(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210868262.4 (22)申请日 2022.07.21 (71)申请人 天津安捷物联科技股份有限公司 地址 300380 天津市滨 海新区滨 海高新区 华苑产业区 （环外） 海泰华科五路1号- 1 (72)发明人 米玉淼　王鸿斌　王立波　杨玥琪　 李宝瑞　 (74)专利代理 机构 天津市鼎和专利商标代理有 限公司 12101 专利代理师 蒙建军　王理盟 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06N 5/00(2006.01)G06N 20/00(2019.01) G06F 16/215(2019.01) G06F 16/29(2019.01) G06F 16/951(2019.01) G06F 16/9537(2019.01) (54)发明名称 一种写字楼水蓄能设备水箱温度变化率预 测方法及系统 (57)摘要 本发明公开了一种写字楼水蓄能设备水箱 温度变化率预测方法， 属于节能环保技术领域， 包括： S1、 获取水箱多个位置点的实时水温数据， 计算多个实时水温数据的平均值， 将平均值记为 为水箱温度； S2、 收集历史时段的天气数据和时 间信息， 以及对应时段水蓄能设备的蓄能量、 放 能量、 水箱温度， 经过数据预处理得到训练集； S3、 构建水蓄能设备蓄能、 放能时水温变化率模 型； S4、 以历史时段的天气数据和时间信息作为 输入， 以对应时段水温变化率作为期望输出， 对 水蓄能设备蓄能、 放能时水温变化率模型进行训 练； S5、 将第二天分时间段的天气数据和时间信 息输入训练后的水蓄能设备蓄能、 放能时水温变 化率模型， 得到第二天分时段的水温变化率预测 结果。 权利要求书3页 说明书10页 附图3页 CN 115049154 A 2022.09.13 CN 115049154 A 1.一种写字楼水蓄能设备 水箱温度变化 率预测方法， 其特 征在于， 包括如下步骤： S1、 获取水箱W个位置点的实时水温数据， 计算W个实时水温数据的平均值， 将该平均 值 记为水箱温度； W 为大于1的自然数； S2、 采用XGBoost梯度 提升模型树模型； 分别构 建蓄能时水温变化率模型和放能时水温 变化率模型， 找出 水温变化的奇点； S3、 收集写字楼历史时段的天气数据和时间信 息， 以及对应历史时段内水箱的蓄能量、 放能量、 水箱温度， 经 过数据预处 理得到训练集； S4、 以写字楼历史时段的天气数据和时间信息作为输入， 以对应历史时段内水箱的水 温变化率作为期望输出， 对蓄能时水温变化率模型和 放能时水温变化率模型进行训练； 训 练步骤为： S401、 建立数据集的表达式： S＝{(ym,xm),n＝1,…,M}                    (1) 其中： S表示数据集， M表示样本数量， xm为第m个样本的特征向量， ym为第m个样本的预测 值， p为所包 含特征数量， 每一个特 征向量的表达式为(x1,x2,…,xp)； S402、 对数据集进行数据清洗， 并且对离散数据进行独热编码， 对缺失数据进行填充， 然后将数据集按比例划分为训练集S0和测试集S1； S403、 设置XGBoost的初始参数， 并将训练集输入模型中进行模型训练， 得到训练后的 模型， 再将测试集输入模型进行预测， 针对预测结果计算误差， 然后不断地调整XGBoost的 参数使得误差最小； S5、 将第二天分时间段的天气数据和时间信 息输入到蓄能时水温变化率模型和放能时 水温变化率模型， 所述 天气数据包括温度、 风力和湿度； 得到第二 天分时段的水温变化率预 测结果。 2.