙ／（１＋ｅ） （３）
（ただし、ｙは、前記未来時間帯に対応する上クリティカル値又は下クリティカル値を表し、Ｙは、前記未来時間帯に対応する第２熱負荷レベルを表し、ｅは、前記対象予測状態に対応する誤差閾値の上極値又は下極値を表す。）
前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を、前記上クリティカル値及び前記下クリティカル値に基づいて決定するステップと、
を含む。
本実施例では、ある現在の予測状態に対する１つの未来時間帯の信頼確率が高いほど、その対象蒸気利用者が当該未来時間帯において蒸気機器の蒸気を使用する際に対応する第２熱負荷レベルを予測モデルを呼び出して予測する場合に、予測される第２熱負荷レベルに対応する予測状態は、現在の予測状態である可能性が高いと表明されるので、最大信頼確率に対応する予測状態を対象状態とした後、この対象予測状態に対応する誤差閾値に基づいて、予測される第２熱負荷量レベルが前記数式３により最適化されると、対象蒸気利用者が当該未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間をより正確に決定することが実現される。
例えば、前記予測状態Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５に対するｊ番目の未来時間帯の各状態信頼確率のうち、予測状態Ｓ２に対応する信頼確率が最も高いと判定されると、ｊ番目の未来時間帯において利用者が蒸気機器の蒸気を使用する際に対応する第２熱負荷レベルを予測モデルにより予測する場合に、予測される第２熱負荷レベルは、過大評価状態に対応する可能性が高いと表明される。具体的には、前述した実施例において予測状態Ｓ２に対応する誤差閾値を参照すると、５％超１０％以下であり、すなわち、過大評価状態Ｓ２に対応する上極値（最大値または最大値が近づく限界値）は１０％であり、下極値（最小値または最小値が近づく限界値）は５％であり、予測モデルにより予測されるｊ番目の未来時間帯に対応する第２熱負荷レベルがＹ（予測されるＹ値について過大評価される確率は極めて高い）であるとすると、上記式３により、ｉ番目の未来時間帯に対する上クリティカル値が０．９５Ｙ、下クリティカル値が０．９１Ｙであると算出される。さらにｉ番目の未来時間帯において利用者が蒸気機器の蒸気を使用する際に対応する熱負荷区間は０．９１Ｙ～０．９５Ｙとなると決められる。
前述の例に基づいて、以降の過程で蒸気に対しスケジューリングを行う場合に、予測モデルによって予測された第２熱負荷レベルＹに基づいて、ｉ番目の未来時間帯において対象蒸気利用者に対して蒸気スケジューリングを行うと、対象蒸気利用者側に需給差が過大となるおそれがあり、逆に、熱負荷区間である０．９１Ｙ～０．９５Ｙに基づいてｉ番目の未来時間帯において対象蒸気利用者に対して蒸気スケジュールを行う場合には、対象蒸気利用者の最低熱負荷需要を表すのがたぶん０．９１Ｙであり、最高熱負荷需要を表すのがたぶん０．９５Ｙであり、熱負荷需要の中央値が０．９Ｙとなり、この際、実際の業務シーンに合わせて、対象蒸気利用者の最低熱負荷需要、最高熱負荷需要、または熱負荷需要の中間値で対象蒸気利用者に対し蒸気スケジュールを行うことができる。本発明の実施例が提供する技術案によれば、予測モデルによって未来時間帯において利用者が蒸気機器の蒸気を使用する際に対応する熱負荷レベルが直接的に予測されることによるシングルポイント誤差が大きすぎる現象を解消することができ、以降のプロセスおいて蒸気機器の蒸気のより効率的なスケジューリングを容易にすることができる。
図２を参照すると、本発明の実施例は、他の熱負荷予測方法を提供し、具体的に、以下の各ステップを含む。
ステップ２０１では、複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者が複数の連続する履歴時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する履歴熱負荷レベルに基づいて、予測モデルを形成する。
ステップ２０２では、予測モデルを呼び出して、対象蒸気利用者が複数の連続するテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測する。
ステップ２０３では、対象蒸気利用者が各テスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する実際の熱負荷レベルを取得する。
ステップ２０４では、各テスト時間帯にそれぞれ対応する相対予測誤差を算出する。
ステップ２０４は、具体的に本発明の任意の実施例によって提供される式１と組み合わせて実施されてもよい。
ステップ２０５では、各テスト時間帯にそれぞれ対応する相対予測誤差と、各予測状態にそれぞれ対応する誤差閾値とに基づいて、テスト時間帯のそれぞれに対応する信頼可能予測状態を決定する。
ステップ２０６では、隣接する２つのテスト時間帯毎にそれぞれ対応する信頼可能予測状態に基づいて、各予測状態遷移タイプにそれぞれ対応する状態遷移回数を決定する。
