【技术实现步骤摘要】
本专利技术涉及空调，尤其涉及一种空调系统动态负荷需求预测方法、装置及电子设备。
技术介绍
1、在空调系统节能优化控制中，负荷预测用于表征用能终端的用能需求，以该预测量作为控制目标，能源站得以实现超前调节控制，从而展现出相比传统站端本地自控更优的终端控制结果，稳定性以及更佳的节能效果。因此，基于供需匹配理念的负荷预测的准确性成为影响该技术最终效果的关键因素。
2、在当前主流技术方案中，对于末端负荷的量化方式，通常表征为机房所供给的冷(热)量。具体为：根据机房历史运行数据，结合负荷计算公式(q＝cm△t)，即可计算出该负荷。结合相关影响因子，即可实现对该负荷量的预测，并将其作为机房优化控制的输入依据。
3、但是，该负荷预测方式忽略了用户端的换热性能和响应延迟因素。例如，用户端换热性能正常，空调系统依据计算到的负荷量运行，用户端温度在正常范围内。而在用户端换热性能较好时，空调仅需较少冷量即可实现用户端温度控制。若空调系统依据计算到的负荷量运行，则导致用户端温度低于正常范围。空调系统的控制精度降低。
4、又例如，由于空调系统的管路较长，用户端响应延迟因素的影响较大。如用户端的响应时长为一小时，而空调系统的控制间隔为半小时，则可能导致空调系统调节后用户端未响应，空调系统进入下一次调节过程，影响空调系统末端的控制精度。
技术实现思路
1、本专利技术提供了一种空调系统动态负荷需求预测方法、装置及电子设备，能够提高空调系统动态负荷需求预测的准确性，提高空调系统末
2、第一方面，本专利技术提供了一种空调系统动态负荷需求预测方法，该方法包括：获取历史时期内空调系统中监测数据，监测数据包括建筑热惰数据，循环水数据，内扰数据和外扰数据；基于历史时期内空调系统中监测数据，进行循环水温度识别，计算空调系统的滞后因子；滞后因子为用户室温在设定时长内由第一室温变化至第二室温时，空调系统所需的供水水温和累计流量；基于空调系统中监测数据，进行影响因子分析，得到空调系统的影响特征；影响特征为监测数据中对滞后因子存在影响的特征；基于影响特征和滞后因子，进行机器模型训练，得到动态负荷预测模型；动态负荷预测模型以滞后因子为输出；以影响特征为输入；基于动态负荷预测模型，对空调系统的动态负荷需求进行预测。
3、在一种可能的实现方式中，基于动态负荷预测模型，对空调系统的动态负荷需求进行预测，包括：获取空调系统的实时监测数据和目标室温；基于实时监测数据和目标室温，生成n维输入特征；将n维输入特征，输入动态负荷预测模型，得到供水水温和滞后因子；基于供水水温和滞后因子，确定空调系统的供水流量和控制时长。
4、在一种可能的实现方式中，基于历史时期内空调系统中监测数据，进行循环水温度识别，计算空调系统的滞后因子，包括：对监测数据进行数据清洗，得到清洗后数据；基于清洗后数据，进行模式识别，确定空调系统稳定工况的运行数据；基于空调系统稳定工况的运行数据，进行循环水温度识别，计算滞后因子。
5、在一种可能的实现方式中，基于空调系统稳定工况的运行数据，进行循环水温度识别，计算滞后因子，包括：基于稳定工况的运行数据，识别历史时期内供水温度的多个突变节点；基于稳定工况的运行数据，识别历史时期内回水温度的多个突变节点；对供水温度的多个突变节点和回水温度的多个突变节点，进行匹配，得到多对供回水温度突变节点；计算每对供回水温度突变节点的时间间隔；基于每对供回水温度突变节点的瞬时流量和每对供回水温度突变节点的时间间隔，确定每对供回水温度突变节点的累计流量；查询稳定工况的运行数据，确定每对供回水温度突变节点中供水突变节点对应的用户第一室温和回水突变节点对应的用户第二室温；基于用户第一室温和用户第二室温，以及每对供回水温度突变节点的累计流量和供水温度，确定滞后因子。
6、在一种可能的实现方式中，基于空调系统中监测数据，进行影响因子分析，得到空调系统的影响特征，包括：基于多对供回水温度突变节点，对空调系统中监测数据进行切分，得到多个响应区间中多个时段的监测数据；基于多个响应区间中多个时段的监测数据，进行影响因子分析，得到空调系统的影响特征；影响特征包括建筑热惰特征、循环水特征、内扰特征和外扰特征；建筑热惰特征包括连续制冷时长、制冷期间室外温度和制冷期间室内温度；循环水特征包括循环水瞬时流量、循环水累计流量、供水温度和回水温度；内扰特征包括室温数据和室内人员活动强度；外扰特征包括室外温度、室外风速和辐射照度。
7、在一种可能的实现方式中，基于影响特征和滞后因子，进行机器模型训练，得到动态负荷预测模型，包括：以影响特征为输入特征，以滞后因子为输出特征，生成训练样本；基于训练样本，进行机器模型训练，得到初始模型；有放回的去除训练样本中的输入特征，进行特征消融，重新进行机器模型训练，优化初始模型，得到动态负荷预测模型。
