[发明专利]一种基于系统延迟性的空调侧负荷预测方法

说明书

本发明公开了一种基于系统延迟性的空调侧负荷预测方法，考虑了从过去到未来一段时间的室内外参数以及空调输出负荷的影响，并利用先进的人工神经网络模型，直接对当前空调要输出的负荷进行预测。本发明充分考虑了系统延迟性，将过去的室内室外参数和空调负荷，以及当前和未来的室内室外参数作为负荷预测的依据，体现了系统参数在时间维度上的变化特征；能够筛选出最符合目标房间的预测模型，进一步提升了预测精度。

技术领域

本发明涉及室内热环境动态调控领域，具体涉及一种基于系统延迟性的空调侧负荷预测方法。

背景技术

在室内热环境控制领域，目前多采用被动式控制方法，即根据过去的系统状态来确定未来的控制参数，如利用传统的PID控制器来控制室温，这种方法虽然可在一定范围内满足控温需求，但往往需要空调系统高频率的变换工况，从而增加了设备的能耗和磨损。若采用主动式控制方法，通过预测系统未来的输出，提前优化控制参数，则可改善空调系统的运行工况，提高系统的灵活性。

对室内热环境的预测是实现主动式控制的关键步骤。冷(热)负荷是空调系统设计与控制时的重要依据，传统负荷的计算是根据室外气象参数、维护结构和室内热源等参数来确定，现有负荷预测方法也多是依据上述方法。然而，现有方法的预测负荷关注房间逐时的需求负荷，忽略了空调系统以及房间内部传热延迟性的影响。因此，受到过去系统参数对当前系统状态的影响以及当前和过去系统参数对未来系统状态的影响，实际空调系统要提供的负荷并不一定等于传统计算方法预测的室内需求负荷。有些改进方法通过计算系统及房间传热的延迟时间，由系统提前相应的时间提供需求侧房间负荷。但如果延迟时间大于1小时，而依然进行逐时房间需求负荷预测，则会导致在每个控制时间节点空调侧输出负荷状态受到影响，导致空调侧的输出负荷波动较大，控制不准确。

发明内容

基于现有技术，本发明提出一种基于系统延迟性的空调侧负荷预测方法，在空调侧输出负荷的角度上，考虑了从过去到未来一段时间的室内外参数以及空调输出负荷的影响，并利用先进的人工神经网络模型，直接对当前空调要输出的负荷进行预测。

本发明的一种基于系统延迟性的空调侧负荷预测方法，该方法包括以下步骤：

步骤1、收集的目标房间室外气象参数、室内热环境参数和空调侧输出负荷的历史数据；

步骤2、设定过去和未来的时间尺度，具体为：设步骤1中收集的历史数据中，某一时刻的时间为t₁，t₁前的某一时刻为t₀，t₁后的某一时刻为t₂，t₀、t₁、t₂也可理解为相对的过去、现在和未来三个时间点，其中t₂时刻的室内参数是控制目标，t₀与t₁的时间间隔Δt₀₁和t₁与t₂的时间间隔Δt₁₂；

步骤3、将t₀、t₁、t₂对应的时刻的室内室外参数和Δt₀₁、Δt₁₂对应的时间间隔的平均空调输出负荷作为样本；例如，对t₀、t₁、t₂赋予不同的值，得到若干个生成预测模型的训练与测试样本；

步骤4、利用步骤3得到的样本建立空调输出负荷的预测模型：预测模型的输入变量为t₀、t₁、t₂对应的室内室外参数和Δt₀₁所对应的时间间隔的平均空调输出负荷，输出为Δt₁₂所对应的时间间隔的平均空调输出负荷，将所有样本按比例分为训练样本集和测试样本集，利用训练样本集训练预测模型，利用测试样本集检测以获得预测模型的预测误差，保存训练好的预测模型和所对应的Δt₀₁、Δt₁₂；