[发明专利]一种基于LSTM的智能建筑系统预测控制参数整定方法

说明书

本发明公开了一种基于LSTM的智能建筑系统预测控制参数整定方法，包括以下步骤：1)基于MPC算法获取训练样本；2)建立长短期记忆人工神经网络，根据步骤1)得到的训练样本对长短期记忆人工神经网络进行训练；3)利用训练后的长短期记忆人工神经网络预测智能建筑系统的控制参数，该方法能够实现智能建筑系统预测控制参数的整定，且具有成本低及速度快的特点。

技术领域

本发明涉及一种智能建筑系统预测控制参数整定方法，具体涉及一种基于LSTM的智能建筑系统预测控制参数整定方法。

背景技术

由于工业过程往往具有非线性、时变性、强耦合和不确定性等特点，难以得到精确的数学模型，因而控制效果将大大降低。模型预测控制(MPC)的问世解决了这些问题，被广泛的应用了起来。

随着社会的高速发展，能源消耗量也随之迅速增长。建筑业作为国民经济的支柱性产业，在推动社会发展的同时也消耗了大量的能源。在能源消耗中，建筑能耗是能源消耗的三大巨头之一。因此对于建筑能耗系统进行稳健的控制是必要的。然而模型预测控制在现代智能建筑能耗系统中也得到了广泛的应用。

在建筑能耗系统模型预测控制的过程中，以变风量空调系统为例，如图1所示，给定一个参考输入，经过MPC形成一个闭环控制，使得系统达到一个期望的响应。通过研究发现：如图2所示，模型预测控制器的参数对被控系统的响应性能有显著影响。改变其控制参数就会改变被控系统的响应好坏。在现有技术中，大多数控制器参数都是根据人工经验方法确定的，以使系统达到期望的响应。随着被控对象的复杂度的提高、自由度的增加，根据经验法会确定出现调整难度大，时间长，成本高等问题。这在一定程度上阻碍了模型预测控制在实际工业中的进一步推广和应用。

模型预测控制参数整定算法，在系统控制中，已知控制参数和系统响应的性能指标的对应关系，通过参数整定算法来调节预测控制器的控制参数，这虽然解决了人工经验法调试的缺点，但出现的又一个难题是：寻找控制参数和系统响应的性能指标之间的对应关系。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于LSTM的智能建筑系统预测控制参数整定方法，该方法能够实现智能建筑系统预测控制参数的整定，且具有成本低及速度快的特点。

为达到上述目的，本发明所述的基于LSTM的智能建筑系统预测控制参数整定方法包括以下步骤：

1)基于MPC算法获取训练样本；

2)建立长短期记忆人工神经网络，根据步骤1)得到的训练样本对长短期记忆人工神经网络进行训练；

3)利用训练后的长短期记忆人工神经网络预测智能建筑系统的控制参数。

步骤1)中的训练样本包括智能建筑系统的预测步长N_p、控制步长N_c、权重系数r_w、超调量σ、上升时间t_p及调整时间t_s。

步骤1)的具体过程为：

智能建筑系统的预测输出函数为：

Y＝[y(k+1|k),y(k+2|k)…y(k+N_p|k)]^T (8)

控制量的变化量矩阵ΔU为：

ΔU＝[Δu(k),Δu(k+1)…Δu(k+Nc-1)]^T (9)

定义优化型代价函数为:

将式(8)，(9)代入式(10)中，得二次优化函数为：