本發(fā)明涉及建筑大型中央空調(diào)領(lǐng)域,更具體地說,涉及一種基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法及系統(tǒng)。
背景技術(shù):
當(dāng)前,傳統(tǒng)的中央空調(diào)控制系統(tǒng)采用的是簡單的pid控制,例如:在冷水側(cè)供回水管路預(yù)設(shè)壓差,當(dāng)供回水壓差大于預(yù)設(shè)值時,提高冷水泵的頻率,增大功率;當(dāng)供回水溫差小于預(yù)設(shè)值時,則降低冷水泵頻率,減小功率。但此種方法屬于憑借經(jīng)驗設(shè)定壓差,并沒有規(guī)范依據(jù),其準(zhǔn)確度有待商榷,而且,即使憑借經(jīng)驗設(shè)定的壓差,往往也是通過全網(wǎng)最不利環(huán)路設(shè)定,在大部分實際運行情況中水泵都是超過實際應(yīng)用功率運行,這導(dǎo)致能耗增加,能源的極大浪費;或者使用回水溫度控制法,即預(yù)設(shè)冷水回水溫度,當(dāng)回水溫度高于預(yù)設(shè)值時,提高冷水泵的頻度,增大功率;當(dāng)回水溫度低于預(yù)設(shè)值時,降低冷水泵頻率,減小功率。此種方法也是憑借經(jīng)驗設(shè)定,每個項目的溫差設(shè)定值各有差別。
這些方法只是單純的根據(jù)經(jīng)驗來調(diào)節(jié)中央空調(diào)系統(tǒng)冷水側(cè)的物理參數(shù),并沒有充分考慮到建筑內(nèi)部的冷需量,也就是整個中央空調(diào)系統(tǒng)的冷負(fù)荷。由于中央空調(diào)系統(tǒng)時滯性、大惰性等缺陷,當(dāng)系統(tǒng)冷負(fù)荷發(fā)生變化時,傳統(tǒng)的調(diào)節(jié)系統(tǒng)不能快速有效的響應(yīng),會造成能源不必要的浪費或者室內(nèi)舒適度的降低。同時,傳統(tǒng)的中央空調(diào)節(jié)能控制方法在冷水或冷卻水側(cè)一味的追求泵的頻率降低,能耗最低,卻忽略了中央空調(diào)系統(tǒng)的整體能耗情況。由于制冷主機(jī)的能耗在整個中央空調(diào)系統(tǒng)占有很大比重,有時雖然冷凍泵功率降低了,但制冷主機(jī)的能耗卻增加了,相應(yīng)地,中央空調(diào)整體能耗也在增加,導(dǎo)致能耗的浪費。
技術(shù)實現(xiàn)要素:
本發(fā)明要解決的技術(shù)問題在于,針對現(xiàn)有技術(shù)的上述缺陷,提供一種基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法及系統(tǒng)。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:構(gòu)造一種基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法,包括以下步驟:
s1、獲取中央空調(diào)在預(yù)設(shè)時間段內(nèi)的運行參數(shù)的第一數(shù)據(jù);
s2、利用bp神經(jīng)網(wǎng)絡(luò)算法根據(jù)所述第一數(shù)據(jù)建立所述中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,通過所述中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行計算獲得所述中央空調(diào)的設(shè)備能耗與所述運行參數(shù)的對應(yīng)關(guān)系式;
s3、基于所述中央空調(diào)的設(shè)備能耗與所述運行參數(shù)的對應(yīng)關(guān)系式,獲得所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型,并根據(jù)所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型通過遺傳算法對所述運行參數(shù)進(jìn)行優(yōu)化處理,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù);
s4、調(diào)用所述運行參數(shù)的優(yōu)化數(shù)據(jù),將所述優(yōu)化數(shù)據(jù)輸入至所述中央空調(diào)中以調(diào)整所述中央空調(diào)的運行參數(shù)控制所述中央空調(diào)運行。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,所述步驟s1包括:
s11、在預(yù)設(shè)時間段內(nèi),采集所述中央空調(diào)的運行參數(shù)的第二數(shù)據(jù);
s12、對所述第二數(shù)據(jù)進(jìn)行處理,剔除所述第二數(shù)據(jù)中不合理的或無效的數(shù)據(jù)獲得所述第一數(shù)據(jù);所述不合理的或無效的數(shù)據(jù)為超出預(yù)設(shè)值的數(shù)據(jù);
s13、對所述第一數(shù)據(jù)進(jìn)行歸一化處理;
s14、按預(yù)設(shè)比例對所述已進(jìn)行歸一化處理的第一數(shù)據(jù)進(jìn)行劃分,獲得第一比例數(shù)據(jù)、第二比例數(shù)據(jù)和第三比例數(shù)據(jù);所述第一比例數(shù)據(jù)用于代入所述bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行訓(xùn)練,所述第二比例數(shù)據(jù)用于代入所述bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行驗證,所述第三比例數(shù)據(jù)用于代入所述bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行測試。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,步驟s2中包括:對所述bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的訓(xùn)練參數(shù)進(jìn)行設(shè)置。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,在步驟s2中,所述中央空調(diào)的設(shè)備能耗與所述運行參數(shù)的對應(yīng)關(guān)系式包括:第一對應(yīng)關(guān)系式、第二對應(yīng)關(guān)系式、第三對應(yīng)關(guān)系以及第四對應(yīng)關(guān)系式;
