[发明专利]中央空调动态负荷全局优化与节能控制的方法和装置

权利要求书

1.一种中央空调动态负荷全局优化与节能控制的方法，其特征在于，所述方法包括：

根据预先建立的递归神经网络模型对目标空调的运行负荷进行预测，得到第一负荷预测值；

根据环境数据曲线对目标空调的运行负荷进行预测，得到第二负荷预测值；其中，根据环境数据曲线对目标空调的运行负荷进行预测，得到第二负荷预测值，包括：根据第二特征数据建立三维特征曲线和二维特征曲线；其中，所述第二特征数据包括历史干球温度数据、历史湿度数据和历史空调负荷数据中的至少一种；计算当前特征数据与所述三维特征曲线的第一误差，计算当前特征数据与所述二维特征曲线的第二误差；根据所述第一误差和所述第二误差之和，从相似曲线数据库中确定相似三维曲线；将所述相似三维曲线中待预测时刻对应的运行负荷值作为第二负荷预测值；

设置初始负荷比例系数，并根据所述初始负荷比例系数、所述第一负荷预测值、所述第二负荷预测值，确定所述目标空调的目标负荷预测值；

根据目标负荷预测值对空调系统进行优化处理，确定所述空调系统的优化信息；根据所述优化信息对所述空调系统进行节能控制。

2.根据权利要求1所述的方法，其特征在于，在所述根据预先建立的递归神经网络模型对目标空调的运行负荷进行预测之前，所述方法还包括：

确定网络模型训练数据；其中，所述网络模型训练数据包括：干球温度数据、湿度数据、太阳辐射强度数据、二氧化碳数据、室内温度数据和历史空调负荷数据中的至少一种；

根据所述网络模型训练数据进行模型训练，得到网络模型参数；

根据所述网络模型参数构建递归神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述确定网络模型训练数据，包括：

获取空调当日运行模式；其中，所述空调当日运行模式包括工作日、周末或节假日；

基于所述空调当日运行模式，选择与第一特征数据误差低于预设误差阈值的历史特征数据作为网络模型训练数据；

其中，所述第一特征数据包括：当前时刻的干球温度数据、当前时刻的湿度数据、当前时刻的太阳辐射强度数据、当前时刻的二氧化碳数据、当前时刻的室内温度数据和当前空调负荷数据中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述计算当前特征数据与所述三维特征曲线的第一误差，包括：

获取当日已运行时刻的干球温度数据、湿度数据和当前空调负荷数据；

将所述当日已运行时刻的干球温度数据、湿度数据和当前空调负荷数据，与所述三维特征曲线进行匹配，得到第一误差。

5.根据权利要求1所述的方法，其特征在于，所述计算当前特征数据与所述二维特征曲线的第二误差，包括：

确定当日未运行时刻的干球温度数据和湿度数据；

将所述当日未运行时刻的干球温度数据和湿度数据，与所述二维特征曲线进行匹配，得到第二误差。

6.根据权利要求1所述的方法，其特征在于，在所述确定所述目标空调的目标负荷预测值之后，所述方法还包括：

获取所述目标空调的实际负荷值；

计算所述第一负荷预测值与所述实际负荷值的误差；计算所述第二负荷预测值与所述实际负荷值的误差；

根据所述第一负荷预测值与所述实际负荷值的误差，与所述第二负荷预测值与所述实际负荷值的误差，对所述初始负荷比例系数进行修正，得到目标负荷比例系数；

在检测到空调负荷值预测事件之后，根据所述目标负荷比例系数、所述空调负荷值预测事件中的第三负荷预测值，以及所述空调负荷值预测事件中的第四负荷预测值，对所述目标空调目标时刻下的运行负荷进行预测；

其中，所述第三负荷预测值根据所述递归神经网络模型对待预测空调的运行负荷进行预测确定；所述第四负荷预测值根据所述环境数据曲线对待预测空调的运行负荷进行预测确定。