-
公开(公告)号：CN114692493A
公开(公告)日：2022-07-01
申请号：CN202210259713.4
申请日：2022-03-16
Applicant: 浙江大学 , 浙江源创智控技术有限公司
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q50/08 , G06F119/06 , G06F119/08 , G06F119/12
Abstract: 本发明公开了一种建筑制冷系统节能方法，包括如下步骤：获取制冷系统的硬件模块数据；基于所述硬件模块数据，通过循环神经网络预测算法进行冷负荷预测，获取未来预设时间段内的冷负荷预测序列；基于所述冷负荷预测序列，根据预设算法进行寻优测算，获取未来预设时间段内的最优预测控制参数；基于所述最优预测控制参数向所述制冷系统的硬件控制模块发送控制指令。利用循环神经网路，合理预测末端的冷负荷，作为后续节能优化的输入，对设备的硬件参数进行建模，实现了末端的负荷数据作为依据，实时优化效果好。根据制冷系统精确的机理模型，模拟设备的运行工况，考虑能耗耦合，能够提高优化的效果。
-
公开(公告)号：CN116794982A
公开(公告)日：2023-09-22
申请号：CN202310698880.3
申请日：2023-06-13
Applicant: 浙江大学 , 浙江源创智控技术有限公司
IPC: G05B13/04
Abstract: 本发明公开了基于自适应混合优化算法的冷源设备控制参数整定方法，包括获取制冷系统的总能耗函；构建制冷系统能耗优化模型；采用自适应混合优化算法求解；完成制冷系统能耗优化控制。本发明对遗传算法进行改进，提高寻优效率，之后与虎克捷夫算法融合，通过切换条件的设置来跳过振荡收敛过程，保证寻优效果的同时加快收敛；利用遗传算法DNA片段编码过程来体现冷源优化参数的组合，更加贴近应用情况。本发明具有通过仿生算法与传统模式搜索算法的融合，使得混合优化算法兼顾寻优效果好、优化速度快的优点；建立了完善的冷源系统能耗模型，以系统能耗为目标对设备控制参数进行优化，节能效果更好。
-
公开(公告)号：CN116451371A
公开(公告)日：2023-07-18
申请号：CN202310391621.6
申请日：2023-04-13
Applicant: 浙江源创智控技术有限公司
IPC: G06F30/17 , G06F30/27 , G06N3/0442
Abstract: 本发明公开了一种机理、数据混合驱动的冷水机组建模方法，步骤为：SA根据机理规律建立冷水机组的机理模型；SB利用BP神经网络构建冷水机组的数据驱动模型；SC构建机理、数据混合驱动模型。将冷水机组的COP比以及最大制冷量比这两个关键参数从机理模型中取出，通过BP神经网络对其工况进行预测，再结合机理规律进行建模。可适用于不同年限的系统；新建系统，则根据厂家特性表建立纯机理模型；其余系统均可通过近期的运行数据对初始机理模型进行修正；有效提升建模的准确性。本发明具有建模准确率更高、应用范围广、可适用于不同年限设备的优点。
-
公开(公告)号：CN116882264A
公开(公告)日：2023-10-13
申请号：CN202310697396.9
申请日：2023-06-13
Applicant: 浙江大学 , 浙江源创智控技术有限公司
IPC: G06F30/27 , G06F30/13 , G06F18/25 , G06N3/0442 , G06F119/08 , G06F119/06
Abstract: 本发明公开了基于多特征融合的办公建筑冷负荷数据校准及预测方法，包括基于多特征融合的冷负荷原始数据校准和办公建筑短期冷负荷预测两部分；基于多特征融合的冷负荷原始数据校准通过热力学法与冷机表征法获得两组冷负荷序列值，利用冷机表征法的冷负荷序列值来修正热力学法的冷负荷序列值；办公建筑短期冷负荷预测利用修正后的冷负荷序列值来训练获得冷负荷预测LSTM模型进行冷负荷预测。本发明采用了多维数据作为冷负荷的判断依据，进行多特征融合，校准得到更加准确的测量结果；基于校准结果，训练得到冷负荷预测LSTM模型，冷负荷测量数据的滞后性得到改善；本发明具有冷负荷测量值准确度高、预测精度高、测量成本低的优点。
-
-
-
Search Results
4
records
(took 0.045 seconds)
