一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法技术

本发明专利技术涉及一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法，属于人工智能与自动控制技术领域。针对空调蓄冷系统控制过程中冷负荷预测方法无法捕捉数据时间特性、精度不高、扰动情况下不具有鲁棒性等问题，利用历史数据对未来时刻空调负荷进行预测，通过一维卷积神经网络捕捉多为时间序列输入之间的短期依赖，利用注意力机制，从而更好地捕捉时间序列中存在的长时间依赖。为避免神经网络输出对输入变化的不敏感，将神经网络最终输出结合自回归模型，得到最终预测结果。本方法能够对空调负荷的变化与特性进行精确预测，结合良好的优化控制策略，不仅能更加可靠合理地满足空调系统负荷要求，且有利于对系统运行进行更经济、更科学的控制调度。更科学的控制调度。更科学的控制调度。

【技术实现步骤摘要】
一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法


[0001]本专利技术涉及一种基于改进长短期记忆网络(Long Short
‑
Term Memory，LSTM)的蓄冷空调冷负荷预测方法，属于人工智能与自动控制


技术介绍

[0002]随着我国经济社会的发展，在生产与生活中对电能的需求迅速增长，另一方面由于负荷组成、季节变化等因素造成了电力系统负荷峰谷差。电峰值时电网压力大，尤其是在中国南方地区(如广东)夏季空调用电提升了高峰负荷，拉大了电网峰谷差，部分地区甚至不得不采取一定的限电措施，引发了深刻的供需矛盾。根据国家能源研究院数据，受第二产业用电比重稳步下降、第三产业和居民用电占比逐年提高影响，国家电网经营区域最大负荷增速将高于用电量，预测2025年达到13亿千瓦，年均增速5.5％左右，高于用电量增速约1个百分点。最大日峰谷差率预计将增至35％，最大日峰谷差达到4亿千瓦，电力系统调峰压力进一步增大。
[0003]国家为了压低高峰负荷，引导用户优化用电方式，实行分时电价，鼓励用户在负荷谷段用电。空调蓄冷技术正是从电力用户着手，参与电力调峰、平衡电网，充分利用谷段电力，“移峰填谷”削减供电量，减少电力建设投资，是改善电力供需矛盾最有效的技术措施之一。空调蓄冷技术利用夜间低谷的富余电力制冷并储存在蓄冷装置中，在白天高峰时段释冷，以减少在用电高峰时对制冷主机的使用，实现用电量时序转移，这对于改善电力建设的投资效益和生态环境都有重大意义。
[0004]对于用户来说，空调蓄冷技术带来的经济效益更为关键。与普通空调相比，蓄冷系统初期投资费用更高，但是在实际运行过出中，往往因为不当的控制策略，没法充分体现蓄冷空调的经济优势。因此，无论是从用户经济效益提升的角度，还是从电力系统整体效益和全社会综合能效的角度，蓄冷空调系统的优化运行控制意义重大。
[0005]然而，基于姜子炎等学者的调研，国内蓄冷空调实现完全自控的仅仅占3％。空调蓄冷系统运行以人为控制为主，主要依照工作人员根据近期空调运行状况，结合经验决定蓄冷量。这种不当的控制策略，或者没有充分利用蓄冷量，或者蓄冷量不足，这些情况都会导致空调系统低效率以及能源浪费。
[0006]蓄冷空调负荷预测结果可用于为空调系统运行人员确定合理的开、关制冷主机台数，提高调节的预见性和系统的稳定性。因此，负荷预测成了推动蓄冷空调应用的必要技术手段。负荷预测是指在整个建筑运行期间，对未来时刻冰蓄系统的运行所需要的冷量进行短期预测，其主要目的是为冰蓄冷空调系统的优化运行控制服务。
[0007]空调系统负荷的扰量可分为内扰和外扰两种。一般将存在于空调房间外部，通过围护结构作用于室内而造成空调系统负荷的扰量称为外扰，如室外空气温度、太阳辐射、空气渗透等的变化均属外扰。存在于空调房间内部，直接在室内造成空调系统负荷变化的那些因素则称为内扰，如人体散热散湿、设备散热散湿和照明灯具等的散热散湿的变化。
[0008]另一方面，空调冷负荷预测是典型的时间序列预测。时间序列是按照时间的先后
顺序对观察的事物进行收集记录，其数据通常具有数据规模大、维度高、不断更新这三个性质。这些数据通常被视为一个整体而不是片面地去看单个数值。可以从不同角度分析空调冷负荷序列，首先，时间序列数据有平稳序列以及非平稳序列。空调冷负荷序列为非平稳序列，从序列的构成来看，空调冷负荷序列可分为如下部分：趋势部分，通常决定了序列的走势；季节性变化，即一些周期性的变化，夏天的空调冷负荷明显高于冬天；循环变化，常表现为摆动现象(如一周的空调冷负荷看视为一种摆动)；随机变化，即随机因素的干扰。
[0009]目前，负荷分布预测的方法，按照建模原理可以分为参数回归法、时间序列预测法、人工神经网络、支持向量机等。但是，存在精度不高、扰动情况下不具有鲁棒性，且无法捕捉数据的时间特性等缺点和不足。

