本發(fā)明涉及風(fēng)機盤管領(lǐng)域，具體涉及智能化舒適節(jié)能型風(fēng)機盤管控制系統(tǒng)。

背景技術(shù)：

1、在建筑節(jié)能領(lǐng)域，空調(diào)系統(tǒng)作為主要的能源消耗源，其效率和控制方式直接影響著能源的節(jié)約和室內(nèi)環(huán)境的舒適度；傳統(tǒng)的風(fēng)機盤管系統(tǒng)多采用簡單的開關(guān)控制，缺乏對室內(nèi)外環(huán)境變化的實時響應(yīng)，導(dǎo)致能源浪費和室內(nèi)溫度波動，無法滿足現(xiàn)代建筑對節(jié)能和舒適性的雙重需求。

2、隨著智能化技術(shù)的發(fā)展，越來越多的研究開始關(guān)注如何通過先進的控制策略來優(yōu)化空調(diào)系統(tǒng)的性能；本發(fā)明提出的智能化舒適節(jié)能型風(fēng)機盤管控制系統(tǒng)，通過集成目標(biāo)溫度預(yù)測、pid控制算法優(yōu)化、兩通閥智能控制以及風(fēng)速動態(tài)調(diào)整等技術(shù)，旨在實現(xiàn)更加精準(zhǔn)和節(jié)能的溫度控制，同時提供個性化的室內(nèi)環(huán)境調(diào)節(jié)。

技術(shù)實現(xiàn)思路

1、本發(fā)明通過采用目標(biāo)溫度預(yù)測模型，基于室內(nèi)外溫度和濕度等環(huán)境數(shù)據(jù)，預(yù)測出最適宜的室內(nèi)溫度，這種預(yù)測不僅考慮了環(huán)境因素，還能夠結(jié)合用戶的歷史偏好和行為模式，從而實現(xiàn)更加精準(zhǔn)和個性化的溫度控制；同時通過pid控制算法的優(yōu)化，能夠根據(jù)實時監(jiān)測到的室內(nèi)溫度與預(yù)測目標(biāo)溫度之間的差值，動態(tài)調(diào)整兩通閥的開關(guān)時間，從而減少不必要的能源消耗；這種動態(tài)調(diào)節(jié)機制大幅度提高了空調(diào)系統(tǒng)的能效比，實現(xiàn)了在保證室內(nèi)舒適度的同時降低能耗。

2、智能化舒適節(jié)能型風(fēng)機盤管控制系統(tǒng)，包括：

3、目標(biāo)溫度預(yù)測模塊，用于將室內(nèi)溫度數(shù)據(jù)、室外溫度數(shù)據(jù)、室內(nèi)濕度數(shù)據(jù)和室外濕度數(shù)據(jù)組成的目標(biāo)溫度預(yù)測集輸入至目標(biāo)溫度預(yù)測模型，輸出預(yù)測目標(biāo)溫度t，預(yù)測目標(biāo)溫度t即為當(dāng)前預(yù)設(shè)的控制周期內(nèi)的空調(diào)設(shè)定溫度；

4、兩通閥控制模塊，用于根據(jù)當(dāng)前室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度的差值，利用pid控制算法計算獲取輸出p；將輸出p轉(zhuǎn)換為兩通閥開關(guān)時間的占空比；在當(dāng)前預(yù)設(shè)的控制周期內(nèi)，應(yīng)用兩通閥開關(guān)時間的占空比，控制兩通閥的開啟和關(guān)閉的時間；

5、風(fēng)速調(diào)整模塊，用于根據(jù)室內(nèi)溫度數(shù)據(jù)與兩通閥的運行狀態(tài)，對風(fēng)速進行調(diào)整；在兩通閥處于開啟狀態(tài)時，對當(dāng)前獲取的第二監(jiān)測時間點的室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度t進行對比，若室內(nèi)溫度數(shù)據(jù)大于t+0.5，則將風(fēng)速調(diào)整至高風(fēng)速；若室內(nèi)溫度數(shù)據(jù)大于t，小于t+0.5，則將風(fēng)速調(diào)整至中風(fēng)速；若當(dāng)前室內(nèi)溫度小于t，則將風(fēng)速調(diào)整至低風(fēng)速；在兩通閥處于關(guān)閉狀態(tài)時，將風(fēng)速調(diào)整至低風(fēng)速。

6、還包括一種應(yīng)用于智能化舒適節(jié)能型風(fēng)機盤管控制系統(tǒng)的智能化舒適節(jié)能型風(fēng)機盤管控制方法，具體步驟如下：

