【技术实现步骤摘要】
本专利技术涉及冷水机组控制领域，具体而言，涉及一种冷水机组的控制方法、装置、存储介质及电子设备。
技术介绍
1、储能系统作为一种可以存储能量的设备，在充放电或储能过程中，储能系统会产生热量，高温环境下储能系统可能存在安全隐患，因此，需要通过冷水机组对储能系统进行冷却降温。
2、目前，相关技术中通过冷水机组对储能系统进行冷却降温通常是采用技术人员手动控制冷水机组或给冷水机组设定固定的运行参数，造成相关技术中冷水机组对储能系统的冷却效率较低。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种冷水机组的控制方法、装置、存储介质及电子设备，以至少解决相关技术中冷水机组对储能系统的冷却效率较低的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种冷水机组的控制方法，包括：获取储能系统和冷水机组的多组工况数据以及冷水机组当前所处环境的环境数据，其中，冷水机组用于为储能系统进行冷却，不同组的工况数据对应的数据类型不同；利用神经网络模型对多组工况数据和环境数据进行预测，得到多个预测结果，其中，神经网络模型包括共享数据层和多个预测层，多个预测层分别与共享数据层连接；基于多个预测结果对冷水机组的当前控制参数进行调整。
3、可选地，利用神经网络模型对多组工况数据和环境数据进行预测，得到多个预测结果，包括：利用共享数据层对多组工况数据和环境数据进行特征提取，得到冷水机组的特征数据；利用多个预测层分别对特征数
4、可选地，多个预测层包括：第一预测层、第二预测层、第三预测层，利用多个预测层分别对特征数据进行预测，得到多个预测结果，包括：利用第一预测层对特征数据进行标签预测，得到预测标签，其中，预测标签用于表示预测得到储能系统中电芯是否出现异常；利用第二预测层对特征数据进行功率预测，得到预测功率，其中，预测功率用于表示预测得到的冷水机组的功率；利用第三预测层对特征数据进行收益率预测，得到预测收益率，其中，预测收益率用于表示预测得到的储能系统的收益率；基于预测标签、预测功率和预测收益率得到多个预测结果。
5、可选地，基于多个预测结果对冷水机组的当前控制参数进行调整，包括：基于预测标签和预设标签确定第一调整参数，其中，预设标签用于表示电芯未出现异常；基于预测功率和目标功率确定第二调整参数，其中，目标功率用于表示冷水机组所要达到的功率；基于预测收益率和目标收益率确定第三调整参数，其中，目标收益率用于表示储能系统所要达到的收益率；基于第一调整参数、第二调整参数和第三调整参数对当前控制参数进行调整。
6、可选地，神经网络还包括多个损失计算层，多个损失计算层与多个预测层，对应连接，方法还包括：获取样本工况数据和样本工况数据对应的多个实际预测结果；利用神经网络模型对样本工况数据进行预测，得到多个样本预测结果；利用多个损失计算层基于多个实际预测结果和多个样本预测结果构建目标损失函数；利用目标损失函数对神经网络模型的模型参数进行调整。
7、可选地，利用多个损失计算层基于多个实际预测结果和多个样本预测结果构建目标损失函数，包括：确定多个实际预测结果中的实际标签、实际功率和实际收益率，其中，实际标签用于电芯实际是否出现异常，实际功率用于表示冷水机组实际的功率、实际收益率用于表示储能系统实际的收益率；确定多个样本预测结果中的样本标签、样本功率和样本收益率；利用多个损失计算层基于实际标签、实际功率、实际收益率、样本标签、样本功率和样本收益率构建目标损失函数。
8、可选地，多个损失计算层包括第一损失计算层、第二损失计算层、第三损失计算层，利用多个损失计算层基于实际标签、实际功率、实际收益率、样本标签、样本功率和样本收益率构建目标损失函数，包括：利用第一损失计算层基于实际标签和样本标签构建对数损失函数；利用第二损失计算层基于实际功率和样本功率构建第一均方根损失函数；利用第三损失计算层基于实际收益率和样本收益率构建第二均方根损失函数；基于对数损失函数、第一均方根损失函数和第二均方根损失函数构建目标损失函数。
9、根据本专利技术实施例的另一方面，还提供了一种冷水机组的控制装置，包括：获取模块，用于获取储能系统和冷水机组的多组工况数据以及冷水机组当前所处环境的环境数据，其中，储能系统用于为冷水机组进行供电，不同组的工况数据对应的数据类型不同；预测模块，用于利用神经网络模型对多组工况数据和环境数据进行预测，得到多个预测结果，其中，神经网络模型包括共享数据层和多个预测层，多个预测层分别与共享数据层连接；调整模块，用于基于多个预测结果对冷水机组的当前控制参数进行调整。
