科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对纺织染整业定型设备能耗管理困难的问题，提出一种基于稳定性竞争自适应重加权采样(sCARS)算法和带外源输入的非线性自回归(NARX)神经网络相结合的定型机电能消耗预测方法。首先，考虑到定型机存在繁杂的历史生产订单记录，使用sCARS算法从这些冗余复杂的数据中筛选出对电能消耗影响最大的关键订单变量以及历史电能消耗时序，大大减少了网络输入维度，避免冗余变量对预测结果的干扰。同时确定了NARX网络最佳的反馈输入时延阶数。然后，将sCARS算法筛选后的关键变量作为NARX网络的输入，建立电能消耗预测模型。该方法充分发挥了sCARS算法的变量筛选能力，通过提取关键信息简化网络结构，以及利用NARX网络带有历史信息记忆功能的时序预测优势。实验采用实际生产数据，结果表明，相比不经筛选的NARX算法以及LSTM和RNN等算法，所提出的sCARS-NARX方法的预测误差降低30%以上，电能消耗预测的均方根误差为79.56 kW·h。本研究为纺织企业改进电能管理、实现异常用电预警以及合理核算生产计划电耗提供了有效技术手段，也为其他行业设备用电预测提供了参考借鉴。
- 单位
