一種中央空調的冷卻水供水溫度預測控制方法技術

一種中央空調的冷卻水供水溫度預測控制方法，包括如下步驟：（1）記錄當前冷卻水供水的溫度和冷卻塔風機的頻率，設定冷卻水的供水目標溫度為32℃；（2）建立預測模型，采用兩層的BP神經網絡模型；（3）神經網絡預測模型的學習；（4）反饋校正；（5）參考曲線選取；（6）優化計算：采用RBF神經網絡，設通梯度下降法學習網絡的各個參數，計算出下一步最優控制量u(k+1)，以此作為冷卻塔風機的下一步頻率。本發明專利技術提出一種動態性能良好、節能效果明顯的中央空調的冷卻水供水溫度預測控制方法。

【技術實現步驟摘要】

【技術保護點】
一種中央空調的冷卻水供水溫度預測控制方法，其特征在于：所述預測控制方法包括如下步驟：（1）記錄當前冷卻水供水溫度和冷卻塔風機的頻率，設定冷卻水供水溫度的目標溫度為32℃；（2）建立預測模型，采用兩層的BP神經網絡模型，設溫度預測值有如下表達式：ym(k)＝f[u(k?1),u(k?2),...,u(k?m),y(k?1),y(k?2),..,y(k?n)]ym(k+1)＝f[u(k),u(k?1),...,u(k+1?m),ym(k),y(k?1),..,y(k+1?n)]ym(k+p)＝f[u(k+p?1),u(k+p?2),...u,(k+p?m),ym(k+p?1),...y,m(k),y(k?1),..,y(k+p?n)]其中，ym(k)為第k次模型溫度輸出值，u(k?1)為第k?1次冷卻塔風機頻率值，y(k?1)為第k?1次實際溫度值，m、n分別為輸入和輸出的維度，p為預測步長；設在以后的j步中，u(k+j)＝u(k+j?1)＝...＝u(k+1)＝u(k)則有：x(k+j)＝[u(k),u(k),...,u(k?1),...,u(k+j?m),ym(k+j?1),...,ym(k),y(k?1),..,y(k+j?n)]Tw＝[w1,w2,...,wm+n]T則：ym(k+j)＝g[w*x(k+j)]j＝1,2,...,p其中，x(k+j)為第k+j次模型的輸入變量，p為預測步長；g(x)取單極性sigmoid函數，（3）神經網絡預測模型的學習，過程如下：采集各個控制對象的階躍響應dp(k),k=1,2,…,n，p表示樣本個數m中的每一個，然后根據預測模型的對應階躍響應輸出yp(k),k=1,2,…,n；采用梯度下降法來修正參數w；j(k)=Σp=1m[yp(k)-dp(k)]2,j(k)對w求導得：Δj(k)≈▿j(k)Δw(k)=Σj=1m+n∂j(k)∂wjΔwj(k),若按下式選擇Δwj(k)，其中j＝1,2,...,m+n；η＞0（4?1）則Δj(k)≤0，所以只要保證Δwj(k)按式（4?1）來調整，則j(k)就會隨著這一調整一直減小；當其誤差達到設定范圍內后便可停止學習，保存好學習好的w參數；（4）反饋校正：設預測模型輸出與實際輸出之間的誤差為：e(k)＝y(k)?ym(k)，修正后的反饋為：yc(k+p)＝ym(k+p)+he(k)，其中，h為修正因子；（5）參考曲線選取：參考曲線選為：yr(k+i)＝αiy(k)+(1?αi)yr，i=1,2,…,p，其中T為采樣周期，t為時間常數，y(k)為現時刻實際輸出，yr為設定值；（6）優化計算：采用非線性RBF神經網絡來實現滾動優化，設x(k)＝[yr(k+p);yc(k+p),...,yc(k+p?n+1);u(k),...,u(k?m)]Thj(k)=exp(-||x-cj||2σj2)u(k+1)=Σj=1mvj(k)hj[x(k)]其中yr為參考軌跡；x為N維輸入向量；cj為RBF的中心向量；σj為隱節點的寬度；m為隱層節點個數；控制指標為：通過使控制指標E達到最小，按照梯度下降法調節，來調節連接權值系數、函數的中心向量和隱節點的寬度；根據學習好的非線性RBF神經網絡得到下一步預測輸入值u(k+1)，以此作為冷卻塔風機的下一步頻率。FDA00003340374900011.jpg,FDA00003340374900021.jpg,FDA00003340374900024.jpg,FDA00003340374900025.jpg...

【技術特征摘要】

【專利技術屬性】
技術研發人員：董輝，李曉宇，仲曉帆，邢科新，蔣文成，高陽，羅立鋒，吳祥，
申請(專利權)人：浙江工業大學，
類型：發明
國別省市：