(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211005965.0 (22)申请日 2022.08.22 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 沈俊　李振兴　高新强　徐田园　 王浩　 (74)专利代理 机构 北京理工大 学专利中心 11120 专利代理师 郭德忠 (51)Int.Cl. G06Q 50/06(2012.01) G06N 3/08(2006.01) (54)发明名称 一种基于BP神经元网络的工业装置能耗管 控方法 (57)摘要 本发明提供一种基于BP神经元网络的工业 装置能耗管控方法， 包括： 收集工业装置历史能 耗信息与影响因素信息及其对应的历史数据构 成能耗特征数据集； 将能耗特征数据集输入待训 练的BP神经元网络模型中进行训练， 直至接受训 练的BP神经元网络模型收敛， 得到训练好的BP神 经元网络模 型； 将采集的工业装置实时能耗数据 输入训练好的BP神经元网络模型中运行， 得到工 业装置能耗预测值； 当预测能耗值与实际能耗值 之间偏差的绝对值大于设定的偏 差波动值时， 工 业装置进行异常报警。 本发明所述基于BP神经网 络的工业装置能耗管控方法能适合各种工业装 置、 管控过程简单、 能耗管控比较准确， 可广泛应 用于能耗管控领域。 权利要求书1页 说明书2页 附图1页 CN 115358889 A 2022.11.18 CN 115358889 A 1.一种基于BP神经元网络的工业装置能耗管控方法， 其特征在于， 所述能耗管控方法 包括如下步骤： 步骤1、 收集工业装置的历史能耗信 息与影响因素信息作为特征信 息， 同时收集对应的 历史特征数据， 构成能耗特 征数据集； 步骤2、 将能耗特征数据集输入待训练的BP神经元网络模型中进行训练， 直至接受训练 的BP神经 元网络模型收敛， 得到训练好的BP神经 元网络模型， 并设定偏差波动值； 步骤3、 将采集的工业装置实时能耗数据输入训练好的BP神经元网络模型中运行， 得到 工业装置能耗预测值； 将预测能耗值与实际能耗值进行比较： 当预测能耗值与实际能耗值 之间偏差的绝对值大于设定的偏差波动值时， 工业装置进行异常报警。 2.根据权利要求1所述的基于BP神经元网络的工业装置能耗管控方法， 其特征在于， 步 骤1中， 所述能耗信息包括工业装置的电能源信息、 气能源信息， 所述影响因素信息包括工 业装置的运行温度、 运行时间、 最大能耗 量、 最低能耗 量、 运行周期。 3.根据权利要求1或2所述的基于BP神经元网络的工业装置能耗管控方法， 其特征在 于， 步骤2中， 所述偏差波动值 为所述能耗预测值的5％。 4.根据权利要求1或2所述的基于BP神经元网络的工业装置能耗管控方法， 其特征在 于， 步骤3中， 所述工业装置实时能耗数据为当天采集的不低于10次的工业装置能耗数据。 5.根据权利要求3所述的基于BP神经元网络的工业装置能耗管控方法， 其特征在于， 步 骤3中， 所述工业装置实时能耗数据为当天采集的不低于10次的工业装置能耗数据。权　利　要　求　书 1/1 页 2 CN 115358889 A 2一种基于BP神经元网 络的工业装置能耗管控方 法 技术领域 [0001]本发明涉及数据异常检测技术， 特别是涉及一种基于BP神经元网络的工业装置能 耗管控方法。 背景技术 [0002]在工业生产中， 工业装置能耗由于受到载荷、 环境温度、 加工方案等具体情况的不 同而变化。 目前， 对于工业装置能耗的管控并没有考虑上述具体情况导致的变化， 仅以求平 均的方式管控能耗显然 是不准确的、 不合理的。 但是， 如果考虑各种各样 影响工业装置能耗 因素的管控方法又会导致管控过程过于繁琐， 因此需要一种 管控过程简单、 能耗管控比较 准确、 适合各种工业装置的能耗管控技 术。 [0003]由此可见， 在现有技术中， 尚无一种能适合各种工业装置、 管控过程简单、 能耗管 控比较准确的能耗管控方法。 发明内容 [0004]有鉴于此， 本 发明的主要目的在于提供一种能适合各种工业装置、 管控过程简单、 能耗管控比较准确的基于BP神经网络的工业装置能耗管控方法。 [0005]为了达到上述目的， 本发明提出的技 术方案为： [0006]一种基于BP神经 元网络的工业装置能耗管控方法， 包括如下步骤： [0007]步骤1、 收集工业装置的历史能耗信息与影响因素信息作为特征信息， 同时收集对 应的历史特 征数据， 构成能耗特 征数据集。 [0008]步骤2、 将能耗特征数据集输入待训练的BP神经元 网络模型中进行训练， 直至接受 训练的BP神经 元网络模型收敛， 得到训练好的BP神经 元网络模型， 并设定偏差波动值； [0009]步骤3、 将采集的工业装置 实时能耗数据输入训练好的BP神经元网络模型中运行， 得到工业装置能耗预测值； 将预测能耗值与实际能耗值进行比较： 当预测能耗值与实际能 耗值之间偏差的绝对值大于设定的偏差波动值时， 工业装置进行异常报警。 [0010]综上所述， 本发明所述基于BP神经元网络的工业装置能耗管控方法中， 首先收集 工业装置历史的相关能耗信息及其对应的特征数据集； 将特征数据集输入待训练的BP神经 元网络模型中进行训练， 当接受训练的BP神经元网络模型收敛时， 就得到训练好的BP神经 元网络模型。 利用采集的工业装置实时能耗数据， 训练好的BP神经元网络模型预测工业装 置的能耗， 当预测能耗值与实际能耗值之间偏差的绝对值大于设定的偏差波动值时， 工业 装置进行异常报警。 由此可见， 本发明所述基于BP神经元网络的工业装置能耗管控方法不 必考虑每个工业装置运行的繁琐细节， 从整体上实现了对实际情况复杂多变的工业装置的 能耗管控， 而且管控过程简单、 能耗管控比较准确。 附图说明 [0011]图1为本发明所述基于BP神经元网络的工业装置能耗管控方法的总体流程示意说　明　书 1/2 页 3 CN 115358889 A 3