本發(fā)明涉及一種環(huán)境控制，特別是涉及一種智能化零碳排放園區(qū)樓宇節(jié)能控制方法、系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、隨著全球環(huán)境問題的加劇和環(huán)境保護意識的提高，建筑物的能源管理和環(huán)境控制成為了現(xiàn)代建筑設(shè)計中的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的環(huán)境控制系統(tǒng)通常依賴于預(yù)設(shè)的規(guī)則或簡單的反饋控制，難以應(yīng)對復(fù)雜、多變的外部環(huán)境和用戶需求。這些系統(tǒng)往往能效較低，且缺乏自適應(yīng)能力，無法根據(jù)實時環(huán)境變化做出最優(yōu)調(diào)整，導(dǎo)致能源浪費和用戶舒適度下降。

2、近年來，智能控制技術(shù)的發(fā)展為建筑環(huán)境控制提供了新的解決方案。通過引入人工智能和機器學(xué)習(xí)技術(shù)，建筑物的環(huán)境控制系統(tǒng)能夠根據(jù)歷史數(shù)據(jù)和實時環(huán)境參數(shù)做出更加精準的控制決策。其中，多層感知器(mlp)和長短期記憶網(wǎng)絡(luò)(lstm)作為深度學(xué)習(xí)中的典型模型，因其強大的非線性建模和時間序列預(yù)測能力，逐漸在智能控制系統(tǒng)中得到廣泛應(yīng)用。

3、然而，現(xiàn)有的智能控制系統(tǒng)大多僅針對單一變量(如溫度、光照或空氣質(zhì)量)進行優(yōu)化，未能實現(xiàn)對多個相關(guān)變量(如窗戶透光率、照明強度和空調(diào)功率)的綜合控制。此外，現(xiàn)有系統(tǒng)缺乏對設(shè)備運行狀態(tài)的實時監(jiān)測和故障自檢功能，導(dǎo)致系統(tǒng)維護復(fù)雜且成本高昂。因此，亟需一種集成lstm與mlp技術(shù)的智能控制系統(tǒng)，能夠綜合考慮多個環(huán)境控制變量，實現(xiàn)動態(tài)調(diào)節(jié)和自適應(yīng)優(yōu)化，進一步提高建筑物的能源效率和環(huán)境舒適度。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種智能化零碳排放園區(qū)樓宇節(jié)能控制系統(tǒng)、系統(tǒng)及介質(zhì)，利用基于lstm和mlp的智能環(huán)境控制系統(tǒng)，通過多變量聯(lián)合控制和自適應(yīng)學(xué)習(xí)，實現(xiàn)建筑物內(nèi)的智能化、自動化環(huán)境調(diào)節(jié)，大幅提升能效，減少碳排放，增強用戶體驗。

2、為了實現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種智能化零碳排放園區(qū)樓宇節(jié)能控制系統(tǒng)，包括：

3、數(shù)據(jù)處理模塊：包括溫度傳感器、光照傳感器、智能窗戶傳感器、電力消耗計量設(shè)備；

4、深度學(xué)習(xí)模塊：采用多層神經(jīng)網(wǎng)絡(luò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)對歷史數(shù)據(jù)進行學(xué)習(xí)與訓(xùn)練，預(yù)測未來的室內(nèi)環(huán)境需求；

5、智能控制模塊：基于深度學(xué)習(xí)模型的預(yù)測結(jié)果，實時調(diào)節(jié)窗戶的透光率和熱導(dǎo)率；

6、中央控制系統(tǒng)：通過智能控制模塊，與園區(qū)的能源管理系統(tǒng)對接，優(yōu)化整體能源利用。

7、本發(fā)明的一種優(yōu)選實施方式中，所述數(shù)據(jù)處理模塊包括：

8、數(shù)據(jù)采集：部署溫度傳感器、光照強度傳感器以及功率計量插座，持續(xù)采集室內(nèi)溫度t(t)、光照強度i(t)和能耗數(shù)據(jù)p(t)；

9、數(shù)據(jù)預(yù)處理：對采集到的數(shù)據(jù)進行清洗和歸一化處理，消除噪聲和異常值，為深度學(xué)習(xí)模型的訓(xùn)練提供高質(zhì)量的數(shù)據(jù)集，包括：

10、采用z-score歸一化處理：

11、

12、

13、

14、其中，zt(t)、zi(t)和zp(t)分別是處理后的溫度、光照強度和能耗數(shù)據(jù)，用于對缺失值的填補和異常值的替換；

15、μt、μi和μp分別是溫度、光照強度和能耗數(shù)據(jù)的平均值，σt、σi和σp分別是溫度、光照強度和能耗數(shù)據(jù)的標(biāo)準差；

