-
公开(公告)号：CN113757852A
公开(公告)日：2021-12-07
申请号：CN202110991761.8
申请日：2021-08-27
Applicant: 华中科技大学
IPC: F24F5/00 , F24F11/61 , F24F11/64 , F24F11/88 , F24F110/12 , F24F110/10
Abstract: 本发明公开了一种基于数字孪生技术的多联机空调机组控制方法及控制系统，属于暖通空调领域，包括：获取给定时刻的室内测量数据并利用功能区的阻容模型计算实际热流量；计算给定时刻之前n‑1个时刻实际热流量并输入时序预测模型，得到第一预测热流量；分别获取给定时刻之前n‑1个时刻室内测量数据，分别输入至三个时序预测模型，得到室内测量数据预测值，并利用阻容模型计算第二预测热流量；对于给定时刻及其前的n‑1个时刻，根据两个预测热流量线性拟合实际热流量，得到拟合函数；根据目标时刻的两个预测热流量及前一时刻拟合函数计算热流量预测值，并依此对功能区内的空调机组进行控制。本发明能够提高多联机空调机组控制的实时性、准确性和适用性。
-
Patent Agency Ranking
公开(公告)号：CN112628956A
公开(公告)日：2021-04-09
申请号：CN202011548554.7
申请日：2020-12-24
Applicant: 华中科技大学
Abstract: 本发明公开了基于边云协同框架的冷水机组负荷预测控制方法和系统，属于优化控制领域。本发明提出利用边缘计算和云计算融合的冷水机组分层优化控制。在边缘端进行负荷实时预测与划分及数据预处理，不同负荷率下控制参数矩阵，云端进行负荷预测模型及能耗拟合模型的练及更新、冷水机组控制参数寻优，利用相应模型通过智能优化算法寻求自适应函数下最小值时的输入，从而得到最优控制参数组合。本发明充分利用边缘端资源进行数据预处理和控制参数矩阵的存储与控制参数传输，降低云端计算压力并减少数据传输延迟带来的影响，从而达到快速实时更新优化控制的效果，能够较好地拟合实际运行数据，在满足基本负荷的情况下，显著降低整个系统的能耗。
-
公开(公告)号：CN112628956B
公开(公告)日：2022-02-15
申请号：CN202011548554.7
申请日：2020-12-24
Applicant: 华中科技大学
Abstract: 本发明公开了基于边云协同框架的冷水机组负荷预测控制方法和系统，属于优化控制领域。本发明提出利用边缘计算和云计算融合的冷水机组分层优化控制。在边缘端进行负荷实时预测与划分及数据预处理，不同负荷率下控制参数矩阵，云端进行负荷预测模型及能耗拟合模型的练及更新、冷水机组控制参数寻优，利用相应模型通过智能优化算法寻求自适应函数下最小值时的输入，从而得到最优控制参数组合。本发明充分利用边缘端资源进行数据预处理和控制参数矩阵的存储与控制参数传输，降低云端计算压力并减少数据传输延迟带来的影响，从而达到快速实时更新优化控制的效果，能够较好地拟合实际运行数据，在满足基本负荷的情况下，显著降低整个系统的能耗。
-
公开(公告)号：CN113757852B
公开(公告)日：2022-10-14
申请号：CN202110991761.8
申请日：2021-08-27
Applicant: 华中科技大学
IPC: F24F5/00 , F24F11/61 , F24F11/64 , F24F11/88 , F24F110/12 , F24F110/10
Abstract: 本发明公开了一种基于数字孪生技术的多联机空调机组控制方法及控制系统，属于暖通空调领域，包括：获取给定时刻的室内测量数据并利用功能区的阻容模型计算实际热流量；计算给定时刻之前n‑1个时刻实际热流量并输入时序预测模型，得到第一预测热流量；分别获取给定时刻之前n‑1个时刻室内测量数据，分别输入至三个时序预测模型，得到室内测量数据预测值，并利用阻容模型计算第二预测热流量；对于给定时刻及其前的n‑1个时刻，根据两个预测热流量线性拟合实际热流量，得到拟合函数；根据目标时刻的两个预测热流量及前一时刻拟合函数计算热流量预测值，并依此对功能区内的空调机组进行控制。本发明能够提高多联机空调机组控制的实时性、准确性和适用性。
-
公开(公告)号：CN113095367B
公开(公告)日：2023-04-18
申请号：CN202110280530.6
申请日：2021-03-16
Applicant: 华中科技大学
IPC: G06F18/214 , G06F16/2458
Abstract: 本发明公开了一种基于深度强化学习的压缩机故障诊断方法，属于压缩机故障诊断领域，包括：采集压缩机的实时运行数据，输入至已训练好的特征提取模型以提取特征；特征提取模型用于以无监督的方式提取输入数据的特征，特征用于表征在对应的运行数据下，压缩机处于各故障类型的概率；将实时运行数据的特征输入至已训练好的故障诊断模型以预测故障类型；故障诊断模型为深度强化学习模型，用于以特征为状态，预测在该状态下最大奖励值对应的动作，并将对应的故障类型作为故障诊断结果；深度强化学习模型的一个动作用于预测压缩机在给定状态处于某一种故障状态。本发明能够减少对专家经验和先验知识的依赖，提高压缩机故障诊断结果的精度和稳定性。
-
公开(公告)号：CN113095367A
公开(公告)日：2021-07-09
申请号：CN202110280530.6
申请日：2021-03-16
Applicant: 华中科技大学
IPC: G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种基于深度强化学习的压缩机故障诊断方法，属于压缩机故障诊断领域，包括：采集压缩机的实时运行数据，输入至已训练好的特征提取模型以提取特征；特征提取模型用于以无监督的方式提取输入数据的特征，特征用于表征在对应的运行数据下，压缩机处于各故障类型的概率；将实时运行数据的特征输入至已训练好的故障诊断模型以预测故障类型；故障诊断模型为深度强化学习模型，用于以特征为状态，预测在该状态下最大奖励值对应的动作，并将对应的故障类型作为故障诊断结果；深度强化学习模型的一个动作用于预测压缩机在给定状态处于某一种故障状态。本发明能够减少对专家经验和先验知识的依赖，提高压缩机故障诊断结果的精度和稳定性。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
