[發明專利]基于師生網絡在線探索學習的能效優化建模方法

有效

• 申請號: 201911352947.8
• 申請日: 2019-12-25
• 公開（公告）號: CN111103799B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 張發恩;馬凡賀
• 申請（專利權）人: 創新奇智（南京）科技有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州鼎賢知識產權代理有限公司 44502
• 代理人: 劉莉梅

1.一種基于師生網絡在線探索學習的能效優化建模方法，所述方法基于教師-學生網絡結構對暖通水系統進行指導式建模，其特征在于，所述方法包括如下步驟：

步驟S1，根據所述暖通水系統的系統特性確定所述暖通水系統的響應間隔時間；

步驟S2，對所述暖通水系統的控制參數探索列表進行初始化，并對所述控制參數探索列表中的各控制參數建立約束，然后在參數約束范圍內，生成多組所述控制參數探索列表；

步驟S3，將各所述控制參數探索列表下發給所述暖通水系統，所述暖通水系統根據輸入的各所述控制參數探索列表中的各所述控制參數作出系統響應，并獲得各所述控制參數探索列表分別對應的多組系統響應數據；

步驟S4，將各所述系統響應數據作為訓練樣本加入到師生網絡的訓練數據集中；

步驟S5，將所述訓練數據集輸入到所述師生網絡中，所述師生網絡中的教師模型指導學生模型進行建模，訓練形成可用于優化所述暖通水系統能效的所述學生模型；

所述步驟S5中，所述教師模型指導訓練所述學生模型的方法具體包括如下步驟：

步驟L1，將所述訓練數據集輸入到所述師生網絡中；

步驟L2，所述師生網絡中的所述教師模型以所述訓練數據集為輸入，輸出可用于評估所述暖通水系統的響應性能的第一敏感度曲線；所述師生網絡 中的所述學生模型同樣以所述訓練數據集為輸入，輸出可用于評估所述暖通水系統的響應性能的第二敏感度曲線；

步驟L3，根據所述第一敏感度曲線和所述第二敏感度曲線，計算所述教師模型和所述學生模型的敏感度曲線分布誤差；

步驟L4，計算所述學生模型的均方誤差；

步驟L5，所述教師模型將所述敏感度曲線分布誤差作為軟目標誤差，將所述均方誤差作為硬目標誤差，指導所述學生模型進行學習建模，最終訓練形成可用于優化所述暖通水系統能效的所述學生模型。

2.如權利要求1所述的能效優化建模方法，其特征在于，還包括：

步驟S6，基于所述學生模型，對所述暖通水系統的所述系統特性進行測試評估，判斷評估結果中是否存在不符合測試預期的所述系統響應數據，

若是，則抽取不符合測試預期的所述系統響應數據對應的所述控制參數探索列表，并進入步驟S7；

若否，則完成對學生模型的建模過程，并保存訓練形成的所述學生模型；

步驟S7，在所述步驟S6抽取的所述控制參數探索列表中的各所述控制參數的參數約束范圍內，調整各所述控制參數的參數值，并基于經參數值調整后的各所述控制參數生成多組所述控制參數探索列表；

步驟S8，重復所述步驟S3-S7，直至完成對所述學生模型的收斂。

3.如權利要求1所述的能效優化建模方法，其特征在于，所述步驟S2中，每組所述控制參數探索列表中包含相同數量的所述控制參數。

4.如權利要求3所述的能效優化建模方法，其特征在于，每組所述控制參數探索列表中的同一個所述控制參數的參數值并不相同。

5.如權利要求1所述的能效優化建模方法，其特征在于，所述步驟S4中，所述訓練樣本包括基于各所述系統響應數據構建的響應敏感度曲線。