本申请提供一种空调负荷预测模型生成方法、空调负荷预测方法及装置，涉及计算机技术领域。该方法包括：构建预设场所内空调设备的初始预测模型，初始预测模型包括：空调设备的热量调节项和多个维度的负荷项之间的关联关系；其中，负荷项为空调设备进行热量调节的影响因素；获取空调设备在预设连续的多个历史时间段内的热量调节数据和每个历史时间段的多个维度的负荷数据；根据热量调节数据和多个维度的负荷数据，对关联关系中多个维度的负荷项对应的系数进行求解，得到多个维度的系数；根据初始预测模型和多个维度的系数，得到空调设备的目标预测模型。本申请可以提供具有通用性的空调负荷预测模型，实现对各种场所内空调设备的热量进行预测。备的热量进行预测。备的热量进行预测。
【技术实现步骤摘要】
空调负荷预测模型生成方法、空调负荷预测方法及装置
[0001]本专利技术涉及计算机
，具体而言，涉及一种空调负荷预测模型生成方法、空调负荷预测方法及装置。
技术介绍
[0002]随着轨道交通行业的快速发展，如何降低运营能耗问题逐渐成为了轨道交通运营单位研究的热点。
[0003]轨道交通的能耗基数大，其中，站内的空调系统的能耗占比非常大，超过40％的电量是由轨道交通站内的空调系统消耗的，因此，减少轨道交通站内空调系统的能源消耗是十分重要的。
[0004]现有技术主要是采用神经网络模型作为空调负荷预测的主要技术，由于神经网络模型属于黑箱模型，一方面针对不同场所需要针对性的训练模型，模型不具备通用性，另一方面技术人员难以知道其内部结构，无法根据热量调节需求对模型进行调整优化。
技术实现思路
[0005]本专利技术的目的在于，针对上述现有技术中的不足，提供一种空调负荷预测模型生成方法、空调负荷预测方法及装置，以便提供具有通用性的空调负荷预测模型，实现对各种场所内空调设备的热量进行预测。
[0006]为实现上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，本申请实施例提供了一种空调负荷预测模型生成方法，所述方法包括：
[0008]构建预设场所内空调设备的初始预测模型，所述初始预测模型包括：所述空调设备的热量调节项和多个维度的负荷项之间的关联关系；其中，所述负荷项为所述空调设备进行热量调节的影响因素；
[0009]获取所述空调设备在预设连续的多个历史时间段内的热量调节数据和每个历史时间段的所述多个维度的负荷数据；
[0010]根据所述热量调节数据和所述多个维度的负荷数据，对所述关联关系中所述多个维度的负荷项对应的系数进行求解，得到所述多个维度的系数；
[0011]根据所述初始预测模型和所述多个维度的系数，得到所述空调设备的目标预测模型。
[0012]可选的，所述构建预设场所内空调设备的初始预测模型，包括：
[0013]根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项；
[0014]根据所述空调设备的工作参数项，构建所述热量调节项；
[0015]根据所述多个维度的负荷项以及所述热量调节项，构建所述初始预测模型。
[0016]可选的，所述多个维度的负荷项包括：空气焓差负荷项，所述空气焓差负荷项的系数为空气质量系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：
[0017]根据所述空气质量系数、相邻时刻的室内空气焓值参数项以及所述相邻时刻的时间差，构建所述空气焓差负荷项。
[0018]可选的，所述多个维度的负荷项还包括：人员负荷项，所述人员负荷项的系数为平均发热功率系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：
[0019]根据所述平均发热功率系数以及人员流量参数项，构建所述人员负荷项。
[0020]可选的，所述多个维度的负荷项还包括：设备负荷项，所述设备负荷项的系数为设备发热功率系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：
[0021]根据所述设备发热功率系数，构建所述设备负荷项。
[0022]可选的，所述多个维度的负荷项还包括：渗透风负荷项，所述渗透风负荷项的系数为空气渗透速率系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：
[0023]根据所述空气渗透速率系数、所述预设场所的室内空气焓值参数项以及所述预设场所的室外空气焓值参数项，构建所述渗透风负荷项。
[0024]可选的，所述多个维度的负荷项还包括：风机负荷项，所述风机负荷项的系数为单位送风量系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：
[0025]根据所述单位送风量系数、所述预设场所的室内空气焓值参数项、所述预设场所的室外空气焓值参数项、所述空调设备的风机工作参数项，构建确定所述风机负荷项。
[0026]第二方面，本申请实施例还提供一种空调负荷预测方法，所述方法包括：
[0027]获取预设场所内空调设备在当前时刻的多个维度的负荷数据；
