本發(fā)明專利技術(shù)公開了一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法、裝置及電子設(shè)備，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域。本發(fā)明專利技術(shù)首先獲取目標(biāo)建筑周圍的氣象特征以及目標(biāo)建筑內(nèi)的熱源散熱特征，然后對(duì)獲取的數(shù)據(jù)進(jìn)行預(yù)處理，最后基于預(yù)處理后的數(shù)據(jù)，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑在未來(lái)一段時(shí)間內(nèi)的預(yù)測(cè)負(fù)荷。本發(fā)明專利技術(shù)根據(jù)建筑結(jié)構(gòu)中冷熱負(fù)荷熱傳遞的物理原理增加了影響冷熱負(fù)荷的氣象因素、人員因素、設(shè)備散熱特征，使得負(fù)荷預(yù)測(cè)模型更能夠準(zhǔn)確地確定在未來(lái)一段時(shí)間內(nèi)的預(yù)測(cè)負(fù)荷，從而可以結(jié)合中央空調(diào)系統(tǒng)的制冷機(jī)組制冷能力做負(fù)荷匹配和按需供給，從而達(dá)到節(jié)能的目的。進(jìn)而解決了現(xiàn)有的建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法的準(zhǔn)確性低的技術(shù)問(wèn)題。的負(fù)荷預(yù)測(cè)方法的準(zhǔn)確性低的技術(shù)問(wèn)題。的負(fù)荷預(yù)測(cè)方法的準(zhǔn)確性低的技術(shù)問(wèn)題。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法、裝置及電子設(shè)備
[0001]本專利技術(shù)涉及數(shù)據(jù)處理
，并且更具體地，涉及一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法、裝置及電子設(shè)備。
技術(shù)介紹
[0002]中央空調(diào)系統(tǒng)主要工作原理是將室內(nèi)熱空氣經(jīng)冷水機(jī)組中的制冷劑循環(huán)，帶走熱量達(dá)到降低室內(nèi)溫度的效果。此熱量交換過(guò)程中需要制冷機(jī)組滿足熱交換的制冷量稱為制冷機(jī)組的冷負(fù)荷(制熱模式時(shí)稱為熱負(fù)荷)。
[0003]在上述物理系統(tǒng)中，冷水主機(jī)的冷負(fù)荷和室外氣象條件、建筑物的建筑特性、時(shí)間等諸多因素都有相關(guān)性。一般而言當(dāng)室外溫度和濕度變化時(shí)，室內(nèi)外熱量交換的速度也會(huì)隨著增加，那么單位時(shí)間內(nèi)交換的熱量不同時(shí)為了維持室內(nèi)適宜的溫度冷水主機(jī)的冷負(fù)荷也會(huì)隨著變化。目前在許多建筑內(nèi)其中央空調(diào)系統(tǒng)往往還是依賴于人工手動(dòng)調(diào)節(jié)蒸發(fā)壓力和冷凝壓力(或蒸發(fā)溫度和冷凝溫度，其表征了冷水主機(jī)的工作能耗)，大多數(shù)時(shí)候是無(wú)法隨著室外氣象條件、時(shí)間因素等諸多外界因素變化而調(diào)節(jié)主機(jī)負(fù)荷的；一般而言為了滿足極限條件下的冷熱負(fù)荷，都會(huì)設(shè)置主機(jī)的蒸發(fā)壓力和冷凝壓力都會(huì)設(shè)置在極限值以滿足最大負(fù)荷需求，這樣往往會(huì)導(dǎo)致“大馬拉小車”的現(xiàn)象，造成較大的能源浪費(fèi)。如果能夠精準(zhǔn)的計(jì)算出每個(gè)時(shí)刻的冷熱負(fù)荷需求就可以精準(zhǔn)控制機(jī)組能耗達(dá)到節(jié)能的效果。
[0004]目前較為常見的冷負(fù)荷預(yù)測(cè)方法有時(shí)間序列預(yù)測(cè)方法和基于建筑模型和流體力學(xué)模擬方法。時(shí)間序列方法把冷熱負(fù)荷的歷史數(shù)據(jù)輸入ARIMA、SARIMA、LSTM神經(jīng)網(wǎng)絡(luò)等時(shí)間序列模型，尋找其中的周期性規(guī)律完成負(fù)荷預(yù)測(cè)。建筑模型方法則是使用專業(yè)軟件模擬建筑內(nèi)部冷熱對(duì)流進(jìn)行負(fù)荷預(yù)測(cè)，假設(shè)區(qū)域內(nèi)所有建筑都是朝向相同或互成90
°
角且具有相同建筑材質(zhì)的矩形建筑，利用能耗軟件進(jìn)行模擬完成冷負(fù)荷預(yù)測(cè)。
[0005]中國(guó)專利CN114298430A提出了一種基于人工智能LSTM神經(jīng)網(wǎng)絡(luò)的冷負(fù)荷預(yù)測(cè)方法，其方法使用了日期、建筑使用情況，人流量，室內(nèi)外空氣溫濕度、太陽(yáng)輻射、地面反射和地面輻射、電機(jī)設(shè)備開啟數(shù)量等16個(gè)參數(shù)，使用LSTM神經(jīng)網(wǎng)絡(luò)模型擬合上述特征關(guān)于冷負(fù)荷的多項(xiàng)式方程，完成負(fù)荷預(yù)測(cè)。
[0006]中國(guó)專利CN113449909A提出了一種基于改進(jìn)LSTM神經(jīng)網(wǎng)絡(luò)的空調(diào)冷負(fù)荷預(yù)測(cè)方法，其選擇了氣溫、降雨等幾個(gè)氣象因素作為模型的輸入特征，將數(shù)據(jù)首先經(jīng)過(guò)CNN卷積層提取輸入輸出之間的短期依賴，然后使用LSTM模型結(jié)合自回歸注意力機(jī)制增加模型對(duì)輸入特征的敏感程度從而達(dá)到更好的預(yù)測(cè)精準(zhǔn)度。
