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！

龙图腾网获悉国网河南省电力公司经济技术研究院;同济大学;商丘市天宇电力工程勘测设计有限公司;国网河南能源互联网电力设计院有限公司申请的专利一种基于特征值选择的空调负荷预测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：CN119760385B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202411905258.6，技术领域涉及：G06F18/2113；该发明授权一种基于特征值选择的空调负荷预测方法是由肖波;席小娟;郭正位;孟华;景川;王晓玉;胡鑫;李勇;阮应君;杨敏;韩星辰;杨建华;后鹏;程健设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于特征值选择的空调负荷预测方法在说明书摘要公布了：本发明提供了一种基于特征值选择的空调负荷预测方法，属于机器学习和建筑节能技术领域。本发明的一种基于特征值选择的空调负荷预测方法通过数学互信息与物理冗余度协同化进行特征值的选择，并通过预测模型后验方式对所选择的特征值进行评价，准确地确定了模型最佳的输入特征值。本发明的一种基于特征值选择的空调负荷预测方法可以定量扑捉影响空调实时负荷值的动态特征，确保模型具有较高的预测精度，能够使空调负荷预测模型的精度在相关系数上提升5.62％，在平均误差上降低约16％～22％，同时基本不增加计算成本，具有较好的实际应用价值。

本发明授权一种基于特征值选择的空调负荷预测方法在权利要求书中公布了：1.一种基于特征值选择的空调负荷预测方法，用于根据空调系统的历史负荷值LT-m及其对应的室内外特征预测空调系统的当前负荷值LT，T表示当前时刻，m为时间差，T-m表示历史时刻， 其特征在于，基于数学互信息与物理冗余度协同化的特征值选择方法，包括以下步骤： S10，在围护结构确定的情况下，选择空调系统设定时间段的所述历史负荷值LT-m及其对应的所述室内外特征的数据作为样本集，并对所述样本集中的异常值和缺失值分别进行修正和补足后，对所述样本集中的数据进行标准化及归一化处理； S20，采用Person相关系数评价所述历史负荷值LT-m与所述室内外特征分别和当前负荷值LT的相关性以分析对其影响度，从而剔除违反物理原理现象的数据，得到数据集； S30，基于香农的信息熵理论，计算所述数据集中的所述历史负荷值LT-m和所述室内外特征分别关于所述当前负荷值LT的互信息值并排序后，选取大于设定值0.185的若干所述互信息值对应的所述历史负荷值LT-m和或所述室内外特征作为特征值并以此组成候选池； S40，根据所述设定时间段，将所述数据集划分为训练集和测试集，并以此构建空调负荷预测模型，所述空调负荷预测模型通过长短期记忆网络或BP神经网络构建得到； S50，考虑数学互信息，依次选取所述候选池中所述互信息值最大的1~k个所述特征值作为输入特征值进行所述空调负荷预测模型的训练和预测，得到预测精度最高的所述空调负荷预测模型所对应的k即得到基于数学互信息的所述特征值的具体选择； S60，考虑物理冗余度，依次选取所述候选池中剩余的且与步骤S50中选择的种类不同的1~w个互信息值最大的所述特征值作为输入特征值，从而对步骤S50得到的预测精度最高的所述空调负荷预测模型进行训练和预测，得到预测精度最高的所述空调负荷预测模型所对应的w即得到基于物理冗余度的所述特征值的具体选择； S70，根据步骤S50~步骤S60最终确定的k+w个所述特征值训练得到的最优空调负荷预测模型，通过向其中输入历史负荷值和或室内外特征，预测空调系统的当前负荷值， 其中，步骤S50~S60中，预测精度通过如下方式进行计算：相关系数平均绝对误差，均方根误差，平均绝对百分比误差，COVŷ,y为预测值与实际值的协方差，Var[]和Var[]分别为预测值与实际值的方差，n为预测时长，及分别为第z时刻的预测值和实际值，的数值越小则预测精度越低，MAE、RMSE以及MAPE的数值越大则预测精度越低， 当增加同类的所述特征值作为输入特征值进行所述空调负荷预测模型的训练和预测，且预测精度降低时，则停止增加，反之则继续增加直至预测精度开始降低， 当增加同类的所述特征值作为输入特征值进行所述空调负荷预测模型的训练和预测直至预测精度开始降低时，开始增加不同类的所述特征值作为输入特征值进行所述空调负荷预测模型的训练和预测，若预测精度提高，则继续增加，反之则停止增加。

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国网河南省电力公司经济技术研究院;同济大学;商丘市天宇电力工程勘测设计有限公司;国网河南能源互联网电力设计院有限公司，其通讯地址为：450052 河南省郑州市二七区嵩山南路87号院办公区C楼1-10层；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”。

以上内容由龙图腾AI智能生成。