本發(fā)明涉及計算機(jī)，特別涉及一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法、裝置、介質(zhì)和設(shè)備。

背景技術(shù)：

1、目前，建筑節(jié)能和環(huán)保是當(dāng)今社會重點關(guān)注的問題。在建筑領(lǐng)域，采用高效節(jié)能的供冷系統(tǒng)是提升建筑能效的關(guān)鍵措施之一。輻射制冷作為一種高效、舒適的制冷方式，正越來越廣泛地應(yīng)用于建筑中。然而，輻射制冷系統(tǒng)存在響應(yīng)時間長、慣性大、對環(huán)境條件敏感、冷凝風(fēng)險高以及控制策略復(fù)雜等問題。要解決這些問題，需要通過負(fù)荷預(yù)測來預(yù)知負(fù)荷變化，從而優(yōu)化系統(tǒng)運行，提高效率和舒適度，降低運行成本和風(fēng)險。因此，準(zhǔn)確的負(fù)荷預(yù)測是解決輻射制冷空調(diào)系統(tǒng)問題、實現(xiàn)高效節(jié)能運行的關(guān)鍵。

2、現(xiàn)有技術(shù)中，空調(diào)負(fù)荷預(yù)測方法通常采用數(shù)據(jù)驅(qū)動技術(shù)，以數(shù)據(jù)驅(qū)動的方法使用復(fù)雜非線性系統(tǒng)的歷史數(shù)據(jù)來預(yù)測空調(diào)負(fù)荷，該方法旨在從過去的運行數(shù)據(jù)中提取有效的特征和模式，以實現(xiàn)準(zhǔn)確的負(fù)荷預(yù)測。

3、但是，現(xiàn)有以數(shù)據(jù)驅(qū)動的空調(diào)負(fù)荷預(yù)測方法缺乏空間特征建模能力，大多數(shù)方法只處理單個空調(diào)的負(fù)荷時間序列（如一個房間的空調(diào)負(fù)荷數(shù)據(jù)），而忽略了建筑內(nèi)不同位置間的空間關(guān)系，導(dǎo)致對建筑內(nèi)空調(diào)系統(tǒng)的負(fù)荷預(yù)測準(zhǔn)確性較差。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法、裝置、介質(zhì)和設(shè)備。

2、本發(fā)明采用下述技術(shù)方案：

3、本發(fā)明提供了一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，通過先獲取建筑空調(diào)系統(tǒng)中不同位置空調(diào)的冷負(fù)荷歷史時序數(shù)據(jù)和對應(yīng)歷史時段的負(fù)荷影響數(shù)據(jù)作為樣本數(shù)據(jù)，再基于雙向時間卷積網(wǎng)絡(luò)改進(jìn)得到雙向空間卷積網(wǎng)絡(luò)，在雙向空間卷積網(wǎng)絡(luò)和雙向長短期記憶網(wǎng)絡(luò)形成的并行結(jié)構(gòu)后串接交叉注意力模塊，構(gòu)建預(yù)測模型；之后通過樣本數(shù)據(jù)對預(yù)測模型進(jìn)行訓(xùn)練，并通過冠豪豬優(yōu)化算法對超參數(shù)進(jìn)行尋優(yōu)，得到建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測模型，最后通過建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測模型基于待預(yù)測數(shù)據(jù)提取其中不同位置空調(diào)冷負(fù)荷時序數(shù)據(jù)的空間分布特征以及空調(diào)和負(fù)荷影響數(shù)據(jù)之間的影響關(guān)系特征，并提取待預(yù)測數(shù)據(jù)的時序變化特征，從而通過交叉注意力模塊融合三者得到融合特征，以根據(jù)融合特征對建筑空調(diào)系統(tǒng)中各空調(diào)在目標(biāo)時刻的冷負(fù)荷進(jìn)行預(yù)測。

4、本發(fā)明提供了一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測裝置，包括：

5、獲取模塊，用于獲取建筑空調(diào)系統(tǒng)中不同位置空調(diào)的冷負(fù)荷歷史時序數(shù)據(jù)和對應(yīng)歷史時段的負(fù)荷影響數(shù)據(jù)作為樣本數(shù)據(jù)；

6、構(gòu)建模塊，用于將雙向時間卷積網(wǎng)絡(luò)中的擴(kuò)展因果卷積層轉(zhuǎn)換為2d卷積得到雙向空間卷積網(wǎng)絡(luò)，在雙向空間卷積網(wǎng)絡(luò)和雙向長短期記憶網(wǎng)絡(luò)形成的并行結(jié)構(gòu)后串接交叉注意力模塊，構(gòu)建預(yù)測模型；

7、訓(xùn)練模塊，用于根據(jù)樣本數(shù)據(jù)采用冠豪豬優(yōu)化算法訓(xùn)練預(yù)測模型，得到建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測模型；

8、預(yù)測模塊，用于將待預(yù)測數(shù)據(jù)輸入建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測模型，通過雙向空間卷積網(wǎng)絡(luò)提取不同位置空調(diào)冷負(fù)荷時序數(shù)據(jù)的空間分布特征以及各類負(fù)荷影響數(shù)據(jù)和不同位置空調(diào)冷負(fù)荷時序數(shù)據(jù)的影響關(guān)系特征，通過長短期記憶神經(jīng)網(wǎng)絡(luò)提取待預(yù)測數(shù)據(jù)中不同位置空調(diào)冷負(fù)荷時序數(shù)據(jù)和各類負(fù)荷影響數(shù)據(jù)的時序變化特征，通過交叉注意力模塊融合時序變化特征、空間分布特征和影響關(guān)系特征得到融合特征，以根據(jù)融合特征確定建筑空調(diào)系統(tǒng)中各空調(diào)在目標(biāo)時刻的冷負(fù)荷。

