[發明專利]基于圖神經網絡的冷水機組能耗預測方法、系統及存儲介質

有效

• 申請號: 202110552435.7
• 申請日: 2021-05-20
• 公開（公告）號: CN113432247B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 陳志文;鄧撬;趙正潤;樊欣宇;彭濤;陽春華;桂衛華
• 申請（專利權）人: 中南大學
• 主分類號: F24F11/47
• 分類號: F24F11/47;F24F140/60
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 鄧宇

本發明公開了基于圖神經網絡的冷水機組能耗預測方法、系統及存儲介質，通過并判斷運行狀態數據集中各個運行狀態數據子集對應的運行工況之間是否具有關聯關系，并根據判斷結果構建運行狀態數據集中各個運行狀態數據子集的關聯關系圖；將關聯關系圖轉化為圖結構的鄰接矩陣，并基于此關聯關系圖構造以圖神經網絡為框架的能耗預測模型，采用各個運行狀態數據子集及其對應的鄰接矩陣、能耗數據迭代訓練能耗預測模型，將待預測的、冷水主機的運行狀態數據子集輸入到訓練好的能耗預測模型中，得到冷水主機能耗預測結果。本發明能在保證能耗預測模型的準確性的同時，大大提高冷水主機能耗預測模型的泛化能力，減少冷水主機能耗預測對訓練樣本的依賴。

技術領域

本發明涉及中央空調冷水機組能耗預測技術領域，尤其涉及基于圖神經網絡的冷水機組能耗預測方法、系統及存儲介質。

背景技術

能源消耗問題隨著經濟的快速發展日益凸顯，近些年構建能源節約型社會愈發被重視。目前建筑能耗占全球總能耗比重已逼近40％，中央空調系統作為調節大型建筑室內溫度和濕度的重要設備，被廣泛應用在大型建筑中，而中央空調系統也是是整個建筑中能耗最大的設備，其用電量占建筑用電總負荷的30％-40％，局部地區更高達50％以上。在中央空調系統能耗中，冷水主機能耗比例為50％以上，因此冷水主機的節能優化控制是中央空調系統節能的關鍵之一。

冷水主機具有非線性、滯后性、時變性和強耦合等特點，并且由于供冷需求量隨環境變化和室內活動變化影響，導致冷水主機運行工況復雜，實際節能優化試驗成本高且所需時間較長。因此，建立中央空調冷水主機的能耗預測模型實現不同供冷量下能耗預測，是實現節能優化的重要途徑。

目前針對中央空調冷水主機能耗預測方法中，由于系統結構復雜、待定系數多，往往只考慮冷源系統整體能耗，缺少對冷水主機等設備的能耗預測方法研究。此外，基于數據驅動的黑箱模型精度很大程度上依賴于學習樣本的質量和數量。然而實際過程中，許多反應對象運行特征的關鍵數據難以直接獲取，且實際現場的樣本往往伴隨著高頻隨機噪聲。特別是在系統運行條件發生變化或者學習樣本覆蓋面較窄時，模型泛化能力急劇降低。

因此，現急需將經驗信息、運行狀態信息和數據信息相結合，能充分發揮模型的優勢，在滿足精度需求的前提下，降低模型對學習樣本數量的依賴，提高模型的實用性的能耗預測方法。

發明內容

本發明提供了基于圖神經網絡的冷水機組能耗預測方法、系統及存儲介質，用于解決現有的冷水機組能耗預測方法對學習樣本數量的依賴強、泛化能力差的技術問題。

為解決上述技術問題，本發明提出的技術方案為：

一種基于圖神經網絡的冷水機組能耗預測方法，包括以下步驟：

獲取冷水機組的運行狀態數據集，運行狀態數據集中包括多個在不同工況下/不同時刻下的運行狀態數據子集及其對應的能耗數據；

判斷運行狀態數據集中各個運行狀態數據子集對應的運行工況之間是否具有關聯關系，并根據判斷結果構建運行狀態數據集中各個運行狀態數據子集的關聯關系圖；

將關聯關系圖轉化為圖結構的鄰接矩陣，并基于此關聯關系圖構造以圖神經網絡為框架的能耗預測模型，采用各個運行狀態數據子集、對應的能耗數據以及對應的鄰接矩陣迭代訓練能耗預測模型，直至其收斂，得到訓練好的能耗預測模型；

將待預測的、冷水主機的運行狀態數據子集輸入到訓練好的能耗預測模型中，得到冷水主機能耗預測結果。

優選的，運行狀態數據子集包括多種影響冷水機組能耗的關鍵運行狀態數據，關鍵運行狀態數據包括：

優選的，判斷運行狀態數據集中各個運行狀態數據子集之間是否具有關聯關系，包括以下步驟：