本发明涉及冷量需求预测领域，具体为基于使用习惯分析的lng动力船冷量需求预测系统。
背景技术：
1、传统的冷量需求预测系统会根据预设的参数或者船长等工作人员的经验以及参考天气和海况信息设定起始的冷量需求，这些参数有可能包括船的航速、船体的质量、船舶驶过的海域，以及预期的船舶行驶时间等，使用固定公式或者规则以设定初步的冷量，然后，系统开始运行并根据这些设定的冷量对船上的制冷设备进行控制。
2、一方面，传统系统通常依赖于固定的冷量设定或人为设定的经验规则，可能无法准确地满足实际使用中的冷量需求，这可能导致冷量控制过低或过高，影响船舶制冷系统的性能和效率；
3、另一方面，传统系统没有采用数据驱动方法对船舶行驶数据和实际冷量数据进行分析和预测，因此无法自动调整和优化冷量控制策略，在变化的实际使用环境和提高能量利用率的需求下，传统系统可能无法迅速适应和调整，缺乏自适应调整的能力。
技术实现思路
1、本发明的目的在于提供基于使用习惯分析的lng动力船冷量需求预测系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：基于使用习惯分析的lng动力船冷量需求预测系统，其包括数据收集模块、冷量需求分析模块和预测结果处理模块，其中：
3、所述数据收集模块利用不同传感器收集各种实时监测数据，实时监测数据包括船舶行驶数据和当前冷量数据；
4、所述冷量需求分析模块利用数据库收集习惯数据，习惯数据包括船舶行驶数据和实际冷量数据，通过前馈神经网络算法根据习惯数据进行模型建立，再利用建立好的模型根据实时监测数据中的船舶行驶数据进行冷量需求的预测；
5、所述预测结果处理模块根据预测的冷量需求数据与当前冷量数据进行比对，根据比对结果对当前冷量进行不同程度的调整，预测结果处理模块接收调整结果对能源监测表中能源利用率的影响，当能源利用率增加时，预测结果处理模块将船舶行驶数据和预测的冷量需求数据作为新的习惯数据发送给冷量需求分析模块，用于提高模型的健壮性；当能源利用率减少时，将调整冷量需求分析模块中算法模型的参数，用于进行模型优化。
6、作为本技术方案的进一步改进，所述数据收集模块包括传感器单元和监测数据收集单元，所述传感器单元将不同传感器部署在船舶上；所述监测数据收集单元根据不同传感器收集各种实时监测数据，实时监测数据包括船舶行驶数据和当前冷量数据，并将船舶行驶数据和当前冷量数据发送给冷量需求分析模块和预测结果处理模块。
7、作为本技术方案的进一步改进，所述冷量需求分析模块包括习惯数据收集单元、模型训练与优化单元和冷量预测单元，所述习惯数据收集单元利用数据库收集习惯数据，习惯数据包括船舶行驶数据和实际冷量数据；所述模型训练与优化单元利用前馈神经网络算法根据习惯数据进行模型训练；所述冷量预测单元利用训练好的模型根据监测数据收集单元发送的船舶行驶数据进行冷量需求的预测，并将预测的结果发送给预测结果处理模块。
8、作为本技术方案的进一步改进，所述预测结果处理模块包括冷量控制单元和控制反馈单元，所述冷量控制单元根据冷量预测单元预测的冷量需求数据与监测数据收集单元发送的当前冷量数据进行比对，根据比对结果对当前冷量进行调整；所述控制反馈单元接收调整结果对能源监测表中能源利用率的影响，当能源利用率增加时，控制反馈单元将船舶行驶数据和预测的冷量需求数据作为新的习惯数据发送给习惯数据收集单元，用于提高模型的健壮性；当能源利用率减少时，将调整模型训练与优化单元中算法模型的参数，用于进行模型优化。
9、作为本技术方案的进一步改进，所述传感器单元将不同传感器部署在船舶上，具体包括：
10、船舶传感器：船舶上安装了各种传感器来监测和记录关键的运行参数，其中，船舶的主要发动机利用传感器来测量燃料消耗、冷却水温度和压力，利用温度传感器监测冷冻设备和货物舱的温度；
11、gps系统：船舶配备全球定位系统接收器，用于实时跟踪船舶的位置和速度，用于分析航行速度、航线和航行时间；
12、气象传感器：船舶上的气象传感器测量环境温度、湿度、风速和风向，用于了解分析船舶运行期间的环境条件以及冷却需求；
13、货物传感器：当船舶运输货物，使用货物传感器来监测货物舱的温度和湿度，用于估计船舶运行过程中的制冷需求。
14、作为本技术方案的进一步改进，所述监测数据收集单元根据不同传感器收集各种实时监测数据，实时监测数据包括船舶行驶数据和当前冷量数据，具体包括：
15、燃料消耗率：指发动机在单位时间内消耗的燃料量，用于评估发动机的燃烧效率和燃料经济性；
16、发动机转速：指发动机的旋转速率，以每分钟转数表示，用于评估发动机的负荷和运行状态；
