CN113685972B - 一种空调系统控制策略识别方法、装置、设备及介质 - Google Patents

一种空调系统控制策略识别方法、装置、设备及介质 Download PDF

Info

Publication number
CN113685972B
CN113685972B CN202111046879.XA CN202111046879A CN113685972B CN 113685972 B CN113685972 B CN 113685972B CN 202111046879 A CN202111046879 A CN 202111046879A CN 113685972 B CN113685972 B CN 113685972B
Authority
CN
China
Prior art keywords
control strategy
air conditioning
conditioning system
input variable
identification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111046879.XA
Other languages
English (en)
Other versions
CN113685972A (zh
Inventor
杨雨瑶
化振谦
潘峰
马键
李金莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Measurement Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Measurement Center of Guangdong Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Measurement Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202111046879.XA priority Critical patent/CN113685972B/zh
Publication of CN113685972A publication Critical patent/CN113685972A/zh
Application granted granted Critical
Publication of CN113685972B publication Critical patent/CN113685972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/88—Electrical aspects, e.g. circuits
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/20—Heat-exchange fluid temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种空调系统控制策略识别方法、装置、设备及介质，该方法包括：根据空调系统的测量数据获取第一输入变量和第二输入变量，采用主成分分析方法将所述变量进行降维处理，获取第三输入变量；根据第三输入变量、预设的逻辑回归法和预设的XGBoost算法构造的控制策略识别模型进行识别，识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。本发明通过获取空调系统额外的输入变量，并采用两种识别算法进行识别，提高了空调系统控制策略识别的准确度。

