[发明专利]一种动态预测性机器学习型空调节能控制方法

说明书

本发明公开一种动态预测性机器学习型空调节能控制方法，通过获取环境参数、用户习惯和节假日规律等多特征变量，通过双种群粒子群训练集优化支持向量机中央空调负荷预测模型，提高了预测精确度和参数寻优性能；以空调系统运行能耗最小化为目标，构建全局参数寻优模型。本发明的有益效果是：既满足了中央空调系统综合能耗最优化，又能实现动态预测性智能化管理和稳定性运行。

技术领域

本发明涉及中央空调系统控制领域，尤其涉及一种动态预测性机器学习型空调节能控制方法。

背景技术

随着全球气候变暖的趋势，我国城镇化和工业化加速发展的进程，目前建筑能耗占我国社会总能耗的30％以上，中央空调系统能耗占建筑能耗的60％以上，建筑中央空调系统节能已经成为国民经济节能领域中的重点和热点问题。

据统计，我国公共建筑节能达标率不足10％；中央空调的运行调节主要集中在冷冻水泵的定温差(一般设定为5℃)变流量(变频)调节上，且依赖于技术操作人员的经验，节能调节策略单一、局限性较为明显。这些调节模式一般只关注冷冻水泵自身的运行状态，而忽略了冷却水泵、制冷机组、冷却塔等系统主要能耗设备所构成的系统综合能耗最优化问题。

另外，自动化控制理论及技术作为节能控制技术手段，在中央空调系统控制中越来越重要，传统的自动化控制理论中的PID(比例、积分、微分)控制算法适用于单变量线性系统，不太适应多变量、非线性、大滞后和时变性的中央空调系统；反馈式控制方式应用于中央空调系统的节能控制运行稳定性较差，节能效果和稳定性有待进一步提高。当空调系统负荷发生变化时，若仅采用压差控制，则不能够准确表述系统负荷的变化，从而可能导致控制系统失效；若仅采用温差控制，则当负荷发生较大变化时，控制系统往往会滞后一段时间后对空调水系统进行调节，从而影响了控制的及时性和快速性。目前，中央空调节能控制领域流行的恒压差和恒温差控制模式属于“跟随控制”，一般只适用于无时滞的被控对象或过程，用在负荷动态性波动的中央空调系统中难以取得较好的稳定节能控制效果。

鉴于上述情况，亟待一种既能满足中央空调系统综合能耗最优化，又能实现动态预测性智能化管理和稳定性运行为目的的中央空调节能控制方法。

发明内容

针对上述问题，本发明提出一种动态预测性机器学习型空调节能控制方法，旨在满足中央空调系统综合能耗最优化的同时，又能实现动态预测性智能化管理和稳定性运行。

为解决上述技术问题，本发明的技术方案如下：

一种动态预测性机器学习型空调节能控制方法，包括以下步骤：

S1，采集逐时环境参数：包括干球温度、相对湿度以及水平面太阳总辐射；记录建筑逐时使用参数：包括入住率、小时标签以及日期标签；记录中央空调系统逐时运行参数：包括空调负荷、制冷机组的蒸发温度、冷凝温度、电流以及电压，冷冻水泵的供回水温度、流量、电流以及电压，冷却水泵的供回水温度、流量、电流以及电压，冷却塔风量、电流、电压、小时标签以及日期标签；

S2，定义历史T_i时刻干球温度、T_i时刻相对湿度、T_i时刻水平面太阳总辐射、T_i时刻入住率、(T_i-1)时刻入住率、(T_i-24)时刻入住率、(T_i-1)时刻空调负荷以及(T_i-24)时刻空调负荷为样本空间记录特征矩阵定义T_i时刻空调负荷为输出变量组成样本空间记录向量对样本空间记录特征矩阵进行归一化处理；

S3，根据归一化处理后的样本空间记录特征矩阵建立双种群粒子群训练集通过双种群粒子群训练集优化支持向量机中央空调负荷预测模型，双种群粒子群采用具有局部寻优和全局寻优的双种群粒子群优化算法，以及采用双种群协同进化策略和反正切调整策略动态调整加速因子，用于提高算法的寻优性能，计算得到支持向量机中央空调负荷预测模型的最佳性能参数组合粒子；