【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种建筑物空调负荷预测方法及系统
技术介绍
1、随着能源短缺、环境污染等全球性问题日益严重，为了推进高质量发展进程，降低能源消耗刻不容缓；而建筑业约占全球能源消耗和温室气体排放的40％，并且建筑行业一半以上的能源消耗用于供暖、通风和空调系统；在建筑行业能源管理中，空调负荷预测技术是建筑能源管理的关键部分，需要进一步提高空调负荷预测技术对实际建筑的预测精度，以提高能源利用效率。
2、目前，主流的负荷预测方法有机理模型预测方法，但该方法通常用于预测还未建成的建筑，必须对使用后的情况做出一些假设，考虑到实际建筑可能面临的一些复杂情况，例如运行条件或天气条件的突然变化，由此产生的调度信息或外部温度可能与模拟环境中预定的情况有显著不同，这将造成投入使用后产生与预测差距较大的情况。在神经网络预测方法上，现有技术常用反向传播网络(bp)、生成对抗网络(gan)和长短期记忆网络(lstm)来进行空调负荷预测，但是这些方法对训练数据要求严格，需要大量训练数据集才能够产生稳定的预测结果，然而并非所有场合都具有足够...
【技术保护点】
1.一种建筑物空调负荷预测方法，其特征在于，方法包括：
2.根据权利要求1所述的建筑物空调负荷预测方法，其特征在于，所述影响因素包括目标建筑所在位置的干球温度、湿球温度、相对湿度、大气压、风速、露点温度以及目标建筑内的灯光照明功率、空调冷凝装置的出入口水温、空调压缩装置出入口水温。
3.根据权利要求1所述的建筑物空调负荷预测方法，其特征在于，所述小样本原始数据集的采样时长设置为1个月内，采样时间间隔为1小时。
4.根据权利要求1所述的建筑物空调负荷预测方法，其特征在于，所述预处理的步骤包括：
5.根据权利要求4所述的建筑...
【技术特征摘要】
1.一种建筑物空调负荷预测方法，其特征在于，方法包括：
2.根据权利要求1所述的建筑物空调负荷预测方法，其特征在于，所述影响因素包括目标建筑所在位置的干球温度、湿球温度、相对湿度、大气压、风速、露点温度以及目标建筑内的灯光照明功率、空调冷凝装置的出入口水温、空调压缩装置出入口水温。
3.根据权利要求1所述的建筑物空调负荷预测方法，其特征在于，所述小样本原始数据集的采样时长设置为1个月内，采样时间间隔为1小时。
4.根据权利要求1所述的建筑物空调负荷预测方法，其特征在于，所述预处理的步骤包括：
5.根据权利要求4所述的建筑物空调负荷预测方法，其特征在于，所述对小样本原始数据集进行预处理的步骤还包括：
6.根据权利要求5所述的建筑物空调负荷预测方法，其特征在于，所述根据数据组合的采样时间将所述样本集划分为输入样本集和输出样本集包括：
7.根据权利要求5所述的建筑物空调负荷预测方法，其特征在于，所述采用改进的变分模态分解ivmd算法分别对每日的历史负荷信号进行分解的步骤包括：
8.根据权利要求7所述的建筑物空调负荷预测方法，其特征在于，所述模态数ks和惩罚因子αs的优化步骤包括：
【专利技术属性】
技术研发人员：段梅梅，黄奇峰，庄重，程含渺，孔月萍，苏慧玲，邵雪松，阮文骏，曹晓冬，杨世海，方凯杰，黄艺璇，盛举，姜宇轩，仲春林，邹磊，方超，邵恩泽，徐啸，王国际，王子涵，
申请(专利权)人：国网江苏省电力有限公司营销服务中心，
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。