【技术实现步骤摘要】
本专利技术涉及能源管理与控制系统，具体是一种热泵能源系统的智能管控方法及系统，用于提升建筑室内环境的舒适度、能源使用效率及热泵能源系统的稳定性。
技术介绍
1、当前，南方地区居民在寒冬季节普遍依赖空调和电暖气进行分户取暖，这种做法虽然操作便捷，却伴随着一系列问题。首先，空调和电暖气的高功率运行使得长期使用的家庭面临不小的经济压力。其次，分户取暖模式下的能源利用效率低下，不利于节能减排，给环境保护带来了挑战。此外，分户取暖设备在使用中还潜藏着安全隐患，如设备老化、操作失误等，这些都可能触发火灾或触电等安全事故。
2、值得注意的是，与北方地区相比，南方部分区域的气候条件与北方某些地区颇为相似，取暖需求亦存在共通之处。因此，对于这些南方区域而言，推行集中供暖具有诸多优势。集中供暖通过能源的集中管理和调配，能显著提升能源利用效率，减少能源浪费。同时，它还能降低家庭供暖设备的投资成本，进一步为居民减轻经济负担。
3、随着居民生活品质的持续提升，天棚辐射采暖制冷等五恒集中系统在南方地区的应用愈发广泛。该系统采用辐射方式传递热量，确保了室内温度的均匀分布，极大提升了取暖和制冷的舒适度。然而，传统的五恒集中系统控制方式相对单一，主要依赖于人工设定系统控制点，导致能耗利用率不高，且运维成本高昂。
4、为了提升五恒集中系统的能效和稳定性，智能化管控技术日益受到关注。当前，五恒热泵系统的全面控制监控技术已取得显著进步，但仍面临一些挑战。具体而言，现有的智能化管控技术尚缺乏智能化模拟运算与运行状态耦合的先进算法，导致
技术实现思路
1、本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
2、为解决上述技术问题，本专利技术提出了一种热泵能源系统的智能管控方法及系统，本专利技术方法及系统能够实现对热泵能源系统的精确预测和智能调节，提高能源利用效率，降低热泵能源系统运行成本，增强热泵能源系统稳定性。
3、为了实现根据本专利技术的这些目的和其它优点，提供了一种热泵能源系统的智能管控方法，包括以下步骤：
4、s1、采集目标建筑的室内和室外的环境参数；
5、s2、采集能源供应设备的工作参数；
6、s3、采集目标建筑地下的土壤环境参数；
7、s4、采集热泵能源系统的总耗能；
8、s5、采用rnn预测模型，基于步骤s1～s4采集的数据对未来一段时间内的目标建筑的室内和室外的环境参数和目标建筑地下的土壤环境参数进行预测；
9、s6、采用基于分解的多目标进化算法，基于步骤s5的预测结果，对热泵能源系统的工作参数进行优化，以达到总耗能最小化、热泵的工作频率最低化、循环水泵的功率最低化，输出热泵能源系统的工作参数，以对所述热泵能源系统进行能源管控。
10、优选的是，所述室内环境参数包括室内温度、湿度、二氧化碳浓度和室内面积，所述室外环境参数包括室外温度、湿度、风速和日照强度；
11、所述能源供应设备包括热泵主机、循环水泵、地源热泵埋管换热器和蓄能设备，所述工作参数包括热泵主机的进出口水温、压缩机频率、功率，循环水泵的流量、扬程、功率，地源热泵埋管换热器的进出口水温、流量，蓄能设备的蓄能量、和充放电功率；
12、所述土壤环境参数包括土壤温度、土壤湿度、埋管水温、和土壤热导率；
13、在训练该rnn预测模型时，在损失函数中添加正则化项l1和正则化项l2，其中正则化项l1基于上述所有参数所对应权重的绝对值之和构建，正则化项l2基于上述各类参数对应权重的平方和构建；同时，在rnn模型的隐藏层中使用dropout技术，在训练过程中，以设定的丢弃概率随机将隐藏层中部分神经元的输出置为0，所述丢弃概率的取值范围为0到1之间。
14、优选的是，对上述所有参数的处理还包括：
15、收集上述所有参数的热泵系统运行数据，对数据进行准确性与完整性的预处理，并明确能效目标值：能耗和能效比；
16、利用python的numpy和pandas库，通过numpy.corrcoef函数计算预处理后的数据与能效目标值的pearson相关系数，通过scipy.stats.spearmanr函数计算spearman秩相关系数，以评估处理后的数据与能效目标值的线性及非线性相关性；
17、筛选出与能效目标值线性或非线性相关性较高的处理后的数据：设定pearson相关系数绝对值大于0.4-0.5、spearman秩相关系数绝对值大于0.3-0.4的处理后的数据作为重点关注特征，形成特征子集；
