一种用于楼宇自动控制的智能空调控制方法及系统与流程

本发明涉及控制系统，尤其涉及一种用于楼宇自动控制的智能空调控制方法及系统。

背景技术：

1、随着经济的不断发展以及人民生活水平的提高，智能建筑行业得到迅速的发展，它是一个建筑行业、自动化行业、计算机行业以及网络技术行业的结合；其中楼宇自动化系统（bas）是主要的功能子系统，包括空调系统、通风系统、给排水系统及照明系统等，其中空调系统由于对能源消耗的影响，同时会造成电力供需不平衡，因此对楼宇自动化系统中的空调系统进行智能控制，可以大大缓解能源消耗问题。

2、通过楼宇自动系统控制智能空调是用于控制和管理楼宇内空调系统的设备，其中包括用于控制整个楼宇内的中央空调系统，包括设定温度、调节风速、控制湿度和定时开关等功能，用于分配和传送冷热空气等。楼宇自动化系统通过中央控制器或智能控制算法实现对空调设备的智能化控制和管理，楼宇控制空调设备的目的是提供舒适的室内环境，并实现能源的节约和管理。

3、但是，目前的楼宇自动控制系统在具体应用时存在以下两个缺陷：

4、1）楼宇自动系统在控制智能空调时无法针对人员喜好进行空调温度调节，导致系统缺乏灵活性，无法根据实际需要进行调整，造成人员感到不舒适，影响工作效率和生活质量。

5、2）楼宇自动系统在控制智能空调时无法同时保证用户舒适度和控制用电成本，若楼宇自动系统使用同一种温度设定控制智能空调，会导致能源的高消耗、用电成本的增加，楼宇自动系统无法在用户舒适度和用电成本之间进行合理的权衡和资源分配，导致资源的浪费和不合理的能源消耗，以及额外的用电成本。

6、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明为了解决上述问题，提出了一种用于楼宇自动控制的智能空调控制方法及系统，实现保证用户空调使用舒适度的情况下控制用电成本的目的。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供了一种用于楼宇自动控制的智能空调控制方法，该控制方法包括以下步骤：

4、s1、获取当前楼宇区域内空调的历史运行信息，并根据上述信息对各区块人员空调使用行为进行偏好分类；

5、s2、根据偏好分类建立偏好预测模型，并将偏好预测模型与多阶跃输入的智能空调控制系统相结合；

6、s3、将偏好分类与用电成本相结合建立空调负荷多目标优化调控模型；

7、s4、将偏好预测模型、智能空调控制系统及优化调控模型集成至楼宇自动控制系统，并结合区间控制策略进行空调温度调节；

8、s5、实时监测楼宇内空调的运行状态，并定期与楼宇内人员进行意见反馈沟通，根据监测结果与反馈结果进行控制调整。

9、优选的，所述获取当前楼宇区域内空调的历史运行信息，并根据上述信息对各区块人员空调使用行为进行偏好分类包括以下步骤：

10、s11、利用楼宇管理系统获取楼宇区域内的历史信息数据，所述信息数据包括历史空调的用电量、人员对空调的调节行为、使用时长及空调温度设定；

11、s12、利用时间序列表征区块内人员的使用时长特征，并通过互相关距离算法计算使用时长规律；

12、s13、利用基于密度的空间聚类算法挖掘人员的温度设定规律，并将使用时长特征和温度设定规律相结合，将行为偏好分为三组群体，所述三组群体分别为短时高温、长时低温及中时中温。

