摘要
本发明公开了一种基于中央空调的负荷预测方法及系统,涉及空调负荷技术领域,包括,采集中央空调环境数据进行预处理,构建时间序列数据和负荷序列数据,基于时间序列数据定义条件变量生成条件变量矩阵;基于条件变量矩阵设定稀疏优化目标,通过最小化变量间的条件相关性来选择显著条件变量。本发明所述方法通过定义条件变量矩阵Z的方式能够有效处理多维时间序列数据中的复杂交互,通过稀疏优化方法,最小化变量间的条件相关性,筛选出的条件变量具有更高的显著性,根据显著性水平筛选因果关系矩阵中的关键因果关系,避免噪声或弱相关性影响分析结果,从而进一步提高因果关系图的可靠性。
技术关键词
负荷预测方法
滞后特征
变量
序列
中央空调环境
数据
残差矩阵
稀疏优化方法
可视化工具
空调负荷技术
L1范数正则化
构建机器学习模型
数字签名算法
定义
TLS协议
节点
系统为您推荐了相关专利信息
跌倒预警方法
足底压力数据
建模仿真软件
多元线性回归模型
仿真数据