用电能耗的预测方法和装置制造方法及图纸

本发明专利技术公开了一种用电能耗的预测方法和装置。其中，该方法包括：获取目标类型的因素数据，其中，因素数据用于表示影响目标空调系统用电能耗的数据，目标类型根据的多种类型的因素数据对目标空调系统用电能耗的影响程度确定；获取用电能耗预测模型；根据目标类型的因素参数，基于用电能耗预测模型对目标空调系统的用电能耗进行预测。本发明专利技术解决了现有技术中难以对建筑的空调用电能耗进行准确预测的技术问题。

Prediction method and device of power consumption

【技术实现步骤摘要】
用电能耗的预测方法和装置
本专利技术涉及空调领域，具体而言，涉及一种用电能耗的预测方法和装置。
技术介绍
随着全球经济的持续增长，能源紧缺和环境压力日益严重，减少能源浪费、保护环境已经成为需要重视的问题，而大型公共建筑的单位面积能耗相对于居住建筑面积能耗要高出10倍多，在能源供应日益紧张、环境污染日益严重的环境下，进行以节能减耗为目的的能耗预测系统的研究，具有重要的意义。为了提高大型公共建筑的能耗管理效率，不仅需要对能耗历史数据进行监测、分析，还需要对建筑未来的能耗进行预测，对能耗预测结果进行分析，及时发现能耗异常数据，为建筑节能提供指引方向。在大型公共建筑的工作运转过程中，预先估计未来某段时间内的能耗数据对整个建筑的能耗监管和分析都是具有非常重要的以及。但影响大型公共建筑能耗的因素很多，难以准确的对未来的能耗进行预测。针对现有技术中难以对建筑的空调用电能耗进行准确预测的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种用电能耗的预测方法和装置，以至少解决现有技术中难以对建筑的空调用电能耗进行准确预测的技术问题。根据本专利技术实施例的一个方面，提供了一种用电能耗的预测方法，包括：获取目标类型的因素数据，其中，因素数据用于表示影响目标空调系统用电能耗的数据，目标类型根据的多种类型的因素数据对目标空调系统用电能耗的影响程度确定；获取用电能耗预测模型；根据目标类型的因素参数，基于用电能耗预测模型对目标空调系统的用电能耗进行预测。进一步地，在获取目标类型的因素数据之前，确定目标类型，其中，确定目标类型的步骤包括：获取目标空调系统历史的用电能耗数据和多种类型的因素数据；通过历史的用电能耗数据和多种类型的因素数据，将多种类型按照多种类型的因素数据对目标空调系统用电能耗数据的影响程度进行排序；在按照影响程度由大至小排序的情况下，确定前N个类型为目标类型，其中，N为大于1的整数；在按照影响程度由小至大排序的情况下，确定后M个类型为目标类型，其中，M为大于1的整数。进一步地，在获取目标类型的因素数据之前，构建用电能耗预测模型，其中，构建用电能耗预测模型，包括：获取样本数据，其中，样本数据包括目标类型的历史因素数据和历史因素数据对应的用电能耗数据；通过样本数据对预设初始模型进行训练，得到用电能耗预测模型。进一步地，预设初始模型为径向基函数神经网络模型。进一步地，在获取样本数据之后，对样本数据进行预处理，其中，预处理包括如下任意一项或多项：数据清洗、数据集成、数据转换和数据消减；通过样本数据对预设初始模型进行训练，得到用电能耗预测模型，包括：通过预处理后的样本数据对预设初始模型进行训练，得到用电能耗预测模型。进一步地，样本数据中包括：训练样本数据和测试样本数据，通过训练样本数据对预设初始模型进行训练，得到训练结果；通过测试样本数据对训练结果进行测试；如果测试通过，则确定训练结果为用电能耗预测模型，如果测试未通过，在训练结果的基础上继续进行训练。进一步地，输入测试样本数据中的历史因素数据至训练结果，得到训练结果输出的预测结果；获取预测结果与测试样本数据对应的用电能耗数据的均方根误差；根据均方根误差确定训练结果是否通过测试。进一步地，通过均方根误差对训练结果中的网络参数进行修正；确定修正后的训练结果为用电能耗预测模型。根据本专利技术实施例的一个方面，提供了一种用电能耗的预测装置，其特征在于，包括：第一获取模块，用于获取目标类型的因素数据，其中，因素数据用于表示影响目标空调系统用电能耗的数据，目标类型根据的多种类型的因素数据对目标空调系统用电能耗的影响程度确定；第二获取模块，用于获取用电能耗预测模型；预测模块，用于根据目标类型的因素参数，基于用电能耗预测模型对目标空调系统的用电能耗进行预测。根据本专利技术实施例的一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行权利要求1至8中任意一项的用电能耗的预测方法。根据本专利技术实施例的一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行权利要求1至8中任意一项的用电能耗的预测方法。在本专利技术实施例中，获取目标空调系统用电能耗对应的目标类型的因素数据，其中，目标类型根据的多种类型的因素数据对目标空调系统用电能耗的影响程度确定，获取用电能耗预测模型，根据目标类型的因素参数，基于用电能耗预测模型对目标空调系统的用电能耗进行预测。上述方案中，用于预测用电能耗的因素数据为目标类型的因素数据，且目标类型是根据的多种类型的因素数据对目标空调系统用电能耗的影响程度确定的，因此可以在保证预测的准确程度的基础上，减少用于运算的因素数据的种类，从而可以减少运算时所使用的运算资源，提高运算速度，进而解决了现有技术中难以对建筑的空调用电能耗进行准确预测的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的用电能耗的预测方法的流程图；图2是根据本申请实施例的一种构建用电能耗预测模型的示意图；以及图3是根据本专利技术实施例的用电能耗的预测装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1根据本专利技术实施例，提供了一种用电能耗的预测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的用电能耗的预测方法的流程图，如图1所示，该方法包括如下步骤：步骤S102，获取目标类型的因素数据，其中，因素数据用于表示影响目标空调系统用电能耗的数据，目标类型根据的多种类型的因素数据对目标空调系统用电能耗的影响程度确定。具体的，上述目标空调系统可以是应用于大型建筑中的中央空调系统，因素本文档来自技高网...

