一种海上养殖的波浪能控制分配方法及系统

本发明涉及波浪能数据处理，尤其涉及一种海上养殖的波浪能控制分配方法及系统。

背景技术：

1、在海上养殖环境中，波浪能作为一种清洁、可再生的能源，被广泛应用于养殖设备的供电。然而，波浪能的产量受到多种因素的影响，包括海浪的高度、速度、方向以及天气条件等。这些因素会随着时间的变化而变化，导致波浪能的产量也呈现出波动性。因此，在实际操作中，如果没有有效的管理和控制策略，可能会出现以下问题：

2、一是资源浪费：在波浪能产量较高时，如果未能及时利用这部分能量，就会造成资源的浪费；二是资源短缺：在波浪能产量较低时，如果养殖设备仍按照固定模式运行，可能会导致电力供应不足，影响养殖活动的正常进行；三是设备运行效率低下：由于波浪能产量的波动性，如果设备运行参数固定不变，可能会导致在某些时段内设备运行效率低下，而在另一些时段内又可能超出需要。

技术实现思路

1、本发明实施例提供一种海上养殖的波浪能控制分配方法及系统，实现波浪能资源的有效利用，确保在波浪能产量较高时充分利用这些资源，同时在产量较低时减少不必要的能耗。

2、本技术实施例的第一方面提供了一种海上养殖的波浪能控制分配方法，包括：

3、获取海上养殖区各个子养殖区的养殖周期，将各个子养殖区的剩余的养殖周期从小到大进行排序，根据排序结果得到多个工作周期；

4、将预设的神经网络模型的输入层设置为三个维度，选择一个lstm层和一个gru层构成预设的神经网络模型隐藏层；在输出层设置若干个第一神经元和一个第二神经元，每个所述第一神经元对应一组部署在海上的传感器；所述第二神经元的输出为全部所述第一神经元输出之和；每一组传感器负责一个海洋子区域的信息收集；

5、将历史海洋数据转换成一个三维张量；所述三维张量的第一维度为批次样本数量，所述批次样本数量与部署在海上传感器的组数相等；所述三维张量的第二维度为时间步长，所述时间步长与所述历史海洋数据的时间跨度相等；所述三维张量的第三维度为特征数量；

6、将所述三维张量输入预设的神经网络模型进行训练；

7、通过预设的神经网络模型得到下一工作周期的预测波浪能产量；

8、通过预设的rfe模型得到各个养殖区的重要性系数值排序结果；

9、根据各个养殖设备的设备类型、各个养殖设备所在养殖区、所述预测波浪能产量和重要性系数值排序结果，依次调整第一类养殖设备、第二类养殖设备和第三类养殖设备的运行周期和运行功率。

10、在第一方面的一种可能的实现方式中，所述将各个子养殖区剩余的养殖周期从小到大进行排序，根据排序结果得到多个工作周期，具体包括：

11、统计各个子养殖区的剩余养殖周期；

12、将多个所述剩余养殖周期从小到大进行排序，将第一个所述剩余养殖周期作为下个工作周期；

13、对第一个所述剩余养殖周期之外的所述剩余养殖周期，将上一个所述剩余养殖周期的结束日作为对应工作周期的开始日，将当前所述剩余养殖周期的结束日作为对应工作周期的结束日。

14、在第一方面的一种可能的实现方式中，所述依次调整第一类养殖设备、第二类养殖设备和第三类养殖设备的运行周期和运行功率之前，包括：

15、收集各个养殖设备的历史运行数据；

16、对所述各个养殖设备的历史运行数据进行特征提取，得到不同的养殖设备对应的五维设备特征向量；所述五维设备特征向量的第一维度为设备类型值，所述五维设备特征向量的第二维度为设备工作环境值，所述五维设备特征向量的第三维度为设备工作时长值；所述五维设备特征向量的第四维度为设备经纬度值；所述五维设备特征向量的第五维度为设备所属养殖场的季度产量值；

17、对全部五维设备特征向量进行k均值聚类，得到三个聚类；其中，第一聚类中的五维设备特征向量对应的养殖设备为第一类养殖设备；第二聚类中的五维设备特征向量对应的养殖设备为第二类养殖设备；第三聚类中的五维设备特征向量对应的养殖设备为第三类养殖设备。

18、在第一方面的一种可能的实现方式中，所述特征数量为五，所述三维张量中每个数组的元素依次为波高值、波周期、波向角、风速和风向角。

19、在第一方面的一种可能的实现方式中，所述通过预设的rfe模型得到各个养殖区的重要性系数值排序结果，具体包括：

20、收集不同养殖区的数据形成养殖数据集，并将养殖产量作为目标变量；

21、将所述养殖数据集划分成养殖训练集和养殖测试集；

22、使用所述养殖训练集对预设的逻辑回归模型进行训练；

23、通过所述逻辑回归模型对所述养殖测试集进行预测，得到多个养殖区的重要性系数排序结果，每个重要性系数大小依次减少；所述每个重要性系数的大小反映养殖区对养殖产量影响的大小。

