一种基于机器学习的煤炭供需平衡优化方法及系统
本发明涉及机器学习,尤其涉及一种基于机器学习的煤炭供需平衡优化方法及系统。
背景技术:
1、煤炭作为重要的基础能源,其供需平衡调度通常需要综合考虑煤矿产量、区域库存、下游用煤需求、运输通道状态、市场价格及气象因素。现有煤炭调度方式多依赖历史统计数据、人工经验判断或常规预测模型,对不同区域之间的煤炭流向、库存消耗和运输补给关系进行分析,并制定煤炭调配方案。
2、但是,现有技术通常将供应数据、库存数据、需求数据和运输数据分开处理,缺少对区域节点与运输通道之间时空关联关系的统一建模,难以准确表达不同区域之间的供需联动变化。当需求波动、运输受限或库存快速消耗同时发生时,现有方法容易出现预测滞后、供需缺口识别不及时和库存安全边界判断不准确的问题。
3、现有煤炭调配方法多采用固定规则或单一优化目标进行路径选择,难以根据供需预测结果、库存安全状态和运输通道占用情况动态调整调配路径。特别是在跨区域补给场景下,多个调配路径之间存在资源占用和运输能力竞争,现有方法缺少有效的路径竞争收缩处理机制,容易导致调配方案响应不及时、资源配置不均衡和供需平衡效果不稳定。
4、因此,如何提供一种基于机器学习的煤炭供需平衡优化方法及系统是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于机器学习的煤炭供需平衡优化方法及系统,本发明利用改进st-unet网络、双域频谱-时间重构机制、残差关联估计器、双阈积分差分搜索及路径竞争收缩机制,对煤炭供需运行数据进行时空关联建模、供需趋势预测、供需偏差判定及跨区域调配优化,实现煤炭供需平衡调度的智能决策,具备供需预测精度高、库存预警及时、跨区域调配效率高和资源配置合理性强的优点。
2、根据本发明实施例的一种基于机器学习的煤炭供需平衡优化方法,包括:
3、采集煤炭供需运行数据,对煤炭供需运行数据执行预处理,生成时空对比特征集合;
4、基于时空对比特征集合,按照区域节点与运输通道连接关系构建初始供需关联图,提取节点产量特征、库存特征、需求特征、运输特征、价格特征与气象特征,形成多维供需时空特征序列;
5、将多维供需时空特征序列输入具备双域频谱-时间重构机制与残差关联估计器的改进st-unet网络,输出各区域在目标时间窗口内的供应能力预测结果、需求变化预测结果与库存变化预测结果,生成供需预测结果集合;
6、基于供需预测结果集合计算各区域目标时间窗口内的供需缺口,根据库存变化预测结果设置上安全阈与下安全阈,对预测库存序列执行双阈积分差分搜索,结合供需缺口生成供需偏差判定结果;
7、依据供需偏差判定结果和供需预测结果集合构建跨区域煤炭调配可行域,对调配路径计算调配贡献值与调配代价值,建立路径竞争关系并执行路径竞争收缩处理,生成煤炭调配方案、库存调节策略与运输路径分配策略;
8、采集煤炭调配方案、库存调节策略与运输路径分配策略的实际执行结果,分别与供需预测结果集合进行对比,根据对比结果同步更新改进st-unet网络中的边权参数,输出优化后的煤炭供需平衡调度结果。
9、可选的,所述煤炭供需运行数据包括煤矿产量数据、区域库存数据、下游用煤需求数据、运输通道运行数据、煤炭价格数据、气象环境数据及时间戳数据。
10、可选的,所述对煤炭供需运行数据执行预处理,生成时空对比特征集合,包括:
11、对煤炭供需运行数据按照时间戳执行时间对齐处理,形成统一时间尺度的数据序列;
12、对数据序列执行异常数据识别与剔除处理,得到有效数据序列;
13、对有效数据序列执行归一化处理与尺度统一处理,生成标准化数据序列;
14、对标准化数据序列按照区域节点进行数据分组,并依据运输通道连接关系建立跨区域关联映射关系;
15、基于跨区域关联映射关系,对不同区域数据执行对比编码处理,生成跨区域时空对比特征;
16、对跨区域时空对比特征按照时间顺序与区域节点顺序进行重组,生成时空对比特征集合。
17、可选的,所述形成多维供需时空特征序列,包括:
