【技術實現步驟摘要】
本專利技術涉及蒸發冷空調控制，具體為一種基于機理模型的蒸發冷空調節能優化控制方法及系統。
技術介紹
1、在物流倉庫中心和大型生產車間等場所，蒸發冷空調的應用面臨著許多挑戰。傳統的蒸發冷空調控制方法主要依賴于單一的控制策略，如基于溫度的pid控制或設定點調節方式，這種方式雖然簡單易行，但在面對動態變化的熱負荷時，無法實現高效的節能控制。而且，環境條件如濕度、空氣質量等因素的波動對空調能耗有顯著影響，如何通過更精確的控制方法，實現空氣調節系統的優化，成為當前空調節能研究的重要問題。
2、為了提高蒸發冷空調的能源利用效率，結合機理模型、動態預測和優化控制技術已成為研究的一個新趨勢。通過考慮多種影響因素，基于機理模型空調系統能夠動態調整工作參數，以實時響應環境和負載的變化，從而實現節能與舒適度的平衡。
3、例如，現有的公開號為cn119222765a的專利公開了一種組合風柜集中供冷的節能控制方法及系統，適用于大型建筑群的中央空調系統，首先利用等時區間劃分法采集室外溫度和濕度數據，并通過滑動窗口技術形成時間序列特征，訓練出arima模型，模型訓練完成后，對未來室外環境進行預測，并據此動態調整室內溫度設定值、送風量以及濕度控制閾值，同時，系統采用閉環控制策略實時監控室內溫度變化，通過計算當前環境狀態與目標狀態之間的誤差，自動調節風量，確保室內溫度恒定，為防止設備過載或欠載，系統還設置了風量調整映射與限幅處理機制。
4、但arima模型主要基于時間序列數據進行預測，對于外部環境變化（如突發天氣、極端氣候變化
技術實現思路
1、本專利技術的目的在于提供一種基于機理模型的蒸發冷空調節能優化控制方法及系統，以解決上述
技術介紹
中提出的現有的問題。
2、為實現上述目的，本專利技術提供如下技術方案：一種基于機理模型的蒸發冷空調節能優化控制方法，包括以下步驟：
3、s1、通過倉庫內蒸發冷空調的分布情況進行初步分區，得到冷供應分區；
4、s2、實時監測倉庫內的設備運行狀態、人員活動和照明系統，得到所述冷供應分區內所有分區的熱源分布值；
5、s3、根據所述熱源分布值，設置區域熱源預測算法，結合貨品密度預測分區內熱源分布預測值；
6、s4、設置自適應蒸發冷空調參數調節策略，根據所述熱源分布預測值和監測到的濕度水平，動態調節冷卻水溫度、進風量、供氣溫度和方向。
7、本專利技術進一步改進在于，所述區域熱源預測算法基于lstm模型，將任一分區的熱源分布值作為輸入數據，根據熱源波動性動態調整參數動態地調節lstm模型的遺忘門，所述熱源波動性動態調整參數計算公式為：，其中，是一個偏置項，表示sigmoid激活函數，表示該分區時刻i的熱源分布值，t表示時間戳的數量，表示該分區的調節因子靈敏度系數；則遺忘門表示為，其中，表示遺忘門的權重矩陣，表示上一時間步的隱層狀態；通過遺忘門的輸出更新記憶單元得到輸出門的輸出內容，即為所述熱源分布預測值。
8、本專利技術進一步改進在于，所述調節因子靈敏度系數由當前實際冷卻水溫度、熱源分布值和貨品密度決定，提取當前分區對應蒸發冷空調的當前實際冷卻水溫度tem以及貨品密度，將當前實際冷卻水溫度tem、貨品密度和熱源分布值標準化后加權求和得到當前分區熱敏感影響值hse，設置熱敏感影響基準值shse，則調節因子靈敏度系數，表示初始調節因子靈敏度系數。
