基于能耗预测的空调测试任务调度问题研究

新空调投放到市场前需针对不同环境工况进行大量焓差实验,带来极大的能源消耗。针对焓差实验测试企业,利用机器学习模型进行能耗预测,以最小化电费为优化目标,构建分时电价政策下的空调测试任务调度问题的混合整数规划模型。针对调整工况的时间、耗电率与测试任务顺序相关且无法用常规分布函数描述的情况,构建一种基于随机森林回归的预测模型。然后,针对预测模型和数学规划分阶段求解思路的不足,提出一种基于随机森林与遗传算法的RF-GA混合算法求解思路,该思路采用并行处理方式提高了算法求解效率。通过企业实际测试数据将随机森林预测模型与其他机器学习算法进行对比,验证了该预测模型的有效性,并设计仿真实验产生各种规模的测试算例,将RF-GA算法及Inver-over算子与多种算法及算子进行对比,实验结果表明该RF-GA算法在求解效果和效率方面具有较优的表现。将该方法应用于企业实际测试,可大幅降低能源消耗及电费支出。