本發(fā)明涉及空調(diào)節(jié)能領域，具體為基于高斯混合模型、線性回歸和遺傳算法的空調(diào)節(jié)能控制系統(tǒng)和方法。
背景技術：
：隨著全球氣候變暖和空調(diào)技術的發(fā)展，越來越多的現(xiàn)代建筑使用中央空調(diào)調(diào)節(jié)室內(nèi)溫濕度，據(jù)文獻顯示，中央空調(diào)的能耗大約占整個建筑能耗的50％-70％，伴隨著“智能城市”建設步伐的快速推進，實現(xiàn)中央空調(diào)的智能控制與節(jié)能也提上了議事日程。但是僅是依靠技術人員的經(jīng)驗對中央空調(diào)系統(tǒng)進行調(diào)控，但是效果不明顯。目前需要本領域技術人員迫切解決的一個技術問題是：如何突破只依靠技術人員的經(jīng)驗對中央空調(diào)控制的局限性。技術實現(xiàn)要素：為了解決上述問題，本發(fā)明提供了一種基于高斯混合模型、線性回歸和遺傳算法的多模型融合智能空調(diào)節(jié)能控制系統(tǒng)，通過對各個變量之間的相關性進行分析并提出降低中央空調(diào)系統(tǒng)總耗電量以及系統(tǒng)效率相應的最優(yōu)控制策略；該多模型融合策略使得中央空調(diào)系統(tǒng)裝置狀態(tài)以及裝置轉速與狀態(tài)檢測裝置檢測到的信息建立聯(lián)系，具有測試準確度高，控制策略節(jié)能效果明顯安全的有益效果。本發(fā)明采用的技術方案為：一種中央空調(diào)節(jié)能控制系統(tǒng)，包括：狀態(tài)檢測設備，用于獲取中央空調(diào)系統(tǒng)中各裝置的開關狀態(tài)信息、轉速信息和功率信息；處理器，與狀態(tài)檢測裝置相連，包括高斯混合模型聚類模塊、線性回歸擬合模塊和遺傳算法搜索模塊；控制器設備，與處理器相連，用于輸出處理器的優(yōu)化控制策略；所述高斯混合模型聚類模塊，基于獲取的轉速信息和功率信息，對中央空調(diào)系統(tǒng)中各裝置的開關狀態(tài)信息進行聚類，得到若干聚類標簽；所述線性回歸擬合模塊，對于每個聚類標簽，以相應各裝置對應的轉速為自變量，以各裝置功率為因變量，建立基于多項式的線性回歸擬合模型，用于擬合各個裝置功率，所有裝置功率之和即為該聚類標簽對應的系統(tǒng)總耗電功率；所述遺傳算法搜索模塊，在滿足中央空調(diào)系統(tǒng)降溫以及系統(tǒng)各裝置安全工作的約束條件下，搜索全局范圍內(nèi)系統(tǒng)總耗電功率最低的控制策略。進一步地，處理器還包括數(shù)據(jù)預處理模塊。進一步地，所述中央空調(diào)系統(tǒng)中的裝置包括冷卻塔、冷卻裝置、冷凝塔、冷凝水泵。進一步地，所述遺傳算法搜索模塊進一步包括：對空調(diào)系統(tǒng)可以設置的轉速進行全局化搜索，尋找使得系統(tǒng)總耗電功率達到最小的控制策略。根據(jù)本發(fā)明的另一方面，還提供一種中央空調(diào)節(jié)能控制方法，包括以下步驟：獲取中央空調(diào)系統(tǒng)中各裝置的開關狀態(tài)信息、轉速信息和功率信息；基于獲取的轉速信息和功率信息，對中央空調(diào)系統(tǒng)中各裝置的開關狀態(tài)信息進行高斯混合模型聚類，得到若干聚類標簽；對于每個聚類標簽，以相應各裝置對應的轉速為自變量，以各裝置功率為因變量，建立基于多項式的線性回歸擬合模型，用于擬合各個裝置功率，所有裝置功率之和即為該聚類標簽對應的系統(tǒng)總耗電功率；在滿足中央空調(diào)系統(tǒng)降溫以及系統(tǒng)各裝置安全工作的約束條件下，基于遺傳算法搜索全局范圍內(nèi)系統(tǒng)總耗電功率最低的控制策略。進一步地，獲取各裝置的信息后，還進行了數(shù)據(jù)預處理。進一步地，所述中央空調(diào)系統(tǒng)中的裝置包括冷卻塔、冷卻裝置、冷凝塔、冷凝水泵。進一步地，基于遺傳算法搜索全局范圍內(nèi)能夠降低總耗電功率的控制策略進一步包括：對空調(diào)系統(tǒng)可以設置的轉速進行全局化搜索，尋找使得系統(tǒng)總耗電功率達到最小的控制策略。本發(fā)明的有益效果：1、模型通過機器學習中的高斯混合模型對數(shù)據(jù)進行聚類，聚類效果較好，聚類之后可以產(chǎn)生良好的線性擬合效果。