所述第一對應(yīng)關(guān)系式為:
所述第二對應(yīng)關(guān)系式為:
所述第三對應(yīng)關(guān)系式為:
所述第四對應(yīng)關(guān)系式為:
其中,
wchiller:為中央空調(diào)制冷主機(jī)能耗;wch,p:為冷凍泵能耗;wc,p:為冷卻泵能耗;wc,t:為冷卻塔能耗;
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,在步驟s3中,所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型為:
wtot=wchiller+wch,p+wc,p+wc,t;
或,
其中,wtot為中央空調(diào)的總能耗。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,所述步驟s3包括:
s31、基于所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型建立遺傳算法模型;
s32、根據(jù)所述遺傳算法模型對所述中央空調(diào)的所述運行參數(shù)進(jìn)行優(yōu)化處理,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù)。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,所述步驟s32包括以下步驟:
a、基于所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型設(shè)置適應(yīng)函數(shù),所述適應(yīng)函數(shù)的數(shù)學(xué)式為:
fitness=wtot,其中,fitness為適應(yīng)函數(shù);
b、判斷是否已設(shè)置限制條件,若是,則在所述中央空調(diào)的運行參數(shù)的第一數(shù)據(jù)中隨機(jī)選取n組數(shù)據(jù),根據(jù)所述適應(yīng)函數(shù)的數(shù)學(xué)式計算所述n組數(shù)據(jù)對應(yīng)的適應(yīng)函數(shù)值,獲得對應(yīng)的n個適應(yīng)函數(shù)值;若否,則對所述適應(yīng)函數(shù)進(jìn)行限制條件設(shè)置;n為大于0的整數(shù);
c、對所述n組數(shù)據(jù)對應(yīng)的n個適應(yīng)函數(shù)值進(jìn)行優(yōu)化處理,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù)。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,所述步驟c包括:
c1、對所述n個適應(yīng)函數(shù)值按由小到大的順序依次排列,并編號為1、2、3、……、n;
c2、從所述運行參數(shù)的第一數(shù)據(jù)組選擇m組數(shù)據(jù)替換所述已編號的n個適應(yīng)函數(shù)值對應(yīng)的n組數(shù)據(jù)中的m組數(shù)據(jù),獲得n′組數(shù)據(jù),其中,m為大于0且小于n的整數(shù);n′=n;
c3、根據(jù)所述n′組數(shù)據(jù)依次進(jìn)行交叉和變異計算,獲得變異的n′組數(shù)據(jù);
c4、在步驟c3結(jié)束后循環(huán)執(zhí)行步驟c1至步驟c3,其中,執(zhí)行一次步驟c1至步驟c3為一代。
在本發(fā)明所述的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法中,優(yōu)選地,在所述步驟c4之后還包括下述步驟:
判斷所述變異的n′組數(shù)據(jù)中的數(shù)據(jù)的變化率是否達(dá)到預(yù)設(shè)變化率,若是則停止執(zhí)行步驟c4,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù),若否,則執(zhí)行步驟c1;
或,判斷所述步驟c4中的代數(shù)是否達(dá)到預(yù)設(shè)代數(shù),若是則停止執(zhí)行步驟c4,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù),若否,則執(zhí)行步驟c1。
本發(fā)明還提供了一種基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制系統(tǒng),包括:
數(shù)據(jù)采集模塊,用于獲取中央空調(diào)在預(yù)設(shè)時間段內(nèi)的運行參數(shù)的第一數(shù)據(jù);
bp神經(jīng)網(wǎng)絡(luò)計算模塊,用于利用bp神經(jīng)網(wǎng)絡(luò)算法根據(jù)所述第一數(shù)據(jù)建立所述中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,通過所述中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行計算,獲得所述中央空調(diào)的設(shè)備能耗與所述運行參數(shù)的對應(yīng)關(guān)系式;
遺傳算法模塊,用于基于所述中央空調(diào)的設(shè)備能耗與所述運行參數(shù)的對應(yīng)關(guān)系式,獲得所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型,并根據(jù)所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型通過遺傳算法對所述運行參數(shù)進(jìn)行優(yōu)化處理,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù);
控制模塊,調(diào)用所述運行參數(shù)的優(yōu)化數(shù)據(jù),將所述優(yōu)化數(shù)據(jù)輸入至所述中央空調(diào)中以調(diào)整所述中央空調(diào)的運行參數(shù)控制所述中央空調(diào)運行。
