申请/专利权人：南京壹格软件技术有限公司;南京佳力图机房环境技术股份有限公司

申请日：2023-09-06

公开（公告）日：2024-01-26

公开（公告）号：CN116880220B

主分类号：G05B13/04

分类号：G05B13/04;H05K7/20;G06N3/044;G06N3/048;G06N3/084;G06N3/086

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2023.10.31#实质审查的生效;2023.10.13#公开

摘要：本发明公开了一种基于IPSO‑Elman神经网络建模的氟泵空调全年节能运行控制方法，本发明针对带氟泵的直膨式空调，通过建立氟泵运行、压缩机运行和混合制冷模型下的制冷量模型和能耗模型，并基于IPSO‑Elman模型建立神经网络模型，采集室内干球温度、风机频率、压缩机转速、机组制冷量和系统能耗作为样本数据，通过多次迭代训练调整网络参数得到实时工况参数与空调机组制冷量的关系模型，从而实现空调系统能根据实时工况最大化利用室外自然冷源，以最优的空调机组参数运行，达到机房高效节能的目的。

主权项：1.一种基于IPSO-Elman神经网络建模的氟泵空调全年节能运行控制方法，其特征在于包括以下步骤：步骤S1，建立氟泵运行、压缩机运行和混合制冷模型下的制冷量模型和能耗模型，分别如式（1）和（2）所示， （1）式中，、、分别为氟泵制冷模式制冷量、压缩机制冷模式制冷量、混合制冷模式制冷量，kW；是室内湿球温度，℃；是室外空气的干球温度，℃；是室内干球温度，℃；是室内风机频率，Hz；、分别指氟泵、压缩机转速，rpm；、、均为模型待确定系数， ， ， ； 2式中，、、分别为氟泵制冷模式耗电量、压缩机制冷模式耗电量、混合制冷模式耗电量，kW；、、均为模型待确定系数， ， ， ；步骤S2，基于IPSO-Elman模型建立神经网络模型，并以室内干球温度、风机频率、压缩机转速作为输入数据，以系统空调机组制冷量和系统能耗作为输出数据，并采集历史输入数据和输出数据作为模型样本数据进行多次迭代训练调整网络参数，直到误差达到收敛值为止；步骤S3，通过步骤S2得到参数集，从而确定室内干球温度、湿球温度、室外干球温度、压缩机转速、风机频率、氟泵频率与制冷量之间的关系，得到实时工况参数与空调机组制冷量的关系模型，进而计算得到不同工况下的不同制冷模式下的制冷量上限、、；步骤S4，将当前状态下三种模式下的制冷量上限、、分别与此时的冷负荷需求Q进行比较，若，则当前状态下最大制冷量不能满足所需冷负荷；若，则将Q分别与当前状态下三种模式下的制冷量上限、、继续比较，并按下述情形设置制冷模式：（1）若此时，则在氟泵制冷模式下，计算得到满足冷负荷需求Q的最小能耗P1；（2）若，但时，则在压缩机制冷模式下，计算得到满足冷负荷需求Q的最小能耗P2；（3）若，但时，则在混合制冷模式下，计算得到满足冷负荷需求Q的最小能耗P3；步骤S2中所述神经网络模型的建立和训练过程如下：首先，采用Elman神经网络作为基础，网络结构包含输入层、隐藏层和输出层，建立Elman模型如下式（3），（1）采集氟泵运行、压缩机运行和混合制冷模型下的运行实际数据作为样本数据，样本数据中的输入数据包括室内湿球温度、室外空气的干球温度、室内干球温度、室内风机频率、氟泵转速、压缩机转速；输出数据包括制冷量和能耗；（2）数据预处理：对采集的样本数据进行预处理，然后划分为训练集和验证集；所述预处理包括对数据清洗、缺失值的填充和异常值的剔除；（3）首先，基于IPSO-Elman模型构建神经网络模型，如下式（3）所示， 3式中，是输出层的第k个神经元在时间t的输出；是隐含层到输出层的连接权重；是输出层第k个神经元的偏置；是隐含层的第j个神经元在时间t的输出，m为隐含层神经元数量，隐含层神经元数量m=10~20，是隐含层的第j个神经元在时间t-1的输出；是输入层到隐含层的反馈连接权重，是隐含层到隐含层的反馈连接权重，是隐含层的第j个神经元的偏置；是输入层的第i个神经元在时间t的输入，n为输入层神经元的数量，压缩机和氟泵模式下输入神经元n=6，混合模式下n=7；是激活函数；然后，以训练集的数据对模型进行训练，并通过最小化均方误差MSE或损失函数计算得到其误差项 （4）式中，为隐含层第j个神经元在时间t的误差项，是隐含层到输出层的连接权重，表示输出层的神经元个数；是输出层第k个神经元在时间t的误差项，是输出的真实值；接着，通过以下方式（5）对神经网络模型的权重和偏置进行调整更新，最后得到训练好的神经网络模型， （5）式中，是模型学习率；是输入层到隐含层的反馈连接权重的调整量，是隐含层到隐含层的反馈连接权重的调整量，是隐含层到输出层的连接权重调整量，是隐含层的第j个神经元的偏置的调整量，是输出层第k个神经元的偏置的调整量；（4）模型评估和优化：通过验证集的数据对训练好的神经网络模型的拟合度和误差进行评估，计算得到评估结果，并根据误差优化模型参数。

全文数据：

权利要求：

百度查询： 南京壹格软件技术有限公司;南京佳力图机房环境技术股份有限公司 一种基于IPSO-Elman神经网络建模的氟泵空调全年节能运行控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD