申请/专利权人：南京工业大学

申请日：2023-12-19

公开（公告）日：2024-03-26

公开（公告）号：CN117760063A

主分类号：F24F11/62

分类号：F24F11/62;G06F18/20;G06N3/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明提供了一种基于空气焓值的地铁空调负荷预测方法，该方法包括以下步骤：通过负荷模拟软件模拟出地铁空调在空调季的逐时负荷，并与历史实际运行负荷比较以验证模拟数据的准确性，通过在负荷模拟软件里搭建平台，该平台可以满足这样的功能，在输出负荷的同时，也输出造成该负荷的逐时新风，室外温度，湿度，人流量，设备散热等相关性较强的因素；将模拟出的数据分成训练集，验证集，测试集，且比例为7∶2∶1；通过BP神经网络算法训练模拟出的数据得到第一模型，并对训练出的模型加以验证以及测试；提取室外温度，室外湿度，第一模型预测出的负荷。重复上述过程得到第二模型，改变室外温度，室外湿度，利用第二模型预测出负荷，并与第一模型预测出的负荷进行比较，以验证第二模型的准确性。利用室外温度，室外湿度确定室外的焓值，并构建焓值与第二模型预测出的负荷的散点图；通过数值分析软件分析上述散点图，在线性，对数，二次，三次，复合等10个函数中选择最优的拟合方程，利用最优拟合方程通过焓值预测负荷。本发明提高了负荷预测精度，解决了当前负荷预测输入参数难以获取的问题，使得负荷预测更适用于实际工程的应用。

主权项：1.一种基于空气焓值的地铁空调负荷预测方法，其特征在于，包括以下步骤：步骤一：通过负荷模拟软件模拟出地铁空调在空调季的逐时负荷，并与历史实际运行负荷比较以验证模拟数据的准确性；步骤二：通过在负荷模拟软件里搭建平台，该平台可以满足这样的功能，在输出负荷的同时，也输出造成该负荷的逐时新风，室外温度，湿度，人流量，设备散热等相关性较强的因素；步骤三：将模拟出的数据分成训练集，验证集，测试集，且比例为7∶2∶1；步骤四：通过BP神经网络算法训练模拟出的数据得到第一模型，并对训练出的模型加以验证以及测试；步骤五：提取室外温度，室外湿度，第一模型预测出的负荷。重复步骤三，步骤四，所述过程得到第二模型，改变室外温度，室外湿度，利用第二模型预测出负荷，并与第一模型预测出的负荷进行比较，以验证第二模型的准确性；步骤六：利用步骤五中室外温度，室外湿度确定室外的焓值，并构建焓值与第二模型预测出的负荷的散点图；步骤七：通过统计分析软件分析步骤六中的散点图，在线性，对数，二次，三次，复合等10个函数中选择最优的拟合方程，利用最优拟合方程通过焓值预测负荷。

全文数据：

权利要求：

百度查询： 南京工业大学 一种基于空气焓值的地铁空调负荷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD