【技術實現步驟摘要】
本專利技術涉及空調智能控制，更具體地說，本專利技術涉及一種基于大數據分析的中央空調能耗優化智能控制系統。
技術介紹
1、申請公開號為cn116027700a的專利公開了一種基于中央空調大數據分析的智能優化方法和系統，包括數據采集模塊、數據處理模塊、設備模型數據庫模塊、負荷及能耗數據庫模塊、全局優化模塊、控制模塊；利用皮爾森相關系數法進行數據分析處理，建立了中央空調系統可控變量與不可控變量之間的關系模型，使智能優化系統能根據工況的改變運行不同工況下的最優工作方案，使得系統總能耗最低，系統效率最優，從而在不降低室內舒適感的前提下盡可能節省中央空調系統能耗。
2、但是現有控制系統依然缺乏對大量運行數據的充分利用，無法從海量數據中有效挖掘潛在的規律和知識；隨著建筑智能化和物聯網技術的發展，中央空調系統產生的運行數據呈現出大量、多維、異構的特點，僅依賴有限的人工經驗知識，很難對復雜的運行過程進行精準描述和控制；其次，現有控制策略大多基于簡單的規則或經驗模型，缺乏對復雜多變運行環境的適應能力；中央空調系統的運行受到諸多因素的影響，影響因素的交互作用使得系統運行過程呈現出高度的動態性和不確定性；基于經驗模型的控制策略難以充分刻畫這種復雜性，導致控制性能有限；再者，現有控制系統缺乏對綜合平衡考慮；過度追求節能往往會犧牲舒適度，而過度追求舒適度又會導致能耗升高；此外，現有控制方法缺乏對運行動態演化規律的分析和利用；中央空調系統的運行狀態會隨時間動態演化，如何預測和把握這種演化趨勢，對于制定前瞻性的控制策略至關重要，但現有方法在這方面還
3、鑒于此，本專利技術提出一種基于大數據分析的中央空調能耗優化智能控制系統以解決上述問題。
技術實現思路
1、為了克服現有技術的上述缺陷，為實現上述目的，本專利技術提供如下技術方案：一種基于大數據分析的中央空調能耗優化智能控制系統，包括：數據采集處理模塊、聚類模塊、模型構建模塊和策略求解模塊；各個模塊之間通過有線和/或無線的方式進行連接；
2、數據采集處理模塊包括采集單元和處理單元，采集單元用于采集中央空調的綜合運行數據；處理單元用于將采集的綜合運行數據進行預處理，得到低維特征變量；
3、聚類模塊，用于將低維特征變量進行聚類分析，得到若干種典型運行模式；
4、模型構建模塊，基于若干種典型運行模式構建運行有向圖模型；
5、策略求解模塊包括求解單元和控制單元，求解單元基于運行有向圖模型，采用改進剖分算法求解得到最優控制策略；控制單元用于將最優控制策略應用于中央空調的實時控制。
6、進一步地，所述綜合運行數據包括室內環境數據、室外環境數據、空調運行數據和建筑物數據；室內環境數據包括室內溫度、室內濕度和二氧化碳濃度；室外環境數據包括室外溫度、室外濕度和太陽輻射強度；
7、空調運行數據包括機組運行狀態、供回水溫度、供回水流量、壓縮機運行頻率和單位時間能量消耗；建筑物數據包括建筑物朝向和建筑物隔熱率。
8、進一步地，所述進行預處理的方式包括數據清洗、數據標準化和數據降維；所述數據降維的方式包括：
9、將進行數據清洗和數據標準化后的綜合運行數據，記作運行數據集；從運行數據集中提取出變量構成數據矩陣x，計算數據矩陣x的相關系數矩陣r，相關系數矩陣r中的元素r(i,j)表示第i個變量與第j個變量之間的相關系數；
10、基于相關系數矩陣，計算運行數據集的樣本適度性值km；
11、；其中，r_ij為第i個變量與第j個變量之間的相關系數，w_ij為第i個變量與第j個變量的權重系數，a_ij為第i個變量與第j個變量之間的偏相關系數，n為運行數據集中的數據量，p為變量的個數；f(n,p)為偏相關系數調節函數；
12、偏相關系數調節函數；其中，α是一個控制函數曲率的參數；β為比值影響參數；
13、預設降維分析閾值，若運行數據集的樣本適度性值km小于降維分析閾值，則重新調整運行數據集內的數據；重新計算運行數據集的樣本適度性值，直至樣本適度性值km大于或等于降維分析閾值；保留此時的運行數據集，作為最優數據集，計算獲取最優數據集對應的相關系數矩陣；記作最優相關系數矩陣；基于最優相關系數矩陣獲取保留的因子的個數；
14、根據保留的因子的個數，構建初始因子矩陣，初始因子矩陣中每一列對應一個因子，每一行對應一個變量；
15、將初始因子矩陣進行正交旋轉，得到因子載荷矩陣；根據因子載荷矩陣，計算若干個樣本在各個因子上的綜合得分；一個樣本對應一組綜合運行數據；
16、綜合得分的計算公式為：
17、；其中，fz_ij為第i個樣本在第j個因子上的綜合得分，w'_js為第j個因子和樣本中第s個變量的權重系數；x_is為第i個樣本的第s個變量的標準化值，ε_j為第j個因子對應的特征值，a_js為第s個變量在第j個因子上的載荷值；
18、將所有樣本在第j個因子上的綜合得分進行加權平均，得到第j個因子的因子得分；預設得分閾值，將因子得分大于或等于得分閾值的因子保留，作為主要因子，將主要因子作為低維特征變量。
19、進一步地，所述基于最優相關系數矩陣獲取保留的因子的個數的方式包括：生成與最優數據集具有相同數據量和變量個數的若干組隨機數據，將每組隨機數據進行特征分析，提取特征值；計算每個特征值的均值和95%百分位數，同時計算特征值的標準差；同時將最優數據集進行特征分析，得到的特征值，記作約束特征值；
