一种基于人员信息检测的空调负荷控制系统及方法

文档序号:10550792阅读:849来源:国知局
一种基于人员信息检测的空调负荷控制系统及方法
【专利摘要】本发明公开了一种基于人员信息检测的空调负荷控制系统,包括完成训练用于预测空调负荷量的BP神经网络模块,还包括:人员信息检测模块,用于检测在空调工作范围内的人员信息,所述人员信息为人员类型和对应的数量;所述BP神经网络模块设有空调负荷与人员信息之间的对应关系;本发明还公开了一种基于人员信息检测的空调负荷控制方法;本发明的基于人员信息检测的空调负荷控制系统及方法与其他人数获取技术用于空调负荷预测相比,能更好地分析人员的负荷需求差异,对于精确的负荷管理与调控、增强内部人员的热舒适性以及舒适人工环境的营造具有非常重要的意义。
【专利说明】
-种基于人员信息检测的空调负荷控制系统及方法
技术领域
[0001] 本发明设及空调负荷的管理及控制领域,特别设及一种基于人员信息检测的空调 负荷控制系统及方法。
【背景技术】
[0002] 能源和环境问题是当今的两大热点问题,其中建筑能耗占了总能源消耗的15~ 60% W上,是实现可持续发展战略的重要组成部分。对建筑能耗进行有效科学的管理不仅 可W提高能源的利用效率,也可降低二氧化碳的排放。人工智能是21世纪科技发展的新宠, "深度学习"是时下流行的人工智能技术,作为研究机器学习的新领域,旨在通过模仿人脑 神经网络、模拟人脑学习机制来分析、处理数据。人工智能不仅可W用在围棋大战中,更能 在建筑能耗预测、管理方面发挥重要的作用。
[0003] 在建筑能耗中商场等公共建筑耗能十分巨大,W北京10个大型商场为例,年耗电 量约10亿度,其中中央空调能耗就占了50%左右,因此商场空调负荷的节能潜力十分巨大。 而现阶段商场为满足内部人员的舒适性要求,常W当天商场可能达到的最大人数为总人 数,计算预测最大的空调负荷量,且不考虑具体的人员特征、活动状态等因素,商场内舒适 性降低的同时也容易造成能量的浪费。因而一个实时的、准确的人员信息统计系统可W给 商场的空调负荷管理带来巨大的便利,节约能源的同时也能增强顾客的舒适性,给商场带 来巨大的经济效益。人员信息统计与空调负荷预测的相结合,在建筑能耗管理上展示了极 好的潜力,对于发展绿色健康的建筑具有重要意义。
[0004] 上文热舒适指的是人员对环境表示满意的意识状态,人体把自身的热平衡条件和 感觉到的环境状况综合起来判断是否达到舒适的感觉,包括生理和屯、理两个方面。热舒适 感的影响因素既包括溫度、湿度、垂直溫差、吹风量、季节等环境因素,也包括例如年龄、性 另IJ、活动强度等人员信息。
[0005] BP神经网络是由大量类似于人脑最基本的处理单元一一神经元,广泛相互联接而 构成的非线性复杂的智能网络系统。B巧巾经网络作为一种有效的建筑物空调负荷预测方 式,也渐渐地受到了暖通空调领域专业人±的青睐。例如申请公布号CN 104008427A的专利 文献公开了一种基于BP神经网络的中央空调冷负荷的预测方法,包括W下步骤:步骤1、选 择影响学校建筑冷负荷的因素作为神经网络输入参数;步骤2、对建筑冷负荷预测样本数据 进行整理及预处理;步骤3、设计BP神经网络的层次结构,确定隐含层数;步骤4、运行BP神经 网络训练,直到反向收敛,终止学习,输出预测值。上述方法具有准确性和可靠性高等优点。
[0006] 现有的BP神经网络预测商场内空调负荷一般不考虑人员因素的影响或由于技术 封闭性等问题不能进行实时地预测,因此存在适应性不强W及时间上的滞后性等缺点。

【发明内容】

[0007] 本发明公开了一种基于人员信息检测的空调负荷控制系统,控制参数中增加了人 性化的人员信息参数,并且可W进行实时检测,W达到提高舒适性W及节能的效果。
[0008] -种基于人员信息检测的空调负荷控制系统,包括完成训练用于预测空调负荷量 的BP神经网络模块,还包括:人员信息检测模块,用于检测在空调工作范围内的人员信息, 所述人员信息为人员类型和对应的数量;所述BP神经网络模块设有空调负荷与人员信息之 间的对应关系。
