[发明专利]一种中央空调负荷预测方法、智能终端及存储介质

说明书

本发明公开了一种中央空调负荷预测方法，包括：获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；获取中央空调t时刻的实际负荷测量值；将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；求得负荷预测的取值系数；经由取值系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值的步骤。还提出了包含该方法的智能终端及存储介质。本发明对中央空调负荷实现高精度负荷预测，利用权重分配原则，自动调整负荷预测权重，始终确保负荷预测精度高的预测方法所占权重大，从而保证了系统整体负荷预测精度始终维持在一个高精度水平，及时调节空调系统运行工况，降低空调系统运行能耗。

技术领域

本发明涉及一种中央空调技术，尤其是涉及一种具有高精度的实时负荷预测能力的中央空调负荷预测方法、智能终端及存储介质。

背景技术

提前预测出中央空调系统所冷负荷，可以及时调整空调系统对应设备的运行策略，提前调节系统运行冷量，减少不必要的运行能耗，从而实现中央空调系统运行技术节能。该中央空调负荷预测方法不仅及时准确，而且预测精度高，能够自动调整各种负荷预测方法的权重比例，完善了中央空调系统运行负荷预测的技术补充。

现有的中央空调负荷预测方法主要有神经网络负荷预测，时间序列递推负荷预测等技术方法。其神经网络负荷预测是利用人工智能算法中的机器学习原理，利用历史测量数据，通过机器学习，提前预测下一时刻的对应负荷。

目前中央空调系统负荷预测技术单一，比如神经网络预测由于在训练阶段采用了采用了最速下降法来搜索最优解。最速下降法所具有的特点就是:在局部搜索空间的搜索能力强,而对于全局搜索空间来说,它却存在着收敛速度慢、易陷入局部极小点等缺点，从而导致神经网络负荷预测不能在全局实现高精度负荷预测。时间序列预测又容易对季节和气候的影响产生依赖，一旦气候参数变化较大的情况发生，就会导致预测精度快速降低。

针对中央空调系统负荷的滞后性、非线性、随机性等特点，因此针对不同的系统运行工况，均无法保证预测出高精度的负荷预测结果，当预测负荷值严重偏离实际运行负荷值时，会导致系统冷负荷不足或过冷等现象，从而造成能源浪费，因此无法最大化的实现中央空调系统运行技术节能。

发明内容

本发明解决的技术问题是提供一种中央空调负荷预测方法，能够提供实时高精度的中央空调负荷预测。

本发明的技术解决方案是：

一种中央空调负荷预测方法，其中，包括：

步骤一，获取中央空调系统经由常用负荷预测算法获得的至少两个以上的t时刻的负荷预测值；

步骤二，获取中央空调t时刻的实际负荷测量值；

步骤三，将所述多个负荷预测值组成预测矩阵，求得t时刻的组合负荷预测值；

步骤四，求得负荷预测的取值系数；

步骤五，经由取值系数与t+1时刻的组合负荷预测值计算得到t+1时刻的中央空调系统的最终负荷预测值。

本发明还提供：

一种智能终端，其中，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的中央空调负荷预测程序，所述中央空调负荷预测程序被所述处理器执行时实现如上所述的中央空调负荷预测方法的步骤。

一种存储介质，其中，所述存储介质存储有中央空调负荷预测程序，所述中央空调负荷预测程序被处理器执行时实现如上所述中央空调负荷预测方法的步骤。

由以上说明得知，本发明确实具有如下的优点：