本發明專利技術公開了一種用于制冷制熱系統節能的氣象預測方法、裝置及電子設備，屬于數據處理技術領域。本發明專利技術通對建筑物的歷史氣象數據以及周邊地區的氣象預報進行預處理和相關性分析，選擇與預測目標有較強相關性的特征作為特征預測模型的輸入特征，提高了特征預測模型的輸出結果的準確性。并且，本發明專利技術結合建筑物的歷史氣象數據以及周邊地區的氣象預報，使得特征預測模型能夠利用氣象變化問題的空間連續性，進一步準確地預測某一建筑物外界未來某一段時間內的溫度、濕度等氣象信息的預測值。從而解決了現有的用于制冷制熱系統節能的氣象預測方法的準確性低的技術問題。象預測方法的準確性低的技術問題。象預測方法的準確性低的技術問題。
【技術實現步驟摘要】
用于制冷制熱系統節能的氣象預測方法、裝置及電子設備
[0001]本專利技術涉及數據處理
，并且更具體地，涉及一種用于制冷制熱系統節能的氣象預測方法、裝置及電子設備。
技術介紹
[0002]在制冷或制熱系統中，主機能耗占比一般超過60%。以制冷機組為例，其主要工作原理是將室內熱空氣經制冷劑循環，帶走熱量達到降低室內溫度的效果。此熱量交換過程中需要制冷機組滿足熱交換的制冷量稱為制冷機組的冷負荷（制熱模式時稱為熱負荷，因為制熱和制熱原理類似，為方便陳述，如無特殊說明后文中制冷主機均表示可制冷可制熱雙模機組）。
[0003]在上述物理系統中，制冷主機的冷負荷和室外氣象條件有非常緊密的關系，當室外溫度和濕度變化時，室內外熱量交換的速度也會隨之增加，那么單位時間內交換的熱量不同時為了維持室內目標溫度，制冷主機的冷負荷也會隨著變化。目前在許多建筑中的中央空調系統（包括冷庫中的低溫維持系統，計算機房的恒溫系統等等）大部分依賴于人工手動調節蒸發壓力和冷凝壓力（或蒸發溫度和冷凝溫度，其表征了主機的工作能耗），大多數時候是無法隨著室外氣象條件變化而調節主機負荷的，而為了滿足極限條件下的冷熱負荷，一般主機系統的蒸發壓力和冷凝壓力都會設置在極限值，這樣往往會造成“大馬拉小車”的現象，造成較大的能源浪費。
[0004]中國專利CN111043731A提出一種基于天氣預報的空調系統調節方法，其控制策略的調節依賴于室外氣象預測的結果，其結果要經過置信度檢驗來決定是否可用，有可能會出現預測結果不可用的情況；由于氣象預報往往表征的是一片區域的平均值，其與特定建筑的實際值會有差距，在氣候條件和地理形勢較為復雜的位置與平均表征值的差別會更大，那么此時用氣象預報的值來調整機組策略就很可能出現能耗不匹配的情況，氣象預測準確率低。
[0005]中國專利CN115343784A提出的基于歷史數據來預測未來一段時間的氣溫變化算法，其模型使用了深度學習神經網絡結構，善于從歷史數據中挖掘有效信息用來預測。但是由于氣象問題不僅存在時間連續性，也存在空間連續性，由于其模型缺乏空間維度上的信息獲取，其模型針對短時間內急劇變化的氣象問題其預測能力有欠缺，氣象預測準確率低。并且完全基于歷史數據的氣象模型馴化往往需要大量的歷史數據用以訓練模型在各種氣象條件下的準確率，其對數據量和計算能力的的要求也較高。
[0006]由此可見，現有的用于制冷制熱系統節能的氣象預測方法的準確性低。
技術實現思路
[0007]為了解決現有的用于制冷制熱系統節能的氣象預測方法的準確性低的技術問題，本專利技術提供一種用于制冷制熱系統節能的氣象預測方法、裝置及電子設備。
[0008]根據本專利技術的一個方面，提供了一種用于制冷制熱系統節能的氣象預測方法，包
括：獲取目標建筑的地理位置處的歷史氣象特征，獲取距目標建筑預設距離處未來一段時間的氣象預報特征；對歷史氣象特征和氣象預報特征進行數據預處理；對預處理后的歷史氣象特征與氣象預測目標進行相關性分析，從歷史氣象特征中確定相關性大于預設閾值的相關氣象特征；基于相關氣象特征和預處理后的氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果。
[0009]可選地，用于制冷制熱系統節能的氣象預測方法還包括：獲取未來一段時間的氣象真實數據；將未來一段時間的氣象預測結果與氣象真實數據進行比對分析；根據比對分析的結果，判斷特征預測模型的預測精準度是否達到要求；在特征預測模型的預測精準度未達到要求時，對特征預測模型進行優化調整，直至特征預測模型的預測精準度達到要求。
[0010]可選地，所述對歷史氣象特征和氣象預報特征進行數據預處理，包括：對歷史氣象特征和氣象預報特征進行缺失值補齊；對歷史氣象特征和氣象預報特征進行數據清洗；對歷史氣象特征和氣象預報特征進行歸一化處理。
[0011]可選地，所述預設的特征預測模型包括特征預測層、一維卷積神經網絡和全連接神經網絡，其中特征預測層包括編碼器、解碼器和注意力機制；并且所述基于相關氣象特征和氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果，包括：將相關氣象特征輸入特征預測層，輸出氣象預測目標的預測特征；將氣象預測目標的預測特征與氣象預報特征中對應的預報特征進行疊加，形成特征矩陣；將特征矩陣輸入一維卷積神經網絡，并將一維卷積神經網絡的輸出送入全連接神經網絡，確定未來一段時間內的氣象預測結果。
