【技术实现步骤摘要】
本专利技术涉及的是一种暖通空调领域的技术，具体是一种基于规则-平衡优化器融合算法的多联机系统节能方法。
技术介绍
1、随着能源消费和碳排放的压力增加，对多联机系统基于节能减碳目标的动态优化运行控制方法的需求日益迫切。现有节能控制方法的优化模型建模准确性低，且传统控制策略无法根据实际需求调整吸气压力和内机过热度、无法自动调整工作模式和温度设定，达不到高能效条件下的低能耗；无法实现优化过程中的自动化执行，不能满足建筑及其暖通设备智能化的发展。
技术实现思路
1、本专利技术针对现有多联机系统缺少动态优化节能控制策略，优化建模准确性低、无法根据实际需求调整吸气压力和内机过热度等设定以达到节能且提高能效等问题，提出一种基于规则-平衡优化器融合算法的多联机系统节能方法，通过物联云平台并基于多元线性回归-多层感知机混合建模方法建立参数预测及能耗预测模型，通过规则-平衡优化器融合算法计算寻优并下发控制指令，实现多联机系统的全自动化动态优化节能控制，可无人值守，可解决优化模型预测准确性低、传统控制策略无法根据实际需求调整吸气压力和内机过热度以降低能耗的问题。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术涉及一种基于规则-平衡优化器融合算法的多联机系统节能方法，包括：
4、步骤1)通过构建智能物联平台采集多联机空调系统实时运行数据，并对历史数据进行数据清洗筛选；
5、所述的智能物联平台通过连接多联机机组plc控制器的基于modbus协议的物联
6、所述的云端优化求解计算是指：部署在云服务器上的智能物联平台通过采集到的多联机系统运行数据，在云端进行实时的寻优计算，以获得多联机系统的最佳参数控制指令。
7、所述的数据清洗筛选是指：对采集的系统历史运行数据进行数据筛选，进行异常数据的识别和剔除，初步筛选后采用滑动窗口算法进行稳态识别，以获取最佳建模数据；基于皮尔逊相关系数进行输入特征的相关性分析，确定与各室外机能耗和系统冷量最相关的输入特征参数。
8、步骤2)进行输入特征的相关性分析，以确定与系统冷量和能耗最相关的输入特征参数；
9、步骤3)基于历史数据，使用基于多元线性回归-多层感知机混合建模方法构建多联机系统制冷量模型和各外机功率模型，具体包括：
10、3.1对采集的系统历史运行数据进行数据筛选，识别并删除所有含有空值的数据行，针对主要参数给出大值的取值范围，外机功率、制冷量、频率分别取值为0到额定值的1.5倍之间为正常，否则识别为异常并剔除。初步筛选后采用滑动窗口算法进行稳态识别，以获取最佳建模数据。
11、所述的滑动窗口算法采用的状态参数为制冷量、各外机的吸气压力、各外机的压机频率和各外机的功率，滑动窗口宽度取值为50，单个数据最大允许偏差值取为0.05，相邻窗口间数据均值差阈值取为0.2。
12、3.2基于皮尔逊相关系数进行输入特征的相关性分析，以确定与系统冷量和能耗最相关的输入特征参数。
13、所述的皮尔逊相关系数计算公式为：用于度量两个变量之间的相关关系，其绝对值越接近1两变量相关关系越强，其绝对值越接近0相关关系越弱。
14、所述的与系统制冷量最相关的输入特征参数包括：各外机的吸气压力、各外机的排气压力、各外机的频率和室内机过热度。
15、所述的与各外机功率最相关的输入特征参数包括：该外机的吸气压力、排气压力、频率和室内机过热度。
16、3.3设置多联机空调系统外机能耗模型输入特征参数、系统制冷量模型输入特征参数。
17、所述的多联机空调系统外机能耗模型输入特征参数包括：该外机的吸气压力、排气压力、频率和室内机过热度。
18、所述的系统制冷量模型输入特征参数包括：各外机的吸气压力、各外机的排气压力、各外机的频率和室内机过热度。
19、3.4应用基于多元线性回归-多层感知机的混合模型学习历史数据，对多联机空调系统各外机能耗、系统制冷量与其输入特征参数进行拟合训练，完成各外机能耗模型和系统制冷量模型的构建，具体包括：
20、3.4.1使用多元线性回归训练多联机系统制冷量和各外机功率关于其对应输入特征参数的初始模型qir和wiir。系统制冷量的多元线性回归模型基本形式为：其中：qir为系统制冷量多元线性回归模型，单位为kw；psi为第i台外机吸气压力，单位为bar；pdi为第i台外机排气压力，单位为bar；freqi为第i台外机频率，单位为hz；m为外机总台数；si为第i台外机开关状态，取值为0或1；tshj为第j台内机的过热度，单位为℃；n为内机总台数；a0为常数项，bi1、bi2、bi3分别为第i台外机吸气压力、排气压力、频率的系数，cj为第j台室内机过热度的系数。第i台外机功率的多元线性回归模型基本形式为：其中：wiir为第i台外机功率多元线性回归模型，单位为kw；ai0为常数项，di1、di2、di3分别为第i台外机吸气压力、排气压力、频率的系统，fj为第j台室内机过热度的系数。
21、3.4.2计算模型的误差：δq＝qreal-qir；δwi＝wi，real-wiir，其中：qreal为系统制冷量实际值；wi，real为第i台外机的实际功率；δq为多元线性回归模型中制冷量真实值与预测值的误差；δwi为多元线性回归模型中第i台外机功率真实值与预测值的误差。
22、3.4.3使用多层感知机训练δq和δwi关于其对应输入特征参数的模型δqmlp和δwi，mlp。其中，多层感知机的激活函数选择为relu函数，隐藏层为4层，神经元个数分别为32、16、8和4，惩罚系数为0.004，最大迭代次数为10000，优化器为基于随机梯度的优化器。系统制冷量和各外机功率的混合模型分别为qmix和wi，mix，其中：qmix＝qir+δqmlp，wi，mix＝wiir+δwi，mlp。
23、所述的优化变量包括：各外机的频率freqi，单位为hz；各外机的吸气压力psi，单位为bar；各外机的排气压力pdi，单位为bar；各内机的过热度tshj，单位为℃。
24、所述的优化约束条件本文档来自技高网...
