一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和存儲介質(zhì)

文章來源：http://m.tongwell.cn/ 2024年11月04日點擊數(shù)：622

一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和存儲介質(zhì)
技術(shù)領(lǐng)域
本發(fā)明涉及潔凈室通風(fēng)系統(tǒng)技術(shù)領(lǐng)域，尤其是指一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和計算機可讀存儲介質(zhì)。

背景技術(shù)
潔凈室指對空氣潔凈度、溫度、濕度、壓力、噪聲等參數(shù)根據(jù)需要進行控制的密閉性較好的空間。潔凈室技術(shù)在制藥、微電子、生物工程等產(chǎn)業(yè)中至關(guān)重要，確保產(chǎn)品制造過程中的無菌和無塵環(huán)境。然而，潔凈室的運行成本高昂，其通風(fēng)系統(tǒng)的能耗占總能耗的比重較大。
隨著對提高能源利用率的日益重視，優(yōu)化潔凈室通風(fēng)系統(tǒng)成為了研究的熱點�，F(xiàn)有的潔凈室通風(fēng)系統(tǒng)通常采用傳統(tǒng)的測試、調(diào)整和平衡（Testing Adjusting andBalancing，簡稱TAB）方法進行風(fēng)量分配和壓差控制。例如，在潔凈室通風(fēng)系統(tǒng)的初始調(diào)試階段，技術(shù)人員花費大量時間進行風(fēng)量測量、閥門開度調(diào)整以及風(fēng)機頻率校準，以達到設(shè)計要求的風(fēng)量指標和壓差指標�；谌斯そ�(jīng)驗的方法耗時長，效率較低，在面對復(fù)雜工況時難以快速響應(yīng)。
雖然有些研究嘗試引入機器學(xué)習(xí)技術(shù)來解決上述問題，但往往局限于面向單一區(qū)域的風(fēng)量預(yù)測，缺乏對多區(qū)域之間相互影響的預(yù)測處理，不能同時完成多區(qū)域潔凈室的壓差和風(fēng)量兩類預(yù)測，且風(fēng)量預(yù)測不夠全面、壓差預(yù)測精度不高，效率較低，不能滿足短時高頻的仿真預(yù)測需求。