17、温度和压力数据：指发动机的温度和压力参数，用于监控发动机的工作状态和性能；
18、冷却水温度：指冷却系统中循环的冷却水的温度，用于判断冷却系统的热负荷和冷却效果；
19、压力和流量数据：指冷却系统中的水压力和水流量，用于评估冷却系统的水循环状态和效率；
20、发电机输出功率：指发电机产生的电能输出功率，用于评估电力系统的负载和稳定性；
21、电压和电流数据：指电力系统中的电压和电流参数，用于监测电力系统的电能传输状态和负载情况；
22、航向：指船舶相对于地理方向的航向角度，用于确定船舶的航行方向和导航状态；
23、倾斜角：指船舶相对于水平面的倾斜角度，用于评估船舶的稳定性和平衡状态；
24、当前冷量数据：是指定时间段内船舶制冷系统产生的冷量，用于与预测的冷量数据进行比对。
25、作为本技术方案的进一步改进，所述模型训练与优化单元利用前馈神经网络算法根据习惯数据进行模型训练，具体包括：
26、初始化权重和偏置：在训练前，对网络中的权重和偏置进行初始化；
27、前向传播：在训练过程中，输入样本将通过输入层传递到网络中的隐藏层，每个隐藏层神经元将根据输入与自身的权重，以及偏置值进行加权求和，并通过激活函数进行非线性变换，得到隐藏层各神经元的输出；
28、输出层计算：隐藏层的输出将传递到输出层，输出层的神经元进行加权求和和非线性变换，得到最终的模型输出；
29、计算损失函数：通过比较模型的输出与实际冷量需求数据，计算出模型的损失函数，损失函数用于衡量模型的预测结果与实际结果之间的差距；
30、反向传播：通过反向传播算法，根据损失函数的梯度，将误差从输出层回传到隐藏层和输入层，隐藏层和输入层的权重和偏置将被逐步调整，以最小化损失函数；
31、权重和偏置更新：根据反向传播计算得到的梯度，使用优化算法对权重和偏置进行更新，优化算法根据梯度的方向和大小，逐步调整参数值，以降低损失函数，通过多次迭代和参数的调整，模型学习到输入层与输出层之间的关系，并产生冷量需求预测结果。
32、作为本技术方案的进一步改进，所述冷量预测单元利用训练好的模型根据监测数据收集单元发送的船舶行驶数据进行冷量需求的预测，具体包括：
33、首先将训练好的前馈神经网络算法被加载进来，模型包括了网络的层数、每层的神经元数目、激活函数的选择以及各层之间的连接权重和偏置，用于网络的计算，接下来是前向传播计算，输入数据被输入到网络中，从输入层开始，逐层通过每一个神经元进行计算，并沿着网络层级传递信息，直到达到最后一层，也即输出层，得到预测结果。
34、作为本技术方案的进一步改进，所述冷量控制单元根据冷量预测单元预测的冷量需求数据与监测数据收集单元发送的当前冷量数据进行比对，根据比对结果对当前冷量进行不同程度的调整，具体包括：
35、预测冷量大于当前冷量：当预测的冷量需求大于当前冷量，冷量控制单元发出指令增加制冷设备的运行速度，增加制冷液的循环速率和降低温度设定，增加制冷系统的制冷能力；
36、预测冷量需求小于当前冷量：当预测的冷量需求小于当前冷量，冷量控制单元发出指令来减少制冷设备的运行速度和减少制冷液的循环速率，减少制冷系统的制冷能力；
37、预测冷量需求与当前冷量相符：当预测的冷量需求与当前冷量相符，冷量控制单元不会触发调整操作，保持制冷设备的运行参数和设定不变，维持当前的冷量输出。
38、作为本技术方案的进一步改进，所述控制反馈单元(302)将调整模型训练与优化单元(202)中算法模型的参数，通过增加神经网络的深度、宽度和调整神经元数量参数值来对模型进行优化。
39、与现有技术相比，本发明的有益效果是：
40、1、该基于使用习惯分析的lng动力船冷量需求预测系统首先利用不同传感器收集各种实时监测数据，实时监测数据包括船舶行驶数据和当前冷量数据，然后利用数据库收集习惯数据，习惯数据包括船舶行驶数据和实际冷量数据，最后通过前馈神经网络算法根据习惯数据进行模型建立，再利用建立好的模型根据实时监测数据中的船舶行驶数据进行冷量需求的预测，从而实现更精确的冷量控制。这有助于提高能效，同时节省能源，降低运营成本。
41、2、该基于使用习惯分析的lng动力船冷量需求预测系统根据预测的冷量需求数据与当前冷量数据进行比对，根据比对结果对当前冷量进行不同程度的调整，预测结果处理模块接收调整结果对能源监测表中能源利用率的影响，当能源利用率增加时，预测结果处理模块将船舶行驶数据和预测的冷量需求数据作为新的习惯数据发送给冷量需求分析模块，用于提高模型的健壮性；当能源利用率减少时，将调整冷量需求分析模块中算法模型的参数，用于进行模型优化，以此能够优化能源利用率，提高能源效率。