[发明专利]中央空调系统节能控制方法

权利要求书

1.一种基于神经网络和遗传算法的中央空调系统节能控制方法，其特征在于，包括以下步骤：

获取空调系统的设备运行数据和建筑负荷数据；

对上述数据进行数据预处理；

对预处理后的数据通过神经网络学习，得到系统能效模型；

根据系统能效模型通过遗传算法寻优得到运行状态优化参数；

根据运行状态优化参数对空调系统运行进行优化控制。

2.根据权利要求1所述的方法，其特征在于：所述数据预处理包括数据清洗、数据降噪和特征选择。

3.根据权利要求1或2所述的方法，其特征在于：所述数据预处理还包括通过核PCA进行特征选择，筛选出数据属性中影响因子高的数据，实现数据的降维，其中对于不成线性关系的数据，需要引入核PCA方法，协方差矩阵具体表达式如下：

4.根据权利要求1所述的方法，其特征在于：对预处理后的数据通过神经网络学习，得到系统能效模型包括：

对建筑负荷数据的学习得到建筑负荷预测模型；

对机房内设备运行能效的学习得到冷水机组运行能效模型、冷冻水泵运行能效模型、冷却水泵运行能效模型；

对冷却塔运行能效的学习得到冷却塔运行能效模型。

5.根据权利要求4所述的方法，其特征在于：所述的神经网络学习包括将预处理后的系统运行数据随机划分为训练集和测试集，采用交叉验证法，将数据集划分为k个子集，返回k测训练和测试结果；将训练集作为输入，利用神经网络学习输入数据，迭代N次，分别输出建筑负荷预测模型，冷水机组运行能效模型，冷冻/冷却水泵运行能效模型，以及冷却塔运行能效模型。

6.根据权利要求1所述的方法，其特征在于：所述的遗传算法寻优包括：

初始化种群：种群共有25个特征组成，单个染色体由25个基因组成，单个染色体染色体的二进制编码基因长度为11+6+6+6+6＝35bit；

计算适应度，随机挑选N组控制变量，设置系统能效为适应度，通过系统能效模型计算得到每一组控制变量的适应度；

选择，得到N组系统能效及控制变量后，选择适应度最大的一组控制变量；

交叉：把两个父代控制变量染色体部分结构进行替换重组成新的个体，产生新的基因，重新计算适应度；

变异：根据变异概率选择变异位点，将二进制位改变，计算适应度。

重复选择、交叉、变异，选出使得系统能效最高的一组控制变量输出。

7.一种基于神经网络和遗传算法的中央空调系统节能控制系统，包括：

数据采集单元，用于获取空调系统的设备运行数据和建筑负荷数据；

数据预处理单元，用于对上述数据进行数据预处理；

神经网络学习单元，用于对预处理后的数据通过神经网络学习，形成系统能效模型；

遗传算法优化单元，用于根据系统能效模型通过遗传算法寻优得到运行状态优化参数；

系统优化控制单元，用于根据运行状态优化参数对空调系统运行进行优化控制。

8.根据权利要求7所述的系统，其特征在于：所述数据预处理单元包括数据清洗模块、数据降噪模块和特征选择模块，用于对重复数据进行清洗、对缺失数据通过正则表达式生成缺失数据默认值、通过小波分析减少数据采集时噪声带来的干扰。

9.根据权利要求7或8所述的系统，其特征在于：所述数据预处理单元还包括通过核PCA进行特征选择模块，用于筛选出数据属性中影响因子高的数据，实现数据的降维，其中对于不成线性关系的数据，需要引入核PCA方法，协方差矩阵具体表达式如下：