一种室内温湿度的预测方法及系统技术方案

本发明专利技术提供了一种室内温湿度的预测方法及系统，其方法包括：S1采集不同热区的历史样本数据；所述历史样本数据包括：室内历史温度数据、室内历史湿度数据、室外历史温度数据、室外历史湿度数据、室内设备的能耗；S2建立关于温湿度的多阶基础预测模型；S3根据所述历史样本数据，计算所述多阶数基础预测模型的目标阶数，得到具有所述目标阶数的进阶预测模型；S4使用所述历史样本数据训练所述进阶预测模型，得到最终的目标预测模型；S5根据当前样本数据及所述目标预测模型，预测得到目标温湿度数据。本发明专利技术实现对室内温湿度的预测，其预测成本低，预测结果准确。

A prediction method and system for indoor temperature and humidity

The present invention provides a method and system for prediction of indoor temperature and humidity. The method includes: S1 collection of historical sample data of different heat regions; the historical sample data include indoor historical temperature data, indoor historical humidity data, outdoor historical temperature data, outdoor historical humidity data, energy consumption of indoor equipment; and S2 construction. The multi order basic prediction model of temperature and humidity is established. According to the historical sample data, S3 calculates the target order of the multi order basic prediction model and obtains the advanced prediction model with the target order. S4 uses the historical sample data to train the advanced prediction model and get the final target prediction model; S5 According to the current sample data and the target prediction model, the target temperature and humidity data are predicted. The invention realizes the prediction of indoor temperature and humidity, and has low prediction cost and accurate prediction result.