ステップ２０７では、状態遷移タイプ毎にそれぞれ対応する状態遷移回数に基づいて、状態遷移タイプ毎にそれぞれ対応する状態遷移確率を決定する。
ステップ２０８では、状態遷移タイプ毎にそれぞれ対応する状態遷移確率により、状態遷移確率行列が構成される。
ステップ２０９では、現在の時間帯の各予測状態に対する初期確率行列を決定する。
ステップ２１０では、各予測状態に対する各未来時間帯の信頼確率行列を算出する。
ステップ２１０は、具体的に本発明の任意の実施例によって提供される式２と組み合わせて実施されてもよい。
ステップ２１１では、未来時間帯毎に、未来時間帯に対応する信頼確率行列から、各予測状態に対する未来時間帯の信頼確率を抽出する。
説明の便宜上、以降の各ステップは、１つのみの未来時間帯に対して対応に処理することで、対象蒸気利用者が該未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定する。
ステップ２１２では、各予測状態に対する未来時間帯の信頼確率から、最大信頼確率を決定し、最大信頼確率に対応する予測状態を対象予測状態として決定する。
ステップ２１３では、対象予測状態に対応する誤差閾値と、未来時間帯に対応する第２熱負荷レベルとに基づいて、対象蒸気利用者が未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定する。
ここで、対象蒸気利用者が未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定することは、具体的に、前述の実施例のいずれか一項によって提供される式３に組み合わせて実現されてもよい。
本発明の方法例と同じ思想に基づいて、図３に示すように、本発明の実施例は、
複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成するための前処理モジュール３０１と、
前記予測モデルを呼び出して、前記対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測し、前記予測モデルを呼び出して、前記対象蒸気利用者が各前記未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測するためのモデル呼出モジュール３０２と、
各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記テスト時間帯にそれぞれ対応する相対予測誤差を決定するための誤差処理モジュール３０３と、
各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するための状態確率決定モジュール３０４と、
前記未来時間帯ごとに、前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するための熱負荷予測モジュール３０５と、
を含む熱負荷予測装置をさらに提供する。
図４は、本発明の一実施例による電子機器の概略構成図である。ハードウェアレベルでは、この電子機器はプロセッサを含み、必要に応じて内部バス、ネットワークインターフェース、メモリをさらに含む。その中、メモリは、高速ランダムアクセスメモリ（Ｒａｎｄｏｍ－Ａｃｃｅｓｓ Ｍｅｍｏｒｙ；ＲＡＭ）などのメモリを含んでいてもよいし、少なくとも１つのディスクメモリなどの不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）を含んでいてもよい。もちろん、この電子機器は、他の業務に必要なハードウェアを含むこともできる。
プロセッサ、ネットワークインタフェース、およびメモリは、内部バスを介して相互に接続可能で、Ｉ当該内部バスは、ＩＳＡ（Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ）バス、またはＥＩＳＡ（Ｅｘｔｅｎｄｅｄ Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バスなどであってもよい。前記バスは、アドレスバス、データバス、制御バス等に分けられることができる。図示の便宜上、図４では、１つの双方向矢印のみで示すが、１本のバスまたは１つのタイプのバスのみが表されるわけではない。
メモリは、プログラム格納／命令実行用のものである。具体的には、プログラムは、コンピュータ操作命令を含むプログラムコードを含んでもよい。メモリは、メモリおよび不揮発性メモリを含み、命令およびデータをプロセッサに提供してもよい。
１つの実現可能な実施形態では、プロセッサは、論理レベルで熱負荷予測装置を形成するように、不揮発性メモリから対応するコンピュータプログラムを読み出してメモリに実行させてもよいし、他の装置から対応するコンピュータプログラムを取得してもよい。プロセッサは、メモリに格納されたプログラムを実行し、実行されたプログラムにより本発明のいずれかの実施例に提供される熱負荷予測方法を実現する。
