[发明专利]一种对地源热泵系统热能转换效率进行预测的方法

说明书

本发明涉及一种对地源热泵系统热能转换效率进行预测的方法，包括步骤如下：A、热能数据预处理1)清洗热能数据；2)对热能转换效率的时间序列进行季节性分解和初步分析；B、建立带有外部工况参数输入的自回归模型3)构建带有外部工况参数的自回归模型框架；4)构造基本分类回归树，生成随机森林，训练不同外部工况参数下的预测模型，选取使误差不再变化的树的最少棵树；C、热能转换效率预测根据训练好的预测模型，将外部工况参数和热能转换效率的时间序列整合输入进行预测，输出预测结果和预测精度。本发明将工况参数引入到时间序列预测当中，这样在预测时针对不同的工况参数会得到特定的更精确的预测模型。

技术领域

本发明涉及一种对地源热泵系统热能转换效率进行预测的方法，属于能源数据挖掘技术领域。

背景技术

地源热泵系统(GSHP)是一种利用地下浅层地热资源，实现向建筑物提供采暖、制冷和生活热水服务的空调技术系统。与一般资源相比，热泵系统具有以下优点：(1)显著的环境和经济效益，(2)对水源无污染无浪费，(3)在空调制冷，供暖和日常热水供应都有应用，(4)维护成本低且节省空间。由于其具有高效节能环保的优势，符合可持续发展理念，地源热泵系统已经在世界各地得到了广泛的应用。为了评估和预测该系统的热能转换效率，寻找最佳参数，以保证该系统的稳定性高效性，研究人员们进行了各种的研究，然而，关于地源热泵系统性能的预测分析却很少，并仍有待提高。

目前，对热泵系统的性能预测和可行性分析主要还停留在针对极其复杂的热泵系统本身，如改变系统结构和参数，或者调整不同的组合模型，来进行性能比较和分析。这种方法非常复杂，操作难度大，并且无法给出切实的分析结果。从数据挖掘入手来进行预测分析，预测精度高，而且技术成熟操作简单。

能源数据挖掘主要应用在回归和时间序列预测。回归分析是一种数学模型，指研究一组随机变量(Y₁,Y₂,…,Y_m)和另一组随机变量(X₁,X₂,…,X_n)之间关系的统计分析方法，又称多重回归分析。通常(Y₁,Y₂,…,Y_m)是因变量，(X₁,X₂,…,X_n)是自变量。比如经典的线性回归模型就是建立因变量和自变量间的线性关系，可以在相应的空间中拟合出一条直线。时间序列，也叫时间数列、历史复数或动态数列。它是将某种统计指标的数值，按时间先后顺序排到所形成的数列。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。随着地源热泵系统优越的性能被越来越多人所关注，人们能否对其性能进行较为精确的预测成为了一个亟待解决的问题。尤其是如果在地源热泵的设计阶段就要确定严格的输入参数以完成建筑物交付，并且还要确保良好的性能，那么准确预测地源热泵系统的性能至关重要。

发明内容

针对现有技术的不足，本发明提供了一种带有工况输入的对地源热泵系统热能转换效率进行预测的方法。

发明概述：

一种带有工况输入的对地源热泵系统热能转换效率进行预测的方法，包括数据预处理、建立预测模型和热能转换效率预测三个部分。

为了保证原始数据的可靠性，对其进行清洗，剔除混杂在里面的异常值和非法字符。为了确定数据的趋势项、季节项等平稳性特征，对原始数据进行季节性分解。为了在时间序列的基础上引入工况参数，建立带有外部工况输入的自回归预测模型。

术语解释：