[发明专利]一种基于机器学习的冰蓄冷空调蓄冷量预测方法及装置

说明书

本发明公开了一种基于机器学习的冰蓄冷空调蓄冷量预测方法及装置，根据历史数据，构建蓄冷量数据集，并将蓄冷量数据集分为训练集和测试集；将训练集作为输入数据，输入到蓄冷量预测模型，对蓄冷量预测模型进行训练；以测试集为输入数据，对训练好的蓄冷量预测模型进行评估，得到评估分数；响应于评估分数大于等于阈值，采用训练好的蓄冷量预测模型预测蓄冷日的蓄冷量；本发明采用随机森林回归算法作为蓄冷量预测模型，通过将历史蓄冷量、最高温度和最低温度作为输入数据，可以实现对蓄冷量的预测，并且对蓄冷量预测模型进行评估，可以进一步提升蓄冷量预测准确度。

技术领域

本发明属于冰蓄冷空调蓄冷量预测方法及装置，尤其涉及一种基于机器学习的冰蓄冷空调蓄冷量预测方法及装置。

背景技术

由于工业发展和人民物质文化生活水平的提高，空调的普及率逐年增长，电力消耗增长迅速，高峰电力紧张，离峰电力又得不到充分应用。因此，如何转移高峰电力需求“移峰填谷”平衡电力供应，提高电能的有效利用，就成为当前许多国家重视解决的问题。

采用“分时电价”政策以及某些鼓励性政策，进一步推动了使用离峰电力的积极性。这就使离峰蓄冷技术得到重视和发展。冰蓄冷空调是利用夜间低谷负荷电力制冰储存在蓄冰装置中，白天融冰将所储存冷量释放出来，以减少电网高峰时段空调用电负荷及空调系统装机容量。由于冰蓄冷空调是先制冰后使用，所以需要再制冰过程中进行蓄冷量的预测。

在蓄冷量预测方面，通常是前一天预估后一天的蓄冷量，冰蓄冷空调的工作人员根据具体使用需求进行主观地预估，进而确定后一天的蓄冷量。但是，这种方式极度依赖有经验的工作人员的个人能力，一旦出现工作人员调离岗位，工作交接很难将经验性的蓄冷量预测方法完全交接，且需要工作人员每日调整，耗时耗力，误差也很大，造成能源浪费，甚至难以达到“移峰填谷”的效果。

发明内容

本发明的目的是提供一种基于机器学习的冰蓄冷空调蓄冷量预测方法及装置，通过机器学习对蓄冷量进行预测，以减少人工干预，提升蓄冷量预测精度。

本发明采用以下技术方案：一种基于机器学习的冰蓄冷空调蓄冷量预测方法，包括以下步骤：

根据历史数据，构建蓄冷量数据集，并将蓄冷量数据集分为训练集和测试集；其中，训练集和测试集均包括若干组蓄冷数据组，每组蓄冷数据组均包括蓄冷日之前的历史蓄冷量、蓄冷日的最高温度和最低温度、以及蓄冷日的蓄冷量；

将训练集作为输入数据，输入到蓄冷量预测模型，对蓄冷量预测模型进行训练；其中，蓄冷量预测模型选择为随机森林回归算法；

以测试集为输入数据，对训练好的蓄冷量预测模型进行评估，得到评估分数；

响应于评估分数大于等于阈值，以蓄冷日之前的历史蓄冷量、蓄冷日的最高温度和最低温度为输入数据，采用训练好的蓄冷量预测模型预测蓄冷日的蓄冷量。

进一步地，响应于评估分数小于阈值，调整蓄冷量预测模型的超参数，继续使用训练集对所述蓄冷量预测模型进行训练，直至其评估分数大于等于阈值。

进一步地，对训练好的蓄冷量预测模型进行评估包括：

分别对蓄冷数组中的蓄冷量真实值和蓄冷量预测模型的蓄冷量预测值进行修正，得到真实修正值和预测修正值；

计算真实修正值和预测修正值的比值；

求和测试集中每组蓄冷数据组对应的比值和；

根据比值和确定评估分数。

进一步地，通过评估模型对训练好的蓄冷量预测模型进行评估；评估模型具体为：