[发明专利]基于负荷预测的空调控制方法、装置及计算机存储介质有效

专利信息
申请号: 201910232200.2 申请日: 2019-03-26
公开(公告)号: CN109945420B 公开(公告)日: 2020-11-17
发明(设计)人: 杨玉;牛洪海;陈霈;管晓晨;李兵;耿欣;余帆 申请(专利权)人: 南京南瑞继保电气有限公司;南京南瑞继保工程技术有限公司
主分类号: F24F11/63 分类号: F24F11/63;F24F11/64;F24F11/61
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 张振伟;张颖玲
地址: 211100 江苏省南*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 负荷 预测 空调 控制 方法 装置 计算机 存储 介质
【说明书】:

发明提供了基于负荷预测的空调控制方法、装置以及计算机存储介质,其中所述方法包括:确定待预测周期对应的特征集;基于权重系数对所述特征集内的所述运行特征进行计算得到负荷量基础值,根据所述负荷量基础值和差异系数得到所述待预测周期的预测负荷量,其中,所述权重系数由对历史周期对应的所述特征集及负荷量进行非线性回归估计得到,所述差异系数为根据所述历史周期的负荷量与所述历史周期对应的所述负荷量基础值得到;确定所述预测负荷量对应的控制策略,按照所述控制策略进行控制。

技术领域

本发明属于空调技术领域,尤其涉及基于负荷预测的空调控制方法、装置及计算机存储介质。

背景技术

空调系统作为常见的部署在各类建筑物中的温度控制系统,其能耗一般可达到建筑用能的50%以上,并且,空调系统中的冷冻水系统具有大惯性、非线性及纯滞后等特点,故为了减少能耗,通常做法是引入优化控制策略,通过预测未来时刻的负荷量,提前对空调模式进行控制,如更改制冷机组的运行模式或参数,修改冷冻水的温度及流量等,从而克服大惯性的影响,在满足负荷量需求的同时降低能耗。

在现有技术中,通常使用线性预测和神经网络预测两种方式预测负荷量,从而进行空调控制。对于线性预测方式来说,由于空调的负荷量与较多外界因素存在关联,其关联关系为非线性关系,而线性预测方式很难甚至无法处理非线性关系,导致负荷量预测的精度低;对于神经网络预测方式,由于神经网络需要输入大量参数进行训练,而空调在运行过程中通常仅能记录有限的运行数据,导致并不能通过神经网络达到良好的训练效果。综上,现有技术中对空调负荷量进行预测的准确性低,导致控制策略选取不准确,无法使空调达到供需平衡。

发明内容

有鉴于此,本发明的主要目的在于提供一种空调控制方法、装置以及计算机存储介质,以解决现有技术中因负荷量预测不准确导致的空调供需不平衡的问题。

为达到上述目的,本发明的技术方案是这样实现的:

本发明实施例的第一方面提供了一种基于负荷预测的空调控制方法,包括:

确定待预测周期对应的特征集,所述特征集包括空调在所述待预测周期及与所述待预测周期相关的参考周期的运行特征;

基于权重系数对所述特征集内的所述运行特征进行计算得到负荷量基础值,根据所述负荷量基础值和差异系数得到所述待预测周期的预测负荷量,其中,所述权重系数由对历史周期对应的所述特征集及负荷量进行非线性回归估计得到,所述差异系数为根据所述历史周期的负荷量与所述历史周期对应的所述负荷量基础值得到;

确定所述预测负荷量对应的控制策略,按照所述控制策略进行控制。

本发明实施例的第二方面提供了一种基于负荷预测的空调控制装置,包括:

确定单元,用于确定待预测周期对应的特征集,所述特征集包括空调在所述待预测周期及与所述待预测周期相关的参考周期的运行特征;

计算单元,用于基于权重系数对所述特征集内的所述运行特征进行计算得到负荷量基础值,根据所述负荷量基础值和差异系数得到所述待预测周期的预测负荷量,其中,所述权重系数由对历史周期对应的所述特征集及负荷量进行非线性回归估计得到,所述差异系数为根据所述历史周期的负荷量与所述历史周期对应的所述负荷量基础值得到;

控制单元,用于确定所述预测负荷量对应的控制策略,按照所述控制策略进行控制。

本发明实施例的第三方面提供了一种基于负荷预测的空调控制装置,该空调控制装置包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如下步骤:

确定待预测周期对应的特征集,所述特征集包括空调在所述待预测周期及与所述待预测周期相关的参考周期的运行特征;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京南瑞继保电气有限公司;南京南瑞继保工程技术有限公司,未经南京南瑞继保电气有限公司;南京南瑞继保工程技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910232200.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top