[0009] 获取人员信息的方式很多,优选的,所述人员信息检测模块包括布置在空调工作 范围内的摄像单元W及接收摄像单元的图像信息并输出人员类型和对应的数量的化encv 函数库静态人员信息计算单元。
[0010] 本发明利用了化encv静态人员信息检测技术,对建筑内人员信息进行充分考虑且 检测过程达到"实时"的要求,摄像单元与化encv函数库静态人员信息计算单元连接后再与 BP神经网络模块连接,同时将传感器模块(用于检测其他环境变量)、自动数据抓取输入模 块与BP神经网络模块连接,最后将BP神经网络模块与空调设备控制模块连接,所有连接过 程通过传输模块达成,由训练完毕的BP神经网络模块实时预测输出建筑内部空调负荷并控 审IJ,并通过PC机等硬件做到自动化预测并调控。
[0011] 传感器模块包括控制溫度、湿度等数据读取与蓝牙转发的单片机、实现模块间通 信功能的蓝牙串口、获取溫度信息的溫度传感器、获取湿度信息的湿度传感器,单片机的 keil编程包含溫度读取、湿度读取、串口。
[0012] 摄像单元向化encv函数库静态人员信息计算单元输入实时视频,自动数据抓取模 块在官方外部服务器中自动抓取基本环境量并输入BP神经网络模块,传感器向BP神经网络 模块输入建筑内部溫湿度等影响因素,Opencv函数库静态人员信息计算单元向BP神经网络 模块输入实时的人员信息,B巧巾经网络模块向空调控制模块输入实时空调预测负荷,空调 控制模块控制空调设备,各设备通过传输模块连接,传感器可W通过蓝牙等通讯设备向BP 神经网络模块输入数据,所有过程均通过PC机等硬件自动调控。
[0013] -种基于人员信息检测的空调负荷控制方法,使用上述的基于人员信息检测的空 调负荷控制系统,包括W下步骤:
[0014] (1)通过预先采集人员信息数据W及空调负荷与人员信息之间的对应关系对BP神 经网络模块进行训练;
[0015] (2)人员信息检测模块实时检测在空调工作范围内的人员类型和对应的数量,并 将人员信息结果发送给步骤(1)中训练完毕的BP神经网络模块;
[0016] (3)BP神经网络模块根据接收实时的人员信息预测当前时刻空调工作范围内所需 的空调负荷并对空调进行控制;
[0017] (4)循环步骤(2)和(3)。
[0018] BP神经网络是由大量类似于人脑最基本的处理单元一一神经元,广泛相互联接而 构成的非线性复杂的智能网络系统。BP学习算法的基本思想就是采用有师学习,在给定大 量的输入输出信号的基础上,建立系统的非线性输入输出模型,对数据进行大规模的并行 处理,通过网络输出误差的反向传播,调整和修改网络的连接权值,使误差达到最小,其学 习过程包括前向计算和误差反向传播。
[0019] BP神经网络训练模块中通过实地数据采集过程得到空调负荷与一系列影响因素 之间的多组对应关系,利用神经网络联想存储W及其自学习、自适应、非线性映射等功能, 得到上述两者之间的非线性复杂关系。B巧巾经网络训练模块中还可W利用历史空调负荷数 据库数据进行分析训练,高效利用大数据对空调负荷进行预测、监控和调整。
[0020] 本发明中BP神经网络训练模块的数据包括人员信息,所述人员信息为人员类型和 对应的数量,为了提高效率和准确性,本发明中采用基于化encv函数库的人员信息检测系 统来获取人员信息,该系统是将摄像单元实时获取视频图像序列进行自动分析。一个视频 流由多帖的图像组合而成,从图像中发现人,对于每帖图像而言运是一个静态的目标,使过 程得W简化,通过化encv函数库进行编程,将视频进行检测,可得到所需时刻所对应的该帖 图像中各类人员信息,包括儿童人数(《14岁)、青壮年人数(14~60岁)、老年人人数(>60 岁)、男性人数、女性人数、处于运动状态的人数、处于静止状态的人数等人员信息,可W根 据需要调整参数范围,不同类型的人员对溫度的要求不同,本发明方法可W根据不同类型 的人员的溫度需求对空调进行整体调控,增强人员热舒适性。
