冷水机组人工智能控制方法、装置、存储介质及终端设备制造方法及图纸

本发明专利技术公开了一种冷水机组人工智能控制方法，包括：建立冷负荷预测模型；获取采集一定时间内的冷水机组的历史天气及生产数据作为第一训练数据；将所述第一训练数据通过第一机器学习算法对所述冷负荷预测模型进行训练；对训练完成的所述冷负荷预测模型输入未来的天气预报数据和生产计划，以使所述冷负荷预测模型输出预定时间内的冷负荷需求；还包括：建立冷机模型；获取采集一定时间内的冷机历史数据作为第二训练数据；将第二训练数据通过第二机器学习算法对冷机模型进行训练；对训练完成的所述冷机模型输入所述冷负荷预测模型输出的预定时间内冷负荷需求，作为输入数据，以输出所述冷负荷预测模型和所述冷机模型组合优化后的冷负荷需求数据。

Artificial Intelligence Control Method, Device, Storage Medium and Terminal Equipment for Water Chillers

【技术实现步骤摘要】
冷水机组人工智能控制方法、装置、存储介质及终端设备
本专利技术涉及智能控制
，尤其涉及一种冷水机组人工智能控制方法、装置、存储介质及终端设备。
技术介绍
目前国内大部分使用冷水机组的场合主要是靠现场设备管理人员和巡检人员对设备进行操作，较少场合在使用一些节能管理系统，这些系统会根据机房设备参数对设备进行调节；但是，现场冷机管理人员调节设备往往需要多年的现场经验和相关专业背景，冷机能耗与现场的人员专业程度有很大的关系；而现有的节能管理系统仅仅通过简单的逻辑是对人员下发一些简单的控制建议，智能化程度不高，且没办法预测未来的冷负荷来对设备做相应的设备排期。因此，目前亟需一种可以在无需现场人员的干预下依据末端工况反馈对冷水机组的冷负荷进行准确预测的智能控制方法。
技术实现思路
本专利技术提供了一种冷水机组人工智能控制方法、装置、存储介质及终端设备，以解决目前无法对冷水机组的未来冷负荷进行预测的技术问题，从而通过历史天气及生产数据对建立的冷负荷预测模型进行训练，进而实现在无需现场人员的干预下依据末端工况反馈对冷水机组的冷负荷进行准确预测。为了解决上述技术问题，本专利技术实施例提供了一种冷水机本文档来自技高网...

【技术保护点】
1.一种冷水机组人工智能控制方法，其特征在于，包括：建立冷负荷预测模型；获取采集一定时间内的冷水机组的历史天气及生产数据作为第一训练数据；将所述第一训练数据通过第一机器学习算法对所述冷负荷预测模型进行训练；对训练完成的所述冷负荷预测模型输入未来的天气预报数据和生产计划，以使所述冷负荷预测模型输出预定时间内的冷负荷需求。

【技术特征摘要】
1.一种冷水机组人工智能控制方法，其特征在于，包括：建立冷负荷预测模型；获取采集一定时间内的冷水机组的历史天气及生产数据作为第一训练数据；将所述第一训练数据通过第一机器学习算法对所述冷负荷预测模型进行训练；对训练完成的所述冷负荷预测模型输入未来的天气预报数据和生产计划，以使所述冷负荷预测模型输出预定时间内的冷负荷需求。2.如权利要求1所述的冷水机组人工智能控制方法，其特征在于，所述第一机器学习算法，包括SVM回归算法、随机森林算法、stacking算法和LSTM算法。3.如权利要求1所述的冷水机组人工智能控制方法，其特征在于，所述第一训练数据包括历史天气数据、客户人员数据和生产数据。4.如权利要求1所述的冷水机组人工智能控制方法，其特征在于，还包括：建立冷机模型；获取采集一定时间内的冷机历史数据作为第二训练数据；将所述第二训练数据通过第二机器学习算法对所述冷机模型进行训练；对训练完成的所述冷机模型输入所述冷负荷预测模型输出的预定时间内冷负荷需求，作为输入数据，以输出所述冷负荷预测模型和所述冷机模型组合优化后的冷负荷需求数据。5.如权利要求4所述的冷水机组人工智能控制方法，其特征在于，所述第二训练数据包括冷机的各项关键参数。6.如权利要求4所述的冷水机组人工智能控制方法，其特征在于，所述第二机器学习算法包括：SVM回归算法、神经网络算法、lightbgm、随机森林算法或stacking算法。7.一...

【专利技术属性】
技术研发人员：胡佳，
申请(专利权)人：广州汇电云联互联网科技有限公司，
类型：发明
国别省市：广东,44