空调负荷数据控制方法及系统

本发明涉及空调控制技术领域，公开了空调负荷数据控制方法及系统，该方法首先收集空调的气象参数和负荷参数，并进行数据清洗、时间戳定义及标准化处理。随后，根据处理后的数据定义特征向量，生成特征数据集，并利用神经网络算法构建负荷预测模型。通过迁移学习策略，使用源域数据集预训练模型，并对目标域数据进行增强以生成新样本。接着，将预训练模型的参数迁移到新任务模型中，冻结部分网络层参数，形成初始化后的增强学习模型。最后，使用目标域数据集训练未冻结层参数，并微调模型，以实现实时、精准的空调温度最优设定，从而达到负荷优化控制的目的。本发明通过迁移学习与增强学习的结合，有效提升了模型的泛化能力、鲁棒性和适应性。