[发明专利]一种一体水冷式中央空调冷负荷预测方法及装置

权利要求书

1.一种一体水冷式中央空调冷负荷预测方法，其特征在于：包括，

采集空调系统数据，包括温度、湿度、风速、太阳辐射、制造执行系统(MES)生产数据和空调历史负荷；

对采集到的数据进行灰色关联度(GRA)分析，通过负荷计算并结合工程实际，选定灰色关联度较高的数据作为输入变量，对样本数据进行归一化处理，建立新的数据集；

基于获得的所述数据集，采用极限学习机(ELM)建立负荷预测模型；

通过经验公式及试凑法确定隐层节点的数量，利用野狗优化算法(DOA)对所述负荷预测模型的输入权值及阈值进行寻优，建立DOA_ELM负荷预测模型，并引入遗传算法(GA)的变异机制，对DOA_ELM迭代后的最优种群进行变异，增加种群多样性。

2.如权利要求1所述的一体水冷式中央空调冷负荷预测方法，其特征在于：所述对采集到的数据进行灰色关联度(GRA)分析，通过负荷计算并结合工程实际，选定灰色关联度较高的数据作为输入变量，对样本数据进行归一化处理，建立新的数据集包括，

对采集的数据进行划分，确定比较数据列和参考数据列；

对获得的数据列进行无量纲处理；

通过灰色关联度分析，选定灰色关联度较高的数据作为输入变量；

将得到的数据划分为测试集和训练集，并进行归一化处理，重新组建数据集。

3.如权利要求3所述的一体水冷式中央空调冷负荷预测方法，其特征在于：所述通过灰色关联度分析，选定灰色关联度较高的数据作为输入变量包括，

对于一个参考数据列X₀和比较数据列X_i：

其中X_i为比较数据列，m为特征样本的数量，n为每个样本的构成数量；

通过ξ_i(k)表示各被比较对象与参考对象之间的关联程度，ξ_i(k)为X_i对X₀关于k指标的关联系数：

其中ζ为分辨系数，ζ∈[0,1]；

第i个评价对象的绝对关联度为：

将r₁ r₂ ... r_i按照大小进行比较，选定关联度较高的数据作为输入变量。

4.如权利要求3所述的一体水冷式中央空调冷负荷预测方法，其特征在于：所述利用极限学习机建立负荷预测模型包括，

对于任意N个样本(X_i,t_i)，其中X_i＝[x_i1,x_i2…,x_in]^T∈Rⁿ，t_i＝[t_i1,t_i2,…t_im]^T∈R^m；

具有N～个隐层节点和激活函数的SLFNs数学建模为：

其中w_i＝[w_i1,w_i2,...,w_in]^T是连接第i个隐层节点和输入节点的权重向量，β_i＝[β_i1,β_i2,...,β_im]^T是连接第i个隐层节点和输出节点的权重向量，b_i是第i个隐层节点的阈值，w_i·X_j表示w_i和X_j的内积，g(x)为激活函数；

随机分配输入权重w_i和偏差使得：

矩阵可表示为Hβ＝T；

其中，H是神经网络的隐层输出矩阵，β为输出权重，T为期望输出；

计算隐层输出矩阵H和输出权重β，求解Hβ＝T:的最小二乘解得到期望输出T＝[t₁,...,t_N]^T。