低碳燃料供应设备及控制方法
本发明公开了一种低碳燃料供应设备及控制方法，其通过传感器采集的预定时间段内多个预定时间点的能源消耗量；将所述多个预定时间点的能源消耗量按照时间维度排列为能源消耗量时序输入向量；对所述能源消耗量时序输入向量进行时序特征分析以得到能量消耗时序特征；基于所述能量消耗时序特征，确定当前时间点的低碳能源供给量应增大或应减小。这样，能够根据船舶能源消耗量动态调节低碳能源的供给量，从而更有效地利用低碳能源，提高能源利用效率，实现能源的节约和减排，且提高了低碳燃料供应设备的智能化水平和节能减排效果。
发明专利
CN202311418502.1
2023-10-30
CN117345440A
2024-01-05
F02D19/02(2006.01)
浙江浙能迈领环境科技有限公司
王兴如;沈海涛;郑浣琪;郭景州;沈敏强;应曼青;洪建沣;姚盛翔;方德忠;陈飞
310000 浙江省杭州市萧山区萧山经济技术开发区明星路371号3幢601室
杭州汇和信专利代理有限公司
董超
浙江;33
1.一种低碳燃料供应设备，其特征在于，包括： 能源消耗量采集模块，用于通过传感器采集的预定时间段内多个预定时间点的能源消耗量； 能源消耗量时序排列模块，用于将所述多个预定时间点的能源消耗量按照时间维度排列为能源消耗量时序输入向量； 能源消耗时序特征分析模块，用于对所述能源消耗量时序输入向量进行时序特征分析以得到能量消耗时序特征； 能源供给量控制模块，用于基于所述能量消耗时序特征，确定当前时间点的低碳能源供给量应增大或应减小。 2.根据权利要求1所述的低碳燃料供应设备，其特征在于，所述能源消耗时序特征分析模块，包括： 能源消耗时序向量切分单元，用于对所述能源消耗量时序输入向量进行向量切分以得到多个能源消耗量局部时序输入向量； 向量-图像转化单元，用于将所述多个能源消耗量局部时序输入向量通过向量-图像转化模块以得到多个能源消耗量局部时序图像； 能源消耗时序特征提取单元，用于通过基于深度神经网络模型的能源消耗模式时序特征提取器对所述多个能源消耗量局部时序图像进行时序特征提取以得到能量消耗时序特征图； 能源消耗自注意力强化单元，用于对所述能量消耗时序特征图进行自注意力强化以得到自强化能量消耗时序特征图作为所述能量消耗时序特征。 3.根据权利要求2所述的低碳燃料供应设备，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。 4.根据权利要求3所述的低碳燃料供应设备，其特征在于，所述能源消耗自注意力强化单元，用于：将所述能量消耗时序特征图通过改进自注意力模块以得到所述自强化能量消耗时序特征图。 5.根据权利要求4所述的低碳燃料供应设备，其特征在于，所述能源供给量控制模块，包括： 能源消耗特征分布强化单元，用于对所述自强化能量消耗时序特征图进行特征分布优化以得到优化自强化能量消耗时序特征图； 分类单元，用于将所述优化自强化能量消耗时序特征图通过分类器以得到分类结果，所述分类结果用于表示当前时间点的低碳能源供给量应增大或应减小。 6.根据权利要求5所述的低碳燃料供应设备，其特征在于，所述能源消耗特征分布强化单元，包括： 加权系数计算子单元，用于计算所述自强化能量消耗时序特征图沿通道维度的加权系数以得到第一加权系数，以及，计算所述自强化能量消耗时序特征图的各个特征矩阵的加权系数以得到第二加权系数的序列； 加权子单元，用于以第一加权系数对所述自强化能量消耗时序特征图沿通道进行加权以得到加权后自强化能量消耗时序特征图，并以所述第二加权系数的序列对所述自强化能量消耗时序特征图的每个特征矩阵进行加权以得到所述优化自强化能量消耗时序特征图。 