[发明专利]一种精确控温制冷系统

权利要求书

1.一种精确控温制冷系统，其特征在于，包括：

工作热量预测模块，用于预测降温对象在未来各个工作阶段的发热效率；

制冷数据采集模块，用于采集温度信息以及制冷机器的工作参数并发送至数据处理与控制模块；

数据处理与控制模块，用于根据所述温度信息以及制冷机器的工作参数并基于降温对象在各个工作阶段的发热效率对制冷机器进行闭环控制；

所述工作热量预测模块执行以下操作：

提取降温对象在云端存储的历史工作数据；

对所述历史工作数据进行特征提取，并将其中存在的具有相同特征的循环类工作数据及该工作数据在产生时所对应的环境数据一并截取，并生成工作样本集；

在工作样本集中提取影响因子数据和发热效率数据，并对影响因子数据和发热效率数据进行基于Z-Score方法的标准化处理；其中，影响因子数据的选取包括：降温对象的运行功率、外界环境温度及环境湿度；

对标准化处理后的影响因子数据进行选取特征基于累计贡献度阈值调整的主成分分析，得到主成分特征组合；

将得到的主成分特征组合以及标准化处理后的发热功率数据导入长短期记忆神经网络中进行训练，得到长短期记忆神经网络预测模型；

采集降温对象当前的实时工作数据以及环境数据并导入所述长短期记忆神经网络进行运算，得到降温对象在未来各个工作阶段的发热效率。

2.根据权利要求1所述的一种精确控温制冷系统，其特征在于，所述对标准化处理后的影响因子数据进行选取特征基于累计贡献度阈值调整的主成分分析，得到主成分特征组合包括：

基于标准化处理后的影响因子数据，构建原始影响因子样本矩阵的协方差矩阵；

计算协方差矩阵的特征值序列以及与特征值序列对应的特征向量序列；

将得到的特征值按由大到小的顺序进行排列，将与排列完成的特征值对应的特征向量排列得到矩阵，根据矩阵中每个元素累计贡献度提取前行构成矩阵；

结合已得到的样本矩阵计算降维后的数据集，降维后的数据集中的元素即为主成分特征组合。

3.根据权利要求1所述的一种精确控温制冷系统，其特征在于，所述将得到的主成分特征组合以及标准化处理后的发热功率数据导入长短期记忆神经网络中进行训练，得到长短期记忆神经网络预测模型包括：

采用Adam训练算法对长短期记忆神经网络进行训练，选用均方差MSE作为Adam训练算法的误差计算方式，设定损失函数值最小作为优化目标，结合网络初始化的随机种植数、初始学习率以及最大迭代次数对长短期记忆神经网络进行训练，最后得到长短期记忆神经网络预测模型。

4.根据权利要求1所述的一种精确控温制冷系统，其特征在于，所述制冷数据采集模块包括：

第一温度采集单元，用于采集降温对象的第一温度；

第二温度采集单元，用于采集降温对象与制冷机器之间传热介质的第二温度，其中所述传热介质包括用于扩大接触面积的金属散热叶或者冷却液；

第三温度采集单元，用于采集制冷机器的第三温度；

温度信息整合单元，用于将所述第一温度、所述第二温度以及所述第三温度整合形成温度信息；

参数采集单元，用于采集制冷机器在工作时的工作参数，所述工作参数包括制冷机器的运行功率以及换热效率；

信息上传单元，用于将所述温度信息以及所述工作参数上传至数据处理与控制模块。

5.根据权利要求1所述的一种精确控温制冷系统，其特征在于，所述制冷机器包括：

制冷机组，用于通过蒸汽式压缩制冷或蒸汽喷射式制冷方式对降温对象进行降温工作；

回暖单元，用于利用制冷机组制冷过程中吸收过热量的循环水对降温对象进行回暖工作；其中，所述回暖单元拥有多个循环水存储装置，每个循环水存储装置存储有吸收过不同制冷阶段热量的循环水，每个循环水存储装置内还设置有温度检测装置和液位检测装置；

制冷控制器，用于根据所述数据处理与控制模块的指令对制冷机组和回暖单元进行控制。