【技术实现步骤摘要】
本专利技术涉及空调控制，更具体地，涉及一种中央空调控制方法、系统及存储介质。
技术介绍
1、随着现代建筑和生活水平的提高，人们对室内空气质量(indoor air quality,iaq)以及温湿度舒适性的要求不断提升。传统的空调系统(hvac，heating,ventilationand air conditioning)主要侧重于对温度的调节，难以同时对湿度进行精确的控制，尤其是在高湿度地区或不同季节的环境变化下，传统系统容易出现湿度调节不足、能耗过高等问题。以往的暖通空调(hvac)系统设计，往往忽视了湿度的调节问题，尤其是在夏季湿度高的地区，湿度往往不易控制；在冬季，空气可能过于干燥。现有的空调系统难以在复杂的环境条件下实现室内环境的精准调节，导致室内舒适性降低，且系统运行过程中能耗较大。此外，随着国家对碳排放和能源使用效率的要求不断提高，建筑领域节能技术的发展尤为迫切。热泵新风系统结合了热泵技术和新风系统的优势，能够同时提供冷却、加热、除湿和新风通风功能，特别适用于高湿度、高负荷环境下的空调需求。然而，在复杂负荷条件下如何精确控制室内温湿度，如何提高系统的节能性和自动调节能力，成为了行业内的重要研究方向。
2、现有技术公开了一种基于深度学习的多传感器融合型智能中央空调控制系统，包括：中央空调外机、部署深度学习模型的中央控制器，以及每个工作区域内配置的中央空调内机、风速风向调节器、温度传感器、湿度传感器和雷达传感器；本专利技术通过多个温度传感器、湿度传感器和雷达传感器的协同工作，实现对工作区域内温度、湿度和人
技术实现思路
1、本专利技术的目的在于公开性能更好的一种中央空调控制方法、系统及存储介质。
2、为了实现上述目的，本专利技术提供一种中央空调控制方法，包括：
3、s1：布置多种传感器，通过多种传感器得到参考数据；
4、s2：对参考数据进行预处理，得到预处理后数据；
5、s3：根据预处理后的数据中提取特征，得到特征数据；并构建深度学习模型，通过特征数据训练深度学习模型，得到参数预测模型；通过参数预测模型，得到预测运行参数；
6、s4：根据预测运行参数，定义优化目标函数，并通过优化算法对优化目标函数进行优化；，得到最终运行参数；
7、s5：根据最终运行参数对中央空调进行控制。
8、进一步地，步骤s1包括：
9、多种传感器包括以下至少一种：温度传感器、湿度传感器、人体感应传感器、光照传感器；
10、参考数据包括以下至少一种：室内温度、湿度、光照强度、人员分布以及空调系统的运行数据包括以下至少一种：冷冻水温度、冷却水温度、风机转速。
11、进一步地，步骤s2中预处理包括：
12、s2.1：数据清洗：
13、处理缺失数据：删除包含缺失值的行或列；使用均值、中位数、众数、插值方法、knn以及回归方法进行填充；对于不同类别数据，使用一个特定的标记值来表示缺失；
14、处理重复数据：使用pandas中的drop_duplicates()方法去除重数据；
15、处理异常值：使用箱线图识别异常值；识别异常值后删除异常值；
16、s2.2：数据转换：
17、数据类型转换：根据需要将数据列转换为正确的数据类型；
18、标准化：提高归一化将数据调整为均值为0、方差为1的标准正态分布。
19、进一步地，步骤s3包括：使用tensorflow作为机器学习框架构建rnn模型作为深度学习模型。
20、进一步地，rnn模型包括：输入层、隐藏层以及输出层；
21、其中
22、隐藏层的状态更新：
23、ht＝f(whhht-1+wxhxt+bh)
24、ht是在时间步的隐藏层状态；
25、ht-1是上一时间步的隐藏层状态；
26、xt是当前时间步的输入；
27、whh是隐藏层到隐藏层的权重矩阵；
28、wxh是输入层到隐藏层的权重矩阵；
29、bh是隐藏层的偏置项；
30、f是激活函数，是一个非线性函数；
31、t为时间步；
32、输出层计算：
33、yt是时间步的输出；
34、why是隐藏层到输出层的权重矩阵；
35、by是输出层的偏置项；
36、g是输出层的激活函数，为线性激活函数；
37、以下是rnn在序列数据处理中的时间步迭代过程：
38、时间步1：h1＝f(whhh0+wxhx1+bh)；
39、时间步2：h2＝f(whhh1+wxhx2+bh)；
40、时间步m：ht＝f(whhht-1+wxhxt+bh)。
41、进一步地，步骤s4中，目标函数包括：f＝αe+β(1-c)+γ(1-l)
42、其中：
43、e：是中央空调系统的总能耗，通过计算系统运行过程中消耗的电能来得到；
44、c：是室内舒适度指标
45、l：是设备寿命的预测值；
46、α、β、γ分别是对应于能耗、舒适度、设备寿命的权重系数。
47、进一步地，步骤s4中，通过优化算法进行优化包括：通过模拟退火算法进行优化：
48、初始化：
49、选择一个初始解x0；
50、设置初始温度t0和温度下降速率；
51、设置最大迭代次数或停机条件；
52、迭代过程：
53、在每个温度t下，通过以下步骤逐步优化解：
54、生成邻域解：从当前解中随机生成一个新的候选解xnew，该候选解应该是当前解的邻域解；邻域解是通过小幅度的变动得到的；
55、计算能量差：计算目标函数在当前解和候选解之间的差异，设为：
56、δe＝f(xnew)-f(xt)
57、其中，f(x)表示解的质量；
58、接受准则：根据能量差δe和温度t来决定是否接受候选解xnew：
59、如果δe≤0，即新解更优，直接接受新解，将当前解更新为xnew；
60、如果δe＞0，即新解较差，则以概率接受新解；
61、停止条件：当温度降到某个预定的低值时，停止迭代；或者当迭代次数超过设定的最大值时，停止；
62、输出最优解：在算法结束时，输出当前的最优解或当前解对应的目标函数值。
63、进一步地，步骤s6：通过用户界面，实时监测和调整空调系统的运行状态，实本文档来自技高网...
【技术保护点】
1.一种中央空调控制方法，其特征在于，包括：
2.根据权利要求1所述的一种中央空调控制方法，其特征在于，步骤S1包括：
3.根据权利要求1所述的一种中央空调控制方法，其特征在于，步骤S2中预处理包括：
4.根据权利要求1所述的一种中央空调控制方法，其特征在于，步骤S3包括：使用TensorFlow作为机器学习框架构建RNN模型作为深度学习模型。
5.根据权利要求4所述的一种中央空调控制方法，其特征在于，RNN模型包括：输入层、隐藏层以及输出层；
6.根据权利要求1所述的一种中央空调控制方法，其特征在于，步骤S4中，目标函数包括：F＝αE+β(1-C)+γ(1-L)
7.根据权利要求1所述的一种中央空调控制方法，其特征在于，步骤S4中，通过优化算法进行优化包括：通过模拟退火算法进行优化：
8.根据权利要求1所述的一种中央空调控制方法，其特征在于，还包括，步骤S6：通过用户界面，实时监测和调整空调系统的运行状态，实现远程管理和维护。
9.一种中央空调控制系统，其特征在于，包括：
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。