[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的空調(diào)冷卻系統(tǒng)智能節(jié)能控制系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911100300.6
• 申請(qǐng)日: 2019-11-12
• 公開（公告）號(hào): CN110848896A
• 公開（公告）日: 2020-02-28
• 發(fā)明（設(shè)計(jì)）人: 藍(lán)政杰;譚薇薇
• 申請(qǐng)（專利權(quán)）人: 深圳孚沃德斯科技有限公司
• 主分類號(hào): F24F11/62
• 分類號(hào): F24F11/62;F24F11/64;F24F11/46
• 代理公司: 大連科技專利代理有限責(zé)任公司 21119
• 代理人: 黃慧

本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)的空調(diào)冷卻系統(tǒng)智能節(jié)能控制系統(tǒng)及方法，包括數(shù)據(jù)采集模塊、神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊、人工智能分析模塊、冷卻系統(tǒng)能效控制模塊。本發(fā)明的特點(diǎn)是：1.針對(duì)空調(diào)冷卻系統(tǒng)的專業(yè)人工智能、節(jié)能控制系統(tǒng)；2.實(shí)現(xiàn)全工況下的冷卻系統(tǒng)能效最優(yōu)控制，節(jié)能效果好；3.由于空調(diào)系統(tǒng)的冷卻部分形式基本一致，差別主要是設(shè)備容量和數(shù)量的差異，其運(yùn)行模式和能耗特點(diǎn)相似，所以已完成訓(xùn)練的模型在其它項(xiàng)目上只需經(jīng)過工作量較小的訓(xùn)練就可以達(dá)到使用條件，可移植性好，利于規(guī)?；瘧?yīng)用；4.用于空調(diào)冷卻系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的所需數(shù)據(jù)采集基本可控，數(shù)據(jù)的完備性和準(zhǔn)確性有保證，用其訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型收斂性好，精度高。

技術(shù)領(lǐng)域

本發(fā)明涉及節(jié)能技術(shù)領(lǐng)域，具體涉及一種基于神經(jīng)網(wǎng)絡(luò)的空調(diào)冷卻系統(tǒng)智能節(jié)能控制系統(tǒng)及方法。

背景技術(shù)

在中央空調(diào)系統(tǒng)中，現(xiàn)有冷卻系統(tǒng)的控制算法仍使用傳統(tǒng)固定控制目標(biāo)和參數(shù)的方式，比如固定冷卻水回水溫度設(shè)定值、固定冷卻水供回水溫差設(shè)定值，或者固定室外濕球溫度與冷卻水回水溫度設(shè)定值差值等，控制系統(tǒng)不管室外天氣條件、制冷機(jī)組運(yùn)行負(fù)載率、制冷機(jī)組制冷效率、冷卻泵輸配效率、冷卻塔冷卻效率等因素的影響，維持既定的控制參數(shù)和目標(biāo)來調(diào)節(jié)，這雖然能保證空調(diào)系統(tǒng)運(yùn)行的穩(wěn)定性，但也限制了系統(tǒng)整體運(yùn)行能效，因?yàn)樵诓煌墓r下，控制系統(tǒng)控制參數(shù)和目標(biāo)會(huì)對(duì)制冷主機(jī)、冷卻泵、冷卻塔的運(yùn)行能耗有顯著的影響，并且制冷主機(jī)、冷卻泵、冷卻塔這三者之間運(yùn)行功耗存在互相耦合的問題，相互之間也會(huì)產(chǎn)生影響。

我們的目標(biāo)是：在不同的室外氣象條件和空調(diào)負(fù)荷工況下，通過合理的調(diào)節(jié)，使制冷主機(jī)、冷卻泵、冷卻塔這三者的總瞬時(shí)運(yùn)行功耗最低，顯然，通過傳統(tǒng)的控制手段無法實(shí)現(xiàn)這類多參數(shù)、耦合復(fù)雜系統(tǒng)的節(jié)能控制需求，無法達(dá)到全工況下空調(diào)冷卻系統(tǒng)運(yùn)行總功耗最小。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述不足問題，提供一種基于神經(jīng)網(wǎng)絡(luò)的空調(diào)冷卻系統(tǒng)智能節(jié)能控制系統(tǒng)及方法。

