[发明专利]一种基于深度学习的冷水机房控制系统

说明书

本发明公开了一种基于深度学习的冷水机房控制系统，其特征在于：包括机房设备，用于获得机房数据的传感器模块，用于转发、处理机房数据以及控制机房设备的就地控制器，用于处理获得机房数据并发送控制指令至就地控制器的机器学习控制器以及用于替换机器学习控制器内的深度学习模型的云服务器，机房设备、传感器模块连接至就地控制器，就地控制器、机器学习控制器以及云服务器依次连接。本发明冷水机房控制系统可以利用云服务器通过对大数据分析，以及深度学习的算法找到更多节能的措施，对机器学习控制器进行深度学习模型的替换，对冷水机房节能带来新的方法，从而可以适应更加复杂的控制场景。

技术领域

本发明涉及一种基于深度学习的冷水机房控制系统。

背景技术

当前机器学习方法取得了快速的发展，在图像、语音识别等领域广泛应用。在冷水机房中，控制系统需要采集温度、流量、压力、设备状态、变频器频率、故障报警等成百上千个数据点。当前冷水机房控制系统通常采用PID算法进行控制，PID算法只针对其所需要的控制对象选取上千个数据点的某几个进行控制，这种算法只考虑了被控制对象的效率最优，而没有考虑该控制对象的运行状态对整个冷水机房运行能效的影响。

控制系统采用冷水机组能耗模型进行控制，其缺点在于该控制系统只考虑模型中确定的输入数据点，而无法对模型没有考虑的数据点进行反应。冷水机房中的设备都是互相关联，某一个温度或者流量的变化会对冷水系统的运行带来明显的变化。采用能耗模型的控制系统无法对意外情况进行反应，并且无法进行自我学习，找到其他数据点对能耗模型的影响。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种可以适应更加复杂的控制场景的基于深度学习的冷水机房控制系统。

本发明解决上述问题所采用的技术方案是：

一种基于深度学习的冷水机房控制系统，其特征在于：包括

机房设备，

用于获得机房数据的传感器模块，

用于转发、处理机房数据以及控制机房设备的就地控制器，

用于处理获得机房数据并发送控制指令至就地控制器的机器学习控制器，

用于替换机器学习控制器内的深度学习模型的云服务器，

机房设备、传感器模块连接至就地控制器，就地控制器、机器学习控制器以及云服务器

依次连接。

本发明冷水机房控制系统可以利用云服务器通过对大数据分析，以及深度学习的算法找到更多节能的措施，对机器学习控制器进行深度学习模型的替换，对冷水机房节能带来新的方法，从而可以适应更加复杂的控制场景。

进一步，作为优选，还包括远程终端，远程终端连接至云服务器。

进一步，作为优选，机房设备通过I/O接口连接至就地控制器。

进一步，作为优选，传感器模块包括温度传感器、湿度传感器、流量传感器、压力传感器、风量传感器。

进一步，作为优选，就地控制器采用PLC、DDC或工控机。

进一步，作为优选，云服务器、机器学习控制器和就地控制器分别设置了独立的安全验证机制。控制指令只有同时满足多层安全验证机制后，才会执行。

进一步，作为优选，就地控制器实时监控每一台设备的运行状态，若某一设备出现故障，将立即报警。

进一步，作为优选，机器学习控制器包含了自动纠错和重启功能，当遇到不可预测的故障时，该控制器先尝试自动纠错或重启。

进一步，作为优选，就地控制器具有在PID控制算法、深度学习算法和人工操作等控制模式之间进行切换功能。