CN119508915A 一种基于供冷系统中水蓄冷、相变蓄冷的联合控制方法及系统 （广州泰阳能源科技有限公司）

测模型输出的趋势特征集合以及设备状态信息冷策略模型，使供冷系统在面对新的蓄冷需求2将蓄冷需求信息、电价波动信息以及气象信息输入至预训练好的预将预测模型输出的趋势特征集合以及设备状态信息输入至匹配的联邦蓄冷策略模型基于绿色经济需求信息以及预设置的优化算法对联邦蓄冷策略模型生成的蓄冷策略进行求解，以输出基于水蓄冷参数与相变蓄冷参数联合调配的最优蓄冷策略集至供冷系关联层基于动态调整后的权重，对各模态数据进行跨模态信息融合以及分析层基于关联特征以及预存储的历史数据，对气象环基于水蓄冷设备以及相变蓄冷设备的设备状态信息和用户需求信息构建供冷特征向通过预设的相似度匹配规则匹配供冷特征向量对应的联邦蓄冷测模型输出的趋势特征集合以及设备状态信息输入至匹配的联邦蓄冷策略模型进行蓄冷水蓄冷匹配层基于气象环境趋势特征、需求变化趋势特征以及设备状相变蓄冷匹配层基于气象环境趋势特征、电价变化趋势特存储的相变蓄冷策略库中匹配若干相变蓄冷策整合层基于需求变化趋势特征对若干水蓄冷策略项以及若干相变蓄冷策略项进行整3数达到最大迭代次数以及初始温度通过降温函数降低至终G、将每组同组验证集中当前的初始化蓄冷策略解打包为最优蓄冷策略集并输出至供征在于：所述基于经济目标函数计算同组验证集的差值AE，并通过Metropolis参数对AEAE验证不通过。信息获取模块，用于当接收到来自交互终端的用户需求信息第一输入模块，用于将蓄冷需求信息、电价波动信息以第二输入模块，用于将预测模型输出的趋势特征集合以4策略求解模块，用于基于绿色经济需求信息以及预设置的优化算法识别层模块，用于分别对蓄冷需求信息、电价波动信息以及气调整层模块，用于基于预设的注意力机制以及蓄冷关联层模块，用于基于动态调整后的权重，对各模态数据进行跨模5分别获取水蓄冷设备以及相变蓄冷设备的设备状态信息，并基于预设的匹配条将预测模型输出的趋势特征集合以及设备状态信息输入至匹配的联邦蓄冷策略6基于绿色经济需求信息以及预设置的优化算法对联邦蓄冷策略模型生成的蓄冷特征集合与设备状态信息一同输入到所选的联邦蓄冷策略模型中，以生成具体的蓄冷策7基于水蓄冷设备以及相变蓄冷设备的设备状态信息和用户需求信息构建供冷特通过预设的相似度匹配规则匹配供冷特征向量对应的联邦蓄冷[0010]通过采用上述技术方案，在获取水蓄冷设备及相变蓄冷预存储的水蓄冷策略库中匹配若干水蓄冷策略相变蓄冷匹配层基于气象环境趋势特征、电价变化趋势特征以及设备状态信息，从预存储的相变蓄冷策略库中匹配若干相变蓄冷策略项；整合层基于需求变化趋势特征对若干水蓄冷策略项以及若干相变蓄冷策略项进8代次数达到最大迭代次数以及初始温度通过降温函数降低G、将每组同组验证集中当前的初始化蓄冷策略解打包为最优蓄冷策略集并输出候选蓄冷策略组成同组验证集；基于经济目标函数计算同组验证集的差值，并利用9模型输出的趋势特征集合以及设备状态信息输入至匹配的联邦蓄冷策略模型进行蓄冷策5.本申请通过采用模拟退火算法结合绿色经济需求信息对联邦蓄冷策略模型进[0022]图1是本申请一种基于供冷系统中水蓄冷、相变蓄冷的联合控制方法实施例的一图2是本申请一种基于供冷系统中水蓄冷、相变蓄冷的联合控制方法实施例中步图3是本申请一种基于供冷系统中水蓄冷、相变蓄冷的联合控制方法实施例中步和更稳定的室内温度控制效果，相变材料的高热储存密度使得系统能够更有效地储存热段时间内的气象条件变化特征；电价变化趋势为预测模型通过分析输入的电价波动信息，配条件为一系列用于选择最适合当前设备状态和用户需求的联邦蓄冷策略模型的标准或匹配的联邦蓄冷策略模型对应于水蓄冷设备以及相变蓄冷设备的设备状态信息以及匹配S40：将预测模型输出的趋势特征集合以及设备状态信息输入至匹配的联邦蓄冷S50：基于绿色经济需求信息以及预设置的优化算法对联邦蓄冷策略模型生成的S31：基于水蓄冷设备以及相变蓄冷设备的设备状态信息和用户需求信息构建供规则被用于比较供冷特征向量与联邦蓄冷策略模型之间的S41：水蓄冷匹配层基于气象环境趋势特征、需求变化趋势特征以及设备状态信S43：整合层基于需求变化趋势特征对若干水蓄冷策略项以及若干相变蓄冷策略储的水蓄冷策略库中筛选出若干适合当前情况的水蓄冷策略项；水蓄冷策略库为存储了多水蓄冷设备在不同条件下的运行；相变蓄冷匹配层为联邦蓄冷策略模型的第二层，用于相受电价波动影响更大）以及设备状态信息，从预存储的相变蓄冷策略库中挑选出若干相变蓄冷策略项；相变蓄冷策略库为存储了多种相变蓄冷策略的数据库或集合，相变蓄考虑相变材料的特性、电价波动以及用户需求等因素；整合层为联邦蓄冷策略模型的最后一层，用于将水蓄冷匹配层和相变蓄冷匹配层筛选出的策略项进行整合，其基于需求变化趋势特征（即用户对未来冷却需求的变化预期综合考虑水蓄冷和相变蓄冷的优势与限环境、电价、用户需求及设备状态制定的具体蓄冷计划或方案，包括蓄冷开始和结束的时代次数达到最大迭代次数以及初始温度通过降温函数降低G、将每组同组验证集中当前的初始化蓄冷策略解打包为最优蓄冷策略集并输出较差解的概率；波尔茨曼常数为物理学中的一个常数，用于描述粒子系统的温度与能量之度为模拟退火算法中的一个重要参数，其随着算法的迭代逐渐降低，温度的高低决定了算具体的，计算当前初始化蓄冷策略解与其候选蓄冷策略之间的经济目标函数差的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限目标函数，所述退火参数集包括初始温度、降温函数、终止温度、最大迭代次数以及