基于遗传算法的中央空调节能控制方法技术

本发明专利技术公开了基于遗传算法的中央空调节能控制方法，包括下列步骤：构建中央空调BP神经网络模型和中央空调关联规则模型，特征子集作为模型输出；从中央空调系统负荷分配优化方面，使用遗传算法对中央空调BP神经网络模型进行优化，引入中央空调关联规则模型，提出了基于改进遗传算法的优化策略，通过实际数据验证其优化结果的可行性；从优化结果的迭代次数和节能率的角度出发，分析比较混合遗传关联算法和遗传算法的优化过程；通过对混合遗传关联算法的优化数据拟合，对优化后的中央空调控制系统参数趋势进行分析。本发明专利技术通过人工智能建模技术和学习理论，对系统运行数据信息分析，为空调运行运行决策和判断提供支持和比对，实现智慧节能。智慧节能。智慧节能。

【技术实现步骤摘要】
基于遗传算法的中央空调节能控制方法


[0001]本专利技术涉及空调设备智慧节能
，具体涉及基于遗传算法的中央空调节能控制方法。

技术介绍

[0002]中央空调制冷系统分为直接制冷系统和间接制冷系统两大类，间接制冷系统，即中央空调的冷源系统循环、冷冻水循环、室内空气循环、冷却水循环系统，工作原理如附图1所示。系统运行过程中，任何变化，如中央空调管网结构复杂，造成水力失衡的现象，以及室外气象条件和室内负荷的不断变化，系统无法快速自适应调节等因素，最终造成了中央空调能耗较高。为了达到节能降耗的目标，最常规的解决办法是将冷冻水泵、冷却水泵、冷却塔等设备进行变频控制，实际是仅针对设备进行独立的变频控制无法做到降低整个中央空调系统的能耗，甚至可能适得其反，由于设备工作点偏移，系统无法满足实际负荷变化的需求，导致系统整体能耗的浪费，目前虽然有一些机房控制和系统运行数据判别的软件，实际应用中需要很多传感点位的实际映射，如果数据掉包或出现偏差，就无法有效做出判断，甚至是误判，造成能源的浪费，另外现有很多自动化编程人员，不具备暖通专业的知识，对制冷原理和空调运行规律不了解，无法准确分析各监测参数的意义，简单通过专家数据比对，针对某些状态，会列出多个问题判断选项，这就需要有一定暖通基础工程师现场判断。现有的运维场景中，由于用户工程人员的流动性高，能力质素差异大，缺乏经验导致发现和判定现场问题时存在困难，往往出现人为的误判。另由于设备图纸和点位信息往往不对应，或者设备掉线，数据不完整，给运维带来诸多不便和高能耗运行。
[0003]目前采用中央空调的系统中，因为国内设计习惯和规范，经常会出现两套系统：楼宇自动化控制系统(BAS)和空调控制系统（BMS）两套数据采集系统，并将系统存储在指定数据库内（如Oracle数据库）。现在市面上大多软硬件均需要授权才能获得数据源，因种种因素，这类授权开放会比较繁琐，甚至还会有额外的费用。
[0004]由于信息化的发展中央空调实时监控数据量非常巨大，但是这些数据很少得到充分的利用。虽然当前的数据库系统可以有效地输入，查询和统计数据库，但是这些传统的数据库操作技术只是获取数据表面的统计信息，这些信息需要有专业知识的工程才能分析和利用。普通工作人员很难发现深层的看似无关联的信息。

