搜索 分析 新世界 法规 图书 网址导航 更多
高级用户登录 | 登录 | |

一种中央空调的冷却水供水温度预测控制方法
有权
阅读授权文献

申请号:201310236543.9 申请日:2013-06-13
摘要:一种中央空调的冷却水供水温度预测控制方法,包括如下步骤:(1)记录当前冷却水供水的温度和冷却塔风机的频率,设定冷却水的供水目标温度为32℃;(2)建立预测模型,采用两层的BP神经网络模型;(3)神经网络预测模型的学习;(4)反馈校正;(5)参考曲线选取;(6)优化计算:采用RBF神经网络,设通梯度下降法学习网络的各个参数,计算出下一步最优控制量u(k+1),以此作为冷却塔风机的下一步频率。本发明提出一种动态性能良好、节能效果明显的中央空调的冷却水供水温度预测控制方法。
申请人: 浙江工业大学
地址: 310014 浙江省杭州市下城区朝晖六区潮王路18号
发明(设计)人: 董辉 李晓宇 仲晓帆 邢科新 蒋文成 高阳 罗立锋 吴祥
主分类号: F24F11/00(2006.01)I
分类号: F24F11/00(2006.01)I
  • 法律状态
2015-12-09  授权
2013-10-30  实质审查的生效IPC(主分类):F24F 11/00申请日:20130613
2013-09-25  公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
  • 其他信息
主权项  一种中央空调的冷却水供水温度预测控制方法,其特征在于:所述预测控制方法包括如下步骤:(1)记录当前冷却水供水温度和冷却塔风机的频率,设定冷却水供水温度的目标温度为32℃;(2)建立预测模型,采用两层的BP神经网络模型,设温度预测值有如下表达式: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)为第k次模型温度输出值,u(k‑1)为第k‑1次冷却塔风机频率值,y(k‑1)为第k‑1次实际温度值,m、n分别为输入和输出的维度,p为预测步长;设在以后的j步中,u(k+j)=u(k+j‑1)=...=u(k+1)=u(k)则有: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则:ym(k+j)=g[w*x(k+j)]j=1,2,...,p其中,x(k+j)为第k+j次模型的输入变量,p为预测步长;g(x)取单极性sigmoid函数,(3)神经网络预测模型的学习,过程如下:采集各个控制对象的阶跃响应dp(k),k=1,2,…,n,p表示样本个数m中的每一个,然后根据预测模型的对应阶跃响应输出yp(k),k=1,2,…,n;采用梯度下降法来修正参数w; j ( k ) = Σ p = 1 m [ y p ( k ) - d p ( k ) ] 2 , j(k)对w求导得: Δj ( k ) j ( k ) Δw ( k ) = Σ j = 1 m + n j ( k ) w j Δw j ( k ) , 若按下式选择Δwj(k),其中j=1,2,...,m+n;η>0(4‑1)则Δj(k)≤0,所以只要保证Δwj(k)按式(4‑1)来调整,则j(k)就会随着这一调整一直减小;当其误差达到设定范围内后便可停止学习,保存好学习好的w参数;(4)反馈校正:设预测模型输出与实际输出之间的误差为:e(k)=y(k)‑ym(k),修正后的反馈为:yc(k+p)=ym(k+p)+he(k),其中,h为修正因子;(5)参考曲线选取:参考曲线选为:yr(k+i)=αiy(k)+(1‑αi)yr,i=1,2,…,p,其中T为采样周期,t为时间常数,y(k)为现时刻实际输出,yr为设定值;(6)优化计算:采用非线性RBF神经网络来实现滚动优化,设x(k)=[yr(k+p);yc(k+p),...,yc(k+p‑n+1);u(k),...,u(k‑m)]T h j ( k ) = exp ( - | | x - c j | | 2 σ j 2 ) u ( k + 1 ) = Σ j = 1 m v j ( k ) h j [ x ( k ) ] 其中yr为参考轨迹;x为N维输入向量;cj为RBF的中心向量;σj为隐节点的宽度;m为隐层节点个数;控制指标为:通过使控制指标E达到最小,按照梯度下降法调节,来调节连接权值系数、函数的中心向量和隐节点的宽度;根据学习好的非线性RBF神经网络得到下一步预测输入值u(k+1),以此作为冷却塔风机的下一步频率。FDA00003340374900011.jpg,FDA00003340374900021.jpg,FDA00003340374900024.jpg,FDA00003340374900025.jpg
公开号  103322647A
公开日  2013-09-25
专利代理机构  杭州斯可睿专利事务所有限公司 33241
代理人  王利强
颁证日  
优先权  
国际申请  
国际公布  
进入国家日期