[发明专利]一种基于遗传算法和长短期记忆循环神经网络的空调节能方法

摘要

一种基于遗传算法和长短期记忆循环神经网络的空调节能方法，包括以下步骤：步骤1，建立空调能耗预测评估模型；步骤2，确定优化参数；步骤3，用遗传算法将冷却供水温度、冷却供回水温差进行编码，根据此编码，在一定范围内，随机生成冷却供水温度、冷却供回水温差，得到若干染色体组成的初始种群；步骤4，将当前工况的其他参数以及染色体参数解码并输入LSTM‑RNN空调预测评估模型，进行染色体评估，计算适应度函数，并对较优染色体进行交叉、变异；得到的最优染色体解码即最优参数；步骤5，将最优参数结合当前工况下的其他参数，输入预测评估模型得到优化后空调功耗。发明提升了预测评估准确率，达到较好的优化能耗的效果。

主权项

1.一种基于遗传算法和长短期记忆循环神经网络的空调节能方法，其特征在于，所述方法包括以下步骤：步骤1，建立空调能耗预测评估模型，使用大冲能源提供的水冷空调项目数据归一化后，作为LSTM‑RNN长短期记忆循环神经网络的输入，当前工况下的空调总能耗空调总能耗作为神经网络预测目标，进行网络训练后，得到最终的空调能耗预测评估模型；步骤2，确定优化参数，在空调制冷量不变的情况下，最大限度的降低功耗，提高cop；设置冷却供水温度、冷却供回水温差为优化参数；步骤3，种群初始化，用遗传算法将冷却供水温度、冷却供回水温差进行编码，根据此编码，在一定范围内，随机生成冷却供水温度、冷却供回水温差，得到若干染色体组成的初始种群。步骤4，参数优化，将当前工况的其他参数以及染色体参数解码并输入步骤3得到的LSTM‑RNN空调预测评估模型，进行染色体评估，计算适应度函数，并对较优染色体进行交叉、变异；重复操作步骤4，直到优化到设定程度或遗传到设定代数，得到的最优染色体解码就是得到的最优参数；步骤5，将得到的最优染色体解码结合当前工况下的其他参数，输入预测评估模型，得到优化后空调功耗。