一种基于深度学习的洁净空调系统节能控制方法、控制器与流程

本发明涉及洁净空调系统，尤其涉及一种基于深度学习的洁净空调系统节能控制方法、控制器。

背景技术：

1、洁净空调是一种专门用于维持特定环境条件的空调系统，其设计目标是在提供适合的温度和湿度的同时，确保空气的高洁净度。这种系统通常用于对空气质量有严格要求的场合，如医院、实验室、制药车间和食品生产区域。

2、在现有洁净空调系统中，变频技术是能耗控制的主要手段之一，例如：通过变频压缩机根据实际冷负荷需求动态调整其运行频率，以提高制冷系统的效率，减少能源消耗；通过变频调节泵和风机的转速，系统可以在部分负荷下高效运行，降低能耗等。洁净空调系统的洁净参数（室内外压差、空气颗粒度、温度、湿度、空气压力）是用于评估和确保洁净空间（如医院手术室、制药厂、半导体制造室等）的空气质量和环境控制的关键指标。

3、现有技术没有根据洁净参数对耗能最大的两组风机（滤风机：负责将经过过滤净化的空气送入洁净空间，维持室内的洁净参数，如温度、湿度和压力；排风机：负责抽出洁净空间内的空气，特别是在高换气次数的要求下，以维持室内外压差和空气颗粒度）进行协同控制，这些风机是以固定的或简单的预设参数运行，而不是依据实时洁净参数的变化进行动态调整和优化能耗的，另外还存在送风机和排风机没有根据相互的动态需求进行协同调整时，可能会发生额外的能耗。