2、基于遺傳算法求解最優(yōu)化模型，可以實現(xiàn)全局搜索而且速度較快，作為一種有信息的搜索，避免了不必要的運算。3、該多模型融合策略使得中央空調(diào)系統(tǒng)裝置狀態(tài)以及裝置轉速與狀態(tài)檢測裝置檢測到的信息建立聯(lián)系，突破了只依靠技術人員的經(jīng)驗對中央空調(diào)控制的局限性；并且具有測試準確度高，控制策略節(jié)能效果明顯安全的有益效果。附圖說明構成本申請的一部分的說明書附圖用來提供對本申請的進一步理解，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。圖1為本發(fā)明信息流轉示意圖；圖2為本發(fā)明冷卻裝置的總功率的影響因素圖；圖3為本發(fā)明冷水泵的總功率的影響因素圖；圖4為本發(fā)明冷卻塔的總功率的影響因素圖；圖5為本發(fā)明冷卻裝置總功率與冷卻負載之間的關系圖；圖6為本發(fā)明聚類后冷卻裝置總功率與冷卻負載之間的關系圖；圖7為本發(fā)明冷水泵總功率與轉速的關系圖；圖8為本發(fā)明聚類后冷水泵總功率與轉速的關系圖；圖9為本發(fā)明冷卻塔與冷卻塔風扇轉速關系圖圖10為本發(fā)明聚類后冷卻塔與冷卻塔風扇轉速關系圖。圖11為本發(fā)明冷水凝泵總功率與冷凝水泵轉速關系圖圖12為本發(fā)明聚類后冷水凝泵總功率與冷凝水泵轉速關系圖圖13為本發(fā)明冷卻負載與總耗電量的關系圖圖14為本發(fā)明冷卻塔總功率與冷卻負載的關系圖具體實施方式應該指出，以下詳細說明都是例示性的，旨在對本申請?zhí)峁┻M一步的說明。除非另有指明，本文使用的所有技術和科學術語具有與本申請所屬
技術領域：
的普通技術人員通常理解的相同含義。需要注意的是，這里所使用的術語僅是為了描述具體實施方式，而非意圖限制根據(jù)本申請的示例性實施方式。如在這里所使用的，除非上下文另外明確指出，否則單數(shù)形式也意圖包括復數(shù)形式，此外，還應當理解的是，當在本說明書中使用術語“包含”和/或“包括”時，其指明存在特征、步驟、操作、器件、組件和/或它們的組合。實施例1圖1為本發(fā)明信息流轉示意圖。一種基于高斯混合模型、線性回歸和遺傳算法的多模型融合智能空調(diào)節(jié)能控制系統(tǒng)，包括狀態(tài)檢測設備，用于獲取冷卻塔、冷卻裝置、冷凝塔、冷凝水泵的狀態(tài)以及功率；處理器，與狀態(tài)檢測裝置相連，具有高斯混合模型聚類模塊、線性回歸擬合模塊和遺傳算法搜索模塊；控制器設備，與處理器相連，用于輸出處理器的優(yōu)化控制策略；所述高斯混合模型聚類模塊，建立空調(diào)系統(tǒng)中各裝置狀態(tài)信息和裝置功率的聚類標記，得到若干聚類標記，相同聚類標記對應的各裝置開關組合構成一種控制策略；所述線性回歸擬合模塊，以裝置對應的轉速為自變量，以各裝置功率為因變量，建立基于多項式的線性回歸擬合模塊，用于擬合各個裝置功率，所有裝置功率之和即為空調(diào)系統(tǒng)總耗電功率；所述遺傳算法搜索模塊，用于將所述樣本在保持降溫需求以及裝備安全工作狀態(tài)的約束條件下，搜索全局范圍內(nèi)耗電功率最低的控制策略。實施例2由狀態(tài)監(jiān)測單元定時監(jiān)測的中央空調(diào)系統(tǒng)各裝置設備狀態(tài)信息功率和轉速等等的樣本，每個樣本包括采集時間以及狀態(tài)信息總共51個屬性，本實施采用的數(shù)據(jù)共有88840條。表1樣本字段說明處理器包括數(shù)據(jù)預處理模塊、高斯混合模型聚類模塊、線性回歸擬合模塊和遺傳算法搜索模塊。(1)數(shù)據(jù)預處理模塊，包括篩選單元、擬合單元和轉換單元：其中，所述篩選模塊，首先對所述空調(diào)系統(tǒng)內(nèi)的裝置狀態(tài)信息和功率信息進行篩選，篩選系統(tǒng)裝置信息中的缺失值；其次，進行常變量的刪除，原始數(shù)據(jù)中51列數(shù)值型特征通過計算每個數(shù)值型特征的標準差與均值比值，剔除部分變化很小的特征，對于比值特別接近于0的，進行剔除，此處提出室內(nèi)溫度與濕度，而本數(shù)據(jù)中變化最為劇烈的是開關、功率和效率。所述擬合模塊，對上述空調(diào)系統(tǒng)裝置信息缺失值進行擬合。具體地，首先，進行缺失值清洗，觀察數(shù)據(jù)計算其缺失比例，確定缺失值的范圍。