[0021] 人体进行活动的能量来自新陈代谢过程中在体内产生的热量,因此,人体的新陈 代谢率直接影响人体与周围环境的热交换。人体的能量代谢率会受到多种因素的影响,如 肌肉活动强度、环境溫度高低、性别、年龄、种族和生活习惯等。不同年龄段的人的新陈代谢 率不同,如青壮年代谢率强,而活动强度的不同也对新陈代谢有着很大的影响,如剧烈活动 的人群代谢率高,更偏向于溫度较低的环境。当建筑内部青壮年人数或处于运动状态的人 数增多,总代谢率增强,建筑内部所需冷负荷也随之增大,需适当增加空调负荷的供给。
[0022] 不同性别人群对环境溫度也有不同的要求,如女性相对于男性往往更喜欢比较轻 薄的衣服,衣物的热阻小,散热更多,因此女性更偏向于溫度较高的环境。当建筑内部女性 人数相对增多时,需适当减少空调负荷的供给W满足舒适性要求。
[0023] 通过基于化encv函数库的人员信息检测系统精确地了解建筑内部人员的具体信 息,如性别、年龄和是否处于运动状态等,及相对应的具体数量,并随之适当调整空调负荷, 对增强内部人员的热舒适性W及舒适人工环境的营造具有重要意义。
[0024] 本发明中训练用的数据还包括实时的空调负荷量和实时的环境变量数据W及往 年同期的空调负荷量和往期环境变量数据。所述的环境变量包括建筑内外溫湿度、建筑围 护结构参数、建筑其余设备散热、光照等系列影响建筑空调负荷的变量。
[0025] 优选的,所述的人员类型包括:性别、年龄和是否处于运动状态中的至少一种。上 述的各类型可W全都进行设定,也可W根据适用场合进行选择。
[0026] 优选的,步骤(2)中,人员信息检测模块实时检测在空调工作范围内的人员类型和 对应的数量的具体方法包括W下步骤:
[0027] 2-1、摄像单元采集空调工作范围内的图像;
[0028] 2-2、采用化encv函数库静态人员信息计算单元接收摄像单元的图像信息并输出 人员类型。
[0029] 为了减少计算量,提高计算效率,优选的,步骤(2)中-时间段t检测该 时刻的实时人员信息au,取n个时间段t并预测将平均人员信f
A将结果传送给 BP神经网络。
[0030] 为了提高本方法的控制效果,考虑室内外溫湿度等其他环境因素的影响,通过BP 神经网络技术预测得到空调负荷,并利用PC机进行自动控制,增加了数据与时间上的准确 性,W达到节能的效果,优选的,步骤(1)中,同时还预先采集环境变量数据并根据空调负荷 与环境变量之间的对应关系对BP神经网络模块进行训练;
[0031] 步骤(2)中,同时实时检测环境变量并将结果发送给步骤(1)中训练完毕的BP神经 网络模块;
[0032] 步骤(3)中,B巧巾经网络模块同时接收实时的环境变量结合人员信息预测当前时 刻空调工作范围内所需的空调负荷并对空调进行控制。
[0033] 优选的,环境变量包括内外溫湿度、建筑围护结构参数、建筑其余设备散热W及光 照中的至少一种。
[0034] 为了提高控制的准确性,最终通过BP神经网络的输出层得到的t时刻冷负荷最优 解,同时根据各室内环境变量波动趋势更新中央空调下一时刻的空调负荷,优选的,步骤 (4)中,预测I r/ It I与I rit I的差值,在t+1个时刻的预测空调负荷值加入所述差值,I r/ It I为 空调实际负荷量,I rit I为空调预测负荷量。
[0035] 本发明中的训练完毕的BP神经网络W各类人员信息、t时刻室内溫湿度、t时刻室 外溫湿度、通风率、t-1时刻冷负荷等为输入层参数,中间的隐藏层将各输入值进行加权和 阔值判决,输出层对隐藏层的输出进行最后的加工,得到t时刻冷负荷最优解。
[0036] 本发明通过读取监控视频的信息,对建筑内部各类人员信息进行实时地读取,并 利用测量、获取得到的其他因素参量,对建筑空调负荷进行更加实时、准确的预测与控制, 全程通过PC机自动预测、调控,提高建筑人工环境舒适程度的同时减少能耗。
[0037] 本发明也充分利用了现有设备和信息资源,是现有对信息资源的深度开发利用, 系统简单且不需要额外的设备,节约成本。另外,与专口设置通道等方法相比,运用监控不 容易影响顾客的购物欲望,增强商场的隐性竞争力。
[0038] 本发明的有益效果:
[0039] 本发明的基于人员信息检测的空调负荷控制系统及方法与其他人数获取技术用 于空调负荷预测相比,能更好地分析人员的负荷需求差异,对于精确的负荷管理与调控、增 强内部人员的热舒适性W及舒适人工环境的营造具有非常重要的意义。
【附图说明】
[0040] 图1为本发明的基于人员信息检测的空调负荷控制系统的线框结构图。
[0041] 图2为本发明的基于人员信息检测的空调负荷控制方法的线框流程图。
[0042] 图3为本发明装置中的摄像模块的工作流程图。
[0043] 图4为本发明装置中的传感器模块工作流程图。
【具体实施方式】
[0044] 如图1所示,本实施例的基于人员信息检测的空调负荷控制系统包括:包括完成训 练用于预测空调负荷量的BP神经网络模块,人员信息检测模块,用于检测在空调工作范围 内的人员信息,所述人员信息为人员类型和对应的数量;所述BP神经网络模块设有空调负 荷与人员信息之间的对应关系,人员信息检测模块包括摄像单元和基于化encv函数库静态 人员信息计算单元,摄像单元将得到的监控视频实时地输入到已设定完毕的基于化encv函 数库静态人员信息计算单元中,摄像单元包括多个摄像头,覆盖整个空调的工作空间(具体 指有人走动的范围)。
[0045] 本实施例中用到了册G的识别模块,Opencv提供默认模型,模型数据是通过现有文 献提供的样本INRIAPerson . tar训练得到,HOG的全称为Histograms of Oriented Gradients,顾名思义,方向梯度直方图,为目标的一种描述方式。
[0046] 每一个目标对应一个特征向量,hog检测子为3781维,hog将一个特征窗口(win)划 分为很多的块(block),在每一个块里又划分为很多的细胞单元(cell即胞元),hog特征向 量将所有的Ce 11对应的小特征向量串起来得到一个高维的特征向量。利用hog+svm技术检 测行人,最终的检测方法为最基本的线性判别函数,wx+b = 0。在训练期间需提取一些训练 样本的hog特征,其目的是为得到检测的W和b。在检测期间提取待检测目标的hog特征X,带 入到方程中进行判别,可判断目标是否为需要检测的行人。
[0047] 通过基于化encv函数库静态人员信息检测,得到监测视频中任意选定时刻该帖静 态图像中各类人员信息,包括儿童人数、青壮年人数、老年人人数、男性人数、女性人数、处 于运动状态的人数、处于静止状态的人数等。将得到的各类人员信息与监测和官方得到的 环境参数输入至训练完毕的BP神经网络模块中。
[0048] BP网络是一种多层前馈型网络,典型的网络结构包括输人层、隐含层、输出层,隐 含层可有若干层。在输入参数前需将BP神经网络进行训练。
[0049] 设定的具体内容为:
[0050] BP神经网络的输入层和隐含层神经元采用Sigmoid函数,输出层取Sigmoid函数或 线性函数,采用纠错规则进行学习,具有并行分布结构。BP学习算法采用有师学习,没有直 接给出输入与输出间的解析关系,在给定大量的输入输出信号的基础上,建立系统的非线 性输入输出模型,对数据进行大规模的并行处理,通过网络输出误差的反向传播,调整和修 改网络的连接权值,使误差达到最小,学习过程包括前向计算和误差反向传播。
[0051 ] 相应计算公式如下。
[0化2]
[0化3]
[0化4]
[0化5]
[0056] 其中Xi表示输入信号;yh表示隐层节点的输出向表示输出节点的输出;COih为输入 节点到隐层节点的连接权值;《 W为隐层节点到输出节点的连接权值;0h为隐层节点的阔 值,丫功输出节点的阔值,Ek是第k个表征矢量的误差;yjk是第j个输出神经元的期望值;Ojk 是第j个输出神经元的实际值。
[0057] 本实施例中将各类人员信息、t时刻室内溫湿度、t时刻室外溫湿度、通风率、t-1时 刻冷负荷为输入层参数,中间的隐藏层将各输入值进行加权和阔值判决,输出层对隐藏层 的输出进行最后的加工,得到t时刻冷负荷最优解。对给定的训练样本,利用传播公式,沿着 误差减少的方向不断调整网络联结权值和阔值,最后使此预测空调负荷的神经网络学习完 成。
