[发明专利]一种基于负荷预测的大系统节能控制方式及系统

权利要求书

1.一种基于负荷预测的大系统节能控制系统，其特征在于，本节能控制系统根据功能划分模块，其中功能模块划分为配置模块、实时模块、历史模块、智能模块、核心模块、执行模块六个模块，每个功能模块均为独立进程可以单独部署，功能模块之间通过数据库、MQ、通信接口实现解耦；

配置模块：提供可视化的配置界面，保存系统配置数据至配置库；配置库中包含了其他功能模块工作所需的配置数据；

实时模块：提供对外部设备通信的接口，采集实时数据并推送至实时库和下发实时控制命令；

历史模块：接收实时变位数据，对数据进行清洗、集成、转换、消减，将数据结构化存入历史库；

智能模块：采用前馈神经网络，该人工智能算法包含学训练、预测两个步骤；其中训练的过程又包含正向传递，逆向传递和差值消除；预测在本系统中解决非线性回归问题，为负荷预测和设备能耗预测提供数据支撑；

核心模块：控制节能控制系统工作模式，当大系统工作在节能模式时，控制节能控制系统有权对现场设备进行控制，核心模块发送指令使智能模块进入预测工作方式；当大系统工作在非节能模式时，核心模块停止执行模块下发控制指令，并且通知智能模块进入训练模式；计算车站当前冷量需求，通过配置、实时、历史、智能模块提供的数据，并结合车站热负荷计算公式，得出车站当前的冷量需求；计算设备运行状态和运行工况，通过冷量需求和配置、实时、历史、智能模块提供的数据，计算出大系统中空调风机和水系统的运行台数、运行状态、运行工况，将这些参数下发至执行模块；

执行模块：接收核心模块下发的控制参数，根据控制参数进行控制运算输出控制量。

2.根据权利要求1所述的一种基于负荷预测的大系统节能控制系统，其特征在于，所述配置模块中保存的配置数据包括实时配置、历史配置、智能配置、核心配置、执行配置；

实时配置包含对端通信方式、通信地址、通信协议，实时数据的离散量、模拟量、累积量参数；

历史配置包含训练用的数据集合，各字段数据缺省值、各字段的数据阈值、数据归一化计算方式、数据冗余消除参数，热负荷计算参数、设备能耗计算参数；

智能配置包含负荷预测的特征值标签、激活函数、学习率、训练次数、梯度步长、容许误差个数，容许误差方差；负荷预测的特征值包含出入口温度、隧道温度、行车率、客流量；设备能耗预测的特征值包含设备运行工况，设备当前温度，设备电流，设备电压；

核心配置包含热负荷计算的相关参数例如车站空间、屏蔽门漏风新风量、渗透风负荷热量、大系统区域照明设备负荷热量、围护结构传热量、公共区设备发热负荷，还包括温度调节响应时间、调节超驰阈值、运行阈值、设备参数；

执行配置包含各控制对象的阈值、模糊控制的比例系数、积分时间、微分时间。

3.根据权利要求1所述的一种基于负荷预测的大系统节能控制系统，其特征在于，所述实时模块对现场设备支持多种通信协议，包含modbus tcp、iec04、mqtt；实时模块采取变位上传方式，将变位的数据推送至实时库、核心模块和历史模块。

4.根据权利要求1所述的一种基于负荷预测的大系统节能控制系统，其特征在于，所述智能模块包含训练和预测两种工作方式，由于采用神经前馈网络，预测的数据不会进行训练，鉴于神经前馈网络和本系统的运行特点，当系统处于非节能模式时，智能模块进入训练模式，此时将历史库中保留的大量数据经过筛选挑选出可用于训练的数据集，智能模块通过配置库中的参数和筛选的数据集进行训练；当系统处于节能模式时，智能模块进入预测模式，通过接受核心模块发送的参数，预测数据；

负荷预测和设备能耗预测的人工智能算法设计时至少包含特征值选取、数据样本、激活函数、学习率、训练次数、梯度步长、容许误差个数，容许误差方差、输入层、隐藏层、输出层。