發(fā)明內(nèi)容
為此，本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中的潔凈室通風(fēng)系統(tǒng)不能同時完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測，且風(fēng)量預(yù)測不夠全面、壓差預(yù)測精度不高，效率較低的問題，提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和計算機可讀存儲介質(zhì)，風(fēng)量預(yù)測全面，壓差預(yù)測精度較高，且可以同時完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測，響應(yīng)速度快，效率較高。
第一方面，為解決上述技術(shù)問題，本發(fā)明提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法，包括：
步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時間，確定M組可控變量；
步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時間滿足設(shè)定要求后對該組可控變量和該組受控變量的實際值進行采集，形成一條實采數(shù)據(jù)樣本；
步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實采數(shù)據(jù)樣本；基于所述M條實采數(shù)據(jù)樣本得到實采數(shù)據(jù)集；
步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
步驟S5：對所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集、驗證集和測試集；
步驟S6：基于所述訓(xùn)練集、所述驗證集和所述測試集構(gòu)建并訓(xùn)練預(yù)測模型；
步驟S7：基于所述預(yù)測模型對該通風(fēng)系統(tǒng)進行優(yōu)化控制；
步驟S8：基于節(jié)能率對優(yōu)化控制后的所述通風(fēng)系統(tǒng)進行性能評價；
其中，構(gòu)建所述預(yù)測模型時，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的輸入層，基于多級萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的共享層，基于所述預(yù)測模型的輸出層輸出所述受控變量的預(yù)測值。
在本發(fā)明的一個實施例中，在所述多級萃取網(wǎng)絡(luò)中，每一級萃取網(wǎng)絡(luò)均包括送風(fēng)專家模塊、回風(fēng)專家模塊、排風(fēng)專家模塊和共享專家模塊，所述送風(fēng)專家模塊由Ne
個送風(fēng)專家組成，所述回風(fēng)專家模塊由Ne
個回風(fēng)專家組成，所述排風(fēng)專家模塊由Ne
個排風(fēng)專家組成，所述共享專家模塊由Nse
個共享專家組成；所述每一級萃取網(wǎng)絡(luò)均在內(nèi)部設(shè)置有送風(fēng)門網(wǎng)絡(luò)、回風(fēng)門網(wǎng)絡(luò)、排風(fēng)門網(wǎng)絡(luò)和共享門網(wǎng)絡(luò)，分別對應(yīng)于所述送風(fēng)專家模塊、所述回風(fēng)專家模塊、所述排風(fēng)專家模塊和所述共享專家模塊；所述每一級萃取網(wǎng)絡(luò)的輸出均作為下一級萃取網(wǎng)絡(luò)的輸入；其中，第一級萃取網(wǎng)絡(luò)直接接收來自所述輸入層輸入的特征向量，最后一級萃取網(wǎng)絡(luò)的輸出作為所述多級萃取網(wǎng)絡(luò)的輸出。
在本發(fā)明的一個實施例中，所述送風(fēng)門網(wǎng)絡(luò)與所述送風(fēng)專家模塊的對應(yīng)關(guān)系為：
；
所述回風(fēng)門網(wǎng)絡(luò)與所述回風(fēng)專家模塊的對應(yīng)關(guān)系為：
；
所述排風(fēng)門網(wǎng)絡(luò)與所述排風(fēng)專家模塊的對應(yīng)關(guān)系為：
；
所述共享門網(wǎng)絡(luò)與所述共享專家模塊的對應(yīng)關(guān)系為：
；
其中，為多分類問題的激活函數(shù)，表示第j級萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中送風(fēng)專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述送風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出；表示第j級萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中回風(fēng)專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述回風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出；表示第j級萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中排風(fēng)專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述排風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出；表示第j級萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中共享專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述送風(fēng)專家、Ne
個所述回風(fēng)專家、Ne
個所述排風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出。