上述実施例に提供される熱負荷予測装置が実行する方法は、プロセッサに適用されてもよいし、プロセッサによって実現されてもよい。プロセッサは、信号の処理能力を有する集積回路チップであってもよい。実現中において、上述方法の各ステップは、プロセッサにおけるハードウェアの集積論理回路またはソフトウェア形式の命令によって達成されてもよい。上述プロセッサは、中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ，ＣＰＵ）、ネットワークプロセッサ（Ｎｅｔｗｏｒｋ Ｐｒｏｃｅｓｓｏｒ，ＮＰ）などを含む汎用プロセッサであってもよいし、デジタル信号プロセッサ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ，ＤＳＰ）、専用集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ，ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ，ＦＰＧＡ）または他のプログラマブル論理デバイス、ディスクリートゲートやトランジスタ論理デバイス、ディスクリートハードウェアコンポーネントであってもよい。本発明の実施例に開示される各方法、ステップ、および論理ブロック図は、実現または実行されることができる。汎用プロセッサとしては、マイクロプロセッサであってもよく、任意の従来のプロセッサなどであってもよい。
本発明の実施例に開示される方法のステップに合わせると、ハードウェアデコードプロセッサの実行完了、またはデコードプロセッサ内のハードウェアおよびソフトウェアモジュールの組み合わせによる実行完了として直接的に具現化することができる。ソフトウェアモジュールは、ランダムメモリ、フラッシュメモリ、リードオンリーメモリ、プログラマブルリードオンリーメモリ、または電気的に書き換え可能なプログラマブルメモリ、レジスタなどの当分野で成熟した記憶媒体に位置してもよい。当該記憶媒体はメモリに位置し、プロセッサはメモリ内の情報を読み取り、そのハードウェアと組み合わせて上述の方法のステップを完了する。
本発明の実施例では、さらに、命令を含む１つ以上のプログラムを格納するコンピュータ読み取り可能な記憶媒体が提案される。この命令は、複数のアプリケーションを含む電子機器によって実行される場合に、当該電子機器に、本発明のいずれかの実施例で提供される熱負荷予測方法を実行させることができ、具体的に図１及び／又は図２に示す方法を実行するために用いられる。
上述実施例で説明されたシステム、装置、モジュールまたはユニットは、具体的に、コンピュータチップまたはエンティティによって実現されてもよく、またはある機能を有する製品によって実現されてもよい。典型的な実現装置の一種は、コンピュータである。具体的には、コンピュータは、例えば、パーソナルコンピュータ、ラップトップ、携帯電話、カメラ電話、スマートフォン、携帯情報端末、メディアプレーヤ、ナビゲーション機器、電子メールデバイス、ゲームコンソール、タブレット、ウェアラブルデバイス、またはこれらのデバイスのいずれかの組み合わせであってもよい。
説明の便宜上、上記の装置は、機能別に様なユニットまたはモジュールに分けて記載されている。もちろん、本発明を実施する際に、各ユニットまたはモジュールの機能を、同一または複数のソフトウェアおよび／またはハードウェアで実現することができる。
当業者にとって理解する必要があるものとして、本発明の実施例は、方法、システム、またはコンピュータプログラム製品として提供され得る。したがって、本発明は、完全なハードウェア実施例、完全なソフトウェア実施例、またはソフトウェアおよびハードウェアの態様を組み合わせた実施例の形式を採用することができる。そして、本発明は、コンピューターで使用可能なプログラムコードが含まれるコンピューターで使用可能な１つ以上のストレージメディア（限定するものではないが、磁気ディスクメモリ、ＣＤ－ＲＯＭ、光メモリなど）上に実施されるコンピュータプログラム製品の形式を採用することができる。
本発明は、本発明の実施例による方法、装置（システム）、およびコンピュータプログラム製品のフローチャートおよび／またはブロック図を参照して説明される。フローチャート及び／又はブロック図におけるそれぞれのフロー及び／又はブロック、並びにフローチャート及び／又はブロック図におけるフロー及び／又はブロックの組み合わせは、コンピュータプログラム命令によって実現され得ることを理解されたい。これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサによって実行される命令が、フローチャートにおける１つ以上のプロセス及び／又はブロック図における１つ以上のブロックに指定される機能を実現するための装置を生じるように、汎用コンピュータ、専用コンピュータ、組み込みプロセッサ、または他のプログラマブルデータ処理装置のプロセッサに提供されて、機械を生成してもよい。
これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理装置を特定の方法で動作させるように案内可能なコンピュータ読み取り可能なメモリに格納されることによって、当該コンピュータ読み取り可能なメモリに記憶された命令が、命令装置を含む製造品を生成するようにし、当該命令装置は、フローチャートの１つ以上のフローおよび／またはブロック図の１つ以上のブロックに指定された機能を実現してもよい。
これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理装置にロードされることによって、コンピュータ又は他のプログラマブル装置上に一連の操作ステップが実行され、コンピュータによって実現される処理を生成してもよく、コンピュータ又は他のプログラマブル装置上に実行される命令は、フローチャートの１つ以上のフロー及び／又はブロック図の１つ以上のブロックに指定された機能を実現するためのステップを提供する。
典型的な配置では、コンピューティングデバイスは、１つ以上のプロセッサ（ＣＰＵ）、入出力インターフェース、ネットワークインターフェース、およびメモリを含む。
メモリは、コンピュータ読み取り可能な媒体のうちの非永続的なメモリ、ランダムアクセスメモリ（ＲＡＭ）及び／又は不揮発性メモリなどの形態、例えばリードオンリーメモリ（ＲＯＭ）又はフラッシュメモリ（ｆｌａｓｈ ＲＡＭ）を含むことができる。メモリは、コンピュータ読み取り可能な媒体の例である。
コンピュータ読み取り可能な媒体は、永続的および非永続的な媒体、リムーバブルおよび非リムーバブルの媒体を含み、任意の方法または技術によって情報記憶を実現することができる。情報は、コンピュータ読み取り可能な命令、データ構造、プログラムのモジュール、または他のデータであってもよい。コンピュータの記憶媒体としては、相変化メモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、その他のタイプのランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、電気的消去可能なプログラマブル読み取り専用メモリ（ＥＥＰＲＯＭ）、フラッシュメモリや他のメモリ技術、ＣＤ－ＲＯＭ、ＤＶＤや他の光ストレージ、磁気カートリッジ、磁気テープストレージや他の磁気記憶装置または他の非伝送媒体を含むが、これらに限られなく、コンピューティングデバイスのアクセス可能な情報を記憶するために用いられる。本明細書で定義されるように、コンピュータ読み取り可能な媒体は、変調されたデータ信号および搬送波などの一時的なコンピュータ読み取り可能な媒体を含まない。
なお、「含む」、「含まれる」、またはその任意の他の変形例は、非排他的な包含をカバーすることを意図している。これによって、一連の要素を含むプロセス、方法、商品又は機器は、それらの要素だけでなく、明示的に列挙されていない他の要素も含むことになり、あるいは、そのようなプロセス、方法、商品または装置の固有する要素も含む。これ以上の制限なしの場合、「１つ．．．．．を含む」という文言によって定義される要素は、その要素を含むプロセス、方法、商品または装置内に他の同じ要素が存在することを排除するものではない。
当業者にとって理解する必要があるものとして、本発明の実施例は、方法、システム、またはコンピュータプログラム製品として提供され得る。したがって、本発明は、完全なハードウェア実施例、完全なソフトウェア実施例、またはソフトウェアおよびハードウェアの態様を組み合わせた実施例の形式を採用することができる。そして、本発明は、コンピューターで使用可能なプログラムコードが含まれるコンピューターで使用可能な１つ以上のストレージメディア（限定するものではないが、磁気ディスクメモリ、ＣＤ－ＲＯＭ、光メモリなど）上に実施されるコンピュータプログラム製品の形式を採用することができる。
本発明は、コンピュータによって実行されるコンピュータ実行可能命令、例えばプログラムモジュールの一般的な文脈で説明されることができる。一般的に、プログラムモジュールは、特定のタスクを実行し、または特定の抽象データタイプを実現するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。本発明は、通信ネットワークを介して接続される遠隔処理装置によってタスクが実行される分散コンピューティング環境において実施されることもできる。分散コンピューティング環境で、プログラムモジュールは、記憶装置を含むローカルおよびリモートコンピュータ記憶媒体内に位置してもよい。
本発明の各実施例は、いずれも漸進的に説明するものであり、互いに同一の部分を参照すればよく、それぞれの実施例について他の実施例との相違点を中心に説明する。特に、システムの実施例については、方法実施例と実質的に類似するので、説明は簡単であり、関連する点は方法実施例の一部の説明を参照すればよい。
以上は本発明の実施例に過ぎず、本発明を限定するものではない。本発明は、当業者にとって様々な変更及び変更が可能である。本発明の精神及び原理の範囲内で行われるあらゆる変更、均等物、改良等は、本発明の特許請求の範囲内に含まれるものとする。

