System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及空调控制,尤其涉及一种基于精准推荐设备控制参数的末端空调节能方法和系统。
技术介绍
1、末端空调作为为室内提供冷暖气的空气调节设备,在实际使用中,相对于其他设备会产生巨大的能耗,有着巨大的节能空间,因此对于末端空调来说减少能源消耗和环保至关重要。
2、传统的减少空调能耗的方案通常包括:
3、方案1:使用高效的空调设备,选择能效比高的空调设备,可以减少能源消耗。
4、方案2:定期保养和清洁空调设备,定期清洁和更换空调设备中的过滤器、冷凝器等部件,可以提高空调设备的效率,减少能源消耗。
5、方案3:通过环境参数训练一个模型,通过训练的模型同时输出人体舒适度和功耗参数,然后根据人体舒适度范围选择对应的功耗参数作为控制参数。
6、上述传统方案中存在以下缺陷:
7、1.使用高效的空调设备,需要更换现有设备,因此会产生更高的成本。
8、2.定期保养和清洁空调设备,需要一定的时间和人力成本,不够灵活,这些方法可能无法根据实时环境变化进行调整,也无法适应不同的使用场景。
9、3.保养和清洁空调设备只是在尽可能的减少由器件老化堵塞等产生的额外能源消耗,本质上并未真正的减少能源消耗。
10、4. 通过一个模型同时输出人体舒适度和功耗参数无法精准计算人体舒适度所需的参数和关联的空调功耗控制参数,最终结果具有较大误差,会造成能源浪费。
技术实现思路
1、本专利技术的目的在于解决
技术介绍
2、为实现上述目的,本专利技术提供一种基于精准推荐设备控制参数的末端空调节能方法,包括:
3、采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
4、对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
5、通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
6、采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
7、对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
8、通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
9、根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,通过所述制冷能耗预测模型输出最低能耗的设备控制参数。
10、根据本专利技术的一个方面,所述对室外条件历史数据进行预处理,包括:
11、对室外条件历史数据进行数据清洗,将不符合预设条件的数据删除;
12、对室外条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第一基础数据。
13、根据本专利技术的一个方面,所述选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
14、选取第一基础数据中的室外温度参数、室外湿度参数和设备控制参数作为第一特征数据。
15、根据本专利技术的一个方面,所述通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
16、将第一特征数据分为训练集和测试集;
17、通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
18、计算预测参数的损失,根据损失优化各所述预测模型;
19、将测试集输入优化后的各所述预测模型,对比各所述预测模型的输出结果,选择预测结果最好的预测模型作为制冷能耗预测模型进行部署。
20、根据本专利技术的一个方面,所述对室内条件历史数据进行预处理,包括:
21、对室内条件历史数据进行数据清洗,将不符合预设条件的数据删除;
22、对室内条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第二基础数据。
23、根据本专利技术的一个方面,所述选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据为:
24、选取第二基础数据中的室内温度参数、室内湿度参数作为第二特征数据。
25、根据本专利技术的一个方面,所述通过第二特征数据对多个预测模型进行训练,选取预测结果最好的模型作为舒适度保障模型进行部署,包括:
26、将第二特征数据分为训练集和测试集;
27、通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
28、计算预测参数的损失,根据损失优化各所述预测模型;
29、将测试集输入优化后的各所述预测模型,对比各所述预测模型的输出结果,选择预测结果最好的预测模型作为舒适度保障模型进行部署。
30、为实现上述目的,本专利技术还提供一种基于精准推荐设备控制参数的末端空调节能系统,包括:
31、第一数据预处理模块,采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
32、第一特征数据选取模块,对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
33、制冷能耗预测模型训练选择模块,通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
34、第二数据预处理模块,采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
35、第二特征数据选取模块,对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
36、舒适度保障模型训练选择模块,通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
37、舒适度与最低能耗结果输出模块,根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,通过所述制冷能耗预测模型输出最低能耗的设备控制参数。
38、为实现上述目的,本专利技术还提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的基于精准推荐设备控制参数的末端空调节能方法。
39、为实现上述目的,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的基于精准推荐设备控制参数的末端空调节能方法。
40、根据本专利技术的方案,本专利技术计算得到的是末端空调最优控制参数,其通过控制末端空调的温度、风速、湿度等参数,在满足人体舒适度需求的前提下,尽可能的减少能源的消耗,从本文档来自技高网...
【技术保护点】
1.基于精准推荐设备控制参数的末端空调节能方法,其特征在于,包括:
2.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述对室外条件历史数据进行预处理,包括:
3.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
4.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
5.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述对室内条件历史数据进行预处理,包括:
6.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据为:
7.根据权利要求1-6中任一项所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述通过第二特
8.基于精准推荐设备控制参数的末端空调节能系统,其特征在于,包括:
9.电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于精准推荐设备控制参数的末端空调节能方法。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于精准推荐设备控制参数的末端空调节能方法。
...【技术特征摘要】
1.基于精准推荐设备控制参数的末端空调节能方法,其特征在于,包括:
2.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述对室外条件历史数据进行预处理,包括:
3.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
4.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
5.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述对室内条件历史数据进行预处理,包括:
6.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法...
【专利技术属性】
技术研发人员:屠亚星,乔晗,孙浩宇,张磊,
申请(专利权)人:江苏中江数字建设技术有限公司,
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。