[发明专利]一种能耗预测用特征提取方法及系统

说明书

本发明涉及中央空调能耗预测领域，公开了一种能耗预测用特征提取方法及系统，以快速筛选能耗预测的输入特征，提高能耗预测算法的泛化性能；该方法包括采集待分析中央空调系统的历史运行数据，对历史运行数据进行预处理得到初始特征集；根据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；根据贡献度进行特征筛选，得到优化特征集；根据优化特征集优化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；计算贡献度与预测值的均方误差；并采用预设的特征筛选终止条件对均方误差进行筛选得到最优特征集。

技术领域

本发明涉及中央空调能耗预测领域，尤其涉及一种能耗预测用特征提取方法及系统。

背景技术

中央空调系统是公共建筑能源消耗的主要系统之一，因此对中央空调系统的能耗预测和优化控制方法研究受到广泛关注。中央空调系统通常由多个制冷机组、水泵、冷却塔等耗能设备组成，其工作状态受用户需求量、季节、天气等因素的影响，导致中央空调系统运行数据复杂，能耗变化规律难以分析和建模。为了实现准确的中央空调系统能耗预测，有必要对运行数据进行特征提取和选择。目前基于数据驱动的中央空调系统能耗预测方法中，输入特征的处理多数采用专家经验和人工筛选的方法，存在效率低、通用性差等不足，使得能耗预测的泛化性能较弱。此外也可以利用多目标优化方法对特征组合进行寻优，但由于原始特征数量多，优化时间将非常长。因此需要提供一种面向中央空调能耗预测特征的快速提取方法，实现特征的快速提取和筛选，并提高能耗预测算法的泛化性能。

发明内容

本发明针对上述问题提供了一种面向中央空调能耗预测特征的快速提取方法及系统，以以快速筛选能耗预测的输入特征，提高能耗预测算法的泛化性能。

为实现上述目的，本发明提供了一种能耗预测用特征提取方法，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S4直至得到所述最优特征集。

优选地，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。

优选地，所述对所述历史运行数据进行预处理得到初始特征集具体包括以下步骤：

S11：将所采集的历史运行数据以设定时间为间隔，划分为多个子序列，分别对每个采集项的缺失值采用预设方式进行填充；

S12：将相同冷冻水供水总管下的所有冷冻泵的相同采集项合并为第一平均值；将同一总管下的所有冷却泵、冷却塔的相同采集项合为第二平均值；

S13：从采集项中选取预测目标项Y，计算公式如下：

Y＝[y₀,y₁,y₂,...,y_L]；