[发明专利]用电能耗的预测方法和装置

权利要求书

1.一种用电能耗的预测方法，其特征在于，包括：

获取目标类型的因素数据，其中，所述因素数据用于表示影响目标空调系统用电能耗的数据，所述目标类型根据的多种类型的因素数据对所述目标空调系统用电能耗的影响程度确定；

获取用电能耗预测模型；

根据所述目标类型的因素参数，基于所述用电能耗预测模型对所述目标空调系统的用电能耗进行预测。

2.根据权利要求1所述的方法，其特征在于，在获取目标类型的因素数据之前，所述方法还包括：确定所述目标类型，其中，确定所述目标类型的步骤包括：

获取所述目标空调系统历史的用电能耗数据和多种类型的因素数据；

通过所述历史的用电能耗数据和所述多种类型的因素数据，将所述多种类型按照所述多种类型的因素数据对所述目标空调系统用电能耗数据的影响程度进行排序；

在按照所述影响程度由大至小排序的情况下，确定前N个类型为所述目标类型，其中，N为大于1的整数；

在按照所述影响程度由小至大排序的情况下，确定后M个类型为所述目标类型，其中，M为大于1的整数。

3.根据权利要求1所述的方法，其特征在于，在获取目标类型的因素数据之前，所述方法还包括：构建所述用电能耗预测模型，其中，构建所述用电能耗预测模型，包括：

获取样本数据，其中，所述样本数据包括所述目标类型的历史因素数据和所述历史因素数据对应的用电能耗数据；

通过所述样本数据对预设初始模型进行训练，得到所述用电能耗预测模型。

4.根据权利要求3所述的方法，其特征在于，所述预设初始模型为径向基函数神经网络模型。

5.根据权利要求2所述的方法，其特征在于，在获取样本数据之后，所述方法还包括：

对所述样本数据进行预处理，其中，所述预处理包括如下任意一项或多项：数据清洗、数据集成、数据转换和数据消减；

通过所述样本数据对预设初始模型进行训练，得到所述用电能耗预测模型，包括：通过预处理后的样本数据对预设初始模型进行训练，得到所述用电能耗预测模型。

6.根据权利要求3所述的方法，其特征在于，所述样本数据中包括：训练样本数据和测试样本数据，通过所述样本数据对预设初始模型进行训练，得到所述用电能耗预测模型，包括：

通过所述训练样本数据对所述预设初始模型进行训练，得到训练结果；

通过所述测试样本数据对所述训练结果进行测试；

如果测试通过，则确定所述训练结果为所述用电能耗预测模型，如果测试未通过，在所述训练结果的基础上继续进行训练。

7.根据权利要求6所述的方法，其特征在于，通过所述测试样本数据对所述训练结果进行测试，包括：

输入所述测试样本数据中的历史因素数据至所述训练结果，得到所述训练结果输出的预测结果；

获取所述预测结果与所述测试样本数据对应的用电能耗数据的均方根误差；

根据所述均方根误差确定所述训练结果是否通过测试。

8.根据权利要求7所述的方法，其特征在于，如果测试通过，则确定所述训练结果为所述用电能耗预测模型，包括：

通过所述均方根误差对所述训练结果中的网络参数进行修正；

确定修正后的训练结果为所述用电能耗预测模型。

9.一种用电能耗的预测装置，其特征在于，包括：

第一获取模块，用于获取目标类型的因素数据，其中，所述因素数据用于表示影响目标空调系统用电能耗的数据，所述目标类型根据的多种类型的因素数据对所述目标空调系统用电能耗的影响程度确定；

第二获取模块，用于获取用电能耗预测模型；

预测模块，用于根据所述目标类型的因素参数，基于所述用电能耗预测模型对所述目标空调系统的用电能耗进行预测。