[发明专利]新型太阳能-空气能耦合冷热联供系统的智能调度方法

摘要

本发明涉及新型太阳能‑空气能耦合冷热联供系统的智能调度方法。本发明基于用户运行数据，建立能量平衡数学模型进行高速寻优，自动控制太阳能和空气能耦合匹配，保证最大化利用太阳能资源，实现了全天候用能需求；本算法应用于高效太阳能‑空气能耦合智能冷热联供系统，使得系统不但提供充足的生活热水，而且解决了客户夏天制冷及冬季采暖的需求，提高设备的利用率，减少了重复投资，夏天制冷、冬季采暖系统运行平稳、可靠，夏季室内温度恒温在24‑26℃，冬季室内温度恒定在18‑20℃，完全达到了设计要求。

主权项

1.新型太阳能‑空气能耦合冷热联供系统的智能调度方法，其特征在于：包括在线自学习神经网络模型的建立、基于模糊推理的神经网络线性化模型的抽取以及基于混合变量遗传优化算法的控制量计算；所述在线自学习神经网络模型的建立过程采用神经网络模型混联辨识结构，为三层的多层感知器模型，包含一层输入层、一层隐含层与一层输出层，U(k)为耦合智能冷热联供系统中可控制可调节的开关量与模拟量，Y(k)为输出量，将神经网络模型训练数据的输入量U(k)经过步进式暂时数据存储器后生成的输入部分表示为输出量Y(k)经过步进式暂时数据存储器后生成的输出部分表示为f是隐含层的激活函数，具体结构为双曲正切函数表达式如下：其中j表示隐含层第j个神经元，的计算公式为：其中wi,j与Wi,j分别为隐含层与输出层的连接权值，wj,0与Wi,0分别是隐含层与输出层的偏置值；F是输出层的激活函数，采用常规线性结构：偏置值可以表示为输入为1的权系数，将连接权值与偏置值组成联合权值向量θ，最后得出神经网络模型的模型预测估计值网络训练算法基本内容为在时刻k，通过给出的训练数据的输入量以及输出量通过自适应辨识训练算法计算输出估计值在k+1时刻，可得出神经网络联合权值参数，将其用于计算输出估计值，反复调整神经网络联合权值参数直到获得参数的估计值满足精度为止；具体参数估计算法基于丢弃旧数据信息的自适应机制，采用指数遗忘因子与重置算法的更新规则在每一个采样时刻产生新数据集并形成新数据对，通过高斯‑牛顿算法的迭代递归形式计算得出。