本發(fā)明涉及計(jì)算機(jī)科學(xué)，尤其是涉及一種基于數(shù)學(xué)建模和擬合的冷庫溫度預(yù)測(cè)系統(tǒng)及方法。

背景技術(shù)：

1、傳統(tǒng)冷庫管理方式主要依賴人工操作，不僅效率低下，還容易出錯(cuò)。這種管理方式對(duì)人員的依賴性較高，導(dǎo)致人力成本增加，并且在溫度調(diào)控方面的反應(yīng)速度和精度無法滿足現(xiàn)代冷鏈物流對(duì)高效、精準(zhǔn)溫控的要求。隨著新技術(shù)的發(fā)展，冷庫管理逐漸向自動(dòng)化和智能化方向發(fā)展。特別是冷庫的節(jié)能控制，已經(jīng)由過去的手動(dòng)操作逐步轉(zhuǎn)變?yōu)樽詣?dòng)化系統(tǒng)管理。在冷庫節(jié)能自動(dòng)化控制中，對(duì)冷間溫度的控制是關(guān)鍵步驟。這一過程依賴于對(duì)冷間溫度的監(jiān)控和調(diào)節(jié)，以確保在滿足存儲(chǔ)要求的前提下，實(shí)現(xiàn)能源的高效利用和運(yùn)行成本的降低。精確預(yù)測(cè)冷間溫度在不同風(fēng)機(jī)開啟情況下的變化，是溫度調(diào)控的核心問題，也是冷庫自動(dòng)化節(jié)能中亟待解決的先行問題。

2、冷間溫度的變化受到多種因素的影響，包括室外溫度、風(fēng)速、貨物堆積、開關(guān)門頻率以及風(fēng)機(jī)融霜等因素。這些因素導(dǎo)致溫度變化具有滯后性和非線性特征。傳統(tǒng)的溫度控制方法，往往基于經(jīng)驗(yàn)性規(guī)則或簡(jiǎn)單的線性模型，無法精確反映這些復(fù)雜因素對(duì)溫度的綜合影響，從而無法實(shí)現(xiàn)精確的溫度控制。

3、過去，嘗試通過建立基于微分方程的物理模型來預(yù)測(cè)冷間溫度變化。然而，由于冷庫系統(tǒng)的復(fù)雜性和多變性，這些模型難以準(zhǔn)確描述溫度變化的動(dòng)態(tài)特性。物理模型需要對(duì)每個(gè)影響因素進(jìn)行精確建模，而這些因素之間存在復(fù)雜的耦合作用，使得物理建模的實(shí)現(xiàn)變得極其困難，且模型復(fù)雜度和計(jì)算成本較高，實(shí)用性較差。

4、當(dāng)前，更多的研究?jī)A向于利用數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行溫度預(yù)測(cè)，比如基于神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列分析。雖然這種方法可以在一定程度上捕捉到溫度變化的周期性模式，但它依賴于歷史數(shù)據(jù)的訓(xùn)練，對(duì)外界變化的適應(yīng)能力有限。尤其是當(dāng)需要預(yù)測(cè)未來在特定條件下(如不同風(fēng)機(jī)開啟情況)冷間溫度的變化時(shí)，這種方法的局限性顯現(xiàn)出來，因?yàn)樗鼰o法靈活地模擬不同操作條件下的溫度變化情況。