Claims (10)

  1. 複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成するステップと、
    前記予測モデルを呼び出して、前記対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測するステップと、
    各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記テスト時間帯にそれぞれ対応する相対予測誤差を決定するステップと、
    各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するステップと、
    前記予測モデルを呼び出して、前記対象蒸気利用者が各前記未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測するステップと、
    前記未来時間帯ごとに、前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップと、
    を含むことを特徴とする、コンピュータによって実行される熱負荷予測方法。
  2. 各前記テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記各テスト時間帯にそれぞれ対応する相対予測誤差を決定するステップは、
    前記対象蒸気利用者が、各前記テスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する実際の熱負荷レベルを取得するステップと、
    各前記テスト時間帯にそれぞれ対応する相対予測誤差が、下記の式１により算出されるステップと、
    を含むことを特徴とする請求項１に記載の熱負荷予測方法。
    （ただし、Ｅｉは、ｉ番目のテスト時間帯に対応する相対予測誤差を表し、Ｆｉは、ｉ番目のテスト時間帯に対応する実際の熱負荷レベルを表し、ｆｉは、ｉ番目のテスト時間帯に対応する第１熱負荷レベルを表す。）
  3. 各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するステップは、
    各前記テスト時間帯にそれぞれ対応する相対予測誤差と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記テスト時間帯のそれぞれに対応する信頼可能予測状態を決定するステップと、
    隣接する２つの前記テスト時間帯毎にそれぞれ対応する信頼可能予測状態に基づいて、各予測状態遷移タイプにそれぞれ対応する状態遷移回数を決定するステップと、
    前記予測状態遷移タイプ毎にそれぞれ対応する状態遷移回数に基づいて、前記予測状態遷移タイプ毎にそれぞれ対応する状態遷移確率を決定するステップと、
    前記予測状態遷移タイプ毎にそれぞれ対応する状態遷移確率により、状態遷移確率行列が構成されるステップと、
    現在の時間帯の各前記予測状態に対する初期確率行列を決定するステップと、
    前記初期確率行列及び前記状態遷移確率行列に基づいて、各前記予測状態に対する各未来時間帯の信頼確率を決定するステップと、
    を含むことを特徴とする請求項２に記載の熱負荷予測方法。
  4. 前記初期確率行列及び前記状態遷移確率行列に基づいて、各前記予測状態に対する各未来時間帯の信頼確率を決定するステップは、
    各前記予測状態に対する各未来時間帯の信頼確率行列が、以下の式２により算出されるステップと、
    Ｘ（ｎ）＝Ｘ（０）＊Ｐｎ （２）
    （ただし、Ｘ（ｎ）は、現在の時間帯の締切時点を開始時点とするｎ番目の未来時間帯の、各前記予測状態に対する信頼確率行列を表し、Ｘ（０）は、現在の時間帯に対応する初期確率行列を表し、Ｐは前記状態遷移確率行列を表す）
    前記未来時間帯毎に、前記未来時間帯に対応する信頼確率行列から、各前記予測状態に対する前記未来時間帯の信頼確率を抽出するステップと、
    を含むことを特徴とする請求項３に記載の熱負荷予測方法。
  5. 前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップは、
    各前記予測状態に対する前記未来時間帯の信頼確率から、最大信頼確率を決定するステップと、
    前記最大信頼確率に対応する予測状態を対象予測状態として決定するステップと、
    前記対象予測状態に対応する誤差閾値と、前記未来時間帯に対応する第２熱負荷レベルとに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップと、
    を含むことを特徴とする請求項１に記載の熱負荷予測方法。
