【技术实现步骤摘要】
本申请涉及空调领域，尤其涉及一种空调能耗预测方法、装置、设备及存储介质。
技术介绍
1、近年来，节能减排的关注和投入越来越大，其意义不仅在于降低经济成本、也在于促进生态环境的改善。目前，idc机房每年的能耗已接近我国每年总能耗的2％，是名副其实的能耗大户、也是电信行业节能减排的重点领域，在idc机房的节能减排任务中，减少空调制冷量的冗余是提高机房整体能耗效率的关键手段；而不论空调设备的制冷方式是风冷或是水冷，对空调能耗进行实时预测，均是实现空调智能调控和减少制冷量冗余的重要前提。
2、目前，空调能耗预测的方法主要可以分为三类，一是以arima为代表的传统时间序列方法；二是以rnn为代表的基于深度学习的时间序列方法；三是以gbdt为代表的机器学习方法。但由于空调能耗预测问题所具有的一些特性，例如时间序列属性、变化规律复杂、影响因素较多等，这三类方法无法获得泛化性、适用性高的能耗预测，且如现有的gbdt方法只能实现单点预测，适用性差。
技术实现思路
1、本申请实施例提供一种空调能耗预测方法、装置、设备及存储介质，以解决相关技术存在的至少一问题，技术方案如下：
2、第一方面，本申请实施例提供了一种空调能耗预测的方法，包括：
3、获取空调的运行数据；
4、对所述运行数据进行序列处理，确定目标序列；
5、通过预设算法对所述目标序列进行移动加权计算，确定加权移动均值；
6、根据所述加权移动均值、能耗预测模型以及递归策略，预
7、在一种实施方式中，所述对所述运行数据进行序列处理，确定目标序列包括：
8、根据指定的时间间隔对所述运行数据转换为规则序列；
9、根据不同的时间步长分别计算确定所述规则序列的自相关系数；
10、根据所述自相关系数进行假设检验，确定目标序列。
11、在一种实施方式中，所述根据所述自相关系数进行假设检验，确定目标序列包括：
12、根据每一所述自相关系数分别从t检验的概率密度函数表中确定对应的p值；
13、确定小于指定的显著性水平的p值所对应的最大的自相关系数，将最大的自相关系数所对应的时间步长作为目标时间步长；
14、根据所述目标时间步长以及所述规则序列，确定目标序列。
15、在一种实施方式中，所述通过预设算法对所述目标序列进行移动加权计算，确定加权移动均值包括：
16、确定所述目标序列中各个数据值对应的移动权重；
17、根据所述移动权重与所述数据值进行加权计算，得到加权移动均值；
18、其中，各个所述数据值对应的所述移动权重随所述数据值的时间顺序逐渐增加。
19、在一种实施方式中，所述根据所述加权移动均值、能耗预测模型以及递归策略，预测目标能耗包括：
20、根据所述加权移动均值以及所述能耗预测模型，确定预测能耗；
21、返回所述获取空调的运行数据的步骤，以确定新的预测能耗，直至得到指定观测时间段的所有预测能耗；
22、将所有预测能耗进行求和，得到目标能耗。
23、在一种实施方式中，所述根据所述加权移动均值以及所述能耗预测模型，确定预测能耗包括：
24、将所述加权移动均值输入至所述能耗预测模型中，对所述能耗预测模型的输出进行逆转换处理，得到所述预测能耗；
25、或者，
26、将所述加权移动均值输入至所述能耗预测模型中，将能耗预测模型的输出值作为所述预测能耗。
27、在一种实施方式中，所述能耗预测模型通过以下步骤训练得到：
28、获取训练数据；
29、通过gbdt算法以及所述训练数据对能耗预测网络进行训练，并在训练过程中通过拉丁超立方抽样法生成超参数组合，通过所述超参数组合参与训练以得到所述能耗预测网络的性能指标；
30、根据最好的性能指标对应的超参数组合，确定能耗预测模型。
31、第二方面，本申请实施例提供了一种空调能耗预测装置，包括：
32、获取模块，用于获取空调的运行数据；
33、序列模块，用于对所述运行数据进行序列处理，确定目标序列；
34、计算模块，用于通过预设算法对所述目标序列进行移动加权计算，确定加权移动均值；
35、预测模块，用于根据所述加权移动均值、能耗预测模型以及递归策略，预测目标能耗。
36、在一种实施方式中，所述空调能耗预测装置还包括训练模块，用于：获取训练数据；通过gbdt算法以及所述训练数据对能耗预测网络进行训练，并在训练过程中通过拉丁超立方抽样法生成超参数组合，通过所述超参数组合参与训练以得到所述能耗预测网络的性能指标；根据最好的性能指标对应的超参数组合，确定能耗预测模型。
37、第三方面，本申请实施例提供了一种电子设备，包括：处理器和存储器，该存储器中存储指令，该指令由该处理器加载并执行，以实现上述各方面任一种实施方式中的方法。
38、第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被执行时实现上述各方面任一种实施方式中的方法。
39、上述技术方案中的有益效果至少包括：
40、通过获取空调的运行数据，对运行数据进行序列处理，确定目标序列，过预设算法对目标序列进行移动加权计算，确定加权移动均值，有利于捕捉目标序列的变化规律，从而提高最终目标能耗的预测准确性；根据加权移动均值、能耗预测模型以及递归策略预测目标能耗，基于递归策略进行目标能耗的预测，有利于实现多点预测，提高预测的适用性；并且，同时适用于风冷空调以及水冷空调的能效预测，适用范围广。
41、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。
本文档来自技高网...【技术保护点】
1.一种空调能耗预测方法，其特征在于，包括：
2.根据权利要求1所述空调能耗预测方法，其特征在于：所述对所述运行数据进行序列处理，确定目标序列包括：
3.根据权利要求2所述空调能耗预测方法，其特征在于：所述根据所述自相关系数进行假设检验，确定目标序列包括：
4.根据权利要求1所述空调能耗预测方法，其特征在于：所述通过预设算法对所述目标序列进行移动加权计算，确定加权移动均值包括：
5.根据权利要求1-4任一项所述空调能耗预测方法，其特征在于：所述根据所述加权移动均值、能耗预测模型以及递归策略，预测目标能耗包括：
6.根据权利要求5所述空调能耗预测方法，其特征在于：所述根据所述加权移动均值以及所述能耗预测模型，确定预测能耗包括：
7.根据权利要求1所述空调能耗预测方法，其特征在于：所述能耗预测模型通过以下步骤训练得到：
8.一种空调能耗预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器中存储指令，所述指令由所述处理器加载并执行，以实现如权利要求1至
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被执行时实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种空调能耗预测方法，其特征在于，包括：
2.根据权利要求1所述空调能耗预测方法，其特征在于：所述对所述运行数据进行序列处理，确定目标序列包括：
3.根据权利要求2所述空调能耗预测方法，其特征在于：所述根据所述自相关系数进行假设检验，确定目标序列包括：
4.根据权利要求1所述空调能耗预测方法，其特征在于：所述通过预设算法对所述目标序列进行移动加权计算，确定加权移动均值包括：
5.根据权利要求1-4任一项所述空调能耗预测方法，其特征在于：所述根据所述加权移动均值、能耗预测模型以及递归策略，预测目标能耗包括：
6.根...
【专利技术属性】
技术研发人员：谢国城，曾广宇，孙凤林，卢幸，徐少强，
申请(专利权)人：广东亿迅科技有限公司，
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。