一种基于改进LSTM网络的空调能耗预测方法、系统及存储介质技术方案

本发明专利技术一种基于改进LSTM网络的空调能耗预测方法、系统及存储介质涉及公共楼宇空调节能技术领域。方法包括：S1、空调能耗预测模型的数据收集与处理；S2、通过斯皮尔曼相关系数进行相关性分析；S3、将分析处理后的数据分为训练集、验证集和测试集；采用混沌约束DE算法优化LSTM神经网络的权值和阈值；获得优化的空调能耗预测模型；S4、利用优化后空调能耗预测模型进行空调能耗预测，生成预测结果；引入Attention机制提取LSTM神经网络预测输出的重要特征信息即空调负荷影响因素；S5、通过验证指标来判断模型的预测性能。本发明专利技术对空调系统的长期能耗，及其在若干个短期控制步长的能耗，实现了能耗的实时预测与控制。

【技术实现步骤摘要】

本专利技术一种基于改进lstm网络的空调能耗预测方法、系统及存储介质涉及公共楼宇空调节能，具体涉及一种基于ccde-lstm-attention网络模型(基于混沌约束差分进化算法优化含注意力机制的长短时记忆神经网络模型)的公共楼宇空调能耗优化方法。

技术介绍

1、在当前全球气候变化和能源资源日益紧张的背景下，建筑能耗的管理和优化成为了当今社会亟待解决的重要问题。特别是在建筑能耗中，空调系统所占比例巨大，因此对其能耗进行准确预测和有效控制具有重要意义。传统的空调能耗预测方法往往受限于模型的复杂性和准确性，因此迫切需要一种更加精准、实时的预测方法来应对日益增长的能源需求和环境保护压力。

2、建筑空调系统受到诸多因素影响，如建筑结构、气候条件、人员活动等，使得能耗预测具有一定的复杂性。空调系统的能耗随着时间和环境条件的变化而变化，需要考虑时间序列和动态变化。预测过程需要依赖大量的历史能耗数据以及与能耗相关的数据，如温度、湿度、人流量等。此外，由于空调能耗直接影响到建筑的运行成本和环境保护，因此预测的准确性要求较高。

3、在过去的几十年里，本文档来自技高网...

【技术保护点】

1.一种基于改进LSTM网络的空调能耗预测方法，其特征在于，方法包括：

2.根据权利要求1所述的基于改进LSTM网络的空调能耗预测方法，其特征在于，步骤1对影响空调系统能耗的数据进行监测、收集和处理；所述的数据包括建筑物室内环境参数、室外环境参数、空调系统运行参数和空调系统的历史能耗数据；

3.根据权利要求1所述的基于改进LSTM网络的空调能耗预测方法，其特征在于，步骤1中的数据处理包括：

4.根据权利要求1所述的基于改进LSTM网络的空调能耗预测方法，其特征在于，步骤2中采用斯皮尔曼相关系数筛选与空调系统能耗相关性较强的单变量，以获得最优的输入变量组...

【技术特征摘要】

1.一种基于改进lstm网络的空调能耗预测方法，其特征在于，方法包括：

2.根据权利要求1所述的基于改进lstm网络的空调能耗预测方法，其特征在于，步骤1对影响空调系统能耗的数据进行监测、收集和处理；所述的数据包括建筑物室内环境参数、室外环境参数、空调系统运行参数和空调系统的历史能耗数据；

3.根据权利要求1所述的基于改进lstm网络的空调能耗预测方法，其特征在于，步骤1中的数据处理包括：

4.根据权利要求1所述的基于改进lstm网络的空调能耗预测方法，其特征在于，步骤2中采用斯皮尔曼相关系数筛选与空调系统能耗相关性较强的单变量，以获得最优的输入变量组合；具体的是从室内环境参数、室外环境参数和机组运行参数三个主要方面进行相关性分析；通过以下公式计算斯皮尔曼相关系数：

5.根据权利要求4所述的基于改进lstm网络的空调能耗预测方法，其特征在于，经过相关性分析，筛选出与空调系统的能耗有很强的相关性以及有极强的相关性的变量组合作为预测模型的输入变量，以获得最优的输入变量组合。

6.根据权利要求1所述的基于改进lstm网络的空调能耗预测方法，其特征在于，步骤3中将步骤2分析处理后的数据以0.6:0.2:0.2比例任意分配训练集、验证集和测试集；

7.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：汤文艳，任禹丞，王雨薇，郑杨，吴含青，刘京易，
申请(专利权)人：国网江苏省电力有限公司镇江供电分公司，
类型：发明
国别省市：