技术实现思路

[0005]本专利技术提供一种基于遗传算法的中央空调节能控制方法，采用数据挖掘技术，并基于概率论与统计学，通过人工智能建模技术和学习理论，对系统运行数据信息分析，为空调运行运行决策和判断提供支持和比对，从而快速判断系统故障和提供优化策略。
[0006]基于遗传算法的中央空调节能控制方法，包括下列步骤：中央空调数据挖掘建模：对中央空调原始数据进行预处理，并通过分析筛选出特
征子集，构建中央空调BP神经网络模型和中央空调关联规则模型，特征子集作为模型输出；中央空调节能策略优化算法：从中央空调系统负荷分配优化方面，使用遗传算法对中央空调BP神经网络模型进行优化，引入中央空调关联规则模型，提出了基于改进遗传算法的优化策略，称为混合遗传关联算法，混合遗传关联算法通过关联规则模型改善遗传操作中染色体的相关性，通过实际数据验证其优化结果的可行性；中央空调节能策略对比分析：通过对两种典型负荷率50%、75%和90%下的机组控制参数寻优，从优化结果的迭代次数和节能率的角度出发，分析比较混合遗传关联算法和遗传算法的优化过程；中央空调节能策略结果分析：通过对混合遗传关联算法的优化数据拟合，将得到不同控制变量随负荷率和能耗比变化的趋势图，对优化后的中央空调控制系统参数趋势进行分析，并进行优化控制。
[0007]本专利技术与现有技术相比，具有如下的优点和有益效果：1、本专利技术基于遗传算法的中央空调节能控制方法，通过人工智能建模技术和学习理论，对系统运行数据信息分析，为空调运行运行决策和判断提供支持和比对，从而快速判断系统故障和提供优化策略，实现智能化节能控制；2、本专利技术基于遗传算法的中央空调节能控制方法，实现针对每个不同运行状态系统中，空调能耗数据采集和分析，再采用Matlab进一步实现不同负荷率下单个设备和整体系统运行状态判断，为中央空调系统的能量分析和节能控制提供重要的改进措施和决策依据。
附图说明
[0008]此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：附图1为现有中央空调系统工作原理图；附图2为本专利技术节能控制方法应用拓扑图；附图3为系统优化曲线图；附图4为系统运行趋势分析图。
具体实施方式
[0009]下面结合实施例和附图对本专利技术进行进一步描述。以下实施例仅为本专利技术的几个具体实施例，但本专利技术的设计构思并不局限于此，凡利用此构思对本专利技术进行非实质性的改动，均应属于侵犯本专利技术保护范围的行为。
实施例
[0010]基于遗传算法的中央空调节能控制方法，结合附图2，包括下列步骤：中央空调数据挖掘建模：对中央空调原始数据进行预处理，并通过分析筛选出特征子集，构建中央空调BP神经网络模型和中央空调关联规则模型，特征子集作为模型输出；中央空调节能策略优化算法：从中央空调系统负荷分配优化方面，使用遗传算法对中央空调BP神经网络模型进行优化，引入中央空调关联规则模型，提出了基于改进遗传
算法的优化策略，称为混合遗传关联算法，混合遗传关联算法通过关联规则模型改善遗传操作中染色体的相关性，通过实际数据验证其优化结果的可行性；中央空调节能策略对比分析：通过对两种典型负荷率50%、75%和90%下的机组控制参数寻优，从优化结果的迭代次数和节能率的角度出发，分析比较混合遗传关联算法和遗传算法的优化过程；中央空调节能策略结果分析：通过对混合遗传关联算法的优化数据拟合，将得到不同控制变量随负荷率和能耗比变化的趋势图，对优化后的中央空调控制系统参数趋势进行分析，并进行优化控制。
[0011]利用关联规则改进遗传算法，也称为混合遗传关联算法，改进的遗传算法是一种把关联规则作为遗传算法中染色体生成约束条件的方法，通过增强基因之间的关联性来保证优化结果可行性，以达到系统优化与节能。
[0012]下面通过实例应用对本专利技术具体实施方案进行阐述：1、中央空调数据挖掘建模中央空调数据预处理之前先要对数据进行采集，采集数据来源于能耗数据、气象数据和专家变量，采集完毕后获得中央空调原始数据。对中央空调原始数据进行预处理，包括数据合并、数据清洗、数据归一化、剔除不正常数据、各种原因丢失的数据和重复数据，最后得到中央空调稳定运行数据。
[0013]数据特征提取采用Boruta特征选择算法，它是基于随机森林的封装式特征选择算法，使用随机森林对各个特征子集进行评价，即计算各个特征子集的重要度，再依据各个特征子集的重要度选取有效特征子集。
[0014]BP神经网络预测模型的建立目标为计算制冷系统能效比EER，根据系统能耗特征选择结果，采用能耗特征子集作为BP神经网络预测模型的输入变量，即系统负荷率、冷冻水泵频率、主机出水温度、冷却水泵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于遗传算法的中央空调节能控制方法，其特征在于，包括下列步骤：中央空调数据挖掘建模：对中央空调原始数据进行预处理，并通过分析筛选出特征子集，构建中央空调BP神经网络模型和中央空调关联规则模型，特征子集作为模型输出；中央空调节能策略优化算法：从中央空调系统负荷分配优化方面，使用遗传算法对中央空调BP神经网络模型进行优化，引入中央空调关联规则模型，提出了基于改进遗传算法的优化策略，称为混合遗传关联算法，混合遗传关联算法通过关联规...

【专利技术属性】
技术研发人员：彭代余，林舜臣，易海平，刘扬，曾晓凤，
申请(专利权)人：成都迅宏自控设备有限公司，
类型：发明
国别省市：