9、本發(fā)明提供了一種計算機(jī)可讀存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法。

10、本發(fā)明提供了一種計算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)上述建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法。

11、本發(fā)明采用的上述至少一個技術(shù)方案能夠達(dá)到以下有益效果：

12、在建筑內(nèi)不同區(qū)域之間的冷氣流動、溫度變化等通常與建筑內(nèi)空調(diào)系統(tǒng)各處空調(diào)的負(fù)荷數(shù)據(jù)息息相關(guān)，本發(fā)明通過將雙向時間卷積網(wǎng)絡(luò)中的擴(kuò)展因果卷積層轉(zhuǎn)換為2d卷積得到雙向空間卷積網(wǎng)絡(luò)，能夠通過雙向空間卷積網(wǎng)絡(luò)有效地捕捉空調(diào)系統(tǒng)中不同位置空調(diào)負(fù)荷數(shù)據(jù)的空間分布特征，以及各類負(fù)荷影響數(shù)據(jù)和不同位置空調(diào)冷負(fù)荷時序數(shù)據(jù)的影響關(guān)系特征，從而通過空間分布特征和影響關(guān)系特征反映建筑內(nèi)不同位置的空調(diào)間負(fù)荷數(shù)據(jù)變化的耦合關(guān)系，以及不同位置空調(diào)負(fù)荷和負(fù)荷影響數(shù)據(jù)之間的耦合關(guān)系，使預(yù)測模型能夠更全面地學(xué)習(xí)到各空調(diào)負(fù)荷變化的空間依賴關(guān)系，并提取不同位置空調(diào)冷負(fù)荷時序數(shù)據(jù)和各類負(fù)荷影響數(shù)據(jù)的時序變化特征，通過交叉注意力模塊對空間維度和時間維度的特征進(jìn)行融合，提高了對建筑內(nèi)空調(diào)系統(tǒng)負(fù)荷數(shù)據(jù)和負(fù)荷影響數(shù)據(jù)在時空維度的掌握，從而提高了對建筑內(nèi)空調(diào)系統(tǒng)的負(fù)荷預(yù)測準(zhǔn)確性。

技術(shù)特征：

1.一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，包括：

2.如權(quán)利要求1所述的建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，所述獲取建筑空調(diào)系統(tǒng)中不同位置空調(diào)的冷負(fù)荷歷史時序數(shù)據(jù)和對應(yīng)歷史時段的負(fù)荷影響數(shù)據(jù)，具體包括：

3.如權(quán)利要求2所述的建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，所述2d卷積為2d掩碼卷積；

4.如權(quán)利要求1所述的建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，所述根據(jù)樣本數(shù)據(jù)采用冠豪豬優(yōu)化算法訓(xùn)練預(yù)測模型，具體包括：

5.如權(quán)利要求1所述的建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，所述并行結(jié)構(gòu)包括兩個分支，第一分支包括雙向空間卷積網(wǎng)絡(luò)，第二分支包括依次串接的雙向長短期記憶網(wǎng)絡(luò)和動態(tài)時間注意力模塊；其中，動態(tài)時間注意力模塊通過多個并行的不同時間尺度的時間嵌入模塊串接自注意力模塊得到；

6.如權(quán)利要求1所述的建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，所述負(fù)荷影響數(shù)據(jù)包括：室外溫度、室內(nèi)溫度、室外濕度、室內(nèi)濕度、太陽輻射強(qiáng)度、風(fēng)速、節(jié)假日屬性信息、建筑物各區(qū)域?qū)崟r人員數(shù)量、空調(diào)系統(tǒng)的供水溫度和回水溫度中至少一種。

7.如權(quán)利要求6所述的建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法，其特征在于，所述方法還包括：

8.一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測裝置，其特征在于，包括：

9.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1～7任一項所述的方法。

10.一種計算機(jī)設(shè)備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1～7任一所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測方法、裝置、介質(zhì)和設(shè)備，涉及計算機(jī)技術(shù)領(lǐng)域。先獲取建筑空調(diào)系統(tǒng)中不同位置空調(diào)的冷負(fù)荷歷史時序數(shù)據(jù)和對應(yīng)歷史時段的負(fù)荷影響數(shù)據(jù)作為樣本數(shù)據(jù)，再基于雙向時間卷積網(wǎng)絡(luò)改進(jìn)得到雙向空間卷積網(wǎng)絡(luò)，在雙向空間卷積網(wǎng)絡(luò)和雙向長短期記憶網(wǎng)絡(luò)形成的并行結(jié)構(gòu)后串接交叉注意力模塊，構(gòu)建預(yù)測模型，之后通過樣本數(shù)據(jù)對預(yù)測模型進(jìn)行訓(xùn)練，并通過冠豪豬優(yōu)化算法對超參數(shù)進(jìn)行尋優(yōu)，得到建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測模型，最后通過建筑空調(diào)系統(tǒng)負(fù)荷預(yù)測模型基于待預(yù)測數(shù)據(jù)對建筑空調(diào)系統(tǒng)中各空調(diào)在目標(biāo)時刻的冷負(fù)荷進(jìn)行預(yù)測。本發(fā)明提高了建筑空調(diào)系統(tǒng)中不同位置空調(diào)的冷負(fù)荷預(yù)測準(zhǔn)確性。

技術(shù)研發(fā)人員：田長彬,閆安,馬昕,彭勃,馬翔雪,劉澈,劉強(qiáng),丁興科
受保護(hù)的技術(shù)使用者：山東建筑大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19