9、本專利技術進一步改進在于，所述自適應蒸發冷空調參數調節策略具體步驟包括：
10、s41、定義控制目標，包括冷卻水溫度、進風量、供氣溫度和供氣方向；
11、s42、為每個粒子隨機生成pid參數組合及對應的控制目標輸出組合；
12、s43、設置pid控制器適應度函數ff；
13、s44、設定pid控制器適應度閾值tff，提取ff小于所述pid控制器適應度閾值tff的pid參數組合；
14、s45、設置能耗適應粒子變異策略，將所有提取到的pid參數組合進行粒子變異，并計算變異后的pid控制器適應度，生成變異適應度序列；
15、s46、選取所述變異適應度序列中適應度最小值對應的pid參數組合，并使出其對應的控制目標。
16、本專利技術進一步改進在于，所述pid控制器適應度函數計算公式為：
17、；
18、其中，表示室溫，表示控制目標輸出組合的冷卻水溫度，表示目標室溫，表示進風量，表示當前空氣濕度下實際冷卻水溫度tem與室溫的差值對應的理想進風量，、和表示權重系數，。
19、本專利技術進一步改進在于，所述能耗適應粒子變異策略包括通過當前空氣濕度和貨品密度動態調節變異概率，，其中，表示當前空氣濕度，表示空氣濕度最大值，表示該區域貨品密度的最大負荷，和表示權重系數，。
20、本專利技術進一步改進在于，所述能耗適應粒子變異策略還包括將此時pid控制器參數對應的冷卻水溫度返回至步驟s3中，再次計算熱源分布預測值，得到的新的熱源分布預測值，結合新的熱源分布預測值計算變異后的pid控制器適應度，生成變異適應度序列。
21、本專利技術進一步改進在于，所述熱源分布值通過將某一區域的設備運行狀態影響值、人員活動影響值和照明熱量影響值標準化后加權求和得到；獲取該區域內當前時間的人員數量以及該區域任務數量，通過歷史數據得到任務完成時長，計算人員活動影響值：，其中，表示所有區域人員數量總和，表示所有區域任務數量總和，表示歷史數據中第j個任務機器對應的任務完成時長；所述設備運行狀態影響值通過設備功率、設備工作時間和設備熱量轉化效率的乘積得到；所述照明熱量影響值通過燈泡功率、照明工作時間和照明熱量轉化效率的乘積得到。
22、另一方面，本專利技術提供一種基于機理模型的蒸發冷空調節能優化控制系統，包括：
23、冷供應分區模塊，用于通過倉庫內蒸發冷空調的分布情況進行初步分區，得到冷供應分區；
24、熱源分布計算模塊，用于實時監測倉庫內的設備運行狀態、人員活動和照明系統，得到所述冷供應分區內所有分區的熱源分布值；
25、熱源分布計算模塊，用于根據所述熱源分布值，設置區域熱源預測算法，結合貨品密度預測分區內熱源分布預測值；
26、蒸發冷空調參數調節模塊，用于根據所述熱源分布預測值和監測到的濕度水平，動態調節冷卻水溫度、進風量、供氣溫度和方向。
27、本專利技術進一步改進在于，所述蒸發冷空調參數調節模塊包括參數變異單元和控制參數輸出單元；所述參數變異單元用于調節pid控制器的粒子組合；所述控制參數輸出單元用于結合pid控制器和粒子群算法，根據適應度函數輸出控制參數。
本文檔來自技高網...