【技术实现步骤摘要】
一种室内温湿度的预测方法及系统
本专利技术涉及温湿度预测领域，尤指一种室内温湿度的预测方法及系统。
技术介绍
当前实验室或机房内都有非常多的精密仪器设备，这些仪器设备由于精度非常高，若是环境中温度变化较大，或者湿度较高都会导致其精度的下降，因此，需要对这些仪器设备所处环境的温湿度进行预测，进而提前控制环境的温湿度。目前关于数据中心的温度湿度值的预测方法，大多是基于动态热传递和空气流原理开发的采用纯粹物理方式模拟房屋的性能。对于这种物理建模方式，固然能够保证一定的精度，然而对于每一个数据中心都要重新计算，而且建模过程十分复杂。并且对于实际的建筑物，由于它们的建模原理是基础物理以及建筑物的部件之间的相互作用的详细建模，因此对于每一个数据中心都对应一个特定的预测模型，根据数据中心的面积、层高、建筑材料、朝向、机柜的密度甚至不同时间的日照强度等等能够影响到数据中心内的温度湿度的因素，根据热力学和空气动力学公式推导温度湿度的变化情况，对于这些模拟器具有非常高的计算成本。因此，为了更加方便的解决室内温湿度的预测问题，本专利技术提出了一种室内温湿度的预测方法及系统。
技术实现思路
本专利技术的目的是提供一种室内温湿度的预测方法及系统，实现对室内温湿度的预测，其预测成本低，预测结果准确。本专利技术提供的技术方案如下：本专利技术提供了一种室内温湿度的预测方法，包括步骤：S1采集不同热区的历史样本数据；所述历史样本数据包括：室内历史温度数据、室内历史湿度数据、室外历史温度数据、室外历史湿度数据、室内设备的能耗；S2建立关于温湿度的多阶基础预测模型；S3根据所述历史样本数据，计算所述多阶数基础预测模型的目标阶数，得到具有所述目标阶数的进阶预测模型；S4使用所述历史样本数据训练所述进阶预测模型，得到最终的目标预测模型；S5根据当前温湿度数据及所述目标预测模型，预测得到目标温湿度数据。优选的，步骤S2具体包括：建立关于温湿度的基础预测模型为：xm(t+1)＝Amxm(t)+Bmu(t)+Ke(t)y(t)＝Cmxm(t)+Dmu(t)+e(t)；其中，为所述基础预测模型在t时刻的状态向量；为所述基础预测模型在t+1时刻的状态向量；为所述基础预测模型在t时刻的样本数据输入；为所述基础预测模型在t时刻的样本数据输出；为所述基础预测模型的第一状态矩阵，为所述基础预测模型的第二状态矩阵，为所述基础预测模型的第三状态矩阵，为所述基础预测模型的第四状态矩阵；n为所述基础预测模型的阶数；p为所述基础预测模型输入变量的个数；q为所述基础预测模型输出变量的个数；e(t)为所述基础预测模型在t时刻系统的噪声项；K为噪声矩阵。优选的，步骤S3具体包括：S30将所述历史样本数据分为k部分历史样本数据单元；将所述历史样本数据中的第i部分历史样本数据单元作为验证样本，剩余的k-1部分历史样本数据单元作为训练样本，并将所述验证样本和所述训练样本作为一组训练验证样本集；将i值依次取1～k，可得到k组训练验证样本集；S31使用每一组训练验证样本集对每一阶数的基础预测模型进行训练及验证，得到每一阶数的基础预测模型对应的平均误差值；S32将每一阶数的基础预测模型对应的平均误差值中，最小的平均误差值对应的基础预测模型的阶数作为所述目标阶数，并得到具有目标阶数的进阶预测模型。优选的，步骤S4具体包括：S40假设所述进阶预测模型所处系统是渐进稳定的，即Am的特征值严格在零极图的单位圆内；[Am,Cm]为可观测矩阵；输入时间序列u(t)是确定性的拟平稳序列，与噪声无关；使用所述历史样本数据推导出所述进阶预测模型中所述第一状态矩阵Am、所述第三状态矩阵Cm的值；S41假设所述进阶预测模型时2输入2输出的系统；使用所述历史样本数据推导出所述进阶预测模型中所述第二状态矩阵Bm、所述第三状态矩阵Dm的值；S42将推导出的所述第一状态矩阵Am、所述第二状态矩阵Bm、所述第三状态矩阵Cm、所述第四状态矩阵Dm的值带入所述进阶预测模型，得到所述目标预测模型。优选的，步骤S40具体包括：S400根据所述进阶预测模型，得到所述进阶预测模型的第一变化式：其中，y(1)到y(M)为所述进阶预测模型从第1时刻到第M时刻的输出，x(1)为所述进阶预测模型在第1时刻的状态向量，u(1)到u(M)为所述进阶预测模型从第1时刻到第M时刻的输入，Am为预测模型的系数矩阵，AmM-1为Am的(M-1)次幂；Bm为所述基础预测模型的第二状态矩阵、Cm为所述基础预测模型的第三状态矩阵、Dm为所述基础预测模型的第四状态矩阵；S401将所述进阶预测模型的第一变化式化简得到第一化简式：Y＝ΓMX+ΗMU；其中为广义可观测矩阵；为下三角Toeplitz矩阵；Y为所述第一化简式的输出变量；U为第一化简式的输入变量；X为所述第一化简式的状态向量；S402根据所述历史样本数据，采用子空间正交投影法消除所述第一化简式Y＝ΓMX+ΗMU中的所述输入变量U，可得第二化简式YΠ＝ΓMXΠ；其中Π为Ι-UΤ(UUΤ)-1U；；S403对ΓM做近似变换，对第二化简式中等式右侧进行奇异值分解，求得所述第一状态矩阵Am和所述第二状态矩阵Cm。优选的，步骤S41具体包括：S410假设所述进阶预测模型为2输入2输出系统，可推导所述进阶预测模型的M次输出比例矩阵函数为：其中，y(M)为所述M时刻系统的输出变量，u(M)为所述M时刻系统的输入变量，u(τ)为τ时刻的输入变量，AmM为所述的M次状态矩阵，AmM-1-τ为所述的M-1-τ次状态矩阵；x(0)为所述在t＝0时刻的状态向量；S411根据所述历史样本数据，求解所述M次输出比例矩阵函数，得到：其中，为第一比例矩阵；为第二比例矩阵；ΓM为广义可观矩阵；vec(Bm)为所述第二状态矩阵的第二矩阵拉直运算函数；vec(Dm)为所述第四状态矩阵的第四矩阵拉直运算函数；x(k)为所述M次输出比例矩阵函数在t＝k时刻的状态矩阵，Ym(k)为所述M次输出比例矩阵函数在t＝k时刻的输出，u(k)为所述M次输出比例矩阵函数在t＝k时刻的输入，Il为单位矩阵；S412利用最小二乘法求得所述第二状态矩阵Bm，所述第四状态矩阵Dm。本专利技术还提供了一种室内温湿度的预测系统，其特征在于，包括：数据采集模块，用于采集不同热区的历史样本数据；所述历史样本数据包括：室内历史温度数据、室内历史湿度数据、室外历史温度数据、室外历史湿度数据、室内设备的能耗；模型创建模块，用于建立关于温湿度的多阶基础预测模型；计算模块，分别与所述数据采集模块、所述模型创建模块电连接，用于根据所述历史样本数据，计算所述多阶数基础预测模型的目标阶数，得到具有所述目标阶数的进阶预测模型；模型训练模块，分别与所述计算模块、所述数据采集模块电连接，用于使用所述历史样本数据训练所述进阶预测模型，得到最终的目标预测模型；预测模块，与所述模型训练模块电连接，根据当前温湿度数据及所述目标预测模型，计算得到温湿度预测数据。优选的，所述模型创建模块，建立关于温湿度的基础预测模型为：xm(t+1)＝Amxm(t)+Bmu(t)+Ke(t)y(t)＝Cmxm(t)+Dmu(t)+e(t)；其中，为所述基础预测模型在t时刻的状态向量；为所述基础预测模型在t+1时刻的状态向量；为所述基础预本文档来自技高网...