[0058] 通过一段时间的数据采集过程得到大量空调负荷数值及其影响因素之间的对应 关系,或通过调用历史空调负荷数据库数据,应用于BP神经网络进行训练,得到训练完成的 BP神经网络系统。
[0059] 如图2所示,将人员信息检测模块得到的各类人员信息与监测和官方得到的环境 参数输入至训练完毕的BP神经网络系统中,预测得到当前时刻建筑内部所需的空调负荷具 体数值,从而用于空调负荷的控制。
[0060] BP神经网络的输入参数有室内各类人员信息,包括儿童人数pi(《14岁)、青壮年 人数P2( 14~60岁)、老年人人数p3( >60岁)、男性人数P4、女性人数P日、处于运动状态的人数 P6、处于静止状态的人数P7,其余人员状态信息P8;还有环境变量(溫湿度传感器得建筑内的 基本环境量,程序自动抓取官方发布的外界溫湿度等基本环境量),包括:室外溫度To,室内 溫度Ti,室外湿度S0,室内湿度Si,室内通风率Qv,上一时刻的负荷量W-I;还有输出为空调的 负荷量W,W的计算公式如下:
[0061 ] W = f (Pl , P2, P3, P4, P5, P6, P7, P8, To, Ti , SO , Si , Qv , W-I )
[0062] 上述公式为神经网络训练出来的最适合该商场的负荷函数,该控制系统的主要目 的是因时制宜和因地制宜,可W实时得到最适合的商场负荷,通过PC机自动控制中央空调 的负荷量,达到节能的效果,更好地分析人员的负荷需求差异,对于精确的负荷管理与调 控、增强内部人员的热舒适性W及舒适人工环境的营造具有非常重要的意义。
[0063] 如图3所示,本实施例的摄像模块采用基于H264网络监控摄像头系统,采用达芬奇 系列忍片DM8148作为系统的主处理器,硬件平台主要包括CCD摄像头、TVP5158忍片、DM8148 主处理器、LC的夜晶屏、1000 MW太网口 W及固态SATA硬盘等。通过监控摄像头模块将视频反 馈至客户端W便实时读取人员信息。
[0064] CC时暴像头将光信号转变为电信号输出到控制中屯、,使用TVP5158忍片将视频模拟 信号转换为数字视频信号,输入主处理器中,具有灵敏度高、抗强光、崎变小、体积小、寿命 长、抗震动等优点。
[0(?日]DM8148可直接挂载固态SATA硬盘、拥有双端口 1000 MW太网端口、并支持H. 264格 式的解压缩等功能,因而选择DM8148作为系统的主处理器。
[0066] 采用达芬奇系列忍片DM8148作为系统的主处理器,通过调用驱动获取视频数据, 送入LC的夜晶屏显示W及将视频原始数据送入到视频编码器进行H.264编码。经编码好的视 频数据存入本地固态SATA硬盘和RTP封包利用1000 MW太网口实现网络传输。远程客户端 (PC机)通过接收视频数据流,进行解码、播放,实现实时视频监控。
[0067] 如图4所示,本实施例的传感器模块包括单片机控制空间、蓝牙传输组件、感器组 件。传感器装置是利用金属对不同环境有不同反应来达到读取外界环境参数的目的,蓝牙 传输装置采用无线射频传输数据来达到将数据传输给处理器的功能。
[0068] 具体包括:Arduino UNO开发板1、肥06蓝牙串口 2、DS18B20溫度传感器(输出值溫 度为-50~80°C)3和DHTll湿度传感器4。
[0069] Arduino UNO开发板是主控制部分,单片机是集成电路忍片,是采用超大规模集成 电路技术把具有数据处理能力的中央处理器CPU、随机存储器RAM、只读存储器ROM、多种I/O 口和中断系统、定时器/计数器等功能,该系统利用单片机的类似微型计算机的功能,实现 溫度,湿度等数据的读取与控制蓝牙模块的转发。
[0070] DS18B20溫度传感器(输出值溫度为-50~80°C)利用高溫度系数晶振随溫度变化 其振荡率明显改变的特性,获取溫度信息,封装在电路板中即可与单片机通信。
[0071] DHTll湿度传感器,稳定性强,可W满足系统需要一个稳定的输入的需求,封装在 电路板中即可与单片机通信。