18、运用python的scikit-learn库构建随机森林回归模型，将上述特征子集按80:20划分为训练集和测试集；使用randomforestregressor类初始化模型，设置n_estimators为100-120、max_depth为10-12，通过fit方法在训练集上进行模型训练，训练完成后，利用feature_importances_属性获取每个特征在随机森林模型中的重要性评分；
19、将每个特征的评分与上述能效目标值的线性及非线性相关性结果相互印证，进一步确定特征对能效预测的重要程度。
20、优选的是，进一步确定特征对能效预测的重要程度还包括：
21、使用xgboost库构建xgboost模型，先将上述特征子集转换为dmatrix格式，随后初始化xgbregressor模型，设置learning_rate为0.1-0.2、n_estimators为150-180，通过fit方法训练模型，训练结束后，使用get_score方法获取每个特征的分裂增益；
22、对比分裂增益与上述能效目标值的线性及非线性相关性结果，对于线性及非线性相关性高且在xgboost模型中分裂增益大的特征，给予更高的关注权重；
23、其中，再综合随机森林回归模型与xgboost模型的结果，计算综合权重：
24、设随机森林模型中特征的重要性评分为srf，xgboost模型中特征的分裂增益为gxgb，且随机森林模型权重占比为α：0＜α＜1，则综合权重w的计算公式为：
25、
26、其中，n为特征总数，i是当前特征。
27、优选的是，还包括设置正则化项l1和正则化项l2系数的步骤：
28、设定权重阈值，筛选出权重大于该阈值的特征，形成最终特征子集
29、将最终特征子集按80:20划分为训练集和验证集，根据经验初步确定正则化项l1的正则化系数λ1和正则化项l2正则化系数λ2的取值范围均位于[10-4，1]；
30、在取值范围内选择离散候选值，形成λ1和λ2的取值网格：其中λ1和λ2均取值为...
【技术保护点】
1.热泵能源系统的智能管控方法，其特征在于，包括以下步骤：
2.如权利要求1所述的热泵能源系统的智能管控方法，其特征在于，所述室内环境参数包括室内温度、湿度、二氧化碳浓度和室内面积，所述室外环境参数包括室外温度、湿度、风速和日照强度；
3.如权利要求2所述的热泵能源系统的智能管控方法，其特征在于，对上述所有参数的处理还包括：
4.如权利要求3所述的热泵能源系统的智能管控方法，其特征在于，进一步确定特征对能效预测的重要程度还包括：
5.如权利要求4所述的热泵能源系统的智能管控方法，其特征在于，还包括设置正则化项L1和正则化项L2系数的步骤：
6.如权利要求5所述的热泵能源系统的智能管控方法，其特征在于，训练RNN预测模型包括：
7.如权利要求6所述的热泵能源系统的智能管控方法，其特征在于，选择使得模型在验证集上性能最优的λ1和λ2组合作为最终的正则化系数的步骤包括：
8.热泵能源系统的智能管控系统，其特征在于，所述智能管控系统用于执行权利要求1～6任一项所述的智能管控方法，所述智能管控系统包括：p>
9.如权利要求7所述的热泵能源系统的智能管控系统，其特征在于，所述数据采集模块包括传感器网络，所述传感器网络分别布置于目标建筑的室内、室外、循环水泵、水管管路、室内风机盘管以及土壤中，用于实时获取各项环境参数、土壤环境参数、以及能源供应设备的工作参数。
10.如权利要求7所述的热泵能源系统的智能管控系统，其特征在于，所述智能管控系统还包括用户接口模块，其用于显示预测结果、优化的工作参数及当前系统状态，并允许用户根据需要对优化目标进行调整或设置优先级。
...【技术特征摘要】
1.热泵能源系统的智能管控方法，其特征在于，包括以下步骤：
2.如权利要求1所述的热泵能源系统的智能管控方法，其特征在于，所述室内环境参数包括室内温度、湿度、二氧化碳浓度和室内面积，所述室外环境参数包括室外温度、湿度、风速和日照强度；
3.如权利要求2所述的热泵能源系统的智能管控方法，其特征在于，对上述所有参数的处理还包括：
4.如权利要求3所述的热泵能源系统的智能管控方法，其特征在于，进一步确定特征对能效预测的重要程度还包括：
5.如权利要求4所述的热泵能源系统的智能管控方法，其特征在于，还包括设置正则化项l1和正则化项l2系数的步骤：
6.如权利要求5所述的热泵能源系统的智能管控方法，其特征在于，训练rnn预测模型包括：
7.如权利要求6所述的热泵能源...
【专利技术属性】
技术研发人员：胡榕，唐祺，黄振皓，梁竣淇，
申请(专利权)人：桂林电子科技大学，
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。