[發明專利]一種用于中央空調的能耗優化方法及數據采集系統

在審

• 申請號: 202210540529.7
• 申請日: 2022-05-17
• 公開（公告）號: CN114997044A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 蔣丹;趙雯婷;姚巍;付益路;郭慶;楊平
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/00;F24F11/46;G06F111/04
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 陳一鑫

本發明公開了一種用于中央空調的能耗優化方法及數據采集系統，屬于中央空調系統能源預測與優化技術領域。本發明采用卷積計算方式可有效緩解多變量與眾多時間步構成的數據集計算量，受到感受野的限制，單通道卷積核對特征相關性初步提取能力有限，采用經驗模態分解提取多個本征模函數，并聯合原始數據集構成多通道數據集，有助于卷積計算時提取參數間特征，針對多步預測的非線性問題通過殘差連接拓展神經網絡深度，能夠有效提升精度。對于粒子群優化算法，引入小生境法則并采用異步更新方式進行改進，并采用頻繁模式增長算法獲取運行參數之間的關聯規則，賦予了優化算法的參數關聯性，提高數據處理精度，達到調整中央空調參數實現降低功耗的目的。

技術領域

本發明屬于中央空調系統能源預測與優化的技術領域，涉及一種可用于中央空調的能耗預測與實時優化方法。

背景技術

中央空調系統作為典型的空氣調節裝置，因其體量大工作時間長等特點，其能耗在建筑能耗中占比非常高，因此針對中央空調系統的節能研究對節能減排有著重要意義。

對中央空調系統進行節能研究首先需要有一個準確的模型，目前主要采用少數關鍵參數進行辨識擬合或搭建神經網絡兩種方式。針對中央空調的復雜系統參數辨識方法往往需要對多個子設備進行單獨辨識擬合，最后進行結果整合，這就會導致每個子設備的辨識誤差進行積累，而神經網絡普遍采用反向傳播神經網絡，其全連接特性導致難以針對較多變量的建模。此外，兩者普遍是單步預測方式，受中央空調大時滯性的影響，其運用于實際工況的預測效果一般。對于系統能耗優化，中央空調作為一個強耦合系統，目前優化算法普遍是沒有能夠附帶優化參數的關聯性，這也會導致最終優化的參數可能脫離實際運行特性，使得優化的效果受到影響。

發明內容

本發明針對背景技術中少變量單步預測的效果不佳問題，以及缺乏參數的關聯性導致實際優化效果不佳的問題，提出了一種能夠進行多步長時間的系統能耗預測方法，并在優化算法中融合運行參數的關聯特性。

解決其技術問題所采用的技術方案是：一種用于中央空調的能耗優化方法，中央空調作為復雜的多變量非線性系統，采用卷積計算方式可以有效緩解多變量與眾多時間步構成的數據集計算量，受到感受野的限制，單通道卷積核對特征相關性初步提取能力有限，采用經驗模態分解提取多個本征模函數，并聯合原始數據集構成多通道數據集，有助于卷積計算時提取參數間特征。針對多步預測的非線性問題通過殘差連接拓展神經網絡深度，能夠有效提升預測精度。對于粒子群優化算法，引入小生境法則并采用異步更新方式進行改進，同時采用頻繁模式增長算法獲取運行參數之間的關聯規則，以此作為粒子群算法的約束條件加入到優化中，賦予了優化算法的參數關聯性。搭建的中央空調運行參數采集系統如圖1所示，整體系統能耗預測與優化技術路線流程圖如圖2所示。因而，本發明技術方案為一種用于中央空調的能耗優化方法，該方法包括：

步驟1：分別采集中央空調系統中蒸發器入口和出口溫度、冷凝器入口和出口溫度、冷凍水總流量、冷卻水總流量、冷水機組負荷率、室內環境溫度以及系統總功率，其中室內溫度以五層樓溫度求均值，并根據設備變頻器獲取冷凍水泵頻率、冷卻水泵頻率以及冷卻塔風機頻率，得到共Q個運行參數，Q的具體值根據設備數量確定，因為中央空調可能存在多個冷凍水泵、冷卻水泵、冷卻塔風機；

步驟2：對步驟1采集到的Q個運行參數進行預處理；

步驟2.1：對數據集進行歸一化處理；

式中：為歸一化后的第j個參數中的第i條運行數據，為歸一化前的對應數據，和分別為第j個參數中的最小值和最大值；

步驟2.2：結合設備參數的運行范圍剔除每個變量中的離群數據，之后采用基于密度的聚類方法對數據集在Q維空間進行聚類，得到一個不規則的簇，并去除其余運行數據點；