根据权利要求1所述的写字楼水蓄能设备水箱温度变化率预测方法， 其特征在于， 所 述数据预处 理包括： 划分时间特征： 将日期时间划分为星期数、 周数、 月份、 季节、 节假日； 将季节信息和节 假日信息以整数的形式表示； 填充缺失数据： 采用平均值 填充的方式对缺失值进行填充； 剔除异常数据和重复数据： 所述异常数据包括空值和负值； 提取分时段的天气数据； 计算水温变化 率： 计算单位时间内水温的变化幅度。 3.根据权利要求2所述的写字楼水蓄能设备水箱温度变化率预测方法， 其特征在于， 所 述误差为平均绝对百分比误差 MAPE， 表达式为： 其中： Xi为实际水温变化率， Yi为预测水温变化率； 最后统计预测水温变化率和实际水 温变化率的精确度作为 最终评价指标， 对应的数 学表达式为： 其中， Ys为预测的第二天水温变化 率， Ps为预测的第二天的实际水温变化 率。权　利　要　求　书 1/3 页 2 CN 115049154 A 24.根据权利要求1所述的写字楼水蓄能设备水箱温度变化率预测方法， 其特征在于， 所 述历史时段的天气数据使用网络爬虫进行爬取， 温度数据包括写字楼所在地区最高温度、 最低温度、 风力和湿度。 5.一种写字楼水蓄能设备 水箱温度变化 率预测系统， 其特 征在于， 包括： 数据采集模块： 获取水箱W个位置点的实时水温数据， 计算W个实时水温数据的平均值， 将该平均值记为水箱温度； W 为大于1的自然数； 预测模型构 建模块： 采用XGBoost梯度提升模型树模型； 分别构 建蓄能时水温变化率模 型和放能时水温变化 率模型， 找出 水温变化的奇点； 训练集构建模块： 收集写字楼历史时段的天气数据和时间信息， 以及对应历史时段内 水箱的蓄能量、 放能量、 水箱温度， 经 过数据预处 理得到训练集； 预测模型训练模块、 以写字楼历史时段的天气数据和时间信息作为输入， 以对应历史 时段内水箱的水温变化率作为期望输出， 对蓄能时水温变化率模型和放能时水温变化率模 型进行训练； 训练步骤为： 建立数据集的表达式： S＝{(ym,xm),n＝1,…,M}                    (1) 其中： S表示数据集， M表示样本数量， xm为第m个样本的特征向量， ym为第m个样本的预测 值， p为所包 含特征数量， 每一个特 征向量的表达式为(x1,x2,…,xp)； 对数据集进行数据清洗， 并且对离散数据进行独热编码， 对缺失数据进行填充， 然后将 数据集按比例划分为训练集S0和测试集S1； 设置XGBoost的初始参数， 并将训练集输入模型中进行模型训练， 得到训练后的模型， 再将测试集输入模 型进行预测， 针对预测结果计算误差， 然后不断地调整XGBoost的参数使 得误差最小； 预测执行模块： 将第 二天分时间段的天气数据和时间信 息输入到蓄能时水温变化率模 型和放能时水温变化率模型， 所述 天气数据包括温度、 风力和湿度； 得到第二 天分时段的水 温变化率预测结果。 6.根据权利要求5所述的写字楼水蓄能设备水箱温度变化率预测系统， 其特征在于， 所 述数据预处 理包括： 划分时间特征： 将日期时间划分为星期数、 周数、 月份、 季节、 节假日； 将季节信息和节 假日信息以整数的形式表示； 填充缺失数据： 采用平均值 填充的方式对缺失值进行填充； 剔除异常数据和重复数据： 所述异常数据包括空值和负值； 提取分时段的天气数据； 计算水温变化 率： 计算单位时间内水温的变化幅度。 7.根据权利要求5所述的写字楼水蓄能设备水箱温度变化率预测系统， 其特征在于， 所 述误差为平均绝对百分比误差 MAPE， 表达式为： 其中： Xi为实际水温变化率， Yi为预测水温变化率； 最后统计预测水温变化率和实际水 温变化率的精确度作为 最终评价指标， 对应的数 学表达式为：权　利　要　求　书 2/3 页 3 CN 115049154 A 3