18、读取时空对比特征集合,按照区域编号、煤矿编号、库存点编号和用煤主体编号建立区域节点记录,将同一时间点对应的产量特征、库存特征、需求特征、运输特征、价格特征和气象特征写入对应区域节点记录;
19、读取运输通道数据中的起始区域、到达区域、通道编号、运输方式、承载能力、运输时长和通道运行状态,按照起始区域与到达区域之间的连接关系建立区域节点之间的关联边;
20、将区域节点记录作为图节点,将所述关联边作为图边,将运输方式、承载能力、运输时长和通道运行状态作为图边属性,构建初始供需关联图;
21、按照时间顺序将各采样时刻的初始供需关联图进行排列,对每一采样时刻的图节点特征和图边属性进行同步标记,生成连续供需图特征片段;
22、将连续供需图特征片段按照目标时间窗口进行组合,并保留区域节点顺序、运输通道连接顺序和采样时间顺序,形成多维供需时空特征序列。
23、可选的,所述生成供需预测结果集合,包括:
24、读取多维供需时空特征序列及初始供需关联图,将原st-unet网络的编码路径、跳跃连接路径、解码路径及预测输出层作为基础结构,在每一级编码块之后、对应跳跃连接路径之前设置双域频谱-时间重构机制,在预测输出层之后设置残差关联估计器,形成改进st-unet网络;
25、将多维供需时空特征序列输入改进st-unet网络的编码路径,由编码块对各区域节点的产量特征、库存特征、需求特征、运输特征、价格特征及气象特征进行时序卷积和空间聚合,生成编码时域供需特征;
26、通过双域频谱-时间重构机制对编码时域供需特征执行频谱分解,提取产量周期变化、需求波动、库存消耗节奏和运输状态变化对应的频域供需特征,将频域供需特征转换回与编码时域供需特征一致的时间排列形式;
27、将转换后的频域供需特征与编码时域供需特征输入双域融合块,按照相同区域节点、相同运输通道和相同采样时刻进行特征对齐、拼接、压缩和重构,生成双域重构供需特征,并通过跳跃连接路径传递至解码路径;
28、在解码路径中将双域重构供需特征与逐级恢复的解码特征进行融合,利用跨级双向交互注意力单元对不同尺度下的区域供需波动特征和运输通道联动特征进行交互选择,生成多尺度供需表达特征;
29、通过预测输出层基于多尺度供需表达特征输出供应能力预测结果、需求变化预测结果及库存变化预测结果,利用残差关联估计器对上一预测周期的实际执行结果与供需预测结果集合之间的偏差进行区域关联分析,根据区域关联分析结果修正供需关联图中的边权,生成供需预测结果集合及更新供需关联图。
30、可选的,所述对预测库存序列执行双阈积分差分搜索,结合供需缺口生成供需偏差判定结果,包括:
31、读取供需预测结果集合,按照区域节点编号提取同一区域在目标时间窗口内的供应能力预测结果、需求变化预测结果及库存变化预测结果,生成区域供需预测状态记录;
32、将区域供需预测状态记录中的需求变化预测结果与供应能力预测结果进行对应差值计算,得到各区域在各采样时刻的供需缺口值,并按照采样时间顺序排列生成供需缺口序列;
33、读取各区域的库存容量、历史库存消耗速度、运输补给周期及用煤保障等级,根据库存容量确定上安全阈,根据历史库存消耗速度、运输补给周期及用煤保障等级确定下安全阈,将上安全阈和下安全阈写入对应区域供需预测状态记录;
34、基于库存变化预测结果生成预测库存序列,对预测库存序列执行双阈积分差分搜索,所述双阈积分差分搜索包括:当预测库存值首次进入下安全阈对应的库存预警区间时记录积分起点,沿时间方向累计预测库存值相对于下安全阈的库存差值,当累计库存差值完成补足且预测库存值进入上安全阈对应的库存恢复区间时记录积分终点,生成候选补给响应窗口;
35、将候选补给响应窗口与供需缺口序列进行时间匹配,提取窗口内的缺口持续时长、缺口累计量、库存预警触发时刻、库存恢复触发时刻及补给响应时限,根据缺口累计量和补给响应时限筛选生成最小补给响应窗口;
36、基于最小补给响应窗口、供需缺口序列、库存预警触发时刻、库存恢复触发时刻及补给响应时限,生成各区域对应的供需偏差判定结果。
37、可选的,所述建立路径竞争关系并执行路径竞争收缩处理,生成煤炭调配方案、库存调节策略与运输路径分配策略,包括:
