[發明專利]一種基于深度學習的冷水機房控制方法

在審

• 申請號: 201811267305.3
• 申請日: 2018-10-29
• 公開（公告）號: CN109539457A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 花靜霞
• 申請（專利權）人: 花靜霞;森垚能源科技（上海）有限公司
• 主分類號: F24F11/30
• 分類號: F24F11/30;F24F11/52;F24F11/58;F24F11/64;F24F11/65
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于深度學習的冷水機房控制方法，其特征在于：步驟1，就地控制器獲取機房發出的機房數據；步驟2，就地控制器發送機房數據至機器學習控制器；步驟3，機器學習控制器發送機房數據至云服務器，并且機器學習控制器通過深度學習模型進行計算得出用于對機房的設備進行控制的控制指令，其中，云服務器通過對大數據的處理，對云服務器內的深度學習模型進行訓練，并將訓練后的深度學習模型發送給機器學習控制器進行替換。比當前基于PID或者能耗模型的控制系統，本發明冷水機房控制方法基于機器學習，通過對大數據分析，以及深度學習的算法找到更多節能的措施，對冷水機房節能帶來新的方法，從而可以適應更加復雜的控制場景。

技術領域

本發明涉及一種基于深度學習的冷水機房控制方法。

背景技術

當前機器學習方法取得了快速的發展，在圖像、語音識別等領域廣泛應用。在冷水機房中，控制系統需要采集溫度、流量、壓力、設備狀態、變頻器頻率、故障報警等成百上千個數據點。當前冷水機房控制系統通常采用PID算法進行控制，PID算法只針對其所需要的控制對象選取上千個數據點的某幾個進行控制，這種算法只考慮了被控制對象的效率最優，而沒有考慮該控制對象的運行狀態對整個冷水機房運行能效的影響。

控制系統采用冷水機組能耗模型進行控制，其缺點在于該控制系統只考慮模型中確定的輸入數據點，而無法對模型沒有考慮的數據點進行反應。冷水機房中的設備都是互相關聯，某一個溫度或者流量的變化會對冷水系統的運行帶來明顯的變化。采用能耗模型的控制系統無法對意外情況進行反應，并且無法進行自我學習，找到其他數據點對能耗模型的影響。

發明內容

本發明的目的在于克服現有技術中存在的上述不足，而提供一種可以適應更加復雜的控制場景的基于深度學習的冷水機房控制方法。

本發明解決上述問題所采用的技術方案是：

一種基于深度學習的冷水機房控制方法，其特征在于：

步驟1，就地控制器獲取機房發出的機房數據；

步驟2，就地控制器發送機房數據至機器學習控制器；

步驟3，機器學習控制器發送機房數據至云服務器，并且機器學習控制器通過深度學習模型進行計算得出用于對機房的設備進行控制的控制指令，

其中，云服務器通過對大數據的處理，對云服務器內的深度學習模型進行訓練，并將訓練后的深度學習模型發送給機器學習控制器進行替換。

比當前基于PID或者能耗模型的控制系統，本發明冷水機房控制方法基于機器學習，通過對大數據分析，以及深度學習的算法找到更多節能的措施，對冷水機房節能帶來新的方法，從而可以適應更加復雜的控制場景。

進一步，作為優選，所述就地控制器實時監控每一臺機房設備的運行狀態，若某一機房設備出現故障，將立即報警。

進一步，作為優選，所述就地控制器內置安全邊界監控系統，當冷水機房系統的運行超過設置的安全邊界，將強制切換到安全運行模式，自動調整到安全邊界內的參數運行。

進一步，作為優選，所述就地控制器的控制程序根據情況在PID控制算法、深度學習算法和人工操作控制模式之間進行切換,人工操作控制模式優先級最高、其次是深度學習算法和PID控制算法。

進一步，作為優選，就地控制器的控制系統內置基本冷水機房PID控制邏輯、冷水機房中設備開啟/關閉的順序控制邏輯以及安全保護控制邏輯。

進一步，作為優選，所述就地控制器安裝有軟件和硬件雙重強制人工指令接口，當人工指令接口接收到強制人工指令的命令后，就地控制器的控制系統立即進入人工控制優先模式，所有自動控制算法均停止運行。

進一步，作為優選，所述機房數據包括機房設備數據以及環境傳感器數據。