[0012]可選地，用于制冷制熱系統節能的氣象預測方法還包括：所述基于相關氣象特征和氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果之前，根據目標建筑特性和制冷制熱系統的滯后時間，確定特征預測模型的輸入特征的數據長度以及模型預測的時間長度。
[0013]可選地，用于制冷制熱系統節能的氣象預測方法還包括通過以下方式搭建特征預測模型：以LSTM神經網絡單元作為特征預測模型的編碼器和解碼器；選擇Luong Attention作為特征預測模型的注意力機制；在注意力機制之后搭建一維卷積神經網絡，并在一維卷積神經網絡之后搭建全連接神經網絡。
[0014]根據本專利技術的又一個方面，提供了一種用于制冷制熱系統節能的氣象預測裝置，包括：
第一獲取模塊，用于獲取目標建筑的地理位置處的歷史氣象特征，獲取距目標建筑預設距離處未來一段時間的氣象預報特征；預處理模塊，用于對歷史氣象特征和氣象預報特征進行數據預處理；第一確定模塊，用于對預處理后的歷史氣象特征與氣象預測目標進行相關性分析，從歷史氣象特征中確定相關性大于預設閾值的相關氣象特征；第二確定模塊，用于基于相關氣象特征和預處理后的氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果。
[0015]可選地，用于制冷制熱系統節能的氣象預測裝置還包括：第二獲取模塊，用于獲取未來一段時間的氣象真實數據；比對分析模塊，用于將未來一段時間的氣象預測結果與氣象真實數據進行比對分析；判斷模塊，用于根據比對分析的結果，判斷特征預測模型的預測精準度是否達到要求；優化調整模塊，用于在特征預測模型的預測精準度未達到要求時，對特征預測模型進行優化調整，直至特征預測模型的預測精準度達到要求。根據本專利技術的又一個方面，提供了一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序用于執行本專利技術上述任一方面所述的方法。
[0016]根據本專利技術的又一個方面，提供了一種電子設備，所述電子設備包括：處理器；用于存儲所述處理器可執行指令的存儲器；所述處理器，用于從所述存儲器中讀取所述可執行指令，并執行所述指令以實現本專利技術上述任一方面所述的方法。
[0017]本專利技術通對建筑物的歷史氣象數據以及周邊地區的氣象預報進行預處理和相關性分析，選擇與預測目標有較強相關性的特征作為特征預測模型的輸入特征，提高了特征預測模型的輸出結果的準確性。并且，本專利技術結合建筑物的歷史氣象數據以及周邊地區的氣象預報，使得特征預測模型能夠利用氣象變化問題的空間連續性，進一步準確地預測某一建筑物外界未來某一段時間內的溫本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種用于制冷制熱系統節能的氣象預測方法，其特征在于，包括：獲取目標建筑的地理位置處的歷史氣象特征，獲取距目標建筑預設距離處未來一段時間的氣象預報特征；對歷史氣象特征和氣象預報特征進行數據預處理；對預處理后的歷史氣象特征與氣象預測目標進行相關性分析，從歷史氣象特征中確定相關性大于預設閾值的相關氣象特征；基于相關氣象特征和預處理后的氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果。2.根據權利要求1所述的方法，其特征在于，還包括：獲取未來一段時間的氣象真實數據；將未來一段時間的氣象預測結果與氣象真實數據進行比對分析；根據比對分析的結果，判斷特征預測模型的預測精準度是否達到要求；在特征預測模型的預測精準度未達到要求時，對特征預測模型進行優化調整，直至特征預測模型的預測精準度達到要求。3.根據權利要求1所述的方法，其特征在于，所述對歷史氣象特征和氣象預報特征進行數據預處理，包括：對歷史氣象特征和氣象預報特征進行缺失值補齊；對歷史氣象特征和氣象預報特征進行數據清洗；對歷史氣象特征和氣象預報特征進行歸一化處理。4.根據權利要求1所述的方法，其特征在于，所述預設的特征預測模型包括特征預測層、一維卷積神經網絡和全連接神經網絡，其中特征預測層包括編碼器、解碼器和注意力機制；并且所述基于相關氣象特征和氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果，包括：將相關氣象特征輸入特征預測層，輸出氣象預測目標的預測特征；將氣象預測目標的預測特征與氣象預報特征中對應的預報特征進行疊加，形成特征矩陣；將特征矩陣輸入一維卷積神經網絡，并將一維卷積神經網絡的輸出送入全連接神經網絡，確定未來一段時間內的氣象預測結果。5.根據權利要求1所述的方法，其特征在于，所述基于相關氣象特征和氣象預報特征，利用預設的特征預測模型，確定未來一段時間的氣象預測結果之前，還包括：根據目標建筑特性和制冷制熱系...
【專利技術屬性】
技術研發人員：張珂鑫，陳峰，劉洪濤，劉江濤，丁柯豪，
申請(專利權)人：廣東熱矩智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。