一种基于机器学习的空调负荷预测及节能方法

本发明涉及空调负荷预测技术领域，公开了一种基于机器学习的空调负荷预测及节能方法，该方法包括以下步骤：采集并预处理建筑空调历史负荷、多维气象数据及设备运行参数；将历史负荷与气象数据输入GBDT模型，计算气象特征重要性，筛选关键特征；将关键气象特征与历史负荷作为输入，利用LSTM模型进行负荷预测；基于粒子群优化算法，动态优化空调系统运行参数；当预测误差超过阈值或周期到达时，更新GBDT与LSTM模型。本发明通过GBDT筛选关键气象特征提升负荷预测精度，结合LSTM实现不同气候区域的自适应建模，并利用粒子群优化算法动态调整空调运行参数，有效降低空调系统综合能耗，提升空调系统整体节能效率与智能化水平。