本申请公开了一种能耗系数的确定方法和装置、存储介质、电子装置。其中，该方法包括：获取目标空调的环境数据和功率数据，其中，所述环境数据包括温度数据；利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数。本申请解决了相关技术中能耗系数的预测准确度较低的技术问题。系数的预测准确度较低的技术问题。系数的预测准确度较低的技术问题。
【技术实现步骤摘要】
能耗系数的确定方法和装置、存储介质、电子装置
[0001]本申请涉及空调领域，具体而言，涉及一种能耗系数的确定方法和装置、存储介质、电子装置。
技术介绍
[0002]在过去的几十年里，能源一直是人们感兴趣的话题，越来越多的领域已经开始重视能源的利用率。也已经有了提高能源消耗效率的技术和发展，并对未来的消费趋势进行了描绘和进一步规划。而空调的能效作为现今建筑系统地能源效率中非常重要的一环，得到的关注却不多。因而，预测空调系统的能源效率在空调的设计和研发的过程中显得尤为重要，而目前并没有准确度较高的预测方式。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种能耗系数的确定方法和装置、存储介质、电子装置，以至少解决相关技术中能耗系数的预测准确度较低的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种能耗系数的确定方法，包括：获取目标空调的环境数据和功率数据，其中，所述环境数据包括温度数据；利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数。
[0006]可选地，在利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数时，利用所述密集神经网络，确定与环境数据匹配的温度差，并确定与所述功率数据对应的制冷功率；将所述温度差与所述制冷功率之间的比值作为所述能耗系数。
[0007]可选地，在所述密集神经网络中第l层网络的输出X
l
与之前的所有层的输出相关：X
l
＝H1([X0，X1，...，X
l-1
])，X0至X1表示密集神经网络中相应网络层的输出，符号[]表示连续操作。
[0008]可选地，在获取所述目标空调的环境数据时，获取所述目标空调的环境数据序列，其中，所述环境数据序列中保存有按照预设时间间隔采集到的环境数据。
[0009]可选地，在获取所述目标空调的环境数据序列包括时，获取所述目标空调的环境温度数据序列、室温数据序列、环境相对湿度序列以及室内相对湿度序列，其中，所述环境温度数据序列中保存有按照所述预设时间间隔采集到的环境温度数据，所述室温数据序列中保存有按照所述预设时间间隔采集到的室温数据，所述环境相对湿度序列中保存有按照所述预设时间间隔采集到的环境相对湿度，所述室内相对湿度序列中保存有按照所述预设时间间隔采集到的室内相对湿度。
[0010]可选地，在获取所述目标空调的功率数据包括时，获取所述目标空调的功率数据序列，其中，所述功率数据序列中保存有按照预设时间间隔采集到的功率数据。
[0011]可选地，在获取所述目标空调的功率数据序列包括时，获取所述目标空调的冷水机组的功率数据序列、所述目标空调的冷冻水泵的功率数据序列，所述目标空调的冷却水
泵的功率数据序列以及所述目标空调的冷却塔风机的功率数据序列。
[0012]根据本申请实施例的另一方面，还提供了一种能耗系数的确定装置，包括：获取单元，用于获取目标空调的环境数据和功率数据，其中，所述环境数据包括温度数据；确定单元，用于利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数。
[0013]可选地，确定单元还用于在利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数时，利用所述密集神经网络，确定与环境数据匹配的温度差，并确定与所述功率数据对应的制冷功率；将所述温度差与所述制冷功率之间的比值作为所述能耗系数。
[0014]可选地，在所述密集神经网络中第l层网络的输出X
l
与之前的所有层的输出相关：X
l
＝H1([X0，X1，...，X
l-1
])，X0至X
l
表示密集神经网络中相应网络层的输出，符号[]表示连续操作。
[0015]可选地，获取单元还用于在获取所述目标空调的环境数据时，获取所述目标空调的环境数据序列，其中，所述环境数据序列中保存有按照预设时间间隔采集到的环境数据。
[0016]可选地，获取单元还用于在获取所述目标空调的环境数据序列包括时，获取所述目标空调的环境温度数据序列、室温数据序列、环境相对湿度序列以及室内相对湿度序列，其中，所述环境温度数据序列中保存有按照所述预设时间间隔采集到的环境温度数据，所述室温数据序列中保存有按照所述预设时间间隔采集到的室温数据，所述环境相对湿度序列中保存有按照所述预设时间间隔采集到的环境相对湿度，所述室内相对湿度序列中保存有按照所述预设时间间隔采集到的室内相对湿度。
[0017]可选地，获取单元还用于在获取所述目标空调的功率数据包括时，获取所述目标空调的功率数据序列，其中，所述功率数据序列中保存有按照预设时间间隔采集到的功率数据。
[0018]可选地，获取单元还用于在获取所述目标空调的功率数据序列包括时，获取所述目标空调的冷水机组的功率数据序列、所述目标空调的冷冻水泵的功率数据序列，所述目标空调的冷却水泵的功率数据序列以及所述目标空调的冷却塔风机的功率数据序列。
[0019]根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
[0020]根据本申请实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
[0021]在本申请实施例中，利用密集神经网络自动地预测通调系统的能源消耗率，能够有效地提高预测的准确率，在空调的设计和研发阶段能起到一个有效的参考的作用，可以解决相关技术中能耗系数的预测准确度较低的技术问题。
附图说明
[0022]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0023]图1是根据本申请实施例的一种可选的能耗系数的确定方法的流程图；
[0024]图2是根据本申请实施例的一种可选的能耗系数的确定方案的示意图；
[0025]图3是根据本申请实施例的一种可选的能耗系数的确定装置的示意图；
[0026]以及
[0027]图4是根据本申请实施例的一种终端的结构框图。
具体实施方式
[0028]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
[0029]需要说明的是，本申请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，以便这里本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种能耗系数的确定方法，其特征在于，包括：获取目标空调的环境数据和功率数据，其中，所述环境数据包括温度数据；利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数。2.根据权利要求1所述的方法，其特征在于，利用密集神经网络，按照所述环境数据和所述功率数据预测所述目标空调的能耗系数包括：利用所述密集神经网络，确定与环境数据匹配的温度差，并确定与所述功率数据对应的制冷功率；将所述温度差与所述制冷功率之间的比值作为所述能耗系数。3.根据权利要求2所述的方法，其特征在于，在所述密集神经网络中第l层网络的输出X1与之前的所有层的输出相关：X
l
＝H
l
([X0，X1，...，X
l-1
])，X0至X
l
表示密集神经网络中相应网络层的输出，符号[]表示连续操作。4.根据权利要求1所述的方法，其特征在于，获取所述目标空调的环境数据包括：获取所述目标空调的环境数据序列，其中，所述环境数据序列中保存有按照预设时间间隔采集到的环境数据。5.根据权利要求4所述的方法，其特征在于，获取所述目标空调的环境数据序列包括：获取所述目标空调的环境温度数据序列、室温数据序列、环境相对湿度序列以及室内相对湿度序列，其中，所述环境温度数据序列中保存有按照所述预...
【专利技术属性】
技术研发人员：杨昌品，李瑞，周凌翔，贾巨涛，吴伟，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。