【技术保护点】
1.一种室内温湿度的预测方法，其特征在于，包括步骤：S1采集不同热区的历史样本数据；所述历史样本数据包括：室内历史温度数据、室内历史湿度数据、室外历史温度数据、室外历史湿度数据、室内设备的能耗；S2建立关于温湿度的多阶基础预测模型；S3根据所述历史样本数据，计算所述多阶数基础预测模型的目标阶数，得到具有所述目标阶数的进阶预测模型；S4使用所述历史样本数据训练所述进阶预测模型，得到最终的目标预测模型；S5根据当前样本数据及所述目标预测模型，预测得到目标温湿度数据。

【技术特征摘要】
1.一种室内温湿度的预测方法，其特征在于，包括步骤：S1采集不同热区的历史样本数据；所述历史样本数据包括：室内历史温度数据、室内历史湿度数据、室外历史温度数据、室外历史湿度数据、室内设备的能耗；S2建立关于温湿度的多阶基础预测模型；S3根据所述历史样本数据，计算所述多阶数基础预测模型的目标阶数，得到具有所述目标阶数的进阶预测模型；S4使用所述历史样本数据训练所述进阶预测模型，得到最终的目标预测模型；S5根据当前样本数据及所述目标预测模型，预测得到目标温湿度数据。2.根据权利要求1所述的一种室内温湿度的预测方法，其特征在于，步骤S2具体包括：建立关于温湿度的基础预测模型为：其中，为所述基础预测模型在t时刻的状态向量；为所述基础预测模型在t+1时刻的状态向量；为所述基础预测模型在t时刻的样本数据输入；为所述基础预测模型在t时刻的样本数据输出；为所述基础预测模型的第一状态矩阵，为所述基础预测模型的第二状态矩阵，为所述基础预测模型的第三状态矩阵，为所述基础预测模型的第四状态矩阵；n为所述基础预测模型的阶数；p为所述基础预测模型输入变量的个数；q为所述基础预测模型输出变量的个数；e(t)为所述基础预测模型在t时刻系统的噪声项；K为噪声矩阵。3.根据权利要求1所述的一种室内温湿度的预测方法，其特征在于，步骤S3具体包括：S30将所述历史样本数据分为k部分历史样本数据单元；将所述历史样本数据中的第i部分历史样本数据单元作为验证样本，剩余的k-1部分历史样本数据单元作为训练样本，并将所述验证样本和所述训练样本作为一组训练验证样本集；将i值依次取1～k，可得到k组训练验证样本集；S31使用每一组训练验证样本集对每一阶数的基础预测模型进行训练及验证，得到每一阶数的基础预测模型对应的平均误差值；S32将每一阶数的基础预测模型对应的平均误差值中最小的平均误差值对应的基础预测模型的阶数作为所述目标阶数，并得到具有目标阶数的进阶预测模型。4.根据权利要求2所述的一种室内温湿度的预测方法，其特征在于，步骤S4具体包括：S40假设所述进阶预测模型所处系统是渐进稳定的，即Am的特征值严格在零极图的单位圆内；[Am,Cm]为可观测矩阵；输入时间序列u(t)是确定性的拟平稳序列，与噪声无关；使用所述历史样本数据推导出所述进阶预测模型中所述第一状态矩阵Am、所述第三状态矩阵Cm的值；S41假设所述进阶预测模型时2输入2输出的系统；使用所述历史样本数据推导出所述进阶预测模型中所述第二状态矩阵Bm、所述第三状态矩阵Dm的值；S42将推导出的所述第一状态矩阵Am、所述第二状态矩阵Bm、所述第三状态矩阵Cm、所述第四状态矩阵Dm的值带入所述进阶预测模型，得到所述目标预测模型。5.根据权利要求4所述的一种室内温湿度的预测方法，其特征在于，步骤S40具体包括：S400根据所述进阶预测模型，得到所述进阶预测模型的第一变化式：其中，y(1)到y(M)为所述进阶预测模型从第1时刻到第M时刻的输出，x(1)为所述进阶预测模型在第1时刻的状态向量，u(1)到u(M)为所述进阶预测模型从第1时刻到第M时刻的输入，Am为预测模型的系数矩阵，AmM-1为Am的(M-1)次幂；Bm为所述基础预测模型的第二状态矩阵、Cm为所述基础预测模型的第三状态矩阵、Dm为所述基础预测模型的第四状态矩阵；S401将所述进阶预测模型的第一变化式化简得到第一化简式：Y＝ΓMX+ΗMU；其中为广义可观测矩阵；为下三角Toeplitz矩阵；Y为所述第一化简式的输出变量；U为第一化简式的输入变量；X为所述第一化简式的状态向量；S402根据所述历史样本数据，采用子空间正交投影法消除所述第一化简式Y＝ΓMX+ΗMU中的所述输入变量U，可得第二化简式YΠ＝ΓMXΠ；其中Π为Ι-UΤ(UUΤ)-1U；S403对ΓM做近似变换，对第二化简式中等式右侧进行奇异值分解，求得所述第一状态矩阵Am和所述第二状态矩阵Cm。6.根据权利要求4所述的一种室内温湿度的预测方法，其特征在于，步骤S41具体包括：S4...

【专利技术属性】
技术研发人员：刘婉笛，
申请(专利权)人：四川斐讯信息技术有限公司，
类型：发明
国别省市：四川,51