5、此外，現(xiàn)有的數(shù)據(jù)驅(qū)動(dòng)模型通常是基于經(jīng)驗(yàn)和統(tǒng)計(jì)學(xué)的方法，它們將風(fēng)機(jī)的啟停模式也納入到了模型的學(xué)習(xí)中，這意味著模型預(yù)測(cè)依賴于過去的操作模式，而不是對(duì)新的控制策略的反應(yīng)。這種限制使得傳統(tǒng)的經(jīng)驗(yàn)性方法在面對(duì)冷庫系統(tǒng)中復(fù)雜的多因素變化時(shí)，難以實(shí)現(xiàn)對(duì)溫度的精確預(yù)測(cè)和控制。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于數(shù)學(xué)建模和擬合的冷庫溫度預(yù)測(cè)系統(tǒng)及方法，通過對(duì)各種影響因素進(jìn)行系統(tǒng)分析和建模，能夠?qū)崟r(shí)預(yù)測(cè)冷間溫度的變化，對(duì)冷庫節(jié)能自動(dòng)化控制具有重要的意義。不僅能夠提高溫度控制的精度，還能在不同操作條件下，提供靈活的溫度預(yù)測(cè)和控制策略，從而實(shí)現(xiàn)更高效的冷庫管理。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于數(shù)學(xué)建模和擬合的冷庫溫度預(yù)測(cè)系統(tǒng)，包括傳感器模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和預(yù)測(cè)模塊，所述傳感器模塊、所述數(shù)據(jù)采集模塊、所述數(shù)據(jù)處理模塊和所述預(yù)測(cè)模塊依次連接，所述傳感器模塊負(fù)責(zé)實(shí)時(shí)監(jiān)測(cè)冷庫冷間內(nèi)的環(huán)境參數(shù)，所述數(shù)據(jù)采集模塊負(fù)責(zé)匯總和管理傳感器模塊采集到的數(shù)據(jù)，所述數(shù)據(jù)處理模塊，負(fù)責(zé)對(duì)采集到的環(huán)境數(shù)據(jù)進(jìn)行分析和處理，以支持后續(xù)的溫度預(yù)測(cè)，所述預(yù)測(cè)模塊負(fù)責(zé)根據(jù)當(dāng)前溫度變化情況和歷史數(shù)據(jù)，實(shí)時(shí)預(yù)測(cè)冷間未來的溫度變化。

3、優(yōu)選的，所述傳感器模塊包括溫度傳感器和風(fēng)機(jī)啟停狀態(tài)傳感器，所述傳感器模塊包括溫度傳感器安裝在冷庫內(nèi)的多個(gè)關(guān)鍵位置，用于監(jiān)測(cè)冷庫內(nèi)不同區(qū)域的溫度變化；所述風(fēng)機(jī)啟停狀態(tài)傳感器用于監(jiān)測(cè)風(fēng)機(jī)的啟停狀態(tài)，記錄風(fēng)機(jī)的運(yùn)行時(shí)間和狀態(tài)變化。

4、優(yōu)選的，所述數(shù)據(jù)采集模塊包括數(shù)據(jù)采集器、數(shù)據(jù)匯總模塊、數(shù)據(jù)同步模塊和數(shù)據(jù)存儲(chǔ)器，所述數(shù)據(jù)采集器和所述數(shù)據(jù)匯總模塊用于實(shí)時(shí)接收從各個(gè)傳感器采集的數(shù)據(jù)，通過有線方式匯總到數(shù)據(jù)采集模塊；所述據(jù)同步模塊和所述數(shù)據(jù)存儲(chǔ)器用于對(duì)來自不同傳感器的數(shù)據(jù)進(jìn)行時(shí)間同步并對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)。

5、優(yōu)選的，所述數(shù)據(jù)處理模塊的主要任務(wù)包括數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理、特征提取，以及基于風(fēng)機(jī)啟停狀態(tài)的升溫和降溫段數(shù)據(jù)分段和數(shù)學(xué)建模。

6、一種基于數(shù)學(xué)建模和擬合的冷庫溫度預(yù)測(cè)的方法，包括以下步驟：

7、s1、部署傳感器及數(shù)據(jù)采集，將溫度傳感器部署在冷庫內(nèi)的多個(gè)關(guān)鍵位置，將風(fēng)機(jī)啟停狀態(tài)傳感器設(shè)置在風(fēng)機(jī)上，通過數(shù)據(jù)采集器從各個(gè)傳感器采集到的數(shù)據(jù)，再通過有線方式匯總到數(shù)據(jù)存儲(chǔ)器上，并對(duì)來自不同傳感器的數(shù)據(jù)進(jìn)行時(shí)間同步；

8、s2、數(shù)據(jù)清洗以及預(yù)處理，通過噪音過濾、異常值檢測(cè)和處理以及數(shù)據(jù)修復(fù)對(duì)步驟s1中采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和預(yù)處理；

9、s3、數(shù)據(jù)分段，通過傳感器記錄風(fēng)機(jī)的啟停狀態(tài)，獲取準(zhǔn)確的狀態(tài)變更時(shí)間點(diǎn)，并將溫度變化數(shù)據(jù)分為升溫段和降溫段；

