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！

龙图腾网恭喜苏州科技大学申请的专利一种空调负荷预测方法及系统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：CN113868954B 。

龙图腾网通过国家知识产权局官网在2024-09-24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：202111159203.1，技术领域涉及：G06F30/27；该发明授权一种空调负荷预测方法及系统是由朱其新;庄梦祥;刘红俐设计研发完成，并于2021-09-30向国家知识产权局提交的专利申请。

本一种空调负荷预测方法及系统在说明书摘要公布了：本发明涉及一种空调负荷预测方法及系统，该方法包括获取样本集，并将所述样本集的数据划分为训练数据集和预测数据集，所述样本集中至少包括样本数据及其对应的标签数据；提取所述样本数据中的影响因素，采用灰色关联分析从所述影响因素中筛选若干特征指标作为输入序列；获取基础模型，所述基础模型包括依次设置的双向LSTM模型和双向GRU模型；将所述训练数据集中对应的输入序列输入到所述基础模型进行训练，得到预测模型；将所述预测数据集中对应的输入序列输入到训练好的所述预测模型中进行负荷预测，得到空调负荷的预测值。本发明采用灰色关联分析对大量的数据进行了有效的降维，配合选用的基础模型，能够提高预测精度，缩短训练时间。

本发明授权一种空调负荷预测方法及系统在权利要求书中公布了：1.一种空调负荷预测方法，其特征在于，包括：获取样本集，并将所述样本集的数据划分为训练数据集和预测数据集，所述样本集中至少包括样本数据及其对应的标签数据；提取所述样本数据中的影响因素，采用灰色关联分析从所述影响因素中筛选若干特征指标作为输入序列；获取基础模型，所述基础模型包括依次设置的双向LSTM模型和双向GRU模型；将所述训练数据集中对应的输入序列输入到所述基础模型进行训练，得到预测模型；将所述预测数据集中对应的输入序列输入到训练好的所述预测模型中进行负荷预测，得到空调负荷的预测值；所述采用灰色关联分析从所述影响因素中筛选若干特征指标作为输入序列的方法包括：至少基于所述影响因素与负荷之间的灰色关联度选取所述特征指标，计算所述影响因素与负荷之间的灰色关联度的方法包括：假定负荷的参考序列为ykk＝1,2,…,nk是时刻，负荷的特征指标为xiki＝1,2,…mi是特征指标数，对特征指标的数据进行归一化处理，公式如下： 式中：x是特征指标的值；xmin是该特征指标在时间序列上的最小值；xmax是该特征指标在时间序列上的最大值；计算差值：Δik＝|y'k-x’ik|求第i个影响因素xi对于负荷y在k时刻的影响，公式如下： 式中：是两级极差的最小值；是两级极差的最大值；ρ是分辨系数，负荷y与影响因素xi的灰色关联度为： LSTM模型包括遗忘门、输入门和输出门，其中：遗忘门的公式为：ft＝σWf·[ht-1,xt]+bf输入门的公式为：it＝σWf·[ht-1,xt]+bi 输出门的公式为：ot＝σWo·[ht-1,xt]+boht＝ottanhCt式中x为输入，h为输出，i为输入门的输出，f为遗忘门的输出，c为当前的细胞状态，o为输出门的输出，W为权重矩阵，b为偏差矩阵，tanh、σ为激活函数；GRU模型包括更新门、重置门、候选隐藏层和隐藏层，其中：更新门的公式为：zt＝σWz·[ht-1,xt]+bz重置门的公式为：rt＝σWr·[ht-1,xt]+br候选隐藏层的公式为： 隐藏层的公式为： 其中x为输入，h为输出，z为更新门的输出，r为重置门的输出，为候选隐藏层的输出，h为隐藏层的输出，W为权重矩阵，b为偏差矩阵，tanh、σ为激活函数；所述双向LSTM模型和双向GRU模型中的双向是指当前时刻的输入通过两个方向的单元进行信息传输，每个方向都会产生自己的输出，所述双向LSTM模型和双向GRU模型的输出结果是由两个方向的输出结果拼接而成。

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苏州科技大学，其通讯地址为：215009 江苏省苏州市高新区科锐路1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”。