一种基于CNN-LSTM-Attention模型的考虑用户差异化舒适度的空调负荷调度方法及装置

本申请公开了一种基于CNN‑LSTM‑Attention模型的考虑用户差异化舒适度的空调负荷调度方法及装置，涉及电力系统调度运行控制技术领域。本申请利用卷积神经网络提取楼宇拓扑的局部空间特征，将楼宇标准化，有效捕捉相邻区域的相互作用，同时引入长短期记忆网络，利用其门控机制捕捉温度变化的长期时间依赖性，实现空间与时序特征融合，并结合注意力机制，提高了空调负荷模型预测的准确度。此外，本申请通过改进的聚类算法，发挥BIRCH和Mini‑Batch K‑means算法各自的优点，以在面对多样复杂的用户个体数据，保证运算效率的同时提高聚类效果的准确性。即本申请能够精确预测楼宇的空调制冷量，并在空调负荷集群调度的过程中充分考虑用户舒适体验的差异化，从而提升空调负荷调度的精确性。