[发明专利]用电能耗的预测方法和装置

说明书

本发明公开了一种用电能耗的预测方法和装置。其中，该方法包括：获取目标类型的因素数据，其中，因素数据用于表示影响目标空调系统用电能耗的数据，目标类型根据的多种类型的因素数据对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；根据目标类型的因素参数，基于用电能耗预测模型对目标空调系统的用电能耗进行预测。本发明解决了现有技术中难以对建筑的空调用电能耗进行准确预测的技术问题。

技术领域

本发明涉及空调领域，具体而言，涉及一种用电能耗的预测方法和装置。

背景技术

随着全球经济的持续增长，能源紧缺和环境压力日益严重，减少能源浪费、保护环境已经成为需要重视的问题，而大型公共建筑的单位面积能耗相对于居住建筑面积能耗要高出10倍多，在能源供应日益紧张、环境污染日益严重的环境下，进行以节能减耗为目的的能耗预测系统的研究，具有重要的意义。为了提高大型公共建筑的能耗管理效率，不仅需要对能耗历史数据进行监测、分析，还需要对建筑未来的能耗进行预测，对能耗预测结果进行分析，及时发现能耗异常数据，为建筑节能提供指引方向。

在大型公共建筑的工作运转过程中，预先估计未来某段时间内的能耗数据对整个建筑的能耗监管和分析都是具有非常重要的以及。但影响大型公共建筑能耗的因素很多，难以准确的对未来的能耗进行预测。

针对现有技术中难以对建筑的空调用电能耗进行准确预测的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种用电能耗的预测方法和装置，以至少解决现有技术中难以对建筑的空调用电能耗进行准确预测的技术问题。

根据本发明实施例的一个方面，提供了一种用电能耗的预测方法，包括：获取目标类型的因素数据，其中，因素数据用于表示影响目标空调系统用电能耗的数据，目标类型根据的多种类型的因素数据对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；根据目标类型的因素参数，基于用电能耗预测模型对目标空调系统的用电能耗进行预测。

进一步地，在获取目标类型的因素数据之前，确定目标类型，其中，确定目标类型的步骤包括：获取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；通过历史的用电能耗数据和多种类型的因素数据，将多种类型按照多种类型的因素数据对目标空调系统用电能耗数据的影响程度进行排序；在按照影响程度由大至小排序的情况下，确定前N个类型为目标类型，其中，N为大于1的整数；在按照影响程度由小至大排序的情况下，确定后M个类型为目标类型，其中，M为大于1的整数。

进一步地，在获取目标类型的因素数据之前，构建用电能耗预测模型，其中，构建用电能耗预测模型，包括：获取样本数据，其中，样本数据包括目标类型的历史因素数据和历史因素数据对应的用电能耗数据；通过样本数据对预设初始模型进行训练，得到用电能耗预测模型。

进一步地，预设初始模型为径向基函数神经网络模型。

进一步地，在获取样本数据之后，对样本数据进行预处理，其中，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；通过样本数据对预设初始模型进行训练，得到用电能耗预测模型，包括：通过预处理后的样本数据对预设初始模型进行训练，得到用电能耗预测模型。

进一步地，样本数据中包括：训练样本数据和测试样本数据，通过训练样本数据对预设初始模型进行训练，得到训练结果；通过测试样本数据对训练结果进行测试；如果测试通过，则确定训练结果为用电能耗预测模型，如果测试未通过，在训练结果的基础上继续进行训练。

进一步地，输入测试样本数据中的历史因素数据至训练结果，得到训练结果输出的预测结果；获取预测结果与测试样本数据对应的用电能耗数据的均方根误差；根据均方根误差确定训练结果是否通过测试。

进一步地，通过均方根误差对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用电能耗预测模型。