一种能效监测方法、装置及计算机可读存储介质制造方法及图纸

本申请涉及一种能效监测方法、装置及计算机可读存储介质，该方法包括：采集目标监测设备的能耗样本数据作为训练数据；利用所述训练数据对预先建立的BP神经网络预测模型进行训练，得到预测训练结果；通过差分进化算法对所述预测训练结果执行预设优化操作，得到优化训练结果；判断所述优化训练结果是否满足预设终止条件；若是，根据所述优化训练结果获取BP神经网络目标模型。根据本申请实施例的技术方案，通过将DE算法运用到BP神经网络的优化过程中，利用差分进化算法的优选能力来改善BP神经网络的权值和阈值随机产生的问题，从而使目标监测设备达到更好的节能效果。

An Energy Efficiency Monitoring Method, Device and Computer Readable Storage Media

This application relates to an energy efficiency monitoring method, device and computer readable storage medium. The method includes: collecting energy consumption sample data of target monitoring equipment as training data; using the training data to train the pre-established BP neural network prediction model to obtain the prediction training results; and performing preset optimization operation on the prediction training results through differential evolution algorithm. Then, the optimized training results are obtained; whether the optimized training results meet the preset termination conditions is judged; if so, the BP neural network target model is obtained according to the optimized training results. According to the technical scheme of the embodiment of this application, by applying DE algorithm to the optimization process of BP neural network, the problem of random weights and thresholds of BP neural network can be improved by using the optimization ability of differential evolution algorithm, so as to achieve better energy-saving effect for target monitoring equipment.

【技术实现步骤摘要】
一种能效监测方法、装置及计算机可读存储介质
本申请涉及能源监测
，尤其涉及一种能效监测方法、装置及计算机可读存储介质。
技术介绍
随着人们生活水平的不断提高，对室内环境质量的要求也越来越高，用来改善室内环境质量的中央空调控制系统在各大商场及公共建筑中的应用也越来越普遍。中央空调控制系统中的冷水机组是其最主要的耗能设备，对冷水机组的不同控制策略将直接影响中央空调的能耗，因此对冷水机组采用合理的控制策略对空调的节能运行具有重要的意义。由于对空调的控制过程是一个多变量、非线性等复杂问题的控制过程，针对冷水机组能耗模型结构的复杂性，冷水机组能耗模型参数难以确定的特点，现有技术采用BP神经网络建立能耗预测模型。但是该方法中由于BP神经网络具有依赖样本性强、不具备全局收搜能力、易陷入局部极值、学习速率慢、权值或者阈值是随机产生等缺陷，导致冷水机组不能达到较好的节能效果。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种能效监测方法、装置及计算机可读存储介质。第一方面，本申请提供了一种能效监测方法，应用于空调器的冷水机组，所述能效监测方法包括：采集目标监测设备的本文档来自技高网...

【技术保护点】
1.一种能效监测方法，其特征在于，应用于空调器的冷水机组，所述能效监测方法包括：采集目标监测设备的能耗样本数据作为训练数据；利用所述训练数据对预先建立的BP神经网络预测模型进行训练，得到预测训练结果；通过差分进化算法对所述预测训练结果执行预设优化操作，得到优化训练结果；判断所述优化训练结果是否满足预设终止条件；若是，根据所述优化训练结果获取BP神经网络目标模型。

【技术特征摘要】
1.一种能效监测方法，其特征在于，应用于空调器的冷水机组，所述能效监测方法包括：采集目标监测设备的能耗样本数据作为训练数据；利用所述训练数据对预先建立的BP神经网络预测模型进行训练，得到预测训练结果；通过差分进化算法对所述预测训练结果执行预设优化操作，得到优化训练结果；判断所述优化训练结果是否满足预设终止条件；若是，根据所述优化训练结果获取BP神经网络目标模型。2.根据权利要求1所述的能效监测方法，其特征在于，所述能效监测方法还包括：利用所述训练数据对所述BP神经网络目标模型进行训练；计算所述BP神经网络目标模型的训练结果的误差；判断所述训练结果的误差是否小于或等于目标误差；当所述训练结果的误差小于或等于目标误差时，停止训练所述BP神经网络目标模型；当所述训练结果的误差大于目标误差时，更新所述BP神经网络目标模型的权值和阈值，执行所述利用所述训练数据对所述BP神经网络目标模型进行训练的步骤。3.根据权利要求1所述的能耗监测方法，其特征在于，所述通过差分进化算法对所述预测训练结果执行预设优化操作，得到优化训练结果，包括：根据所述BP神经网络预测模型的预测训练结果计算预测适应度值；通过差分进化算法对所述适应度值执行变异、交叉和选择操作，得到优化训练结果；根据所述优化训练结果计算得到优化适应度值。4.根据权利要求3所述的能耗监测方法，其特征在于，所述判断所述优化训练结果是否满足预设终止条件，包括：判断所述优化适应度值是否满足预设终止条件；当所述优化适应度值不满足预设终止条件时，执行所述通过差分进化算法对所述适应度值执行变异、交叉和选择操作，得到优化训练结果的步骤。5.根据权利要求3所述的能耗监测方法，其特征在于，所述通过差分进化算法对所述适应度值执行变异操作，采用如下公式：vi(g)＝xr1(g)+F×[xr2(g)-xr3(g)]其中，vi(g)表示合成向量；xi(g)表示当前...

【专利技术属性】
技术研发人员：袁正波，韩怡茹，杜萍，向麟昀，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44