【技术实现步骤摘要】
空调自学习最优控制系统
本专利技术涉及冰蓄冷空调
,具体涉及一种空调自学习最优控制系统。
技术介绍
冰蓄冷空调技术是通过控制空调系统,使其在夜间用电低谷时制冰,白天用电高峰时释放冷量,实现电网的削峰填谷,从而起到开发低谷用电、优化资源配置、保护生态环境的作用。然而目前的冰蓄冷空调技术常用的控制策略因为蓄冰不足、蓄冰过量或制冷机不恰当运行造成了空调使用费用过高的问题。另外,由于控制策略本身的局限导致用户无法在使用空调时达到最高的经济效益。
技术实现思路
为了解决现有技术中的上述问题,即为了解决如何最大程度降低用户使用空调的经济成本的技术问题,本专利技术提供了一种空调自学习最优控制系统。本专利技术中的空调自学习最优控制系统适用于冰蓄冷空调,所述冰蓄冷空调包括蓄冷设备、空调制冷机和冷量转换器;所述蓄冷设备与所述冷量转换器相连,用于满足所述冰蓄冷空调的冷负荷需求;所述系统包括冷负荷需求获取装置、近似最优控制策略获取装置、局部迭代判断装置和全局迭代判断装置;所述冷负荷需求获取装置,配置为利用预设的冷负荷预测模型获取冷负荷需求,并对所获取的冷负荷需求进行归一化处理;所述近似最优控制策略获取装置,配置为依据实时电价、蓄冷设备余冷量、蓄冷设备的供冷/蓄冷量和预设的蓄冷设备控制策略,以及所述冷负荷需求获取装置所获取的冷负荷需求,利用预设的评价网络获取性能指标值,并选取最小的性能指标值所对应的预设的蓄冷设备控制策略作为近似最优控制策略;所述局部迭代判断装置,配置为判断所述预设的评价网络是否完成局部迭代,若是则更新所述近似最优控制策略获取装置所获取的最优性能指标值和近似最优控 ...
【技术保护点】
1.一种空调自学习最优控制系统,其特征在于,所述系统适用于冰蓄冷空调,所述冰蓄冷空调包括蓄冷设备、空调制冷机和冷量转换器;所述蓄冷设备与所述冷量转换器相连,用于满足所述冰蓄冷空调的冷负荷需求;所述系统包括冷负荷需求获取装置、近似最优控制策略获取装置、局部迭代判断装置和全局迭代判断装置;所述冷负荷需求获取装置,配置为利用预设的冷负荷预测模型获取冷负荷需求,并对所获取的冷负荷需求进行归一化处理;所述近似最优控制策略获取装置,配置为依据实时电价、蓄冷设备余冷量、蓄冷设备的供冷/蓄冷量和预设的蓄冷设备控制策略,以及所述冷负荷需求获取装置所获取的冷负荷需求,利用预设的评价网络获取性能指标值,并选取最小的性能指标值所对应的预设的蓄冷设备控制策略作为近似最优控制策略;所述局部迭代判断装置,配置为判断所述预设的评价网络是否完成局部迭代,若是则更新所述近似最优控制策略获取装置所获取的最优性能指标值和近似最优控制策略;所述全局迭代判断装置,配置为判断所述预设的评价网络是否完成全局迭代,若是则依据所述局部迭代判断装置所获取的更新后的近似最优控制策略作为最优控制策略,并计算用户成本。
【技术特征摘要】
1.一种空调自学习最优控制系统,其特征在于,所述系统适用于冰蓄冷空调,所述冰蓄冷空调包括蓄冷设备、空调制冷机和冷量转换器;所述蓄冷设备与所述冷量转换器相连,用于满足所述冰蓄冷空调的冷负荷需求;所述系统包括冷负荷需求获取装置、近似最优控制策略获取装置、局部迭代判断装置和全局迭代判断装置;所述冷负荷需求获取装置,配置为利用预设的冷负荷预测模型获取冷负荷需求,并对所获取的冷负荷需求进行归一化处理;所述近似最优控制策略获取装置,配置为依据实时电价、蓄冷设备余冷量、蓄冷设备的供冷/蓄冷量和预设的蓄冷设备控制策略,以及所述冷负荷需求获取装置所获取的冷负荷需求,利用预设的评价网络获取性能指标值,并选取最小的性能指标值所对应的预设的蓄冷设备控制策略作为近似最优控制策略;所述局部迭代判断装置,配置为判断所述预设的评价网络是否完成局部迭代,若是则更新所述近似最优控制策略获取装置所获取的最优性能指标值和近似最优控制策略;所述全局迭代判断装置,配置为判断所述预设的评价网络是否完成全局迭代,若是则依据所述局部迭代判断装置所获取的更新后的近似最优控制策略作为最优控制策略,并计算用户成本。2.根据权利要求1所述的空调自学习最优控制系统,其特征在于,所述预设的蓄冷设备控制策略包括蓄冷模式、闲置模式和供冷模式;所述蓄冷模式为利用所述空调制冷机制冷并利用所述蓄冷设备蓄冷;所述闲置模式为利用所述空调制冷机制冷并控制所述蓄冷设备保持恒定状态;所述供冷模式为利用所述蓄冷设备制冷。3.根据权利要求1所述的空调自学习最优控制系统,其特征在于,所述预设的冷负荷预测模型为依据BP神经网络构建的模型,所述预设的冷负荷预测模型包括输入层、隐含层、输出层;所述输入层节点数量为9,所述隐含层节点数量为19,所述输出层节点数量为1。4.根据权利要求1所述的空调自学习最优控制系统,其特征在于,所述预设的评价网络为神经网络模型,所述预设的评价网络包括输入层、隐含层、输出层;所述输入层的节点数量为4,所述隐含层的节点数量为9,所述输出层的节点数量为1。5.根据权利要求1所述的空调自学习最优控制系统,其特征在于,所述近似最优控制策略获取装置包括权值修正模块、性能指标函数获取模块和近似最优控制策略获取模块;所述权值修正模块,配置为在预设数据范围内对所述预设的评价网络的权值随机初始化,并利用ADP训练所述预设的评价网络,以及依据下式所示方法修正所获取的初始化后的预设的评价网络的权值:其中,所述Wcj(k)为预设的评价网络的权值,所述c表示所述预设的评价网络,所述j=1或j=2,Wc1为预设的评价网络的输入层节点与隐含层节点之间的权值,Wc2为预设的评价网络的隐含层节点与输出层节点之间的权值;所述lc为预设的评价网络的学习率,所述Ec(k)为误差函数,且所述为在k时刻预设的评价网络的实际输出,所述U(k+1)为在k+1时刻的效用函数值,效用函数为在k时刻用...
【专利技术属性】
技术研发人员:魏庆来,廖泽华,宋睿卓,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。