CN105627504A - 基于支持向量机的变风量中央空调系统冷水机组能耗估计方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，包括以下步骤：筛选显著影响冷水机组能耗且易于获取的、独立的运行参数；采用支持向量机回归模型建立冷水机组能耗估计模型，使用该模型估计冷水机组能耗，该发明既有参数常见且易测量的特点，又有支持向量机解决非线性回归问题的优势，经测试，该模型是有效的，这为中央空调系统故障诊断与寿命预估、保障用户明白消费提供新的方法。

Description

基于支持向量机的变风量中央空调系统冷水机组能耗估计方法

技术领域

本发明涉及中央空调系统能耗估计领域，具体是一种基于支持向量机的变风量中央空调系统冷水机组能耗估计方法。

背景技术

我国建筑能耗占全社会能耗比重逐年增加，从2005年27.5％到2014年33％，而中央空调系统能耗约占建筑能耗40-60％，冷水机组作为中央空调核心设备，其能耗占中央空调系统能耗的40％以上；与此同时，供配电设计现状使得用户一般了解中央空调系统整体耗电量或者冷水机组设备分组耗电量。因此，研究中央空调冷水机组能耗估计方法能保障用户明白消费；同时，若能建立基于冷水机组运行参数的能耗估计模型将有利于冷水机组及中央空调系统的故障检测和寿命预估。

从国内外研究现状来看，中央空调冷水机组能耗估计方法主要分为回归分析和神经网络、回归树等智能算法。然而，目前关于选择显著影响冷水机组能耗的运行参数，仅考虑运行参数与冷水机组能耗之间的相关性，尚未考虑运行参数之间的相关性；同时，现有研究方法中多涉及到建筑参数，但获取某些建筑参数(如窗传热系数、墙到地面积比等)需花费大量精力；而支持向量机具有更好的泛化能力和全局最优解等特点，为冷水机组能耗建模提供一种有效的方法。

因此，需要一种参数易获取且独立的、建模方法科学合理的中央空调冷水机组能耗估计方法。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供能够一种参数易获取且独立的、建模方法科学合理的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法。

本发明的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，包括以下步骤：采用相关性分析方法从各中央空调运行参数中筛选出影响冷水机组能耗显著的输入参数并保证该输入参数之间不存在较强相关性；

采用支持向量机为建模的方法建立能耗模型；

利用能耗模型估计冷水机组能耗；

进一步，计算各个所述中央空调运行参数与冷水机组功率之间的皮尔森相关系数，将与冷水机组功率之间的皮尔森相关系数的绝对值大于或等于0.45的中央空调运行参数提取为与冷水机组能耗相关性较强的运行参数；

进一步，所述筛选影响冷水机组能耗显著的输入参数的步骤包括：计算两两与冷水机组能耗相关性较强的运行参数之间的皮尔森相关系数；若计算出的皮尔森相关系数的绝对值大于0.7则提取其中常见的、易于检测的与冷水机组能耗相关性较强的运行参数作为影响冷水机组能耗显著的输入参数；

进一步，所述能耗模型为：

$f\left(x\right)=\mathrm{sgn}(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i^{*}{y}_i\exp (-\mathrm{\γ}{\left|\right|x-x_i\left|\right|}^2)+b)$

其中，||x-x_i||为二范数距离，x为输入集，x_i为支持向量，γ为-g参数，γ>0，b为偏置，n代表支持向量个数，表示第i个支持向量的系数。

进一步，利用所述能耗模型估计冷水机组能耗前，将所述影响冷水机组能耗显著的输入参数进行数据归一化后作为所述能耗模型的输入数据；利用所述能耗模型得到输出数据后，将所述输出数据进行反归一化得到实际冷水机组能耗数据。

本发明的有益效果是：本发明的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，筛选显著影响冷水机组能耗且易于获取的、独立的运行参数；采用支持向量机回归模型建立冷水机组能耗估计模型并使用该模型估计冷水机组能耗，该发明既有参数常见且易测量的特点，又有支持向量机解决非线性回归问题的优势，经测试，该模型是有效的。这为中央空调系统故障诊断与寿命预估、保障用户明白消费提供新的方法。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1为本发明的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法流程图；

图2为本发明的影响冷水机组能耗显著的输入参数筛选流程图。

具体实施方式

图1为本发明的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法流程图；图2为本发明的影响冷水机组能耗显著的输入参数筛选流程图，如图所示，本实施例的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，包括以下步骤：采用相关性分析方法从各中央空调运行参数中筛选出影响冷水机组能耗显著的输入参数并保证该输入参数之间不存在较强相关性；采用支持向量机为建模的方法建立能耗模型；利用能耗模型估计冷水机组能耗；采用支持向量机回归模型建立冷水机组能耗估计模型并使用该模型估计冷水机组能耗，该发明既有参数常见且易测量的特点，又有支持向量机解决非线性回归问题的优势，经测试，该模型是有效的。这为中央空调系统故障诊断与寿命预估、保障用户明白消费提供新的方法。

本实施例中，计算各个所述中央空调运行参数与冷水机组功率之间的皮尔森相关系数，将与所述冷水机组功率之间的皮尔森相关系数的绝对值大于或等于0.45对应的中央空调运行参数提取为与冷水机组能耗相关性较强的运行参数；皮尔森相关系数r公式为：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(X_i-\stackrel{\‾}{X})(Y_i-\stackrel{\‾}{Y})}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-X)}^2\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(Y_i-\stackrel{\‾}{Y})}^2}$

