【技术实现步骤摘要】
本专利技术涉及空调系统自动控制，尤其是涉及一种中央空调节能控制方法及系统。
技术介绍
1、中央空调，又称家庭中央空调，承担着若干个房间或整个建筑区域的空气调节的作用。随着生活水平的提高，中央空调有成为住宅建筑和小微公司空气调节设备未来方向的趋势，其使用数量将越来越多。如何提高户式中央空调的舒适性和运行能效，是中央空调领域值得研究的一个热点课题。
2、现有技术中，在中央空调节能控制时，一般将影响因素输入至中央空调冷负荷预测模型中，对空调需求的冷负荷预测，根据预测的冷负荷从而实现中央空调的调节，进而实现节能的目的，然而，上述的方案在对中央空调的调节过程中，在冷负荷预测过程中，一般需要输入实时的室外温度、室外湿度以及日光辐射强度，这无疑需要系统时刻保持运算，进而实现空调节能的效果，实际上，一般采用复杂模型比如深度学习模型等，其运算过程本身也消耗较多能源，时刻保持运行深度学习模型也是一项较多的功率消耗；因此，对于整个中央空调系统来说，节能效果不佳。
技术实现思路
1、为解决上述技术问题，本专利技术提出一种中央空调节能控制方法，通过对影响中央空调冷水机组冷量的影响因素的值进行预测，然后将预测值输入冷量预测模型中，可提前确定中央空调节能控制方案，并提高中央空调节能效果。
2、为了实现上述目的，提供一种中央空调节能控制方法，所述方法包括以下步骤：
3、s1：获取影响中央空调冷水机组冷量的影响因素；
4、s2：对所述s1获取的影响因素的值进行预测，得
5、s2.1：建立用于对中央空调冷水机组能耗的影响因素进行预测的预测模型；
6、s2.2：获取用于对所述预测模型训练的训练集；
7、s2.3：采用所述训练集对所述预测模型训练，使所述预测模型收敛；
8、s2.4：对所述未来m小时的影响因素的值进行预测；
9、s3： 将所述s2预测得到的m个时刻的影响因素的值输入至中央空调冷水机组冷量预测模型中，预测得到m个时刻的中央空调冷水机组的冷量；
10、s4：根据所述s3预测得到的m个时刻的中央空调冷水机组的冷量对所述中央空调进行控制。
11、优选地，所述s1中，获取的影响中央空调冷水机组冷量的影响因素为：室外温度、室外湿度以及日光辐射强度。
12、优选地，所述s2.1中，采用长短期记忆网络模型作为用于对中央空调冷水机组冷量的影响因素进行预测的预测模型。
13、优选地，所述s2.2中，所述训练集为预测地区的过去1年的每小时的室外温度数据、室外湿度数据以及日光辐射强度数据以6小时为一个数据集，生成训练集。
14、优选地，所述s2.3中，通过均方根误差和平均绝对误差作为所述预测模型收敛的评价指标；当所述预测模型的预测值与实际值的均方根误差和平均绝对误差在（-0.1,0.1）范围内时，所述预测模型收敛。
15、优选地，所述s2.4具体为：将待预测时刻t前6小时的影响因素值输入至所述s2.3训练好的预测中，输出t时刻的影响因素的值，然后将t+1时刻前6小时的影响因素值输入至所述s2.3训练好的预测中，输出t+1时刻的影响因素的值；直至预测得到m个时刻的影响因素的值。
16、优选地，根据预测结果确定m值的大小，所述根据预测结果确定m值的大小确定m值的大小具体为：计算预测的前12个影响因素的值的变化率，若所述存在某一影响因素的变化率<0.5，则m值为24，否则，m值为12。
17、优选地，所述变化率r的计算公式为：
18、
19、式中，fi+1为第i+1时刻的某影响因素的值，fi为第i时刻的某影响因素的值。
20、优选地，所述中央空调冷水机组冷量预测模型为bp神经网络模型；所述bp神经网络模型的输入为待预测时刻的影响因素的值，输出为待预测时刻的中央空调冷水机组的冷量。
21、根据本专利技术的另一方面，提供一种中央空调节能控制系统，所述系统采用上述的中央空调节能控制方法，其中，所述系统还包括：
22、影响因素获取模块，用于获取影响中央空调冷水机组能耗的影响因素；
23、影响因素值预测模块，与所述影响因素获取模块连接，用于得到未来m个时刻的影响因素的值；
24、冷量预测模块，与所述影响因素值预测模块连接，用于预测得到m个时刻的中央空调冷水机组的冷量；
25、中央空调控制模块，与所述冷量预测模块连接，用于根据所述冷量预测模块预测得到的m个时刻的中央空调冷水机组的冷量对所述中央空调进行控制。
26、本专利技术的优点和有益效果为：
27、本专利技术在中央空调节能控制时，通过对影响中央空调冷水机组冷量的影响因素的值进行预测，然后将预测值输入至冷量预测模型中，可提前确定中央空调节能控制方案；避免了节能系统时刻保持运算的情况，使得中央空调节能效果更为优良。
28、本专利技术在预测影响中央空调冷水机组冷量的影响因素的值时，对预测的影响因素的值进行运算，对于波动较大的影响因素，选择预测较小范围的影响因素的值，对于波动较小的影响因素，选择预测较大的影响因素的值，通过上述步骤，可提高影响因素预测结果的准确度，进而提高后续中央空调节能控制的准确性。
本文档来自技高网...【技术保护点】
1.一种中央空调节能控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述S1中，获取的影响中央空调冷水机组冷量的影响因素为：室外温度、室外湿度以及日光辐射强度。
3.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述S2.1中，采用长短期记忆网络模型作为用于对中央空调冷水机组冷量的影响因素进行预测的预测模型。
4.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述S2.3中，通过均方根误差和平均绝对误差作为所述预测模型收敛的评价指标；当所述预测模型的预测值与实际值的均方根误差和平均绝对误差均在（-0.1,0.1）范围内时，所述预测模型收敛。
5.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述S2.4具体为：将待预测时刻t前6小时的影响因素值输入至所述S2.3训练好的预测中，输出t时刻的影响因素的值，然后将t+1时刻前6小时的影响因素值输入至所述S2.3训练好的预测中，输出t+1时刻的影响因素的值；直至预测得到m个时刻的影响因素的值。
6.
7.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述中央空调冷水机组冷量预测模型为BP神经网络模型；所述BP神经网络模型的输入为待预测时刻的影响因素的值，输出为待预测时刻的中央空调冷水机组的冷量。
8.一种中央空调节能控制系统，所述系统采用权利要求1-7任一项所述的中央空调节能控制方法，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种中央空调节能控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述s1中，获取的影响中央空调冷水机组冷量的影响因素为：室外温度、室外湿度以及日光辐射强度。
3.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述s2.1中，采用长短期记忆网络模型作为用于对中央空调冷水机组冷量的影响因素进行预测的预测模型。
4.根据权利要求1所述的中央空调节能控制方法，其特征在于，所述s2.3中，通过均方根误差和平均绝对误差作为所述预测模型收敛的评价指标；当所述预测模型的预测值与实际值的均方根误差和平均绝对误差均在（-0.1,0.1）范围内时，所述预测模型收敛。
5.根据权利要求1所述的中央空调节能控制方法，...
【专利技术属性】
技术研发人员：张维明，
申请(专利权)人：烟台市市级机关服务中心，
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。