[發明專利]基于深度學習和模糊控制的復合熱源多空調優化制冷方法

有效

• 申請號: 201910796529.1
• 申請日: 2019-08-27
• 公開（公告）號: CN110426979B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 初寧;宋俊朝;侯耀春;張黎雯;楊廣勝;魏鵬錦;王宇軒;邵奇;吳大轉
• 申請（專利權）人: 浙江大學
• 主分類號: G05B19/042
• 分類號: G05B19/042
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種基于深度學習和模糊控制的復合熱源多空調優化制冷方法，包括：(1)對復合熱源多空調降溫過程進行簡化；(2)將各熱源至各空調的距離參數增加到輸入語言變量，構建各單熱源單空調模糊控制的輸入輸出語言變量及其隸屬函數；(3)確定單熱源單空調模糊控制規則；(4)根據單熱源單空調模糊控制模型運算，得到多種單熱源、多空調降溫方案；(5)使用COMSOL Multiphysics仿真對各種方案進行多熱源多空調降溫模擬分析；(6)將各熱源初始降溫需求、各空調降溫方案及其對應的仿真過程數據和降溫效果指標輸入深度生成模型，推斷輸出優化后各個空調的降溫方案。本發明適用于真實多熱源多空調降溫情況，能給出較優的調控方案。

技術領域

本發明屬于空調能效優化控制策略方法領域，尤其是涉及一種基于深度學習和模糊控制的復合熱源多空調優化制冷方法。

背景技術

目前隨著軌道交通的飛速發展，其里程數和站點也在逐年增加，目前其車站設備房普遍存在空調盲目制冷對設備進行降溫導致的大量的能源浪費現象，并且過度制冷也帶來安全隱患等問題，因此給出合理且優化的復雜空間下多熱源多空調降溫方案顯得至關重要。

當前，為解決這類設備房空調盲目降溫而帶來的能耗浪費巨大等問題，通常有以下方法：

(1)針對空調制冷的優化，采用變頻調節或簡單模糊控制的方式，但考慮到實際設備房熱源分布的復雜性以及電氣設備降溫需求各異，此方法的節能空間相當局限，節能效果一般；(2)通過測試設備房各部分熱源的發熱情況，然后對空調制冷機組進行改造和優化布設，以實現節約能耗、高效降溫，但采用此技術的成本較高，并且改造后的能效情況尚有待觀察和考量。

對于多空調對復雜空間多熱源進行降溫的情況，由于不同熱源初始溫度不同，發熱功率不同導致溫度變化速率不同，安全溫度閾值也不同等導致的各熱源降溫需求不同，和各空調距離不等導致的降溫效果影響，因此需要考慮多種情況，如果僅用簡單模糊控制方法，會出現不同設備房輸入量數量、輸出量數量不同，難以設置輸入語言變量、輸出語言變量，控制方案難以普及的問題；并且由于數量很多，控制規則的數量隨輸入量數量程指數型變化，會出現控制規則龐大、復雜的問題；且不同設備房實際情況不同，會出現難以設置較優的控制規則的問題。

發明內容

為解決現有技術過的上述問題，本發明提供了一種基于深度學習和模糊控制的復合熱源多空調優化制冷方法，可以解決現有的復合熱源多空調降溫難以合理控制的問題。

本發明的技術方案如下：

一種基于深度學習和模糊控制的復合熱源多空調優化制冷方法，包括：

(1)對復合熱源多空調降溫過程進行簡化，得到各單熱源單空調模糊控制模型；

(2)將各熱源至各空調的距離參數增加到輸入語言變量，構建各單熱源單空調模糊控制的輸入語言變量、輸出語言變量及其隸屬函數；

(3)確定單熱源單空調模糊控制規則；

(4)根據單熱源單空調模糊控制模型運算，得到多種單熱源多空調降溫方案；

(5)使用COMSOL Multiphysics仿真分別對上步得到的各種方案進行多熱源多空調降溫模擬分析，得到每個方案對應的降溫效果和降溫能耗指標；

(6)將各熱源初始降溫需求、各空調降溫方案及其對應的仿真過程數據和降溫效果指標輸入深度生成模型，經過深度生成模型的推斷，輸出優化后各個空調的降溫方案。

本發明能在不對設備房進行大幅改造的基礎上，通過化簡多熱源多空調降溫過程，建立合理的模糊控制模型，然后結合現代化有限元模擬仿真工具進行降溫策略模擬和分析，最后基于深度生成模型綜合考慮各熱源初始降溫需求(需求降溫溫度和降溫速度)、各空調降溫方案及其對應的仿真過程數據和降溫效果指標等因素，最終推理得到優化后的各空調制冷方案。