[发明专利]一种空调能耗的综合预测方法及系统

说明书

本公开公开的一种空调能耗的综合预测方法及系统，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。实现了对空调能耗的准确预测。

技术领域

本发明涉及空调能耗预测技术领域，尤其涉及一种空调能耗的综合预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

伴随着全球工业化与城市化进程的不断加快，建筑能源需求总量急剧增加。建筑约占全球能源消耗的40％，约占全球温室气体排放量的三分之一。暖通空调(HVAC)系统是建筑物内的主要能源消耗者，占全球能源使用量的30％以上。因此，对建筑能耗进行准确预测，提高建筑物的能源效率和利用率，对我国整体可持续发展具有重要意义。

近年来，一些人工神经网络算法已被用于预测智能建筑暖通空调能耗。应用广泛的算法包括，BP神经网络、带优化算法的人工神经网络等。如BP神经网络是由反向传播算法训练的前馈神经网络，是目前应用最广泛的神经网络类型之一。主要特点是信号向前传播，误差反向传播，根据期望值，不断调整网络的权值和阈值，使得网络预测结果不断逼近期望值。BP神经网络的缺点模型物理意义不明确，容易陷入局部极小值的困境，无法保证得到全局最优值。

近年来，为弥补网络的缺陷，提出引入优化算法，优化神经网络的权值和阈值，确定最佳的初始权值和阈值，避免了初始值的任意性对结果精度的影响。但单一的优化算法对初始神经网络精度的提高具有局限性，网络预测结果也具有不稳定性。

故发明人认为，现有的预测方法均不能对建筑空调的能耗进行准确预测。

发明内容

本公开为了解决上述问题，提出了一种空调能耗的综合预测方法及系统，实现了对建筑空调能耗的准确预测。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了一种空调能耗的综合预测方法，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。

第二方面，提出了一种空调能耗的综合预测系统，包括：

数据获取模块，用于获取空调运行环境数据；

能耗预测模块，用于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。

第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种空调能耗的综合预测方法所述的步骤。

第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种空调能耗的综合预测方法所述的步骤。

与现有技术相比，本公开的有益效果为：