20、當約束特征值大于比對特征值mk時，保留約束特征值對應的因子；
21、比對特征值；其中，μ為特征值的均值，σ為特征值的標準差，為特征值的95%百分位數，α1是可調參數；
22、定義因子的個數為最后一個被保留的特征值對應的因子的序號，計算保留的因子的解釋度，預設解釋閾值，若解釋度小于解釋閾值，則增加或減少保留的因子的個數，增加或減少的個數為1；直至保留的因子的解釋度大于或等于解釋閾值。
23、進一步地，所述將每組隨機數據進行特征分析的方式包括：
24、計算隨機數據的相關系數矩陣，記作隨機相關系數矩陣m，從m中找出最大的特征值γ1及其對應的特征向量a1；
25、計算特征向量a1對應的因子f1的解釋方差貢獻率c1；預設因子保留閾值，若c1小于因子保留閾值，則放棄因子f1，并對m進行修正，得到新隨機相關系數矩陣m'；
26、若c1大于或等于因子保留閾值，將因子f1作為第一因子，將m中對應的變量與f1的方差從m中予以剔除，得到殘差矩陣m1；在m1中找出最大特征值γ2及對應特征向量a2，并計算特征向量a2對應的因子f2的解釋方差貢獻率c2；基于因子保留閾值，同樣判斷是否保留因子f2；若保留則將因子f2作為第二因子；
27、重復直至所有因子被提取出來或者剩余的特征值小于預設的特征值閾值；所有提取的因子對應的特征值，即為進行特征分析得到的特征值；...
【技術保護點】
1.一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，包括：數據采集處理模塊、聚類模塊、模型構建模塊和策略求解模塊；各個模塊之間通過有線和/或無線的方式進行連接；
2.根據權利要求1所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述綜合運行數據包括室內環境數據、室外環境數據、空調運行數據和建筑物數據；室內環境數據包括室內溫度、室內濕度和二氧化碳濃度；室外環境數據包括室外溫度、室外濕度和太陽輻射強度；
3.根據權利要求2所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述進行預處理的方式包括數據清洗、數據標準化和數據降維；所述數據降維的方式包括：
4.根據權利要求3所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述基于最優相關系數矩陣獲取保留的因子的個數的方式包括：生成與最優數據集具有相同數據量和變量個數的若干組隨機數據，將每組隨機數據進行特征分析，提取特征值；計算每個特征值的均值和95%百分位數，同時計算特征值的標準差；同時將最優數據集進行特征分析，得到的特征值，記作約
5.根據權利要求4所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述將每組隨機數據進行特征分析的方式包括：
6.根據權利要求5所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述進行聚類分析的步驟包括：
7.根據權利要求6所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述數據點的抽取方式包括：
8.根據權利要求7所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述構建運行有向圖模型的方式包括：
9.根據權利要求8所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述最優控制策略的求解方式包括：
10.根據權利要求9所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述基于最優值函數V(s)求解得到最優控制策略的方式包括：
...【技術特征摘要】
1.一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，包括：數據采集處理模塊、聚類模塊、模型構建模塊和策略求解模塊；各個模塊之間通過有線和/或無線的方式進行連接；
2.根據權利要求1所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述綜合運行數據包括室內環境數據、室外環境數據、空調運行數據和建筑物數據；室內環境數據包括室內溫度、室內濕度和二氧化碳濃度；室外環境數據包括室外溫度、室外濕度和太陽輻射強度；
3.根據權利要求2所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述進行預處理的方式包括數據清洗、數據標準化和數據降維；所述數據降維的方式包括：
4.根據權利要求3所述的一種基于大數據分析的中央空調能耗優化智能控制系統，其特征在于，所述基于最優相關系數矩陣獲取保留的因子的個數的方式包括：生成與最優數據集具有相同數據量和變量個數的若干組隨機數據，將每組隨機數據進行特征分析，提取特征值；計算每個特征值的均值和95%百分...
【專利技術屬性】
技術研發人員：董志強，紀燦萌，
申請(專利權)人：青島飛奕科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。