實施本發(fā)明的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法,具有以下有益效果:該方法包括步驟:s1、獲取中央空調(diào)在預(yù)設(shè)時間段內(nèi)的運行參數(shù)的第一數(shù)據(jù);s2、利用bp神經(jīng)網(wǎng)絡(luò)算法根據(jù)第一數(shù)據(jù)建立中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,通過中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行計算獲得中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式;s3、基于中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式,獲得中央空調(diào)的總能耗的數(shù)學(xué)模型,并通過遺傳算法對中央空調(diào)的總能耗的數(shù)學(xué)模型進(jìn)行優(yōu)化處理,輸出運行參數(shù)的優(yōu)化數(shù)據(jù);s4、調(diào)用運行參數(shù)的優(yōu)化數(shù)據(jù),將優(yōu)化數(shù)據(jù)輸入至中央空調(diào)中以調(diào)整中央空調(diào)的運行參數(shù)控制中央空調(diào)運行。本發(fā)明通過使用bp神經(jīng)網(wǎng)絡(luò)對中央空調(diào)的設(shè)備進(jìn)行建模,在去處過程中充分考慮外在因素對設(shè)備用電情況的影響,獲取設(shè)備的能耗與運行參數(shù)的關(guān)系,設(shè)備的能耗與運行參數(shù)的關(guān)系通過遺傳算法對中央空調(diào)的設(shè)備的總能耗進(jìn)行優(yōu)化,避免了單純的消耗降頻節(jié)能所帶來的總能耗增加的情況,使整個中央空調(diào)系統(tǒng)的能耗達(dá)到最低,且通過結(jié)合兩種智能算法,使其互為補(bǔ)充、互相促進(jìn),提高了這兩種算法在中央空調(diào)節(jié)能領(lǐng)域的使用效果,進(jìn)而獲得最優(yōu)的運行參數(shù)的優(yōu)化數(shù)據(jù)以控制中央空調(diào)的運行,在保證室內(nèi)舒適性前提下達(dá)到了節(jié)約能耗的目的。
附圖說明
下面將結(jié)合附圖及實施例對本發(fā)明作進(jìn)一步說明,附圖中:
圖1是本發(fā)明基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法的流程示意圖;
圖2是本發(fā)明基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法一較佳實施例的示意圖;
圖3是bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的示意圖;
圖4是本發(fā)明基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法的第二優(yōu)選實施例的流程示意圖;
圖5是本發(fā)明基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法的第三優(yōu)選實施例的流程示意圖;
圖6本發(fā)明基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法的第四優(yōu)選實施例的流程示意圖。
具體實施方式
為了對本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解,現(xiàn)對照附圖詳細(xì)說明本發(fā)明的具體實施方式。
本發(fā)明相較于傳統(tǒng)的冷凍水側(cè)定壓差、定溫差等pid控制方法提出了一種通過系統(tǒng)冷負(fù)荷對中央空調(diào)各運行參數(shù)控制的運行的方法,該方法不再依賴于人為經(jīng)驗,而是充分考慮用戶端冷需量,實現(xiàn)中央空調(diào)系統(tǒng)按需供冷。具體地,本發(fā)明通過使用bp神經(jīng)網(wǎng)絡(luò)算法對中央空調(diào)各耗電設(shè)備進(jìn)行建模,在bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中充分考慮外在因素對耗電設(shè)備用電情況的影響,快速準(zhǔn)確地獲得各耗電設(shè)備與對應(yīng)的運行參數(shù)之間的對應(yīng)關(guān)系,進(jìn)一步得到中央空調(diào)的總能耗與中央空調(diào)各運行參數(shù)之間的關(guān)系,進(jìn)而借用遺傳算法對中央空調(diào)總能耗進(jìn)行優(yōu)化,輸出運行參數(shù)的優(yōu)化數(shù)據(jù),并調(diào)用通過遺傳算法優(yōu)化得到的優(yōu)化數(shù)據(jù)對中央空調(diào)的運行參數(shù)進(jìn)行相應(yīng)的調(diào)整以控制中央空調(diào)的運行,避免了單純的水泵降頻所帶來的總能耗增加的情況,使整個系統(tǒng)達(dá)到最低的能耗的運行狀態(tài),實現(xiàn)了在保護(hù)室內(nèi)熱舒適性的前提下節(jié)約系統(tǒng)能耗。
如圖1所示,在本發(fā)明的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法的流程示意圖,該方法包括以下步驟:
步驟s1、獲取中央空調(diào)在預(yù)設(shè)時間段內(nèi)的運行參數(shù)的第一數(shù)據(jù)。
可以理解地,在本發(fā)明的實施例中,預(yù)設(shè)時間段的范圍可以為中央空調(diào)的歷史數(shù)據(jù),比如在此之前的某年1~5月,即相當(dāng)于中央空調(diào)之前運行時的運行參數(shù)的數(shù)據(jù),具體選取哪個時間段的數(shù)據(jù)可根據(jù)實際應(yīng)用進(jìn)行確定。
