[发明专利]基于鱼群优化BP神经网络的冷源系统控制方法及装置

权利要求书

1.一种基于鱼群优化BP神经网络的冷源系统控制方法，其特征在于，包括：

根据冷源系统中多类调节影响因子与冷源输出参数之间的关系，建立冷源系统控制模型；所述冷源系统为水冷系统，所述多类调节影响因子包括室外温度、末端负载量以及冷源设备开启数量，所述冷源输出参数为冷冻水出水温度；

采集所述调节影响因子与冷源输出参数的数据，形成数据集；

通过鱼群算法对数据集进行优化，得到数据集中的最优权值组合集；

构建神经网络，将所述最优权值组合集输入到所述神经网络中进行训练，以用于冷源系统的自动控制；

所述根据冷源系统中多类调节影响因子与冷源输出参数之间的关系，建立冷源系统控制模型，包括：

预设以环境温度为限值的冷水机组与换热设备的联动条件，使得低于所述该联动条件时，换热设备单独工作；达到联动条件时，冷水机组与换热设备联动工作；超出联动条件时，冷水机组单独工作；

所述构建神经网络，将所述最优权值组合集输入到所述神经网络中进行训练，包括：

根据冷源系统中多类调节影响因子与冷源输出参数之间的关系，设置神经网络层数以及输出神经元和输入神经元，构造冷源系统的神经网络；

设置冷源系统的标准冷源输出参数，根据最小均方误差构建真实冷源输出参数与标准输出参数之间的关系式，并依据该关系式推导出权值调整公式；

将所述最优权值组合集中的数据输入到神经网络中，通过权值调整公式对神经网络进行训练，直至神经网络中的标准冷源输出参数与最优权值组合集中的冷源输出参数误差在预设范围内，训练结束；

权值w和偏置b的梯度下降法调整公式为：

其中，w是神经元之间的连接权重，m为所在层，是第i个神经元连接到第j个神经元的权重，是m层第i个神经元的偏置，α为迭代步长，k是迭代步数；

2.根据权利要求1所述的基于鱼群优化BP神经网络的冷源系统控制方法，其特征在于，所述通过鱼群算法对数据集进行优化，得到数据集中的最优权值组合集，包括：

根据数据集的数据量，设置鱼群算法的基本参数，该基本参数至少包括鱼群规则、步长、视野以及拥挤度因子；

对数据集中每一组冷源输出参数与其对应的各类调节影响因子的数据，通过鱼群算法进行计算，得到各类数据的最优权值，形成最优权值组合集，用于输入到神经网络中进行训练。

3.根据权利要求2所述的基于鱼群优化BP神经网络的冷源系统控制方法，其特征在于，所述鱼群算法包括觅食行为、聚群行为、追尾行为和/或随机行为。

4.根据权利要求1所述的基于鱼群优化BP神经网络的冷源系统控制方法，其特征在于，所述将所述最优权值组合集输入到所述神经网络中进行训练，以用于冷源系统的自动控制，包括

向训练后的神经网络中输入实际运行中部分调节影响因子数值，使得神经网络输出至少一个冷源输出参数；

所述冷源系统控制模型根据该冷源输出参数以及所述实际运行中部分调节影响因子数值，反向计算剩余调节影响因子的数值，对冷源系统进行调整控制。