基于最小二乘加权的冷冻站系统神经网络优化单元及其方法
【技术领域】
[0001] 本发明涉及一种基于最小二乘加权的冷冻站系统神经网络优化单元及其方法。
【背景技术】
[0002] 随着中国城市建筑智能化、舒适化、便捷化的发展，建筑设备能耗问题也逐渐突 出。研究表明，在建筑设备能耗占比上，空调系统、给排水系统、照明系统占总能耗的2 / 3 以上；而冷冻站系统是其中能耗最为显著的部分，也是最为复杂的部分，如何实现高效，节 能，稳定的冷冻站系统控制系统，是每个项目必须考虑的重点。
[0003] 然而目前国内冷冻站系统的运行效率普遍偏低，冷冻站系统的高能耗、低效率使 客户的运营成本显著增加。分析原因，主要有以下几个方面：
[0004] 1)控制目标
[0005] 在过程自动化领域中，控制系统的主要作用是按照工艺要求，将工艺参数严格控 制在规定的范围内，与节能相比，控制精度是更为重要的指标。在建筑中，建筑环境的舒适 度是由人体的感受决定的，而人体的感受是一个范围，为了稳定环境参数，BAS (Building Automation System,楼宇设备自动化系统，以下简称BAS)无论是PID (Proportion Integration Differentiation,比例积分微分，以下简称PID)调节、还是频繁的启停控制， 都不可避免的造成额外的能源消耗。
[0006] 同时，传统的控制系统以水温度、水流量参数控制为核心的策略严重依赖于传感 器的精度和稳定性，由于机房环境变化，传感器在使用一段时间后精度会下降，导致原本能 够节能的功能变得不节能，甚至更加耗能。
[0007] 2)设计思想
[0008] 对于照明、水泵等独立的用能设备，传统的BAS控制策略是合理且有效的。但对于 占到建筑总能耗60%的空调系统而言，传统的BAS控制思想恰恰对节能造成了不利的影响。 无论何种空调系统，都将是多个设备以系统的方式进行工作，没有一个设备能够脱离系统 独立工作，即多个设备之间存在着耦合。
[0009] 控制理论解决耦合采用的技术是解耦，而解耦的核心思路就是认为降低系统中设 备间的相互联系，只要不影响系统的正常工作，甚至可以将系统中的设备看成完全独立工 作的设备。在解耦理论指导下开发的控制策略几乎没有考虑设备变化对系统工作造成的影 响，这种理论对于化工、造纸等工艺参数要求严格的工业过程是非常有意义的，但对于以节 能为重要控制目标的建筑用能设备的控制，这种设计思想就存在一定的问题。
[0010] 3)暖通、机电设备等与控制的分离
[0011] 在项目初期的规划设计中，暖通部分、给排水部分、供配电部分、自动控制等设计 是分开实施的，这使得各系统技术封闭，特别是暖通、机电设备与自控系统的技术配合非常 有限。
[0012] 在常规的暖通设计中，工程师往往是按照大楼的最不利负荷进行设备容量设计， 并预留一定的余量；例如冷冻机组的设计，需要能够保证夏季最大负荷量下，环境参数仍能 维持在可控范围内；这使得在正常运行状态下，冷源设备的开机、停机、运行负载的上升、下 降等如果不能很好地匹配负荷变化，都将会造成很大的能源浪费。
[0013] 4)系统复杂性
[0014] 冷源系统是一个复杂的系统工程，冷站内各设备间存在很大的耦合及非线性相 关。传统的控制系统把冷源设备划分为多个控制孤岛，各自独立控制运行，缺乏系统规划； 例如以冷却水为控制目标的冷却塔控制；以冷冻水供回水温度为目标的冷冻机组运行控 制；以末端压力为目标的泵的频率控制等。而事实证明，冷站中任何一部分系统参数的变化 都将带来其他部分效率的上升或下降，常规的孤岛型控制策略缺少鲁棒性，不利于建筑节 能的发展。
[0015] 5)管理方面的瓶颈
[0016] 国内工程人员和物业人员的运营水平和对节能的认知程度有限，厂家的技术支持 在维保期过后收费不低，所以物业往往只使用自控系统中的远程控制功能，甚至自控系统 瘫痪也无能为力。建筑节能是一个持续的过程，需要根据不同的使用情况、不同的气候做出 分析，给出不同的控制策略。但自控系统的调试往往实现基本功能后就不做进一步服务，而 物业人员也缺乏对自控系统使用的能力，故难以发挥其节能能力。
【发明内容】
[0017] 针对现有技术的缺陷，本发明目的是提供本系统基于以上问题，将整个冷冻站系 统视为一个整体，利用当前智能化领域内广泛应用的神经网络算法，同时配合小波包算法、 最小二乘算法、加权算法等将冷冻站系统进行非线性拟合，并根据预测结果指导冷冻站系 统内参数的调节，实现系统优化控制，节能的目的。
[0018] 具体技术方案包括：
[0019] 一种基于最小二乘加权的冷冻站系统神经网络优化单元，包括
[0020] 一用以实时采集冷冻站系统的各项参数的实时数据采集模块；
[0021] 一用于针对已有数据进行预处理及保存的历史数据集中模块；
[0022] 利用历史数据生成仿真模型并通过实时数据进行滚动优化、反馈校正的神经网络 模型模块。
[0023] 所述冷冻站系统包括冷却塔、水泵、冷冻机，所述参数包括运行频率、流量、扬程、 功率、运行模式、油温、压力、水温、电流和电压。
[0024] 一种利用前述优化单元实施的优化方法，包括以下步骤：
[0025] 步骤1 :实时数据采集模块实时采集冷冻站系统数据，当实时数据偏离目标值，则 将采集到的数据作为历史数据存入历史数据集中模块，历史数据集中模块就该历史数据进 行预处理；
[0026] 步骤2 :采用三层结构反向传播神经网络建立模型，选择神经网络内核函数，对数 据模型进行训练，调节网络参数，通过最小二乘加权方法搜寻全局最优点，输出结果至控制 设备，返回至步骤1。
[0027] 较佳的，所述预处理包括以下步骤：对数据进行标准化。
[0028] 较佳的，所述预处理包括以下步骤：对数据进行小波包分解去噪。
[0029] 较佳的，所述小波包分解采用db2小波函数，分解层数为5。
[0030] 较佳的，所述网络参数包括：初始权值、学习速率G和期望误差。
[0031] 较佳的，所述初始权值为（-1，1)之间的随机数，学习速率G值的范围为0.01~ 0间。
[0032] 较佳的，所述实时数据采集模块实时采集冷冻站系统数据的时间间隔为3分钟~ 5分钟。
[0033] 本发明同现有技术相比，具有以下优点和有益效果：
[0034] 通过对冷冻站系统所包括的冷却塔、水泵、冷冻机及冷冻水的相关参数建立一整 体的神经网络模型，改变各自独立的控制流程，从而在各参数间建立了互相联系，可以从整 体对系统进行调整获得所需最大节能收益。在此过程中，使用了智能化领域内广泛应用的 神经网络算法，同时配合小波包算法、最小二乘算法、加权算法等将冷冻站系统进行非线性 拟合，并根据预测结果指导冷冻站系统内参数的调节，其结果更为精确、过程更为高效。
【附图说明