具體地,在本實施例中,中央空調(diào)的運行參數(shù)的歷史數(shù)據(jù)包括多組數(shù)據(jù),每一組數(shù)據(jù)都包括各運行參數(shù)在某一時刻的對應(yīng)數(shù)值。假設(shè)冷凍水質(zhì)量流量為x1,冷凍水供水溫度為x2、冷凍水回水溫度為x3,冷卻水質(zhì)量流量為x4,冷卻水供水溫度為x5,冷卻水回水溫度為x6、中央空調(diào)冷負(fù)荷為x7,則第一組數(shù)據(jù)為x10、x20、x30、x40、x50、x60、x70;第二組數(shù)據(jù)為x11、x21、x31、x41、x51、x61、x71;第三組數(shù)據(jù)為x12、x22、x32、x42、x52、x62、x72;第四組數(shù)據(jù)為x13、x23、x33、x43、x53、x63、x73;依此類推。在本實施例中,優(yōu)選地,每一組數(shù)據(jù)中各中央空調(diào)的運行參數(shù)均為采集同一時刻的運行參數(shù)。例如,在第一組數(shù)據(jù)中,x10、x20、x30、x40、x50、x60、x70都是在同一時刻采集的。而且,中央空調(diào)的運行參數(shù)的歷史數(shù)據(jù)可以是在中央空調(diào)運行過程中每隔5分鐘采集一次的數(shù)據(jù)、每隔10分種采集一次的數(shù)據(jù)、每隔15分種采集一次的數(shù)據(jù)、或者是每隔半小時采集一次的數(shù)據(jù)、每隔1小時采集一次的數(shù)據(jù)等等。在本發(fā)明的實施例中,本發(fā)明對此不作具體限定,對于中央空調(diào)的運行參數(shù)的歷史數(shù)據(jù)均可用于本發(fā)明的實施例。換句話說,在本發(fā)明的實施例中,中央空調(diào)的各個運行參數(shù)的第一數(shù)據(jù)包括多組數(shù)據(jù),即每一個運行參數(shù)的第一數(shù)據(jù)包含多個,每一組數(shù)據(jù)對應(yīng)多個運行參數(shù),因此,第一數(shù)據(jù)為多組數(shù)據(jù)。
優(yōu)選地,在本實施例中,中央空調(diào)的運行參數(shù)可為冷凍水質(zhì)量流量、冷凍水供水溫度、冷凍水回水溫度、冷卻水質(zhì)量流量、冷卻水供水溫度、冷卻水回水溫度、空調(diào)冷負(fù)荷、室外溫度及室外相對濕度。
參考圖2,優(yōu)選地,圖2是本發(fā)明基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法一較佳實施例。為了使在后續(xù)的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的訓(xùn)練速率更快,本實施例在步驟s1中對中央空調(diào)的運行參數(shù)的數(shù)據(jù)進(jìn)行處理。具體地,包括:
s11、在預(yù)設(shè)時間段內(nèi),采集中央空調(diào)的運行參數(shù)的第二數(shù)據(jù)。
s12、對第二數(shù)據(jù)進(jìn)行處理,剔除第二數(shù)據(jù)中不合理的或無效的數(shù)據(jù)獲得第一數(shù)據(jù);不合理的或無效的數(shù)據(jù)為超出預(yù)設(shè)值的數(shù)據(jù)。
可以理解地,不合理的數(shù)據(jù)或無效的數(shù)據(jù)為超出預(yù)設(shè)值的數(shù)據(jù)。例如對于冷凍水質(zhì)量流量,如果冷凍水質(zhì)量的某一數(shù)據(jù)大于中央空調(diào)所能負(fù)載的數(shù)值,則該數(shù)據(jù)為不合理的數(shù)據(jù)或無效的數(shù)據(jù)。如中央空調(diào)冷負(fù)荷,如果采集到的第二數(shù)據(jù)中某一中央空調(diào)冷負(fù)荷的數(shù)據(jù)大于中央空調(diào)制冷主機(jī)的額定制冷量,則該數(shù)據(jù)為不合理的數(shù)據(jù)或無效的數(shù)據(jù)。
s13、對第一數(shù)據(jù)進(jìn)行歸一化處理。
可以理解地,歸一化是一種簡化計算的方式,是一種無量綱處理手段,通過歸一化可使物理數(shù)值的絕對值變成某種相對值關(guān)系,進(jìn)而使計算更加簡單。
在本發(fā)明的實施例中,優(yōu)選地,對中央空調(diào)的運行參數(shù)的有效歷史數(shù)據(jù)進(jìn)行歸一化處理,將不同數(shù)量級的運行參數(shù)的數(shù)據(jù)歸一到同一數(shù)量級,進(jìn)一步使數(shù)據(jù)處理更加簡單,提高了數(shù)據(jù)處理的效率。
s14、按預(yù)設(shè)比例對已進(jìn)行歸一化處理的第一數(shù)據(jù)進(jìn)行劃分,獲得第一比例數(shù)據(jù)、第二比例數(shù)據(jù)和第三比例數(shù)據(jù);第一比例數(shù)據(jù)用于代入bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行訓(xùn)練,第二比例數(shù)據(jù)用于代入bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行驗證,第三比例數(shù)據(jù)用于代入bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行測試。
具體地,在本發(fā)明的實施例中,第一比例數(shù)據(jù)、第二比例數(shù)據(jù)和第三比例數(shù)據(jù)可為將所有第一數(shù)據(jù)按不同的比例進(jìn)行劃分,即第一比例數(shù)據(jù)可為從已進(jìn)行歸一化處理的第一數(shù)據(jù)中隨機(jī)抽取的50%作為代入bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的數(shù)據(jù),相應(yīng)地,第二比例數(shù)據(jù)為從余下的50%的已進(jìn)行歸一化處理的第一數(shù)據(jù)中隨機(jī)抽取30%作為代入bp神經(jīng)網(wǎng)絡(luò)中進(jìn)行驗證的數(shù)據(jù),則第三比例數(shù)據(jù)為余下的20%的已進(jìn)行歸一化處理的第一數(shù)據(jù)。優(yōu)選地,在本發(fā)明的實施例中,從已進(jìn)行歸一化處理的第一數(shù)據(jù)中隨機(jī)抽取70%作為第一比例數(shù)據(jù),隨機(jī)抽取已進(jìn)行歸一化處理的15%作為第二比例數(shù)據(jù),隨機(jī)抽取已進(jìn)行歸一化處理的15%作為第三比例數(shù)據(jù)。通過該抽取70%作為訓(xùn)練數(shù)據(jù)、15%作為驗證數(shù)據(jù)、15%作為測試數(shù)據(jù),在使計算的時間長度、運算速度及運算精度三者達(dá)到平衡的前提下,對輸出數(shù)據(jù)作出更加精確的預(yù)測,提高預(yù)測精度??梢岳斫獾?,訓(xùn)練數(shù)據(jù)即為初步運算數(shù)據(jù),根據(jù)訓(xùn)練數(shù)據(jù)在bp神經(jīng)網(wǎng)絡(luò)中獲得初步訓(xùn)練結(jié)果。在獲得初步訓(xùn)練結(jié)果后,將隨機(jī)抽取的15%的有效歷史數(shù)據(jù)代入bp神經(jīng)網(wǎng)絡(luò)中對訓(xùn)練結(jié)果進(jìn)行驗證,以驗證訓(xùn)練結(jié)果是否正確,根據(jù)驗證的結(jié)果再將隨機(jī)抽取的15%的有效歷史數(shù)據(jù)代入bp神經(jīng)網(wǎng)絡(luò)中作進(jìn)一步的測試,以獲得準(zhǔn)確的中央空調(diào)的運行參數(shù)與設(shè)備能耗的對應(yīng)關(guān)系。