10、s4、建立模型與擬合，針對(duì)每個(gè)升溫段和降溫段的數(shù)據(jù)進(jìn)行數(shù)學(xué)建模和擬合，得到歷史數(shù)據(jù)模型和實(shí)時(shí)數(shù)據(jù)模型，分別獲取歷史每段溫度變化的最佳擬合參數(shù)和當(dāng)前段的溫度變化趨勢(shì)和擬合參數(shù)；

11、s5、預(yù)測(cè)評(píng)估，通過結(jié)合歷史數(shù)據(jù)模型和實(shí)時(shí)數(shù)據(jù)模型模型和擬合參數(shù)，對(duì)歷史數(shù)據(jù)模型進(jìn)行初始化階段的預(yù)測(cè)，對(duì)實(shí)時(shí)數(shù)據(jù)模型模型數(shù)據(jù)量增加后進(jìn)行動(dòng)態(tài)調(diào)整。

12、優(yōu)選的，在步驟s2中，噪聲過濾采用低通濾波法或滑動(dòng)平均濾波法，異常值檢測(cè)和處理采用統(tǒng)計(jì)法和基于歷史數(shù)據(jù)的范圍檢測(cè)法，數(shù)據(jù)修復(fù)采用線性插值法、樣條插值法或基于歷史數(shù)據(jù)的回歸方法。

13、優(yōu)選的，在步驟s3中，數(shù)據(jù)分段處理包括以下步驟：

14、狀態(tài)監(jiān)測(cè)，通過傳感器記錄風(fēng)機(jī)的啟停狀態(tài)，獲取準(zhǔn)確的狀態(tài)變更時(shí)間點(diǎn)；

15、升溫段識(shí)別，當(dāng)風(fēng)機(jī)關(guān)閉或冷庫門打開時(shí)，記錄溫度升高的時(shí)間段為升溫段，提取該時(shí)間段內(nèi)的溫度數(shù)據(jù)用于建模；

16、降溫段識(shí)別，當(dāng)風(fēng)機(jī)啟動(dòng)或冷庫門關(guān)閉時(shí)，記錄溫度下降的時(shí)間段為降溫段，提取該時(shí)間段內(nèi)的溫度數(shù)據(jù)用于建模。

17、優(yōu)選的，在步驟s4中，歷史數(shù)據(jù)建模的具體步驟如下所示：

18、利用歷史數(shù)據(jù)，針對(duì)每一個(gè)升溫段和降溫段，建立升溫段模型和降溫段模型，使用粒子群優(yōu)化算法調(diào)整模型參數(shù)，得到每段溫度變化的最佳擬合參數(shù)；

19、升溫段數(shù)學(xué)模型中冷間的溫度上升過程可分為兩個(gè)階段：首先是溫度的快速上升階段，接著是溫度的緩慢上升階，其數(shù)學(xué)公式如下所示：

20、

21、其中，ζ為冷量擴(kuò)散導(dǎo)致的溫度變化的加速度相關(guān)系數(shù)，λ為冷量擴(kuò)散導(dǎo)致的溫度衰減速度系數(shù)，k為冷間與外界熱交換速度，t0為起始溫度，te為冷間溫度控制上界；

22、降溫段數(shù)學(xué)模型建立啟動(dòng)一定數(shù)量的風(fēng)機(jī)后，冷間的溫度會(huì)迅速下降，且溫度下降的速度與風(fēng)機(jī)的數(shù)量呈正相關(guān)，隨著溫度的逐漸降低，下降速率會(huì)減緩，表現(xiàn)出明顯的衰減特性，最終溫度會(huì)趨于穩(wěn)定，其數(shù)學(xué)公式如下所示：

23、

24、t(t)＝(t0-tp)e-nμt+tp

25、其中，tp為蒸發(fā)溫度，t0為預(yù)測(cè)的起始溫度，n風(fēng)機(jī)開啟數(shù)量，μ單個(gè)風(fēng)機(jī)的制冷能力系數(shù)。

