吴海员
(山东省青岛市广播电视台后勤保卫部，
山东青岛266073)1概述
暖通系统是现代城市建筑不可或缺的公用设施，随着经济不断发展，人们对现代楼宇的热舒适环境要求不断提升。21世
纪以来，人类环保意识逐步提升，
绿节能可持续等理念应用到现代城市化进程之中，暖通空调在现代楼宇建筑中对能源的消耗量占据30%-55%不等或者占比更高，降低暖通空调能源消耗称为急需解决的问题，青岛市目前对节能降耗非常重视[1]。
暖通空调控制由简单控制方案、数字控制方案和逻辑编程控制方案发展到目前较为流行的基于神经网络的控制方案。由于传统的控制方法无法同时兼顾非线性数据和数据时序性的 特点，当某项参数发生剧烈变化时，
系统对暖通空调的控制作用会降低，一般只适用于小型暖通空调的节能控制[2-3]。本文采用
了基于概率神经网络的控制方案，首先对数据进行预处理，
去除异常数据和坏值，然后对数据进行归一化处理，
将数据分为训练集和测试集，验证神经网络的准确性。当测试集输出结果正确率超过90%时，证明该网络具有较高的实用性。
2暖通空调模型建立2.1概率神经网络理论
概率神经网络(PNN)有以Parzen 窗的概率密度函数估计方法和Bayes 决策理论为理论基础这两种，它是从径向基函数演
变过来的，属于前馈型神经网络。在实际工程应用中，
使用PNN 解决数据分类问题，是利用线性学习算法和非线性学习算法来
解决问题。输入层、模式层、求和层、
输出层这四个层次组成了概率神经网络模型，它比较容易被训练，
而且精度还比较高，网络基本结构图如图1所示。
图1PNN 基本结构图
输入层：主要功能为接受训练样本传输来的数据，
该层的神经元的数量等于输入向量的长度，
经过该层训练后，把训练好的各类数据传送到下一个模式层。
模式层：主要功能为展现出有训练样本中每个模和从输入
层传输的特征向量之间的对应关系，
该层的神经元的数量等于全部训练样本的数量。当收到来自传输层的向量x 后，与模式层的第i 类样本的第j 个神经元相匹配的输入和输出关系是
（1）
其中：为第i 类样本第j 个神经元的输出；
d 为样本空间的维数；为第i 类样本第j 个中心；σ为平滑因子。
求和层：主要功能为运算，该层的神经元个数与样本层的总
刀述仁数相同，神经元只与模式层相应的神经元连接，
把模式层中同类模式层的神经元的输出进行加权平均，
关系如下：（2）
式中：f i 为第i 类的输出；L 为第i 类的神经元个数。
输出侧：主要功能为接收求和层的输出，
该层由竞争神经元构成，具有与求和层相等的神经元数量，
最爱的人是你
每个神经元都有一种模式与其相匹配。它就是为了是接收求和层输出的结果，然后在输出层的全部神经元中一个神经元它的后验概率密度最大，其输出为1，其余的神经元输出为0。
（3）PNN 模型不论训练数据与种类间的关系有多复杂，只要训
练样本的数量有很多，
它就能确保收敛到Bayes 分类器，得到贝叶斯准则下的最优解。
2.2降耗策略
中央空调系统降低能耗（提高能效比）主要通过以下措施有：
2.2.1提高蒸发温度（T2），降低冷凝温度（T1），降低(T1-T2)
温差。经验值，每降低1，主机能效提高3％。
2.2.2水泵降频，水泵的能耗与转速的三次方成正比，
即水泵降频运行会大幅节省水泵能耗。
2.2.3提前预测水系统的滞后性。
2.2.4动态调节各类参数，在某一特定空间，
对空气温度、湿度、空气流动速度及清洁度进行人工空气调节，
以满足人体舒适摘要：现代工程建筑中普遍安装的暖通空调（Heating Ventilation and Air Conditioning ，HVAC ）因其功率大和运行时间长
而消耗能源巨大，降低暖通空调用电消耗量对实现建筑物绿节能具有较大作用。通过对暖通空调运行模式进行调节，
可以有效降低耗电量。本文提出了一种基于概率神经网络的暖通空调控制策略，
通过测量影响暖通空调运行的各类参数，得出贝叶斯最优决策，决定空调的实时运行模式，达到节能降耗的目的。该方法与传统的控制方法相比，具有更高的时效性，节能效果更加显著。
关键词：暖通空调；节能系统；
概率神经网络中图分类号:TP273文献标识码:A 文章编号:2096-4390(2021)
01-0099-02
221
安兵基exp 2T ij ij ij d d
x x x x
,i=1,2,M ij L ,i=1,2,M ij x L 1
1L
i ij
j f L arg max i y f 99--
科学技术创新2021.01
的要求。2.3数据处理为了实现降耗策略，在本系统中，选取了供水温度、回水温度、室外温度、露点温度、相对湿度、风速和天气状况作为输入数据，如表1所示。表1输入数据系统输出为四种运行模式：低功率模式、
二级功率模式、三级功率模式和高功率模式，
安丰市场如表2所示。表2输出数据
2.4系统模型建立与训练
选取青岛市某楼宇空凋运行的6000组数据作为训练数据用于训练模型，再选取100组测试数据用于检测模型输出正确率，系统训练流程图如图2所示。
按照图2流程进行训练，得出系统运行的节能控制策略。
实验结果表明，与传统的控制方案相比，概率神经网络模型预测结果和原始数据高度拟合，不存在数据的漂移现象。通过分析
输入数据，可以看出，在整合数据的相关性和时序性之后，模型的预测没有随着时间的变化而出现控制精度下降的现象，
因此，概率神经网络具有更加优秀的控制能力。
结束语
松赞干布
针对暖通空调系统节能降耗的问题，通过对空调设备运行
数据的采集分析，结合深度学习控制算法，提出了一种基于概率神经网络的节能控制策略，为暖通空调系统节能运行提供控
制方案，具有一定的实际应用价值。
参考文献
[1]李毅，黄锦，何海东，鲁倩男.青岛市绿城市建设发展探索[J].
建设科技,2020(20):37-39，47.[2]毛逍遥，黄娟娟，何婷婷，刘家春.绿建筑能效监测平台开发[J].智能城市,2020,6(02):14-15.[3]刘玉琳，陈梦婷，孙煜山，付根本，林丹妮.新型临时性纸构建筑性能及其应用研究[J].能源与节能,2020(08):67-69.[4]崔璐璐.基于不同能耗计算方法的绿建筑节能评价系统[J].现代电子技术,2019,42(20):145-148.数据名称 取值范围
供水温度∕℃ 15—55
回水温度∕℃ 5—45 室外温度∕℃ -15—20
露点温度∕℃ -28—40注塑机螺杆的选择
相对湿度 0.04—1.00 风速∕(m ∕s) 0.00—64.8
天气状况 晴∕阴∕雨∕雾霾
运行模式 输出表示 低功率模式 0 二级功率模式 1 三级功率模式 2 高功率模式 3
图2系统训练流程图
100--
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议