【技术保护点】
1.一种用电能耗的预测方法，其特征在于，包括：/n获取目标类型的因素数据，其中，所述因素数据用于表示影响目标空调系统用电能耗的数据，所述目标类型根据的多种类型的因素数据对所述目标空调系统用电能耗的影响程度确定；/n获取用电能耗预测模型；/n根据所述目标类型的因素参数，基于所述用电能耗预测模型对所述目标空调系统的用电能耗进行预测。/n

【技术特征摘要】
1.一种用电能耗的预测方法，其特征在于，包括：
获取目标类型的因素数据，其中，所述因素数据用于表示影响目标空调系统用电能耗的数据，所述目标类型根据的多种类型的因素数据对所述目标空调系统用电能耗的影响程度确定；
获取用电能耗预测模型；
根据所述目标类型的因素参数，基于所述用电能耗预测模型对所述目标空调系统的用电能耗进行预测。


2.根据权利要求1所述的方法，其特征在于，在获取目标类型的因素数据之前，所述方法还包括：确定所述目标类型，其中，确定所述目标类型的步骤包括：
获取所述目标空调系统历史的用电能耗数据和多种类型的因素数据；
通过所述历史的用电能耗数据和所述多种类型的因素数据，将所述多种类型按照所述多种类型的因素数据对所述目标空调系统用电能耗数据的影响程度进行排序；
在按照所述影响程度由大至小排序的情况下，确定前N个类型为所述目标类型，其中，N为大于1的整数；
在按照所述影响程度由小至大排序的情况下，确定后M个类型为所述目标类型，其中，M为大于1的整数。


3.根据权利要求1所述的方法，其特征在于，在获取目标类型的因素数据之前，所述方法还包括：构建所述用电能耗预测模型，其中，构建所述用电能耗预测模型，包括：
获取样本数据，其中，所述样本数据包括所述目标类型的历史因素数据和所述历史因素数据对应的用电能耗数据；
通过所述样本数据对预设初始模型进行训练，得到所述用电能耗预测模型。


4.根据权利要求3所述的方法，其特征在于，所述预设初始模型为径向基函数神经网络模型。


5.根据权利要求2所述的方法，其特征在于，在获取样本数据之后，所述方法还包括：
对所述样本数据进行预处理，其中，所述预处理包括如下任意一项或多项：数据清洗、数据集成、数据转换和数据消减；
通过所述样本数据对预设初始模型进行训练，得到所述用电能耗预测模型，包括：通过预处理后的样本数据对预设初始模型进行训练，得到所述用电能耗预测模...

【专利技术属性】
技术研发人员：张秀蕊，张磊，陈彦宇，谭泽汉，马雅奇，
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