[0007]中國(guó)專利CN115391875A提出了基于Transformer模型的短期建筑冷負(fù)荷預(yù)測(cè)模型的建立方法，其方法中選取建筑冷負(fù)荷預(yù)測(cè)所需的特征變量，包括天氣特征變量和時(shí)間特征變量；做相關(guān)性分析并選取相互線性獨(dú)立的特征變量作為預(yù)測(cè)模型的輸入數(shù)據(jù)，完成短期冷負(fù)荷預(yù)測(cè)模型。
[0008]基于氣象因素時(shí)間序列的冷負(fù)荷預(yù)測(cè)方法將空調(diào)負(fù)荷視為與只與氣象因素相關(guān)的周期性變化特征，但是冷負(fù)荷的變化往往和氣象、人流等其他非周期性因素相關(guān)，在這些
因素發(fā)生大的變化時(shí)預(yù)測(cè)效果并不理想。
[0009]另外，使用基于RNN、LSTM、Transformer等神經(jīng)網(wǎng)絡(luò)黑箱模型在實(shí)際訓(xùn)練中總是會(huì)出現(xiàn)時(shí)滯現(xiàn)象，即模型總是會(huì)將上一時(shí)刻的目標(biāo)值作為下一時(shí)刻模型的預(yù)測(cè)值，其根本原因是模型未從歷史數(shù)據(jù)中學(xué)習(xí)到有用的信息，綜合來(lái)看對(duì)于復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型需要較多超參數(shù)來(lái)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練網(wǎng)絡(luò)的過(guò)程往往也較為費(fèi)時(shí)。
[0010]由此可見，現(xiàn)有的建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法的準(zhǔn)確性低。
技術(shù)實(shí)現(xiàn)思路
[0011]為了解決現(xiàn)有的建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法的準(zhǔn)確性低的技術(shù)問(wèn)題，本專利技術(shù)提供一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法、裝置及電子設(shè)備。
[0012]根據(jù)本專利技術(shù)的一個(gè)方面，提供了一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法，包括：
[0013]獲取目標(biāo)建筑的地理位置處的氣象特征，獲取目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的熱源散熱特征；
[0014]對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)預(yù)處理；
[0015]基于預(yù)處理后的氣象特征和熱源散熱特征，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑在未來(lái)一段時(shí)間內(nèi)的預(yù)測(cè)負(fù)荷。
[0016]可選地，所述獲取目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的熱源散熱特征，包括：
[0017]獲取目標(biāo)建筑內(nèi)的人員散熱特征；
[0018]獲取目標(biāo)建筑內(nèi)的設(shè)備散熱特征。
[0019]可選地，所述對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)預(yù)處理，包括：
[0020]對(duì)氣象特征和熱源散熱特征進(jìn)行缺失值補(bǔ)齊；
[0021]對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)清洗；
[0022]對(duì)氣象特征和熱源散熱特征進(jìn)行歸一化處理。
[0023]可選地，所述基于預(yù)處理后的氣象特征和熱源散熱特征，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑在未來(lái)一段時(shí)間內(nèi)的負(fù)荷之前，還包括：
[0024]根據(jù)目標(biāo)建筑特性和制冷制熱系統(tǒng)的最大滯后時(shí)間，確定負(fù)荷預(yù)測(cè)模型的輸入特征的數(shù)據(jù)長(zhǎng)度以及模型預(yù)測(cè)的時(shí)間長(zhǎng)度。
[0025]可選地，建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法還包括通過(guò)以下方式訓(xùn)練負(fù)荷預(yù)測(cè)模型：
[0026]采集樣本數(shù)據(jù)集，其中樣本數(shù)據(jù)集包括目標(biāo)建筑的地理位置處的歷史氣象特征以及目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的歷史熱源散熱特征；
[0027]對(duì)樣本數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理后的樣本數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；