16、將處理后的室內(nèi)溫度t(t)、光照強度i(t)和能耗數(shù)據(jù)p(t)組合為環(huán)境數(shù)據(jù)向量xt：

17、

18、xt是t時刻的環(huán)境數(shù)據(jù)向量。

19、本發(fā)明的一種優(yōu)選實施方式中，所述深度學(xué)習(xí)模塊包括：

20、模型訓(xùn)練：

21、使用lstm模型與mlp模型的組合對數(shù)據(jù)進行訓(xùn)練，

22、其中l(wèi)stm模型用來預(yù)測未來一段時間內(nèi)的光照變化和溫度趨勢，從而幫助系統(tǒng)提前做出調(diào)整決策，mlp模型用于接收lstm模型的預(yù)測輸入以及當(dāng)前的系統(tǒng)狀態(tài)，生成控制信號以優(yōu)化能效；

23、數(shù)據(jù)輸入：

24、xt＝[xt-n,xt-n+1,…,xt]；

25、其中，xt為輸入時間序列數(shù)據(jù)，包括過去n個時間點的環(huán)境數(shù)據(jù)向量xt；

26、xt-i為第t-i時刻的環(huán)境數(shù)據(jù)向量，其中整數(shù)i的取值范圍是0≤i≤n；

27、遺忘門：

28、ft＝σ(wf(t)·[ht-1,xt]+bf)；

29、ft是t時刻的遺忘門，wf(t)為t時刻遺忘門權(quán)重矩陣,ht-1是t-1時刻的隱狀態(tài),xt是t時刻的環(huán)境數(shù)據(jù)向量,bf為遺忘門的偏置,σ(*)是激活函數(shù)；

30、其中，遺忘門權(quán)重矩陣wf(t)的更新方式為：

31、

32、其中，ω是角頻率，控制周期項的周期，φ是相位偏移，決定周期項的初始值，cos(ωt+φ)是周期項，使得更新過程不會在某一固定方向上持續(xù)進行，從而防止模型陷入局部最優(yōu)解；

33、wf(t+1)是t+1時刻的遺忘門的權(quán)重矩陣，wf(t)是t時刻遺忘門的權(quán)重矩陣，wi(t)為t時刻輸入門的權(quán)重矩陣，wc(t)為t時刻候選記憶的權(quán)重矩陣，ε是用于防止分母為0的常數(shù)；

34、輸入門：

35、it＝σ(wi(t)·[ht-1,xt]+bi)；

36、

37、其中，it是t時刻的輸入門，是t時刻的候選記憶，wi(t)為t時刻輸入門的權(quán)重矩陣，wc(t)為t時刻候選記憶的權(quán)重矩陣；

38、bi為輸入門的偏置，bc為候選記憶的偏置；

39、tanh(*)是雙曲正切激活函數(shù)；

40、記憶更新：

41、

42、ct是t時刻的細胞狀態(tài)，ct-1是t-1時刻的細胞狀態(tài)；

43、輸出門：

44、ot＝σ(wo(t)·[ht-1,xt]+bo)；

45、ht＝ot·tanh(ct)；

46、ot是當(dāng)前時刻t的輸入門，wo(t)是t時刻輸出門的權(quán)重矩陣，bo是輸出門的偏置，ht是lstm模型的輸出，表示當(dāng)前時刻的隱狀態(tài)；

47、lstm模型的預(yù)測輸出：

48、

49、表示第t+k時刻的溫度和光照預(yù)測結(jié)果，lstm(*)是lstm模型的預(yù)測輸出。

50、本發(fā)明的一種優(yōu)選實施方式中，所述深度學(xué)習(xí)模塊包括：

51、mlp模型接收lstm的預(yù)測結(jié)果以及t時刻的環(huán)境數(shù)據(jù)向量xt和歷史控制輸出，生成控制信號，對空調(diào)功率、智能窗戶透光率和照明強度進行控制；

52、輸入：

53、

54、mt為mlp的輸入向量；

55、為第t+k時刻lstm模型的預(yù)測輸出；

56、xt是t時刻的環(huán)境數(shù)據(jù)向量；

57、ut-1為第t-1時刻的控制信號；

58、mlp計算公式：

59、h1＝tanh(w1·mt+b1)；

60、h2＝tanh(w2·h1+b2)；

61、ut＝w3·h2+b3+γδut-1；

62、其中，h1和h2分別表示第一隱藏層和第二隱藏層的激活輸出，w1和w2分別是第一隱藏層和第二隱藏層的權(quán)重矩陣，b1和b2分別是第一隱藏層和第二隱藏層的偏置向量；