10、根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制所在设备的处理器中执行上述冷水机组的控制参数调整方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行上述冷水机组的控制参数调整方法。
12、在本专利技术实施例中，获取储能系统和冷水机组的多组工况数据以及冷水机组当前所处环境的环境数据，其中，冷水机组用于为储能系统进行冷却，不同组的工况数据对应的数据类型不同；利用神经网络模型对多组工况数据和环境数据进行预测，得到多个预测结果，其中，神经网络模型包括共享数据层和多个预测层，多个预测层分别与共享数据层连接；基于多个预测结果对冷水机组的当前控制参数进行调整；本申请提供了一种冷水机组的控制方法，包括，综合考虑了储能系统内电芯的运行工况，冷水机组的运行工况，储能系统的收益率和冷水机组所处环境对冷水机组运行的影响，从而得到优化后的冷水机组控制参数，最后基于优化后的冷水机组控制参数控制冷水机组的运行，实现了冷水机组在不同的运行环境下，在满足储能系统冷却降温需求的同时，降低了冷水机组对能源的消耗，且保证储能系统具有较高的收益率，进而解决了相关技术中冷水机组对储能系统的冷却效率较低的技术问题。
本文档来自技高网...【技术保护点】
1.一种冷水机组的控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，利用神经网络模型对所述多组工况数据和所述环境数据进行预测，得到多个预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述多个预测层包括：第一预测层、第二预测层、第三预测层，利用所述多个预测层分别对所述特征数据进行预测，得到所述多个预测结果，包括：
4.根据权利要求3所述的方法，其特征在于，基于所述多个预测结果对所述冷水机组的当前控制参数进行调整，包括：
5.根据权利要求3所述的方法，其特征在于，所述神经网络还包括多个损失计算层，所述多个损失计算层与所述多个预测层，对应连接，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，利用所述多个损失计算层基于所述多个实际预测结果和所述多个样本预测结果构建目标损失函数，包括：
7.根据权利要求6所述的方法，其特征在于，所述多个损失计算层包括第一损失计算层、第二损失计算层、第三损失计算层，利用所述多个损失计算层基于所述实际标签、实际功率、实际收益率、样本标签、样本功
8.一种冷水机组的控制装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所在设备的处理器中执行权利要求1至7中任意一项所述的冷水机组的控制参数调整方法。
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种冷水机组的控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，利用神经网络模型对所述多组工况数据和所述环境数据进行预测，得到多个预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述多个预测层包括：第一预测层、第二预测层、第三预测层，利用所述多个预测层分别对所述特征数据进行预测，得到所述多个预测结果，包括：
4.根据权利要求3所述的方法，其特征在于，基于所述多个预测结果对所述冷水机组的当前控制参数进行调整，包括：
5.根据权利要求3所述的方法，其特征在于，所述神经网络还包括多个损失计算层，所述多个损失计算层与所述多个预测层，对应连接，所述方法还包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：李永富，王安国，黄祝伟，
申请(专利权)人：珠海科创储能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。