在本發(fā)明的一個實施例中，基于所述預(yù)測模型對該通風(fēng)系統(tǒng)進行優(yōu)化控制的方法為：使用IoT云平臺將多區(qū)域的壓差設(shè)計值和風(fēng)量設(shè)計值作為主要控制目標輸入至所述預(yù)測模型的優(yōu)化器，基于所述優(yōu)化器對所述可控變量進行迭代優(yōu)化以滿足約束條件；在每次迭代中，所述優(yōu)化器對所述預(yù)測模型進行調(diào)用，基于所述可控變量對所述受控變量進行預(yù)測，再基于目標函數(shù)計算預(yù)測工況與設(shè)計工況的偏差；在滿足所述約束條件的前提下，所述優(yōu)化器通過迭代得到所述目標函數(shù)最小化時對應(yīng)的可控變量值；基于所述可控變量值進行最優(yōu)可控參數(shù)的下發(fā)。
在本發(fā)明的一個實施例中，所述目標函數(shù)最小化的方法為：
；
所述約束條件為：
；
其中，表示最小化函數(shù)，Z表示所述目標函數(shù)，表示風(fēng)機個數(shù)，表示壓差個數(shù)，表示預(yù)測壓差數(shù)組，表示設(shè)計壓差數(shù)組，表示風(fēng)機頻率，s.t.表示受約束條件，表示任意區(qū)域的壓差偏差，表示預(yù)設(shè)的壓差偏差閾值，表示設(shè)計送風(fēng)量，表示預(yù)測送風(fēng)量，表示設(shè)計排風(fēng)量，表示預(yù)測排風(fēng)量，表示末端風(fēng)閥開度。
在本發(fā)明的一個實施例中，對所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集、驗證集和測試集的方法為：先排除不可用樣本，再基于z-score歸一化方法將所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集中的可控變量輸入和受控變量輸出分別轉(zhuǎn)換為標準正態(tài)分布，再按照自主設(shè)定的比例隨機劃分為訓(xùn)練集、驗證集和測試集。
在本發(fā)明的一個實施例中，在基于所述訓(xùn)練集、所述驗證集和所述測試集構(gòu)建并訓(xùn)練預(yù)測模型時，采用均方誤差函數(shù)作為損失函數(shù)來計算所述預(yù)測模型的預(yù)測值與實際值之間的差異；基于所述合成數(shù)據(jù)集對所述預(yù)測模型進行預(yù)訓(xùn)練，再基于所述實采數(shù)據(jù)集的訓(xùn)練集對所述預(yù)測模型進行微調(diào)；基于所述實采數(shù)據(jù)集的驗證集對所述預(yù)測模型進行實時驗證；在全部訓(xùn)練完成后，基于所述實采數(shù)據(jù)集的測試集對所述預(yù)測模型進行檢測。
在本發(fā)明的一個實施例中，基于拉丁超立方采樣策略確定所述M組可控變量；通過現(xiàn)場的IoT云平臺和PLC對所述M組可控變量進行下發(fā)。
第二方面，為解決上述技術(shù)問題，本發(fā)明還提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制系統(tǒng)，包括：
數(shù)據(jù)采集模塊，依次執(zhí)行：步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時間，確定M組可控變量；步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時間滿足設(shè)定要求后對該組可控變量和該組受控變量的實際值進行采集，形成一條實采數(shù)據(jù)樣本；步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實采數(shù)據(jù)樣本；基于所述M條實采數(shù)據(jù)樣本得到實采數(shù)據(jù)集；步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
模型構(gòu)建與訓(xùn)練模塊，對所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集、驗證集和測試集；基于所述訓(xùn)練集、所述驗證集和所述測試集構(gòu)建并訓(xùn)練預(yù)測模型；
優(yōu)化控制模塊，基于所述預(yù)測模型對該通風(fēng)系統(tǒng)進行優(yōu)化控制；
性能評價模塊，基于節(jié)能率對優(yōu)化控制后的所述通風(fēng)系統(tǒng)進行性能評價；
其中，構(gòu)建所述預(yù)測模型時，所述模型構(gòu)建與訓(xùn)練模塊采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的輸入層，基于多級萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的共享層，基于所述預(yù)測模型的輸出層輸出所述受控變量的預(yù)測值。
第三方面，為解決上述技術(shù)問題，本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)所述的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法的步驟。
本發(fā)明的上述技術(shù)方案相比現(xiàn)有技術(shù)具有以下有益效果：
本發(fā)明提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和計算機可讀存儲介質(zhì)，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型來構(gòu)建預(yù)測模型，可以充分利用不同類型風(fēng)量之間的耦合關(guān)系，風(fēng)量預(yù)測全面，壓差預(yù)測精度較高，且可以同時完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測；基于預(yù)測模型對通風(fēng)系統(tǒng)進行優(yōu)化控制，響應(yīng)速度快，效率較高。

