一种中央空调可调控用电需求预测方法及系统技术方案

本发明专利技术公开了一种中央空调可调控用电需求预测方法及系统，涉及用电需求预测技术领域，解决了预测不准确和模型训练所需数据量过大的问题。包括以下步骤：通过各传感器将中央空调实时运行参数传回数据库；对训练数据进行归一化处理；划分数据为样本特征与样本标签，作为训练集参与后续模型的训练；将训练集送入神经网络中进行训练；将训练好的模型用于预测中央空调未来时段用电需求。本发明专利技术通过对中央空调运行过程的实时参数进行模式分析，挖掘中央空调在时序和各运行参数之间的非线性关系，进而精确分析出中央空调在未来时间段内的用电需求量。此外，本发明专利技术发挥采集到的数据最大的训练效果，进一步提升模型的训练次数，进而提高模型预测的准确度。提高模型预测的准确度。提高模型预测的准确度。

【技术实现步骤摘要】
一种中央空调可调控用电需求预测方法及系统


[0001]本专利技术涉及用电需求预测
，特别涉及一种中央空调可调控用电需求预测方法及系统。

技术介绍

[0002]中央空调系统作为大型商业建筑、办公楼和医院等建筑物的主要冷热源设备，其能耗占据了建筑物总能耗的相当大的比例。随着国家节能减排政策的逐渐推进，建筑物节能已成为国内外建筑节能领域的重点关注领域之一。而中央空调系统是建筑能耗管理的重点对象之一，因为其能源消耗量大，热负荷变化频繁，传统的手动调节方式已经不能满足需求，需要更加智能化的功率调控系统。对中央空调的有效智能功率调控需要精准预测出运行的中央空调在未来一段时间内的用电需求。因此，对中央空调未来时段的用电量的精准预测非常重要。
[0003]目前虽也出现一些基于神经网络的用电需求预测方法，但多存在预测不准确以及模型训练所需数据量过大的问题，预测结果不准确的原因多为采集的数据不准确，这里的不准确可能是数据采集的位置不准确或者采集的数据类型与用电需求联系较差带来的；模型训练所需数据量过大的问题主要是样本划分带来的，采用完全连续不重叠的数据样本会导致训练所需的数据量过大。
[0004]鉴于此，需要一种中央空调可调控用电需求预测方法及系统。

技术实现思路

[0005]针对现有技术中预测不准确以及模型训练所需数据量过大的问题，本专利技术提供了一种中央空调可调控用电需求预测方法及系统。具体技术方案如下：
[0006]一种中央空调可调控用电需求预测方法，包括以下步骤：
[0007]S1：在中央空调的关键位置安装传感器，通过各传感器将中央空调实时运行参数按设定的时间间隔传回到数据库；
[0008]S2：将数据库中所记录的中央空调运行参数按照时序顺序导出为训练数据，并进行归一化处理；
[0009]S3：接下来划分数据为样本特征与样本标签，作为训练集参与后续模型的训练，所述划分数据具体为：将n条数据按照连续m条数据作为一个样本，起点下移一条数据之后继续取连续m条数据作为第二个样本，依次类推以获得n
‑
m条样本，而后将每一样本的前m
‑
a个数据划分为样本特征，剩余数据为样本标签；
[0010]S4：将所述步骤S3中获得的训练集送入神经网络中进行训练，挖掘出中央空调的用电需求量与其他运行参数之间的时序关联性；
[0011]S5：将训练好的模型用于预测中央空调未来时段用电需求，通过输入中央空调运行参数，预测未来时段的用电量。
[0012]优选的，所述步骤S1中的所述在中央空调的关键位置安装传感器具体为：在空调
机组、冷冻水出水口、冷冻水回水口、室内不同温区、室外等位置安装温度、湿度等传感器，并记录电机运行过程的电流值。
[0013]优选的，所述步骤S1中的所述数据库中存储的运行参数其包括：时间、温度、电流、湿度。
[0014]优选的，所述步骤S2具体为：
[0015]S201：将数据库中所记录的中央空调运行参数按照时序顺序导出为训练数据T∈T
n
×
d
，表示一共有n条记录，每条记录即为每一时刻所记录的d个参数值；
[0016]S202：分别找出n条样本中的每一个特征的最大值max
‑
d
i
和最小值min
‑
d
i
；
[0017]S203：利用以下公式对每个特征进行归一化处理：
[0018][0019]优选的，所述步骤S3的m取值为150，所述a取值为120。
[0020]优选的，所述步骤S4具体为：
[0021]S401：将每个样本的特征部分视为一张像素为120*d的图像，标签为30*1的向量；
[0022]S402：采用3*3的卷积核，以步长为1对其进行特征提取得到特征图，再经过池化层后特征图维度降低；
[0023]S403：经过多次卷积和池化后，最后一层连接一个全连接层的神经网络，使得最后的输出维度为30*1；
[0024]S404：将输出的结果与样本的标签通过均方误差计算损失值，并通过反向传播训练神经网络参数。
[0025]优选的，所述步骤S5具体为：
[0026]S501：记中央空调当下运行时刻为t，从数据库中调取从当下时刻往前120条的运行参数记录，形成当前时刻的待预测特征xt；
[0027]S502：将xt的每列进行归一化操作；
[0028]S503：把xt作为输入送入到训练好的神经网络，得到一个30*1的预测值yt。
[0029]一种中央空调可调控用电需求预测系统，应用于如上所述的一种中央空调可调控用电需求预测方法，包括数据采集模块、数据归一化模块、训练集划分模块、数据图像化训练模块和中央空调未来时段用电需求预测模块；所述数据采集模块用于采集中央空调的运行参数并存储值数据库中；所述数据归一化模块用于对中央空调的运行参数进行归一化处理；所述训练集划分模块用于划分模型训练所需的训练集；所述数据图像化训练模块用于模型训练，以得到中央空调的用电需求量与其他运行参数之间的时序关联性，即得到一个可以用于中央空调未来时段用电需求预测的模型；所述中央空调未来时段用电需求预测模块用于通过输入中央空调运行参数预测未来时段的用电量。
[0030]一种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包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行如上所述的中央空调可调控用电需求预测方法。
[0031]一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如上所述的中央空调可调控用电需求预测方法。
[0032]与现有技术相比，本专利技术的有益效果为：
[0033]本专利技术主要通过构建时序预测模型对中央空调运行过程的实时参数进行模式分析，挖掘中央空调在时序和各运行参数之间的非线性关系。通过本专利技术的实施，可以在采集中央空调运行某一段时间内的参数条件下，精确分析出中央空调在未来时间段内的用电需求量。可以为中央空调的电力调控提供重要的参考价值。而且，由于本专利技术在划分训练集时通过“将n条数据按照连续m条数据作为一个样本，起点下移一条数据之后继续取连续m条数据作为第二个样本，依次类推以获得n
‑
m条样本”的方式获取样本，所以会使得数据间存在重叠，从而可以节省训练所需的数据的采集，以发挥采集到的数据最大的训练效果，也能进一步提升模型的训练次数，以进一步提高模型预测的准确度。
附图说明
[0034]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0035]图1为中央空调运行参数存储格式以及训练集划分示意图；
[0036]图2为样本特征与样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种中央空调可调控用电需求预测方法，其特征在于，包括以下步骤：S1：在中央空调的关键位置安装传感器，通过各传感器将中央空调实时运行参数按设定的时间间隔传回到数据库；S2：将数据库中所记录的中央空调运行参数按照时序顺序导出为训练数据，并进行归一化处理；S3：接下来划分数据为样本特征与样本标签，作为训练集参与后续模型的训练，所述划分数据具体为：将n条数据按照连续m条数据作为一个样本，起点下移一条数据之后继续取连续m条数据作为第二个样本，依次类推以获得n
‑
m条样本，而后将每一样本的前m
‑
a个数据划分为样本特征，剩余数据为样本标签；S4：将所述步骤S3中获得的训练集送入神经网络中进行训练，挖掘出中央空调的用电需求量与其他运行参数之间的时序关联性；S5：将训练好的模型用于预测中央空调未来时段用电需求，通过输入中央空调运行参数，预测未来时段的用电量。2.根据权利要求1所述的一种中央空调可调控用电需求预测方法，其特征在于，所述步骤S1中的所述在中央空调的关键位置安装传感器具体为：在空调机组、冷冻水出水口、冷冻水回水口、室内不同温区、室外等位置安装温度、湿度等传感器，并记录电机运行过程的电流值。3.根据权利要求2所述的一种中央空调可调控用电需求预测方法，其特征在于，所述步骤S1中的所述数据库中存储的运行参数其包括：时间、温度、电流、湿度。4.根据权利要求1所述的一种中央空调可调控用电需求预测方法，其特征在于，所述步骤S2具体为：S201：将数据库中所记录的中央空调运行参数按照时序顺序导出为训练数据T∈T
n
×
d
，表示一共有n条记录，每条记录即为每一时刻所记录的d个参数值；S202：分别找出n条样本中的每一个特征的最大值max
‑
d
i
和最小值min
‑
d
i
；S203：利用以下公式对每个特征进行归一化处理：5.根据权利要求1所述的一种中央空调可调控用电需求预测方法，其特征在于，所述步骤S3...

【专利技术属性】
技术研发人员：卢健斌，韩帅，卓浩泽，陈卫东，莫莉，胡志超，杨霞琴，孙乐平，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：