专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明申请

WO2013023887A1 VERFAHREN ZUR RECHNERGESTÜTZTEN MODELLIERUNG EINES TECHNISCHEN SYSTEMS 审中-公开
标题翻译：方法计算机辅助建模技术体系
公开(公告)号：WO2013023887A1
公开(公告)日：2013-02-21
申请号：PCT/EP2012/064529
申请日：2012-07-24
申请人： SIEMENS AKTIENGESELLSCHAFT , CLEVE, Jochen , GROTHMANN, Ralph , HEESCHE, Kai , TIETZ, Christoph , ZIMMERMANN, Hans-Georg
发明人： CLEVE, Jochen , GROTHMANN, Ralph , HEESCHE, Kai , TIETZ, Christoph , ZIMMERMANN, Hans-Georg
IPC分类号： G06N3/04 , G06Q50/06
CPC分类号： G06N3/10 , G06N3/04
摘要： Die Erfindung betrifft ein Verfahren zur rechnergestützten Modellierung eines technischen Systems, bei dem ein oder mehrere Ausgabevektoren in Abhängigkeit von einem oder mehreren Eingabevektoren durch das Lernen eines neuronalen Netzes (NN) basierend auf Trainingsdaten aus bekannten Eingabevektoren und Ausgabevektoren modelliert werden, wobei ein jeweiliger Ausgabevektor eine oder mehrere Betriebsgrössen des technischen Systems und ein jeweiliger Eingabevektor eine oder mehrere, die Betriebsgrösse oder Betriebsgrössen beeinflussende Eingangsgrössen umfasst. Das neuronale Netz (NN) ist dabei ein Feed-Forward-Netz mit einer Eingabeschicht (I), einer Mehrzahl von versteckten Schichten (H1, H2, H3) und einer Ausgabeschicht (O). Dieses Netz zeichnet sich dadurch aus, dass die Ausgabeschicht (O) eine der Mehrzahl von versteckten Schichten (H1, H2, H3) entsprechende Mehrzahl von Ausgabeclustern (O1, O2, O3) aus jeweils einem oder mehreren Ausgabeneuronen umfasst, wobei jeder Ausgabecluster (O1, O2, O3) den gleichen Ausgabevektor beschreibt und mit einer anderen versteckten Schicht (H1, H2, H3) verbunden ist. Das erfindungsgemässe Verfahren eignet sich insbesondere zur Modellierung eines technischen Systems in der Form einer regenerativen Energieerzeugungsanlage, wie z.B. einer Windkraftanlage oder einer Solarenergieanlage. Dabei prädiziert das neuronale Netz vorzugsweise zukünftige, von der Energieerzeugungsanlage generierte Energiemengen in Abhängigkeit von prognostizierten Wetterdaten.
摘要翻译：本发明涉及一种方法的计算机辅助建模技术系统，其中一个或由神经网络（NN）的学习在一个或多个输入向量依赖性的多个输出向量来基于已知的输入向量的训练数据和输出向量，各自的输出向量的模型或技术系统和相应的输入矢量的多个操作参数包括一个或多个中，操作变量或影响输入变量的操作变量。神经网络（NN）是一个前馈网络的输入层（I），多个隐藏层（H1，H2，H3）和输出层（O）。该网络的特征在于，输出层（O）的一个所述在每种情况下多个隐藏层（H1，H2，H3）对应的多个输出集群（O1，O2，O3）的包括一个或多个输出神经元，每个输出簇（O1 ，O2，O3）描述相同的输出向量，并用另一个隐藏层（H1，H2，H3）连接。本发明的方法特别适合于在一个可再生能源发电系统的形式进行建模技术系统，如风力发电站或太阳能发电厂。在这种情况下，神经网络优选预测的未来，通过根据预测的天气数据的发电设备的能量产生的。

IPRDB

热门服务

关于我们

友情链接

联系方式