本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：一種基于神經(jīng)網(wǎng)絡(luò)的空調(diào)冷卻系統(tǒng)智能節(jié)能控制系統(tǒng)，包括數(shù)據(jù)采集模塊、神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊、人工智能分析模塊、冷卻系統(tǒng)能效控制模塊；所述數(shù)據(jù)采集模塊與空調(diào)冷卻系統(tǒng)、室外傳感器連接，采集空調(diào)冷卻系統(tǒng)運(yùn)行參數(shù)并處理；所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊與數(shù)據(jù)采集模塊連接，所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊獲取數(shù)據(jù)采集模塊的數(shù)據(jù)并進(jìn)行訓(xùn)練建立模型；所述人工智能分析模塊與神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊連接，所述人工智能模塊利用已獲得的模型結(jié)合數(shù)據(jù)采集模塊采集的運(yùn)行數(shù)據(jù)進(jìn)行分析；所述冷卻系統(tǒng)能效控制模塊與人工智能分析模塊連接，所述冷卻系統(tǒng)能效控制模塊從人工智能分析模塊獲得分析數(shù)據(jù)對(duì)數(shù)據(jù)采集模塊進(jìn)行數(shù)據(jù)修正并對(duì)空調(diào)冷卻系統(tǒng)進(jìn)行自動(dòng)控制。

所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊包括人工智能處理模塊、BP神經(jīng)網(wǎng)絡(luò)模型，所述人工智能處理模塊獲取數(shù)據(jù)采集模塊的數(shù)據(jù)并進(jìn)行訓(xùn)練建立BP神經(jīng)網(wǎng)絡(luò)模型。

所述空調(diào)冷卻系統(tǒng)包括制冷主機(jī)、冷卻泵、冷卻塔，所述室外傳感器包括室外溫度濕度傳感器、室外風(fēng)速風(fēng)向傳感器。

基于神經(jīng)網(wǎng)絡(luò)的空調(diào)冷卻系統(tǒng)智能節(jié)能控制方法，包括以下步驟：

S1、通過數(shù)據(jù)采集模塊采集空調(diào)冷卻系統(tǒng)的運(yùn)行數(shù)據(jù)，所述數(shù)據(jù)采集模塊具有通訊功能、數(shù)據(jù)采集功能、數(shù)據(jù)處理功能；

S2、將數(shù)據(jù)采集模塊獲取的數(shù)據(jù)輸送至神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊的人工智能處理模塊進(jìn)行訓(xùn)練建立BP神經(jīng)網(wǎng)絡(luò)模型，所述BP神經(jīng)網(wǎng)絡(luò)模型通過數(shù)據(jù)集訓(xùn)練，修改各隱藏層節(jié)點(diǎn)的權(quán)重值，直至BP神經(jīng)網(wǎng)絡(luò)模型輸出值與樣本實(shí)際值的誤差滿足精度要求，BP神經(jīng)網(wǎng)絡(luò)模型具備應(yīng)用條件；

S3、人工智能分析模塊利用已獲取的滿足精度要求的BP神經(jīng)網(wǎng)絡(luò)模型并結(jié)合數(shù)據(jù)采集模塊采集到的空調(diào)冷卻系統(tǒng)的運(yùn)行數(shù)據(jù)，使用隨機(jī)梯度下降算法進(jìn)行迭代計(jì)算，檢索出空調(diào)冷卻系統(tǒng)總實(shí)時(shí)功耗值最低區(qū)域，并通過映射獲取對(duì)應(yīng)的空調(diào)冷卻系統(tǒng)的冷卻水供回水溫差設(shè)定值和冷卻水回水溫度與濕球溫度差值設(shè)定值的范圍；