[发明专利]空调器和空调器功耗的预测方法、装置

说明书

本发明公开了一种空调器和空调器功耗的预测方法、装置，其中，空调器功耗的预测方法包括以下步骤：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；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；根据空调器功耗的预测模型、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对空调器的功耗进行预测以得到空调器的功耗值。该预测方法通过LSSVM算法建立空调器功耗的预测模型，省去了复杂的中间变量，且无假设条件，建立得到的预测模型简单，具有很好的适用性和拓展性。

技术领域

本发明涉及空调器领域，特别涉及一种空调器功耗的预测方法、一种空调器功耗的预测装置以及一种空调器。

背景技术

空调器在进入市场之前，都需要进行性能测试，而功耗是评价空调器性能的重要因素之一。目前针对空调器的功耗值，主要采取实验测试的方法，即通过实验测量不同工况下空调器的功耗值。然而，该方法的不足之处在于实验时间长，且出于成本及时效性的考虑，不可能对所有的工况进行实验，因此得到的实验数据比较有限。

为了较为全面地评价空调器功耗这一指标，同时尽可能地节约测试时间，可以采用建立空调器功耗预测模型的方法计算功耗值。具体地，以多组工况(只涵盖了一部分)以及对应的功耗值为训练数据，并根据该训练数据建立空调器的预测模型。现有的常规的思路是根据不同的工况，结合房间墙壁、门、天花板等的材料确定导热系数以计算冷负荷Q，然后考虑压缩机的频率、房间温度等因素建立COP(空调器的能效比)模型，然后计算Q与COP之比，即为计算出的空调器的功耗，进一步根据训练数据得到的功耗修正计算的功耗，从而建立实验房间中的空调器的功耗预测模型。

然而，由于这种方法根据已知的公式计算各个参数建立模型，考虑的因素较多，假设条件也较多，因此有较多的误差源。例如墙壁、门、天花板等的材料的导热系数并不能准确确定，尽管能够得到常见材料的导热系数，但实验房间墙壁的材料并非只有一种，即使在主要成分确定的情况下，得到的导热系数仍会有误差。另外建立COP的模型也存在误差，实际的准确模型并不清楚，为了简化计算常采取的一次或二次模型会存在误差。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种空调器功耗的预测方法，该方法通过LSSVM算法建立空调器功耗的预测模型，省去了复杂的中间变量，且无假设条件，建立得到的预测模型简单，具有很好的适用性和拓展性。

本发明的第二个目的在于提出一种非临时性计算机可读存储介质。

本发明的第三个目的在于提出一种空调器功耗的预测装置。

本发明的第四个目的在于提出一种空调器。

为达到上述目的，本发明第一方面实施例提出了一种空调器功耗的预测方法，预测方法包括以下步骤：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；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。

根据本发明实施例的空调器功耗的预测方法，先采用LSSVM(Least SquaresSupport Vector Machine，最小二乘支持向量机)算法建立空调器功耗的预测模型，再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，进而根据空调器功耗的预测模型、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对空调器的功耗进行预测以得到空调器的功耗值。该方法通过LSSVM算法建立空调器功耗的预测模型，省去了复杂的中间变量，且无假设条件，建立得到的预测模型简单，具有很好的适用性和拓展性。

另外，根据本发明上述实施例提出的空调器功耗的预测办法还可以具有如下附加的技术特征：