[发明专利]一种用于数据中心空调系统的调优系统

权利要求书

1.一种用于数据中心空调系统的调优系统，其特征在于：包括数据采集模块、数据存储模块、数据监视模块、数据处理模块、数据接收及发布模块和数据展示模块；

所述数据存储模块、数据处理模块与数据监视模块间采用双向数据连接；

所述数据接收及发布模块与数据处理模块间采用双向数据连接；

所述数据存储模块的输入端与数据采集模块的输出端连接；

所述数据展示模块的输入端与数据处理模块的输出端连接。

2.根据权利要求1所述的系统，其特征在于：

所述数据采集模块起通讯作用，一方面提供接口供采集静态数据信息和性能数据信息以对接历史数据库，另一方面提供接口和相关点码信息供管控平台对接以获取制冷系统设备参数、联动运行逻辑和传感器数据；所述制冷设备包括冷机、板式换热器、冷却塔、蓄冷罐、冷却泵和冷冻泵；

所述数据存储模块存储所述采集模块基础数据和以基础数据计算的汇总数据，建立制冷系统数据库，支持本地存储和云存储两种方式；

所述数据处理模块处理数据样本，使用BP神经网络开展模型训练，对模型进行评价和迭代，利用运筹学优化模型求解制冷系统设备调优参数；

所述数据监视模块利用设备正常运行历史数据训练人工智能AI设备模型，所述人工智能AI设备模型用于比对制冷系统设备异常指标或不规律的波动，发现风险提供报警；

所述数据展示模块用于实时展示数据中心指标，提供监控功能；

所述数据接收及发布模块用于发布所述数据处理模块得出的制冷设备调优参数，同时接收设备在新参数模式下的运行数据，进入下一优化周期。

3.根据权利要求2所述的系统，其特征在于：所述数据处理模块包括如下步骤：

步骤A，将制冷系统监控指标设置为关键参数，依据所述关键参数对数据存储模块中脏数据集进行数据清洗，得出清洗后的数据，得出所述关键参数的概率分布；

步骤B，通过互信息法对步骤A的数据进行特征值选定，选定输入变量和输出变量；通过聚类分析处理得到模型训练所需的数据集；

步骤C，对所述数据集进行分割，80％数据用于构建训练模型，20％数据用于测试模型；

步骤D，通过所述数据接收及发送模块获取实时数据，选择四种评估指标对所述输入实时数据的训练模型进行评价迭代；

步骤E，利用运筹学优化模型对所述负荷预测模型、制冷设备模型、预测维护模型和能耗关联性模型求解制冷系统设备闭环控制模型中各设备加减机及空调的调优参数。

4.根据权利要求3所述的系统，其特征在于：所述互信息法计算：

式中，X、Y为共同提供神经网络数据信息的随机变量，p(x,y)为联合概率分布，p(x)，p(y)为边缘概率分布。

5.根据权利要求3所述的系统，其特征在于：步骤C包括：

步骤C1，利用BP神经网络从所述数据集中训练制冷系统负荷预测模型、制冷设备模型、预测维护模型和能耗关联性模型；

步骤C2，使用模型预测控制搭建制冷系统设备闭环控制模型，用于求解系统优化问题输出控制指令；

步骤C3，将所述数据集分割的20％数据录入所述训练模型，用于测试选定神经网络最优结构，得出各模型的输入层数据，隐藏层为个数，隐藏层神经元个数，输出层神经元个数；

步骤C4，生成符合工况的负荷预测模型、制冷设备模型、预测维护模型和能耗关联性模型。