[发明专利]一种基于LSTM的智能建筑系统预测控制参数整定方法

权利要求书

1.一种基于LSTM的智能建筑系统预测控制参数整定方法，其特征在于，包括以下步骤：

1)基于MPC算法获取训练样本；

2)建立长短期记忆人工神经网络，根据步骤1)得到的训练样本对长短期记忆人工神经网络进行训练；

3)利用训练后的长短期记忆人工神经网络预测智能建筑系统的控制参数。

2.根据权利要求1所述的基于LSTM的智能建筑系统预测控制参数整定方法，其特征在于，步骤1)中的训练样本包括智能建筑系统的预测步长N_p、控制步长N_c、权重系数r_w、超调量σ、上升时间t_p及调整时间t_s。

3.根据权利要求1所述的基于LSTM的智能建筑系统预测控制参数整定方法，其特征在于，步骤1)的具体过程为：

智能建筑系统的预测输出矩阵为：

Y＝[y(k+1|k),y(k+2|k)…y(k+N_p|k)]^T (8)

控制量的变化量矩阵ΔU为：

ΔU＝ [Δu(k),Δu(k+1)…Δu(k+Nc-1)]^T (9)

定义优化型代价函数为：

将式(8),(9)代入式(10)中，得二次优化函数为：

J＝(R_s-Fx(k))^T(R_s-Fx(k))+Δu^TEΔu+2Δu^TF_n (11)

以控制量的变化量Δu为优化变量，计算J最小时对应的最优智能建筑系统的预测输出函数；

根据所述最优智能建筑系统的预测输出函数绘制响应曲线，再获取响应曲线的超调量、上升时间及调整时间。

4.根据权利要求1所述的基于LSTM的智能建筑系统预测控制参数整定方法，其特征在于，长短期记忆人工神经网络包括三个输入层、三个输出层及十二个隐含层。