[发明专利]一种能耗预测用特征提取方法及系统

权利要求书

1.一种能耗预测用特征提取方法，其特征在于，包括以下步骤：

S1：采集待分析中央空调系统的历史运行数据，对所述历史运行数据进行预处理得到初始特征集；

S2：根据所述初始特征集训练得到梯度提升树能耗预测模型，计算各输入特征的贡献度；

S3：根据所述贡献度进行特征筛选，得到优化特征集；

S4：根据所述优化特征集优化所述梯度提升树能耗预测模型，根据优化后的梯度提升树能耗预测模型得到预测值；

S5：计算所述贡献度与所述预测值的均方误差；判断所述贡献度与所述均方误差是否符合预设的特征筛选终止条件，若符合所述预设的特征筛选终止条件，则根据筛选结果得到最优特征集，若不符合所述预设的特征筛选终止条件，则返回所述S3直至得到所述最优特征集；

所述S2具体包括以下步骤：

利用除预测目标项外的其他采集项的数据构成的初始特征集X₀和预测目标项Y按照预设条件训练所构建的梯度提升树模型，训练完成后，计算X₀中各特征的第一贡献度和第二贡献度，计算公式如下：

Imp_g(xⁿ)＝gain(xⁿ) (2)

Imp_s(xⁿ)＝split(xⁿ) (3)

式中，xⁿ为X₀的第n列，Imp_g(xⁿ)表示第n个特征的第一贡献度，Imp_s(xⁿ)表示第n个特征的第二贡献度，gain(xⁿ)表示在梯度提升树模型中使用第n个特征进行子节点划分时所获得的平均信息增益，split(xⁿ)表示在梯度提升树模型中使用第n个特征进行子节点划分的次数；

其中，所述预设条件包括：损失函数由模型中所有参数的L1范数和模型输出值与实际值之间的均方误差构成；限制梯度提升树模型中所有基学习器的最大深度为P；

所述S3具体包括以下步骤：

S31：删除所有特征中第一贡献度和第二贡献度均为0的特征；

S32：计算所有特征第一贡献度的平均值，将所有第一贡献度大于第一贡献度的平均值的特征记为F₁；计算所有特征第二贡献度的平均值，将所有第二贡献度大于第二贡献度的平均值的特征记为F₂；

S33：选取包含于F₁和F₂中的特征，得到一次优化特征集X₁；

所述S4具体包括以下步骤：

利用X₁和Y训练所构建的梯度提升树模型，训练完成后，根据公式(2)、公式(3)计算各特征的第一贡献度和第二贡献度，并计算模型输出值作为所述预测值；

所述预设的特征筛选终止条件包括第一贡献度或第二贡献度的最大值与最小值之差小于最大值的Q倍，其中Q是0到1之间的小数；特征总数量小于R，其中R为整数；模型输出值的均方误差大于T，其中T是实数；

所述S5具体包括以下步骤：

S51：判断当前的特征是否满足特征筛选终止条件，若满足，则特征筛选终止，得到最优特征集为X₁，否则重新进行特征筛选，并将得到的特征集记为二次优化特征集X₂；

S52：以二次优化特征集X₂为输入，Y为输出，再次计算所述预测值，然后重新判断是否满足特征筛选终止条件，若满足，则特征筛选终止，得到最优特征集为X₂，否则重复执行S3和S4，得到多个优化特征集，直至满足特征筛选终止条件时，得到最优特征集X_R，R为总优化次数。

2.根据权利要求1所述的能耗预测用特征提取方法，其特征在于，所述历史运行数据包括各制冷机组的各历史输入功率、冷冻水出水温度设定值、冷冻水出水温度、冷冻水进水温度、冷却水出水温度、冷却水进水温度，冷冻总管的供水温度、回水温度、供水压力、回水压力、阀门开度、瞬时流量中的一种或者任意几种的组合，还包括各冷冻泵输入功率、工作频率、进水压力、出水压力，各冷却塔输入功率、工作频率中的一种或者任意几种的组合，还包括室外温度、湿度，露点温度，湿球温度中的一种或者任意几种的组合。