[发明专利]一种动态预测性机器学习型空调节能控制方法及系统

说明书

本发明公开了一种动态预测性机器学习型空调节能控制系统，涉及中央空调系统控制领域，通过数据采集模块获取环境参数、用户习惯和节假日规律等多特征变量，采用双种群粒子群训练算法模块优化支持向量机中央空调负荷预测算法模块，提高预测结果精确度和参数寻优性能；以中央空调系统运行能耗最小化为目标，构建全局参数寻优模块。本发明的有益效果是：既满足了中央空调系统综合能耗最优化结果输出，又能实现动态预测性智能化管理和稳定控制。本发明提供既能满足中央空调系统综合能耗最优化，又能实现动态预测性智能化管理和稳定性控制为目的的中央空调节能控制系统。

技术领域

本发明涉及中央空调系统控制领域，尤其涉及一种动态预测性机器学习型空调节能控制方法及系统。

背景技术

随着全球气候变暖的趋势，我国城镇化和工业化加速发展的进程，目前建筑能耗占我国社会总能耗的30％以上，中央空调系统能耗占建筑能耗的60％以上，占社会总碳排放的25％以上，建筑中央空调系统节能已经成为国民经济节能减排领域中的重点和热点问题。

据统计，我国公共建筑节能达标率不足10％；中央空调的运行调节主要集中在冷冻水泵的定温差(一般设定为5℃)变流量(变频)调节上，且依赖于技术操作人员的经验，节能调节策略单一、局限性较为明显。这些调节模式一般只关注冷冻水泵自身的运行状态，而忽略了冷却水泵、制冷机组、冷却塔等系统主要能耗设备所构成的系统综合能耗最优化问题。

另外，自动化控制理论及技术作为节能控制技术手段，在中央空调系统控制中越来越重要，传统的自动化控制理论中的PID(比例、积分、微分)控制算法适用于单变量线性系统，不太适应多变量、非线性、大滞后和时变性的中央空调系统；反馈式控制方式应用于中央空调系统的节能控制运行稳定性较差，节能效果和稳定性有待进一步提高。当空调系统负荷发生变化时，若仅采用压差控制，则不能够准确表述系统负荷的变化，从而可能导致控制系统失效；若仅采用温差控制，则当负荷发生较大变化时，控制系统往往会滞后一段时间后对空调水系统进行调节，从而影响了控制的及时性和快速性。目前，中央空调节能控制领域流行的恒压差和恒温差控制模式属于“跟随控制”，一般只适用于无时滞的被控对象或过程，用在负荷动态性波动的中央空调系统中难以取得较好的稳定节能控制效果。

发明内容

针对现有技术中的不足，本发明提供一种既能满足中央空调系统综合能耗最优化，又能实现动态预测性智能化管理和稳定性控制为目的的中央空调节能控制系统。

为实现上述目的，本发明的技术方案如下：

一种动态预测性机器学习型空调节能控制方法，其包括：

采集建筑物空调历史时序负荷作为输出变量，采集影响建筑空调负荷的因素作为输入变量，将所述输入变量和所述输出变量组建原始数据集；

对所述原始数据集内的数据归一化处理，得到历史时刻样本空间记录向量，采用双种群协同进化策略和反正切调整策略，获得支持向量机的最佳性能参数组合粒子；

利用所述原始数据集内的数据，结合最佳性能参数组合粒子优化的支持向量机，预测下一时刻中央空调系统负荷；

以下一时刻空调系统能耗为优化目标，以下一时刻空调负荷、已知设备容量和控制阈值为约束条件，求解下一时刻最低能耗并得到系统全局决策最优变量值；

根据全局决策最优变量值输出系统下一时刻起始的各设备单元的控制参数。

一种动态预测性机器学习型空调节能控制系统，其包括：数据采集模块，双种群粒子群训练算法模块，支持向量机负荷预测算法模块，全局参数寻优模块，控制参数结果输出模块；

所述数据采集模块用于采集建筑物空调历史时序负荷作为输出变量，采集影响建筑空调负荷的因素作为输入变量，将所述输入变量和所述输出变量组建原始数据集；