[发明专利]一种多联机能耗计量方法及系统

说明书

本发明公开一种多联机能耗计量方法及系统。其中，该方法包括：接收多联机上传的机组运行数据；根据所述机组运行数据实时计算得到第一能耗数据；利用神经网络模型对所述第一能耗数据进行修正，得到修正后的能耗数据。本发明通过接收多联机的机组运行数据，能够在线实时计算多联机能耗，并且利用基于大数据训练得到的神经网络模型对计算的多联机能耗进行修正，实现多联机能耗的精准计量，实现大量多联机组能耗的综合计量和统计，无需耗费大量人力使用电表进行实测，便捷、准确且高效。

技术领域

本发明涉及多联机技术领域，具体而言，涉及一种多联机能耗计量方法及系统。

背景技术

空调的能效比(COP)是指空调的制冷量与空调的输入功率的比值，反映空调的节能水平，制定能效等级的目的是为了节约能源，发展节约型、环保型经济。

近年来，多联机在市场的影响越来越大，占有率逐年提高，而且各个厂家都标称能效很高，可是实际上在全国范围内的多联机用电情况无法直接获得，需要人工亲自上门使用电表来测试。人工采集数据的方法会耗费大量的人力以及成本，并且效率较低，且无法实现大数据分析。

通过目前空调返回来的常规参数，难以计算出电量和制冷量，计算出的准确率目前达不到要求。有别于一拖一的家用空调，多联机是一种状态方程非常复杂的多元非线性系统，难以用精确的数学模型对系统进行完整建模。

针对现有技术中多联机能耗计量准确率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种多联机能耗计量方法及系统，以解决现有技术中多联机能耗计量准确率低的问题。

为解决上述技术问题，本发明实施例提供了一种多联机能耗计量方法，所述方法由服务端执行，所述方法包括：接收多联机上传的机组运行数据；根据所述机组运行数据实时计算得到第一能耗数据；利用神经网络模型对所述第一能耗数据进行修正，得到修正后的能耗数据。

可选的，根据所述机组运行数据实时计算得到第一能耗数据，包括：根据所述机组运行数据中的用电数据计算得到实时功率和电量；根据所述机组运行数据中指定位置的热物性数据计算得到制冷量；根据所述实时功率和所述制冷量计算得到能效比；其中，所述第一能耗数据包括：所述电量、所述制冷量和所述能效比。

可选的，在根据所述机组运行数据实时计算得到第一能耗数据之前，还包括：获取所述多联机的机型信息；根据预存配置信息确定所述机型信息对应的能耗算法，以按照所述能耗算法计算所述第一能耗数据。

可选的，利用神经网络模型对所述第一能耗数据进行修正，得到修正后的能耗数据，包括：将所述第一能耗数据作为所述神经网络模型的输入，得到所述神经网络模型的输出，将所述输出作为所述修正后的能耗数据。

可选的，在利用神经网络模型对所述第一能耗数据进行修正之前，还包括：搭建神经网络，并初始化所述神经网络的参数；获取样本数据，其中，所述样本数据包括：针对至少两个多联机计算得到的理论能耗数据及对应的实际测量的真实数据；将所述理论能耗数据作为所述神经网络的输入，得到所述神经网络的输出；判断所述神经网络的输出与所述真实数据的误差是否处于第一预设误差范围内；若是，则确定神经网络模型训练完成；若否，则调节所述神经网络的参数，并返回执行将所述理论能耗数据作为所述神经网络的输入的步骤。

可选的，在确定神经网络模型训练完成后，还包括：在针对各所述多联机实时计算的第一能耗数据中，选择用于更新模型的更新数据，并获取所述更新数据对应的真实数据；根据所述更新数据及对应的真实数据，更新所述神经网络模型。

可选的，在确定神经网络模型训练完成后，还包括：将训练得到的神经网络模型发送给各所述多联机，以使各所述多联机存储所述训练得到的神经网络模型。