空调系统的技术方案

本申请公开了一种空调系统的

【技术实现步骤摘要】
空调系统的PID参数确定方法、装置及空调系统


[0001]本申请属于空调
，尤其涉及一种空调系统的
PID
参数确定方法
、
装置及空调系统
。

技术介绍

[0002]现有的空调系统大多采用基于比例积分微分
(PID)
的控制器进行控制，控制器的
PID
参数通常固定
。
当空调系统的负荷
、
冷冻水温度及环境条件发生变化时，冷却塔出水温度
、
送风温度等参数控制效果差
、
调节时间长，造成空调系统的不稳定和能源浪费
。
对控制器的
PID
参数进行整定，可以提高空调系统的控制效果差，缩短调节时长，提高系统的稳定性及节能性
。
[0003]目前，
PID
参数的整定方法主要有理论计算法和工程经验法，理论计算法建模复杂
、
耗时时间长，难以应用在实际项目中；工程经验法可分为临界比例度法和衰减曲线法，临界比例度法需要系统产生等幅振荡，得到临界参数，而衰减曲线法需要系统产生衰减状态，工程经验法整定
PID
参数不仅受工程师经验影响造成准确性难以保证
、
调试周期长，而且还会对系统的稳定运行产生干扰
。

技术实现思路

[0004]本申请旨在至少解决现有技术中存在的技术问题之一
。
为此，本申请提出一种空调系统的
PID
参数确定方法
、
装置及空调系统，可以准确确定控制器的
PID
参数，缩短空调系统的调试时长，提高空调系统的稳定性和节能性
。
[0005]第一方面，本申请提供了一种空调系统的
PID
参数确定方法，该方法包括：
[0006]获取空调系统的历史运行数据；
[0007]基于所述历史运行数据，建立目标预测模型，所述目标预测模型的输入为所述空调系统的控制器的控制变量，所述目标预测模型的输出为所述控制器的控制目标，所述控制目标与所述控制变量相关联；
[0008]基于所述目标预测模型和所述历史运行数据，建立目标反馈模型，所述目标反馈模型用于表征所述控制器的输入与输出之间的关联关系；
[0009]基于所述目标反馈模型和所述历史运行数据，确定所述控制器的目标
PID
参数
。
[0010]根据本申请的空调系统的
PID
参数确定方法，通过历史运行数据先后建立目标预测模型和目标反馈模型，自动学习得到控制器最优的目标
PID
参数，可以准确确定控制器的
PID
参数，缩短空调系统的调试时长，提高空调系统的稳定性和节能性
。
[0011]根据本申请的一个实施例，所述基于所述历史运行数据，建立目标预测模型，包括：
[0012]基于所述历史运行数据，确定多个所述控制变量；
[0013]基于所述多个所述控制变量，建立多个预测模型，所述多个预测模型中每个预测模型所对应的所述控制变量的数量或类型不同；
[0014]基于所述多个预测模型，确定所述目标预测模型
。
[0015]根据本申请的一个实施例，所述基于所述多个预测模型，确定所述目标预测模型，包括：
[0016]确定每个所述预测模型的预测精度；
[0017]将所述预测精度最大的所述预测模型作为所述目标预测模型
。
[0018]根据本申请的一个实施例，所述预测模型为
XGBoost
模型
。
[0019]根据本申请的一个实施例，所述基于所述目标预测模型和所述历史运行数据，建立目标反馈模型，包括：
[0020]基于所述控制器的类型，构建所述目标反馈模型，所述目标反馈模型的初始模型参数基于所述历史运行数据确定；
[0021]将所述目标反馈模型的输出输入至所述目标预测模型，获得所述目标预测模型输出的所述控制目标的预测值；
[0022]基于所述控制目标的预测值，对所述目标反馈模型的模型参数进行调整，得到所述目标反馈模型
。
[0023]根据本申请的一个实施例，所述基于所述控制目标的预测值，对所述目标反馈模型的模型参数进行调整，得到所述目标反馈模型，包括：
[0024]调整所述目标反馈模型的模型参数，直至所述控制目标的预测值与实际值之间的预测偏差小于目标阈值，得到所述目标反馈模型
。
[0025]根据本申请的一个实施例，所述基于所述目标反馈模型和所述历史运行数据，确定所述控制器的目标
PID
参数，包括：
[0026]基于所述历史运行数据，确定所述空调系统的运行稳态数据，所述运行稳态数据的数据变化率小于稳态阈值；