7.根据权利要求6所述的低碳燃料供应设备，其特征在于，所述加权系数计算子单元，用于：以如下加权系数公式计算所述自强化能量消耗时序特征图沿通道维度的加权系数以得到第一加权系数，以及，计算所述自强化能量消耗时序特征图的各个特征矩阵的加权系数以得到第二加权系数的序列； 其中，所述加权系数公式为： 其中，Mk是所述自强化能量消耗时序特征图的第k个特征矩阵，L是所述自强化能量消耗时序特征图的通道数，vk是特征矩阵Mk的全局特征均值，mi,j特征矩阵Mk的(i,j)位置的特征值，V是vk组成的特征向量，表示特征向量V的二范数的平方，S是特征矩阵Mk的尺度，即宽度乘以高度，且/>表示特征矩阵Mk的Frobenius范数的平方，w1是第一加权系数，w2k是所述第二加权系数的序列中的第k个第二加权系数。 8.根据权利要求7所述的低碳燃料供应设备，其特征在于，还包括用于对所述向量-图像转化模块、所述基于深度神经网络模型的能源消耗模式时序特征提取器、所述改进自注意力模块和所述分类器进行训练的训练模块； 其中，所述训练模块，包括： 训练数据采集单元，用于获取训练数据，所述训练数据包括预定时间段内多个预定时间点的训练能源消耗量，以及，所述当前时间点的低碳能源供给量应增大或应减小的真实值； 训练数据时序排列单元，用于将所述多个预定时间点的训练能源消耗量按照时间维度排列为训练能源消耗量时序输入向量； 训练数据时序向量切分单元，用于对所述训练能源消耗量时序输入向量进行向量切分以得到多个训练能源消耗量局部时序输入向量； 训练向量-图像转化单元，用于将所述多个训练能源消耗量局部时序输入向量通过所述向量-图像转化模块以得到多个训练能源消耗量局部时序图像； 训练能源消耗时序特征提取单元，用于将所述多个训练能源消耗量局部时序图像通过所述基于深度神经网络模型的能源消耗模式时序特征提取器以得到训练能量消耗时序特征图； 训练能源消耗时序特征注意力增强单元，用于将所述训练能量消耗时序特征图通过所述改进自注意力模块以得到训练自强化能量消耗时序特征图； 分类损失单元，用于将所述训练自强化能量消耗时序特征图通过所述分类器以得到分类损失函数值； 模型训练单元，用于基于所述分类损失函数值并通过梯度下降的方向传播来对所述向量-图像转化模块、所述基于深度神经网络模型的能源消耗模式时序特征提取器、所述改进自注意力模块和所述分类器进行训练，其中，在所述训练的每次权重矩阵迭代时，对所述训练自强化能量消耗时序特征图展开后得到的训练自强化能量消耗时序特征向量进行基于类度矩阵正则化的权重空间探索约束优化。 9.根据权利要求8所述的低碳燃料供应设备，其特征在于，在所述训练的每次权重矩阵迭代时，以如下优化公式对所述训练自强化能量消耗时序特征图展开后得到的训练自强化能量消耗时序特征向量进行基于类度矩阵正则化的权重空间探索约束优化以得到优化训练自强化能量消耗时序特征图； 其中，所述优化公式为： 其中V是所述训练自强化能量消耗时序特征图展开后得到的训练自强化能量消耗时序特征向量，V′是所述优化训练自强化能量消耗时序特征图展开后得到的优化训练自强化能量消耗时序特征向量，且V为列向量，V′是行向量，为可学习的域转移矩阵，M表示上一次迭代的权重矩阵，M′表示迭代后的权重矩阵，/>表示矩阵乘法。 10.一种低碳燃料供应设备的控制方法，其特征在于，包括： 通过传感器采集的预定时间段内多个预定时间点的能源消耗量； 将所述多个预定时间点的能源消耗量按照时间维度排列为能源消耗量时序输入向量； 对所述能源消耗量时序输入向量进行时序特征分析以得到能量消耗时序特征； 基于所述能量消耗时序特征，确定当前时间点的低碳能源供给量应增大或应减小。