[0028]基于LSTM神經(jīng)網(wǎng)絡(luò)、Seq2Seq神經(jīng)網(wǎng)絡(luò)以及LuongAttention注意力機(jī)制，搭建負(fù)荷預(yù)測(cè)模型；
[0029]利用訓(xùn)練數(shù)據(jù)集訓(xùn)練負(fù)荷預(yù)測(cè)模型，直至滿足精度要求。
[0030]根據(jù)本專利技術(shù)的又一個(gè)方面，提供了一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)裝置，包括：
[0031]特征獲取模塊，用于獲取目標(biāo)建筑的地理位置處的氣象特征，獲取目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的熱源散熱特征；
[0032]預(yù)處理模塊，用于對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)預(yù)處理；
[0033]負(fù)荷預(yù)測(cè)模塊，用于基于預(yù)處理后的氣象特征和熱源散熱特征，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑在未來(lái)一段時(shí)間內(nèi)的預(yù)測(cè)負(fù)荷。
[0034]可選地，所述特征獲取模塊，具體用于：
[0035]獲取目標(biāo)建筑內(nèi)的人員散熱特征；
[0036]獲取目標(biāo)建筑內(nèi)的設(shè)備散熱特征。
[0037]根據(jù)本專利技術(shù)的又一個(gè)方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序用于執(zhí)行本專利技術(shù)上述任一方面所述的方法。
[0038]根據(jù)本專利技術(shù)的又一個(gè)方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：處理器；用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；所述處理器，用于從所述存儲(chǔ)器中讀取所述可執(zhí)行指令，并執(zhí)行所述指令以實(shí)現(xiàn)本專利技術(shù)上述任一方面所述的方法。
[0039]本專利技術(shù)首先獲取目標(biāo)建筑周圍的氣象特征以及目標(biāo)建筑內(nèi)的熱源散熱特征，然后對(duì)獲取的數(shù)據(jù)進(jìn)行預(yù)處理，最后基于預(yù)處理后的數(shù)據(jù)，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種建筑物空調(diào)系統(tǒng)的負(fù)荷預(yù)測(cè)方法，其特征在于，包括：獲取目標(biāo)建筑的地理位置處的氣象特征，獲取目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的熱源散熱特征；對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)預(yù)處理；基于預(yù)處理后的氣象特征和熱源散熱特征，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑在未來(lái)一段時(shí)間內(nèi)的預(yù)測(cè)負(fù)荷。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的熱源散熱特征，包括：獲取目標(biāo)建筑內(nèi)的人員散熱特征；獲取目標(biāo)建筑內(nèi)的設(shè)備散熱特征。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)預(yù)處理，包括：對(duì)氣象特征和熱源散熱特征進(jìn)行缺失值補(bǔ)齊；對(duì)氣象特征和熱源散熱特征進(jìn)行數(shù)據(jù)清洗；對(duì)氣象特征和熱源散熱特征進(jìn)行歸一化處理。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預(yù)處理后的氣象特征和熱源散熱特征，利用預(yù)設(shè)的負(fù)荷預(yù)測(cè)模型，確定目標(biāo)建筑在未來(lái)一段時(shí)間內(nèi)的負(fù)荷之前，還包括：根據(jù)目標(biāo)建筑特性和制冷制熱系統(tǒng)的最大滯后時(shí)間，確定負(fù)荷預(yù)測(cè)模型的輸入特征的數(shù)據(jù)長(zhǎng)度以及模型預(yù)測(cè)的時(shí)間長(zhǎng)度。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括通過(guò)以下方式訓(xùn)練負(fù)荷預(yù)測(cè)模型：采集樣本數(shù)據(jù)集，其中樣本數(shù)據(jù)集包括目標(biāo)建筑的地理位置處的歷史氣象特征以及目標(biāo)建筑內(nèi)與負(fù)荷相關(guān)的歷史熱源散熱特征；對(duì)樣本數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理后的樣本數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)集...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：丁柯豪，張珂鑫，陳峰，劉洪濤，劉江濤，
申請(qǐng)(專利權(quán))人：廣東熱矩智能科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。