【技术实现步骤摘要】
本专利技术涉及一种冷负荷变化数据分析预测领域，具体公开了一种基于改进卷积门控循环单元网络的冷负荷短期预测方法。
技术介绍
1、数据中心是一类大型建筑物，其能耗高、能耗增长快，占全国能耗逐年增长。数据中心的能耗分布比较集中，除了it设备外，制冷系统等辅助设施能耗占比较高。it设备需要全年每天24h运行，将会消耗大量能源并伴随非常高的内部负载。为了保障it设备稳定运行，制冷系统也将全天运行并消耗大量能源以确保其能正常运行。数据中心节能改造通常以提高制冷系统效率和减少冷量损耗为主，制冷系统能效提升对于数据中心节能意义重大。
2、数据中心制冷系统包括冷水机组、冷却水系统、冷冻水系统、冷却塔以及冷却工质等。为考虑系统稳定运行，控制策略较为保守，未启用设备大多变频功能，导致制冷系统冷量输出与末端所需冷负荷不匹配，造成能源浪费。想要节能，关键在于对末端冷负荷的预测，而预测的精确性也将影响后续的冷水机组优化调度。
3、解决建筑能耗预测的模型可分为两类：物理学模型、数据驱动模型。其中应用物理学模型模拟建筑能耗模型需要在利用物理方程...
【技术保护点】
1.一种基于改进卷积门控循环单元网络的冷负荷短期预测方法，其特征在于，所述方法通过数据建立神经网络模型，模型训练之后能够较为准确的预测未来时刻冷负荷，具体包括以下步骤：
2.根据权利要求1所述的一种基于卷积门控循环单元网络的冷负荷预测方法，其特征在于，所述步骤1)收集大量精确的实验所需数据，包括室外干球温度数据和湿球温度数据。
3.根据权利要求1所述的一种基于卷积门控循环单元网络的冷负荷预测方法，其特征在于，所述的基于卷积门控循环单元网络的冷负荷预测方法，所述步骤2)得到冷负荷历史数据：
4.根据权利要求1所述的一种基于卷积门控循环...
【技术特征摘要】
1.一种基于改进卷积门控循环单元网络的冷负荷短期预测方法，其特征在于，所述方法通过数据建立神经网络模型，模型训练之后能够较为准确的预测未来时刻冷负荷，具体包括以下步骤：
2.根据权利要求1所述的一种基于卷积门控循环单元网络的冷负荷预测方法，其特征在于，所述步骤1)收集大量精确的实验所需数据，包括室外干球温度数据和湿球温度数据。
3.根据权利要求1所述的一种基于卷积门控循环单元网络的冷负荷预测方法，其特征在于，所述的基于卷积门控循环单元网络的冷负荷预测方法，所述步骤2)得到冷负荷历史数据：
4.根据权利要求1所述的一种基于卷积门控循环单元网络的冷负荷预测方法，其特征在于，所述的基于卷积门控循环单元网络的冷负荷预测方法，所述步骤3)进行数据预处理，得到实验所需数据；在小波分解中，通过设定合适的阈值并进行简单的判断，为对信号的主要成分及幅值较大的小波系数对进行保留；而幅值较小的系数通常认为是噪声，并对其进行抑制，将保留的信号进行重构，从而达到去除噪声的目的；这种方法能够有效地去除...
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。