[發明專利]一種空調能耗的綜合預測方法及系統

有效

• 申請號: 202110377337.4
• 申請日: 2021-04-08
• 公開（公告）號: CN113188243B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 蔡迪;段培永;李俊青
• 申請（專利權）人: 山東師范大學
• 主分類號: F24F11/64
• 分類號: F24F11/64;F24F11/46
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

本公開公開的一種空調能耗的綜合預測方法及系統，包括：獲取空調運行環境數據；將空調運行環境數據輸入訓練好的空調能耗預測模型中，輸出空調能耗預測結果；其中，空調能耗預測模型包括GA?BP預測模型和PSO?BP預測模型，將空調運行環境數據分別輸入GA?BP預測模型和PSO?BP預測模型中，獲取預測結果，從兩個預測結果中選取最優值為空調能耗預測結果。實現了對空調能耗的準確預測。

技術領域

本發明涉及空調能耗預測技術領域，尤其涉及一種空調能耗的綜合預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

伴隨著全球工業化與城市化進程的不斷加快，建筑能源需求總量急劇增加。建筑約占全球能源消耗的40％，約占全球溫室氣體排放量的三分之一。暖通空調(HVAC)系統是建筑物內的主要能源消耗者，占全球能源使用量的30％以上。因此，對建筑能耗進行準確預測，提高建筑物的能源效率和利用率，對我國整體可持續發展具有重要意義。

近年來，一些人工神經網絡算法已被用于預測智能建筑暖通空調能耗。應用廣泛的算法包括，BP神經網絡、帶優化算法的人工神經網絡等。如BP神經網絡是由反向傳播算法訓練的前饋神經網絡，是目前應用最廣泛的神經網絡類型之一。主要特點是信號向前傳播，誤差反向傳播，根據期望值，不斷調整網絡的權值和閾值，使得網絡預測結果不斷逼近期望值。BP神經網絡的缺點模型物理意義不明確，容易陷入局部極小值的困境，無法保證得到全局最優值。

近年來，為彌補網絡的缺陷，提出引入優化算法，優化神經網絡的權值和閾值，確定最佳的初始權值和閾值，避免了初始值的任意性對結果精度的影響。但單一的優化算法對初始神經網絡精度的提高具有局限性，網絡預測結果也具有不穩定性。

故發明人認為，現有的預測方法均不能對建筑空調的能耗進行準確預測。

發明內容

本公開為了解決上述問題，提出了一種空調能耗的綜合預測方法及系統，實現了對建筑空調能耗的準確預測。

為實現上述目的，本公開采用如下技術方案：

第一方面，提出了一種空調能耗的綜合預測方法，包括：

獲取空調運行環境數據；

將空調運行環境數據輸入訓練好的空調能耗預測模型中，輸出空調能耗預測結果；

其中，空調能耗預測模型包括GA-BP預測模型和PSO-BP預測模型，將空調運行環境數據分別輸入GA-BP預測模型和PSO-BP預測模型中，獲取預測結果，從兩個預測結果中選取最優值為空調能耗預測結果。

第二方面，提出了一種空調能耗的綜合預測系統，包括：

數據獲取模塊，用于獲取空調運行環境數據；

能耗預測模塊，用于將空調運行環境數據輸入訓練好的空調能耗預測模型中，輸出空調能耗預測結果；

其中，空調能耗預測模型包括GA-BP預測模型和PSO-BP預測模型，將空調運行環境數據分別輸入GA-BP預測模型和PSO-BP預測模型中，獲取預測結果，從兩個預測結果中選取最優值為空調能耗預測結果。

第三方面，提出了一種電子設備，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成一種空調能耗的綜合預測方法所述的步驟。

第四方面，提出了一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時，完成一種空調能耗的綜合預測方法所述的步驟。

與現有技術相比，本公開的有益效果為：