【技術保護點】
1.一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述區域熱源預測算法基于LSTM模型，將任一分區的熱源分布值作為輸入數據，根據熱源波動性動態調整參數動態地調節LSTM模型的遺忘門，所述熱源波動性動態調整參數計算公式為：，其中，是一個偏置項，表示sigmoid激活函數，表示該分區時刻i的熱源分布值，t表示時間戳的數量，表示該分區的調節因子靈敏度系數；則遺忘門表示為，其中，表示遺忘門的權重矩陣，表示上一時間步的隱層狀態；通過遺忘門的輸出更新記憶單元得到輸出門的輸出內容，即為所述熱源分布預測值。
3.根據權利要求2所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述調節因子靈敏度系數由當前實際冷卻水溫度、熱源分布值和貨品密度決定，提取當前分區對應蒸發冷空調的當前實際冷卻水溫度Tem以及貨品密度，將當前實際冷卻水溫度Tem、貨品密度和熱源分布值標準化后加權求和得到當前分區熱敏感影響值Hse，設置熱敏感影響基準值SHse，則調節因子靈敏度系
4.根據權利要求3所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述自適應蒸發冷空調參數調節策略具體步驟包括：
5.根據權利要求4所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述PID控制器適應度函數計算公式為：
6.根據權利要求5所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述能耗適應粒子變異策略包括通過當前空氣濕度和貨品密度動態調節變異概率，，其中，表示當前空氣濕度，表示空氣濕度最大值，表示該區域貨品密度的最大負荷，和表示權重系數，。
7.根據權利要求6所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述能耗適應粒子變異策略還包括將此時PID控制器參數對應的冷卻水溫度返回至步驟S3中，再次計算熱源分布預測值，得到的新的熱源分布預測值，結合新的熱源分布預測值計算變異后的PID控制器適應度，生成變異適應度序列。
8.根據權利要求7所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述熱源分布值通過將某一區域的設備運行狀態影響值、人員活動影響值和照明熱量影響值標準化后加權求和得到；獲取該區域內當前時間的人員數量以及該區域任務數量，通過歷史數據得到任務完成時長，計算人員活動影響值：，其中，表示所有區域人員數量總和，表示所有區域任務數量總和，表示歷史數據中第j個任務機器對應的任務完成時長；所述設備運行狀態影響值通過設備功率、設備工作時間和設備熱量轉化效率的乘積得到；所述照明熱量影響值通過燈泡功率、照明工作時間和照明熱量轉化效率的乘積得到。
9.一種基于機理模型的蒸發冷空調節能優化控制系統，用于執行如權利要求1-8任意一項所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：包括：
10.根據權利要求9所述的一種基于機理模型的蒸發冷空調節能優化控制系統，其特征在于：所述蒸發冷空調參數調節模塊包括參數變異單元和控制參數輸出單元；所述參數變異單元用于調節PID控制器的粒子組合；所述控制參數輸出單元用于結合PID控制器和粒子群算法，根據適應度函數輸出控制參數。
...【技術特征摘要】
1.一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述區域熱源預測算法基于lstm模型，將任一分區的熱源分布值作為輸入數據，根據熱源波動性動態調整參數動態地調節lstm模型的遺忘門，所述熱源波動性動態調整參數計算公式為：，其中，是一個偏置項，表示sigmoid激活函數，表示該分區時刻i的熱源分布值，t表示時間戳的數量，表示該分區的調節因子靈敏度系數；則遺忘門表示為，其中，表示遺忘門的權重矩陣，表示上一時間步的隱層狀態；通過遺忘門的輸出更新記憶單元得到輸出門的輸出內容，即為所述熱源分布預測值。
3.根據權利要求2所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述調節因子靈敏度系數由當前實際冷卻水溫度、熱源分布值和貨品密度決定，提取當前分區對應蒸發冷空調的當前實際冷卻水溫度tem以及貨品密度，將當前實際冷卻水溫度tem、貨品密度和熱源分布值標準化后加權求和得到當前分區熱敏感影響值hse，設置熱敏感影響基準值shse，則調節因子靈敏度系數，表示初始調節因子靈敏度系數。
4.根據權利要求3所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述自適應蒸發冷空調參數調節策略具體步驟包括：
5.根據權利要求4所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述pid控制器適應度函數計算公式為：
6.根據權利要求5所述的一種基于機理模型的蒸發冷空調節能優化控制方法，其特征在于：所述能耗適應粒子變異策略包括通過當前空氣濕度...
【專利技術屬性】
技術研發人員：李輝，黃政，
申請(專利權)人：南京深度智控科技有限公司，
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。