【技术保护点】
1.一种基于规则-平衡优化器融合算法的多联机系统节能方法，其特征在于，包括：
2.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的智能物联平台通过连接多联机机组PLC控制器的基于Modbus协议的物联网通讯设备，在线访问多联机机组，通过智能物联终端实现自动进行数据采集、数据清洗筛选和云端优化求解计算，该智能物联平台包括：数据采集模块、通讯模块和AI模块，其中：数据采集模块通过连接到多联机系统PLC的物联网设备采集数据，使用RS485串口基于MODBUS网关将数据传输到AI模块，读取到的数据经过映射转换后存入AI模块建立的MySQL数据库；AI模块根据系统历史运行数据和采集的系统运行数据，基于多元回归-多层感知机混合算法对多联机系统制冷量和各外机功率建立预测模型，结合预测模型执行规则-平衡优化器融合算法进行寻优计算，计算过程中产生的各项参数数据均存入MySQL数据库中，寻优得到多联机系统实时运行的最佳参数控制指令；通讯模块基于MODBUS通讯协议与BA系统进行通讯，将控制指令下发至多联机系统。
3.根据权利要求1所述的基
4.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的步骤3，具体包括：
5.根据权利要求4所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的步骤3.4，具体包括：
6.根据权利要求4所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的与系统制冷量最相关的输入特征参数包括：各外机的吸气压力、各外机的排气压力、各外机的频率和室内机过热度；
7.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的优化变量包括：各外机的频率Freqi，单位为Hz；各外机的吸气压力Psi，单位为bar；各外机的排气压力Pdi，单位为bar；各内机的过热度tshj，单位为℃；
8.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的步骤5，具体包括：
9.一种实现权利要求1-8中任一所述节能方法的多联机系统节能系统，其特征在于，包括：基于多联机空调系统的智能物联平台模块、基于多元线性回归-多层感知机的混合模块以及规则-平衡优化器融合寻优模块，其中：智能物联平台模块实时读取多联机系统的运行数据以及信息传递，实现数据采集和控制指令下发功能；基于多元线性回归-多层感知机的混合模块通过对数据的筛选清洗获得最佳训练数据，根据多元线性回归-多层感知机混合建模方法训练得到高精度的多联机系统制冷量预测模型和能耗预测模型；规则-平衡优化器融合寻优模块根据训练得到的模型、优化约束条件以及优化目标进行多联机系统的节能寻优计算，得到多联机系统最优实际运行控制参数并通过智能物联平台模块下发控制指令。
...【技术特征摘要】
1.一种基于规则-平衡优化器融合算法的多联机系统节能方法，其特征在于，包括：
2.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的智能物联平台通过连接多联机机组plc控制器的基于modbus协议的物联网通讯设备，在线访问多联机机组，通过智能物联终端实现自动进行数据采集、数据清洗筛选和云端优化求解计算，该智能物联平台包括：数据采集模块、通讯模块和ai模块，其中：数据采集模块通过连接到多联机系统plc的物联网设备采集数据，使用rs485串口基于modbus网关将数据传输到ai模块，读取到的数据经过映射转换后存入ai模块建立的mysql数据库；ai模块根据系统历史运行数据和采集的系统运行数据，基于多元回归-多层感知机混合算法对多联机系统制冷量和各外机功率建立预测模型，结合预测模型执行规则-平衡优化器融合算法进行寻优计算，计算过程中产生的各项参数数据均存入mysql数据库中，寻优得到多联机系统实时运行的最佳参数控制指令；通讯模块基于modbus通讯协议与ba系统进行通讯，将控制指令下发至多联机系统。
3.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，所述的数据清洗筛选是指：对采集的系统历史运行数据进行数据筛选，进行异常数据的识别和剔除，初步筛选后采用滑动窗口算法进行稳态识别，以获取最佳建模数据；基于皮尔逊相关系数进行输入特征的相关性分析，确定与各室外机能耗和系统冷量最相关的输入特征参数。
4.根据权利要求1所述的基于规则-平衡优化器融合算法的多联机系统节能方法，其特征是，...
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。