附圖說明
為了使本發(fā)明的內(nèi)容更容易被清楚的理解，下面根據(jù)本發(fā)明的具體實施例并結(jié)合附圖，對本發(fā)明作進一步詳細的說明。
圖1為本發(fā)明優(yōu)選實施例中一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法的步驟圖；
圖2為本發(fā)明優(yōu)選實施例中一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法的預(yù)測模型架構(gòu)圖；
圖3為本發(fā)明實施例中一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制系統(tǒng)的模塊圖。
說明書附圖標記說明：
Input輸入層；Shared Layer共享層；Tower Layer任務(wù)塔層；Output輸出層；
First level Extraction Network第一級萃取網(wǎng)絡(luò)；Extraction Network j-1th第j-1級萃取網(wǎng)絡(luò)；Extraction Network jth第j級萃取網(wǎng)絡(luò)；Extraction Network j+1th第j+1級萃取網(wǎng)絡(luò)；Final level Extraction Network最后一級萃取網(wǎng)絡(luò)；
Experts on SA送風(fēng)門專家；Experts on RA回風(fēng)門專家；Experts on EA排風(fēng)門專家；Shared Experts共享門專家；Tower Room a多區(qū)域中的區(qū)域a；Tower SA送風(fēng)任務(wù)；Tower OA新風(fēng)任務(wù)；
風(fēng)機頻率；末端風(fēng)閥開度；g門網(wǎng)絡(luò)函數(shù)符號；H張量；預(yù)測壓差數(shù)組；預(yù)測送風(fēng)量；預(yù)測排風(fēng)量；
：的簡寫，表示第一級萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)；
：的簡寫，表示第一級萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)；
：的簡寫，表示第一級萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)；
：的簡寫，表示第一級萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)；
：第j級萃取網(wǎng)絡(luò)中的第1個，第2個，…，第Ne
個送風(fēng)門專家；
：第j級萃取網(wǎng)絡(luò)中的第1個，第2個，…，第Ne
個回風(fēng)門專家；
：第j級萃取網(wǎng)絡(luò)中的第1個，第2個，…，第Ne
個排風(fēng)門專家；
：第j級萃取網(wǎng)絡(luò)中的第1個，第2個，…，第Nse
個共享門專家；
：的簡寫，表示對第j級萃取網(wǎng)絡(luò)中的Ne
個送風(fēng)專家和Nse
個共享專家進行整合后的初步輸出；
：第j級萃取網(wǎng)絡(luò)中送風(fēng)專家模塊的輸入；
：的簡寫，表示第j級萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)。