8、在一种可能的实现方式中，有放回的去除训练样本中的输入特征，进行特征消融，重新进行机器模型训练，优化初始模型，得到动态负荷预测模型，包括：步骤一：计算初始模型的决定系数，并初始化初始模型为全局最优解；步骤二：初始化输入特征中特征去除数量为1；步骤三：基于特征去除数量，去除输入特征中特征去除数量的特征，得到多个优化输入特征；步骤四：基于每个优化输入特征和滞后因子，进行机器模型训练，得到多个优化模型；步骤五：计算每个优化模型的决定系数，以及多个优化模型中最大决定系数；步骤六：若多个优化模型中最大决定系数大于全局最优解的决定系数，则将最大决定系数对应的优化模型确定为全局最优解；若多个优化模型中最大决定系数小于等于全局最优解的决定系数，则保持不变；步骤七：特征去除数量增加1，重复步骤三至步骤七，直至特征去除数量大于输入特征中特征数量，退出迭代过程，执行步骤八；步骤八：将全局最优解确定为动态负荷预测模型。
9、在一种可能的实现方式中，基于动态负荷预测模型，对空调系统的动态负荷需求进行预测，之前还包括：基于训练样本中各特征的设定间隔，对各特征进行区间划分，得到各特征的多个取值区间；遍历每个训练样本，确定每个训练样本对应的取值区间；基于每个训练样本对应的取值区间，以及各特征的多个取值区间，确定训练样本的特征覆盖度；基于训练样本的特征覆盖度，确定动态负荷预测模型的评价结果，评价结果包括评价通过和评价未通过。
10、第二方面，本专利技术实施例提供了一种空调系统动态负荷需求预测装置，该预测装置包括：通信模块，用于获取历史时期内空调系统中监测数据，监测数据包括建筑热惰数据，循环水数据，内扰数据和外扰数据；处理模块，用于基于历史时期内空调系统中监测数据，进行循环水温度识别，计算空调系统的滞后因子；滞后因子为用户室温在设定时长内由第一室温变化至第二室温时，空调系统所需的供水水温和累计流量；基于空调系统中监测数据，进行影响因子分析，得到空调系统的影响特征；影响特征为监测数据中对滞后因子存在影响的特征；基于影响特征和滞后因子，进行机器模型训练，得到动态负荷预测模型；动态负荷本文档来自技高网...
【技术保护点】
1.一种空调系统动态负荷需求预测方法，其特征在于，包括：
2.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述动态负荷预测模型，对空调系统的动态负荷需求进行预测，包括：
3.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述历史时期内空调系统中监测数据，进行循环水温度识别，计算所述空调系统的滞后因子，包括：
4.根据权利要求3所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述空调系统稳定工况的运行数据，进行循环水温度识别，计算所述滞后因子，包括：
5.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述空调系统中监测数据，进行影响因子分析，得到所述空调系统的影响特征，包括：
6.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述影响特征和所述滞后因子，进行机器模型训练，得到动态负荷预测模型，包括：
7.根据权利要求6所述的空调系统动态负荷需求预测方法，其特征在于，所述有放回的去除所述训练样本中的输入特征，
8.根据权利要求1至6中任一项所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述动态负荷预测模型，对空调系统的动态负荷需求进行预测，之前还包括：
9.一种空调系统动态负荷需求预测装置，其特征在于，包括：
10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，该存储器存储有计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序执行如权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种空调系统动态负荷需求预测方法，其特征在于，包括：
2.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述动态负荷预测模型，对空调系统的动态负荷需求进行预测，包括：
3.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述历史时期内空调系统中监测数据，进行循环水温度识别，计算所述空调系统的滞后因子，包括：
4.根据权利要求3所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述空调系统稳定工况的运行数据，进行循环水温度识别，计算所述滞后因子，包括：
5.根据权利要求1所述的空调系统动态负荷需求预测方法，其特征在于，所述基于所述空调系统中监测数据，进行影响因子分析，得到所述空调系统的影响特征，包括：
6.根据权利要求1所述的空调系统动态...
【专利技术属性】
技术研发人员：戴宁芳，
申请(专利权)人：新奥数能科技有限公司，
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。