制冷系统能效优化方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种制冷系统能效优化方法、装置、电子设备及存储介质，制冷系统能效优化方法，包括：基于预设的冷启动线性模型，求解得到控制变量的梯度；基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，所述目标控制参数作为所述制冷系统进行下一次控制的控制参数；重复执行上述步骤直至目标控制参数收敛且状态稳定。本申请制冷系统能效优化方法、装置、电子设备及存储介质，可以使得计算的制冷系统的控制参数的精度较高，提高制冷系统能效优化的效果。

【技术实现步骤摘要】
制冷系统能效优化方法、装置、电子设备及存储介质
本申请涉及制冷系统
，具体而言，涉及一种制冷系统能效优化方法、装置、电子设备及存储介质。
技术介绍
制冷系统能效优化是将能耗最小化的优化问题，制冷系统能效优化可以减少能耗，提高能源利用率。目前，制冷系统能效优化主要采用的是策略优化方法，策略优化方法即根据经验总结出条件规则进行控制，其通常是无模型的，但是此种策略优化方法是根据经验总结出的条件规则，不够客观化，容易导致制冷系统的控制参数的计算精度不高，影响制冷系统能效优化的效果。
技术实现思路
本申请实施例的目的在于提供一种制冷系统能效优化方法、装置、电子设备及存储介质，可以使得计算的制冷系统的控制参数的精度较高，提高制冷系统能效优化的效果。第一方面，本申请实施例提供了一种制冷系统能效优化方法，包括：基于预设的冷启动线性模型，求解得到控制变量的梯度；基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，所述目标控制参数作为所述制冷系统进行下一次控制的控制参数；重复执行上述步骤直至目标控制参数收敛且状态稳定。在上述实现过程中，本申请实施例的制冷系统能效优化方法，通过预设的冷启动线性模型求解得到控制变量的梯度，基于控制变量、控制变量的梯度及蒙特卡洛法得到目标控制参数，更新预设的冷启动线性模型的模型参数，并重复执行上述步骤直至目标控制参数收敛且状态稳定，与现有技术相比，其利用了预设的冷启动线性模型，可以相对较为客观化，并且利用了蒙特卡洛法得到目标控制参数及更新模型参数，可以使得计算的制冷系统控制参数的精度较高，提高制冷系统能效优化的效果。进一步地，所述基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，包括：从所述控制变量中随机选择一个初始控制变量，随机概率服从由所述控制变量的梯度的大小建立的softmax分布；根据所述初始控制变量，计算得到目标控制参数；根据所述目标控制参数进行所述制冷系统的下一次控制，并获取所述制冷系统的运行数据；根据所述运行数据，更新所述预设的冷启动线性模型的模型参数。在上述实现过程中，该方法对蒙特卡洛法的利用，可以使得计算的制冷系统控制参数的精度更高，较好地提高制冷系统能效优化的效果。进一步地，所述根据所述初始控制变量，计算得到目标控制参数，包括：通过所述初始控制变量及随机数生成器，得到一个基于有界高斯分布的随机控制变量；根据所述初始控制变量、所述控制变量的梯度及所述随机控制变量，计算得到目标控制参数。在上述实现过程中，该方法通过初始控制变量及随机数生成器得到一个基于有界高斯分布的随机控制变量，再根据初始控制变量、控制变量的梯度及随机控制变量计算得到目标控制参数，可以较为准确地计算得到目标控制参数，使得计算的制冷系统控制参数较为精确。进一步地，所述根据所述初始控制变量、所述控制变量的梯度及所述随机控制变量，计算得到目标控制参数，包括：计算所述控制变量的梯度与所述预设的冷启动线性模型的学习率的乘积；将所述乘积、所述初始控制变量及所述随机控制变量相加，计算得到目标控制参数。在上述实现过程中，该方法将控制变量的梯度与预设的冷启动线性模型的学习率的乘积、初始控制变量及随机控制变量相加，可以更为准确地计算得到目标控制参数。进一步地，所述根据所述运行数据，更新所述预设的冷启动线性模型的模型参数，包括：根据所述运行数据，使用最小二乘法、梯度下降法、牛顿法或协方差估计法更新所述预设的冷启动线性模型的模型参数。在上述实现过程中，该方法可以较好地根据运行数据更新预设的冷启动线性模型的模型参数。进一步地，所述预设的冷启动线性模型通过以下步骤得到：获取所述制冷系统的历史运行数据；通过预设的线性模型基于所述历史运行数据进行模糊建模，得到所述预设的冷启动线性模型。在上述实现过程中，该方法通过预设的线性模型基于获取的制冷系统的历史运行数据进行模糊建模，得到预设的冷启动线性模型，可以使得预设的冷启动线性模型较为适用于本申请实施例的制冷系统能效优化方法，并且使得计算的制冷系统控制参数的精度较高，较好地提高制冷系统能效优化的效果。进一步地，所述预设的线性模型为field-aware线性模型。在上述实现过程中，预设的线性模型采用field-aware线性模型，可以大大地减少模糊建模所需要的制冷系统的历史运行数据，并且，field-aware线性模型具有较高的稳定性和效率，同时还能捕获控制参数和能耗之间的非线性关系，从而可以使得计算的制冷系统控制参数的精度更高，更好地提高制冷系统能效优化的效果。第二方面，本申请实施例提供了一种制冷系统能效优化装置，包括：梯度求解模块，用于基于预设的冷启动线性模型，求解得到控制变量的梯度；处理模块，用于基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，所述目标控制参数作为所述制冷系统进行下一次控制的控制参数。在上述实现过程中，本申请实施例的制冷系统能效优化装置，通过预设的冷启动线性模型求解得到控制变量的梯度，基于控制变量、控制变量的梯度及蒙特卡洛法得到目标控制参数，更新预设的冷启动线性模型的模型参数，并重复执行上述操作直至目标控制参数收敛且状态稳定，与现有技术相比，其利用了预设的冷启动线性模型，可以相对较为客观化，并且利用了蒙特卡洛法得到目标控制参数及更新模型参数，可以使得计算的制冷系统控制参数的精度较高，提高制冷系统能效优化的效果。第三方面，本申请实施例提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的制冷系统能效优化方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的制冷系统能效优化方法。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例一提供的制冷系统能效优化方法的流程示意图；图2为本申请实施例一提供的得到预设的冷启动线性模型的流程示意图；图3为本申请实施例一提供的步骤S120的流程示意图；图4为本申请实施例二提供的制冷系统能效优化装置的结构框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后本文档来自技高网...