63、γ是自適應(yīng)函數(shù)，用于調(diào)節(jié)控制信號變化量的影響力，δut-1是第t-1時刻的控制信號變化量；

64、其中，自適應(yīng)函數(shù)γ的計算方式為：

65、

66、w3是輸出層的權(quán)重矩陣，b3是輸出層的偏置向量，ut是生成的控制信號向量，包括窗戶透光率、照明強度和空調(diào)功率。

67、本發(fā)明的一種優(yōu)選實施方式中，所述智能控制模塊包括：

68、控制信號向量ut的數(shù)據(jù)結(jié)構(gòu)為：

69、ut＝[vt,it,pt]；

70、vt表示在當(dāng)前時刻t的電壓信號，用于控制智能窗戶透光率b(v)，it表示在當(dāng)前時刻t的光照控制信號，用于調(diào)整室內(nèi)光照強度，pt表示在當(dāng)前時刻t時的空調(diào)功率指令信號，以百分比的方式對空調(diào)功率進行調(diào)節(jié)；

71、其窗戶透光率b(v)與施加的電壓v之間的關(guān)系為：

72、

73、其中，b(v)是施加電壓v時的透光率，bmax是最大透光率，vmax表示材料所能承受的最大電壓，通過調(diào)節(jié)透光率b(v)，進而調(diào)節(jié)空調(diào)功率pt和光照控制信號it，在不影響實際運行的情況下，節(jié)省耗電量；

74、α是透光率變化的系數(shù)，取決于材料本身特性和具體的電致變色反應(yīng)，c為指數(shù)因子，描述透光率隨電壓變化的非線性程度。

75、本發(fā)明還公開了一種智能化零碳排放園區(qū)樓宇節(jié)能控制方法，包括以下步驟：

76、s1，采集包括溫度傳感器、光照傳感器、智能窗戶傳感器、電力消耗計量設(shè)備上的數(shù)據(jù)，并對數(shù)據(jù)進行處理；

77、s2，采用多層神經(jīng)網(wǎng)絡(luò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)對歷史數(shù)據(jù)進行學(xué)習(xí)與訓(xùn)練，預(yù)測未來的室內(nèi)環(huán)境需求；

78、s3，基于深度學(xué)習(xí)模型的預(yù)測結(jié)果，實時調(diào)節(jié)窗戶的透光率和熱導(dǎo)率；

79、s4，通過智能控制模塊，與園區(qū)的能源管理系統(tǒng)對接，優(yōu)化整體能源利用。

80、本發(fā)明還公開了一種計算機系統(tǒng)，包括：

81、處理器；

82、用于存儲處理器可執(zhí)行指令的存儲器；

83、其中，所述處理器被配置為執(zhí)行所述可執(zhí)行指令時實現(xiàn)所述的一種智能化零碳排放園區(qū)樓宇節(jié)能控制系統(tǒng)。

84、本發(fā)明還公開了一種計算機可讀存儲介質(zhì)，包括：

85、存儲器，其上存儲有計算機程序；

86、處理器，用于執(zhí)行所述存儲器中的所述程序，以實現(xiàn)所述的一種智能化零碳排放園區(qū)樓宇節(jié)能控制系統(tǒng)。

87、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

88、在智能樓宇節(jié)能控制系統(tǒng)中，將長短期記憶網(wǎng)絡(luò)(lstm)與多層感知機(mlp)相結(jié)合，在推動零碳排放目標(biāo)的優(yōu)勢如下：lstm網(wǎng)絡(luò)以其獨特的記憶單元設(shè)計，非常擅長處理時間序列數(shù)據(jù)，能夠捕捉到數(shù)據(jù)中的長期依賴關(guān)系。在智能樓宇環(huán)境中，這意味著lstm準確地預(yù)測未來一段時間內(nèi)的溫度、光照等環(huán)境參數(shù)的變化趨勢，從而體現(xiàn)時間序列預(yù)測的準確性，mlp模型則擅長根據(jù)當(dāng)前的輸入數(shù)據(jù)快速做出決策。在智能樓宇控制系統(tǒng)中，mlp根據(jù)lstm的預(yù)測結(jié)果以及實時的環(huán)境參數(shù)，如溫度、光照強度等，來動態(tài)調(diào)整控制策略。動態(tài)控制的靈活性增強，進一步提高節(jié)能效率。

89、通過lstm與mlp的結(jié)合，實現(xiàn)對能源消耗更精細化的管理，lstm提供準確的未來環(huán)境預(yù)測，而mlp則根據(jù)這些預(yù)測和實時數(shù)據(jù)生成精確的控制指令。這種精細化管理有助于減少能源浪費。從而促進樓宇的綠色認證和可持續(xù)發(fā)展。

90、綜上所述，lstm與mlp的結(jié)合在智能樓宇節(jié)能控制系統(tǒng)中發(fā)揮了重要作用，通過提高預(yù)測準確性、增強動態(tài)控制靈活性、實現(xiàn)能源消耗的精細化管理、延長設(shè)備使用壽命、提升用戶舒適度以及促進可持續(xù)發(fā)展等多方面的好處，共同推動了零碳排放目標(biāo)的實現(xiàn)。

91、本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。