[发明专利]空调器和空调器功耗的预测方法、装置

权利要求书

1.一种空调器功耗的预测方法，其特征在于，包括以下步骤：

采用最小二乘支持向量机LSSVM算法建立空调器功耗的预测模型，包括：获取训练数据，其中，所述训练数据包括多组室外干湿球温度、室内干湿球温度、室内环境温度及对应的功耗值；采用trainlssvm函数对所述训练数据进行训练以得到所述空调器功耗的预测模型，其中，所述训练数据中的室外干湿球温度、室内干湿球温度、室内环境温度作为输入量，对应的功耗值作为输出量；

获取当前室外干湿球温度、当前室内干湿球温度和当前室内环境温度；

根据所述空调器功耗的预测模型、所述当前室外干湿球温度、所述当前室内干湿球温度和所述当前室内环境温度对空调器的功耗进行预测以得到所述空调器的功耗值；

其中，所述采用LSSVM算法建立空调器功耗的预测模型还包括：

设置多组trainlssvm函数的正则参数和内核参数；

采用trainlssvm函数根据每组正则参数和内核参数对所述训练数据进行训练以得到多组初始预测模型；

采用simlssvm函数根据所述训练数据分别对每组初始预测模型进行测试，并生成对应的测试结果；

根据每组测试结果和所述训练数据中的对应的功耗值通过粒子群优化PSO算法对trainlssvm函数的正则参数和内核参数进行优化以得到优化正则参数gam_best和优化内核参数sig2_best；

采用trainlssvm函数根据所述优化正则参数gam_best、所述优化内核参数sig2_best对所述训练数据进行训练以得到所述空调器功耗的预测模型。

2.根据权利要求1所述的空调器功耗的预测方法，其特征在于，所述根据所述空调器功耗的预测模型、所述当前室外干湿球温度、所述当前室内干湿球温度和所述当前室内环境温度对空调器的功耗进行预测以得到所述空调器的功耗值包括：

采用simlssvm函数根据所述空调器功耗的预测模型以及所述当前室外干湿球温度、所述当前室内干湿球温度和所述当前室内环境温度得到所述空调器的功耗值。

3.根据权利要求1所述的空调器功耗的预测方法，其特征在于，采用trainlssvm函数根据所述优化正则参数gam_best、所述优化内核参数sig2_best对所述训练数据进行训练以得到所述空调器功耗的预测模型时，函数trainlssvm的用法为：

type＝’function estimation’；

[alpha_best,b_best]＝trainlssvm({x,y,type,gam_best,sig2_best,'RBF_kernel'})；

其中，x表示所述训练数据中的输入量，y表示所述训练数据中的输出量，type表示函数估计，gam_best、sig2_best分别表示优化正则参数和优化内核参数，RBF_kernel表示径向基函数，alpha_best、b_best分别表示优化后的所述预测模型的第一优化参数和第二优化参数。

4.根据权利要求3所述的空调器功耗的预测方法，其特征在于，函数simlssvm的用法为：

ysim_new＝simlssvm({x,y,type,gam_best,sig2_best,'RBF_kernel','preprocess'},{alpha_best,b_best},x_new)；

其中，x表示训练数据中的输入量，y表示训练数据中的输出量，type表示函数估计，gam_best、sig2_best分别表示优化正则参数和优化内核参数，RBF_kernel表示径向基函数，preprocess表示对输入数据预处理，alpha_best、b_best分别表示优化后的所述预测模型的第一优化参数和第二优化参数，x_new包括所述当前室外干湿球温度、所述当前室内干湿球温度和所述当前室内环境温度，ysim_new表示预测得到的x_new对应的所述空调器的功耗值。

5.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的空调器功耗的预测方法。