具體實施方式
應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本申請，并不用于限定本申請。
下面將結(jié)合本申請實施例中的附圖，對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請的一部分實施例，而不是全部的實施例。
現(xiàn)有的潔凈室通風(fēng)系統(tǒng)通常采用傳統(tǒng)的TAB方法進行風(fēng)量分配和壓差控制，但是耗時長，效率較低，在面對復(fù)雜工況時難以快速響應(yīng)。有些研究嘗試引入機器學(xué)習(xí)技術(shù)來解決上述問題，但往往局限于面向單一區(qū)域的風(fēng)量預(yù)測，缺乏對多區(qū)域之間相互影響的預(yù)測處理，不能同時完成多區(qū)域潔凈室的壓差和風(fēng)量兩類預(yù)測，且風(fēng)量預(yù)測不夠全面、壓差預(yù)測精度不高，效率較低，不能滿足短時高頻的仿真預(yù)測需求。
為此，本申請實施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和計算機可讀存儲介質(zhì)。
實施例一
本實施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法，請參照圖1所示，包括：
步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時間，確定M組可控變量；
步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時間滿足設(shè)定要求后對該組可控變量和該組受控變量的實際值進行采集，形成一條實采數(shù)據(jù)樣本；
步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實采數(shù)據(jù)樣本；基于所述M條實采數(shù)據(jù)樣本得到實采數(shù)據(jù)集；
步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
步驟S5：對所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集、驗證集和測試集；
步驟S6：基于所述訓(xùn)練集、所述驗證集和所述測試集構(gòu)建并訓(xùn)練預(yù)測模型；
步驟S7：基于所述預(yù)測模型對該通風(fēng)系統(tǒng)進行優(yōu)化控制；
步驟S8：基于節(jié)能率對優(yōu)化控制后的所述通風(fēng)系統(tǒng)進行性能評價；
其中，構(gòu)建所述預(yù)測模型時，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的輸入層，基于多級萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的共享層，基于所述預(yù)測模型的輸出層輸出所述受控變量的預(yù)測值。
本實施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法，（1）采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型來構(gòu)建預(yù)測模型，可以充分利用不同類型風(fēng)量之間的耦合關(guān)系，風(fēng)量預(yù)測全面，壓差預(yù)測精度較高，且可以同時完成多區(qū)域潔凈室的壓差和風(fēng)量預(yù)測；（2）基于預(yù)測模型對通風(fēng)系統(tǒng)進行優(yōu)化控制，響應(yīng)速度快，效率較高，減少了因通風(fēng)過度或者通風(fēng)不足導(dǎo)致的能源浪費。
接下來對本實施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法進行詳細介紹：
一、工作步驟：
步驟S1：
具體的，設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時間，確定M組可控變量；
可選的，基于拉丁超立方采樣策略確定所述M組可控變量；通過現(xiàn)場的IoT云平臺和PLC對所述M組可控變量進行下發(fā)。
可選的，所述可控變量包括設(shè)備運行可控參數(shù)：各風(fēng)機頻率、各風(fēng)閥開度。
可選的，所述受控變量包括系統(tǒng)受控參數(shù)：各區(qū)域壓差、系統(tǒng)風(fēng)量。
可選的，所述等待時間設(shè)定為2min。
步驟S2：
具體的，下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時間滿足設(shè)定要求后對該組可控變量和該組受控變量的實際值進行采集，形成一條實采數(shù)據(jù)樣本；
步驟S3：
具體的，重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實采數(shù)據(jù)樣本；基于所述M條實采數(shù)據(jù)樣本得到實采數(shù)據(jù)集；
步驟S4：
具體的，基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
步驟S5：
具體的，對所述實采數(shù)據(jù)集D1和所述合成數(shù)據(jù)集D2進行預(yù)處理，得到訓(xùn)練集、驗證集和測試集。
可選的，先排除不可用樣本，再基于z-score歸一化方法將所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集中的可控變量輸入和受控變量輸出分別轉(zhuǎn)換為標準正態(tài)分布，再按照自主設(shè)定的比例隨機劃分為所述訓(xùn)練集、所述驗證集和所述測試集。
可選的，所述不可用樣本包括不完整樣本。
可選的，按照8：1：1的比例隨機劃分所述訓(xùn)練集、所述驗證集和所述測試集。
步驟S6：
具體的，基于所述訓(xùn)練集、所述驗證集和所述測試集構(gòu)建并訓(xùn)練預(yù)測模型。
具體的，請參照圖2所示，構(gòu)建所述預(yù)測模型時，采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的輸入層Input，基于多級萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的共享層Shared Layer，基于所述預(yù)測模型的輸出層Output輸出所述受控變量的預(yù)測值。
可選的，所述預(yù)測模型采用Leaky ReLU作為基礎(chǔ)激活函數(shù)。
可選的，在所述多級萃取網(wǎng)絡(luò)中，每一級萃取網(wǎng)絡(luò)均包括送風(fēng)專家模塊ESA
、回風(fēng)專家模塊ERA
、排風(fēng)專家模塊EEA
和共享專家模塊ES
，所述送風(fēng)專家模塊ESA
由Ne
個送風(fēng)專家組成，所述回風(fēng)專家模塊ERA
由Ne
個回風(fēng)專家組成，所述排風(fēng)專家模塊EEA
由Ne
個排風(fēng)專家組成，所述共享專家模塊ES
由Nse
個共享專家組成，請參照圖2所示。
具體的，所述每一級萃取網(wǎng)絡(luò)均在內(nèi)部設(shè)置有送風(fēng)門網(wǎng)絡(luò)、回風(fēng)門網(wǎng)絡(luò)、排風(fēng)門網(wǎng)絡(luò)和共享門網(wǎng)絡(luò)，分別對應(yīng)于所述送風(fēng)專家模塊ESA
、所述回風(fēng)專家模塊ERA
、所述排風(fēng)專家模塊EEA
和所述共享專家模塊ES
。
具體的，所述每一級萃取網(wǎng)絡(luò)的輸出均作為下一級萃取網(wǎng)絡(luò)的輸入；其中，第一級萃取網(wǎng)絡(luò)直接接收來自所述輸入層輸入的特征向量，最后一級萃取網(wǎng)絡(luò)的輸出作為所述多級萃取網(wǎng)絡(luò)的輸出。
具體的，所述送風(fēng)專家模塊ESA
、所述回風(fēng)專家模塊ERA
和所述排風(fēng)專家模塊EEA
為三類特定專家模塊，每類所述特定專家模塊僅負責提取潔凈室通風(fēng)系統(tǒng)中相應(yīng)的氣流特征；所述共享專家模塊ES
對不同氣流特征之間的耦合交互信息進行提取。
具體的，所述多級萃取網(wǎng)絡(luò)的級數(shù)是在所述預(yù)測模型的訓(xùn)練過程中確定的。
具體的，所述送風(fēng)門網(wǎng)絡(luò)與所述送風(fēng)專家模塊的對應(yīng)關(guān)系為：
；
其中，為多類分類問題的激活函數(shù)，表示第j級萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中送風(fēng)專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的送風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述送風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出。
具體的，所述回風(fēng)門網(wǎng)絡(luò)與所述回風(fēng)專家模塊的對應(yīng)關(guān)系為：
；
其中，表示第j級萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中回風(fēng)專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的回風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述回風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出。
具體的，所述排風(fēng)門網(wǎng)絡(luò)與所述排風(fēng)專家模塊的對應(yīng)關(guān)系為：
；
其中，表示第j級萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中排風(fēng)專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的排風(fēng)門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述排風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出。
具體的，所述共享門網(wǎng)絡(luò)與所述共享專家模塊的對應(yīng)關(guān)系為：
；
其中，表示第j級萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)，表示所述第j級萃取網(wǎng)絡(luò)中共享專家模塊的輸入，表示所述第j級萃取網(wǎng)絡(luò)中的共享門網(wǎng)絡(luò)的內(nèi)部參數(shù)矩陣，表示對所述第j級萃取網(wǎng)絡(luò)中的Ne
個所述送風(fēng)專家、Ne
個所述回風(fēng)專家、Ne
個所述排風(fēng)專家和Nse
個所述共享專家進行整合后的初步輸出。
具體的，所述、所述、所述和所述可分別表示為：

