(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111413005.3 (22)申请日 2021.11.25 (65)同一申请的已公布的文献号 申请公布号 CN 114065646 A (43)申请公布日 2022.02.18 (73)专利权人 无锡同方人工环境有限公司 地址 214101 江苏省无锡市锡山区锡山经 济开发区 （东亭） 春笋东路108号 (72)发明人 张慧　韩林俊　王洋　 (74)专利代理 机构 无锡市大为专利商标事务所 (普通合伙) 32104 专利代理师 陈丽丽　曹祖良 (51)Int.Cl. G06F 30/27(2020.01) G06F 111/06(2020.01)G06F 119/06(2020.01) (56)对比文件 WO 201913 6892 A1,2019.07.18 CN 108229714 A,2018.0 6.29 IN 202041024 434 A,2020.0 6.19 WO 20210 09080 A1,2021.01.21 US 2008021686 A1,20 08.01.24 朱婵. 《基 于混合元启发式算法优化神经网 络的热舒 适度预测模型》 . 《微型电脑应用》 .2020,第3 6卷(第11期),66-69. 韩林俊等. 《风冷模块机组部分负荷性能的 试验研究》 . 《流体 机械》 .2019,第47 卷(第08期), 66-70+31. 审查员 吴琼乐 (54)发明名称 基于混合优化算法的能耗预测方法、 云计算 平台及系统 (57)摘要 本发明涉及空调能耗预测技术领域， 具体公 开了一种基于混合优化算法的空调 能耗预测方 法， 其中， 包括： 获取数据采集与处理装置的空调 历史能耗预处理数据； 根据优化后的极限学习机 算法对所述空调历史能耗预处理数据中的训练 集数据进行处理分析后构建能耗预测模型； 将所 述空调历史能耗预处理数据中的预测集数据输 入至所述能耗预测模型， 得到预测结果。 本发明 还公开了一种云计算平台及基于混合优化算法 的空调能耗预测系统。 本发明提供的基于混合优 化算法的空调能耗预测方法可以有效精准的实 现对空调能耗的预测。 权利要求书2页 说明书8页 附图4页 CN 114065646 B 2022.10.28 CN 114065646 B 1.一种基于混合优化 算法的空调能耗预测方法， 其特 征在于， 包括： 获取数据采集与处 理装置的空调历史能耗预处 理数据； 根据优化后的极限学习机算法对所述空调历史能耗预处理数据中的训练集数据进行 处理分析后构建能耗预测模型； 将所述空调历史能耗预处理数据中的预测集数据输入至所述能耗预测模型， 得到预测 结果； 所述根据优化后的极限学习机算法对所述空调历史能耗预处理数据中的训练集数据 进行处理分析后构建能耗预测模型， 包括： 将所述空调历史能耗预处 理数据划分为训练数据集和预测数据集； 根据GA算法对所述极限学习机算法进行优化， 得到GA ‑ELM模型； 根据CS算法对所述极限学习机算法进行优化， 得到 CS‑ELM模型； 将所述训练数据集分别输入至所述GA ‑ELM模型和所述CS ‑ELM模型进行训练， 获得GA ‑ ELM训练模型和CS ‑ELM训练模型； 分别计算所述GA ‑ELM训练模型和CS ‑ELM训练模型两者各自的个体适应度 值， 并选择两 者中最优适应度个 体对应的权值和阈值输入至 ELM模型， 得到能耗预测模型。 2.根据权利要求1所述的基于混合优化算法的空调能耗预测方法， 其特征在于， 所述数 据采集与处理装置能够 采集不同影响因素下的空调设备的历史 能耗数据， 并能够将所述空 调设备的历史 能耗数据进 行预处理得到所述空调历史能耗预处理数据， 其中所述不同影响 因素包括季节、 天气和建筑特性。 3.根据权利要求2所述的基于混合优化算法的空调能耗预测方法， 其特征在于， 所述数 据采集与 处理装置能够将所述空调设备的历史能耗数据进行预处理得到所述空调历史能 耗预处理数据， 包括： 对所述空调设备的历史能耗数据进行 数据清洗， 得到清洗后的数据信息； 对所述清洗后的数据信息进行异常值处 理以及缺失值的填补； 将异常值处理以及缺失值填补后的数据进行归一化处理， 得到所述空调历史能耗预处 理数据。 4.根据权利要求1所述的基于混合优化算法的空调能耗预测方法， 其特征在于， 所述根 据GA遗传算法对所述极限学习机算法进行优化， 得到GA ‑ELM模型， 包括： 将所述空调历史能耗预处 理数据输入至 ELM模型， 并初始化ELM模型的权值和阈值； 根据所述GA遗传算法对所述ELM模型的初始值进行编码； 将ELM模型的训练误差作为 适应度值； 对所述ELM模型进行选择、 交叉和变异操作， 直至得到 ELM模型最优的个 体适应度值； 将最优的个 体适应度值对应的权值和阈值赋值给ELM模型， 得到GA ‑ELM模型。 5.根据权利要求1所述的基于混合优化算法的空调能耗预测方法， 其特征在于， 所述根 据CS算法对所述极限学习机算法进行优化， 得到 CS‑ELM模型， 包括： 将所述空调历史能耗预处 理数据输入至 ELM模型， 并初始化ELM模型的权值和阈值； 设置CS算法参数， 得到多个鸟巢初始位置， 将ELM模型的训练误差作为 适应度值； 选取上一代最优鸟巢 位置， 通过多次迭代得到 ELM模型最优的个 体适应度值；权　利　要　求　书 1/2 页 2 CN 114065646 B 2将最优的个 体适应度值对应的权值和阈值赋值给ELM模型， 得到 CS‑ELM模型。 6.根据权利要求1所述的基于混合优化算法的空调能耗预测方法， 其特征在于， 所述将 所述空调历史能耗预处理数据中的预测 集数据输入至所述能耗预测模型， 得到预测结果， 包括： 将所述训练集数据分别输入至所述GA ‑ELM模型和所述CS ‑ELM模型进行训练； 将训练后GA ‑ELM模型和CS ‑ELM模型两者各自最优的权值和阈值分别作 为ELM模型的初 始参数进行 预测， 并计算两者预测后的误差； 更新参数直至得到最优的预测结果组； 将最优的预测结果组按照种群分类， 选择最优种群中最优能耗 值并输出； 根据所述预测数据集对空调设备的能耗数据进行 单一ELM模型训练， 输出 预测结果。 7.根据权利要求6所述的基于混合优化算法的空调能耗预测方法， 其特征在于， 还包 括： 根据所述 最优能耗 值以及所述预测结果进行性能分析。 8.一种云计算平台， 其特征在于， 包括存储器和处理器， 所述存储器和处理器通信连 接， 所述存储器用于存储计算机指令， 所述处理器用于加载并执行所述计算机指令以实现 权利要求1至7中任意 一项所述的基于混合优化 算法的空调能耗预测方法。 9.一种基于混合优化算法的空调能耗预测系统， 其特征在于， 包括： 数据采集与处理装 置和权利要求8所述的云计算平台， 所述数据采集与处 理装置与所述云计算平台通信连接； 所述数据采集与处理装置用于采集不同影响因素下的空调设备的历史能耗数据， 并能 够将所述空调设备的历史能耗数据进行 预处理得到所述空调历史能耗预处 理数据； 所述云计算平台能够根据所述空调历史能耗预处理数据构建能耗预测模型， 并能够实 现能耗预测得到预测结果。权　利　要　求　书 2/2 页 3 CN 114065646 B 3