其中，X_i和Y_i分别为两参数样本值，r的数值分布在[-1,1]之间，对应相关程度如表1所示：

表1相关系数r意义

r	0.00	0.00...±0.3	±0.30...±0.50	±0.50...±0.80	±0.80...±1.00
						相关程度	无相关	微正负相关	实正负相关	显著正负相关	高度正负相关

本实施例中，所述筛选影响冷水机组能耗显著的输入参数的步骤包括：计算两两与冷水机组能耗相关性较强的运行参数之间的皮尔森相关系数；若计算出的皮尔森相关系数的绝对值大于0.7则提取其中常见的、易于检测的与冷水机组能耗相关性较强的运行参数作为影响冷水机组能耗显著的输入参数；

本实施例中，选择支持向量机为建模的方法，支持向量机在解决非线性回归问题具有优势，可在小样本条件下依然得到全局最优解。

支持向量机核函数选择径向基核函数，公式如下：

K(x_i,x)＝exp(-γ||x-x_i||²)

其中，||x-x_i||为二范数距离，x为输入集，x_i为支持向量，γ为-g参数，γ>0。模型训练中，采用交叉验证法比较平均平方误差(MeanSquaredError，MSE)确定主要参数(惩罚参数c和核函数参数g)取值，MSE公式如下：

$\mathrm{MSE}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(f\left(x_i\right)-y_i)}^2$

训练得到冷水机组能耗模型如公式(5)所示：

$f\left(x\right)=\mathrm{sgn}(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i^{*}{y}_i\exp (-\mathrm{\γ}{\left|\right|x-x_i\left|\right|}^2)+b)$

其中，b为偏置，n代表支持向量个数，表示第i个支持向量的系数。

本实施例中，利用所述能耗模型估计冷水机组能耗前，将所述影响冷水机组能耗显著的输入参数进行数据归一化后作为所述能耗模型的输入数据；利用所述能耗模型得到输出数据后，将所述输出数据进行反归一化得到实际冷水机组能耗数据，将输入、输出数据分别归一化到[-1,1]之间，公式为：

$z^{\′}=2\·\left(\frac{z-z_{\min }}{z_{\max }-z_{\min }}\right)-1$

其中，z为原始数据，z'为归一化后数据；利用能耗模型估计冷水机组能耗，得到初始结果，将初始结果通过反归一化还原为实际大小，反归一化公式：

$y^{\′}=\frac{(f\left(x_i\right)+1)\·(y_{\max }-y_{\min })}{2}+y_{\min }$

其中，y'为反归一化后的估计输出值，f(x_i)为模型估计输出值，y为原始输出值。根据上述方法，以变风量空调系统中冷水机组作为研究对象，中央空调冷水机组能耗运行参数源于某办公楼的智能建筑物管理系统(IBMS)，冷水机组有功功率数据来自电能管理系统(EMS)数据平台，记录时间2012年5月～9月。通过参数筛选，提取显著影响冷水机组能耗参数：冷冻水供回水温差；选择2012年5月13天归一化后的数据训练得到冷水机组能耗估计模型，测试2012年6～9月119天的冷水机组能耗，反归一化后统计测试结果如下表，

测试统计结果

注：日用电量相对误差5％表示冷水机组估计日用电量与实测日用电量之间的相对误差在5％内天数占该月总的有效天数的比。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，其特征在于,包括以下步骤：

采用相关性分析方法从各中央空调运行参数中筛选出影响冷水机组能耗显著的输入参数并保证该输入参数之间不存在较强相关性；

采用支持向量机为建模的方法建立能耗模型；

利用能耗模型估计冷水机组能耗。

2.根据权利要求1所述的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，其特征在于：计算各个所述中央空调运行参数与冷水机组功率之间的皮尔森相关系数，并将与冷水机组功率之间的皮尔森相关系数不小于0.45的中央空调运行参数提取为与冷水机组能耗相关性较强的运行参数。

3.根据权利要求2所述的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，其特征在于：所述筛选影响冷水机组能耗显著的输入参数的步骤包括：

计算两两所述与冷水机组能耗相关性较强的运行参数之间的皮尔森相关系数；

若计算出的皮尔森相关系数的绝对值大于0.7则提取其中常见的、易于检测的与冷水机组能耗相关性较强的运行参数作为影响冷水机组能耗显著的输入参数。

4.根据权利要求3所述的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，其特征在于，所述能耗模型为：

$f\left(x\right)=\mathrm{sgn}(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i^{*}{y}_i\exp (-\mathrm{\γ}{\left|\right|x-x_i\left|\right|}^2)+b)$

其中，||x-x_i||为二范数距离，x为输入集，x_i为支持向量，γ为-g参数，γ>0，b为偏置，n代表支持向量个数，表示第i个支持向量的系数。

5.根据权利要求4所述的基于支持向量机的变风量中央空调系统冷水机组能耗估计方法，其特征在于:利用所述能耗模型估计冷水机组能耗前，将所述影响冷水机组能耗显著的输入参数进行数据归一化后作为所述能耗模型的输入数据；利用所述能耗模型得到输出数据后，将所述输出数据进行反归一化得到实际冷水机组能耗数据。