基于决策技术的空调机能量使用测控方法及系统技术方案

本发明专利技术公开了一种基于决策技术的空调机能量使用测控方法及系统，涉及人工智能监控技术领域，该方法包括当监控中心没有接收到移动用户端发送的主控消息时，获取与监控中心连接的一台或两台以上空调机的当前设定温度值和湿度值，以及每一空调机的强温控区域内的每台运算处理设备的当前负载占比值；根据此采用强化学习算法找到最佳的各台运算处理设备的预测负载占比值和各台空调机的预测设定温度值和湿度值之间的组合，使所有空调机和运算处理设备的总耗电量最小，从而实现了对空调机的实时智能在线统筹控制和全局能耗优化，控制响应快，且对能源、资源的利用率都能极大提高。资源的利用率都能极大提高。资源的利用率都能极大提高。

【技术实现步骤摘要】
基于决策技术的空调机能量使用测控方法及系统


[0001]本专利技术涉及人工智能监控
，具体涉及一种基于决策技术的空调机能量使用测控方法及系统。

技术介绍

[0002]在设置有多个服务器、存储器、交换机等运算处理设备的室内，为了使运算处理设备在预先设定的规定范围内的温湿度环境下正常运作，需要根据温湿度传感器等测量结果来调整空调机的工作条件。因为当运算处理设备高效运作时便伴随着集中发热，所以为了避免在空调机故障或停电时室内温度上升导致运算处理设备发生高温故障，往往会将室内空调机的温度设置得过低，造成能源资源浪费。
[0003]现有技术中通常会根据温湿度传感器等的当前测量结果，采用预测估计的方法来估计预设时间段后室内温湿度环境是否还处于规定范围内，对空调机的工作条件设置是否合理做出评价，从而依据该评价结果来调整空调机的工作条件。但是，一般的预测估计的方法在得到评价结果之前往往需要较长时间的计算，所以无法实现对空调机的在线控制，控制时效上存在滞后。