4、针对上述的现有技术存在问题设计一种基于深度学习的洁净空调系统节能控制方法、控制器是本发明研究的目的。

技术实现思路

1、有鉴于此，本发明的目的在于提出一种基于深度学习的洁净空调系统节能控制方法、控制器，能够解决上述的问题。

2、本发明提供一种基于深度学习的洁净空调系统节能控制方法，包括：

3、标定当前空间的目标洁净参数，采集当前空间的洁净参数，所述目标洁净参数包括：室内外压差、空气颗粒度、温度、湿度、空气流速、室内污染源数据；

4、计算当前空间的洁净参数和目标洁净参数的目标差值，将所述目标差值输入转速预测模型，得到滤风机和排风机的预测转速；

5、根据洁净空调系统的滤风机和排风机的预测转速计算当前系统能耗，评估当前系统能耗和实时的洁净参数，得到实时评估值；

6、判断实时评估值是否为最优评估值，是则使用预测转速进行控制，否则根据实时评估值与最优评估值的差值调节洁净空调系统的滤风机和排风机的转速。

7、进一步，所述采集当前空间的洁净参数包括：

8、通过压差传感器获取室内外压差；

9、通过颗粒计数器获取空气颗粒度；

10、通过温湿度传感器获取温度和湿度；

11、通过空气流量传感器计获取空气流速；

12、通过摄像装置获取室内污染源数据。

13、进一步，所述通过摄像装置获取室内污染源数据包括：

14、通过摄像装置获取室内图像，对室内图像进行人体识别，获取室内人数，得到人污染源数据；

15、对室内图像进行生产设备识别，获取生产设备类型；

16、判断生产设备类型是否属于可能造成污染设备，是则统计为设备污染源数据。

17、进一步，所述转速预测模型通过如下步骤训练得到：

18、采集历史洁净参数、滤风机和排风机的转速，计算历史洁净参数的目标差值；

19、通过历史洁净参数的目标差值构建时间序列样本，根据时间对应标定每个时间序列样本的滤风机和排风机的转速，形成训练样本；

20、通过深度学习模型构建转速预测模型，通过训练样本训练转速预测模型，使用均方误差函数构建误差函数，使用adam算法进行梯度下降，得到转速预测模型的参数。

21、进一步，所述根据洁净空调系统的滤风机和排风机的预测转速计算当前系统能耗的计算公式如下：

22、=；

23、=；

24、=；

25、其中，为风机效率、为风机参数、为预测转速、为滤风机能耗、为排风机系统能耗、p为当前系统能耗。

26、进一步，所述评估当前系统能耗和实时的洁净参数，得到实时评估值的计算公式如下：

27、k=δp+δc+δt+δh+δf+s；

28、e=α×p+β×k；

29、其中，δp为室内外压差与目标室内外压差的差值、δc为空气颗粒度与目标空气颗粒度的差值、δt为温度与目标温度的差值、δh为湿度与目标湿度的差值、δf为空气流速与目标空气流速的差值、s为污染源个数、k为洁净度偏差、α和β权重系数、e为实时评估值。

30、进一步，所述根据实时评估值与最优评估值的差值调节洁净空调系统的滤风机和排风机的转速包括：

31、计算当前系统能耗与最优系统能耗差值，得到能耗差值；

32、若能耗差值大于洁净度偏差，则反向调节洁净空调系统的滤风机和排风机的转速；

33、若能耗差值小于洁净度偏差，则正向调节洁净空调系统的滤风机和排风机的转速。

34、进一步，所述反向调节洁净空调系统的滤风机和排风机的转速包括：

35、若所述滤风机能耗大于排风机系统能耗，则反向调节洁净空调系统的滤风机的转速；

36、若所述滤风机能耗小于排风机系统能耗，则反向调节洁净空调系统的排风机的转速。

37、进一步，所述正向调节洁净空调系统的滤风机和排风机的转速包括：

38、若所述滤风机能耗大于排风机系统能耗，则正向调节洁净空调系统的排风机的转速；

39、若所述滤风机能耗小于排风机系统能耗，则正向调节洁净空调系统的滤风机的转速。

40、本发明提供一种控制器，用于执行上述基于深度学习的洁净空调系统节能控制方法。

41、本发明的有益效果：

42、一是通过各类传感器获取这些洁净度参数可以得到当前室内的洁净程度，结合提前标定好的目标洁净参数进而更准确控制洁净空调的运行，为后续洁净空调的控制提供准确的控制参数。

43、二是通过目标差值明确显示当前环境参数与目标参数之间的偏离程度，这种差异信息可以直接用于调整控制策略，通过使用差值而不是直接输入所有当前参数和目标参数，可以减少模型输入的变量数量，使得模型训练和推理过程更加简洁高效，目标差值的使用确保风机只在必要时进行调节，从而减少不必要的能耗，优化设备的使用效率和寿命。使用深度学习模型可以不断从新的数据中学习和调整预测，适应不同条件变化，优化长期环境控制策略。

44、三是通过计算并监控风机的能耗，能够识别出高能耗操作状态，提供低能耗运行的可能性，帮助减少能源消耗，可以为系统优化提供即时反馈，通过这个步骤，可以在系统运行过程中对能耗进行持续监控。e值提供了一种清晰的方法来同时考虑能耗和洁净参数的综合偏差，这使得能够全面评估系统性能，而不仅仅是单个参数，通过对e值的监控，自动化控制系统可以快速识别非最优状态并调整控制策略以提升整体性能，e值的波动能指引采取行动以平衡能耗与环境控制之间的关系。

45、四是通过最优评估值为调节提供明确的逻辑条件，这一调节过程使系统能够在洁净度和能耗之间找到最佳平衡，确保在达到洁净标准的同时最小化能耗。在比较风机能耗后进行选择性调节，通过比较能耗差值和洁净度偏差，确定目前是能耗更差还是总洁净度更差，选择更差的进行优先调节，进一步，确定了能耗或者总洁净度之后，根据具体是滤风机还是排风机的能耗情况进行调节，在节能情况中优先选择能耗高的设备降低转速，在洁净情况中优先选择能耗低的风机提高转速，从而维持系统的整体节能和洁净度的平衡。