24、在第一方面的一种可能的实现方式中，所述收集不同养殖区的数据形成养殖数据集，具体包括：

25、收集不同养殖区的剩余养殖周期、经纬度、溶解氧值、ph值、温度、饲料类型和人工干预程度；

26、处理样本中的缺失值和异常值；

27、对数值型特征进行归一化，得到多个样本形成养殖数据集。

28、在第一方面的一种可能的实现方式中，所述根据各个养殖设备的设备类型、各个养殖设备所在养殖区、所述预测波浪能产量和重要性系数值排序结果，依次调整第一类养殖设备、第二类养殖设备和第三类养殖设备的运行周期和运行功率，具体包括：

29、统计第一类养殖设备、第二类养殖设备和第三类养殖设备在下一个工作周期需要的波浪能；

30、根据所述各个养殖设备所在养殖区和重要性系数值排序结果，确认各个所述第一类养殖设备的重要性系数值排序、各个所述第二类养殖设备的重要性系数值排序和各个所述第三类养殖设备的重要性系数值排序；

31、若全部所述第一类养殖设备需要的波浪能大于所述预测波浪能产量，根据各个所述第一类养殖设备的重要性系数值排序，依次调整各个第一类养殖设备供的运行周期和运行功率；

32、若全部所述第一类养殖设备需要的波浪能小于或等于所述预测波浪能产量，且全部所述第一类养殖设备和全部所述第二类养殖设备需要的波浪能大于所述预测波浪能产量，在满足全部所述第一类养殖设备的运行周期要求和运行功率要求后，根据各个所述第二类养殖设备的重要性系数值排序，依次调整各个第二类养殖设备供的运行周期和运行功率；

33、若全部所述第一类养殖设备和全部所述第二类养殖设备需要的波浪能小于或等于所述预测波浪能产量，且全部所述第一类养殖设备、全部所述第二类养殖设备和全部所述第三类养殖设备需要的波浪能大于所述预测波浪能产量，在满足全部所述第一类养殖设备和全部所述第二类养殖设备的运行周期要求和运行功率要求后，根据各个所述第三类养殖设备的重要性系数值排序，依次调整各个第三类养殖设备供的运行周期和运行功率。

34、在第一方面的一种可能的实现方式中，所述第一类养殖设备包括水质监测设备、饲料投喂设备和废物处理设备；所述第二类养殖设备包括水下摄像监控设备、水泵和过滤设备和病害防治设备；所述第三类养殖设备包括自动化控制设备、温室和孵化设备和水产加工设备。

35、在第一方面的一种可能的实现方式中，在所述依次调整第一类养殖设备、第二类养殖设备和第三类养殖设备的运行周期和运行功率之前，还包括：

36、调整全部安全设备的运行周期和运行功率，所述安全设备包括救生设备、灭火设备和应急电源；所述应急电源的供电功率大于全部所述第一类养殖设备的总额定功率。

37、本技术实施例的第二方面提供了一种海上养殖的波浪能控制分配系统，包括：

38、工作周期模块，用于获取海上养殖区各个子养殖区的养殖周期，将各个子养殖区的剩余的养殖周期从小到大进行排序，根据排序结果得到多个工作周期；

39、波浪能预测模块，用于通过预设的神经网络模型得到下一工作周期的预测波浪能产量；

40、重要性排序模块，用于通过预设的rfe模型得到各个养殖区的重要性系数值排序结果；

41、设备调整模块，根据各个养殖设备的设备类型、各个养殖设备所在养殖区、所述预测波浪能产量和重要性系数值排序结果，依次调整第一类养殖设备、第二类养殖设备和第三类养殖设备的运行周期和运行功率。

42、相比于现有技术，本发明实施例提供了一种海上养殖的波浪能控制分配方法及系统，第一方面，通过建立预测模型，提前预测下一工作周期内的波浪能产量。这样就可以根据预测结果来安排养殖设备的运行计划，避免资源的浪费或短缺。另一方面，根据各个子养殖区的剩余养殖周期进行排序，然后根据排序结果划分不同的工作周期。这样可以确保在波浪能产量较高时优先满足即将结束养殖周期的子养殖区的需求，从而提高养殖效率。另一方面，根据预测的波浪能产量和养殖区的重要性系数排序结果，调整不同类型的养殖设备的运行周期和运行功率。例如，在波浪能产量较高的时段，可以适当增加设备的运行功率；而在产量较低的时段，则可以适当减少设备的运行周期和功率，以节省能源。