38、读取所述供需预测结果集合及供需偏差判定结果,提取各区域的供需缺口量、最小补给响应窗口、库存边界触发状态、供应能力预测结果及需求变化预测结果,生成跨区域煤炭调配需求记录;
39、根据跨区域煤炭调配需求记录,筛选具备可调出煤炭余量的区域作为调出区域,筛选存在供需缺口且处于最小补给响应窗口内的区域作为待补给区域,并读取调出区域与待补给区域之间的运输通道连接状态、通道承载能力、运输时长及通道占用状态;
40、将满足调出区域库存安全条件、待补给区域缺口填补条件、运输通道连通条件、通道承载能力条件及补给响应时限条件的调配路径写入跨区域煤炭调配可行域,为每一调配路径记录调出区域、待补给区域、运输通道编号、可调配煤量、预计到达时间及对应补给窗口;
41、对跨区域煤炭调配可行域中的调配路径进行竞争识别,当两条以上调配路径占用同一调出区域煤炭余量、同一运输通道承载能力、同一补给响应窗口或同一待补给区域缺口量时,建立对应调配路径之间的路径竞争关系;
42、基于路径竞争关系执行路径竞争收缩处理,按照供需缺口填补约束、库存安全约束、通道承载能力约束及补给响应时限约束,对存在竞争关系的调配路径进行逐轮校验,保留满足约束条件的路径集合,根据路径集合确定煤炭调出量、煤炭补给量、库存调整量、运输通道编号及执行时间窗口,生成煤炭调配方案、库存调节策略与运输路径分配策略。
43、可选的,所述输出优化后的煤炭供需平衡调度结果,包括:
44、采集煤炭调配方案、库存调节策略与运输路径分配策略的实际执行结果,并按照区域节点、运输通道编号及采样时间写入执行结果记录;
45、将执行结果记录与供需预测结果集合进行时间对齐和区域节点对齐,对比同一采样时刻、同一区域节点及同一运输通道对应的实际执行数值与预测数值,生成执行偏差记录;
46、按区域节点对所述执行偏差记录进行汇总,计算各区域的供应偏差、需求偏差、库存偏差及运输时延偏差,形成区域执行偏差集合;
47、将区域执行偏差集合输入改进st-unet网络,对编码路径、双域融合块、跨级双向交互注意力单元及预测输出层的网络参数执行梯度更新,并依据区域执行偏差集合对供需关联图中的边权进行同步调整,得到更新后的改进st-unet网络;
48、使用更新后的改进st-unet网络重新生成供需预测结果集合,并输出优化后的煤炭供需平衡调度结果。
49、根据本发明实施例的一种基于机器学习的煤炭供需平衡优化系统,包括:
50、数据预处理模块,用于采集煤炭供需运行数据并执行预处理,生成时空对比特征集合;
51、特征构建模块,用于基于时空对比特征集合构建初始供需关联图,提取节点供需特征,形成多维供需时空特征序列;
52、供需预测模块,用于将多维供需时空特征序列输入改进st-unet网络,生成供需预测结果集合;
53、偏差判定模块,用于基于供需预测结果集合计算供需缺口,执行双阈积分差分搜索,生成供需偏差判定结果;
54、调配优化模块,用于依据供需偏差判定结果和供需预测结果集合构建调配可行域,执行路径竞争收缩,生成调配策略集合;
55、模型更新模块,用于采集调配策略集合的实际执行结果,与供需预测结果集合对比,更新改进st-unet网络,输出供需平衡调度结果。
56、本发明的有益效果是:
57、本发明通过采集煤炭供需运行数据并构建初始供需关联图,将区域节点、运输通道及多类供需特征进行统一表达,能够增强煤矿产量、区域库存、下游需求和运输状态之间的关联分析能力,提高煤炭供需状态识别的完整性和准确性。
58、本发明通过具备双域频谱-时间重构机制与残差关联估计器的改进st-unet网络,对各区域目标时间窗口内的供应能力、需求变化和库存变化进行联合预测,能够提前识别供需缺口及库存安全风险,提高煤炭短周期供需预测和库存预警的及时性。
59、本发明通过双阈积分差分搜索确定供需偏差判定结果,并结合跨区域煤炭调配可行域和路径竞争收缩处理生成调配策略,能够减少调配路径冲突,提高煤炭补给响应效率和运输资源利用率,实现煤炭资源在不同区域之间的动态均衡配置。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com