Description

一种空调系统控制策略识别方法、装置、设备及介质
技术领域
本发明涉及空调控制技术领域，尤其涉及一种空调系统控制策略识别方法、装置、设备及介质。
背景技术
空调系统是建筑中的主要能源消耗者，暖通空调系统的运行和控制对建筑的能源或运行费用有着重大影响。此外，相比于新建建筑，对于既有建筑来讲，重新设计和安装空调系统的所需要的投入太大，因而提升空调系统控制策略的性能成为一个比较经济适用的节能措施。
现有技术中建筑运行管理人员对于空调系统控制策略的记录比较简略，这就为控制策略的分析造成了巨大的阻碍，建筑能耗监测平台的大量推广使得大多数大型公共建筑都安装了计量系统，这些系统会以很短的时间间隔对系统运行参数进行采集和存储，并且这些计量系统也在不断的改良提升中，这就使得这些公共建筑中有着大量的运行数据可以使用。根据空调系统的常用控制策略的控制逻辑运行数据，已有算法可以识别空调系统的常用控制策略，但是对于特殊目的的控制策略识别现有技术尚未提及相应的解决方法，这就导致了直接分析原始数据的所消耗的时间和精力的提升，以及在后续的控制策略分析和性能优化中增加了难度。
发明内容
本发明目的在于，提供一种空调系统控制策略识别方法、装置、设备及介质，以解决现有技术中针对空调系统特殊控制策略识别效率低的问题。
为实现上述目的，本发明提供一种空调系统控制策略识别方法，包括：
根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，采用主成分分析方法将所述第一输入变量以及所述第二输入变量进行降维处理，获取第三输入变量；
将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型；
实时获取空调系统数据输入所述控制策略识别模型，获取识别结果，所述识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，所述特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。
优选地，所述根据空调系统的测量数据获取第一输入变量，包括：
采用周期性测量实时的空调水系统的温度、流量和电量，确定所述第一输入变量。
优选地，所述采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，包括：
所述测量数据为时间序列数据；
采用图像分割算法获取所述测量数据的区域特征，根据计算所述测量数据的区域特征，确定所述第二输入变量。
优选地，所述将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型，包括：
结合所述第三输入变量，采用交叉验证的方法训练所述预设的逻辑回归法，获取训练后的逻辑回归法；
根据准确度评估指标分别确定所述训练后的逻辑回归法和预设的XGBoost算法的识别性能，获取所述控制策略识别模型。
本发明还提供一种空调系统控制策略识别装置，包括：
预处理模块，用于根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，采用主成分分析方法将所述第一输入变量以及所述第二输入变量进行降维处理，获取第三输入变量；
模型构建模块，用于将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型；
识别模块，用于实时获取空调系统数据输入所述控制策略识别模型，获取识别结果，所述识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，所述特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。
优选地，所述预处理模块，还用于：
采用周期性测量实时的空调水系统的温度、流量和电量，确定所述第一输入变量。
优选地，所述预处理模块，还用于：
所述测量数据为时间序列数据；
采用图像分割算法获取所述测量数据的区域特征，根据计算所述测量数据的区域特征，确定所述第二输入变量。
优选地，所述模型构建模块，还用于：
结合所述第三输入变量，采用交叉验证的方法训练所述预设的逻辑回归法，获取训练后的逻辑回归法；
根据准确度评估指标分别确定所述训练后的逻辑回归法和预设的XGBoost算法的识别性能，获取所述控制策略识别模型。
本发明还提供一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的空调系统控制策略识别方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行实现如上任一项所述的空调系统控制策略识别方法。
相对于现有技术，本发明的有益效果在于：
根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理空调系统的测量数据获取第二输入变量，采用主成分分析方法将第一输入变量以及第二输入变量进行降维处理，获取第三输入变量，结合预设的逻辑回归法和预设的XGBoost算法构造控制策略识别模型，将输入变量输入控制策略识别模型，获取识别结果，识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。与现有技术相比，本发明采用图像分割算法获取额外的输入变量，增加了识别的准确度，采用预设的逻辑回归法和预设的XGBoost算法进行数据的识别，进一步提高了识别的精度。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的空调系统控制策略识别方法的流程示意图；
图2是本发明某一实施例提供的空调系统控制策略识别装置的结构示意图；
图3是本发明某一实施例提供的计算机终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，本发明某一实施例提供一种空调系统控制策略识别方法，包括以下步骤：
S101：根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，采用主成分分析方法将所述第一输入变量以及所述第二输入变量进行降维处理，获取第三输入变量。
