[發明專利]一種基于深度學習的冷水機房控制系統

在審

• 申請號: 201811267309.1
• 申請日: 2018-10-29
• 公開（公告）號: CN109298635A
• 公開（公告）日: 2019-02-01
• 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: G05B13/04
• 分類號: G05B13/04
• 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系統，其特征在于：包括機房設備，用于獲得機房數據的傳感器模塊，用于轉發、處理機房數據以及控制機房設備的就地控制器，用于處理獲得機房數據并發送控制指令至就地控制器的機器學習控制器以及用于替換機器學習控制器內的深度學習模型的云服務器，機房設備、傳感器模塊連接至就地控制器，就地控制器、機器學習控制器以及云服務器依次連接。本發明冷水機房控制系統可以利用云服務器通過對大數據分析，以及深度學習的算法找到更多節能的措施，對機器學習控制器進行深度學習模型的替換，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系統。

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系統。

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系統，其特征在于：包括

機房設備，

用于獲得機房數據的傳感器模塊，

用于轉發、處理機房數據以及控制機房設備的就地控制器，

用于處理獲得機房數據并發送控制指令至就地控制器的機器學習控制器，

用于替換機器學習控制器內的深度學習模型的云服務器，

機房設備、傳感器模塊連接至就地控制器，就地控制器、機器學習控制器以及云服務器

依次連接。

本發明冷水機房控制系統可以利用云服務器通過對大數據分析，以及深度學習的算法找到更多節能的措施，對機器學習控制器進行深度學習模型的替換，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，還包括遠程終端，遠程終端連接至云服務器。

進一步，作為優選，機房設備通過I/O接口連接至就地控制器。

進一步，作為優選，傳感器模塊包括溫度傳感器、濕度傳感器、流量傳感器、壓力傳感器、風量傳感器。

進一步，作為優選，就地控制器采用PLC、DDC或工控機。

進一步，作為優選，云服務器、機器學習控制器和就地控制器分別設置了獨立的安全驗證機制?？刂浦噶钪挥型瑫r滿足多層安全驗證機制后，才會執行。

進一步，作為優選，就地控制器實時監控每一臺設備的運行狀態，若某一設備出現故障，將立即報警。

進一步，作為優選，機器學習控制器包含了自動糾錯和重啟功能，當遇到不可預測的故障時，該控制器先嘗試自動糾錯或重啟。

進一步，作為優選，就地控制器具有在PID控制算法、深度學習算法和人工操作等控制模式之間進行切換功能。