其中，T表示轉(zhuǎn)置。
可選的，所述特征向量包括各風(fēng)機頻率、各末端風(fēng)閥開度。
具體的，請參照圖2所示，經(jīng)過所述多級萃取網(wǎng)絡(luò)對氣流特征的逐步分離后，將所述最后一級萃取網(wǎng)絡(luò)輸出的數(shù)據(jù)拼接組合為張量H傳入任務(wù)塔層Tower Layer。
可選的，在所述任務(wù)塔層Tower Layer中，每個任務(wù)都有獨立分支塔，比如多區(qū)域中的區(qū)域a的獨立分支塔Tower Room a；所述任務(wù)塔層Tower Layer采用多層全連接網(wǎng)絡(luò)對所述共享層Shared Layer萃取的深層特征進行再學(xué)習(xí)，最終輸出各區(qū)域壓差、系統(tǒng)送風(fēng)量、系統(tǒng)回風(fēng)量、系統(tǒng)排風(fēng)量、系統(tǒng)新風(fēng)量；其中，所述新風(fēng)量并未設(shè)置有對應(yīng)的特定專家，所述新風(fēng)量由其他類型風(fēng)量綜合計算得到。
可選的，采用均方誤差函數(shù)（Mean Squared Error，簡稱MSE）作為損失函數(shù)L2來計算所述預(yù)測模型的預(yù)測值與實際值之間的差異；基于所述合成數(shù)據(jù)集D2對所述預(yù)測模型進行預(yù)訓(xùn)練，再基于所述實采數(shù)據(jù)集的訓(xùn)練集對所述預(yù)測模型進行微調(diào)；基于所述實采數(shù)據(jù)集的驗證集對所述預(yù)測模型進行實時驗證；在全部訓(xùn)練完成后，基于所述實采數(shù)據(jù)集的測試集對所述預(yù)測模型進行檢測。
步驟S7：
具體的，基于所述預(yù)測模型對該通風(fēng)系統(tǒng)進行優(yōu)化控制。
可選的，所述預(yù)測模型基于增強精英保留的遺傳算法對所述通風(fēng)系統(tǒng)進行優(yōu)化控制。
具體的，使用IoT云平臺將多區(qū)域的壓差設(shè)計值和風(fēng)量設(shè)計值作為主要控制目標輸入至所述預(yù)測模型的優(yōu)化器，基于所述優(yōu)化器對所述可控變量進行迭代優(yōu)化以滿足約束條件；在每次迭代中，所述優(yōu)化器對所述預(yù)測模型進行調(diào)用，基于所述可控變量對所述受控變量進行預(yù)測，再基于目標函數(shù)Z計算預(yù)測工況與設(shè)計工況的偏差；在滿足所述約束條件的前提下，所述優(yōu)化器通過迭代得到所述目標函數(shù)最小化時對應(yīng)的可控變量值；基于所述可控變量值進行最優(yōu)可控參數(shù)的下發(fā)。
可選的，所述目標函數(shù)最小化的方法為：
；
其中，表示最小化函數(shù)，Z表示所述目標函數(shù)，表示風(fēng)機個數(shù)，表示壓差個數(shù)，表示預(yù)測壓差數(shù)組，表示設(shè)計壓差數(shù)組，表示風(fēng)機頻率。
可選的，所述約束條件為：
；
其中，s.t.表示受約束條件，表示任意區(qū)域的壓差偏差，表示預(yù)設(shè)的壓差偏差閾值，表示設(shè)計送風(fēng)量，表示預(yù)測送風(fēng)量，表示設(shè)計排風(fēng)量，表示預(yù)測排風(fēng)量，表示末端風(fēng)閥開度。
可選的，采用AdamW優(yōu)化器作為所述優(yōu)化器對所述預(yù)測模型進行訓(xùn)練；所述AdamW優(yōu)化器結(jié)合了自適應(yīng)矩估計（Adaptive Moment Estimation，簡稱Adam）優(yōu)化器的優(yōu)點和所述損失函數(shù)L2的正則化效果，有助于所述預(yù)測模型快速收斂。
步驟S8：
具體的，基于節(jié)能率對優(yōu)化控制后的所述通風(fēng)系統(tǒng)進行性能評價。
具體的，風(fēng)機功率P與所述風(fēng)機頻率的三次方成正比，即。
進一步的，通過降低所有風(fēng)機的平均工作頻率，可在滿足壓差梯度和換氣次數(shù)要求的基礎(chǔ)上實現(xiàn)節(jié)能運行，因此，將平均頻率相對于參考頻率降低的百分比作為評價控制節(jié)能率的直接指標：
；
二、舉例說明：
示例性的，某個多區(qū)域潔凈廠房具有a、b、c、d、e、f共計6個獨立區(qū)域，其通風(fēng)系統(tǒng)的關(guān)鍵組件包括3個風(fēng)機、7個送風(fēng)閥、4個回風(fēng)閥和4個排風(fēng)閥。
具體的，所述風(fēng)機頻率的取值范圍為0~50Hz，其最小可控度為0.1Hz；所述末端風(fēng)閥開度的取值范圍為0~90°，其最小可控度為5°。