技术实现思路

[0004]因此，为了克服上述缺陷，本专利技术实施例提供一种基于决策技术的空调机能量使用测控方法及系统，能够实时智能监控空调机的能量使用量，从而避免能源资源浪费。
[0005]为此，本专利技术实施例的一种基于决策技术的空调机能量使用测控方法，应用于监控中心，包括以下步骤：
[0006]S101、判断是否接收到移动用户端发送的主控消息，所述主控消息中包含空调机标识信息和主控温度值和湿度值信息的内容，主控温度值和湿度值信息为对所述空调机标识信息所指示的空调机自主设定的工作参数值，使其在所述主控温度值和湿度值下工作；
[0007]S102、当没有接收到移动用户端发送的主控消息时，获取与监控中心连接的一台或两台以上空调机的当前设定温度值和湿度值，以及每一空调机的强温控区域内的每台运算处理设备的当前负载占比值；
[0008]S103、根据所述当前设定温度值和湿度值以及所述当前负载占比值，采用强化学习算法找到最佳的各台运算处理设备的预测负载占比值和各台空调机的预测设定温度值和湿度值之间的组合，使所有空调机和运算处理设备的总耗电量最小；
[0009]S104、优化控制每一空调机在各自的预测设定温度值和湿度值下工作；
[0010]S105、优化控制每一空调机的强温控区域内的各台运算处理设备调整负载分配策略，使各台运算处理设备在各自的预测负载占比值下工作。
[0011]优选地，所述S103的步骤包括：
[0012]S31、基于所述当前设定温度值和湿度值以及所述当前负载占比值，根据预设预测模型，计算获得所有空调机和运算处理设备的总耗电量最小时，各台运算处理设备的预测
负载占比值和各台空调机的预测设定温度值和湿度值；所述预设预测模型通过使用样本集对神经网络模型进行训练得到，所述样本集的元素包括预设历史时间段内每个空调机的设定温度值和湿度值和在设定温度值和湿度值下所有空调机和运算处理设备的总耗电量最小时每个空调机的强温控区域内的各台运算处理设备的负载占比值。
[0013]优选地，所述神经网络模型为GRU模型。
[0014]优选地，还包括以下步骤：
[0015]S106、当接收到移动用户端发送的主控消息时，控制所述空调机标识信息所指示的空调机在所述主控温度值和湿度值下工作。
[0016]优选地，还包括以下步骤：
[0017]S107、获取预设时长内所有空调机分别在预测设定温度值和湿度值和所有运算处理设备在预测负载占比值下工作时的总耗电量；
[0018]S108、根据所述预设时长内的总耗电量对预设耗电量
‑
时间关系曲线进行修正，获得耗电量
‑
时间关系更新曲线；
[0019]S109、基于所述耗电量
‑
时间关系更新曲线和预设各时段电价，根据价值模型计算获得降低总耗电量后所产生的价值。
[0020]本专利技术实施例的一种基于决策技术的空调机能量使用测控方法，应用于移动用户端，包括以下步骤：
[0021]S201、获取监控中心发送的第一参数消息和第二参数消息，所述第一参数消息中包含所有空调机的标识信息、当前设定温度值和湿度值信息和强温控区域内的运算处理设备的标识信息的内容，所述第二参数消息中包含所有运算处理设备的当前负载占比值的内容；
[0022]S202、显示每个空调机的标识信息所指示的空调机的当前设定温度值和湿度值，以及显示每个空调机的标识信息所指示的空调机的强温控区域内的所有运算处理设备的标识信息所指示的运算处理设备的当前负载占比值。
[0023]优选地，还包括以下步骤：
[0024]S203、获取监控中心发送的第三参数消息和第四参数消息，所述第三参数消息中包含所有空调机的标识信息、预测设定温度值和湿度值信息和强温控区域内的运算处理设备的标识信息的内容，所述第四参数消息中包含所有运算处理设备的预测负载占比值的内容；
[0025]S204、显示每个空调机的标识信息所指示的空调机的预测设定温度值和湿度值，以及显示每个空调机的标识信息所指示的空调机的强温控区域内的所有运算处理设备的标识信息所指示的运算处理设备的预测负载占比值。
[0026]本专利技术实施例的一种计算机程序产品，包括计算机程序，其存储在计算机可读存储介质上，并且适合于在计算机上执行，所述计算机程序包括适于当其在所述计算机上运行时执行上述应用于监控中心的基于决策技术的空调机能量使用测控方法的步骤的指令。
[0027]本专利技术实施例的一种计算机程序产品，包括计算机程序，其存储在计算机可读存储介质上，并且适合于在计算机上执行，所述计算机程序包括适于当其在所述计算机上运行时执行上述应用于移动用户端的基于决策技术的空调机能量使用测控方法的步骤的指令。
[0028]本专利技术实施例的一种基于决策技术的空调机能量使用测控系统，包括监控中心、一台或两台以上空调机、一台或两台以上运算处理设备和移动用户端；监控中心分别与各台空调机、各台运算处理设备和移动用户端进行通信；
[0029]所述监控中心用于包括执行上述应用于监控中心的基于决策技术的空调机能量使用测控方法的步骤；
[0030]所述移动用户端用于包括执行上述应用于移动用户端的基于决策技术的空调机能量使用测控方法的步骤；
[0031]所述空调机用于包括在所述监控中心的优化控制下按照预测设定温度值和湿度值进行工作或在移动用户端的控制下按照主控温度值和湿度值进行工作；
[0032]所述运算处理设备用于包括在所述监控中心的优化控制下按照预测负载占比值进行工作。
[0033]本专利技术实施例的基于决策技术的空调机能量使用测控方法、程序产品及系统，具有如下优点：
[0034]1.省去了对温湿度环境的现场检测与预测估计环节，从而可直接依据当前运算处理设备的负载占比情况来调节空调机的设定温湿度工作参数，极大地缩短了预测所需的计算时长，实现对空调机的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策技术的空调机能量使用测控方法，应用于监控中心，其特征在于，包括以下步骤：S101、判断是否接收到移动用户端发送的主控消息，所述主控消息中包含空调机标识信息和主控温度值和湿度值信息的内容，主控温度值和湿度值信息为对所述空调机标识信息所指示的空调机自主设定的工作参数值，使其在所述主控温度值和湿度值下工作；S102、当没有接收到移动用户端发送的主控消息时，获取与监控中心连接的一台或两台以上空调机的当前设定温度值和湿度值，以及每一空调机的强温控区域内的每台运算处理设备的当前负载占比值；S103、根据所述当前设定温度值和湿度值以及所述当前负载占比值，采用强化学习算法找到最佳的各台运算处理设备的预测负载占比值和各台空调机的预测设定温度值和湿度值之间的组合，使所有空调机和运算处理设备的总耗电量最小；S104、优化控制每一空调机在各自的预测设定温度值和湿度值下工作；S105、优化控制每一空调机的强温控区域内的各台运算处理设备调整负载分配策略，使各台运算处理设备在各自的预测负载占比值下工作。2.根据权利要求1所述的方法，其特征在于，所述S103的步骤包括：S31、基于所述当前设定温度值和湿度值以及所述当前负载占比值，根据预设预测模型，计算获得所有空调机和运算处理设备的总耗电量最小时，各台运算处理设备的预测负载占比值和各台空调机的预测设定温度值和湿度值；所述预设预测模型通过使用样本集对神经网络模型进行训练得到，所述样本集的元素包括预设历史时间段内每个空调机的设定温度值和湿度值和在设定温度值和湿度值下所有空调机和运算处理设备的总耗电量最小时每个空调机的强温控区域内的各台运算处理设备的负载占比值。3.根据权利要求2所述的方法，其特征在于，所述神经网络模型为GRU模型。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，还包括以下步骤：S106、当接收到移动用户端发送的主控消息时，控制所述空调机标识信息所指示的空调机在所述主控温度值和湿度值下工作。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，还包括以下步骤：S107、获取预设时长内所有空调机分别在预测设定温度值和湿度值和所有运算处理设备在预测负载占比值下工作时的总耗电量；S108、根据所述预设时长内的总耗电量对预设耗电量
‑
时间关系曲线进行修正，获得耗电量
‑
时间关系更新曲线；S109、基于所述耗电量
‑
时间关系更新曲线和预设各时段电价，根据价值模型计算获得降低...

【专利技术属性】
技术研发人员：王海，李东东，张大鹏，
申请(专利权)人：特斯联科技集团有限公司，
类型：发明
国别省市：