-
创立时间
2024-10-12
-
核心技术
反向传播神经网络、进化算法
AI冷源群控系统可以根据实时需求调整制冷设备的运行模式,实现最佳能效比。通过系统可以实现对多个制冷设备的智能管理和实时监控,无需人工干预,减少人为错误和节省人力成本。同时可以根据实时数据调整制冷设备的运行参数,保持设备处于最佳状态,确保系统的高效运行和稳定性.
我们要优化一个空调系统的能耗,目标是通过调整温度、湿度以及设备参数,使系统的总能耗达到最小。涉及的部分变量包括起始温度、最终温度、(举例)水冷机参数、以及水泵参数、、湿度等。同时考虑到我们有若干物理约束条件,比如温度必须在一定范围内,设备参数必须在特定操作范围内。考虑将空调的温度变化作为主键(Value),设备能耗达到最优值时的设备参数作为值(key),这样只需传入此时的空调的初始温度以及变化后的温度,即可得到在该温度变化范围下,能达到最低能耗的设备参数推荐值。.
本文提出三种方法,基本架构都是一样的,将空调的温度变化作为主键(key),各个设备的参数作为值(value),而我们所具备的数据为在空调的各个温度变化下,使能耗达到一个较低值(经验上的最低值)。因此,选择某一主键,例如温度变化(36-30),此时拥有m条数据。 第一种,先利用线性回归对原始数据进行拟合,将空调以及各个设备的参数作为特征,能耗值作为标签（在数据集中这些都是经验值）。这样得到了能耗值关于特征的线性函数。 第二种,利用神经网络对原始数据进行拟合,输入为特征节点,输出为能耗值,中间层可以讨论怎么设计,再通过反向传播+梯度下降得到各个特征节点的权重值,这样也到了一个能耗值关于特征的函数。注意:这两种方法最终的函数也就是目标值E(能耗)关于各个参数的一个函数,需要通过一些算法来进行计算极值（极小值）以及此时各个参数对应的值,例如生物进化算法、梯度下降,求导等等。 第三种,直接进行线性规划或者非线性规划,找到各个变量之间的约束关系,寻找搜索空间中的最优值。
我们要优化一个空调系统的能耗,目标是通过调整温度、湿度以及设备参数,使系统的总能耗达到最小。涉及的部分变量包括起始温度 、最终温度 、(举例)水冷机参数 、 以及水泵参数 、 、湿度 等。同时考虑到我们有若干物理约束条件,比如温度必须在一定范围内,设备参数必须在特定操作范围内。考虑将空调的温度变化作为主键(Value),设备能耗达到最优值时的设备参数作为值(key),这样只需传入此时的空调的初始温度以及变化后的温度,即可得到在该温度变化范围下,能达到最低能耗的设备参数推荐值。
