CN119514389A 一种溶液除湿空调系统温湿度预测方法及其应用 （浙江爱达科技有限公司）

一种溶液除湿空调系统温湿度预测方法及本发明提供一种溶液除湿空调系统温湿度并训练混合神经网络空气温湿度预测模型直至2采集溶液除湿空调系统的真实运行数据，输入此混合神经网络空气温湿度预测模型，所述因果卷积分支包括连接的两层扩张因果卷积层，任一所述扩张因果卷积层第二个Dropout层的输出和卷积层的输出相度T.。估对应温度和湿度的混合神经网络空气温湿度预测3[0004]为了实现对溶液除湿空调系统的更精确和高效的实时控制以及提升能源利用效在多回路集中空调系统中采用了长短期记忆(LongShort_TermMemory,LSTM)模型来预现优于循环神经网络(RecurrentNeuralNetwork,RNN)模型。为了进一步降低参数的数量，Cho等人提出一种简化的LSTM网络，只保留两个门结构，就是门控循环单元(GatedRNN和LSTM等其他方法的表现。Li等人则基于时间延迟神经网络(TimeDelayNeuralNetwork,TDNN)和扩展神经网络(ExtendNeuralNetworks,ENN)对变风量空调系统中的设计一种CNN_LSTM模型用于室内温度预测，其中卷积神经网络(ConvolutionalNeural4[0008]基于此，本发明提供一种融合改进的金枪鱼算法(ImprovedTunaSwarm控循环单元(BidirectionalGatedRecurrentUnit,BiGRU)和自注意力机制(Self_Attentionmechanism,SA)的溶液除湿空调系统温湿度预测方法及其应用。[0011]优选地，所述混合神经网络空气温湿度预测模型包括顺次连接的时间卷积网络、络的输入端间设置金枪鱼算法(ITSO)的每个时间步只依赖于当前和过去的输入，扩张卷积在卷积核的元素之间插入扩张因子，5[0039]如图2所示，所述混合神经网络空气温湿度预测模型包括顺次连接的时间卷积网6[0041]具体来说，所述时间卷积网络TCN包括顺次连接的若干残差模块，其在传统一维o-Activaion(xtF(x)，x为输入；n是正交运算；TCN的输出序列与输入序列扩张卷积通过指数级增加卷积层的扩张率，使TCN能够以更少的网络层数实现最大可能的7为随机个体在t次迭代后的位置，和分别为第i个和第i_1个个体在t次迭代后的位[0061]采集的所述溶液除湿空调系统的运行数据包括对应温度的数据组和对应湿度的m及系统出口温度。8[0070](1)根据设计搭建溶液除湿空调系统实验平台，实验平台以氯化锂水溶液为除湿[0071](2)使用传感器实时采集溶液除湿空调系统在制冷与除湿工作过程中的运行数[0072]实验平台一共测得3268组样本数据，每组样本数据间隔时间为10秒，按照8:2划[0073](3)利用处理好的3268组数据中的训练集输入构建的混合神经网络空气温湿度预[0074](4)在测试集上分别评估模型对应温度和湿度的预测精度，采用以下5种评价指9[0082]温度预测精度RMSE=0.2665,MSE-0.0710,ME=0.1982,MAPE=1.447%,;[0083]湿度预测精度RMSE=0.1428,MSE-0.0204,MAE-0.0917,MAPE=1.551%,;[0084]结果表明本发明的混合神经网络空气温湿度预测模型具有较强的适用性和较高现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0090]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一