一种空调器及云服务器制造技术

本发明专利技术公开一种空调器及云服务器，空调器包括：控制器，其配置有随机森林预测模型，控制器接收空调器的多个运行参数的值并输入至随机森林预测模型，随机森林预测模型输出空调器的预测能效比；空调器的多个运行参数包括蒸发器进水温度TEI、蒸发器出水温度TEO、冷凝器进水温度TCI、冷凝器出水温度TCO、换热器进水温度TSI、冷凝器环路温度TS0、换热器出水温度TBI、蒸发器环路温度TBO、建筑进水温度CTI、建筑出水温度CTO、蒸汽加热量kW、蒸发器流量TEA、冷凝器流量TCA、冷凝器温差表征值TRE以及制冷剂温度TRC的任意组合。本空调器能够有效地运行在大数据集上，具有极好的准确率。能够处理具有高维特征的输入样本。不容易陷入过拟合，并且具有很好得抗噪能力。

【技术实现步骤摘要】
一种空调器及云服务器
本专利技术涉及电器
，尤其涉及一种云服务器及空调器。
技术介绍
随着人们生活水平的提高，空调已经成为每户人家中的必备品，同时对空调的智能化水平也有了更高的要求。空调的智能化水平除了体现在控制方面，空调能耗的控制也是一个重要方面。各大空调厂家都在努力提高空调的能效比，以使空调运行在较高能效下，达到节能的要求。其中主要从两个方面进行研究，一是从空调自身的正向控制着手，通过实验获得空调详细的运行参数，调整控制算法以达到节能控制，另外一个方面是预测空调能效比，作为空调控制系统的一个反馈输入来完成对空调进行更加精准的控制。目前也有多种方法对空调能效进行预测，比如线性回归，贝叶斯估计算法、遗传算法等，但是空调能效受到多种因素、多个参数的影响，本身是个非常复杂的非线性系统，通过传统的方法很难获得精确的预测效果。
技术实现思路
为解决现有技术中对空调器的能效比预测存在计算量大、精度差问题，本专利技术提供一种空调器及云服务器，其基于随机森林预测模型，不容易过拟合，训练速度比较快，更精确的预测多联机空本文档来自技高网...

【技术保护点】
1.一种空调器，其特征在于，包括：/n控制器，其配置有随机森林预测模型，所述控制器接收空调器的多个运行参数的值并输入至所述随机森林预测模型，所述随机森林预测模型输出空调器的预测能效比；/n所述空调器的多个运行参数包括蒸发器进水温度TEI、蒸发器出水温度TEO、冷凝器进水温度TCI、冷凝器出水温度TCO、换热器进水温度TSI、冷凝器环路温度TS0、换热器出水温度TBI、蒸发器环路温度TBO、建筑进水温度CTI、建筑出水温度CTO、蒸汽加热量kW、蒸发器流量TEA、冷凝器流量TCA、冷凝器温差表征值TRE以及制冷剂温度TRC的任意组合。/n

【技术特征摘要】
1.一种空调器，其特征在于，包括：
控制器，其配置有随机森林预测模型，所述控制器接收空调器的多个运行参数的值并输入至所述随机森林预测模型，所述随机森林预测模型输出空调器的预测能效比；
所述空调器的多个运行参数包括蒸发器进水温度TEI、蒸发器出水温度TEO、冷凝器进水温度TCI、冷凝器出水温度TCO、换热器进水温度TSI、冷凝器环路温度TS0、换热器出水温度TBI、蒸发器环路温度TBO、建筑进水温度CTI、建筑出水温度CTO、蒸汽加热量kW、蒸发器流量TEA、冷凝器流量TCA、冷凝器温差表征值TRE以及制冷剂温度TRC的任意组合。


2.根据权利要求1所述的空调器，其特征在于，所述控制器配置随机森林预测模型的方法包括：
选取参数变量，从所述多个运行参数中选取任一种参数变量组合，该参数变量组合中的特征数为M；
获取所述参数变量组合中各参数变量的历史数据，得到若干条历史数据，以及获取各条历史数据所对应的能效比；
构建随机森林预测模型，包括：
构建各分类树的训练集，分别随机且有放回地从所述历史数据中抽取N个训练样本，作为各分类树的训练集；
分别对各分类树进行训练，随机地从M个特征中选取m个特征子集，作为各分类树的训练特征，其中，1≤m＜M。


3.根据权利要求2所述的空调器，其特征在于，在构建随机森林预测模型之前还包括对所述历史数据进行预处理的步骤，将其转化为无量纲的数值。


4.根据权利要求3所述的云服务器，其特征在于，对所述历史数据进行预处理包括：对所述历史数据进行归一化处理，将每个数据转换到0～1的范围区间。


5.根据权利要求2所述的空调器，其特征在于，还包括对随机森林预测模型进行袋外错误率估计的步骤，包括：
将所述历史数据中的各条数据输入至未将其抽取作为训练样本的分类树中，得到所述分类树的分类结...

【专利技术属性】
技术研发人员：盛凯，矫晓龙，
申请(专利权)人：青岛海信日立空调系统有限公司，
类型：发明
国别省市：山东;37