具体的，采集空调系统中的温度、流量和电量，具体为：冷冻水供水温度、冷冻水回水温度、室外空气干球温度、冷机电功率、室内空气温度以及冷冻水环路一次侧流量、二次侧流量、旁通管流量，周期性测量实时获取空调的测量数据，根据冷机电功率和时间获取空调系统的电量，测量值的间隔为10分钟，每个测量值变量每天产生144个数据，一共8个数据，那么第一输入变量的维度为144×8＝1152维。
空调系统的测量变量是一天内连续采集的时间序列数据，为了利用这一特点，从每个测量变量序列中提取一些特征来表示这些序列的形状。在需求响应阶段，数据的大小会明显和周围的数据区域区别出来，因此，采用图像处理中的图像分割算法来将每条时间序列数据分割开来，获取区域特征，区域特征包括，每条数据序列分割得到的区域个数和这些区域内数据标准差的平均值，根据区域特征可计算获取第二输入变量。
图像分割是将数字图像分割成多个片段的过程，图像分割的目标是将图像简化和/或改变为更有意义且更易于分析的部分，图像分割通常用于定位图像中的对象和边界，初始数字图像明显由两个灰度值不同的区域组成，而图像分割就是将该图的两个区域分割开来。而对于时间序列而言，该时间序列数据可以看作一个一维的图像，而几个与周围数据区分开来的波形可以视作图像中的区域，因此，采用图像分割技术则可以有效地将这个时间序列中的区域分割出来。
图像分割常用的方法有基于区域的分割方法、基于边缘的分割方法等，本实施例进行分析采用的是基于边缘的分割方法，基于边缘的分割方法即通过监测数据突变的方法检测出图像中的点或者线，这些点或者线就可以将图像分割成多个闭合的子区域。数据突变的监测可以利用导数来进行监测，常用的一阶导数算子有Roberts算子、Prewitt算子和Sobel算子，本实施例在进行边缘检测是采用的是Sobel算子，由分割得到的区域片段可以计算出区域特征值。值得注意的是，在进行边缘识别时的限值决定了识别的结果，针对分割的时间序列数据，计算得到的每条数据序列分割得到的区域个数Nzones＝7，这些区域内数据标准差的平均值Stdzones＝0.0428。这表示这个序列最终得到了7个子片段，每个片段内数据的标准差的平均值为0.0428。根据以上的测试方法，获取八个测量数据的第一输入变量为1152个，额外产生的第二输入变量为16个，最终获取的第三输入变量为1168个。
由于第一输入变量和第二输入变量的个数明显大于观测值条数，因而，需要先对第一输入变量以及第二输入变量进行降维处理，主成分分析(PCA)是一种统计过程，使用正交变换将一组可能相关的变量的观察值转换为一组称为“主成分”的线性不相关变量的值，通常前几个成分的方差之和达到所有成分方差之和的90％以上，就可以选择前几个主成分来表示所有变量。采用主成成分分析法进行降维处理，便于提升接下来的计算精度。
S102：将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型。
S103：实时获取空调系统数据输入所述控制策略识别模型，获取识别结果，所述识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，所述特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。
具体的，采用交叉验证的方法训练预设的逻辑回归法，获取训练后的逻辑回归法，根据准确度评估指标分别确定训练后的逻辑回归法和预设的XGBoost算法的识别性能，获取控制策略识别模型。由识别算法获得的输出变量是控制策略的类型，输出变量可能取值有[0,1,2,3]，其中，0代表空调系统没有采用特殊控制策略，1代表空调系统采用了间歇式停机的控制策略，2空调系统采用了重设冷冻水温度的控制策略，3空调系统采用了预设的重设冷冻水供水温度的控制策略，其中，预设的重设冷冻水供水温度的控制策略为ASHRAE90.1中规定的冷冻水供水温度重设策略。
XGBoost是一个优化的分布式梯度增强库，设计高效，灵活和便携，在梯度增强框架下实现机器学习算法，XGBoost提供了增强并行树(也称为GBDT，GBM)，可快速准确地解决许多数据科学问题。在统计学中，逻辑回归是一个回归模型，与一般意义上的回归不同，其中因变量是分类的，逻辑回归又分二元因变量回归和多元逻辑回归，前者的输出可以只取两个值，即“0”和“1”，表示结果，例如合格/不合格，赢/输等，因变量具有多于两个结果类别的情况叫做多元逻辑回归，因此本实施例在进行算法建立时采用的是多元逻辑回归算法。由于在构造控制策略识别模型时数据集较少，在训练模型时采用交叉验证的方法。在建立数据分类模型时，都是先利用一部分数据作为训练集，然后训练出一个模型，但是，这个模型在训练集上的准确度不能用来评估模型质量，因此，需要测试集来对模型进行打分来评估模型质量，然而，由于数据集太少，测试集合的样本不能太多，否则导致用来训练模型的数据不够，这种情况下就需要用到交叉验证。交叉验证的基本思路如下：将初始数据集随机分成k份，然后，其中的一份作为测试集，另外k-1份作为训练集，这样可以得到一个评分。然后，重复k遍，每次都用其中一份作为测试集，剩下的作为训练集，并且保证k个子集都当过测试集，这样，就得到了在整个数据集上的k个评分，这相比于只做一次评估要更加客观。
在评估逻辑回归法和XGBoost算法的识别性能时，采用准确度(Accuracy Score)的评估指标进行评估，计算公式如下：
Figure BDA0003250959870000061
其中，nsample是样本数，函数l(x)是指示函数。
将实时获取的空调系统数据输入控制策略识别模型中，获得识别结果，其中，该实时获取的空调系统数据经过预处理获取额外的输入变量后再输入控制策略识别模型中进行识别，本实施例采用的XGBoost算法识别的准确度达到95％以上，而逻辑回归的识别准确度达到了90％以上。
本发明采用图像分割技术产生额外的测量变量，然后采用主成成分分析对整个数据集进行降维处理，在获取数据集的基础上采用逻辑回归法和XGBoost算法进行空调系统中特殊控制策略的识别，提高了识别的精度。
请参阅图2，本发明另一实施例提供一种空调系统控制策略识别装置，包括：
预处理模块11，用于根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，采用主成分分析方法将所述第一输入变量以及所述第二输入变量进行降维处理，获取第三输入变量。
模型构建模块12，用于将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型。
