專利名稱：一種空調(diào)負(fù)荷預(yù)測方法，裝置及空調(diào)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于空調(diào)技術(shù)領(lǐng)域，尤其涉及一種空調(diào)負(fù)荷預(yù)測方法，裝置及空調(diào)。
背景技術(shù)：
傳統(tǒng)空調(diào)系統(tǒng)的運(yùn)行方式，主要是通過直接比較房間溫度與設(shè)定溫度的偏差，從而調(diào)節(jié)空氣處理單元的供冷量，其中，在空調(diào)系統(tǒng)調(diào)節(jié)過程中僅將空調(diào)負(fù)荷作為干擾量被包圍在閉環(huán)控制回路中，而沒有考慮空調(diào)負(fù)荷的動態(tài)變化情況。由于沒有考慮空調(diào)負(fù)荷的動態(tài)變化情況，經(jīng)常導(dǎo)致制冷量與空調(diào)負(fù)荷的變化不一致的情況，例如，可能出現(xiàn)制冷量無法滿足空調(diào)負(fù)荷所需的冷量，或者制冷量大于空調(diào)負(fù)荷所需的冷量的情況，特別是，當(dāng)制冷量大于空調(diào)負(fù)荷所需的冷量時(shí)，白白浪費(fèi)掉大量的能量，達(dá)不到節(jié)能的效果。另外，由于冷水機(jī)組的制冷量處于被動調(diào)節(jié)狀態(tài)，無法獲知下一時(shí)刻的制冷量，從而無法確保冷水機(jī)組，冷卻、冷凍水泵處于最佳能效狀態(tài)下運(yùn)行。綜上，現(xiàn)有技術(shù)的空調(diào)系統(tǒng)調(diào)節(jié)過程沒有考慮空調(diào)負(fù)荷的動態(tài)變化情況，可能導(dǎo)致制冷量與空調(diào)負(fù)荷的變化不一致，且空調(diào)系統(tǒng)設(shè)備無法在最佳能效狀態(tài)下運(yùn)行。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的在于提供一種空調(diào)負(fù)荷預(yù)測方法，旨在解決現(xiàn)有技術(shù)的空調(diào)系統(tǒng)調(diào)節(jié)過程沒有考慮空調(diào)負(fù)荷的動態(tài)變化情況，可能導(dǎo)致制冷量與空調(diào)負(fù)荷的變化不一致，且空調(diào)系統(tǒng)設(shè)備無法在最佳能效狀態(tài)下運(yùn)行的問題。為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供如下技術(shù)方案本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種空調(diào)負(fù)荷預(yù)測方法，所述方法包括獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。本發(fā)明實(shí)施例還提供了一種空調(diào)負(fù)荷預(yù)測系統(tǒng)，所述系統(tǒng)包括參數(shù)量獲取單元，用于獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；參數(shù)量輸入單元，用于將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；預(yù)測值獲取單元，用于獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比，有益效果在于獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量，并將所述參數(shù)輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，從而獲得空調(diào)負(fù)荷的預(yù)測值，實(shí)現(xiàn)準(zhǔn)確預(yù)測空調(diào)系統(tǒng)逐時(shí)負(fù)荷，保證制冷量與空調(diào)負(fù)荷的變化一致，避免能源浪費(fèi)，且為冷水機(jī)組運(yùn)行調(diào)節(jié)提供依據(jù)，確保冷水機(jī)組處于最佳能效狀態(tài)下運(yùn)行。


為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明實(shí)施例一提供的空調(diào)負(fù)荷預(yù)測方法的實(shí)現(xiàn)的流程圖；圖2是本發(fā)明實(shí)施例一提供的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型的示意圖；圖3是本發(fā)明實(shí)施例一提供的預(yù)先訓(xùn)練所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型方法的實(shí)現(xiàn)的流程圖；圖4是本發(fā)明實(shí)施例二提供的空調(diào)負(fù)荷預(yù)測系統(tǒng)的結(jié)構(gòu)圖；圖5是本發(fā)明實(shí)施例二提供的訓(xùn)練單元的結(jié)構(gòu)圖。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明實(shí)施例提供了一種空調(diào)負(fù)荷預(yù)測方法，所述方法包括獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。本發(fā)明實(shí)施例還提供了一種空調(diào)負(fù)荷預(yù)測系統(tǒng)，所述系統(tǒng)包括參數(shù)量獲取單元，用于獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；參數(shù)量輸入單元，用于將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；預(yù)測值獲取單元，用于獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。以下結(jié)合具體實(shí)施例對本發(fā)明的實(shí)現(xiàn)進(jìn)行詳細(xì)描述實(shí)施例一圖1示出了本發(fā)明實(shí)施例一提供的空調(diào)負(fù)荷預(yù)測方法的實(shí)現(xiàn)的流程圖，詳述如下在SlOl中，初始化空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值；本實(shí)施例中，初始化的權(quán)值和閾值可以為任意值。在S102中，獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；本實(shí)施例中，參數(shù)量可以包括室內(nèi)溫度、室外溫度、室內(nèi)濕度、室外濕度、空調(diào)冷凍水系統(tǒng)供回水溫度和流量等參數(shù)，具體可以根據(jù)實(shí)際情況對參數(shù)進(jìn)行調(diào)整。在S103中，將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；在S104中，獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。
為了便于理解，以下給出給出一個(gè)空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型的示意圖，如圖2所示，但不以此空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型的實(shí)現(xiàn)方式為限本實(shí)現(xiàn)示例中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層，具體為所述輸入層接收輸入?yún)?shù)Xi (η)；所述中間層對輸入?yún)?shù)進(jìn)行處理
