[发明专利]一种空调能耗的综合预测方法及系统

权利要求书

1.一种空调能耗的综合预测方法，其特征在于，包括：

获取空调运行环境数据；

将空调运行环境数据输入训练好的空调能耗预测模型中，输出空调能耗预测结果；

其中，空调能耗预测模型包括GA-BP预测模型和PSO-BP预测模型，将空调运行环境数据分别输入GA-BP预测模型和PSO-BP预测模型中，获取预测结果，从两个预测结果中选取最优值为空调能耗预测结果；

GA-BP预测模型为通过遗传算法确定BP神经网络模型的权值和阈值，PSO-BP预测模型为通过粒子群优化算法确定BP神经网络模型的权值和阈值；

采用训练样本对空调能耗预测模型进行训练，训练过程为：

步骤1：GA-BP模型随机运行t次，设定e_ij为预测值，为实际能耗值，将预测值e_ij存储到E中，则e_ij(0≤i＜t,0≤j≤6)；

步骤2：PSO-BP模型随机运行t次，设定e_ij为预测值，为实际能耗值，将预测值e_ij存储到E中，则e_ij(t≤i＜2t,0≤j≤6)，获得的E为：

0≤i＜2t,0≤j≤6；

步骤3：实际能耗值存储到E^R中，即

步骤4：设置算法运行次数t，令t＝0；

步骤5：开始初始优化阶段，即分别通过遗传算法和粒子群优化算法确定BP神经网络模型的初始参数值，初始的参数值包括权值和阈值；

步骤6：对两个BP神经网络模型进行训练，获取预测值e_ij；

步骤7：通过e_ij更新能耗预测解集E；

步骤8：令t＝t+1，判断t≥5条件是否满足，如果满足，则退出算法，输出最好参数配置方案；否则，转入步骤1；

从GA-BP预测模型和PSO-BP预测模型的预测结果中选取最优值，为空调能耗预测结果；

按类分组，记录组内最优值，得到最优值组合；

按同类分组：在E中，每列数据预测条件一致，预测的同一值，属于同类数据，所以按每列将数据分组，并定义为同类种群；

筛选组内最优值个体：

(1)计算个体适应度c；计算公式为：

c＝e_ij-e_0j

(2)记录同类群体最优个体，逐步选择出最优值个体，淘汰适应度值大的个体；

若c：个体＜最优个体，

则更新替换当前最优个体值e_ij；

(3)判断同类种群是否遍历结束；否，则返回(1)；是，则输出最优值

将每类群体最优值组合，形成最优值群体E^*输出；

其中为能耗最佳预测值，k为最佳值在E中的行数；

则，得到的最佳能耗预测值为

2.如权利要求1所述的空调能耗的综合预测方法，其特征在于，通过遗传算法确定BP神经网络模型权值和阈值时，种群中的每个个体都包含BP神经网络内所有的权值和阈值，通过适应度函数计算个体的适应度值，筛选出最优适应度值对应的个体，该个体中的权值和阈值为确定的BP神经网络模型的权值和阈值。

3.如权利要求1所述的空调能耗的综合预测方法，其特征在于，通过粒子群优化算法确定BP神经网络模型权值和阈值时，每个粒子代表BP神经网络的权值和阈值，通过迭代寻优，获得BP神经网络模型的权值和阈值。

4.如权利要求1所述的空调能耗的综合预测方法，其特征在于，BP神经网络模型是由反向传播算法训练的前馈神经网络，包括输入层、隐藏层和输出层。

5.如权利要求1所述的空调能耗的综合预测方法，其特征在于，空调运行环境数据均输入GA-BP预测模型和PSO-BP预测模型的BP神经网络模型中输出预测结果。

6.如权利要求1所述的空调能耗的综合预测方法，其特征在于，分别计算GA-BP预测模型和PSO-BP预测模型预测结果的适应度，根据适应度从两个预测结果中选取最优值为空调能耗预测结果。