[發明專利]一種中央空調的冷卻水回水溫度預測控制方法

有效

• 申請號: 201310236529.9
• 申請日: 2013-06-13
• 公開（公告）號: CN103322646A
• 公開（公告）日: 2013-09-25
• 發明（設計）人: 董輝;李曉宇;吳祥;邢科新;蔣文成;高陽;羅立鋒;仲曉帆
• 申請（專利權）人: 浙江工業大學
• 主分類號: F24F11/00
• 分類號: F24F11/00
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種中央空調的冷卻水回水溫度預測控制方法，其特征在于：所述預測控制方法包括如下步驟：

（1）記錄當前冷卻水回水溫度和或冷卻水泵的頻率，設定冷卻水回水溫度的目標溫度為37℃；

（2）建立預測模型，采用兩層的BP神經網絡模型，設溫度預測值有如下表達式：

y_m(k)＝f[u(k-1),u(k-2),...,u(k-m),y(k-1),y(k-2),..,y(k-n)]

y_m(k+1)＝f[u(k),u(k-1),...,u(k+1-m),y_m(k),y(k-1),..,y(k+1-n)]

y_m(k+p)＝f[u(k+p-1),u(k+p-2),...u,(k+p-m),y_m(k+p-1),...y,_m(k),y(k-1),..,y(k+p-n)]

其中，y_m(k)為第k次模型溫度輸出值，u(k-1)為第k-1次冷卻水泵的頻率值，y(k-1)為第k-1次實際溫度值，m、n分別為輸入和輸出的維度，p為預測步長；

設在以后的j步中，u(k+j)＝u(k+j-1)＝...＝u(k+1)＝u(k)則有：

x(k+j)＝[u(k),u(k),...,u(k-1),...,u(k+j-m),y_m(k+j-1),...,y_m(k),y(k-1),..,y(k+j-n)]^T

w＝[w₁,w₂,...,w_m+n]^T

則：y_m(k+j)＝g[w*x(k+j)]j＝1,2,...,p

其中，x(k+j)為第k+j次模型的輸入變量，p為預測步長；

g(x)取單極性sigmoid函數，

（3）神經網絡預測模型的學習，過程如下：

采集各個控制對象的階躍響應d_p(k),k=1,2,…,n，p表示樣本個數m中的每一個，然后根據預測模型的對應階躍響應輸出

y_p(k),k=1,2,…,n；采用梯度下降法來修正參數w；

j(k)=Σp=1m[yp(k)-dp(k)]2,]]>j(k)對w求導得：

Δj(k)≈▿j(k)Δw(k)=Σj=1m+n∂j(k)∂wjΔwj(k),]]>若按下式選擇Δw_j(k)，

其中j＝1,2,...,m+n；η＞0（4-1）

則Δj(k)≤0，所以只要保證Δw_j(k)按式（4-1）來調整，則j(k)就會隨著這一調整一直減小；當其誤差達到設定范圍內后便可停止學習，保存好學習好的w參數；

（4）反饋校正：設預測模型輸出與實際輸出之間的誤差為：

e(k)＝y(k)-y_m(k)，修正后的反饋為：y_c(k+p)＝y_m(k+p)+he(k)，其中，h為修正因子；

（5）參考曲線選取：參考曲線選為：y_r(k+i)＝αⁱy(k)+(1-αⁱ)y_r，i=1,2,…,p，其中T為采樣周期，t為時間常數，y(k)為現時刻實際輸出，y_r為設定值；

（6）優化計算：采用非線性RBF神經網絡來實現滾動優化，設

x(k)＝[y_r(k+p);y_c(k+p),...,y_c(k+p-n+1);u(k),...,u(k-m)]^T

hj(k)=exp(-||x-cj||2σj2)]]>u(k+1)=Σj=1mvj(k)hj[x(k)]]]>

其中y_r為參考軌跡；x為N維輸入向量；c_j為RBF的中心向量；σ_j為隱節點的寬度；m為隱層節點個數；控制指標為：

通過使控制指標E達到最小，按照梯度下降法調節，來調節連接權值系數、函數的中心向量和隱節點的寬度；根據學習好的非線性RBF神經網絡得到下一步預測輸入值u(k+1)，以此作為冷卻水泵的下一步頻率。