權(quán)利要求
1.一種空調(diào)負(fù)荷預(yù)測方法，其特征在于，所述方法包括獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。
2.如權(quán)利要求1所述的方法，其特征在于，所述獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量之前， 所述方法包括初始化空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值。
3.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括預(yù)先訓(xùn)練所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，具體為al、將訓(xùn)練樣本輸入預(yù)先建立的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，并獲取所述訓(xùn)練樣本對應(yīng)的輸出值；a2、判斷所述輸出值與標(biāo)準(zhǔn)輸出值的誤差是否小于預(yù)設(shè)誤差值； a3、若是，則當(dāng)前空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值為訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對應(yīng)的權(quán)值和閾值；a4、若否，則重新計(jì)算當(dāng)前空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值，并將重新計(jì)算的權(quán)值和閾值帶入所述預(yù)先建立的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，并執(zhí)行al。
4.如權(quán)利要求3所述的方法，其特征在于，所述輸入層接收輸入?yún)?shù)Xi (η);所述中間層對輸入?yún)?shù)進(jìn)行處理
5.如權(quán)利要求4所述的方法，其特征在于，所述預(yù)先訓(xùn)練所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型為(1)輸入訓(xùn)練值，通過所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型的輸出值為Ay2··· yp，所述輸出值的教師值為t1，t2-tp ；(2)判斷
6.一種空調(diào)負(fù)荷預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包括參數(shù)量獲取單元，用于獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；參數(shù)量輸入單元，用于將所述參數(shù)量輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，其中，所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間層、反饋層及輸出層；預(yù)測值獲取單元，用于獲取所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型輸出的空調(diào)負(fù)荷的預(yù)測值。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括訓(xùn)練單元用于預(yù)先訓(xùn)練所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，所述訓(xùn)練單元具體包括樣本輸入單元，用于將訓(xùn)練樣本輸入預(yù)先建立的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，并獲取所述訓(xùn)練樣本對應(yīng)的輸出值；判斷單元，用于判斷所述輸出值與標(biāo)準(zhǔn)輸出值的誤差是否小于預(yù)設(shè)誤差值，若是，則當(dāng)前空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值為訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對應(yīng)的權(quán)值和閾值， 若否，則重新計(jì)算當(dāng)前空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值，并將重新計(jì)算的權(quán)值和閾值帶入預(yù)先建立的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型，并啟樣本輸入單元。
8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述輸入層接收輸入?yún)?shù)Xi (η);所述中間層對輸入?yún)?shù)進(jìn)行處理
9.如權(quán)利要求8所述的系統(tǒng)，其特征在于，所述樣本輸入單元，具體用于輸入訓(xùn)練值=X1, χ\··Xp，通過所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型的輸出值為a1，y、-yp，所述輸出值的教師值為t1，t~-tp ；所述判斷單元，具體用于判斷|tp-yp| < ε是否成立，ε為預(yù)設(shè)誤差值，若成立，則當(dāng)前訓(xùn)練的Wy Wij, Wkj, Θ P 0J即為所述空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值，若不成立則重新計(jì)算神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的權(quán)值和閾值
10.一種空調(diào)，其特征在于，所述空調(diào)包括權(quán)利要求6至9任一權(quán)利要求所述的空調(diào)負(fù)荷預(yù)測系統(tǒng)。
全文摘要
本發(fā)明適用于空調(diào)技術(shù)領(lǐng)域，提供了一種空調(diào)負(fù)荷預(yù)測方法，裝置及空調(diào)，所述方法包括獲取影響空調(diào)系統(tǒng)負(fù)荷的參數(shù)量；將所述參數(shù)輸入預(yù)先訓(xùn)練的空調(diào)負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型；從而獲得空調(diào)負(fù)荷的預(yù)測值，實(shí)現(xiàn)準(zhǔn)確預(yù)測空調(diào)系統(tǒng)逐時(shí)負(fù)荷，保證制冷量跟隨空調(diào)負(fù)荷的變化而變化，避免能源浪費(fèi)，且為冷水機(jī)組運(yùn)行調(diào)節(jié)提供依據(jù)，確保冷水機(jī)組處于最佳能效狀態(tài)下運(yùn)行。
文檔編號F24F11/00GK102997374SQ201210591600
公開日2013年3月27日 申請日期2012年12月31日 優(yōu)先權(quán)日2012年12月31日
發(fā)明者李建維, 覃寶, 曾江華, 曾江游 申請人:深圳市奧宇控制系統(tǒng)有限公司