(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110565330.5 (22)申请日 2021.05.24 (71)申请人 新疆新特晶体 硅高科技有限公司 地址 831500 新疆维吾尔自治区乌鲁 木齐 市甘泉堡经济技术开 发区(工业区)众 欣街2249号研发楼七层 申请人 新特能源股份有限公司 (72)发明人 李西良　范协诚　邓佑刚　盛鸿飞　 张赵波　赵铁成　 (74)专利代理 机构 北京天昊联合知识产权代理 有限公司 1 1112 专利代理师 罗建民　邓伯英 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01)G06K 9/62(2022.01) G06F 119/06(2020.01) G06F 111/04(2020.01) G06F 111/06(2020.01) (54)发明名称 能耗预测模 型的建立方法及装置、 能耗预测 方法及系统 (57)摘要 本发明公开一种能耗预测模 型的建立方法， 包括： 对多晶硅还原生产的能耗数据及能耗影 响 因素进行预处理， 得到预处理数据； 利用最小二 乘支持向量机LSSVM对所述预处理数据进行建 模， 得到预测模型； 利用麻雀搜索算法SSA对所述 预测模型的参数进行优化， 得到目标能耗预测模 型。 相应地， 还提供能耗预测模型的建立装置、 能 耗预测方法及系统。 使用本发明的能耗预测模型 的建立方法得到的能耗预测模型， 可提高多晶硅 还原生产的能耗 值的预测精度。 权利要求书2页 说明书12页 附图3页 CN 115392102 A 2022.11.25 CN 115392102 A 1.一种能耗预测模型的建立方法， 其特 征在于， 包括： 对多晶硅还原生产的能耗数据及能耗影响因素进行 预处理， 得到预处 理数据； 利用最小二乘 支持向量机LS SVM对所述预处 理数据进行建模， 得到预测模型； 利用麻雀搜索算法S SA对所述预测模型的参数进行优化， 得到目标能耗预测模型。 2.根据权利要求1所述的能耗预测模型的建立方法， 其特征在于， 所述对多晶硅还原生 产的能耗数据及能耗影响因素进 行预处理， 得到预 处理数据， 具体包括： 所述预 处理数据包 括第一预处 理数据和第二预处 理数据， 利用变分模态分解VMD将多晶硅还原生产的能耗数据构成的序列分解为K个具有不同 的中心频率和带宽的模态分量， 以构成第一预处 理数据， 其中， K为 正整数且K 大于1； 根据观察中心频率确定K的取值， 利用主成分分析算法PCA对多晶硅还原生产的能耗影响因素进行筛选， 得到筛选后的 能耗影响因素， 以构成第二预处 理数据。 3.根据权利要求2所述的能耗预测模型的建立方法， 其特征在于， 所述利用最小二乘支 持向量机LS SVM对所述预处 理数据进行建模， 得到预测模型， 具体包括： 利用最小二乘支持向量机LSSVM分别对第一预处理数据和第二预处理数据进行建模， 得到K个预测子模型， K个预测子模型构成所述预测模型。 4.根据权利要求3所述的能耗预测模型的建立方法， 其特征在于， 所述利用麻雀搜索算 法SSA对所述预测模型的参数进行优化， 得到目标能耗预测模型， 具体包括： 利用麻雀搜索算法SSA分别对K个预测子模型的参数寻找全局最优值， 得到K个目标能 耗预测子模型， 以构成所述目标能耗预测模型， 其中， 所述参数包括惩罚系数和核函数宽 度。 5.根据权利要求4所述的能耗预测模型的建立方法， 其特征在于， 所述利用麻雀搜索算 法SSA分别对 K个预测子模 型的参数寻找全局最优值， 得到K个目标能耗预测子模型， 具体包 括： 针对各个预测子模型分别设置SSA参数， 所述SSA参数包括麻雀的种群大小、 迭代次数 阈值； 初始化麻雀位置并计算麻雀个 体适应度值， 选择最优个 体适应度值作为全局最优值； 根据SSA迭代更新麻雀种群 中发现者、 追随者、 预警者位置并判断麻雀是否进行反捕食 行为； 迭代更新个体最优值和全局最优值， 当迭代次数等于迭代次数阈值时， 输出SSA寻找的 全局最优值， 全局最优值包括 惩罚系数和核函数宽度； 将输出的全局最优值赋值给相应的预测子模型， 得到与 所述预测子模型相应的目标能 耗预测子模型。 6.一种能耗预测方法， 其特 征在于， 包括： 根据权利要求1 ‑5任一项所述的能耗预测模型的建立方法得到目标能耗预测模型； 利用所述目标能耗预测模型得到多晶硅还原生产的能耗预测值， 以对多晶硅还原生产 的能耗进行 预测。 7.根据权利要求6所述的能耗预测方法， 其特征在于， 根据权利要求5所述的能耗预测 模型的建立方法得到目标能耗预测模型，权　利　要　求　书 1/2 页 2 CN 115392102 A 2利用所述目标能耗预测模型 得到多晶硅还原生产的能耗预测值， 具体包括： 根据目标能耗预测模型 得到K个目标 预测子模型； 获取多晶硅还原生产的能耗数据及筛 选后的能耗影响因素； 利用变分模态分解将多晶硅还原生产的能耗数据构 成的序列分解为K个具有不同的中 心频率和带宽的模态分量； 将分解得到的K个模态分量及筛选后的能耗影响因素分别输入K个目标能耗预测子模 型进行预测， 得到K个能耗子预测值； 将K个能耗子预测值叠加， 得到多晶硅还原生产的能耗预测值。 8.根据权利要求7所述的能耗预测方法， 其特征在于， 在得到多晶硅还原生产的能耗预 测值之后， 还 包括： 利用RMSE和/或MAPE和/或MAE 评估能耗预测值的精确度。 9.一种能耗预测模型的建立装置， 其特征在于， 包括预处理模块， 建模模块和模型优化 模块， 预处理模块， 用于对多晶硅还原生产的能耗数据及能耗影响因素进行预处理， 得到预 处理数据， 建模模块， 与预处理模块连接， 用于利用最小二乘支持向量机LSSVM对所述预处 理数据进行建模， 得到预测模型， 模型优化模块， 与建模模块连接， 用于利用麻雀搜索算法SSA对所述预测模型的参数进 行优化， 得到目标能耗预测模型。 10.一种能耗预测系统， 其特征在于， 包括权利要求9所述的能耗预测模型的建立装置、 和预测模块， 能耗预测模型的建立装置， 用于建立目标能耗预测模型， 预测模块， 与能耗预测模型的建立装置连接， 用于利用目标能耗预测模型得到多晶硅 还原生产的能耗预测值， 以对多晶硅还原生产的能耗进行 预测。权　利　要　求　书 2/2 页 3 CN 115392102 A 3