风光互补电解水制氢的转化效率的确定方法和确定装置

1.一种风光互补电解水制氢的转化效率的确定方法，其特征在于，包括：实时获取影响风光互补电解水制氢的转化效率的目标因素的第一测试数据；建立所述转化效率的神经网络模型；根据所述神经网络模型以及所述第一测试数据，确定所述转化效率，在获取所述第一测试数据之前，所述方法还包括：获取影响所述转化效率的多个因素的多个第一历史测试数据；根据多个所述第一历史测试数据，采用最大信息系数法，确定多个所述因素中的所述目标因素，在获取多个所述第一历史测试数据之后，在确定所述目标因素之前，所述方法包括：采用格拉布斯法确定多个所述第一历史测试数据中的异常数据，并去除所述异常数据；采用小波阈值降噪法对去除所述异常数据的多个所述第一历史测试数据进行处理，得到多个第一预定历史数据，建立所述转化效率的神经网络模型，包括：获取多个所述第一预定历史数据对应的多个第二历史测试数据，所述第二历史测试数据为所述转化效率的历史数据；根据多个所述第一预定历史数据以及对应的多个所述第二历史测试数据，确定初始神经网络模型；确定所述初始神经网络模型的预测精度是否小于等于预定值；在确定所述初始神经网络模型的预测精度小于等于所述预定值的情况下，采用改进蝗虫优化算法对所述初始神经网络模型进行优化，直到优化后的所述初始神经网络模型的预测精度大于所述预定值，优化后的所述初始神经网络模型为所述神经网络模型，采用改进蝗虫优化算法对所述初始神经网络模型进行优化的步骤包括：第一步，个体初始化：首先按随机方法初始化第一代种群的位置，也就是初始化 的参数组合；第二步，计算个体适应度：选择模型训练的输出值和实际值间的RMSE作为寻优的目标函数，即种群中每个个体的适应度，分别计算各个适应度，并选择最小值的个体作为最优个体，并记录与此对应的最优模型参数；第三步，更新最优个体位置：更新每个蝗虫个体位置，重新计算每个个体的适应度，并与其他所有个体比较，若产生新的适应度最好的个体，将该个体位置作为新的最优位置，并记录其对应的模型参数；第四步，重复所述第二步和所述第三步两个步骤，直至迭代结束，从最优个体位置得到模型的最优参数组合。 2.根据权利要求1所述的方法，其特征在于，根据多个所述第一历史测试数据，采用最大信息系数法，确定多个所述因素中的所述目标因素，包括：根据多个所述第一预定历史数据，采用最大信息系数法确定所述目标因素。 3.根据权利要求1所述的方法，其特征在于，在获取多个所述第一预定历史数据对应的多个第二历史测试数据之后，在确定初始神经网络模型之前，所述方法还包括：采用格拉布斯法确定多个所述第二历史测试数据中的异常数据，并去除所述异常数据；采用小波阈值降噪法对去除所述异常数据的多个所述第二历史测试数据进行处理，得到多个第二预定历史数据，根据多个所述第一预定历史数据以及对应的多个所述第二历史测试数据，确定初始神经网络模型，包括：根据多个所述第一预定历史数据以及对应的多个所述第二预定历史数据，确定所述初始神经网络模型。 4.根据权利要求1所述的方法，其特征在于，所述初始神经网络模型为GRU神经网络模型。 5.根据权利要求3所述的方法，其特征在于，在根据所述神经网络模型以及所述第一测试数据，确定所述转化效率之后，所述方法还包括：采用DBSCAN算法对多个所述第二预定历史数据以及对应的多个所述第一预定历史数据进行处理，确定所述目标因素的基准值以及所述转化效率的基准值；根据所述目标因素的基准值、所述转化效率的基准值、所述第一测试数据以及所述神经网络模型，确定所述目标因素对所述转化效率的影响程度；根据所述影响程度，确定风光互补电解水制氢的损耗原因。 6.一种风光互补电解水制氢的转化效率的确定装置，其特征在于，包括：第一获取单元，用于实时获取影响风光互补电解水制氢的转化效率的目标因素的第一测试数据；建立单元，用于建立所述转化效率的神经网络模型；第一确定单元，用于根据所述神经网络模型以及所述第一测试数据，确定所述转化效率，所述装置还包括：第二获取单元，用于在获取所述第一测试数据之前，获取影响所述转化效率的多个因素的多个第一历史测试数据；第二确定单元，用于根据多个所述第一历史测试数据，采用最大信息系数法，确定多个所述因素中的所述目标因素，所述装置还包括：第三确定单元，用于在获取多个所述第一历史测试数据之后，在确定所述目标因素之前，采用格拉布斯法确定多个所述第一历史测试数据中的异常数据，并去除所述异常数据；第一处理单元，用于采用小波阈值降噪法对去除所述异常数据的多个所述第一历史测试数据进行处理，得到多个第一预定历史数据，所述建立单元包括：获取模块，用于获取多个所述第一预定历史数据对应的多个第二历史测试数据，所述第二历史测试数据为所述转化效率的历史数据；第二确定模块，用于根据多个所述第一预定历史数据以及对应的多个所述第二历史测试数据，确定初始神经网络模型；第三确定模块，用于确定所述初始神经网络模型的预测精度是否小于等于预定值；优化模块，用于在确定所述初始神经网络模型的预测精度小于等于所述预定值的情况下，采用改进蝗虫优化算法对所述初始神经网络模型进行优化，直到优化后的所述初始神经网络模型的预测精度大于所述预定值，优化后的所述初始神经网络模型为所述神经网络模型，所述优化模块还包括：第一步，个体初始化：首先按随机方法初始化第一代种群的位置，也就是初始化 的参数组合；第二步，计算个体适应度：选择模型训练的输出值和实际值间的RMSE作为寻优的目标函数，即种群中每个个体的适应度，分别计算各个适应度，并选择最小值的个体作为最优个体，并记录与此对应的最优模型参数；第三步，更新最优个体位置：更新每个蝗虫个体位置，重新计算每个个体的适应度，并与其他所有个体比较，若产生新的适应度最好的个体，将该个体位置作为新的最优位置，并记录其对应的模型参数；第四步，重复所述第二步和所述第三步两个步骤，直至迭代结束，从最优个体位置得到模型的最优参数组合。 7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的方法。 8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的方法。 9.一种风光互补电解水制氢的转化效率的确定系统，其特征在于，包括：确定装置，用于执行权利要求1至5中任一项所述的确定方法；数据库，与所述确定装置通信连接，所述数据库用于给所述确定装置提供数据，并将所述确定装置生成的所述转化效率进行存储；终端，用于发送请求，所述请求至少包括获取风光互补电解水制氢的转化效率的请求；服务端，分别与所述终端以及所述数据库通信连接，所述服务端用于接收所述请求，根据所述请求从所述数据库中获取所述转化效率，并将所述转化效率发送至所述终端。