7、s1：獲取當(dāng)前第一監(jiān)測時間點的室內(nèi)溫度數(shù)據(jù)、室外溫度數(shù)據(jù)、室內(nèi)濕度數(shù)據(jù)和室外濕度數(shù)據(jù)，將獲取的室內(nèi)溫度數(shù)據(jù)、室外溫度數(shù)據(jù)、室內(nèi)濕度數(shù)據(jù)和室外濕度數(shù)據(jù)組成目標(biāo)溫度預(yù)測集；將目標(biāo)溫度預(yù)測集輸入至目標(biāo)溫度預(yù)測模型，輸出預(yù)測目標(biāo)溫度t，預(yù)測目標(biāo)溫度t即為當(dāng)前預(yù)設(shè)的控制周期內(nèi)的空調(diào)設(shè)定溫度；

8、s2：基于當(dāng)前第一監(jiān)測時間點獲取的室內(nèi)溫度數(shù)據(jù)，計算獲取當(dāng)前室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度的差值，利用pid控制算法計算獲取輸出p；將輸出p轉(zhuǎn)換為兩通閥開關(guān)時間的占空比；在當(dāng)前預(yù)設(shè)的控制周期內(nèi)，應(yīng)用兩通閥開關(guān)時間的占空比，控制兩通閥的開啟和關(guān)閉的時間；

9、s3：獲取當(dāng)前第二監(jiān)測時間點的室內(nèi)溫度數(shù)據(jù)，并判斷當(dāng)前時間兩通閥是否處于開啟狀態(tài)；若兩通閥處于開啟狀態(tài)，則對當(dāng)前獲取的第二監(jiān)測時間點的室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度t進行對比，若室內(nèi)溫度數(shù)據(jù)大于t+0.5，則將風(fēng)速調(diào)整至高風(fēng)速；若室內(nèi)溫度數(shù)據(jù)大于t，小于t+0.5，則將風(fēng)速調(diào)整至中風(fēng)速；若當(dāng)前室內(nèi)溫度小于t，則將風(fēng)速調(diào)整至低風(fēng)速；

10、若兩通閥處于關(guān)閉狀態(tài)，則將風(fēng)速調(diào)整至低風(fēng)速。

11、優(yōu)選地，目標(biāo)溫度預(yù)測模型基于線性回歸模型建立，目標(biāo)溫度預(yù)測模型利用公式對預(yù)測目標(biāo)溫度的值y進行預(yù)測；x1、x2、x3和x4均為輸入特征，即為室內(nèi)溫度數(shù)據(jù)、室外溫度數(shù)據(jù)、室內(nèi)濕度數(shù)據(jù)和室外濕度數(shù)據(jù)；β0為截距項；β1、β2、β3和β4分別為各個輸入特征的權(quán)重。

12、優(yōu)選地，針對目標(biāo)溫度預(yù)測模型的訓(xùn)練，具體操作步驟：

13、獲取若干個模型訓(xùn)練樣本，每個模型訓(xùn)練樣本中包括室內(nèi)溫度數(shù)據(jù)、室外溫度數(shù)據(jù)、室內(nèi)濕度數(shù)據(jù)、室外濕度數(shù)據(jù)以及對應(yīng)時刻的空調(diào)設(shè)定溫度；將所有模型訓(xùn)練樣本劃分為模型訓(xùn)練集和模型測試集；使用模型訓(xùn)練集以最小化為目標(biāo)，對目標(biāo)溫度預(yù)測模型進行訓(xùn)練；其中n為模型訓(xùn)練集的數(shù)量；i=1，2，…，n；使用模型測試集對目標(biāo)溫度預(yù)測模型進行評估，獲取評估結(jié)果；設(shè)置訓(xùn)練條件，若評估結(jié)果滿足訓(xùn)練條件，則輸出訓(xùn)練好的目標(biāo)溫度預(yù)測模型；否則，繼續(xù)使用模型訓(xùn)練集進行訓(xùn)練。

14、優(yōu)選地，針對控制周期的設(shè)置，具體操作步驟：

15、設(shè)置更新周期，在每一個更新周期開始時，記錄室內(nèi)溫度在兩通閥關(guān)閉以及低風(fēng)速的狀態(tài)下由t-1升至t+1所需的時間，將獲取的時間作為控制周期的上限時長；以最大化溫度控制精度和最小化兩通閥通斷頻率為目標(biāo)，使用群體優(yōu)化算法在0至上限時長的范圍內(nèi)搜索最優(yōu)控制周期，將獲取的最優(yōu)控制周期作為當(dāng)前更新周期的控制周期。

