一种中央空调负荷预测方法、智能终端及存储介质技术

本发明专利技术公开了一种中央空调负荷预测方法，包括：获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；获取中央空调t时刻的实际负荷测量值；将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；求得负荷预测的偏差系数；经由偏差系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值的步骤。还提出了包含该方法的智能终端及存储介质。本发明专利技术对中央空调负荷实现高精度负荷预测，利用权重分配原则，自动调整负荷预测权重，始终确保负荷预测精度高的预测方法所占权重大，从而保证了系统整体负荷预测精度始终维持在一个高精度水平，及时调节空调系统运行工况，降低空调系统运行能耗。

A Load Forecasting Method, Intelligent Terminal and Storage Medium for Central Air Conditioning

【技术实现步骤摘要】
一种中央空调负荷预测方法、智能终端及存储介质
本专利技术涉及一种中央空调技术，尤其是涉及一种具有高精度的实时负荷预测能力的中央空调负荷预测方法、智能终端及存储介质。
技术介绍
提前预测出中央空调系统所冷负荷，可以及时调整空调系统对应设备的运行策略，提前调节系统运行冷量，减少不必要的运行能耗，从而实现中央空调系统运行技术节能。该中央空调负荷预测方法不仅及时准确，而且预测精度高，能够自动调整各种负荷预测方法的权重比例，完善了中央空调系统运行负荷预测的技术补充。现有的中央空调负荷预测方法主要有神经网络负荷预测，时间序列递推负荷预测等技术方法。其神经网络负荷预测是利用人工智能算法中的机器学习原理，利用历史测量数据，通过机器学习，提前预测下一时刻的对应负荷。目前中央空调系统负荷预测技术单一，比如神经网络预测由于在训练阶段采用了采用了最速下降法来搜索最优解。最速下降法所具有的特点就是:在局部搜索空间的搜索能力强,而对于全局搜索空间来说,它却存在着收敛速度慢、易陷入局部极小点等缺点，从而导致神经网络负荷预测不能在全局实现高精度负荷预测。时间序列预测又容易对季节和气候的影响产生依赖，一旦气候参数变化较大的情况发生，就会导致预测精度快速降低。针对中央空调系统负荷的滞后性、非线性、随机性等特点，因此针对不同的系统运行工况，均无法保证预测出高精度的负荷预测结果，当预测负荷值严重偏离实际运行负荷值时，会导致系统冷负荷不足或过冷等现象，从而造成能源浪费，因此无法最大化的实现中央空调系统运行技术节能。
技术实现思路
本专利技术解决的技术问题是提供一种中央空调负荷预测方法，能够提供实时高精度的中央空调负荷预测。本专利技术的技术解决方案是：一种中央空调负荷预测方法，其中，包括：步骤一，获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；步骤二，获取中央空调t时刻的实际负荷测量值；步骤三，将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；步骤四，求得负荷预测的偏差系数；步骤五，经由偏差系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值。本专利技术还提供：一种智能终端，其中，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的中央空调负荷预测程序，所述中央空调负荷预测程序被所述处理器执行时实现如上所述的中央空调负荷预测方法的步骤。一种存储介质，其中，所述存储介质存储有中央空调负荷预测程序，所述中央空调负荷预测程序被处理器执行时实现如上所述中央空调负荷预测方法的步骤。由以上说明得知，本专利技术确实具有如下的优点：本专利技术对中央空调负荷实现高精度负荷预测，利用权重分配原则，自动调整负荷预测权重，始终确保负荷预测精度高的预测方法所占权重大，负荷预测精度低的预测方法所占权重小，从而保证了系统整体负荷预测精度始终维持在一个高精度水平，从而及时调节空调系统运行工况，降低空调系统运行能耗。附图说明图1为本专利技术的中央空调负荷预测算法较佳实施例的步骤流程示意图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图说明本专利技术的具体实施方式。本专利技术针对现有的中央空调负荷预测算法的不足，采用将现有预测算法的预测数值做进一步的计算处理，获得高精度预测方法权重大的算法体系，保持最终预测值在一个较高的精确度上。在现有的预测算法中，较为常用的是人工神经网络负荷预测和时间序列递推负荷预测的方法，当然也可以是其他的算法，在本专利技术中，涵盖的算法种类越多，最终负荷值的预测结果越精确。人工神经网络是模仿人脑神经系统对信号进行输入,输出处理的系统,它实质是一种输入转化输出的数学表达式,这种数学关系以网络形式实现,对具体问题进行设计与训练,从而再利用历史数据和神经网络数学模型来预测出下一时刻的空调负荷值。时间序列递推是利用历史数据，拟合获得负荷预测公式系数，从而递推出下一时刻的负荷预测值。其原理是按照时间顺序取得的一系列观测值，其一个本质特征就是相邻观测值之间的依赖性，组成一个时间参数离散的随机序列，若参数t表示时间，则随机序列{X,t＝0,±1,±2,L}t就是一个时间序列。时间序列分析的任务就是根据这组随机序列的部分观测值来推断此序列总体的性质，建立随机动态模型(统计模型)，并将这种模型用于空调系统负荷预测中，并预测出下一时刻的空调负荷值。上述算法中，他们各自都存在着不足和预测值不精确的原因，本专利技术通过将现有的预测方法进行综合计算，根据系统的实际情况实时重新分配负荷值的权重，获得实时精确的负荷预测值。本专利技术所述的一种中央空调负荷预测方法，请参照图1所示，其较佳的实施例中，包括：S101步骤一，获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；S102步骤二，获取中央空调t时刻的实际负荷测量值；S103步骤三，将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；S104步骤四，求得负荷预测的偏差系数；S105步骤五，经由偏差系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值。本专利技术通过获得常用负荷预测算法的t时刻预测值以及t时刻已经发生的实际负荷值，进行计算，通过偏差系数的调整，使精确度高的算法权重提高，最终获得t+1时刻更为精确的负荷预测值。本专利技术不仅提高了负荷预测值的精确度，而且还具有实时根据中央空调系统的运行条件变化，调整计算权重的能力，具有极高的环境适应能力。如上所述的本专利技术的中央空调负荷预测方法，其较佳的实施例中，所述负荷预测值为经由一个或多个所述常用负荷预测算法获得的多个负荷预测值。在本专利技术的方法中，可以通过多个常用负荷预测算法的预测值进行计算，也可以通过一个算法的多个预测值计算，也可以是多种相结合的方式。在现有的算法中，有的是相同的输入就只有同一的输出结果，但是有的算法是相同的输入，也会有不同的输出结果，根据这种情况，本专利技术的输入数据可以进行选择调整。当然，常用预测算法的种类越多，输入的负荷预测值越多，最终结果越准确。如上所述的本专利技术的中央空调负荷预测方法，其较佳的实施例中，所述常用负荷预测算法包括有时间序列地推负荷预测算法和/或人工神经网络负荷预测算法。当然也可以是更多预测算法的组合。所有的预测算法都可以放入本专利技术的方法中进行计算，获得更为精确的预测结果。如上所述的本专利技术的中央空调负荷预测方法，其较佳的实施例中，所述t时刻的负荷预测值为Yn(t)，组合预测值为Yyuce(t)，所述预测矩阵为：其中n为自然数。如上所述的本专利技术的中央空调负荷预测方法，其较佳的实施例红，所述t时刻的实际负荷测量值为Y(t)，经由t时刻负荷预测值与实际负荷测量值之差的绝对值组成的偏差矩阵：和t时刻绝对值组成的偏差矩阵对应倒数矩阵：以及t时刻倒数矩阵求和值：获得t时刻负荷预测值对应的取值系数αxishu(t)；预测矩阵求得t+1时刻的负荷预测值Yyuce(t+1)后，经由公式：Yyucezhi(t+1)＝αxishu(t)T*Yyuce(t+1)求得t+1时刻的对应的最终负荷预测值。本专利技术还提出一种智能终端，其较佳的实施例中，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的中央空调负荷预测程序，所述本文档来自技高网...