實采數(shù)據(jù)集D1：步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時間為2min，采用所述拉丁超立方采樣策略制定436組可控變量（3個風(fēng)機頻率+15個末端風(fēng)閥開度）樣本；步驟S2：下發(fā)一組所述可控變量，得到一組受控變量，等待2min直至所述通風(fēng)系統(tǒng)穩(wěn)定后對該組可控變量和該組受控變量的實際值進行采集，形成一條實采數(shù)據(jù)樣本；步驟S3：重復(fù)執(zhí)行步驟S2直至由所述436組可控變量得到436組所述可控變量，形成436條實采數(shù)據(jù)樣本，基于所述436條實采數(shù)據(jù)樣本得到實采數(shù)據(jù)集D1；
合成數(shù)據(jù)集D2：基于現(xiàn)場數(shù)據(jù)建立所述BIM仿真模型，其風(fēng)機頻率最小可控度1Hz，其末端風(fēng)閥開度最小可控度1°；采用所述拉丁超立方采樣策略制定400,000組可控變量，并通過仿真計算其對應(yīng)受控變量。
進一步的，對D1和D2中的樣本數(shù)據(jù)進行預(yù)處理：排除不完整數(shù)據(jù)等不可用樣本后，使用z-score歸一化方法將D1和D2中的可控變量輸入和受控變量輸出分別轉(zhuǎn)換為標準正態(tài)分布。
具體的，D1被隨機劃分成含403條訓(xùn)練樣本的訓(xùn)練集A1、含12條驗證樣本的驗證集A2和含21條測試樣本的測試集A3；D2被隨機劃分成含319,890條訓(xùn)練樣本的訓(xùn)練集B1、含39,986條驗證樣本的驗證集B2和含39,987條測試樣本的測試集B3。
進一步的，基于所述訓(xùn)練集A1、所述驗證集A2、所述測試集A3、所述訓(xùn)練集B1、所述驗證集B2和所述測試集B3構(gòu)建并訓(xùn)練預(yù)測模型。具體的，輸入特征向量包括所述3個風(fēng)機頻率和所述15個末端風(fēng)閥開度，采用所述多任務(wù)學(xué)習(xí)架構(gòu)和所述混合專家構(gòu)建所述預(yù)測模型；所述預(yù)測模型采用Leaky ReLU作為基礎(chǔ)激活函數(shù)；所述送風(fēng)專家模塊ESA
、所述回風(fēng)專家模塊ERA
和所述排風(fēng)專家模塊EEA
分別使用一組等寬的全連接網(wǎng)絡(luò)構(gòu)建，所述多級萃取網(wǎng)絡(luò)的總級數(shù)為J；獨立任務(wù)分支塔的深度和寬度分別為DT
和WT
；采用所述AdamW優(yōu)化器作為所述預(yù)測模型的優(yōu)化器，采用MSE作為所述損失函數(shù)L2；使用所述合成數(shù)據(jù)集D2對所述預(yù)測模型進行預(yù)訓(xùn)練，然后在所述訓(xùn)練集A1上對所述預(yù)測模型進行微調(diào)；對Ne
、De
、We
、J、Nse
、Dse
、Wse
、DT
、WT
、訓(xùn)練學(xué)習(xí)率Ir
和批規(guī)模BS這些參數(shù)進行自動調(diào)優(yōu)。
具體的，在微調(diào)訓(xùn)練過程中使用所述驗證集A2的數(shù)據(jù)對所述預(yù)測模型的性能進行實時驗證，可以確保所述預(yù)測模型的正確訓(xùn)練。
進一步的，在全部訓(xùn)練完畢后使用所述測試集A3的數(shù)據(jù)對訓(xùn)練好的所述預(yù)測模型的性能進行檢測，可以確保訓(xùn)練好的所述預(yù)測模型具有較好的預(yù)測精度和泛化能力。
進一步的，所述預(yù)測模型基于所述增強精英保留的遺傳算法對該通風(fēng)系統(tǒng)進行優(yōu)化控制。
進一步的，基于所述節(jié)能率ξ對優(yōu)化控制后的所述通風(fēng)系統(tǒng)進行性能評價。
具體的，本實施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法僅需人工手動調(diào)試時間的3%（約17.21秒）即可找到更優(yōu)工況點并部署，極大提高了調(diào)試效率；通過對系統(tǒng)送風(fēng)量、系統(tǒng)回風(fēng)量和系統(tǒng)排風(fēng)量的精確控制，合理安排各區(qū)域的換氣次數(shù)和壓差梯度，可以減少不必要的通風(fēng)冗余，降低整體能耗和潔凈室的運行成本。
實施例二
本實施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制系統(tǒng)，請參照圖3所示，包括：
數(shù)據(jù)采集模塊，依次執(zhí)行：步驟S1：設(shè)定通風(fēng)系統(tǒng)穩(wěn)定時間，確定M組可控變量；步驟S2：下發(fā)一組所述可控變量，得到一組受控變量；待所述通風(fēng)系統(tǒng)穩(wěn)定時間滿足設(shè)定要求后對該組可控變量和該組受控變量的實際值進行采集，形成一條實采數(shù)據(jù)樣本；步驟S3：重復(fù)執(zhí)行步驟S2直至由所述M組可控變量得到M組所述受控變量，形成M條實采數(shù)據(jù)樣本；基于所述M條實采數(shù)據(jù)樣本得到實采數(shù)據(jù)集；步驟S4：基于BIM仿真模型構(gòu)建所述可控變量和所述受控變量的合成數(shù)據(jù)集；