步驟s2、利用bp神經(jīng)網(wǎng)絡(luò)算法根據(jù)第一數(shù)據(jù)建立中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,通過中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行計算獲得中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式。
進(jìn)一步地,在步驟s2中,當(dāng)通過中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行計算時可先獲得bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的輸出參數(shù)與輸入?yún)?shù)之間的對應(yīng)關(guān)系式,進(jìn)而對輸出參數(shù)與輸入?yún)?shù)之間的對應(yīng)關(guān)系式進(jìn)行反歸一化處理,最終可獲得中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式。
優(yōu)選地,在步驟s2中,中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式包括:第一對應(yīng)關(guān)系式、第二對應(yīng)關(guān)系式、第三對應(yīng)關(guān)系以及第四對應(yīng)關(guān)系式。具體地,第一對應(yīng)關(guān)系式為:
第二對應(yīng)關(guān)系式為:
第三對應(yīng)關(guān)系式為:
第四對應(yīng)關(guān)系式為:
其中,wchiller:為中央空調(diào)制冷主機(jī)能耗;wch,p:為冷凍泵能耗;wc,p:為冷卻泵能耗;wc,t:為冷卻塔能耗;
其中:
i:為中央空調(diào)冷凍水側(cè)各支路編號;n:為中央空調(diào)冷凍水側(cè)支路數(shù)量;
qi:為中央空調(diào)冷凍水側(cè)各支路的冷負(fù)荷。
結(jié)合圖3,在本實施例中,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型如圖3所示,x1、x2……x7為中央空調(diào)的運行參數(shù),y為中央空調(diào)的設(shè)備能耗。例如,在第一對應(yīng)關(guān)系式中,x1對應(yīng)為冷凍水質(zhì)量流量、x2對應(yīng)為冷凍水供水溫度、x3對應(yīng)為冷凍水回水溫度、x4對應(yīng)為冷卻水質(zhì)量流量、x5對應(yīng)為冷卻水供水溫度、x6對應(yīng)為冷卻水回水溫度以及x7對應(yīng)為中央空調(diào)冷負(fù)荷,y對應(yīng)為中央空調(diào)的制冷主機(jī)能耗。即分別將每一組冷凍水質(zhì)量流量的第一數(shù)據(jù)代入x1中、每一組冷凍水供水溫度的第一數(shù)據(jù)代入x2中,每一組冷凍水回水溫度的第一數(shù)據(jù)代入x3中、每一組冷卻水質(zhì)量流量的第一數(shù)據(jù)代入x4中、每一組冷卻水供水溫度的第一數(shù)據(jù)代入x5中,每一組冷卻水回水溫度的第一數(shù)據(jù)代入x6中,每一組中央空調(diào)冷負(fù)荷的第一數(shù)據(jù)代入x7中;再分別對每一組x1、x2、x3、x4、x5、x6、x7進(jìn)行訓(xùn)練,進(jìn)而獲得中央空調(diào)制冷主機(jī)的能耗y,從而通過將中央空調(diào)的運行參數(shù)的已進(jìn)行歸一化處理的第一數(shù)據(jù)代入設(shè)置好的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中進(jìn)行訓(xùn)練,獲得bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中輸出參數(shù)與輸入?yún)?shù)之間的對應(yīng)關(guān)系式,再對輸出參數(shù)與輸入?yún)?shù)之間的對應(yīng)關(guān)系式進(jìn)行反歸一化處理獲得中央空調(diào)的運行參數(shù)與制冷主機(jī)的能效比的對應(yīng)關(guān)系式。
優(yōu)選地,在步驟s2中包括對所述bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的訓(xùn)練參數(shù)進(jìn)行設(shè)置。具體包括:
將bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型設(shè)置為輸入層、隱含層和輸出層。優(yōu)選地,輸入層可包括m個輸入?yún)?shù),隱含層可包括n個節(jié)點,輸出層可包括1個輸出參數(shù);其中,m為大于1的正整數(shù),n為大于1的正整數(shù)。
在本發(fā)明的實施例中,對于中央空調(diào)的制冷主機(jī)的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的輸入層可包括7個輸入?yún)?shù),即冷凍水質(zhì)量流量、冷凍水供水溫度、冷凍水回水溫度、冷卻水質(zhì)量流量、冷卻水供水溫度、冷卻水回水溫度以及中央空調(diào)冷負(fù)荷。隱含層可包括10個節(jié)點。輸出層中的1個輸出參數(shù)為中央空調(diào)的制冷主機(jī)的能耗。