16、優(yōu)選地，在設(shè)置控制周期的操作中，使用的群體優(yōu)化算法為粒子群優(yōu)化算法，具體操作步驟如下：

17、a1：在0至上限時長的范圍內(nèi)隨機生成粒子群，每一個粒子的位置表示一個候選控制周期；

18、a2：針對任意一個粒子，初始化該粒子的速度，并將當(dāng)前位置作為該粒子的個體最佳位置；利用公式計算該粒子的適應(yīng)度值f，其中d表示當(dāng)前候選周期內(nèi)最大溫度與最低溫度的差值，l表示當(dāng)前候選周期的時長；和分別為和l的權(quán)重；

19、a3：遍歷所有粒子，將適應(yīng)度值f最高的粒子對應(yīng)的位置作為全局最佳位置；

20、a4：針對任意一個粒子，對該粒子的速度和位置進行更新，并重新計算適應(yīng)度值；若更新后的適應(yīng)度值高于該粒子個體最佳位置的適應(yīng)度值，則將該粒子的個體最佳位置更新為當(dāng)前位置；

21、a5：遍歷所有粒子，若存在任意一個粒子的個體最佳位置的適應(yīng)度值高于全局最佳位置的適應(yīng)度值，則將全局最佳位置更新為該粒子的個體最佳位置；

22、a6：重復(fù)a4步驟-a5步驟，直至達(dá)到最大迭代次數(shù)，獲取的全局最佳位置即為最優(yōu)控制周期。

23、優(yōu)選地，步驟s2中利用pid控制算法計算獲取輸出p的具體操作：

24、計算獲取當(dāng)前室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度的差值，利用公式計算獲取pid輸出p；其中kp為比例增益；ti為積分時間常數(shù)；td為微分時間常數(shù)；m表示在積分時間常數(shù)內(nèi)，存在m個控制周期，j=1，2，…，m；表示在時長為積分時間常數(shù)的最近時間中，第j個控制周期獲取的室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度的差值；為上一段控制周期獲取的室內(nèi)溫度數(shù)據(jù)與預(yù)測目標(biāo)溫度的差值；為控制周期的時長。

25、優(yōu)選地，將輸出p轉(zhuǎn)換為兩通閥開關(guān)時間的占空比；在當(dāng)前預(yù)設(shè)的控制周期內(nèi)，應(yīng)用兩通閥開關(guān)時間的占空比的具體操作：

26、獲取pid輸出p的范圍[pmin，pmax]，并利用公式計算獲取兩通閥開關(guān)時間的占空比n；在當(dāng)前控制周期內(nèi)，兩通閥開啟的時間后，再關(guān)閉的時間。

27、優(yōu)選地，比例增益kp、積分時間常數(shù)ti和微分時間常數(shù)td的值均通過粒子群優(yōu)化算法獲取。

28、本發(fā)明具有以下優(yōu)點：

29、1、本發(fā)明通過采用目標(biāo)溫度預(yù)測模型，基于室內(nèi)外溫度和濕度等環(huán)境數(shù)據(jù)，預(yù)測出最適宜的室內(nèi)溫度，這種預(yù)測不僅考慮了環(huán)境因素，還能夠結(jié)合用戶的歷史偏好和行為模式，從而實現(xiàn)更加精準(zhǔn)和個性化的溫度控制；同時通過pid控制算法的優(yōu)化，能夠根據(jù)實時監(jiān)測到的室內(nèi)溫度與預(yù)測目標(biāo)溫度之間的差值，動態(tài)調(diào)整兩通閥的開關(guān)時間，從而減少不必要的能源消耗；這種動態(tài)調(diào)節(jié)機制大幅度提高了空調(diào)系統(tǒng)的能效比，實現(xiàn)了在保證室內(nèi)舒適度的同時降低能耗。

30、2、本發(fā)明能夠根據(jù)用戶的個性化需求和室內(nèi)外環(huán)境的實際狀況，自動調(diào)整空調(diào)設(shè)定溫度，提供定制化的室內(nèi)環(huán)境，還通過減少溫度波動，實現(xiàn)提高環(huán)境質(zhì)量；同時根據(jù)室內(nèi)溫度與空調(diào)設(shè)定溫度對風(fēng)速進行調(diào)節(jié)，以減少不必要的能源消耗。