模型構(gòu)建與訓(xùn)練模塊，對所述實采數(shù)據(jù)集和所述合成數(shù)據(jù)集進行預(yù)處理，得到訓(xùn)練集、驗證集和測試集；基于所述訓(xùn)練集、所述驗證集和所述測試集構(gòu)建并訓(xùn)練預(yù)測模型；
優(yōu)化控制模塊，基于所述預(yù)測模型對該通風(fēng)系統(tǒng)進行優(yōu)化控制；
性能評價模塊，基于節(jié)能率對優(yōu)化控制后的所述通風(fēng)系統(tǒng)進行性能評價；
其中，構(gòu)建所述預(yù)測模型時，所述模型構(gòu)建與訓(xùn)練模塊采用多任務(wù)學(xué)習(xí)架構(gòu)和混合專家模型，基于全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的輸入層，基于多級萃取網(wǎng)絡(luò)構(gòu)建所述預(yù)測模型的共享層，基于所述預(yù)測模型的輸出層輸出所述受控變量的預(yù)測值。
對于本實施例所提供的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制系統(tǒng)的介紹請參照實施例一，本實施例在此不再贅述。
本實施例提供了一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制系統(tǒng)，具有和上述一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法相同的有益效果。
實施例三
本實施例提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如實施例一所描述的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法的步驟。
對于本實施例所提供的一種計算機可讀存儲介質(zhì)的介紹請參照實施例一，本實施例在此不再贅述。
本實施例所提供的一種計算機可讀存儲介質(zhì)具有和所述的一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法相同的有益效果。
本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)（包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等）上實施的計算機程序產(chǎn)品的形式。
本申請是參照根據(jù)本申請實施例的方法、設(shè)備（系統(tǒng)）、和計算機程序產(chǎn)品的流程圖和／或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和／或方框圖中的每一流程和／或方框、以及流程圖和／或方框圖中的流程和／或方框的結(jié)合�？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和／或方框圖一個方框或多個方框中指定的功能的裝置。
這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和／或方框圖一個方框或多個方框中指定的功能。
這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和／或方框圖一個方框或多個方框中指定的功能的步驟。
顯然，上述實施例僅僅是為清楚地說明所作的舉例，并非對實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引申出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護范圍之中。

相關(guān)文章：

Tags：

上一條：一種潔凈室通風(fēng)管空氣過濾裝置下一條：一種用于潔凈室的過濾送風(fēng)裝置

午夜色色在线,鸥美黄色网,AV黄色小说天堂在线网站,小小影视av在线,亚洲天堂爱爱,SS色视频

一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和存儲介質(zhì)

最新文章

推薦文章

午夜色色在线,鸥美黄色网,AV黄色小说天堂在线网站,小小影视av在线,亚洲天堂爱爱,SS色视频

一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和存儲介質(zhì)

最新文章

推薦文章

一種潔凈室通風(fēng)系統(tǒng)的預(yù)測控制方法、系統(tǒng)和存儲介質(zhì)