[发明专利]基于人工神经元网络的自优化能效管控系统及方法

说明书

本发明公开了基于人工神经元网络的自优化能效管控系统及方法，该系统包括传感器组、暖通设备、设备控制参数采集器、设备控制参数反馈模块和中央控制单元。该方法利用环境条件参数、设备工况参数作为样本输入，设备控制参数作为样本输出训练ANN，获取从环境条件、设备工况到设备控制参数之间的多维函数映射关系。与其它利用ANN的方案中ANN通常用于从设备控制参数到系统输出工况的仿真模拟不同，本案中ANN所获取的函数关系包含了从环境条件和系统工况到设备控制参数的反馈关系，因此系统可以利用包含该函数关系的ANN，直接通过环境条件和设备工况获取合适的设备控制参数。

技术领域

本发明涉及一种基于人工神经元网络的自优化能效管控系统及方法。

背景技术

现有技术大致分为三类：

1.随动控制方法：人工设定暖通空调系统的运行控制目标(如室温、水温等)，控制系统使用误差削减方法(如PID算法)不断逼近运行控制目标。

2.控制理论方法：通过物理过程分析，找到暖通空调系统环境条件与系统工况的数学关系，应用现代控制理论方法，建立控制过程数学模型，系统通过该模型进行控制运算。

3.CFD仿真与ANN结合：对暖通空调的环境条件和系统工况进行采样，根据采样数据建立CFD仿真模型，根据仿真结果对ANN进行训练，最后将训练好的ANN用于暖通空调系统控制。

所确定的现有技术存在的缺点：

1.随动控制方法：暖通空调系统的状态反馈存在较大的时滞，随动控制方法存在响应不及时、控制不准确、系统输出振荡的问题；即有技术方案中，对这些问题依赖于人的经验通过调节控制目标处理，人力工作量大，且效果不佳。

2.控制理论方法：由于暖通空调系统的物理过程涉及多个热交换过程且受到大时滞影响，分析极其复杂，该方法目前尚无有效的可行方案。

3.CFD仿真与ANN结合：仿真模型的精确性将会直接决定控制系统的精确性，而暖通空调系统的环境条件和设备条件，在不同项目、不同时期的差异都较大，仿真模型难以涵盖所有情况，因此仿真模型势必是不准确的，由此得出的控制过程也是不准确的；最终仍然依赖人的经验。

针对暖通空调系统的综合能效管理中不稳定、不准确和依赖经验的问题，本发明使暖通空调能效管理系统自行从实际运行中学习符合实地特征的环境条件和设备工况的函数映射关系，并按照学习到的函数关系，优化系统能效管理。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于人工神经元网络的自优化能效管控系统及方法。

为了解决上述技术问题，采用如下技术方案：

基于人工神经元网络的自优化能效管控系统，包括传感器组、暖通设备、设备控制参数采集器、设备控制参数反馈模块和中央控制单元，中央控制单元的输入端连接有设备控制参数采集器，中央控制单元的输出端连接有暖通设备，暖通设备连接设备控制参数反馈模块，设备控制参数反馈模块连接设备控制参数采集器，设备控制参数采集器连接有传感器组。

进一步，传感器组包括系统工况传感器和环境条件传感器，设备控制参数采集器包括环境条件参数采集模块和系统工况参数采集模块，系统工况传感器连接系统工况参数采集模块，系统工况参数采集模块连接中央控制单元，环境条件传感器连接环境条件参数采集模块，环境条件参数采集模块连接中央控制单元。

进一步，中央控制单元包含数据预处理单元、ANN、ANN控制单元和输出逆变单元，数据预处理单元的一端分别与环境条件参数采集模块、系统工况参数采集模块和设备控制参数反馈模块相连接，数据预处理单元的另一端分别与ANN和ANN控制单元相连接，ANN控制单元连接ANN，ANN连接输出逆变单元，输出逆变单元连接暖通设备。

基于人工神经元网络的自优化能效管控方法，包括以下处理步骤：