按照缺失比例和字段重要性，采取不同的處理策略：對于重要性高、缺失率低的特征，通過經(jīng)驗或業(yè)務知識估計進行填充；對于重要性高、缺失率高的特征，使用其他比較復雜的模型計算補全。所述轉換模塊，用于對經(jīng)篩選和擬合后的空調(diào)系統(tǒng)裝置信息進行格式轉換。(2)所述高斯混合模型聚類模塊，建立空調(diào)系統(tǒng)中各裝置狀態(tài)信息的聚類標記：本系統(tǒng)采用gmm(高斯混合模型)，對空調(diào)系統(tǒng)裝置開關信息進行聚類得到若干標簽，分別對不同的標簽進行回歸分析建模，其中gmm具有如下概率分布模型：其中αk是系數(shù)，αk≥0，是高斯分布密度，因控制狀態(tài)信息只有12個設備的開關，而且均為0-1的取值，只需針對相應條件下的設備狀態(tài)控制信息進行修改得到最優(yōu)系統(tǒng)效能即可。此處約束條件為12個裝備的狀態(tài)信息，其他通用約束條件同之前。針對不同的狀態(tài)信息聚類之后有以下聚類標記表2冷卻裝置狀態(tài)信息聚類標記對應冷卻裝置1開關冷卻裝置2開關冷卻裝置3開關冷卻裝置聚類標記00000012010001101001101211011111表3冷水泵狀態(tài)信息聚類標記對應表4冷凝水泵狀態(tài)信息聚類標記對應冷凝水泵1開關冷凝水泵2開關冷凝水泵3開關冷凝水泵聚類標識000[0]100[1]010[0]001[2]110[1]101[2]011[2]111[2]表5冷水塔狀態(tài)信息聚類標記對應冷卻塔1開關冷卻塔2開關冷卻塔聚類標識00[0]01[1]10[0]11[1](3)所述線性回歸擬合模塊，對于每個聚類標簽，以裝置對應的轉速為自變量，以各裝置功率為因變量，建立基于多項式的線性回歸擬合模塊，用于擬合各個裝置功率，所有裝置功率之和即為空調(diào)系統(tǒng)總耗電功率。(4)所述遺傳算法搜索模塊，用于在滿足空調(diào)系統(tǒng)降溫、并且各裝置安全工作的前提下,基于遺傳算法找出最優(yōu)序列。遺傳算法約束條件：中央空調(diào)在滿足空調(diào)系統(tǒng)降溫的前提下，其總耗電量參數(shù)優(yōu)化模型可以表示為：其中，p(x)表示中央空調(diào)的總耗電量，x表示需要進行優(yōu)化的參數(shù)列表，s代表約束條件。約束主要包括系統(tǒng)的控制方法、各模塊之間的相互影響以及材料中所給的約束條件所確定的。約束條件1：外循環(huán)供水溫度越低，冷卻裝置的運行能效就越低，但是外循環(huán)水溫度需要固定在一定的范圍內(nèi)才可以保證冷水機組的正常運行，此處循環(huán)水溫給定，故不考慮水溫的限制，但是中央空調(diào)系統(tǒng)的除濕能力的強弱與冷凍水供水溫度決定的，查閱文獻可以知道為滿足末端環(huán)境舒適性要求的中央空調(diào)系統(tǒng)循環(huán)水溫度條件，必須滿足：其中，chwshdr表示流出冷卻裝置時的水溫；chikwsum表示冷卻裝置總功率；chikwsum額定表示冷卻裝置額定總功率。約束條件2：冷卻裝置在低負荷工作時容易發(fā)生喘振現(xiàn)象，減少設備的使用壽命，所以此處提出的約束條件是負荷率不能太低。chikwmin≤chikw≤chikw額定(當chistat＝1時)其中，chikw表示冷卻裝置i的功率，chistat＝1表示冷卻裝置的狀態(tài)信息為開。更具體地，對系統(tǒng)可以設置的系統(tǒng)裝置轉速進行全局化搜索，尋找使得系統(tǒng)總耗電量達到最小的控制策略。最后，由控制器設備輸出處理器的優(yōu)化控制策略。本領域技術人員應該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計算機裝置來實現(xiàn)，可選地，它們可以用計算裝置可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。本發(fā)明不限制于任何特定的硬件和軟件的結合。上述雖然結合附圖對本發(fā)明的具體實施方式進行了描述，但并非對本發(fā)明保護范圍的限制，所屬領域技術人員應該明白，在本發(fā)明的技術方案的基礎上，本領域技術人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護范圍以內(nèi)。當前第1頁12