一种基于BP神经网络的空调能耗诊断系统技术方案

本实用新型专利技术公开了空调能耗诊断技术领域的一种基于BP神经网络的空调能耗诊断系统，包括数据处理器，所述数据处理器通过电缆分别与楼宇自控系统、路由器电性连接，所述数据处理器通过连接线分别与气压传感器、温度传感器、风速风向传感器、太阳直射辐照仪、太阳散射辐照仪、太阳总辐照仪、电子湿度计固定连接，系统中通过气压传感器、温度传感器、风速风向传感器、太阳直射辐照仪、太阳散射辐照仪、太阳总辐照仪、电子湿度计通过RS485/232连接线连接到数据处理器，数据处理器通过网络线连接到互联网和楼宇自控系统，可以诊断设备能效状态，处于高效、中效还是低效，处于低效状态时发出警告，通知设备维护人员对设备进行调整。

【技术实现步骤摘要】
一种基于BP神经网络的空调能耗诊断系统
本技术涉及空调能耗诊断
，具体为一种基于BP神经网络的空调能耗诊断系统。
技术介绍
传统建筑设备管理系统，只对设备的相关参数进行采集监测和报警，常规的设备诊断系统基于规则集进行故障诊断，但是对于系统运行的能效性能无法监测，因此无法通知设备管理人员对设备进行调整使设备运行在高效状态，为此，我们提出一种基于BP神经网络的空调能耗诊断系统。
技术实现思路
本技术的目的在于提供一种基于BP神经网络的空调能耗诊断系统，以解决上述
技术介绍
中提出的问题。为实现上述目的，本技术提供如下技术方案：一种基于BP神经网络的空调能耗诊断系统，包括数据处理器，所述数据处理器通过电缆分别与楼宇自控系统、路由器电性连接，所述数据处理器通过连接线分别与气压传感器、温度传感器、风速风向传感器、太阳直射辐照仪、太阳散射辐照仪、太阳总辐照仪、电子湿度计固定连接。优选的，所述连接线为RS485/232连接线，所述电缆为网络电缆。优选的，所述楼宇自控系统包括空调用电量检测单元。与现有技术相比，本技术的有益效果是：系统中通过气压传感器、温度传感器、风速风向传感器、太阳直射辐照仪、太阳散射辐照仪、太阳总辐照仪、电子湿度计通过RS485/232连接线连接到数据处理器，数据处理器通过网络电缆与互联网和楼宇自控系统连接，用于接收外界数据信息和楼宇空调设备的数据信息，通过对数据信息进行处理分析，从而可以诊断设备能效状态，处于高效、中效还是低效，处于低效状态时发出警告，通知设备维护人员对设备进行调整。附图说明图1为本技术结构示意图。图中：1、气压传感器；2、温度传感器；3、风速风向传感器；4、太阳直射辐照仪；5、太阳散射辐照仪；6、太阳总辐照仪；7、电子湿度计；8、电缆；9、楼宇自控系统；10、连接线；11、数据处理器。具体实施方式下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。本技术提供一种技术方案：一种基于BP神经网络的空调能耗诊断系统，请参阅图1，包括数据处理器11，数据处理器11运行了一个人工神经网络程序，用于对采集的信息数据进行处理计算；请参阅图1，数据处理器11通过电缆8分别与楼宇自控系统9、路由器电性连接，楼宇自控系统9向数据处理器11发送空调设备实时电量数据，数据处理器11通过线路与路由器连接，使数据处理器11与互联网或以太网连接，通过互联网采集天气预报信息；请参阅图1，数据处理器11通过连接线10分别与气压传感器1、温度传感器2、风速风向传感器3、太阳直射辐照仪4、太阳散射辐照仪5、太阳总辐照仪6、电子湿度计7固定连接，通过这些设备采集大气压力、温度、风速、风向、太阳总辐射、太阳直射辐射和太阳散射辐射等实时数据，并将数据传输至数据处理器11中；请参阅图1，连接线10为RS485/232连接线，数据处理器11通过RS485/232连接线与气压传感器1、温度传感器2、风速风向传感器3、太阳直射辐照仪4、太阳散射辐照仪5、太阳总辐照仪6、电子湿度计7进行连接的，通过这些设备采集数据，电缆8为网络电缆；请再次参阅图1，楼宇自控系统9包括空调用电量检测单元，通过楼宇自控系统9对空调设备的实时电量数据进行检测，用于将数据传输到数据处理器11中进行计算。