【技术实现步骤摘要】
基于图神经网络的冷水机组能耗预测方法、系统及存储介质
[0001]本专利技术涉及中央空调冷水机组能耗预测
，尤其涉及基于图神经网络的冷水机组能耗预测方法、系统及存储介质。
技术介绍
[0002]能源消耗问题随着经济的快速发展日益凸显，近些年构建能源节约型社会愈发被重视。目前建筑能耗占全球总能耗比重已逼近40％，中央空调系统作为调节大型建筑室内温度和湿度的重要设备，被广泛应用在大型建筑中，而中央空调系统也是是整个建筑中能耗最大的设备，其用电量占建筑用电总负荷的30％
‑
40％，局部地区更高达50％以上。在中央空调系统能耗中，冷水主机能耗比例为50％以上，因此冷水主机的节能优化控制是中央空调系统节能的关键之一。
[0003]冷水主机具有非线性、滞后性、时变性和强耦合等特点，并且由于供冷需求量随环境变化和室内活动变化影响，导致冷水主机运行工况复杂，实际节能优化试验成本高且所需时间较长。因此，建立中央空调冷水主机的能耗预测模型实现不同供冷量下能耗预测，是实现节能优化的重要途径。
[0004]目...
【技术保护点】
【技术特征摘要】
1.一种基于图神经网络的冷水机组能耗预测方法，其特征在于，包括以下步骤：获取冷水机组的运行状态数据集，所述运行状态数据集中包括多个在不同工况下/不同时刻下的运行状态数据子集及其对应的能耗数据；判断所述运行状态数据集中各个运行状态数据子集对应的运行工况之间是否具有关联关系，并根据判断结果构建所述运行状态数据集中各个运行状态数据子集的关联关系图；将所述关联关系图转化为图结构的邻接矩阵，并基于此关联关系图构造以图神经网络为框架的能耗预测模型，采用各个运行状态数据子集、对应的能耗数据以及对应的邻接矩阵迭代训练能耗预测模型，直至其收敛，得到训练好的能耗预测模型；将待预测的、所述冷水主机的运行状态数据子集输入到训练好的能耗预测模型中，得到所述冷水主机能耗预测结果。2.根据权利要求1所述的基于图神经网络的冷水机组能耗预测方法，其特征在于，所述运行状态数据子集包括多种影响冷水机组能耗的关键运行状态数据，所述关键运行状态数据包括：3.根据权利要求2所述的基于图神经网络的冷水机组能耗预测方法，其特征在于，判断所述运行状态数据集中各个运行状态数据子集之间是否具有关联关系，包括以下步骤：从所述关键运行状态数据的种类中选取关联运行状态数据种类，对于所述运行状态数据集中任意一个运行状态数据子集D
i
以及任意一个不同于运行状态数据子集D
i
的运行状态数据子集D
j
，分别计算所述运行状态数据子集D
i
中各种关联运行状态数据与所述运行状态数据子集D
j
中的同一种类的关联运行状态数据间的残差值；并根据所述运行状态数据子集D
i
和运行状态数据子集D
j
中的各种关联运行状态数据间的残差值判断所述运行状态数据子集D
i
和运行状态数据子集D
j
是否具有关联关系。
4.根据权利要求3所述的基于图神经网络的冷水机组能耗预测方法，其特征在于，所述关联运行状态数据种类包括：t+1时刻与t时刻运行冷水主机数目的差值、t+1时刻与t时刻设置的冷冻水供水温度的差值、数据采集的星期、冷冻水供水温度、冷却水回水温度、冷冻水供回水温差、冷却水供水温度、冷却水供回水温差、t+1时刻设置的冷冻水供水温度、t+1时刻运行冷水主机的数目、冷水主机制冷量以及数据采集时间；分别计算所述运行状态数据子集D
i
中各种关联运行状态数据与所述运行状态数据子集D
j
中的同一种类的关联运行状态数据间的残差值通过以下公式实现：残差表达式R1R1＝N
c(t+1)i
‑
N
c(t+1)j
R2R2＝T
sc(t+1)i
‑
T
sc(t+1)j
R3R3＝N
i
‑
N
j
R4R4＝T
choi
‑
T
choj
R5R5＝T
chdi
‑
T
chdj
R6R6...
【专利技术属性】
技术研发人员：陈志文，邓撬，赵正润，樊欣宇，彭涛，阳春华，桂卫华，
申请(专利权)人：中南大学，
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。