  6. 前記対象予測状態に対応する誤差閾値と、前記未来時間帯に対応する第２熱負荷レベルとに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するステップは、
    前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する上クリティカル値及び下クリティカル値が、下記の式３により算出されるステップと、
    ｙ＝Ｙ／（１＋ｅ） （３）
    （ただし、ｙは、前記未来時間帯に対応する上クリティカル値又は下クリティカル値を表し、Ｙは、前記未来時間帯に対応する第２熱負荷レベルを表し、ｅは、前記対象予測状態に対応する誤差閾値の上極値又は下極値を表す。）
    前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を、前記上クリティカル値及び前記下クリティカル値に基づいて決定するステップと、
    を含むことを特徴とする請求項５に記載の熱負荷予測方法。
  7. 前記複数の予測状態は、具体的に、極度過大評価状態と、過大評価状態と、正常状態と、過小評価状態と、極度過小評価状態とを含み、
    前記極度過大評価状態に対応する誤差閾値は具体的に１０％超であり、前記過大評価状態に対応する誤差閾値は、具体的に５％超１０％以下であり、
    前記正常状態に対応する誤差閾値は、具体的に－５％以上５％以下であり、
    前記過小評価状態に対応する誤差閾値は、具体的に－１０％以上－５％未満であり、
    前記極度過小評価状態に対応する誤差閾値は、具体的に－１０％未満である
    ことを特徴とする請求項１～６のいずれか一項に記載の熱負荷予測方法。
  8. 複数の予測状態と、複数の予測状態にそれぞれ対応する誤差閾値とを設定し、対象蒸気利用者に対応する予測モデルを形成するための前処理モジュールと、
    前記予測モデルを呼び出して、前記対象蒸気利用者が複数のテスト時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第１熱負荷レベルを予測し、前記予測モデルを呼び出して、前記対象蒸気利用者が各未来時間帯において蒸気機器の蒸気を使用する際にそれぞれ対応する第２熱負荷レベルを予測するためのモデル呼出モジュールと、
    各テスト時間帯にそれぞれ対応する第１熱負荷レベルに基づいて、各前記テスト時間帯にそれぞれ対応する相対予測誤差を決定するための誤差処理モジュールと、
    各前記テスト時間帯にそれぞれ対応する相対予測誤差及び各前記予測状態にそれぞれ対応する誤差閾値に基づいて状態遷移確率行列を形成し、前記状態遷移確率行列に基づいて各前記予測状態に対する各未来時間帯の状態信頼確率を決定するための状態確率決定モジュールと、
    前記未来時間帯ごとに、前記未来時間帯に対応する第２熱負荷レベルと、各前記予測状態に対する前記未来時間帯の状態信頼確率と、各前記予測状態にそれぞれ対応する誤差閾値とに基づいて、前記対象蒸気利用者が前記未来時間帯において蒸気機器の蒸気を使用する際に対応する熱負荷区間を決定するための熱負荷予測モジュールと、
    を含むことを特徴とする熱負荷予測装置。
  9. 実行命令を備え、電子機器のプロセッサが前記実行命令を実行する際に、前記電子機器が、請求項１～７のいずれか一項に記載の方法を実行する
    ことを特徴とする読み取り可能な媒体。
  10. プロセッサと、メモリと、バスと、を備え、前記メモリは、実行命令を記憶するためのものであり、前記プロセッサと前記メモリとは、前記バスを介して接続され、電子機器が稼働する場合に、前記プロセッサは、請求項１～７のいずれか一項に記載の方法を前記プロセッサに実行させるように、前記メモリに記憶された前記実行命令を実行する
    ことを特徴とする電子機器。
JP2021514404A 2018-09-25 2019-09-25 熱負荷予測方法、装置、読み取り可能な媒体及び電子機器 Active JP7426992B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201811113972.6 2018-09-25
CN201811113972.6A CN109117595B (zh) 2018-09-25 2018-09-25 一种热负荷预测方法、装置、可读介质及电子设备
PCT/CN2019/107928 WO2020063686A1 (zh) 2018-09-25 2019-09-25 一种热负荷预测方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
JP2022500768A JP2022500768A (ja) 2022-01-04
JP7426992B2 true JP7426992B2 (ja) 2024-02-02

