[发明专利]一种基于级联时序模型的暖通系统能效优化方法

说明书

本发明涉及一种基于级联时序模型的暖通系统能效优化方法，通过模型级联的方式，对多个设备进行模型抽象，某些关键设备独立抽象为一个子模型，该子模型同时预测该设备功率，以及某些影响其他设备的关键参数；每个设备子模型的输入可以是独立的设备自身参数，也可以是其他子模型的输出，还可以是两者结合；所有子模型融合成一个总模型，每个子模型的输出都作为损失函数的一部分共同参与训练，从而使每个子模型的输入尽可能涵盖真实的参数空间，提高模型精度。本专利提出了利用级联时序模型，对暖通空调复杂系统建模的方案，可应用于现有数据中心、智能楼宇的能效优化，以及对工业级复杂系统的预测与优化问题。

技术领域

本专利申请属于能效优化技术领域，更具体地说，是涉及一种基于级联时序模型的暖通系统能效优化方法。

背景技术

现有HVAC系统通常由多个设备协同工作，每个设备的工作状态不仅受自身参数的影响，还会收到系统中其他设备工作状态的影响。比如暖通系统HVAC中冷机的设备功率不仅取决于冷机当前的频率，还取决于冷机的进水温度的影响，而通常情况下冷机的进水温度是由冷却塔和冷却泵共同影响的。即利用模型预测设备功率不应仅仅考虑该设备本身的参数，还应同时将该设备关联的其他变量输入模型。

在现有某些方案中，当采用某些最优化问题求解方法时(如遗传算法)，要求求解变量独立不相关，即要求黑盒模型预测时的输入是独立的。在这种情况下模型的精度存在瓶颈，若想取得可接受的模型精度，需要大量的特征工程与专业领域知识，耗时耗力。

发明内容

本发明需要解决的技术问题是提供一种基于级联时序模型的暖通系统能效优化方法，以提高模型预测精度，并省时省力。

为了解决上述问题，本发明所采用的技术方案是：

一种基于级联时序模型的暖通系统能效优化方法，过程为：

S1、通过模型级联的方式，对暖通系统中的多个设备进行模型抽象，在模型抽象拆解中只需找到设备彼此关联影响的因变量；

S2、将其中的每个关键设备均独立抽象为一个子模型，该子模型同时预测该关键设备的功率，以及若干影响其他设备的关键参数；

S3、根据设备系统中各设备的连接关系，构建子模型之间的空间位置连接关系，然后将所有子模型融合成一个总模型，每个子模型的输出都作为损失函数的一部分共同参与训练，从而使每个子模型的输入尽可能涵盖真实的参数空间，进而提高模型精度。

本发明技术方案的进一步改进在于：S1中，对暖通系统中的多个设备进行模型抽象是指将设备抽象为时序模型，时序模型的输入不仅包括当前时刻的输入，还包括历史输入。

本发明技术方案的进一步改进在于：时序模型为LSTM模型(long-short termmemory，长短期记忆模型)。

本发明技术方案的进一步改进在于：S3中，在构建子模型之间的连接关系时，每个子模型的输入可以是独立的设备自身参数，也可以是其他子模型的输出，还可以是两者结合。

本发明技术方案的进一步改进在于：S3中，损失函数包括：MSE均方误差损失函数、SVM合页损失函数、Cross Entropy交叉熵损失函数、目标检测的Smooth L1损失函数的一种或多种。

由于采用了上述技术方案，本发明取得的有益效果是：

利用cascade LSTM模型，可以在预测优化问题中扩充模型输入，引入非独立变量，提高模型精度。

在建模过程中，尽可能的减少与专业知识的耦合，模型拆解中只需找到设备彼此关联影响的因变量，不需要进行大量的特征组合与特征工程工作。