[發(fā)明專利]一種空調(diào)系統(tǒng)節(jié)能優(yōu)化方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011189834.3
• 申請日: 2020-10-30
• 公開（公告）號: CN112415924A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 張庭玉;郝浩;陳志凱;趙竟;沈炎;胡恩俊;陸立廣;劉永瑞
• 申請（專利權(quán)）人: 南京華盾電力信息安全測評有限公司
• 主分類號: G05B19/042
• 分類號: G05B19/042
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

1.一種空調(diào)系統(tǒng)節(jié)能優(yōu)化方法，其特征在于，包括：

獲取空調(diào)負荷預(yù)測模型以及空調(diào)能耗預(yù)測模型所需數(shù)據(jù)集；

對數(shù)據(jù)集進行預(yù)處理；

構(gòu)建空調(diào)負荷預(yù)測模型，確定空調(diào)負荷；

根據(jù)空調(diào)負荷預(yù)測結(jié)果構(gòu)建空調(diào)能耗模型；

以總能耗最低為空調(diào)能耗模型的目標函數(shù)對設(shè)備參數(shù)尋優(yōu)。

2.根據(jù)權(quán)利要求1所述的一種空調(diào)系統(tǒng)節(jié)能優(yōu)化方法，其特征在于：所述對數(shù)據(jù)集進行預(yù)處理包括：

去除數(shù)據(jù)集中的缺失值；

對數(shù)據(jù)集進行數(shù)據(jù)變換；

對數(shù)據(jù)變換后的數(shù)據(jù)集進行歸一化處理；

對歸一化處理后的數(shù)據(jù)集進行特征選擇得到用于作為建立空調(diào)負荷預(yù)測模型時輸入的第一特征集和建立空調(diào)能耗模型時輸入的第二特征集。

3.根據(jù)權(quán)利要求2所述的一種空調(diào)系統(tǒng)節(jié)能優(yōu)化方法，其特征在于：所述構(gòu)建空調(diào)負荷預(yù)測模型具體為：

將第一特征集作為LSTM神經(jīng)網(wǎng)絡(luò)的輸入，將神經(jīng)網(wǎng)絡(luò)的特征維數(shù)設(shè)為第一特征集的特征個數(shù)，網(wǎng)絡(luò)層數(shù)設(shè)置為1，通過torch.optim.Adam優(yōu)化算法對LSTM神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練得到空調(diào)負荷預(yù)測模型。

4.根據(jù)權(quán)利要求3所述的一種空調(diào)系統(tǒng)節(jié)能優(yōu)化方法，其特征在于：所述根據(jù)空調(diào)負荷預(yù)測結(jié)果構(gòu)建空調(diào)能耗模型具體為：將第一特征集、空調(diào)負荷預(yù)測結(jié)果以及第二特征集作為隨機森林回歸器的輸入對其進行訓(xùn)練得到空調(diào)能耗模型。

5.根據(jù)權(quán)利要求1所述的一種空調(diào)系統(tǒng)節(jié)能優(yōu)化方法，其特征在于：所述對設(shè)備參數(shù)尋優(yōu)包括：通過差分進化法初始化空調(diào)能耗模型需輸入特征集中要尋優(yōu)的設(shè)備運行參數(shù)，將初始化的參數(shù)值和特征集中除設(shè)備運行參數(shù)之外的特征值作為空調(diào)能耗模型的輸入得到空調(diào)能耗，再通過差分進化法尋優(yōu)得到最低空調(diào)能耗時的設(shè)備運行參數(shù)，具體為：

初始化種群，將每個候選解X_i對應(yīng)的空調(diào)總能耗為適應(yīng)度值表示為，將個體進行實數(shù)編碼，并代入到空調(diào)能耗模型計算每一個個體對應(yīng)的適應(yīng)度值；

開始尋優(yōu)迭代，先進行變異，在第g次迭代中，從種群中隨機選擇除X_i(g)以外的3個個體X_p1(g),X_p2(g),X_p3(g)，p1≠p2≠p3≠i，生成變異向量為H_i(g)＝X_p1(g)+F(X_p2(g)-X_p3(g))，其中F為縮放因子，取0.5；

將X_i(g)與變異個體H_i(g)進行交叉操作得到交叉?zhèn)€體U_i(g)，采用自適應(yīng)調(diào)整的交叉概率，設(shè)置cr_min＝0.1，cr_max＝0.6，計算個體X_i的適應(yīng)度值f_i，以及當前種群適應(yīng)度的平均值當前種群中最差和最優(yōu)個體的適應(yīng)度值分別為f_max和f_min，那么自適應(yīng)cr_i計算公式如下：

生成維度為N的值為空的個體U_i(g)，U_i(g)的第j個值為U_i,j(g)，隨機生成一個rand(0,1)，當隨機值小于交叉概率時，將變異個體H_i(g)中第j個值賦值給U_i(g)，否則將X_i(g)中的第j個值賦值給U_i(g)，公式如下：

選擇操作，如果交叉?zhèn)€體的適應(yīng)度值小于父代個體的適應(yīng)度值，選擇保留交叉?zhèn)€體，如果交叉?zhèn)€體并不是最優(yōu)，那么本次不更新個體，選擇后的新個體X_i′(g)公式如下：

當滿足最大迭代次數(shù)或者達到最小能耗值的時候，終止迭代，輸出最優(yōu)的個體以其對應(yīng)的適應(yīng)度值，最優(yōu)個體的值即為空調(diào)系統(tǒng)運行的最優(yōu)運行參數(shù)組合。

6.一種空調(diào)系統(tǒng)節(jié)能優(yōu)化系統(tǒng)，其特征在于，包括：

數(shù)據(jù)處理模塊：用于獲取空調(diào)負荷預(yù)測所需數(shù)據(jù)集；

對數(shù)據(jù)集進行預(yù)處理；

建模模塊：用于構(gòu)建空調(diào)負荷預(yù)測模型，確定空調(diào)負荷；根據(jù)空調(diào)負荷預(yù)測結(jié)果構(gòu)建空調(diào)能耗模型；

尋優(yōu)模塊：用于以總能耗最低為空調(diào)能耗模型的目標函數(shù)對設(shè)備參數(shù)尋優(yōu)。