[0028]根据所述多个维度的负荷数据，采用所述空调设备的目标预测模型，计算预设未来时刻的热量调节参数，以根据所述热量调节参数调节所述空调设备的热量搬运能力，其中，所述目标预测模型是采用如上述第一方面任一项所述的空调负荷预测模型生成方法得到的。
[0029]第三方面，本申请实施例还提供一种空调负荷预测模型生成装置，所述装置包括：
[0030]初始模型构建模块，用于构建预设场所内空调设备的初始预测模型，所述初始预测模型包括：所述空调设备的热量调节项和多个维度的负荷项之间的关联关系；其中，所述负荷项为所述空调设备进行热量调节的影响因素；
[0031]历史数据获取模块，用于获取所述空调设备在预设连续的多个历史时间段内的热量调节数据和每个历史时间段的所述多个维度的负荷数据；
[0032]系数计算模块，用于根据所述热量调节数据和所述多个维度的负荷数据，对所述关联关系中所述多个维度的负荷项对应的系数进行求解，得到所述多个维度的系数；
[0033]目标模型生成模块，用于根据所述初始预测模型和所述多个维度的系数，得到所述空调设备的目标预测模型。
[0034]可选的，所述初始模型构建模块，包括：
[0035]负荷项构建单元，用于根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项；
[0036]热量调节项构建单元，用于根据所述空调设备的工作参数项，构建所述热量调节项；
[0037]初始模型构建单元，用于根据所述多个维度的负荷项以及所述热量调节项，构建所述初始预测模型。
[0038]可选的，所述多个维度的负荷项包括：空气焓差负荷项，所述空气焓差负荷项的系数为空气质量系数；所述负荷项构建单元，具体用于根据所述空气质量系数、相邻时刻的室内空气焓值参数项以及所述相邻时刻的时间差，构建所述空气焓差负荷项。
[0039]可选的，所述多个维度的负荷项还包括：人员负荷项，所述人员负荷项的系数为平均发热功率系数；所述负荷项构建单元，具体用于根据所述平均发热功率系数以及人员流量参数项，构建所述人员负荷项。
[0040]可选的，所述多个维度的负荷项还包括：设备负荷项，所述设备负荷项的系数为设备发热功率系数；所述负荷项构建单元，具体用于根据所述设备发热功率系数，构建所述设备负荷项。
[0041]可选的，所述多个维度的负荷项还包括：渗透风负荷项，所述渗透风负荷项的系数为空气渗透速率系数；所述负荷项构建单元，具体用于根据所述空气渗透速率系数、所述预设场所的室内空气焓值参数项以及所述预设场所的室外空气焓值参数项，构建所述渗透风负荷项。
[0042]可选的，所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种空调负荷预测模型生成方法，其特征在于，所述方法包括：构建预设场所内空调设备的初始预测模型，所述初始预测模型包括：所述空调设备的热量调节项和多个维度的负荷项之间的关联关系；其中，所述负荷项为所述空调设备进行热量调节的影响因素；获取所述空调设备在预设连续的多个历史时间段内的热量调节数据和每个历史时间段的所述多个维度的负荷数据；根据所述热量调节数据和所述多个维度的负荷数据，对所述关联关系中所述多个维度的负荷项对应的系数进行求解，得到所述多个维度的系数；根据所述初始预测模型和所述多个维度的系数，得到所述空调设备的目标预测模型。2.如权利要求1所述的方法，其特征在于，所述构建预设场所内空调设备的初始预测模型，包括：根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项；根据所述空调设备的工作参数项，构建所述热量调节项；根据所述多个维度的负荷项以及所述热量调节项，构建所述初始预测模型。3.如权利要求2所述的方法，其特征在于，所述多个维度的负荷项包括：空气焓差负荷项，所述空气焓差负荷项的系数为空气质量系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：根据所述空气质量系数、相邻时刻的室内空气焓值参数项以及所述相邻时刻的时间差，构建所述空气焓差负荷项。4.如权利要求2所述的方法，其特征在于，所述多个维度的负荷项还包括：人员负荷项，所述人员负荷项的系数为平均发热功率系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：根据所述平均发热功率系数以及人员流量参数项，构建所述人员负荷项。5.如权利要求2所述的方法，其特征在于，所述多个维度的负荷项还包括：设备负荷项，所述设备负荷项的系数为设备发热功率系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：根据所述设备发热功率系数，构建所述设备负荷项。6.如权利要求2所述的方法，其特征在于，所述多个维度的负荷项还包括：渗透风负荷项，所述渗透风负荷项的系数为空气渗透速率系数；所述根据每个维度的参数项以及所述每个维度的系数，构建所述每个维度的负荷项，包括：根据所述空气渗透速率系数、所述预...
【专利技术属性】
技术研发人员：马灵玲，何红宇，张睿，郑奇雨，王心光，
申请(专利权)人：浙江中控信息产业股份有限公司，
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。