【技术保护点】
1.一种中央空调负荷预测方法，其特征在于，包括：步骤一，获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；步骤二，获取中央空调t时刻的实际负荷测量值；步骤三，将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；步骤四，求得负荷预测的偏差系数；步骤五，经由偏差系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值。

【技术特征摘要】
1.一种中央空调负荷预测方法，其特征在于，包括：步骤一，获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；步骤二，获取中央空调t时刻的实际负荷测量值；步骤三，将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；步骤四，求得负荷预测的偏差系数；步骤五，经由偏差系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值。2.如权利要求1所述的中央空调负荷预测方法，其特征在于，所述负荷预测值为经由一个或多个所述常用负荷预测算法获得的多个负荷预测值。3.如权利要求2所述的中央空调负荷预测方法，其特征在于，所述常用负荷预测算法包括有时间序列地推负荷预测算法和/或人工神经网络负荷预测算法。4.如权利要求3所述的中央空调负荷预测方法，其特征在于，所述t时刻的负荷预测值为Yn(t)，组合预测值为Yyuce(t)，所述预测矩阵为：其中n为自然数。5.如权利要求4所述的中央...

【专利技术属性】
技术研发人员：李建维，曾江华，陈云雷，何青，刘玉卓，
申请(专利权)人：深圳市海源节能科技有限公司，
类型：发明
国别省市：广东,44