CN107657351A - 一种基于plc与主元分析‑rbf神经网络的负荷预测系统 - Google Patents
一种基于plc与主元分析‑rbf神经网络的负荷预测系统 Download PDFInfo
- Publication number
- CN107657351A CN107657351A CN201711011695.3A CN201711011695A CN107657351A CN 107657351 A CN107657351 A CN 107657351A CN 201711011695 A CN201711011695 A CN 201711011695A CN 107657351 A CN107657351 A CN 107657351A
- Authority
- CN
- China
- Prior art keywords
- module
- load prediction
- plc
- screen
- pivot analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001537 neural effect Effects 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 238000004378 air conditioning Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种空调系统末端负荷预测领域,尤其是一种基于PLC与主元分析‑RBF神经网络的负荷预测系统，包括PLC逻辑控制器、触摸屏、上位机、ODBC数据模块、负荷预测模块、SQL数据库模块和数学软件模块，PLC逻辑控制器分别连接上位机连接触摸屏，上位机分别连接触摸屏和ODBC数据模块，ODBC数据模块和触摸屏均连接负荷预测模块，负荷预测模块通过SQL数据库模块连接数学软件模块，数学软件模块分别连接主元分析模块和RBF网络构建模块。本发明有益效果：本发明可降低原始数据的维度，从而可较大减少末端负荷算法的需求时间，而这对末端设备实时运行状态调整具有十分重要的意义，结构简单，安全可靠。
Description
技术领域
本发明涉及一种空调系统末端负荷预测领域，尤其是一种基于PLC与主元分析-RBF神经网络的负荷预测系统。
背景技术
在暖通领域，末端用冷负荷的准确预测是一个十分棘手的难题，但却又是一个十分重要且需要去解决的难题。目前由于先进的制造工艺，设备的效率基本上均能达到设计工况的最大值，此时比较突出的问题便是怎样合理的调用这些设备(暖通中的水泵、冷却塔风机、阀门、制冷主机等等)，从而实现整体能耗的最小化。末端用冷负荷预测可有效地解决上述问题，通过相关算法，预先知道末端的时序蓄冷量，便可以通过程序基于整体能耗最小化制定策略预先设置好设备的运行状态(水泵启的台数、运行时的频率、冷机启的台数、运行时的频率、制冷主机启的台数等等)。目前由于暖通系统中末端负荷的关联因素繁多(太阳辐射强度、太阳辐射角度、室外温湿度、天气状况、围护结构、建筑朝向、供回水温度、供回水压力、供回水流量、时间段、节假日等等)，因而直接利用繁多的初始数据来实现末端负荷的预测十分困难并且由于计算量大，从而也会导致末端负荷预测结果时滞性较大，不利于设备调节的实时性。
因此，对于上述问题有必要提出一种基于PLC与主元分析-RBF神经网络的负荷预测系统。
发明内容
本发明目的是克服了现有技术中的不足，提供了一种基于PLC与主元分析-RBF神经网络的负荷预测系统。
为了解决上述技术问题，本发明是通过以下技术方案实现：
一种基于PLC与主元分析-RBF神经网络的负荷预测系统，包括PLC逻辑控制器、触摸屏、上位机、ODBC数据模块、负荷预测模块、SQL数据库模块和数学软件模块，所述PLC逻辑控制器分别连接上位机连接触摸屏，所述上位机分别连接触摸屏和ODBC数据模块，所述ODBC数据模块和触摸屏均连接负荷预测模块，所述负荷预测模块通过SQL数据库模块连接数学软件模块，所述数学软件模块分别连接主元分析模块和RBF网络构建模块。
优选地，所述PLC逻辑控制器分别进行预测样本和预测负荷值。
优选地，所述上位机内设安装有上位机组态软件。
优选地，所述触摸屏内安装有触摸屏组态软件。
优选地，所述数学软件模块包括数学应用软件和数学教学软件。
优选地，所述主元分析模块和RBF网络构建模块均连接权值矩阵。
本发明有益效果：本发明可降低原始数据的维度，从而可较大减少末端负荷算法的需求时间，而这对末端设备实时运行状态调整具有十分重要的意义，结构简单，安全可靠。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的结构框图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
如图1所示，一种基于PLC与主元分析-RBF神经网络的负荷预测系统，包括PLC逻辑控制器、触摸屏、上位机、ODBC数据模块、负荷预测模块、SQL数据库模块和数学软件模块，所述PLC逻辑控制器分别连接上位机连接触摸屏，所述上位机分别连接触摸屏和ODBC数据模块，所述ODBC数据模块和触摸屏均连接负荷预测模块，所述负荷预测模块通过SQL数据库模块连接数学软件模块，所述数学软件模块分别连接主元分析模块和RBF网络构建模块。