對于中央空調(diào)的冷凍泵的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的輸入層可包括1個輸入?yún)?shù),即冷凍水質(zhì)量流量。隱含層可包括10個節(jié)點。輸出層中的1個輸出參數(shù)為中央空調(diào)的冷凍泵的能耗)。
對于中央空調(diào)的冷卻泵的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的輸入層可包括1個輸入?yún)?shù),即冷卻水質(zhì)量流量。隱含層可包括10個節(jié)點。輸出層中的1個輸出參數(shù)為中央空調(diào)的制冷主機(jī)的能耗(相當(dāng)于冷卻泵工作時所引發(fā)的能耗)。
對于中央空調(diào)的冷卻塔的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的輸入層可包括3個輸入?yún)?shù),即冷卻水質(zhì)量流量、室外溫度、室外相對濕度。隱含層可包括10個節(jié)點。輸出層中的1個輸出參數(shù)為中央空調(diào)的制冷主機(jī)的能耗(相當(dāng)于冷卻塔工作時所引發(fā)的能耗)。
在本實施例中,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的激活函數(shù)均可采用sigmoid函數(shù),bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的訓(xùn)練算法均可采用levenberg-marquardt算法??梢岳斫獾?,在本實施例中,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中的激活函數(shù)采用sigmoid函數(shù)可以把實數(shù)域光滑的映射到[0,1]空間,可以使運算速率大大提高,還可提高運算的精度。且sigmoid函數(shù)單調(diào)遞增,連續(xù)可導(dǎo),導(dǎo)數(shù)形式非常簡單,因此可進(jìn)一步提高運算速率,簡化運算過程,實現(xiàn)了快速獲得bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型中輸出參數(shù)與輸入?yún)?shù)之間的對應(yīng)關(guān)系式,再通過反歸一化處理,最終獲得中央空調(diào)的設(shè)備能耗與運行參數(shù)之間的對應(yīng)關(guān)系式,即本實施例中的第一對應(yīng)關(guān)系式、第二對應(yīng)關(guān)系式、第三對應(yīng)關(guān)系式、第四對應(yīng)關(guān)系式。
s3、基于中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式,獲得中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型,并根據(jù)所述中央空調(diào)的總能耗與所述運行參數(shù)的數(shù)學(xué)模型通過遺傳算法對所述運行參數(shù)進(jìn)行優(yōu)化處理,輸出所述運行參數(shù)的優(yōu)化數(shù)據(jù)。
具體地,中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型為:
wtot=wchiller+wch,p+wc,p+wc,t;
或,
其中,wtot為中央空調(diào)的總能耗。
如圖4所示,優(yōu)選地,步驟s3包括:
s31、基于中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型建立遺傳算法模型;
s32、根據(jù)遺傳算法模型對中央空調(diào)的運行參數(shù)進(jìn)行優(yōu)化處理,輸出運行參數(shù)的優(yōu)化數(shù)據(jù)。
進(jìn)一步地,如圖5所示,在本發(fā)明的實施例中,步驟s32包括以下步驟:
a、基于中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型設(shè)置適應(yīng)函數(shù),適應(yīng)函數(shù)的數(shù)學(xué)式為:
fitness=wtot,其中,fitness為適應(yīng)函數(shù);
b、判斷是否已設(shè)置限制條件,若是,則在中央空調(diào)的運行參數(shù)的第一數(shù)據(jù)中隨機(jī)選取n組數(shù)據(jù),根據(jù)適應(yīng)函數(shù)的數(shù)學(xué)式計算n組數(shù)據(jù)對應(yīng)的適應(yīng)函數(shù)值,獲得對應(yīng)的n個適應(yīng)函數(shù)值;若否,則對適應(yīng)函數(shù)進(jìn)行限制條件設(shè)置;n為大于0的整數(shù);可以理解地,中央空調(diào)的運行參數(shù)的第一數(shù)據(jù)為步驟s12所獲得的第一數(shù)據(jù),即未進(jìn)行歸一化處理。
c、對n組數(shù)據(jù)對應(yīng)的n個適應(yīng)函數(shù)值進(jìn)行優(yōu)化處理,輸出運行參數(shù)的優(yōu)化數(shù)據(jù)。
優(yōu)選地,如圖6所示,在本發(fā)明的實施例中,步驟c包括以下步驟:
c1、對n個適應(yīng)函數(shù)值按由小到大的順序依次排列,并編號為1、2、3、……、n;
c2、從運行參數(shù)的第一數(shù)據(jù)中選擇m組數(shù)據(jù)組替換已編號的n組數(shù)據(jù)中的m組數(shù)據(jù),獲得n′組數(shù)據(jù),其中,m為大于0且小于n的整數(shù);n′=n;
c3、根據(jù)n′組數(shù)據(jù)依次進(jìn)行交叉和變異計算,獲得變異的n′組數(shù)據(jù);
c4、在步驟c3結(jié)束后循環(huán)執(zhí)行步驟c1至步驟c3,其中,執(zhí)行一次步驟c1至步驟c3為一代。
進(jìn)一步地,在步驟c4之后還包括步驟:判斷變異的n′組數(shù)據(jù)中的數(shù)據(jù)的變化率是否達(dá)到預(yù)設(shè)變化率,若是則停止執(zhí)行步驟c4,輸出運行參數(shù)的優(yōu)化數(shù)據(jù),若否,則執(zhí)行步驟c1??梢岳斫獾?,在本發(fā)明的實施例中,預(yù)設(shè)變化率可設(shè)為5%。例如,對于100代之內(nèi),數(shù)據(jù)的變化率小于5%則可停止執(zhí)行步驟c4,即遺傳算法中相當(dāng)于停止對運行參數(shù)的第一數(shù)據(jù)的優(yōu)化。
