买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜武汉理工大学申请的专利一种大数据空调系统动态智能预测系统建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114202069B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111332464.9，技术领域涉及：G06N3/084；该发明授权一种大数据空调系统动态智能预测系统建模方法是由潘林;李奥;王千逸;张舒怡;王升;卢镜明;王雷冲设计研发完成，并于2021-11-11向国家知识产权局提交的专利申请。

本一种大数据空调系统动态智能预测系统建模方法在说明书摘要公布了：一种大数据空调系统动态智能预测系统建模方法，包括以下步骤：S1、建立冷源系统的BP神经网络能耗预测模型：对已知的空调实际运行的能耗数据进行去趋势去周期处理：得到去趋势和去周期处理后的时间序列的能耗值；然后建立三层BP神经网络模型并对该模型进行训练，最后将BP网络的输出预测结果转换成空调系统冷源系统的能耗需求预测值；S2、遗传算法优化神经网络：将初始BP网络的权值和阈值编码成染色体，通过遗传算法配置BP神经网络，最后得到优化后的BP神经网络。本设计不仅能够有效提高预测精度，而且能够实现全局优化使预测结果更加贴合实际。

本发明授权一种大数据空调系统动态智能预测系统建模方法在权利要求书中公布了：1.一种大数据空调系统动态智能预测系统建模方法，其特征在于：所述智能预测方法包括以下步骤：S1、建立冷源系统的BP神经网络能耗预测模型：S1.1、对已知的空调实际运行的能耗数据进行去趋势去周期处理：将空调的实际运行能耗数据以Δt＝1h采样，得到时间序列的能耗值Ott＝1,2,…，之后对该时间序列的能耗数据做去趋势和去周期处理，得到去趋势和去周期处理后的时间序列的能耗值wt；S1.1.1、去趋势处理：从数据中删除趋势利于集中分析数据趋势本身的波动，采用差分法来去除数据中的线性趋势；一阶差分如式1所示： 上式中，是普通差分算子，Ot为在时间t时空调的能耗值，Ot-1为在时间t-1时空调的能耗值；执行上述操作d次，d阶差分得到ut，如式2所示： 上式中，表示从d个元素中选择e个元素的组合数，ut表示去趋势处理后的时间序列的能耗值；S1.1.2、去周期处理：由于能耗需求是以24h的周期变化的，使用季节差分去除时间序列的周期性趋势，一次去周期处理如式3所示： 其中，为去周期操作算子，ut表示去趋势处理后的时间序列的能耗值，s为一日内的采样次数，s＝24；重复执行上述操作D次，即D次去周期操作后得wt，wt的值如式4所示： 上式中，表示从d个元素中选择e个元素的组合数，ut表示去趋势处理后的时间序列的能耗值，wt表示去趋势、去周期处理后的时间序列的能耗值；S1.2、建立三层神经网络模型：建立三层BP神经网络模型并应用已知的空调运行数据对该模型进行训练，最后将BP网络的输出预测结果转换成空调系统冷源系统的能耗需求预测值；BP神经网络由n个输入层神经元、h个隐含层神经元和m个输出层神经元组成，由于只有能耗预测值一个输出，故输出层的神经元数量设定为m＝1；BP神经网络的输入包括：经去趋势去周期处理的p个时间序列数据wt+l-1、wt+l-2、…、wt+l-p和对应的室外温度、空气相对湿度数据；BP神经网络的输入层神经元数量应为p+2个，网络的输出为：在时间t时预测的时间t+ll＝1,2,...，L时的能耗需求wt+l|t，其中l≤s；设网络的输入模式为x＝x1，x2,...，xnT，隐含层的输出为y＝y1，y2,...，yhT，输出层的输出为z＝z1，z2,...，zmT，隐含层到输出层的传递函数为f，输出层的传递函数为gg，于是可以得到隐含层和输出层的输入输出关系以及输出层的输入输出关系，如式5、式6所示： 上式中，wij为输入层第i个神经元和隐含层第j个神经元之间的权值，ηj为隐含层第j个神经元的阈值，wjk为隐含层第j个神经元和输出层第k个神经元之间的权值，θk为输出层第k个神经元的阈值；隐含层与输出层的传递函数为f和输出层的传递函数为gg均选用双极Sigmoid函数作为激活函数，双极Sigmoid函数fx为式7： 式中，a为0～10之间的常数，x表示输入层的输入量；在选取最佳隐含层神经元数量时主要参考下式： 式中，a为0～10之间的常数，n表示输入层的神经元数量，m表示输出层的神经元数量；通过测试不同隐含层神经元数量时的网络精度来确定最佳数量；模型训练的参考是实际输出与目标输出之间的差值大小，目标函数ε如式9所示： 式中，wt|t-1为t时刻的网络预测输出值，wt为期望网络输出值，T表示样本数量；选取lr＝0.01作为BP神经网络模型的学习速率；从式2中得出网络输出值wt+l|t与yt+l|t之间的关系，如下式： 由式4便得出yt+l|t与空调能耗需求预测值zt+l|t之间的关系，如下式： 经过以上两个步骤的变换，便可将BP神经网络的输出值wt+l|t转换成空调能耗需求的预测值zt+l|t；S2、遗传算法优化神经网络：将初始BP网络的权值和阈值编码成染色体，生成初始种群后，经过每一代种群个体间的选择、交叉和变异操作产生下一代新种群；依据迭代完成后的种群中适应度值最高的个体的基因值，配置BP神经网络，经过训练后便得到优化后的BP神经网络。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉理工大学，其通讯地址为：430070 湖北省武汉市武昌区和平大道1178号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。