- 0
- 0
- 约1.8万字
- 约 34页
- 2026-01-18 发布于重庆
- 举报
(19)国家知识产权局
(12)发明专利
(10)授权公告号CN119934647B(45)授权公告日2025.07.08
(21)申请号202510437513.7
(22)申请日2025.04.09
(65)同一申请的已公布的文献号申请公布号CN119934647A
(43)申请公布日2025.05.06
(73)专利权人北京睿智聚合科技有限公司
地址100000北京市海淀区清河小营西小
口路27号西三旗文化科技园D座C区一层C1002号(东升地区)
(72)发明人齐祥龙马兰庆修世高
(74)专利代理机构北京四方智汇知识产权代理
F24F11/47(2018.01)
F24F11/77(2018.01)
F24F11/85(2018.01)GO6N3/045(2023.01)
GO6N3/092(2023.01)
GO6Q10/04(2023.01)
(56)对比文件
CN116989442A,2023.11.03CN119756426A,2025.04.04审查员韩燕
事务所(普通合伙)16223专利代理师叶剑
(51)Int.CI.
F24F11/64(2018.01)权利要求书5页说明书11页附图1页
(54)发明名称
一种基于人工智能的水冷中央空调负荷管
控方法
(57)摘要
CN119934647B本发明公开了一种基于人工智能的水冷中央空调负荷管控方法,涉及负荷管控技术领域,本发明,在冷水机组负荷预测环节结合长短期记忆时间序列模型和物理约束神经网络,利用历史数据进行负荷预测,通过冷水机组的能量平衡方程修正误差,提高预测的精准度;采用多目标优化控制,将冷水机组COP最大化、冷却塔风机能耗最小化以及冷却水供水温度稳定性作为优化目标,并结合环境温湿度预测,动态计算冷却水供水温度设定点以及冷却塔风机启停策略;基于冷却水供水温度设定点和风机启停策略,对冷水机
CN119934647B
获取水冷中央空调的运行数据,对所述运行数据进行清洗、去噪和特征捉取,构建水冷中央空调运行数据集
基于步骤S1的水冷中央空调运行数据集,对未来时刻的冷水机组负荷需求进行预测
根据步骤S2的冷水机组负荷预测结果,计算冷却水供水温度设定点以及冷却塔风机启停策略
基于冷却水供水温度设定点和冷却塔风机启停策略,对冷水机组、冷却塔风机及水泵运行进行动态调节
基于步骤S1监测的水冷中央空调运行数据,结合步骤S4的调节
结果,引入强化学习算法,对冷却水温控制逻辑和冷却塔风机启
停策略进行自适应优化,并根据实际运行效果进行调整
S1
-S2
S3
S5
CN119934647B权利要求书1/5页
2
1.一种基于人工智能的水冷中央空调负荷管控方法,其特征在于:包括,
步骤S1,获取水冷中央空调的运行数据,对所述运行数据进行清洗、去噪和特征提取,构建水冷中央空调运行数据集;
步骤S2,基于步骤S1的水冷中央空调运行数据集,对未来时刻的冷水机组负荷需求进行预测;
步骤S3,根据步骤S2的冷水机组负荷预测结果,计算冷却水供水温度设定点以及冷却塔风机启停策略;
步骤S4,基于冷却水供水温度设定点和冷却塔风机启停策略,对冷水机组、冷却塔风机及水泵运行进行动态调节;
步骤S5,基于步骤S1监测的水冷中央空调运行数据,结合步骤S4的调节结果,引入强化学习算法,对冷却水温控制逻辑和冷却塔风机启停策略进行自适应优化,并根据实际运行效果进行调整;
步骤S3中,采用多目标优化控制MPC方法,构建冷却水系统能效优化模型,包括:
建立冷却水系统优化控制模型,能效优化目标定义为Jopt:
Jopt=α1Jcop-α2Jfan-α?Jtemp,
其中,Jopt表示冷却水系统的优化目标函数,Jcop表示冷水机组的性能系数,Jfan表示
冷却塔风机的总能耗,Jtemp表示冷却水供水温度的稳定性指标,α?,α2,α3为权重系数,冷水机组的性能系数计算公式为:
其中,Qch表示冷水机组的制冷负荷,Pch表示冷水机组的输入功率,冷却塔风机的总能耗计算公式为:
您可能关注的文档
- CN119495194B 交通流量预测方法、装置、计算机设备及存储介质 (湖南工商大学).docx
- CN119509000B 一种基于智慧医废监控平台的医疗废物全过程监管方法 (苏州晓晨智能科技有限公司).docx
- CN119514638B 一种面向混合专家大模型的动态高效路由方法及装置 (中国科学院自动化研究所).docx
- CN119557630B 一种基于ai训练平台的多模态数据增强方法和系统 (山东浪潮科学研究院有限公司).docx
- CN119557955B 一种基于潜在扩散模型的建筑规划图像生成方法及系统 (广东元洲文化科技有限公司).docx
- CN119598780B 基于漂浮式海上风电装备结构疲劳分析的寿命预测方法 (中国大唐集团科技创新有限公司).docx
- CN119618225B 一种基于多数据融合的管道机器人路径规划与探测方法 (成都工业学院).docx
- CN119621917B 外呼机器人回复话术的确定方法及系统 (南通市志达通信息服务有限公司).docx
- CN119669381B 基于兴趣点约束多源网络地理编码平台的地理坐标优化方法 (河海大学).docx
- CN119720064B 基于全范围特征识别及四维轨迹追踪的安防方法及装置 (中电信数字城市科技有限公司).docx
- 七年级语文上册期末模拟试卷1(解析版).docx
- 七年级语文上册期末模拟试卷1(原卷版).docx
- 七年级语文上册期末模拟试卷2(原卷版).docx
- 七年级语文上册期末模拟试卷2(解析版).docx
- 期末测试卷(二)(解析版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(三)(解析版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(二)(原卷版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(三)(原卷版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(一)(原卷版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(一)(解析版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
最近下载
- 重庆市人教版五年级上册数学期末试卷测试题及答案.pdf VIP
- 2026 年新版三至五年级上册语文期末考试试题及答案.docx
- 上海三菱HOPE-II电梯各插件功能及含义.pdf VIP
- 六西格玛绿带项目案例.pdf VIP
- 最新人教版七年级上生物期末真题汇编卷(四)(含答案和解析).docx VIP
- 人教版小学语文六年级语文上册期末考试真题(六年级语文第一学期期末考试试卷).pdf VIP
- 2025年长期资本耐心资本最佳实践研究报告.pdf
- DL_T 664-2016带电设备红外诊断应用规范.pdf
- 2023-2024学年广东省广州市五校联考高二(上)期末物理试题及答案.pdf VIP
- 环境监理评估报告.doc VIP
原创力文档

文档评论(0)