26、優(yōu)選的，在步驟s5中，初始化階段的預(yù)測(cè)包括以下步驟：

27、首先，預(yù)測(cè)模塊從歷史數(shù)據(jù)中，選擇與當(dāng)前溫度變化段具有相似條件的歷史溫度變化段，這些條件包括風(fēng)機(jī)開啟數(shù)量、初始溫度；

28、在匹配到相似歷史數(shù)據(jù)后，系統(tǒng)利用這些數(shù)據(jù)段的數(shù)學(xué)模型和擬合參數(shù)作為初始預(yù)測(cè)工具，此時(shí)的預(yù)測(cè)主要依賴于這些歷史模型，利用它們來估算未來的溫度變化趨勢(shì)；

29、利用這些初始模型和參數(shù)，系統(tǒng)對(duì)冷間未來短時(shí)間內(nèi)的溫度變化進(jìn)行初步預(yù)測(cè)。

30、優(yōu)選的，在步驟s5中，數(shù)據(jù)量增加后的動(dòng)態(tài)調(diào)整的具體步驟如下所示：

31、系統(tǒng)實(shí)時(shí)對(duì)當(dāng)前溫度變化段的數(shù)據(jù)進(jìn)行擬合，生成實(shí)時(shí)的擬合參數(shù)，以上參數(shù)直接反映了當(dāng)前溫度段的變化趨勢(shì)；

32、將當(dāng)前溫度段的實(shí)時(shí)擬合參數(shù)與歷史數(shù)據(jù)中相同類型溫度段的擬合參數(shù)進(jìn)行加權(quán)平均，初始階段，歷史參數(shù)占主要權(quán)重，隨著時(shí)間推移和數(shù)據(jù)量增加，當(dāng)前擬合參數(shù)的權(quán)重逐漸提高；

33、在加權(quán)過程中，系統(tǒng)根據(jù)當(dāng)前數(shù)據(jù)的可信度和數(shù)量動(dòng)態(tài)調(diào)整權(quán)重。

34、因此，本發(fā)明采用上述結(jié)構(gòu)的一種基于數(shù)學(xué)建模和擬合的冷庫溫度預(yù)測(cè)系統(tǒng)及方法，具備以下有益效果：

35、(1)本發(fā)明采用擬合與粒子群優(yōu)化算法，能夠?qū)崿F(xiàn)對(duì)冷間溫度變化的精確實(shí)時(shí)預(yù)測(cè)。有效解決了傳統(tǒng)物理機(jī)理模型因復(fù)雜影響因素眾多且相互作用復(fù)雜，無法準(zhǔn)確建模的問題，克服了溫度變化的滯后性，使得預(yù)測(cè)結(jié)果更加及時(shí)和精確，從而大大提高了冷庫溫度控制的可靠性。

36、(2)本發(fā)明能夠在任意溫度變化過程中，任意時(shí)刻和任意起始溫度下，精確預(yù)測(cè)主動(dòng)開啟或關(guān)閉不同數(shù)量風(fēng)機(jī)情況下的溫度變化。解決了現(xiàn)有ai時(shí)間序列預(yù)測(cè)方法只能預(yù)測(cè)周期性模式的局限性。本發(fā)明能夠動(dòng)態(tài)適應(yīng)冷庫內(nèi)各種操作條件，提供準(zhǔn)確的溫度變化預(yù)測(cè)，為優(yōu)化冷庫運(yùn)行策略和節(jié)能控制提供了可靠的依據(jù)。

37、(3)本發(fā)明對(duì)溫度變化，尤其是升溫階段的預(yù)測(cè)非常精準(zhǔn)。本發(fā)明通過對(duì)升溫過程的精準(zhǔn)預(yù)測(cè)，可以有效控制溫度變化，確保冷庫內(nèi)溫度的穩(wěn)定性和一致性，避免溫度波動(dòng)對(duì)儲(chǔ)存物品質(zhì)量的影響。

38、(4)本發(fā)明設(shè)計(jì)簡(jiǎn)潔，易于集成和維護(hù)，通過精確預(yù)測(cè)冷間溫度變化，本發(fā)明能夠優(yōu)化風(fēng)機(jī)運(yùn)行策略，從而有效提高能效。具備較強(qiáng)的適應(yīng)性，能夠適應(yīng)不同冷庫環(huán)境和多種影響因素的變化。

39、下面通過附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。