进一步的，所述PLC逻辑控制器分别进行预测样本和预测负荷值，所述上位机内设安装有上位机组态软件。
进一步的，所述触摸屏内安装有触摸屏组态软件，所述数学软件模块包括数学应用软件和数学教学软件，所述主元分析模块和RBF网络构建模块均连接权值矩阵。
本发明可降低原始数据的维度，从而可较大减少末端负荷算法的需求时间，而这对末端设备实时运行状态调整具有十分重要的意义，结构简单，安全可靠。
本发明将暖通控制中常用的PLC控制手段与基于主元分析-RBF神经网络的负荷预测的算法相结合，通过主元分析可以实现原始相关性的减弱或者剔除(末端负荷关联因素繁多，但是关联因素之间存在一定程度的关联性，主元分析主要是用来减弱或者提出这种相关性，通过空间变化，选取最能代表原始数据的隐藏，在一定程度上能够实现数据的降维)再通过构建收敛性良好的RBF神经网络实现对用于负荷预测样本的训练，得到权权值矩阵。新的预测样本结合权值矩阵便可实现末端负荷的准确预测。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (6)
1.一种基于PLC与主元分析-RBF神经网络的负荷预测系统，其特征在于：包括PLC逻辑控制器、触摸屏、上位机、ODBC数据模块、负荷预测模块、SQL数据库模块和数学软件模块，所述PLC逻辑控制器分别连接上位机连接触摸屏，所述上位机分别连接触摸屏和ODBC数据模块，所述ODBC数据模块和触摸屏均连接负荷预测模块，所述负荷预测模块通过SQL数据库模块连接数学软件模块，所述数学软件模块分别连接主元分析模块和RBF网络构建模块。
2.如权利要求1所述的一种基于PLC与主元分析-RBF神经网络的负荷预测系统，其特征在于：所述PLC逻辑控制器分别进行预测样本和预测负荷值。
3.如权利要求1所述的一种基于PLC与主元分析-RBF神经网络的负荷预测系统，其特征在于：所述上位机内设安装有上位机组态软件。
4.如权利要求1所述的一种基于PLC与主元分析-RBF神经网络的负荷预测系统，其特征在于：所述触摸屏内安装有触摸屏组态软件。
5.如权利要求1所述的一种基于PLC与主元分析-RBF神经网络的负荷预测系统，其特征在于：所述数学软件模块包括数学应用软件和数学教学软件。
6.如权利要求1所述的一种基于PLC与主元分析-RBF神经网络的负荷预测系统，其特征在于：所述主元分析模块和RBF网络构建模块均连接权值矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711011695.3A CN107657351A (zh) | 2017-10-26 | 2017-10-26 | 一种基于plc与主元分析‑rbf神经网络的负荷预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711011695.3A CN107657351A (zh) | 2017-10-26 | 2017-10-26 | 一种基于plc与主元分析‑rbf神经网络的负荷预测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107657351A true CN107657351A (zh) | 2018-02-02 |
Family
ID=61118116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711011695.3A Pending CN107657351A (zh) | 2017-10-26 | 2017-10-26 | 一种基于plc与主元分析‑rbf神经网络的负荷预测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107657351A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960309A (zh) * | 2018-06-11 | 2018-12-07 | 宁波大学 | 一种基于rbf神经网络自相关性剔除的动态过程监测方法 |
| CN110159554A (zh) * | 2019-05-24 | 2019-08-23 | 武汉工程大学 | 基于主元分析和序贯概率比检验的离心泵故障诊断方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913175A (zh) * | 2016-04-07 | 2016-08-31 | 哈尔滨理工大学 | 基于改进神经网络算法的智能电网短期负荷预测方法 |
| CN106600059A (zh) * | 2016-12-13 | 2017-04-26 | 北京邮电大学 | 基于改进rbf神经网络的智能电网短期负荷预测方法 |
-
2017
- 2017-10-26 CN CN201711011695.3A patent/CN107657351A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913175A (zh) * | 2016-04-07 | 2016-08-31 | 哈尔滨理工大学 | 基于改进神经网络算法的智能电网短期负荷预测方法 |
