[發明專利]用于暖通云邊協同的智能系統訓練方法、模型及存儲介質

有效

• 申請號: 202110657535.6
• 申請日: 2021-06-12
• 公開（公告）號: CN113536660B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 黎強;高源
• 申請（專利權）人: 武漢所為科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/214;G06F9/50
• 代理公司: 深圳中創智財知識產權代理有限公司 44553
• 代理人: 李春林;陳慧

1.一種用于暖通云邊協同的智能系統訓練方法，應用于暖通云邊協同的智能系統訓練模型，其特征在于，所述訓練模型包括經驗池、暖通設備的模擬運行模型、所述暖通設備的真實運行模型和所述智能系統對應的調控網絡，其中，所述模擬運行模型由暖通模擬軟件參照所述真實運行模型搭建，所述調控網絡部署在云端服務器，用于根據耗能條件對模擬暖通設備運行過程進行調控；所述模擬運行模型用于模擬出各種暖通設備結構，迭代訓練所述調控網絡，以對所述調控網絡進行預訓練，并同時產生訓練數據集用于后續真實運行模型的微調；所述真實運行模型用于預訓練后調控網絡的驗證，包括暖通云邊協同控制方式的效果驗證以及模擬運行模型預訓練得到的調控網絡的智能調控效果驗證；

所述模擬運行模型包括模擬暖通設備、模擬監測流道、模擬環境艙、模擬邊緣服務器和模擬交互模塊，其中，所述模擬暖通設備和所述模擬監測流道連接部署在所述模擬環境艙中，所述模擬監測流道中包含多個模擬傳感單元，所述模擬環境艙中包含多個模擬環境傳感器；當所述模擬運行模型中存在多個模擬邊緣服務器時，各模擬邊緣服務器通過LoRa組成的VPN網絡進行連接，形成模擬邊緣服務器集群，以對各個模擬暖通設備進行分布式控制，各模擬邊緣服務器存儲有全部的模擬環境參數和部署有全部的控制算法，當其中一個模擬邊緣服務器故障時，剩下的模擬邊緣服務對各模擬暖通設備進行控制；

所述模擬傳感單元包括水泵入口壓力傳感器、水泵出口壓力傳感器、供水壓力傳感器、回水壓力傳感器、出水溫度傳感器、回水溫度傳感器、流量計和流量溫度顯示器，水泵入口壓力傳感器設置于水泵的入口端，水泵出口壓力傳感器設置于水泵的出口端，供水壓力傳感器設置于散熱器的入口端，回水壓力傳感器設置于散熱器的出口端，出水溫度傳感器設置于三通管與供水壓力傳感器之間，回水溫度傳感器設置于水泵入口壓力傳感器的另一端，流量計設置于回水溫度傳感器的另一端，流量溫度顯示器設置于流量計與回水壓力傳感器之間，各個傳感器均連接于低功耗數據采集終端，通過低功耗數據采集終端將監測到的數據通過LoRa無線網絡發送到模擬邊緣服務器中；

在所述模擬運行模型上搭建一條模擬監測流道作為主路，在模擬監測流道上搭建兩條支路，一條為風冷模擬流道，連接風冷類別的模擬暖通設備，一條為水冷模擬流道，連接水冷類別的模擬暖通設備；在模擬暖通設備工作時，通過模擬監測流道中的模擬傳感單元對支路上流回到模擬監測流道中的水和空氣的各項模擬環境參數進行監測，并上傳至模擬邊緣服務器中，模擬邊緣服務器進一步將各項模擬環境參數上傳至云端服務器的調控網絡中，由調控網絡對模擬運行模型進行調整；

風冷類別的模擬暖通設備包括一個風冷支路電動閥、多個風冷模塊和一個風冷支路開關，風冷支路電動閥、風冷模塊和風冷支路開關依次連接，風冷支路電動閥設置于風冷模擬流道的入水端，風冷支路開關設置于風冷模擬流道的出水端；水冷類別的模擬暖通設備包括一個水冷支路電動閥、多個水冷模塊和一個水冷支路開關，水冷支路電動閥、水冷模塊和水冷支路開關依次連接，所述水冷支路電動閥設置于水冷模擬流道的入水端，水冷支路開關設置于水冷模擬流道的出水端；風冷支路開關和水冷支路開關通過三通管接通于模擬監測流道；

所述智能系統訓練方法包括：

通過所述模擬傳感單元監測所述模擬暖通設備運行過程中所述模擬監測流道中的模擬環境參數，以及通過所述模擬環境傳感器監測所述模擬暖通設備啟動過程中所述模擬環境艙中的模擬環境參數；

通過所述模擬傳感單元和所述模擬環境傳感器將所述模擬環境參數發送至所述模擬邊緣服務器中進行存儲；

通過所述模擬交互模塊將所述模擬邊緣服務器存儲的模擬環境參數發送至所述調控網絡中；

根據所述模擬環境參數，通過所述調控網絡計算所述模擬運行模型的模擬調控策略，并根據所述模擬調控策略對所述模擬運行模型中的模擬暖通設備進行調控，所述調控網絡包括兩部分：第一部分用于根據當前模擬運行環境的模擬環境參數，給出多個調控動作，第二部分用于根據第一部分給出的調控動作，評估其對當前模擬運行環境的適用程度，并給出評分，以確定哪個/哪些調控動作更適用于調控當前的模擬運行環境，并根據調控動作制定模擬調控策略，對模擬運行模型中的暖通設備進行調控；第一部分采用Actor網絡，第二部分采用Critic網絡；

通過所述模擬運行模型將所述模擬環境參數和對應的模擬調控策略更新至預置的訓練數據集，所述模擬環境參數和所述模擬調控策略具有時序性，以相應時間戳表示，后一時間戳對應的模擬環境參數作為前一時間戳對應的調控策略的調控結果；

采用所述訓練數據集，在所述真實運行模型中對所述調控網絡進行微調，得到所述智能系統中的智能調控網絡；

通過所述真實運行模型監測運行過程中產生的真實環境參數，以及收集所述智能調控網絡根據所述真實環境參數計算得到的真實調控策略，并將所述真實環境參數和所述真實調控策略發送至所述經驗池進行存儲；

采用所述經驗池，對所述智能調控網絡進行迭代處理，所述經驗池部署在云端服務器中并與所述智能調控網絡有線連接或者無線連接，通過經驗池記錄真實運行模型運行過程中產生的真實環境參數和對應的真實調控策略，使得所述智能調控網絡在離線模式下繼續進行迭代升級。