Family

ID=64856659

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021514404A Active JP7426992B2 (ja) 2018-09-25 2019-09-25 熱負荷予測方法、装置、読み取り可能な媒体及び電子機器

Country Status (6)

Country Link
US (1) US11887020B2 (ja)
EP (1) EP3822839A4 (ja)
JP (1) JP7426992B2 (ja)
CN (1) CN109117595B (ja)
SG (1) SG11202102668YA (ja)
WO (1) WO2020063686A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117595B (zh) * 2018-09-25 2021-06-25 新智数字科技有限公司 一种热负荷预测方法、装置、可读介质及电子设备
CN110008623B (zh) * 2019-04-15 2023-06-27 廊坊新奥泛能网络科技服务有限公司 蒸汽项目的供能设备选取方法、装置及电子设备
CN113486583B (zh) * 2021-07-06 2024-01-12 新奥新智科技有限公司 设备的健康评估方法、装置、计算机设备及计算机可读存储介质
CN113591380B (zh) * 2021-07-28 2022-03-22 浙江大学 基于图高斯过程的交通流预测方法、介质及设备
CN114518911B (zh) * 2022-02-21 2024-03-12 中国农业银行股份有限公司 一种插件加载时长预测方法、装置、设备和存储介质
CN114516403B (zh) * 2022-03-07 2023-05-05 中国空气动力研究与发展中心低速空气动力研究所 一种基于光纤结冰探测的电热防除冰系统功率控制方法
CN115983114A (zh) * 2022-12-19 2023-04-18 广东邦普循环科技有限公司 一种窑炉温度预测方法、系统、设备及介质
CN116432554B (zh) * 2023-04-18 2024-06-18 南方电网电力科技股份有限公司 一种锅炉水动力计算方法、系统、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016142555A (ja) 2015-01-30 2016-08-08 中国電力株式会社 気温予測システム、気温予測方法およびプログラム
JP2016178316A (ja) 2009-12-15 2016-10-06 ラム リサーチ コーポレーションＬａｍ Ｒｅｓｅａｒｃｈ Ｃｏｒｐｏｒａｔｉｏｎ プラズマエッチングシステム
CN106485348A (zh) 2016-09-22 2017-03-08 中国银联股份有限公司 一种交易数据的预测方法及装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09204218A (ja) * 1996-01-24 1997-08-05 Hitachi Ltd プラント監視装置
US8180642B2 (en) * 2007-06-01 2012-05-15 Xerox Corporation Factorial hidden Markov model with discrete observations
CN103400204B (zh) * 2013-07-26 2016-12-28 华南理工大学 基于svm‑马尔科夫组合法的太阳能光伏发电量预测方法
CN103530527A (zh) * 2013-10-30 2014-01-22 国家电网公司 基于数值天气预报集合预报结果的风电功率概率预测方法
US20180107503A1 (en) * 2015-05-07 2018-04-19 Nec Corporation Computer procurement predicting device, computer procurement predicting method, and recording medium
CN104850916A (zh) * 2015-05-31 2015-08-19 上海电机学院 一种改进型灰色马尔可夫模型的电力设备故障预测方法
CN105337760A (zh) * 2015-09-21 2016-02-17 浪潮集团有限公司 一种资源使用情况的预测方法及装置
CN105512745A (zh) * 2015-11-05 2016-04-20 天津大学 基于粒子群—bp神经网络的风电功率区间预测方法
CN106845663A (zh) * 2015-12-07 2017-06-13 中国电力科学研究院 一种基于数值天气预报进行热负荷预测的方法
CN105825040A (zh) * 2015-12-29 2016-08-03 海南电力技术研究院 短期电力负荷预测方法
US10657547B2 (en) * 2016-03-28 2020-05-19 International Business Machines Corporation Forecast model calibration
CN105956682A (zh) * 2016-04-19 2016-09-21 上海电力学院 基于bp神经网络与马尔可夫链的短期电价预测方法
CA2965923A1 (en) * 2016-05-05 2017-11-05 Minds Inc. Vehicle load temperature monitoring system
JP6655182B2 (ja) * 2016-06-13 2020-02-26 株式会社日立製作所 空調機管理装置、および、空調機管理方法
US10310852B2 (en) * 2016-09-29 2019-06-04 Entit Software Llc Timing estimations for application lifecycle management work items determined through machine learning
CN106777487B (zh) * 2016-11-18 2019-11-05 清华大学 一种含有储能系统的光伏电站可信容量计算方法及系统
CN108461150A (zh) * 2017-02-20 2018-08-28 天津工业大学 一种职业卫生预测研究方法
CN107358060B (zh) * 2017-09-06 2019-10-11 大连理工大学 一种对风电功率预测误差区间进行估计的方法
CN108052387B (zh) * 2017-11-15 2021-07-27 青海大学 一种移动云计算中的资源分配预测方法及系统
CN109117595B (zh) * 2018-09-25 2021-06-25 新智数字科技有限公司 一种热负荷预测方法、装置、可读介质及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016178316A (ja) 2009-12-15 2016-10-06 ラム リサーチ コーポレーションＬａｍ Ｒｅｓｅａｒｃｈ Ｃｏｒｐｏｒａｔｉｏｎ プラズマエッチングシステム
JP2016142555A (ja) 2015-01-30 2016-08-08 中国電力株式会社 気温予測システム、気温予測方法およびプログラム
CN106485348A (zh) 2016-09-22 2017-03-08 中国银联股份有限公司 一种交易数据的预测方法及装置

