-
公开(公告)号：CN114154616B
公开(公告)日：2023-08-18
申请号：CN202111204314.X
申请日：2021-10-15
Applicant: 西安交通大学
Abstract: 本发明公开了一种RNN并行模型及其在多核CPU上的实现方法及系统，针对多层RNN结构进行层内和层间并行优化，将原输入序列分成许多最小子序列，并将切分后的多层子RNN作用于每个最小子序列；采用层间并行方法分析作用于每个最小子序列的多层子RNN中数据的依赖关系，将不同层及不同时间步的循环单元并行化；采用核组内的模型并行将多层次的RNN并行模型映射在多核CPU的第一层次；采用核组间的数据并行将多层次的RNN并行模型映射在多核CPU的第二层次，充分利用了多核CPU架构特点，实现多层次的RNN并行模型在多核CPU上的并行训练。本发明充分利用多核处理器架构的特点，实现循环神经网络更细粒度的并行方式，加快网络的训练。
-
Patent Agency Ranking
公开(公告)号：CN112561728A
公开(公告)日：2021-03-26
申请号：CN202011173807.7
申请日：2020-10-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于注意力机制LSTM的综合能耗费用优化方法、介质及设备，将环境数据，以及末端控制器设定值和机房设备工作状态构成的节能策略矩阵送入加入注意力机制的LSTM网络中，对楼宇综合能耗预测模型进行训练，得到楼宇综合能耗预测模型；结合综合能源分时价格标准及节能策略矩阵取值约束条件建立针对商用楼宇的综合能耗费用优化模型；采用遗传算法对商用建筑的综合能源费用优化模型进行求解，计算未来k个时段能耗费用最少对应的节能策略矩阵，根据节能策略矩阵的值调整未来k个时段各末端控制器设定值及冷冻机房设备工作状态，使未来k个时段综合能耗费用降至最低。通过求解模型为楼宇未来k个时段制定费用最低的能源使用方案。
-
公开(公告)号：CN112434787B
公开(公告)日：2024-04-05
申请号：CN202011176687.6
申请日：2020-10-28
Applicant: 西安交通大学
IPC: G06N3/049 , G06N3/084 , G06N3/0442 , G06Q10/04
Abstract: 本发明公开了一种基于楼宇总能耗的末端空间能耗预测方法、介质及设备，模型训练的每一步中，将预处理后的N个末端空间在t时刻及前τ个时间步上的样本数据依次送入末端空间能耗预测模型中，模型通过N次前向计算得到t时刻N个末端空间能耗预测值，将其相加与楼宇实际总能耗计算损失函数，通过梯度下降法反向传播调整末端空间能耗预测模型参数；在所有时刻样本数据上重复训练过程直至模型收敛到预测精度，完成末端空间能耗预测模型的训练；使用得到的末端空间能耗预测模型，通过楼宇暖通系统运作过程中各末端设备控制器参数、温湿度传感器、互联网天气信息、人流密度、电器及照明设备功率和房屋结构参数，对末端空间产生的能耗进行预测。本发明实现在末端空间能耗历史数据缺失的情况下对末端空间能耗预测模型的训练。
-
公开(公告)号：CN112561728B
公开(公告)日：2023-07-11
申请号：CN202011173807.7
申请日：2020-10-28
Applicant: 西安交通大学
IPC: G06Q50/06 , G06Q10/04 , G06N3/0442 , G06N3/086 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制LSTM的综合能耗费用优化方法、介质及设备，将环境数据，以及末端控制器设定值和机房设备工作状态构成的节能策略矩阵送入加入注意力机制的LSTM网络中，对楼宇综合能耗预测模型进行训练，得到楼宇综合能耗预测模型；结合综合能源分时价格标准及节能策略矩阵取值约束条件建立针对商用楼宇的综合能耗费用优化模型；采用遗传算法对商用建筑的综合能源费用优化模型进行求解，计算未来k个时段能耗费用最少对应的节能策略矩阵，根据节能策略矩阵的值调整未来k个时段各末端控制器设定值及冷冻机房设备工作状态，使未来k个时段综合能耗费用降至最低。通过求解模型为楼宇未来k个时段制定费用最低的能源使用方案。
-
公开(公告)号：CN114154616A
公开(公告)日：2022-03-08
申请号：CN202111204314.X
申请日：2021-10-15
Applicant: 西安交通大学
Abstract: 本发明公开了一种RNN并行模型及其在多核CPU上的实现方法及系统，针对多层RNN结构进行层内和层间并行优化，将原输入序列分成许多最小子序列，并将切分后的多层子RNN作用于每个最小子序列；采用层间并行方法分析作用于每个最小子序列的多层子RNN中数据的依赖关系，将不同层及不同时间步的循环单元并行化；采用核组内的模型并行将多层次的RNN并行模型映射在多核CPU的第一层次；采用核组间的数据并行将多层次的RNN并行模型映射在多核CPU的第二层次，充分利用了多核CPU架构特点，实现多层次的RNN并行模型在多核CPU上的并行训练。本发明充分利用多核处理器架构的特点，实现循环神经网络更细粒度的并行方式，加快网络的训练。
-
公开(公告)号：CN112434787A
公开(公告)日：2021-03-02
申请号：CN202011176687.6
申请日：2020-10-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于楼宇总能耗的末端空间能耗预测方法、介质及设备，模型训练的每一步中，将预处理后的N个末端空间在t时刻及前τ个时间步上的样本数据依次送入末端空间能耗预测模型中，模型通过N次前向计算得到t时刻N个末端空间能耗预测值，将其相加与楼宇实际总能耗计算损失函数，通过梯度下降法反向传播调整末端空间能耗预测模型参数；在所有时刻样本数据上重复训练过程直至模型收敛到预测精度，完成末端空间能耗预测模型的训练；使用得到的末端空间能耗预测模型，通过楼宇暖通系统运作过程中各末端设备控制器参数、温湿度传感器、互联网天气信息、人流密度、电器及照明设备功率和房屋结构参数，对末端空间产生的能耗进行预测。本发明实现在末端空间能耗历史数据缺失的情况下对末端空间能耗预测模型的训练。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
