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！

龙图腾网获悉山东建筑大学申请的专利一种空调系统负荷预测方法、装置、介质和设备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：CN119167038B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202411648756.7，技术领域涉及：G06F18/20；该发明授权一种空调系统负荷预测方法、装置、介质和设备是由田崇翼;刘强;田长彬;马昕;彭勃;马翔雪;刘澈设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种空调系统负荷预测方法、装置、介质和设备在说明书摘要公布了：本发明公开了一种空调系统负荷预测方法、装置、介质和设备，涉及负荷预测技术领域。先获取空调系统的历史负荷数据和历史负荷数据同时期的负荷影响因素，然后根据历史负荷数据基于季节性差分自回归滑动平均模型构建初步负荷预测模型，并确定初步负荷预测模型对历史负荷数据的预测残差，之后再根据负荷影响因素和初步负荷预测模型对历史负荷数据的预测残差，对广义回归神经网络进行训练得到残差预测模型，最后可将待预测的负荷数据输入初步负荷预测模型进行初步负荷预测，并通过残差预测模型对其进行修正，从而根据初步负荷和修正确定空调系统在目标时刻的预测负荷。本发明提高了收敛速度、预测效率和预测准确性。

本发明授权一种空调系统负荷预测方法、装置、介质和设备在权利要求书中公布了：1.一种空调系统负荷预测方法，其特征在于，包括： 获取空调系统的历史负荷数据和历史负荷数据同时期的负荷影响因素；所述负荷影响因素包括：室外温度、室内温度、太阳辐射、相对湿度、节假日属性和人员密度中的一种或多种的组合； 根据历史负荷数据对季节性差分自回归滑动平均模型进行训练，得到初步负荷预测模型；确定初步负荷预测模型对历史负荷数据的预测残差； 将历史负荷数据同时期的负荷影响因素作为样本数据，将预测残差作为标注；将样本数据输入广义回归神经网络中，得到预测的预测残差，以预测的预测残差和标注之间的偏差最小为优化目标对广义回归神经网络进行多轮训练，并在每轮训练中，采用牛顿-拉夫逊优化算法对广义回归神经网络的平滑因子进行寻优，得到残差预测模型； 将待预测的空调系统的负荷数据输入初步负荷预测模型，通过初步负荷预测模型提取待预测的负荷数据中的周期性时序特征，并根据时序特征确定空调系统在目标时刻的初步负荷； 将待预测的负荷影响因素输入残差预测模型，通过残差预测模型提取负荷影响因素与空调负荷之间的非线性关系特征，以确定初步负荷的修正残差；根据初步负荷与修正残差之和确定空调系统在目标时刻的预测负荷； 所述获取历史负荷数据同时期的负荷影响因素，具体包括： 在历史负荷数据同时期内，按照预设时间间隔，获取多种负荷影响因素对应数据； 根据空调系统的历史负荷数据和各负荷影响因素对应数据，通过Pearson相关性分析确定每种负荷影响因素与空调系统的历史负荷数据之间的相关性； 根据预设相关性阈值，对多种负荷影响因素进行筛选。

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山东建筑大学，其通讯地址为：250000 山东省济南市历城区临港开发区凤鸣路1000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”。