[0027]基于所述运行稳态数据，根据所述控制器进行控制的目标函数和约束条件，对所述目标反馈模型进行求解，确定所述目标
PID
参数
。
[0028]根据本申请的一个实施例，所述对所述目标反馈模型进行求解，包括：
[0029]通过粒子群优化算法对所述目标反馈模型进行求解
。
[0030]第二方面，本申请提供了一种空调系统的
PID
参数确定装置，该装置包括：
[0031]获取模块，用于获取空调系统的历史运行数据；
[0032]第一处理模块，用于基于所述历史运行数据，建立目标预测模型，所述目标预测模型的输入为所述空调系统的控制器的控制变量，所述目标预测模型的输出为所述控制器的控制目标，所述控制目标与所述控制变量相关联；
[0033]第二处理模块，用于基于所述目标预测模型和所述历史运行数据，建立目标反馈模型，所述目标反馈模型用于表征所述控制器的输入与输出之间的关联关系；
[0034]第三处理模块，用于基于所述目标反馈模型和所述历史运行数据，确定所述控制器的目标
PID
参数
。
[0035]根据本申请的空调系统的
PID
参数确定装置，通过历史运行数据先后建立目标预测模型和目标反馈模型，自动学习得到控制器最优的目标
PID
参数，可以准确确定控制器的
PID
参数，缩短空调系统的调试时长，提高空调系统的稳定性和节能性
。
[0036]第三方面，本申请提供了一种空调系统，包括：
[0037]控制器，所述控制器写入目标
PID
参数，所述控制器用于根据所述目标
PID
参数，控制空调系统运行，所述目标
PID
参数是基于上述第一方面所述空调系统的
PID
参数确定方法确定的
。
[0038]根据本申请的空调系统，通过在控制器写入目标
PID
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种空调系统的
PID
参数确定方法，其特征在于，包括：获取空调系统的历史运行数据；基于所述历史运行数据，建立目标预测模型，所述目标预测模型的输入为所述空调系统的控制器的控制变量，所述目标预测模型的输出为所述控制器的控制目标，所述控制目标与所述控制变量相关联；基于所述目标预测模型和所述历史运行数据，建立目标反馈模型，所述目标反馈模型用于表征所述控制器的输入与输出之间的关联关系；基于所述目标反馈模型和所述历史运行数据，确定所述控制器的目标
PID
参数
。2.
根据权利要求1所述的空调系统的
PID
参数确定方法，其特征在于，所述基于所述历史运行数据，建立目标预测模型，包括：基于所述历史运行数据，确定多个所述控制变量；基于所述多个所述控制变量，建立多个预测模型，所述多个预测模型中每个预测模型所对应的所述控制变量的数量或类型不同；基于所述多个预测模型，确定所述目标预测模型
。3.
根据权利要求2所述的空调系统的
PID
参数确定方法，其特征在于，所述基于所述多个预测模型，确定所述目标预测模型，包括：确定每个所述预测模型的预测精度；将所述预测精度最大的所述预测模型作为所述目标预测模型
。4.
根据权利要求2所述的空调系统的
PID
参数确定方法，其特征在于，所述预测模型为
XGBoost
模型
。5.
根据权利要求1所述的空调系统的
PID
参数确定方法，其特征在于，所述基于所述目标预测模型和所述历史运行数据，建立目标反馈模型，包括：基于所述控制器的类型，构建所述目标反馈模型，所述目标反馈模型的初始模型参数基于所述历史运行数据确定；将所述目标反馈模型的输出输入至所述目标预测模型，获得所述目标预测模型输出的所述控制目标的预测值；基于所述控制目标的预测值，对所述目标反馈模型的模型参数进行调整，得到所述目标反馈模型
。6.
根据权利要求5所述的空调系统的
PID
参数确定方法，其特征在于，所述基于所述控制目标的预测值，对所述目标反馈模型的模型参数进行调整，得到所述目标反馈模型，包括：调整所述目标反馈模型的模型参数，直至所述控制目标的预测值与实际值之间的预测偏差小于目标阈值，得到所述目标反馈模型
。7.
根据权利要求1‑6任一项所述的空调系统的
PID
参数确...

【专利技术属性】
技术研发人员：史万涛，李元阳，方兴，胡钦，管绪磊，刘峥，邱艺德，闫锐，
申请(专利权)人：广东美的暖通设备有限公司，
类型：发明
国别省市：