[發明專利]一種空調負荷預測方法及裝置

在審

• 申請號: 201910009088.6
• 申請日: 2019-01-04
• 公開（公告）號: CN109657878A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 許裕栗;王利民;周歡;周靜;李靜;白生瑋;康環
• 申請（專利權）人: 新奧能源動力科技（上海）有限公司;新奧科技發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/08;G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

本發明涉及時間序列分析領域，公開了一種空調負荷預測方法及裝置，該預測方法包括：采集多個樣本形成訓練集，并對該訓練集中樣本進行處理，得到數據序列；采用該數據序列訓練ARMA(p、q)模型；根據ARMA模型階數p，依次以數據序列中的負荷值作為ARMA模型輸入，輸出與輸入的負荷值相對應下一時刻的負荷值的估計值；根據數據序列中負荷值以及負荷值與對應估計值的差值訓練SVR模型；根據ARMA模型階數p，以當前時間段內負荷值作為ARMA模型的輸入，輸出與當前時間段相鄰待預測時刻的初始預測值；以當前時間段內的負荷值作為SVR模型的輸入，輸出初始預測值校正值，初始預測值與校正值的差值為待預測時刻的實際預測值。

技術領域

本發明涉及時間序列分析領域，尤其涉及一種空調負荷預測方法及裝置。

背景技術

隨著城市建設的飛速發展，建筑能耗量也在高速增長。空調運行能耗占建筑尤其大型公共建筑運行能耗比重很大，因此降低空調系統的運行能耗一直是建筑節能的重點。采用合理的運行調節方法是提高空調系統能源利用率的主要技術途徑之一，而該途徑的實現則需要依賴于是否能夠準確的對空調負荷進行預測，可見預測空調負荷的方法顯得尤其重要。

空調負荷預測是指在建筑運行階段，對未來時刻空調系統運行所需要的冷熱量進行短期預測，其目的是為空調系統優化控制服務，以預測的負荷分布為基礎，確定最優的運行工況或設定點，指定最佳的空調運行策略，保證空調房間的舒適性和空調系統運行的節能型。

空調負荷數據可看作是一種時間序列，線性自相關性較強，同時又受到多種外部隨機因素的影響，如太陽輻射熱(天氣)、室外空氣溫度、新風、建筑環境內機電設備的使用數量等。除此之外，空調負荷量同其生產和工作狀態有關，以天為單位進行周而復始地運轉，即具有日周期性的特點。因此，傳統的時間序列模型對具有上述特點的數據進行回歸擬合和預測時會受到局限，預測結果往往不太理想。

發明內容

本發明提供一種空調負荷預測方法及裝置，用以提高預測精度。

本發明實施例提供了一種空調負荷預測方法，該預測方法包括：

以空調系統在一天內的負荷值為一個樣本，采集多個樣本形成訓練集；

針對所述訓練集中的每一個樣本，每隔設定的時間采集一次負荷值，多個所述樣本中的負荷值組合形成數據序列；

采用所述數據序列訓練ARMA(p、q)模型；

根據所述ARMA模型的階數p，依次以所述數據序列中的負荷值作為所述ARMA模型的輸入，輸出與輸入的負荷值相對應的下一時刻的負荷值的估計值；根據所述數據序列中的負荷值以及負荷值與對應的估計值的差值訓練SVR模型；

根據所述ARMA模型的階數p，以當前時間段內的負荷值作為所述ARMA模型的輸入，輸出與所述當前時間段相鄰的待預測時刻的初始預測值；以所述當前時間段內的負荷值作為SVR模型的輸入，輸出所述初始預測值的校正值，所述初始預測值與所述校正值的差值為所述待預測時刻的實際預測值。

上述實施例中，通過訓練ARMA模型，對數據序列的線性部分進行擬合，并以上述數據序列作為ARMA模型的輸入，輸出與輸入的負荷值相對應的下一時刻的負荷值的估計值，再將該數據序列中的負荷值以及負荷值與對應的估計值的差值訓練SVR模型，對數據序列的非線性部分進行擬合；在進行預測時，以SVR模型的輸出結果作為校正值，用于修正ARMA模型的預測結果，這兩個模型相結合的算法提高了單一模型的準確率，即提高了預測精度。

可選的，所述訓練集具體通過以下方式獲得：

采集多個樣本形成采樣集；

對所述采樣集進行多次隨機采樣，得到多個所述訓練集；

還包括：