【技术保护点】
1.一种制冷系统能效优化方法，其特征在于，包括：/n基于预设的冷启动线性模型，求解得到控制变量的梯度；/n基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，所述目标控制参数作为所述制冷系统进行下一次控制的控制参数；/n重复执行上述步骤直至目标控制参数收敛且状态稳定。/n

【技术特征摘要】
1.一种制冷系统能效优化方法，其特征在于，包括：
基于预设的冷启动线性模型，求解得到控制变量的梯度；
基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，所述目标控制参数作为所述制冷系统进行下一次控制的控制参数；
重复执行上述步骤直至目标控制参数收敛且状态稳定。


2.根据权利要求1所述的制冷系统能效优化方法，其特征在于，所述基于所述控制变量、所述控制变量的梯度及蒙特卡洛法，得到目标控制参数，并更新所述预设的冷启动线性模型的模型参数，包括：
从所述控制变量中随机选择一个初始控制变量，随机概率服从由所述控制变量的梯度的大小建立的softmax分布；
根据所述初始控制变量，计算得到目标控制参数；
根据所述目标控制参数进行所述制冷系统的下一次控制，并获取所述制冷系统的运行数据；
根据所述运行数据，更新所述预设的冷启动线性模型的模型参数。


3.根据权利要求2所述的制冷系统能效优化方法，其特征在于，所述根据所述初始控制变量，计算得到目标控制参数，包括：
通过所述初始控制变量及随机数生成器，得到一个基于有界高斯分布的随机控制变量；
根据所述初始控制变量、所述控制变量的梯度及所述随机控制变量，计算得到目标控制参数。


4.根据权利要求3所述的制冷系统能效优化方法，其特征在于，所述根据所述初始控制变量、所述控制变量的梯度及所述随机控制变量，计算得到目标控制参数，包括：
计算所述控制变量的梯度与所述预设的冷启动线性模型的学习率的乘积；
将所述乘...

【专利技术属性】
技术研发人员：张发恩，马凡贺，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11