工作原理：步骤1：数据处理器11采集楼宇自控系统9发送过来的空调设备实时电量数据，并通过气压传感器1、温度传感器2、风速风向传感器3、太阳直射辐照仪4、太阳散射辐照仪5、太阳总辐照仪6、电子湿度计7采集大气压力、温度、风速、风向、太阳总辐射、太阳直射辐射和太阳散射辐射等实时数据；步骤2：分析步骤1采集得到的数据，对其开展特征值提取和降维工作；步骤3：对步骤1提取得到的特征值开展在线训练，从而获得在线神经网络，在线训练的算法如下：步骤31：若已将k-1组训练样本进行离线训练，并获得了最佳权值wk-1和偏差bk-1，则将权值wk-1和偏差bk-1作为第k组训练样本进行在线训练网络的初始权值和偏差；步骤32：计算初始权值和偏差的条件下在线神经网络的实际输出；步骤33：利用在线神经网络的实际输出和期望输出计算各神经元的输出误差，并进一步计算累计误差能量，神经元的输出误差计算公式如下：ekp(n)＝Σykp(n)ln(dkp(n))+(1-ykp(n))ln(1-dkp(n))累计误差能量计算公式如下：其中，n为迭代次数，ekp为执行第k组训练样本时第p个神经元的输出误差值，dkp为执行第k组训练样本时第p个神经元的期望输出值，ykp为执行第k组训练样本时第p个神经元的实际输出值，E(n)为累计误差能量，P为神经元个数；步骤34：根据梯度下降学习规则完成权值和偏差的更新，经过多次迭代，最终获得新的权值wk和偏差bk，并将获得新的权值wk和偏差bk作为下一组训练样本的初始权值和偏差，重复步骤32-步骤34完成下一组训练样本的在线训练；其中，梯度下降学习规则按照以下公式定义局部梯度：其中，a为求导参数量，为P个神经元中第p个神经元的局部梯度；步骤4：数据处理器11通过互联网采集天气预报信息，对天气预报中的信息进行提取处理，得到需要的数据信息，再将从天气预报中得到的气压传感器1、温度传感器2、风速风向传感器3、太阳直射辐照仪4、太阳散射辐照仪5、太阳总辐照仪6、电子湿度计7采集大气压力、温度、风速、风向、太阳总辐射、太阳直射辐射和太阳散射辐射等数据输入到训练好的神经网络中进行电量预测，如果实际监测的电量数据比实际预测的数据高20%以上，则意味着设备处于低效运行状态，诊断系统发出警告。尽管已经示出和描述了本技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本技术的范围由所附权利要求及其等同物限定。本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的空调能耗诊断系统，包括数据处理器（11），其特征在于：所述数据处理器（11）通过电缆（8）分别与楼宇自控系统（9）、路由器电性连接，所述数据处理器（11）通过连接线（10）分别与气压传感器（1）、温度传感器（2）、风速风向传感器（3）、太阳直射辐照仪（4）、太阳散射辐照仪（5）、太阳总辐照仪（6）、电子湿度计（7）固定连接。/n

【技术特征摘要】
1.一种基于BP神经网络的空调能耗诊断系统，包括数据处理器（11），其特征在于：所述数据处理器（11）通过电缆（8）分别与楼宇自控系统（9）、路由器电性连接，所述数据处理器（11）通过连接线（10）分别与气压传感器（1）、温度传感器（2）、风速风向传感器（3）、太阳直射辐照仪（4）、太阳散射辐照仪（5）、太阳总辐照仪（6）、电子湿度...

【专利技术属性】
技术研发人员：赵永青，李芳芳，
申请(专利权)人：湖南零致声学科技有限公司，
类型：新型
国别省市：湖南;43