[发明专利]一种基于长短期记忆循环神经网络的通用水冷中央空调能耗预测方法

说明书

一种基于长短期记忆循环神经网络的通用水冷中央空调能耗预测方法，包括以下步骤：步骤1，采集大冲能源公司提供的多个水冷中央空调项目正常运行的水冷中央空调数据、对应的环境数据；步骤2，对得到正常运行的水冷中央空调数据、对应的环境数据进行数据预处理，并对多个数据集进行整合，得到综合数据集；步骤3、对数据集进行训练，实现空调能耗预测，采用LSTM‑RNN长短期记忆循环神经网络，将预处理后的数据集和对应的功耗作为LSTM‑RNN长短期记忆循环神经网络的输入，进行网络训练后，得到最终的预测模型；步骤4、将测试数据输入预测模型，得到空调当前工况下的能耗值。本发明简化了模型训练过程，提升了预测准确率。

技术领域

本发明涉及到一种基于长短期记忆循环神经网络的通用水冷中央空调能耗预测方法。

背景技术

楼宇自动化系统(BAS)是集成了物联网技术，控制技术、网络技术等技术的系统。它通过对建筑(群)的各种设备实施综合自动化监控与管理，为业主和用户提供安全、舒适、便捷高效的工作与生活环境，并使整个系统和其中的各种设备处在最佳的工作状态。与此同时，在BAS系统中，大量的空调数据如温度、湿度、流量、功率等都被记录在数据库中。通过大量数据对空调系统进行分析、建模，能更好地预测空调能耗，反映大楼内空调工况并进行实时自动管理，实现自动化管理和节能，同时提高大楼内人员的舒适感。而现在的分析建模技术只能大多都是针对一个项目，一个楼宇，乃至一个区域的部分建模进行预测。这使得预测的难度增加，且需要多次建模，再进行预测来保证整体能耗的预估。使用多个项目的数据对相同类型且差距不大的中央空调进行通用性综合建模，再对空调能耗进行预测评估，能更好的利用大量的数据，使建模预测工作简单化。

发明内容

为了克服已有空调的能耗建模预测步骤繁杂、且建模区域有限的不足，本发明提供一种准确性较高、且有具有一定通用性的基于长短期记忆循环神经网络的通用水冷中央空调能耗预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于长短期记忆循环神经网络的通用水冷中央空调能耗预测方法，包括以下步骤：

步骤1、获取数据集，数据集由大冲能源公司提供，包含多个正常运行的水冷中央空调项目的数据、对应的环境数据；

步骤2、数据预处理，将步骤1得到的多个项目数据进行数据预处理，包括数据清洗、数据变换、特征选择和数据规范化；

步骤3、获得最终数据集，对预处理完的多个数据集进行合并，并打乱拆分为训练集和测试集，得到最终用于训练和测试的数据集；

步骤4、建立空调能耗预测模型，预测模型采用LSTM-RNN长短期记忆循环神经网络训练，将步骤3得到的最终数据集中的训练集作为LSTM-RNN长短期记忆循环神经网络的输入，进行网络训练；使用最终数据集中的测试集对空调预测模型进行评估，得到最终的空调能耗预测模型；

步骤5、将测试数据输入预测模型，得到空调当前工况下的能耗值。

进一步，所述步骤2中，数据预处理步骤为：

2.1)数据清洗：对于数据有属性缺失或异常，但临近数据不缺失，使用均值插补法对该缺失或异常填充；若数据有属性缺失或异常，且临近数据也有较多缺失或异常，可直接批量删除缺失数据；

2.2)数据变换：构造新的属性到属性集中去，帮助准确预测空调能耗。时间、日期对人流量有较大影响，建筑群中的供冷需求也随着人流量的变化而变化，间接影响着空调总能耗，故对月份、工作时间打上分类标签，作为特征数据的加入；冷却供水温度和冷却回水温度的差值能直观体现冷却塔散热能力，且与总能耗相关；冷冻回水温差和冷冻供水温差的差值能直观体现出空调制冷能力，且与总能耗相关，故加入冷却供回水温差、冷却供回水温差两个特征项；