Also Published As

Publication number Publication date
EP3822839A4 (en) 2021-09-01
JP2022500768A (ja) 2022-01-04
WO2020063686A1 (zh) 2020-04-02
SG11202102668YA (en) 2021-04-29
CN109117595B (zh) 2021-06-25
US11887020B2 (en) 2024-01-30
US20210304045A1 (en) 2021-09-30
EP3822839A1 (en) 2021-05-19
CN109117595A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
JP7426992B2 (ja) 熱負荷予測方法、装置、読み取り可能な媒体及び電子機器
CN108537568B (zh) 一种信息推荐方法和装置
CN109711440B (zh) 一种数据异常检测方法和装置
CN109726909B (zh) 一种能效评价方法、装置、可读介质及电子设备
CN109857984B (zh) 一种锅炉负荷率-效能曲线的回归方法和装置
CN111221643B (zh) 任务处理方法和任务处理装置
CN113011483B (zh) 一种模型训练和业务处理的方法及装置
CN111861464B (zh) 区块链的节点共识方法及系统
CN107391564B (zh) 数据转换方法、装置以及电子设备
CN104035747A (zh) 用于并行计算的方法和装置
CN114091281A (zh) 产品寿命预测方法、装置、电子设备及存储介质
CN108470242B (zh) 风险管控方法、装置、及服务器
CN109408225B (zh) 资源扩容方法、装置、计算机设备以及存储介质
CN111046909A (zh) 一种负荷预测的方法及装置
WO2019192262A1 (zh) 一种评价商户的经营状况的方法、装置及设备
CN110008112B (zh) 模型训练方法和装置、业务测试方法和装置
WO2021147382A1 (zh) 一种检测任务执行方法及设备
CN117312074A (zh) 一种数据监控方法、装置及设备
CN109858119B (zh) 一种动态能效建模方法、装置、可读介质及电子设备
CN113205377A (zh) 一种信息推荐的方法及装置
CN112862138A (zh) 一种热负荷预测方法、装置、可读介质及电子设备
CN111880922A (zh) 并发任务的处理方法、装置及设备
CN110516814A (zh) 一种业务模型参数值确定方法、装置、设备及介质
CN114819183B (zh) 基于联邦学习的模型梯度确认方法、装置、设备及介质
US20180203935A1 (en) Method, apparatus, and computing device for determining heat degrees of information dissemination

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220825

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230719

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230725

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231025

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240123

R150 Certificate of patent or registration of utility model

Ref document number: 7426992

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150