公开(公告)号：CN113762387A

公开(公告)日：2021-12-07

申请号：CN202111048836.5

申请日：2021-09-08

Applicant: 东北大学

Inventor： 李华 ,  丁吉 ,  杨东升 ,  张化光 ,  周博文 ,  李广地 ,  金硕巍 ,  罗艳红 ,  王迎春 ,  闫士杰 ,  杨波 ,  陈乐

IPC: G06K9/62 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明提供一种基于混合模型预测的数据中心站多元负荷预测方法，涉及自动控制技术领域。本发明将数据中心站的多元数据分成春秋、夏、冬三类场景，居于各类场景的数据进行多元负荷预测，采用GRA方法对多元负荷数据进行特征分析和归一化，将处理后的数据输入到QPSO－BP神经网络进行预测，在预测算法方面，采用QPSO‑BP神经网络与XGBoost模型并行预测，将深度学习与机器学习技术同时运用于负荷预测，将两种集成学习方式有效结合，充分发挥两个模型优点，有助于获得更稳定、泛化能力更强的模型。混合预测模型能主动丰富维度单一的输入数据特征，避免数据采集过程中人为因素导致的数据误差对计算精度的影响，在负荷波动较大等特殊情况下也能实现高精度负荷预测。

公开(公告)号：CN113762387B

公开(公告)日：2024-02-02

申请号：CN202111048836.5

申请日：2021-09-08

Applicant: 东北大学

Inventor： 李华 ,  丁吉 ,  杨东升 ,  张化光 ,  周博文 ,  李广地 ,  金硕巍 ,  罗艳红 ,  王迎春 ,  闫士杰 ,  杨波 ,  陈乐

IPC: G06N20/20 ,  G06F18/15 ,  G06N3/006 ,  G06N3/0499 ,  G06N3/084 ,  G06Q10/04

Abstract: 本发明提供一种基于混合模型预测的数据中心站多元负荷预测方法，涉及自动控制技术领域。本发明将数据中心站的多元数据分成春秋、夏、冬三类场景，居于各类场景的数据进行多元负荷预测，采用GRA方法对多元负荷数据进行特征分析和归一化，将处理后的数据输入到QPSO－BP神经网络进行预测，在预测算法方面，采用QPSO‑BP神经网络与XGBoost模型并行预测，将深度学习与机器学习技术同时运用于负荷预测，将两种集成学习方式有效结合，充分发挥两个模型优点，有助于获得更稳定、泛化能力更强的模型。混合预测模型能主动丰富维度单一的输入数据特征，避免数据采集过程中人为因素导致的数据误差对计算精度的影响，在负荷波动较大等特殊