基于动态空调运行数据的节能控制方法、系统及介质技术方案

本发明专利技术提供了一种基于动态空调运行数据的节能控制方法、系统及介质，包括：采集空调历史运行数据作为训练样本，利用神经网络算法建立空调负荷预测模型和空调系统仿真模型；然后，以系统最小能耗为优化目标，采用分支定界法，在保证安全的前提下对系统运行状态进行动态寻优。本方法通过采用分支定界法对空调系统中各可控设备进行全局寻优，解决了传统中央空调控制系统割裂整个系统仅对单台或单组设备采用PID、单因素调节的方式进行独立控制而造成无法找到全局最优点的问题，尽最大可能挖掘空调系统节能潜力。空调系统节能潜力。空调系统节能潜力。

【技术实现步骤摘要】
基于动态空调运行数据的节能控制方法、系统及介质


[0001]本专利技术涉及空调控制算法的
，具体地，涉及一种基于动态空调运行数据的节能控制方法、系统及介质。

技术介绍

[0002]目前，医疗卫生建筑的空调系统大都仍采用人工操作的方式运行。少数在使用的空调群控系统多采用传统PID控制，但由于空调系统的强耦合、大延迟、大惯性特点，控制效果不佳。冷机群控的动态优化为典型混合整数规划(MINLP)问题，该问题不仅涉及设备启停这类整形变量的优化，还涉及设备运行参数这类连续性变量的优化。上述特性导致难以对该类系统建立精确的数学模型。因此，建立一套用于空调系统的动态优化控制策略尤为关键。
[0003]目前，在用于空调系统的动态控制的智能化算法中，利用物理模型，以全局总能耗为目标函数寻优，每一次迭代淘汰“坏解”，重生“新解”，并对高维优化模型进行求解，以获取有效的优化控制参数，该方法获得的“最优解”总能耗较低，但未能充分考虑优化后末端舒适性要求。例如在公开号为CN114543273A的中国专利文献中，公开了一种集中空调供冷系统自适应深度学习优化节能控制算法，该算法获得的最优解并未充分考虑优化后的末端舒适性要求。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术的目的是提供一种基于动态空调运行数据的节能控制方法、系统及介质。
[0005]根据本专利技术提供的一种基于动态空调运行数据的节能控制方法，包括：
[0006]步骤S1：采集空调历史运行数据作为训练样本，利用神经网络算法建立空调负荷预测模型和空调系统仿真模型；
[0007]步骤S2：记录当前空调系统各设备状态的控制参数，基于控制参数生成初始设备状态矩阵ST
n
×1；
[0008]步骤S3：以ST
n
×1矩阵所示各设备状态输出参数作为搜索起始位置，采用分支定界法生成可运行方案矩阵BD
n
×
m
；
[0009]步骤S4：将BD
n
×
m
矩阵逐行赋值给设备状态矩阵ST
n
×1，利用空调系统仿真模型判断当前设备状态矩阵对应的运行方案是否存在危险，若存在，则选取BD
n
×
m
矩阵中下一组数据进行赋值；若不存在，进入步骤S5；
[0010]步骤S5：利用空调系统仿真模型计算当前运行方案的能耗F
ec
，利用空调负荷预测模型计算当前运行方案的室内舒适度F
co
，将能耗F
ec
和室内舒适度F
co
指标进行加权计算，从所有可行方案中选择最优方案ST
′
best
下发给现场设备执行。
[0011]优选地，还包括：
[0012]步骤S6：当执行最优方案ST
′
best
经过设定时间后，进入步骤S1进行下一轮优化。
[0013]优选地，所述空调负荷预测模型的建立方法包括：
[0014]步骤S1.1：对现场设备运行的历史数据和室外环境数据进行样本采集、滤波处理以及归一化处理；
[0015]步骤S1.2：采用神经网络算法建立空调负荷预测模型f，所述空调负荷预测模型用于描述各环境影响因子与室内平均温度变化量的统计学关系；
[0016]步骤S1.3：求解空调负荷预测模型f的逆函数f
‑1，根据逆函数f
‑1以及已知环境影响因子求解所需的制冷量。
[0017]优选地，所述环境影响因子包括室外温湿度、时间段、供回水温度和流量以及制冷量。
[0018]优选地，所述空调系统仿真模型基于神经网络算法建立，建立环境影响因子与目标量的统计学模型，所述空调系统仿真模型包括回水温度模型，室温变化率模型，冷机制冷量、能耗、效率模型，水泵流量、能耗模型，冷却塔出水速度、能耗模型。
[0019]优选地，所述当前运行方案的能耗F
ec
计算方法包括：
[0020]F
ec
＝∑F
wcu
+∑F
ldp
+∑F
lqp
+∑F
ct
[0021]式中，F
wcu
为各台冷组能耗，F
ldp
为各台冷冻水泵能耗，F
lqp
为各台冷却水泵能耗，F
ct
为各台冷却塔能耗；