或,判斷步驟c4的代數(shù)是否達(dá)到預(yù)設(shè)代數(shù),若是則停止執(zhí)行步驟c4,輸出運行參數(shù)的優(yōu)化數(shù)據(jù),若否,則執(zhí)行步驟c1??梢岳斫獾兀诒景l(fā)明的實施例中,代數(shù)相當(dāng)于循環(huán)執(zhí)行步驟c1至步驟c3的循環(huán)次數(shù),循環(huán)執(zhí)行一次為一代,循環(huán)執(zhí)行二次為二代。優(yōu)選地,預(yù)設(shè)代數(shù)為最大代數(shù),例如,最大代數(shù)可設(shè)為100代。當(dāng)循環(huán)執(zhí)行步驟c1至步驟c3的循環(huán)次數(shù)達(dá)到100次時,即100代即停止。然后輸出停止優(yōu)化時的運行參數(shù)的數(shù)據(jù),即相當(dāng)于通過遺傳算法算出最優(yōu)的運行參數(shù)的數(shù)值。
在具體的實施例中,例如,在獲得中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型后,通過遺傳算法對中央空調(diào)的運行參數(shù)進(jìn)行優(yōu)化處理,輸出運行參數(shù)的優(yōu)化數(shù)據(jù)。具體地,在獲得中央空調(diào)的總能耗的數(shù)學(xué)模型后,先判斷是否已設(shè)置適應(yīng)函數(shù),若是則判斷是否已設(shè)置限制條件,若是則隨機(jī)選取n組數(shù)
(1)冷負(fù)荷、室外溫度、室外濕度保持不變;
(2)冷水供水溫度在7攝氏度到13攝氏度之間,即:tch,sup∈[7℃13℃];
(3)冷水回水溫度與供水溫度之間溫差在3攝氏度到7攝氏度之間,即:
tch,re-tch,sup∈[3℃7℃];
(4)在保證冷負(fù)荷不變的情況下,冷水質(zhì)量流量由公式求得,即:
(5)冷卻水回水溫度在30攝氏度到35攝氏度之間,即:
tc,re∈[30℃35℃];
(6)冷卻水供水溫度與回水溫度之間溫差在0攝氏度到7攝氏度:
tc,sup-tc,er∈[0℃7℃];
(7)冷卻水體積流量在0m3/s到0.2m3/s之間,即:
從運行參數(shù)的第一數(shù)據(jù)中隨機(jī)選取10組數(shù)據(jù)作為遺傳算法運算的個體,每組數(shù)據(jù)包括
計算適應(yīng)函數(shù)值:
將所選取的10組中央空調(diào)的運行參數(shù)的數(shù)據(jù)代入到適應(yīng)函數(shù)式中求值,獲得10個對應(yīng)的適應(yīng)函數(shù)值,即一組運行參數(shù)對應(yīng)一個適應(yīng)函數(shù)值??梢岳斫獾兀诒景l(fā)明的實施例中,適應(yīng)函數(shù)值相當(dāng)于中央空調(diào)的總能耗的數(shù)值。
例如,10組中央空調(diào)的運行參數(shù)的數(shù)據(jù)分別設(shè)為g1、g2、g3、g4、g5、g6、g7、g8、g9、g10,其中g(shù)1中包括:
對所獲得的10個適應(yīng)函數(shù)值進(jìn)行排列運算:
具體地,將10個適應(yīng)函數(shù)值按照從小到大的順序排列,并進(jìn)行從1到10的編號。例如依次為:w1、w2、w3、w4、w5、w6、w7、w8、w9、w10。
選擇與替換運算:
具體地,根據(jù)已編號的1至10號的10組數(shù)據(jù),以50%為進(jìn)行劃分選擇和替換。例如,選擇從1到5數(shù)據(jù)組作為選擇的數(shù)據(jù)組,從6到10號的數(shù)據(jù)組作為替換的數(shù)據(jù)組,同時從中央空調(diào)的運行參數(shù)的第一數(shù)據(jù)中隨機(jī)選取5組數(shù)據(jù)組來替換從6到10號的數(shù)據(jù),即編號為6到10號的數(shù)據(jù)組已被替換。例如,保留g1、g2、g3、g4、g5,在中央空調(diào)的運行參數(shù)的第一數(shù)據(jù)中再隨機(jī)選擇5組數(shù)據(jù),假設(shè)為g6′、g7′、g8′、g9′、g10′替換掉g6、g7、g8、g9、g10。
替換完成后獲得新的10組數(shù)據(jù),即g1、g2、g3、g4、g5、g6′、g7′、g8′、g9′、g10′。
交叉和變異:
從已完成替換的新的10組數(shù)據(jù)中以30%作為交叉的概率,即從g1、g2、g3、g4、g5、g6′、g7′、g8′、g9′、g10′中隨機(jī)選取3組數(shù)據(jù)與1號數(shù)據(jù)與進(jìn)行交叉。即隨機(jī)選取3組數(shù)據(jù)與g1的數(shù)據(jù)進(jìn)行交叉,例如,隨機(jī)選出三組數(shù)據(jù)分別為g3、g5、g8′,再將g3的數(shù)據(jù)與g1的數(shù)據(jù)交叉,g5的數(shù)據(jù)與g1的數(shù)據(jù)交叉,g8′的數(shù)據(jù)與g1的數(shù)據(jù)交叉。
其中,交叉的具體算法為,以編號為3的數(shù)據(jù)組(即g3的數(shù)據(jù)組)中的冷水供水溫度為例:
t′ch,sup(i)=r×tch,sup(1)+(1-r)×tch,sup(i)
其中,t′ch,sup(i):為第i組數(shù)據(jù)組交叉后的冷卻水供水溫度;r:為0到1之間的隨機(jī)數(shù)值;tch,sup(1):為一號數(shù)據(jù)的冷卻水供水溫度;tch,sup(i):為第i號數(shù)據(jù)組交叉前的冷卻水供水溫度。
可以理解地,選取交叉的概率可根據(jù)實際的運算進(jìn)行確定,本發(fā)明中所舉的只是作為代表實施例,但不限于本實施例所舉的具體數(shù)值。
在交叉步驟完成后,再對已完成交叉的10組數(shù)據(jù)進(jìn)行變異計算。
具體地,同樣以30%作為變異的概率,即從與編號為1到10的10組運行參數(shù)的數(shù)據(jù)中隨機(jī)選取3組數(shù)據(jù)進(jìn)行變異計算。如前所述,相當(dāng)于從已完成交叉的g1、g2、g3、g4、g5、g6′、g7′、g8′、g9′、g10′隨機(jī)選取3組數(shù)據(jù)進(jìn)行變異計算。
其中變異的具體算法為:以編號3數(shù)據(jù)組(即g3的數(shù)據(jù))中冷卻水回水溫度為例:
其中:t′c,re(i):為第i組數(shù)據(jù)組變異后的冷卻水回水溫度;r:為0到1之間的隨機(jī)數(shù)值;tc,re(i):為第i組數(shù)據(jù)組變異前的冷卻水回水溫度;