| CN106600059A (zh) * | 2016-12-13 | 2017-04-26 | 北京邮电大学 | 基于改进rbf神经网络的智能电网短期负荷预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 代如静 等: "冰蓄冷中央空调智能监控系统研究开发", 《自动化技术与应用》 * |
| 戴坤成 等: "基于PCA与RBF的建筑能耗预测建模", 《福州大学学报(自然科学版)》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960309A (zh) * | 2018-06-11 | 2018-12-07 | 宁波大学 | 一种基于rbf神经网络自相关性剔除的动态过程监测方法 |
| CN108960309B (zh) * | 2018-06-11 | 2021-11-05 | 宁波大学 | 一种基于rbf神经网络自相关性剔除的动态过程监测方法 |
| CN110159554A (zh) * | 2019-05-24 | 2019-08-23 | 武汉工程大学 | 基于主元分析和序贯概率比检验的离心泵故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100578106C (zh) | 中央空调冷冻站质量并调控制方法及系统 | |
| Ma et al. | Energy efficient control of variable speed pumps in complex building central air-conditioning systems | |
| CN103912966B (zh) | 一种地源热泵制冷系统优化控制方法 | |
| CN103411293B (zh) | 基于末端冷量主动性调节的空调冷水系统控制方法及装置 | |
| CN110410942B (zh) | 一种冷热源机房节能优化控制方法及系统 | |
| CN110392515A (zh) | 一种基于历史数据的冷热源机房节能控制方法及系统 | |
| CN100523635C (zh) | 中央空调智能群控系统 | |
| Tianyi et al. | On-line optimization control method based on extreme value analysis for parallel variable-frequency hydraulic pumps in central air-conditioning systems | |
| CN114383299B (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
| CN110107989A (zh) | 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法 | |
| CN109976419B (zh) | 区域供冷供热蒸汽减温减压自动控制系统及方法 | |
| CN102721156A (zh) | 中央空调自寻优智能模糊控制装置及其控制方法 | |
| CN102052739A (zh) | 基于无线传感器网络的中央空调智能控制系统及方法 | |
| CN201059715Y (zh) | 一种中央空调冷冻站质量并调控制系统 | |
| CN1687852A (zh) | 中央空调数字化控制节能方法 | |
| CN115789957A (zh) | 一种供能调控方法、装置、设备及存储介质 | |
| CN110895029A (zh) | 一种基于冷冻水的温度的建筑负荷预测方法 | |
| CN107657351A (zh) | 一种基于plc与主元分析‑rbf神经网络的负荷预测系统 | |
| CN109028447A (zh) | 一种基于云计算的空调制冷机房智能控制系统以及控制方法 | |
| Zhao et al. | An online predictive control method with the temperature based multivariable linear regression model for a typical chiller plant system | |
| CN110848895A (zh) | 一种非工空调柔性负荷控制方法和系统 | |
| CN113655762A (zh) | 一种燃气供能系统运行优化控制方法及系统 | |
| CN201964577U (zh) | 中央空调节能控制系统 | |
| Zhuang et al. | A decentralized method for energy conservation of an HVAC system | |
| CN111427268A (zh) | 一种煤矿能源优化控制系统和优化控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180202 |