【技术实现步骤摘要】
一种中央空调系统自适应学习数据模型的控制方法及装置
[0001]本专利技术涉及中央空调系统领域,更具体的说是,涉及一种中央空调系统自适应学习数据模型的控制方法及装置
。
技术介绍
[0002]中央空调系统的设计通常按建筑物所在地的极端气候条件来计算其最大冷负荷,并由此确定空调主机的装机容量及其相应冷冻水泵和冷却水泵容量
。
实际上,暖通空调制冷系统每年只有极短时间出现最大冷负荷的情况,在绝大部分时间里都是处在部分负荷
(
远小于其额定容量
)
条件下运行的,这无疑造成了大量的能源白白浪费
。
另一方面,空调负荷又具有变动性
。
由于受季节交替
、
气候变幻
、
昼夜轮回
、
使用变化及生产负荷等各种因素变化的影响,暖通空调制冷系统的负荷具有起伏变化和不恒定的特点,因此该方法可提供中央空调系统有效跟随末端负荷的变化而调节,同时具有提前预测性
。
[0003]目前的中央空调系统在自控方面实现的控制方式大体为
PID
控制,而面对多耦合性系统此控制方式存在以下劣势:
[0004]1、
参数调节困难:
PID
控制算法的性能高度依赖于参数的调节
。
确定合适的
PID
参数需要进行实际系统测试和调试,这可能需要耗费大量的时间和精力
。
[0005]2、
适应性差:
...
【技术保护点】
【技术特征摘要】
1.
一种中央空调系统自适应学习数据模型的控制方法,其特征在于,包括:
S1
,监测并采集中央空调系统中各个关键点的数据;
S2
,对采集的数据进行预处理得到数据集;
S3
,根据任务的复杂性和数据的特点选取并确定神经网络数据模型的结构;
S4
,使用所述数据集对所述神经网络数据模型进行训练,使用优化算法调整神经网络数据模型的权重和偏置,直至预测结果与实际结果之间的误差最小化,得到训练好的神经网络数据模型;
S5
,使用测试集对训练好的神经网络数据模型进行评估,计算评估指标并得到评估结果,判断所述评估结果是否符合要求;
S6
,若所述评估结果不符合要求,则根据所述评估结果对神经网络数据模型进行优化,并重复
S5
;
S7
,若所述评估结果符合要求,则将所述神经网络数据模型更新并应用至中央空调系统中
。2.
根据权利要求1所述的一种中央空调系统自适应学习数据模型的控制方法,其特征在于,步骤
S1
中,假定采集温度数据
27℃
,压力数据
2.1bar
,流量数据
1100m3/h
,得到输入向量
x
=
[27 2.1 1100]。3.
根据权利要求2所述的一种中央空调系统自适应学习数据模型的控制方法,其特征在于,步骤
S2
中,包括:神经网络数据模型的权重矩阵
W
为:偏置向量
b
为:则加权输入
z
为:元点的输出
a
为:其中,
z
是加权输入,
W
是权重矩阵,
x
是输入特征向量,
b
是偏置向量,
g
是
sigmoid
激活函数,
a
是元点的输出
。4.
根据权利要求3所述的一种中央空调系统自适应学习数据模型的控制方法,其特征在于,步骤
S4
中,包括:
定义损失函数:假设神经网络数据模型的预测值为
y_pred
,真实值为
y_true
,均方误差<...
【专利技术属性】
技术研发人员:许泽锋,李维娜,凌靖,
申请(专利权)人:蘑菇物联科技厦门有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。