[发明专利]办公建筑中央空调逐时冷负荷在线预测方法及系统

权利要求书

1.办公建筑中央空调逐时冷负荷在线预测方法，其特征在于，包括以下步骤：

（1）数据初始化：手动录入建筑空调房间面积、各空调房间内空调末端设备数量、功率和供冷面积，用于计算空调运行输入参数；为每个空调末端设备智能节点装置设置唯一编号；将输入参数预测值与实际值之间的残差初值置零，将输出参数的实际值与预测值残差初值置零；采集天数p的初值置零；

所述输入参数由室外气象参数及空调运行输入参数组成；所述室外气象参数由室外环境平均干球温度、室外环境平均相对湿度、室外环境平均太阳总辐射组成；所述空调运行输入参数由室内平均温度、平均相对湿度、空调末端设备开启率组成；所述输出参数为空调冷负荷；

（2）令采集天数p=p+1，判断采集天数p是否满足p≥m，其中m由用户自行设定；

若否，进行第p天的输入参数的采集、处理与存储后，重复步骤（2）；

若是，判断采集天数p是否满足p>m，若不满足，进行步骤（3），若满足，则进行步骤（4）；

（3）进行以下步骤：

（3-1）令采集小时数n=1，在第1小时内进行输入参数、输出参数的采集、处理与存储，同时进行以下步骤：

（3-1-1）以第1~m-1天的输入参数的实际值为输入，以第1~m-1天的空调冷负荷的实际值为输出，进行空调负荷Online SVR模型初始化建模；

（3-1-2）利用第1~m-1天的输入参数的实际值进行输入参数时间序列Online SVR模型初始化建模，逐时预测第m天24小时的输入参数；

（3-1-3）利用步骤（3-1-1）及步骤（3-1-2）的结果，逐时预测第m天24小时的空调冷负荷；

（3-2）令采集小时数n=n+1；在第n小时内进行输入参数、输出参数的采集、处理与存储；

（3-3）判断n是否满足n=24，若否，重复步骤（3-2）~（3-3）；若是，进行步骤（5）；

（4）进行以下步骤：

（4-1）令采集小时数n=1，在第1小时内进行输入参数、输出参数的采集、处理与存储，同时进行以下步骤：

（4-1-1）利用第p-1天的输入参数的实际值、输出参数的实际值对当前的空调负荷Online SVR模型进行增量训练，利用第p-m+1天的输入参数的实际值、输出参数对当前的空调负荷Online SVR模型进行减量训练，得到更新后的空调负荷Online SVR模型；

（4-1-2）计算第p-1天六个输入参数的预测值与实际值之间的残差；

（4-1-3）利用第p-1天24小时的输入参数的实际值对当前的输入参数Online SVR模型进行增量训练，利用第p-m+1天的输入参数的实际值对输入参数Online SVR模型进行减量训练，更新输入参数Online SVR模型；

（4-1-4）利用步骤（4-1-3）更新后的输入参数Online SVR模型逐时预测第p天的24小时输入参数；

（4-1-5）计算第p-1天的空调冷负荷的预测值与实际值之间的残差；

（4-1-6）利用步骤（4-1-4）的结果及空调冷负荷Online SVR预测模型，逐时预测第p天的24小时的空调冷负荷；

（4-2）令采集小时数n=n+1；进行第n小时的输入参数、输出参数的采集、处理与存储；

（4-3）判断n是否满足n=24，若否，重复步骤（4-2）~（4-3）；若是，进行步骤（5）；

（5）检测是否有预测结束信号，若无，重复步骤（2）~（4）；若有，结束预测。