技术实现思路

[0010]本专利技术的目的是针对现有的空调蓄冷系统控制过程中，冷负荷预测方法存在的无法捕捉数据时间特性、精度不高、扰动情况下不具有鲁棒性等技术问题，提出一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法。
[0011]本方法的创新性在于：利用历史数据对未来时刻空调负荷进行预测，神经网络结构图如图1所示，通过一维卷积神经网络(Convolutional Neural Networks，CNN)捕捉多为时间序列输入之间的短期依赖，利用注意力机制，从而更好地捕捉时间序列中存在的长时间依赖，为了避免神经网络输出对输入变化的不敏感，将神经网络最终输出结合自回归模型(Autoregressive model，AR)，得到最终预测结果。
[0012]本专利技术方法是采用以下技术方案实现的。
[0013]一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法，包括以下步骤：
[0014]步骤1：将空调历史运行数据和多维特征的输入，首先经过一个CNN卷积层，在时间维度上提取短期模式以及变量之间的局部依赖性。
[0015]所述CNN卷积层包括不少于2个卷积核；其中，每个卷积核的宽度为w，代表输入的时间长度；高度为n，代表输入变量个数。
[0016]h
k
＝RELU(W
k
*X+b
k
)
ꢀꢀꢀꢀ
(1)
[0017]其中，h
k
表示卷积结果，W
k
表示权重，X表示神经网络输入的矩阵，b
k
表示偏置，RELU()表示线性整流函数(Rectified Linear Unit，ReLU)。
[0018]步骤2：使用长短期记忆网络循环神经捕捉短期依赖，得到输出的隐变量：
[0019]h
t
，c
t
＝F(h
t
‑1，c
t
‑1，x
t
)
ꢀꢀꢀꢀ
(2)
[0020]其中，h
t
表示t时刻的隐状态，h
t
‑1表示t
‑
1时刻的隐状态，隐状态对应于短期记忆；c
t
表示t时刻的单元状态，c
t
‑1表示t
‑
1时刻的单元状态，单元状态对应于长期记忆；x
t
表示输入，F()表示长短期记忆网络函数，定义如下：
[0021][0022][0023][0024][0025]h
t
＝o
t
⊙
tanh(c
t
)
ꢀꢀꢀꢀ
(7)
[0026]其中，sigmoid()函数是神经网络的激活函数，其输出范围控制在(0，1)，从而能够进行“门控”。i
t
表示输入门，f
t
表示遗忘门，o
t
表示输出门，tanh()为双曲正切函数。表示输入门的输入权重，表示输入门的隐状态权重，表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法，其特征在于，包括以下步骤：步骤1：将空调历史运行数据和多维特征的输入，首先经过一个CNN卷积层，在时间维度上提取短期模式以及变量之间的局部依赖性；所述CNN卷积层包括不少于2个卷积核；其中，每个卷积核的宽度为w，代表输入的时间长度；高度为n，代表输入变量个数；h
k
＝RELU(W
k
*X+b
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，h
k
表示卷积结果，W
k
表示权重，X表示神经网络输入的矩阵，b
k
表示偏置，RELU()表示线性整流函数；步骤2：使用长短期记忆网络循环神经捕捉短期依赖，得到输出的隐变量：h
t
，c
t
＝F(h
t
‑1，c
t
‑1，x
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，h
t
表示t时刻的隐状态，h
t
‑1表示t
‑
1时刻的隐状态，隐状态对应于短期记忆；c
t
表示t时刻的单元状态，c
t
‑1表示t
‑
1时刻的单元状态，单元状态对应于长期记忆；x
t
表示输入，F()表示长短期记忆网络函数，定义如下：F()表示长短期记忆网络函数，定义如下：F()表示长短期记忆网络函数，定义如下：F()表示长短期记忆网络函数，定义如下：h
t
＝o
t
⊙
tanh(c
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ...

【专利技术属性】
技术研发人员：李冬妮，崔梓华，李卓宇，梁洁平，杜凌岩，原志锋，
申请(专利权)人：广东申菱环境系统股份有限公司，
类型：发明
国别省市：