13、优选的，所述根据偏好分类建立偏好预测模型，并将偏好预测模型与多阶跃输入的智能空调控制系统相结合包括以下步骤：

14、s21、根据区块内人员空调使用时长与温度设定在模型空间内构建分布式数据结构；

15、s22、利用混沌理论与相空间重构理论对数据结构内区块内人员的偏好序列进行混沌特性分析与相空间重构；

16、s23、采用遗传算法优化的神经网络对偏好进行预测集成获得偏好预测模型；

17、s24、根据偏好将传统的智能控制系统转换为多阶跃输入，所述智能控制系统包含不同阶跃输入的控制参数；

18、s25、将偏好预测模型与智能空调控制模型进行集成连接。

19、优选的，所述利用混沌理论与相空间重构理论对数据结构内区块内人员的偏好序列进行混沌特性分析与相空间重构包括以下步骤：

20、s221、利用lce特性指数判断数据结构内偏好序列的混沌特性；

21、s222、利用相关系数方法估计数据结构内的平均温度与使用时长，并根据经验法则确定嵌入维数；

22、s223、将平均温度的序列数据转换为相空间中的高维向量，并通过嵌入维数进行相空间重构；

23、s224、对重构后的相空间进行分析，并采用小数据量法估计智能空调的温度与使用时长之间的指数分离率。

24、优选的，所述根据偏好将传统的智能控制系统转换为多阶跃输入包括以下步骤：

25、s241、在传统的智能控制系统中输入以各分块不同温度为目标的控制信号，以各分块内的空调使用时长、空调温度为输出，建立多输入多输出的控制类型；

26、s242、针对控制信号的特性设计各回路的线性控制器，并基于线性控制器提出控制方法，根据线性化方程求解各分块不同温度的控制信号；

27、s243、建立观测空调使用时长与空调温度的观测变量特征方程，利用稳定性分析理论对控制方法的动态稳定性进行分析；

28、s244、对设计的控制方法进行仿真与实验验证，评估智能空调控制系统的性能。

29、优选的，所述将偏好分类与用电成本相结合建立空调负荷多目标优化调控模型包括以下步骤：

30、s31、将楼宇区域内智能空调的用电成本建模为离散时间马尔科夫链上的不同状态用电量，获得用电成本控制策略；

31、s32、采用带有回报属性的时序逻辑公式确定控制策略下的用电成本，并采用概率模型进行不同偏好分类情况下用电成本的自动计算；

32、s33、利用遗传算法将控制策略编码为遗传算法解空间中的个体，并基于用电成本定义个体的适应度值；

33、s34、将概率模型检测器作为求解器在解空间上执行遗传操作获取不同偏好分类情况下的空调用电成本负荷目标，并将空调用电成本负荷目标进行集成构建为优化调控模型。

34、优选的，所述将楼宇区域内智能空调的用电成本建模为离散时间马尔科夫链上的不同状态用电量，获得用电成本控制策略包括以下步骤：

35、s311、将用电成本划分为不同的离散状态，确定状态之间的转移概率；

36、s312、根据定义的状态和状态转移概率，建立离散时间马尔科夫链模型描述用电成本的变化；

37、s313、在马尔科夫链内检测不同状态下的用电量，获得基于总用电成本的控制策略；

38、s314、针对三组偏好分类制定相应的评估指标进行用电总成本影响的评估，并根据评估结果对控制策略进行调整。

39、优选的，所述在马尔科夫链内检测不同状态下的用电量，获得基于总用电成本的控制策略中总成本计算公式为：

40、式中， t表示用电总成本；

41、 m表示空调使用时长；

42、 t表示空调使用时间段；

43、表示当前状态下的用电成本；

44、表示当前状态下的用电量；

45、表示用电控制成本函数；

46、 e表示期望总成本。

47、优选的，所述利用遗传算法将控制策略编码为遗传算法解空间中的个体，并基于用电成本定义个体的适应度值包括以下步骤：

48、s331、确定遗传算法的编码方式，确定控制策略在不同使用状态上的控制输入取值；

49、s332、根据控制输入取值与编码方式进行种群生成操作，将种群中的个体编码为控制输入；

50、s333、将控制策略输入至概率模型检测器中获取不同状态下的用电量作为控制策略的适应度值。

51、第二方面，本发明还提供了一种用于楼宇自动控制的智能空调控制系统，该控制系统包括：获取分类模块、构建结合模块、调控模型构建模块、集成模块及监测调整模块；

52、所述获取分类模块，用于获取当前楼宇区域内空调的历史运行信息，并根据上述信息对各区块人员空调使用行为进行偏好分类；

53、所述构建结合模块，用于根据偏好分类建立偏好预测模型，并将偏好预测模型与多阶跃输入的智能空调控制系统相结合；

54、所述调控模型构建模块，用于将偏好分类与用电成本相结合建立空调负荷多目标优化调控模型；

55、所述集成模块，用于将偏好预测模型、智能空调控制系统及优化调控模型集成至楼宇自动控制系统，并结合区间控制策略进行空调温度调节；

56、所述监测调整模块，用于实时监测楼宇内空调的运行状态，并定期与楼宇内人员进行意见反馈沟通，根据监测结果与反馈结果进行控制调整。

57、本发明的有益效果为：

58、1、本发明首先通过根据人员的空调使用偏好分类和预测模型，使得系统能够更准确地预测人员的空调需求，避免不必要的能源浪费，从而提高节能效果，同时根据人员的空调使用偏好分类，系统可以根据不同的偏好进行空调温度调节，满足用户的个性化需求，并建立空调负荷多目标优化调控模型，系统可以在满足用户需求的前提下，优化空调负荷，降低能耗和运维成本，最终结合区间控制策略，系统可以根据预测模型和优化调控模型的结果，进行精确的空调温度调节，实现精细化的控制，提高控制效果。

59、2、本发明在保证用户空调使用舒适度的情况下控制用电成本，使得通过优化调控模型，系统可以在满足用户的舒适度需求的同时，最小化能源消耗和用电成本，有效节约能源，减少能源开销，降低用电成本，同时通过综合考虑用户的空调使用偏好和用电成本，系统可以更加智能地调整空调的运行模式和温度设置，提高能源利用效率，通过控制用电成本，减少能源消耗，可以降低对环境的负面影响，减少能源消耗意味着减少碳排放和其他环境污染物的排放，有利于环境保护和可持续发展。

60、3、本发明通过将偏好分类、偏好预测模型和优化调控模型集成至楼宇自动控制系统，并结合区间控制策略进行空调温度调节，使得通过偏好分类和预测模型，系统可以根据不同用户的偏好和习惯，提供个性化的舒适度体验，同时通过优化调控模型和区间控制策略，系统可以根据实时需求和能源成本，智能地调整空调温度，且优化调控模型可以根据预测模型的结果，结合区间控制策略，调整空调温度，以最佳方式利用能源，通过精确的调节，可以提高能源利用效率，减少能源浪费，自动控制系统的集成和优化可以降低运维成本，系统可以根据预测模型和优化调控模型的结果，自动调节空调温度，减少人工干预，降低运维成本和工作量。