识别模块13，用于实时获取空调系统数据输入所述控制策略识别模型，获取识别结果，所述识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，所述特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。
关于空调系统控制策略识别装置的具体限定可以参见上文中对于空调系统控制策略识别方法的限定，在此不再赘述。上述空调系统控制策略识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参阅图3，本发明某一实施例提供一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的空调系统控制策略识别方法。
处理器用于控制该计算机终端设备的整体操作，以完成上述的空调系统控制策略识别方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的空调系统控制策略识别方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的空调系统控制策略识别方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的空调系统控制策略识别方法，并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种空调系统控制策略识别方法，其特征在于，包括：
根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，采用主成分分析方法将所述第一输入变量以及所述第二输入变量进行降维处理，获取第三输入变量；
将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型；
实时获取空调系统数据输入所述控制策略识别模型，获取识别结果，所述识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，所述特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。
2.根据权利要求1所述的空调系统控制策略识别方法，其特征在于，所述根据空调系统的测量数据获取第一输入变量，包括：
采用周期性测量实时的空调水系统的温度、流量和电量，确定所述第一输入变量。
3.根据权利要求2所述的空调系统控制策略识别方法，其特征在于，所述采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，包括：
所述测量数据为时间序列数据；
采用图像分割算法获取所述测量数据的区域特征，根据计算所述测量数据的区域特征，确定所述第二输入变量。
4.根据权利要求1所述的空调系统控制策略识别方法，其特征在于，所述将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型，包括：
结合所述第三输入变量，采用交叉验证的方法训练所述预设的逻辑回归法，获取训练后的逻辑回归法；
根据准确度评估指标分别确定所述训练后的逻辑回归法和预设的XGBoost算法的识别性能，获取所述控制策略识别模型。
5.一种空调系统控制策略识别装置，其特征在于，包括：
预处理模块，用于根据空调系统的测量数据获取第一输入变量，采用图像分割算法处理所述空调系统的测量数据获取第二输入变量，采用主成分分析方法将所述第一输入变量以及所述第二输入变量进行降维处理，获取第三输入变量；
模型构建模块，用于将所述第三输入变量输入预设的逻辑回归法和预设的XGBoost算法进行训练，获取控制策略识别模型；
识别模块，用于实时获取空调系统数据输入所述控制策略识别模型，获取识别结果，所述识别结果包括：含有特殊控制策略的识别结果以及不含特殊策略的识别结果，所述特殊控制策略包括：空调系统采用了间歇式停机的控制策略、空调系统采用了重设冷冻水温度的控制策略、空调系统采用了预设的重设冷冻水供水温度的控制策略。
6.根据权利要求5所述的空调系统控制策略识别装置，其特征在于，所述预处理模块，还用于：
采用周期性测量实时的空调水系统的温度、流量和电量，确定所述第一输入变量。
7.根据权利要求6所述的空调系统控制策略识别装置，其特征在于，所述预处理模块，还用于：
所述测量数据为时间序列数据；
采用图像分割算法获取所述测量数据的区域特征，根据计算所述测量数据的区域特征，确定所述第二输入变量。
8.根据权利要求7所述的空调系统控制策略识别装置，其特征在于，所述模型构建模块，还用于：
结合所述第三输入变量，采用交叉验证的方法训练所述预设的逻辑回归法，获取训练后的逻辑回归法；
根据准确度评估指标分别确定所述训练后的逻辑回归法和预设的XGBoost算法的识别性能，获取所述控制策略识别模型。
9.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4任一项所述的空调系统控制策略识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的空调系统控制策略识别方法。
CN202111046879.XA 2021-09-07 2021-09-07 一种空调系统控制策略识别方法、装置、设备及介质 Active CN113685972B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111046879.XA CN113685972B (zh) 2021-09-07 2021-09-07 一种空调系统控制策略识别方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111046879.XA CN113685972B (zh) 2021-09-07 2021-09-07 一种空调系统控制策略识别方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113685972A CN113685972A (zh) 2021-11-23
CN113685972B true CN113685972B (zh) 2023-01-20

