【技术实现步骤摘要】
本专利技术属于智能空调领域，涉及空调目标温度预测技术，具体是一种基于历史工况数据的空调目标温度预测方法及系统。
技术介绍
1、随着现代社会快速发展，环境复杂多变，空调在提供健康温湿度、提高人体舒适度方面，逐渐成为不可或缺的家电产品。现有的空调多数通过内置的模糊逻辑控制，以用户设定温度为导向，根据实时温差等环境参数来调控各部件的运行状态。这种方法未考虑实际用户环境下的制冷或制热能力，当工况复杂或设备性能退化，易出现空调无法满足设定值但压缩机等部件仍维持高速运行的情况，使能耗不断增加。
2、现有技术(公开号为：cn112268355b的专利技术专利)公开了一种空调目标温度调节方法及终端设备，其技术方案是：在第一预设时长内，实时获取环境实际温度；当环境实际温度的限值与告警值满足预设条件时，调节空调目标温度，以使空调目标温度逼近告警值且在下一个第一预设时长内环境实际温度的限值不超出告警值；其中，当空调处于制冷模式时，环境实际温度的限值为第一预设时长内环境实际温度的最大值，告警值为告警上限值；当空调处于制热模式时，环境实际温度的限值为第一预设时长内环境实际温度的最小值，告警值为告警下限值。该专利技术难以根据环境工况预测不同场景下的目标温度，减少实际可达温度与设定温度值具有偏差时的空调设备运行能耗。
3、因此，本专利技术公开了一种基于历史工况数据的空调目标温度预测方法及系统，用于解决以上技术问题。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一；为
2、为实现上述目的，本专利技术的第一方面提供了一种基于历史工况数据的空调目标温度预测方法，包括：
3、s1：筛选与空调温度变化相关的各维度原始数据；
4、s2：对各维度原始数据进行处理匹配空调每次开机的工况维度数据与达温值，并对异常值进行过滤；其中，达温值为空调所能达到的温度；
5、s3：对数据处理后的各个工况维度数据进行相关性分析得到相关系数，基于相关系数由高到低选择目标特征；通过决策树回归算法对目标特征进行训练得到温度预测模型，基于温度预测模型预测空调开机时工况维度数据所匹配的目标温度。
6、优选的，所述筛选与空调温度变化相关的各维度原始数据，包括：
7、通过传感器实时采集空调所在空间的室外环境温度、室内温度、室内湿度，以及空调各个设定参数与部件状态值；其中，维度原始数据包括室外环境温度、室内温度、室内湿度、设定参数与部件状态值；
8、将每台设备的维度原始数据上传至云端，根据专家经验将初步筛选出的与制冷制热能力强相关的维度原始数据标记为工况数据维度。
9、优选的，所述对各维度原始数据进行处理匹配空调每次开机的工况维度数据与达温值，包括：
10、将历史数据中空调每次开机到关机之间的数据标记为参考数据，获取若干参考数据中制冷模式所能达到的最低室内温度值或制热模式所能达到的最高室内温度值，将所述最低室内温度值或最高室内温度值标记为对应参考数据中的达温值，匹配每次开机时刻的工况维度数据和对应的达温值。
11、优选的，所述对异常值进行过滤，包括：
12、a1：将对应匹配后的工况维度数据进行优先级依次为：设定温度、设定风挡、室外温度的整体数据正序排序；
13、a2：循环判断每条工况维度数据与其余工况维度数据，将正在进行判断的工况维度数据标记为目标数据，将正在进行判断的其余工况维度数据中的工况维度数据标记为待判断数据；判断目标数据和待判断数据的设定温度是否相同；是，跳转至a3；否，不进行操作；
14、a3：制冷模式下，当待判断数据的风速不小于目标数据的风速、室外温度不大于目标数据的室外温度且达温值大于目标数据的达温值；或制热模式下，当待判断数据的风速不小于目标数据的风速，室外温度不小于目标数据的室外温度且达温值小于目标数据的达温值时，将待判断数据作为异常数据，将异常数据达温值修正为当前循环数据的达温值。
15、优选的，所述对数据处理后的各个工况维度数据进行相关性分析得到相关系数，包括：
16、将昼夜状况、室外温度与设定温度差值两个特征加入各工况维度数据中；
17、采用pearson相关系数计算方法计算各工况维度数据之间的特征相关性，pearson相关系数计算方式如下：
18、
19、其中，x,y为待计算的两类工况特征，cov为计算协方差，σ为工况变量的标准差，ρ为相关系数。
20、优选的，所述基于相关系数由高到低选择目标特征，包括：
21、将根据各工况维度数据计算的相关系数通过矩阵形式进行排列，将所述矩阵最后一列的数值标记为达温值与各个工况特征的正负相关系数，将正负相关系数绝对值最大的三个特征维度标记为目标特征。
22、优选的，所述通过决策树回归算法对目标特征进行训练得到温度预测模型，包括：
23、b1：对单台设备独立建立数据集，将目标特征作为数据集样本特征，样本标签为对应达温值，数据集随机采样80％作为训练集，20％作为验证集；
24、b2：建立训练准则，通过训练准则对数据集工况特征进行训练得到温度预测模型；在训练集学习生成的温度预测模型下通过验证集进行输入验证评估，判断预测目标温度值与标签对应的达温值的平均绝对误差是否不大于最小化误差；是，跳转至b3；否，继续进行温度预测模型的训练和验证评估；其中，最小化误差是通过经验得到；
25、b3：对温度预测模型进行网格搜索优化训练，设置优化后的模型参数；其中，目标优化的模型参数包括树的最大深度和叶子节点最小样本数。
26、优选的，所述建立训练准则，包括：
27、采用回归树算法模型训练，将回归树初始最大深度参数设置为8，从根节点开始，在树的每一深度都基于最小化平方误差的目标函数准则进行每个节点特征的阈值计算，目标函数为：
28、
29、其中，f为目标函数，yi为当前数据的标签值，yp为通过阈值划分的当前区间总数据对应的目标温度均值，作为此区间的预测值；min表示取最小值，xi∈rn表示当前阶段的所有特征点划分的类别。
30、优选的，所述基于温度预测模型预测空调开机时工况维度数据所匹配的目标温度，包括：
31、将空调开机时工况维本文档来自技高网...
【技术保护点】
1.一种基于历史工况数据的空调目标温度预测方法，其特征在于：
2.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述筛选与空调温度变化相关的各维度原始数据，包括：
3.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述对各维度原始数据进行处理匹配空调每次开机的工况维度数据与达温值，包括：
4.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述对异常值进行过滤，包括：
5.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述对数据处理后的各个工况维度数据进行相关性分析得到相关系数，包括：
6.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述基于相关系数由高到低选择目标特征，包括：
7.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述通过决策树回归算法对目标特征进行训练得到温度预测模型，包括：
8.根据权利要求7所述的一种
9.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述基于温度预测模型预测空调开机时工况维度数据所匹配的目标温度，包括：
10.一种基于历史工况数据的空调目标温度预测系统，基于权利要求1至9所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于历史工况数据的空调目标温度预测方法，其特征在于：
2.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述筛选与空调温度变化相关的各维度原始数据，包括：
3.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述对各维度原始数据进行处理匹配空调每次开机的工况维度数据与达温值，包括：
4.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述对异常值进行过滤，包括：
5.根据权利要求1所述的一种基于历史工况数据的空调目标温度预测方法，其特征在于，所述对数据处理后的各个工况维度数据进行相关性分析得到相关系数，包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：李云涛，杨昀松，付雄，曹代华，尚靖，任飞，
申请(专利权)人：四川虹美智能科技有限公司，
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。