[發明專利]冷水機調節模型的訓練方法、裝置及電子設備

有效

• 申請號: 202011119619.6
• 申請日: 2020-10-19
• 公開（公告）號: CN112364999B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 王丹;徐程;何方;楊忠勛
• 申請（專利權）人: 深圳市超算科技開發有限公司;香港理工大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;F24F11/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 趙倩

本申請提供一種冷水機調節模型的訓練方法、裝置及電子設備，涉及冷水機控制技術領域，其中，該方法包括：獲取第一樣本集和第二樣本集，并確定第一樣本集中的樣本與第二樣本集中的樣本之間的相似度，然后根據第二樣本集中相似度符合第一預設條件的多個樣本，對目標冷水機的冷水機調節模型進行訓練，其中，第一樣本集中的樣本是根據目標冷水機的歷史運行數據生成的，第二樣本集中的樣本是根據目標冷水機的同類冷水機的歷史運行數據生成的。本申請提供的技術方案可以在與第一樣本集相近似的第二樣本集中，選擇相似度高的樣本作為訓練樣本，可以有效增加目標冷水機的訓練數據，保證冷水機調節模型具有良好的準確率。

技術領域

本申請涉及冷水機技術，尤其涉及一種冷水機調節模型的訓練方法、裝置及電子設備，屬于冷水機控制技術領域。

背景技術

經研究表明，在現代商業建筑中，暖通空調系統的能耗在整棟建筑能耗中占40％左右，而冷水機組的能耗又在暖通空調系統能耗中占40％左右。所以降低冷水機組的能耗可以有效降低整棟建筑的能耗。

為了實現節能環保的目標，現代商業建筑都采用樓宇自動控制系統與暖通空調系統相結合的方案，對樓宇內的冷水機進行能耗控制。通過暖通空調系統獲取冷水機的相關數據，再通過樓宇自動控制系統對相關數據進行處理，得到冷水機的控制量，最后根據控制量控制冷水機工作。隨著技術水平的提升，相關數據的處理方案已經從基于經驗的控制方案變化為基于數據的控制方案。例如，通過機器學習算法和訓練數據得到該建筑的冷水機調節模型，然后由冷水機調節模型對相關數據進行處理，得到冷水機的控制量。相比于基于經驗的控制方案，基于數據的控制方案具有更高的準確率和更廣泛的適應性。

但是，基于數據的控制方案也有一些問題，例如，在冷水機剛開始使用的情況下，對于該冷水機的冷水機調節模型而言缺少足夠的訓練數據，此時訓練出冷水機調節模型準確率不高。

發明內容

有鑒于此，本申請提供了一種冷水機調節模型的訓練方法、裝置及電子設備，對于剛開始使用的冷水機而言，可以保證冷水機調節模型具有良好的準確率。

為了實現上述目的，第一方面，本申請實施例提供一種冷水機調節模型的訓練方法，包括：

獲取第一樣本集和第二樣本集，其中，第一樣本集中的樣本是根據目標冷水機的歷史運行數據生成的，第二樣本集中的樣本是根據目標冷水機的同類冷水機的歷史運行數據生成的，第一樣本集的數據量小于第二樣本集的數據量；

確定第一樣本集中的樣本與第二樣本集中的樣本之間的相似度；

根據第二樣本集中相似度符合第一預設條件的多個樣本，對目標冷水機的冷水機調節模型進行訓練。

可選的，在獲取第一樣本集和第二樣本集之后，在確定第一樣本集中的樣本與第二樣本集中的樣本之間的相似度之前，該方法還包括：

對第一樣本集和第二樣本集進行數據清洗。

可選的，對第一樣本集和第二樣本集進行數據清洗，包括：

對第一樣本集和第二樣本集進行歸一化處理。

可選的，對第一樣本集和第二樣本集進行數據清洗，包括：

對第一樣本集和第二樣本集中的每個缺失型樣本進行缺失值處理，缺失型樣本為缺失至少一項數據的樣本。

可選的，對第一樣本集和第二樣本集中的每個缺失型樣本進行缺失值處理，包括：

針對每一個缺失型樣本，根據缺失型樣本中的非缺失項，確定缺失型樣本與各完整型樣本的相似度，完整型樣本為缺失型樣本所在樣本集中各項數據均存在的樣本；

根據相似度符合第二預設條件的多個完整型樣本，對缺失型樣本的缺失項進行缺失值處理。