基于数据驱动的多粒度用能特征参数解耦方法及系统

本发明提供了一种基于数据驱动的多粒度用能特征参数解耦方法及系统，提供一基于深度神经网络的用能预测模型，将实际运行周期内的多维度数据作为用能预测模型的输入，输出不同工业负荷的能量流；定义一能量解耦规则，基于能量解耦规则逐层处理不同工业负荷的能量流，设定总成本最小化约束，通过总成本最小化约束对不同工业负荷的价值函数进行计算，并通过分配不同能源间的负荷获得控制序列；基于不同工业负荷的价值函数，建立全局能源管理函数，定义控制变量，将系统能耗和成本纳入优化函数中；建立能源效率计算模型，量化各环节的能源效率，实现多粒度用能特征参数解耦。本发明能够准确预测整个系统的运行状况，实现了实时和有效的能量分配。