可以理解地,選取變異的概率可根據(jù)實際的運算進(jìn)行確定,本發(fā)明中所舉的只是作為代表實施例,但不限于本實施例所舉的具體數(shù)值。
當(dāng)完成變異計算后,先判斷經(jīng)變異后的運行參數(shù)的數(shù)據(jù)的變化率是否達(dá)到預(yù)設(shè)變化率,若是,則停止優(yōu)化處理,并輸出此時的運行參數(shù)的數(shù)據(jù)(即最優(yōu)的運行參數(shù)的數(shù)值);若否,則在獲得的當(dāng)代(假設(shè)為t代)的已完成變異的10組數(shù)據(jù)由計算適應(yīng)函數(shù)值開始至交叉和變異結(jié)束,繼續(xù)進(jìn)行優(yōu)化獲得t+1代的10組數(shù)據(jù),一直進(jìn)行循環(huán)計算,直到數(shù)據(jù)的變化率達(dá)到預(yù)設(shè)變化率時停止優(yōu)化處理,并輸出此時的運行參數(shù)的數(shù)據(jù)(即最優(yōu)的運行參數(shù)的數(shù)值)。
或者,在循環(huán)的過程中數(shù)據(jù)的變化率一直達(dá)不到預(yù)設(shè)變化率,但已達(dá)到預(yù)設(shè)的代數(shù),則此時可停止優(yōu)化處理,輸出此時的運行參數(shù)的優(yōu)化的數(shù)據(jù)。
優(yōu)選地,輸出的運行參數(shù)的優(yōu)化數(shù)據(jù)包括:
進(jìn)一步地,在獲得運行參數(shù)的優(yōu)化數(shù)據(jù)后調(diào)用運行參數(shù)的優(yōu)化數(shù)據(jù),具體地,在本實施例中,調(diào)用的運行參數(shù)包括::
本發(fā)明的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法不再依賴于人為經(jīng)驗而是充分考慮用戶端冷需量,實現(xiàn)了中央空調(diào)按需供冷,同時通過使用bp神經(jīng)網(wǎng)絡(luò)算法進(jìn)行運算對中央空調(diào)各耗電設(shè)備(即制冷主機(jī)、冷凍泵、冷卻泵及冷卻塔)進(jìn)行建模,在運算過程中充分考慮外在因素對各耗電設(shè)備用電情況的影響,且計算迅速、計算結(jié)果準(zhǔn)確、精度高。另外本發(fā)明還在使用bp神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上,使用遺傳算法與bp神經(jīng)網(wǎng)絡(luò)算法相結(jié)合對中央空調(diào)的總能耗進(jìn)行優(yōu)化,避免了單純的水泵降頻所帶來的總能耗增加的情況,使整個中央空調(diào)系統(tǒng)達(dá)到能耗最低。通過將兩種智能算法結(jié)合到一起對中央空調(diào)總能耗進(jìn)行優(yōu)化,互為補(bǔ)充、互相促進(jìn),進(jìn)一步提高了運算的精度,獲得最優(yōu)的運行參數(shù)的數(shù)據(jù)以控制中央空調(diào)的運行,實現(xiàn)了在保證室內(nèi)空氣舒適度的條件下,達(dá)到了節(jié)約能耗的目的。另外,本發(fā)明不需要增加額外的硬件設(shè)備,操作簡單,運算速率高、精度高、實用性強(qiáng)。
本發(fā)明還提供了一種基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制系統(tǒng),包括數(shù)據(jù)采集模塊100、bp神經(jīng)網(wǎng)絡(luò)計算模塊200、遺傳算法模塊300、控制模塊400。
數(shù)據(jù)采集模塊100,用于獲取中央空調(diào)在預(yù)設(shè)時間段內(nèi)的運行參數(shù)的第一數(shù)據(jù)。
bp神經(jīng)網(wǎng)絡(luò)計算模塊200,用于利用bp神經(jīng)網(wǎng)絡(luò)算法根據(jù)第一數(shù)據(jù)建立中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型,通過中央空調(diào)的設(shè)備的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型進(jìn)行計算,獲得中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式;
遺傳算法模塊300,用于基于中央空調(diào)的設(shè)備能耗與運行參數(shù)的對應(yīng)關(guān)系式,獲得中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型,并根據(jù)中央空調(diào)的總能耗與運行參數(shù)的數(shù)學(xué)模型通過遺傳算法對運行參數(shù)進(jìn)行優(yōu)化處理,輸出運行參數(shù)的優(yōu)化數(shù)據(jù);
控制模塊400,調(diào)用運行參數(shù)的優(yōu)化數(shù)據(jù),將優(yōu)化數(shù)據(jù)輸入至中央空調(diào)中以調(diào)整中央空調(diào)的運行參數(shù)控制中央空調(diào)運行。
優(yōu)選地,本發(fā)明的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法可通過該基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制系統(tǒng)實現(xiàn)。
綜上所述,本發(fā)明的基于聯(lián)合智能算法的中央空調(diào)節(jié)能控制方法及系統(tǒng)可實現(xiàn)快速有效地獲得中央空調(diào)運行參數(shù)的最優(yōu)數(shù)據(jù),并根據(jù)所獲得的最優(yōu)數(shù)據(jù)對中央空調(diào)進(jìn)行控制,達(dá)到節(jié)約能耗的目的,并延長了中央空調(diào)的使用壽命,且不需額外添加硬件設(shè)備,操作簡便易行、效率高,并能保證室內(nèi)舒適度。
以上實施例只為說明本發(fā)明的技術(shù)構(gòu)思及特點,其目的在于讓熟悉此項技術(shù)的人士能夠了解本發(fā)明的內(nèi)容并據(jù)此實施,并不能限制本發(fā)明的保護(hù)范圍。凡跟本發(fā)明權(quán)利要求范圍所做的均等變化與修飾,均應(yīng)屬于本發(fā)明權(quán)利要求的涵蓋范圍。