[0022]F
wcu
＝f
‑1(T
sw
,d
sw
,T
hs
,q
hs
,T
gs
‑
set
,q
lq
,T
lq
)
[0023]式中，T
sw
为室外温度，d
sw
为室外湿度，T
hs
为回水温度，q
hs
为回水流量，T
gs
‑
set
为供水温度设定值，q
lq
为冷却水流量，T
lq
为冷却水温度；
[0024]F
ldp
＝f
‑1(f
ld
‑
pl
,I
fm
‑
sta
,f
other
‑
ldpl
)
[0025]式中，f
ld
‑
pl
为冷冻水泵频率，I
fm
‑
sta
为阀门状态，f
other
‑
ldpl
为其他冷冻水泵状态；
[0026]F
lqp
＝f
‑1(f
lq
‑
pl
,I
fm
‑
sta
,f
other
‑
lqpl
)
[0027]式中，f
lq
‑
pl
为冷却水泵频率，I
fm
‑
sta
为阀门状态，f
other
‑
lqpl
为其他冷却水泵状态；
[0028]F
ct
＝f
‑1(T
sw
,d
sw
,T
hs
,q
hs
,I
fj
‑
sta
)
[0029]式中，T
sw
为室外温度，d
sw
为室外湿度，T
hs
为回水温度，q
hs
为回水流量，I
fj
‑
set
为风机状态设定。
[0030]优选地，所述当前方案的室内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态空调运行数据的节能控制方法，其特征在于，包括：步骤S1：采集空调历史运行数据作为训练样本，利用神经网络算法建立空调负荷预测模型和空调系统仿真模型；步骤S2：记录当前空调系统各设备状态的控制参数，基于控制参数生成初始设备状态矩阵ST
n
×1；步骤S3：以ST
n
×1矩阵所示各设备状态输出参数作为搜索起始位置，采用分支定界法生成可运行方案矩阵BD
n
×
m
；步骤S4：将BD
n
×
m
矩阵逐行赋值给设备状态矩阵ST
n
×1，利用空调系统仿真模型判断当前设备状态矩阵对应的运行方案是否存在危险，若存在，则选取BD
n
×
m
矩阵中下一组数据进行赋值；若不存在，进入步骤S5；步骤S5：利用空调系统仿真模型计算当前运行方案的能耗F
ec
，利用空调负荷预测模型计算当前运行方案的室内舒适度F
co
，将能耗F
ec
和室内舒适度F
co
指标进行加权计算，从所有可行方案中选择最优方案ST
′
best
下发给现场设备执行。2.根据权利要求1所述的基于动态空调运行数据的节能控制方法，其特征在于，还包括：步骤S6：当执行最优方案ST
′
best
经过设定时间后，进入步骤S1进行下一轮优化。3.根据权利要求1所述的基于动态空调运行数据的节能控制方法，其特征在于，所述空调负荷预测模型的建立方法包括：步骤S1.1：对现场设备运行的历史数据和室外环境数据进行样本采集、滤波处理以及归一化处理；步骤S1.2：采用神经网络算法建立空调负荷预测模型f，所述空调负荷预测模型用于描述各环境影响因子与室内平均温度变化量的统计学关系；步骤S1.3：求解空调负荷预测模型f的逆函数f
‑1，根据逆函数f
‑1以及已知环境影响因子求解所需的制冷量。4.根据权利要求3所述的基于动态空调运行数据的节能控制方法，其特征在于，所述环境影响因子包括室外温湿度、时间段、供回水温度和流量以及制冷量。5.根据权利要求1所述的基于动态空调运行数据的节能控制方法，其特征在于，所述空调系统仿真模型基于神经网络算法建立，建立环境影响因子与目标量的统计学模型，所述空调系统仿真模型包括回水温度模型，室温变化率模型，冷机制冷量、能耗、效率模型，水泵流量、能耗模型，冷却塔出水速度、能耗模型。6.根据权利要求3所述的基于动态空调运行数据的节能控制方法，其特征在于，所述当前运行方案的能耗F
ec
计算方法包括：F
ec
＝∑F
wcu
+∑F
ldp
+∑F
lqp
+∑F
ct
式中，F
wcu
为各台冷组能耗，F
ldp
为各台冷冻水泵能耗，F
lqp
为各台冷却水泵能耗，F
ct
为各台冷却塔能耗；F
wcu
＝f
‑1(T
sw
,d
sw
,T
hs
,q
hs
,T
gs
‑
set
,q
lq
,T
lq
)式中，T
sw
为室外温度，d
sw
为室外湿度，T
hs
为回水温度，q
hs
为回水流量，T
gs
‑
set
为供水温度设定值，q
lq
为冷却水流量，T
lq
为冷却水温度；F
ldp
＝f
‑1(f
ld
‑
pl
,I
f...

【专利技术属性】
技术研发人员：王银舟，邓炜栋，
申请(专利权)人：上海医广科技有限公司，
类型：发明
国别省市：