【技术实现步骤摘要】
本专利技术涉及研究适用于大型暖通空调系统的系统优化控制方法的方法，属于暖通空调系统优化控制领域。
技术介绍
1、智能建筑暖通空调控制系统采用的算法大致经历了三个阶段的发展历程。从目前工程上仍被广泛利用的经典算法，即基于规则的控制器或比例、积分和微分控制器(pid)，到后续发展出的模型预测控制算法(mpc)，再到近年来广受关注的机器学习(含强化学习)算法。基于规则和反馈的反应控制策略(pid)简单有效，但热力学的高惯性往往导致控制器超调，使热舒适性降低，建筑能耗增大；另外，pid控制器未考虑天气、电价等预测信息，且控制序列(例如pid控制器中的整定参数)大多是固定的和预先确定的，导致次优性能。
2、粒子群算法和其他优化算法的区别在于，它不依赖于目标函数的梯度。比如在梯度下降法求解最优值中，算法依赖目标函数的梯度下降最快的方向来寻找函数的最小值，但粒子群算法的移动和目标函数的梯度无关，仅取决于粒子和群的最佳位置，这使得粒子群算法适用于难以求梯度的目标函数。同时粒子群算法由于粒子之间可以实现并行计算，而仅每次迭代需要更新数值，使得...
【技术保护点】
1.一种基于粒子群算法的建筑冷源系统优化控制方法，主体包括采集暖通空调系统关键温度、流量和压差信息，通过处理后的数据建立负荷预测模型和能耗预测模型，基于PSO算法得出使能耗最低的暖通空调设备控制点。
2.根据权利要求1所述的基于粒子群算法的建筑冷源系统优化控制方法，其特征在于，建立基于时序融合模型的负荷预测模型，其输入是室外温度、室外湿度和日期特征。
3.根据权利要求1所述的基于粒子群算法的建筑冷源系统优化控制方法，其特征在于，建立基于时序融合模型的能耗预测模型，其输入是负荷预测值、暖通空调系统的温度、流量和压差。
4.根据权利要求...
【技术特征摘要】
1.一种基于粒子群算法的建筑冷源系统优化控制方法，主体包括采集暖通空调系统关键温度、流量和压差信息，通过处理后的数据建立负荷预测模型和能耗预测模型，基于pso算法得出使能耗最低的暖通空调设备控制点。
2.根据权利要求1所述的基于粒子群算法的建筑冷源系统优化控制方法，其特征在于，建立基于时序融合模型的负荷预测模型，其输入是室外温度、室外湿度...
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。