[發明專利]用于空調負荷預測的缺失值處理方法及空調負荷預測系統

有效

• 申請號: 202011118042.7
• 申請日: 2019-09-03
• 公開（公告）號: CN112365029B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 侯國峰;許偉忠;楊波
• 申請（專利權）人: 深圳市得益節能科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/10
• 代理公司: 北京精金石知識產權代理有限公司 11470
• 代理人: 王洋

1.一種用于空調負荷預測的缺失值處理方法，其特征在于，包括以下步驟：

S100：采集空調系統實時運行數據并建立數據集，實時運行數據包括空調負荷、室外溫度、相對濕度、太陽輻射強度、冷凍水供水設定溫度和冷凍水溫度；

S200：將數據集中每類數據與所對應的時間進行組合，并按預設時間間隔進行周期劃分；所述預設時間間隔為3個月，以1月、4月、7月和10月分別作為每個周期的起點；

S300：分別基于每一個周期內的每類數據進行回歸模型的建立，具體為每類數據的多組離散數據通過最小二乘擬合建立回歸模型；

S400：根據缺失值所對應的時間確定缺失值所處周期對應的回歸模型，并根據缺失值參數類型由對應的回歸模型得到缺失值L1；

S500：根據缺失值所對應的時間，取鄰近的兩個時間點的同類數據構建對應的線性函數；

S600：根據缺失值時間和對應的線性函數，得到缺失值L2；

S700：根據得到的缺失值L1和L2，取平均值作為最終填補的缺失值；

線性函數的構建包括：

其中，

x₀為與缺失值相鄰的一個時間點；

x₁為與缺失值相鄰的另一個時間點；

y₀為時間點x₀對應的已知數據值；

y₁為時間點x₁對應的已知數據值；

y為數據中的缺失值；

x為數據中的缺失值所對應的時間。

2.根據權利要求1所述的缺失值處理方法，其特征在于，通過如下過程建立每類數據的回歸模型：

S301：對每類數據的多組離散數據，通過最小二乘擬合，得到使式(1)最小的f(x_i)的各項系數的最佳估計值：

其中，

f(x_i)為關于x_i的函數：

x_i為屬于同類數據的第i個數據的時間點；

y_i為屬于同類數據的第i個數據的取值；

n為用于進行擬合的屬于同類數據的數據總個數；

得到的f(x_i)的各項系數的最佳估計值為：

其中，

x_i為第i個數據的時間點；

y_i為第i個數據的取值；

n為用于進行擬合的數據總個數；

S302：將得到的f(x_i)的各項系數的最佳估計值代入公式(2)，得到確定的線性擬合后曲線的函數f(x_i)。

3.根據權利要求1所述的缺失值處理方法，其特征在于，在步驟S700后還包括如下步驟：

S800：對異常數據采用水平處理方法進行修正；

S900：將經過填補缺失值和修正處理后的數據集進行[0,1]歸一化處理。

4.根據權利要求3所述的缺失值處理方法，其特征在于，對異常數據的修正方法如下：

如果：max(|y_t－y_t-1|,|y_t－y_t+1|)ε (6)

那么：

其中，

t為異常數據對應的時刻；

t-1和t+1分別為與t相鄰的兩個時刻；

y_t為t時刻的數據；

y_t-1和y_t+1分別為t-1和t+1時刻的數據；

ε為預設的異常數據判斷閥值。

5.根據權利要求3所述的缺失值處理方法，其特征在于，采用如下公式對數據集進行[0,1]歸一化處理：

其中，

x_i為輸入原始數據值；

x_max為輸入數據中最大值；

x_min為輸入數據中最小值；

為歸一化后的數據值。