[0072] HC06蓝牙串口与单片机通过电路连接,缓存单片机输出端口的数据并与服务器建 立蓝牙连接,发送数据,实现模块间的通信功能。
[0073] 通过监控摄像头模块采集视频输入PC机中,利用设定完毕的基于化encv函数库静 态人员信息检测系统实时输出此时刻建筑内部具体人员信息,包括儿童人数、青壮年人数、 老年人人数、男性人数、女性人数、处于运动状态的人数、处于静止状态的人数等。将各类人 员信息并传感器模块输入的溫湿度参数、自动数据抓取输入模块得到的官方基本环境量输 入至设定并训练完毕的BP神经网络中,预测得出当前时刻最佳空调负荷量。通过PC机自动 得出的实时空调预测负荷量输入至空调控制模块,控制空调设备运行。
【主权项】
1. 一种基于人员信息检测的空调负荷控制系统,包括完成训练用于预测空调负荷量的 BP神经网络模块,其特征在于,还包括:人员信息检测模块,用于检测在空调工作范围内的 人员信息,所述人员信息为人员类型和对应的数量;所述BP神经网络模块设有空调负荷与 人员信息之间的对应关系。2. 如权利要求1所述的基于人员信息检测的空调负荷控制系统,其特征在于,所述人员 信息检测模块包括布置在空调工作范围内的摄像单元W及接收摄像单元的图像信息并输 出人员类型和对应的数量的化encv函数库静态人员信息计算单元。3. -种基于人员信息检测的空调负荷控制方法,其特征在于,使用权利要求1或2所述 的基于人员信息检测的空调负荷控制系统,包括W下步骤: (1) 通过预先采集人员信息数据W及空调负荷与人员信息之间的对应关系对BP神经网 络模块进行训练; (2) 人员信息检测模块实时检测在空调工作范围内的人员类型和对应的数量,并将人 员信息结果发送给步骤(1)中训练完毕的BP神经网络模块; (3) BP神经网络模块根据接收实时的人员信息预测当前时刻空调工作范围内所需的空 调负荷并对空调进行控制; (4) 循环步骤(2)和(3)。4. 如权利要求3所述的基于人员信息检测的空调负荷控制方法,其特征在于,所述的人 员类型包括:性别、年龄和是否处于运动状态中的至少一种。5. 如权利要求3所述的基于人员信息检测的空调负荷控制方法,其特征在于,步骤(2) 中,人员信息检测模块实时检测在空调工作范围内的人员类型和对应的数量的具体方法包 括W下步骤: 2-1、摄像单元采集空调工作范围内的图像; 2-2、采用化encv函数库静态人员信息计算单元接收摄像单元的图像信息并输出人员 类型。6. 如权利要求3所述的基于人员信息检测的空调负荷控制方法,其特征在于,步骤(2) 中,每隔一个分时间段t检测该时刻的实时人员信息au,取n个时间段t并预测将平均人员信 息并将结果传送给BP神经网络。7. 如权利要求3所述的基于人员信息检测的空调负荷控制方法,其特征在于,步骤(1) 中,同时还预先采集环境变量数据并根据空调负荷与环境变量之间的对应关系对BP神经网 络模块进行训练; 步骤(2)中,同时实时检测环境变量并将结果发送给步骤(1)中训练完毕的BP神经网络 模块; 步骤(3)中,B巧巾经网络模块同时接收实时的环境变量结合人员信息预测当前时刻空 调工作范围内所需的空调负荷并对空调进行控制。8. 如权利要求7所述的基于人员信息检测的空调负荷控制方法,其特征在于,所述的环 境变量包括内外溫湿度、建筑围护结构参数、建筑其余设备散热W及光照中的至少一种。9. 如权利要求3所述的基于人员信息检测的空调负荷控制方法,其特征在于,步骤(4) 中,预测I r/ It I与I rit I的差值,在t+1个时刻的预测空调负荷值加入所述差值,I r/ It I为空调 实际负荷量,I rit I为空调预测负荷量。
【文档编号】F24F11/00GK105910225SQ201610244200
【公开日】2016年8月31日
【申请日】2016年4月18日
【发明人】何坚, 何一坚, 吴艺超, 邬晗晖, 吴昊, 吴慧津, 陈晨涛
【申请人】浙江大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1