[发明专利]一种空调负荷预测方法，装置及空调

说明书

技术领域

本发明属于空调技术领域，尤其涉及一种空调负荷预测方法，装置及空调。

背景技术

传统空调系统的运行方式，主要是通过直接比较房间温度与设定温度的偏差，从而调节空气处理单元的供冷量，其中，在空调系统调节过程中仅将空调负荷作为干扰量被包围在闭环控制回路中，而没有考虑空调负荷的动态变化情况。由于没有考虑空调负荷的动态变化情况，经常导致制冷量与空调负荷的变化不一致的情况，例如，可能出现制冷量无法满足空调负荷所需的冷量，或者制冷量大于空调负荷所需的冷量的情况，特别是，当制冷量大于空调负荷所需的冷量时，白白浪费掉大量的能量，达不到节能的效果。另外，由于冷水机组的制冷量处于被动调节状态，无法获知下一时刻的制冷量，从而无法确保冷水机组，冷却、冷冻水泵处于最佳能效状态下运行。

综上，现有技术的空调系统调节过程没有考虑空调负荷的动态变化情况，可能导致制冷量与空调负荷的变化不一致，且空调系统设备无法在最佳能效状态下运行。

发明内容

本发明实施例的目的在于提供一种空调负荷预测方法，旨在解决现有技术的空调系统调节过程没有考虑空调负荷的动态变化情况，可能导致制冷量与空调负荷的变化不一致，且空调系统设备无法在最佳能效状态下运行的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

本发明实施例是这样实现的，一种空调负荷预测方法，所述方法包括：

获取影响空调系统负荷的参数量；

将所述参数量输入预先训练的空调负荷预测神经网络模型，其中，所述空调负荷预测神经网络模型包括：输入层、中间层、反馈层及输出层；

获取所述空调负荷预测神经网络模型输出的空调负荷的预测值。

本发明实施例还提供了一种空调负荷预测系统，所述系统包括：

参数量获取单元，用于获取影响空调系统负荷的参数量；

参数量输入单元，用于将所述参数量输入预先训练的空调负荷预测神经网络模型，其中，所述空调负荷预测神经网络模型包括：输入层、中间层、反馈层及输出层；

预测值获取单元，用于获取所述空调负荷预测神经网络模型输出的空调负荷的预测值。

本发明实施例与现有技术相比，有益效果在于：获取影响空调系统负荷的参数量，并将所述参数输入预先训练的空调负荷预测神经网络模型，从而获得空调负荷的预测值，实现准确预测空调系统逐时负荷，保证制冷量与空调负荷的变化一致，避免能源浪费，且为冷水机组运行调节提供依据，确保冷水机组处于最佳能效状态下运行。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的空调负荷预测方法的实现的流程图；

图2是本发明实施例一提供的空调负荷预测神经网络模型的示意图；

图3是本发明实施例一提供的预先训练所述空调负荷预测神经网络模型方法的实现的流程图；

图4是本发明实施例二提供的空调负荷预测系统的结构图；

图5是本发明实施例二提供的训练单元的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种空调负荷预测方法，所述方法包括：

获取影响空调系统负荷的参数量；

将所述参数量输入预先训练的空调负荷预测神经网络模型，其中，所述空调负荷预测神经网络模型包括：输入层、中间层、反馈层及输出层；

获取所述空调负荷预测神经网络模型输出的空调负荷的预测值。

本发明实施例还提供了一种空调负荷预测系统，所述系统包括：

参数量获取单元，用于获取影响空调系统负荷的参数量；

参数量输入单元，用于将所述参数量输入预先训练的空调负荷预测神经网络模型，其中，所述空调负荷预测神经网络模型包括：输入层、中间层、反馈层及输出层；

预测值获取单元，用于获取所述空调负荷预测神经网络模型输出的空调负荷的预测值。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一