Family

ID=78585762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111046879.XA Active CN113685972B (zh) 2021-09-07 2021-09-07 一种空调系统控制策略识别方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113685972B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102878647B (zh) * 2011-07-15 2015-06-10 珠海格力电器股份有限公司 空调运行状态的自动监控系统及自动监控方法
CN109028481A (zh) * 2018-08-10 2018-12-18 中国建筑科学研究院有限公司 一种空调系统的无人值守机房控制系统及方法
CN110805997A (zh) * 2019-11-14 2020-02-18 中金新源（天津）科技有限公司 中央空调系统节能控制方法
CN111275129A (zh) * 2020-02-17 2020-06-12 平安科技（深圳）有限公司 一种图像数据的增广策略选取方法及系统
CN111486552B (zh) * 2020-04-24 2021-07-20 辽宁工程技术大学 基于分项计量数据的空调冷冻水供水温度策略识别方法
CN112594874A (zh) * 2020-12-15 2021-04-02 南京岁卞智能设备有限公司 基于热成像和大数据技术的中央空调系统节能控制系统

Also Published As

Publication number Publication date
CN113685972A (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN109034244B (zh) 基于电量曲线特征模型的线损异常诊断方法及装置
CN116559598B (zh) 一种智慧配电网故障定位方法及系统
CN115865649B (zh) 一种智能运维管理控制方法、系统和存储介质
CN116258281B (zh) 基于云平台管理的物联网消防监测及调控系统
US20210372667A1 (en) Method and system for detecting inefficient electric water heater using smart meter reads
CN116187552A (zh) 异常检测方法、计算设备及计算机存储介质
CN111179108A (zh) 用电能耗的预测方法和装置
CN115018315A (zh) 一种供热异常的检测方法、装置、电子设备及存储介质
CN117056678B (zh) 一种基于小样本的机泵设备运行故障诊断方法及装置
CN113685972B (zh) 一种空调系统控制策略识别方法、装置、设备及介质
CN116109011B (zh) 一种智慧园区的能耗管理方法及终端
CN111176872B (zh) 面向it运维的监控数据处理方法、系统、装置及存储介质
CN115049019B (zh) 金属有机框架对砷的吸附性能评估方法、装置及相关设备
CN111060755A (zh) 一种电磁干扰诊断方法和装置
CN115526275A (zh) 一种用于用电安全的远程多源数据监测分析方法及系统
CN115471122A (zh) 基于元数据模型的能耗评估方法及系统
CN111199419B (zh) 股票异常交易的识别方法及系统
CN111625525A (zh) 一种环境数据修复/填充方法及系统
CN113692177B (zh) 数据中心制冷系统功耗的控制方法、装置及终端
CN117349734B (zh) 水表设备识别方法、装置、电子设备及存储介质
CN116528270B (zh) 一种基站节能潜力评估方法、装置、设备及存储介质
CN116128144B (zh) 一种城市排水管网分区联动管理方法及系统
CN117235434B (zh) 林业碳汇项目基线构建方法、系统、终端及介质
CN116432524A (zh) 一种变压器油温预测方法、装置、设备及存储介质
Hu et al. Detection of chiller energy efficiency faults using expectation maximization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant