一种基于AI智能调节的冷库节能及评估系统的制作方法

本发明属于冷库，尤其涉及一种基于ai智能调节的冷库节能及评估系统。

背景技术：

1、传统的冷库管理方式主要依赖人工操作，这不仅效率低下，而且容易出错。由于冷库的运行环境复杂，需要对各种参数（如温度、湿度等）进行实时监控和调节，这对人工操作来说无疑是一项巨大的挑战。而且，由于人工操作的局限性，常常无法做到精准控制，从而导致能源消耗大，运行成本高。

2、随着物联网和人工智能技术的发展，使得冷库管理技术也得到了发展。但是，现有技术中无法实现真正的自动化和智能化的冷库管理（例如，无法实现对冷库温度的自动调节，无法提供实时的运行效果评估等）。因此，如何提高冷库的运行效率和节能效果，是当前冷库管理领域亟待解决的问题。

技术实现思路

1、本发明实施例的目的在于提供一种基于ai智能调节的冷库节能及评估系统，旨在解决背景技术中提出的问题。

2、为实现上述目的，本发明实施例提供如下技术方案：

3、一种基于ai智能调节的冷库节能及评估系统，所述系统包括数据采集模块、数据处理模块、ai智能调节模块和评估模块，其中：

4、数据采集模块，用于对冷库内部进行温度、湿度和流量数据采集，得到冷库采集数据；

5、数据处理模块，用于对所述冷库采集数据进行处理与分析，得到处理分析结果；

6、ai智能调节模块，用于根据所述处理分析结果，进行冷库温度的自动调节，并基于模糊逻辑的神经网络混合模型来预测和优化制冷cop值，进行智能化霜处理；

7、评估模块，用于对冷库的节能效果进行实时评估，生成评估结果，并反馈给用户。

8、作为本发明实施例技术方案进一步的限定，所述数据采集模块由温度传感器、湿度传感器和流量传感器构成，通过物联网技术，将所述冷库采集数据传输至数据处理模块。

9、作为本发明实施例技术方案进一步的限定，所述数据处理模块具体包括：

10、温度数据处理子模块，用于对冷库内外的温度进行实时监测和分析；

11、湿度数据处理子模块，用于对冷库的湿度进行实时监测和分析；

12、能耗数据处理子模块，用于收集和分析冷库的能耗数据，包括电力消耗和制冷量；

13、环境数据处理子模块，用于对冷库周围环境的大气温度和风速风向等进行实时监测和分析；

14、系统优化数据处理子模块，用于对冷库运行参数进行优化分析。

15、作为本发明实施例技术方案进一步的限定，所述温度数据处理子模块进行温度时程分析和温度对比分析，包括对冷库内外大气温度、冷库墙体和货物温度数据进行分析，得到温度时程曲线、温度频数直方图和温度统计参数，并实时显示；所述湿度数据处理子模块进行湿度时程分析和湿度对比分析，并实时显示；所述能耗数据处理子模块进行耗数据的自动化处理和自动显示，并进行能耗时程分析和能耗对比分析；所述环境数据处理子模块进行环境数据的自动化处理和自动显示，并进行环境参数时程分析和环境参数对比分析；所述系统优化数据处理子模块进行冷库运行参数的优化分析与建议，并进行自动化处理和自动显示。

16、作为本发明实施例技术方案进一步的限定，所述温度数据处理子模块、湿度数据处理子模块、能耗数据处理子模块、环境数据处理子模块和系统优化数据处理子模块之间通过实时数据交换和分析，协同工作进行冷库的智能化和自动化管理。

17、作为本发明实施例技术方案进一步的限定，所述ai智能调节模块的工作步骤为：

18、对所述冷库采集数据进行清洗、转换和标准化的预处理；

19、利用机器学习算法，对预处理后的数据进行深度分析，识别数据模式和提取特征；

20、实时计算出冷库的最优运行参数，并自动调整冷库的运行状态；

21、持续监控冷库的运行状态和外部环境变化，实时优化调节策略；

22、实时计算和监控冷库的能耗指标，生成能耗报表和趋势图。

23、作为本发明实施例技术方案进一步的限定，所述ai智能调节模块自动调节冷库温度，包括温度的升高和降低，并根据用户的使用习惯和环境温度动态调整制冷周期和温区。

24、作为本发明实施例技术方案进一步的限定，所述ai智能调节模块进行智能化霜，基于化霜温度传感器和冷库温度传感器，通过模糊逻辑的神经网络混合模型来预测制冷cop值，生成预测结果，基于预测结果与历史运行数据，优化化霜逻辑。

25、作为本发明实施例技术方案进一步的限定，所述ai智能调节模块进行数据加密和访问控制，防止数据泄露和未授权访问，保护冷库的运行数据和用户隐私。

26、作为本发明实施例技术方案进一步的限定，所述模糊逻辑的神经网络混合模型的算法包括：

27、模糊逻辑部分，表达公式为：

28、μ_a_x(x)=1/(1+((x-c_x)/σ_x)^2m_x)；

29、其中，μ_a_x(x)是x属于模糊集合a的隶属度，c_x是模糊集中心，σ_x是模糊集的宽度，m_x是模糊集的形状参数；

30、神经网络部分，表达公式为：

31、pcop=fr(w*x+b)；

32、其中，pcop是预测的cop值，w是神经网络的权重，x是输入的模糊化后的数据和历史数据，b是偏置项，fr是激活函数；

33、模糊逻辑和神经网络的结合，表达公式为：

34、pcop=nn(fu(t_d,t_c,h,l,f,d_f,e_t))；

35、其中，t_d、t_c、h、l、f、d_f和e_t分别是化霜温度、冷库温度、湿度、负载、使用频率、化霜频率和外部温度，fu是模糊逻辑处理函数，nn是神经网络模型，pcop是预测的cop值；

36、化霜逻辑优化，表达公式为：

37、δcop=pcop-rcop；

38、t_d_n=t_d_o+α*(pcop-rcop) δcop>threshold；

39、其中，t_d_n是新的化霜温度，t_d_o是旧的化霜温度，α是调整参数，表示调整速度或灵敏度，pcop是预测的cop值，rcop是实际的cop值，δcop是预测的cop值和实际的cop值之差，threshold是一个阈值，根据不同冷库需求设定。

40、与现有技术相比，本发明的有益效果是：

41、1、本发明通过ai智能化的算法自动调节冷库温度，对于提高能源效益和降低运营成本具有重要意义；

42、2、本发明可以提供实时的运行效果评估，用户可以随时了解冷库的运行状态，帮助用户及时调整参数，保证冷库的稳定运行，并且最大化冷库的节能效果；

43、3、本发明能够进行智能化霜，基于化霜温度传感器、冷库温度传感器，通过ai算法计算制冷cop值，生成预测结果，基于预测结果与历史运行数据，优化化霜逻辑，避免非必要化霜，可以更好地保护冷库设备，延长设备的寿命，同时也可以进一步节省能耗，提高节能效果；

44、4、本发明具备远程监控和动态监管功能，使用户能够随时了解并控制冷库的运行状态，实现冷库的全方位、动态管理，不仅提高了冷库管理的便捷性，也大大提高了冷库的运行安全性和可靠性。