CN116817537B - 基于外界温度测量的多时段冷库制冷控制方法及系统 - Google Patents

Abstract

本发明提供一种基于外界温度测量的多时段冷库制冷控制方法及系统，涉及制冷技术领域，所述方法包括：根据第一天气预报数据和冷库外部的第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；根据预报温度补偿参数和第二天气预报温度，获得外部预测温度数据；根据第i个时段内的制冷功率、第一温度数据、第二温度数据、外部预测温度数据和设定温度，获得预测制冷功率；在第i+1个时段内，通过预测制冷功率，对冷库内部进行制冷。根据本发明，可对天气预报温度进行补偿，从而提升冷库外部温度的预测准确性，并可在外部温度变化的情况下，及时调整制冷功率，使冷库及时达到理想的制冷效果。

Description

基于外界温度测量的多时段冷库制冷控制方法及系统

技术领域

本发明涉及制冷技术领域，尤其涉及一种基于外界温度测量的多时段冷库制冷控制方法及系统。

背景技术

在冷库的制冷过程中，冷库外部的温度对于冷库内部的制冷效果存在一定影响，例如，冷库内外热交换对冷库内部的制冷效果的影响，以及，冷库外部环境对于冷库的制冷机组的制冷循环过程的影响等，因此，在不同的外部环境之下，对冷库的制冷效果可能产生影响。相关技术中，通常使用隔热材料来减少冷库内外热交换，但无法对制冷功率进行调节，以在不同的外部温度环境下使冷库内部达到理想的制冷效果。

发明内容

本发明提供一种基于外界温度测量的多时段冷库制冷控制方法及系统，可解决在外部温度变化的情况下，无法及时调整制冷功率，使冷库及时达到理想的制冷效果的技术问题。

提供一种基于外界温度测量的多时段冷库制冷控制方法,包括：

在第i个时段内的多个时刻，通过设置在冷库内部的第一温度传感器采集冷库内的第一温度数据，并通过设置在冷库外部的第二温度传感器采集冷库外的第二温度数据，其中，i为正整数；

获取所述冷库内部的设定温度，以及第i个时段内的制冷功率；

获取冷库所在地理位置在第i个时段内的第一天气预报温度，以及第i+1个时段内的第二天气预报温度；

根据第一天气预报数据和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；

根据所述预报温度补偿参数，以及所述第二天气预报温度，对第i+1个时段内冷库外的温度进行预测，获得外部预测温度数据；

根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率；

在第i+1个时段内，通过所述预测制冷功率，对所述冷库内部进行制冷。

根据第一天气预报数据和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数，包括：

根据公式

获得预报温度补偿参数，其中，为第i个时段内第j个时刻的冷库外部的 第二温度数据，上标表示冷库外部，n为各个时段内的时刻数量，j≤n，且j和n均为正整 数，为所述第一天气预报温度，上标表示天气预报。

根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率，包括：

根据所述第一温度数据和所述第二温度数据，获得第i个时段内各个时刻的温度差异数据；

根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数；

根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型；

根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率。

根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数，包括：

根据公式

确定温度差异影响系数，其中，为第k个时刻的温度差异数据，为第 k+1个时刻的温度差异数据，上标表示冷库内部和外部的差异，为第i个时段 内第k个时刻的冷库内部的第一温度数据，为第i个时段内第k+1个时刻的冷库 内部的第一温度数据，上标表示冷库内部，为第i个时段内的制冷功率，为各个时刻 之间的间隔时长，n为各个时段内的时刻数量，k为小于或等于n-1的正整数。

根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型，包括：

确定第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据之间的第一温度下降值；

将所述第一温度下降值、所述温度差异影响系数、所述第二温度数据、以及第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据输入功率预测模型，获得预测功率，以及第i个时间段内多个时刻的预测温度数据；

根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数；

根据所述损失函数，训练所述功率预测模型，获得所述训练后的功率预测模型。

根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数，包括：

根据公式

获得所述功率预测模型的损失函数L，其中，为第i个时段内的制冷功率，为 所述预测功率，n为各个时段内的时刻数量，为第t个时刻的预测温度数据，为第t+ 1个时刻的预测温度数据，为第2个时刻的预测温度数据，为第n-1个时刻的预测 温度数据，为第i个时段内第t个时刻的冷库内部的第一温度数据，为第i 个时段内第1个时刻的冷库内部的第一温度数据，为第i个时段内第n个时刻的冷 库内部的第一温度数据，为温度差异影响系数，为第i个时段内第t个时刻的冷库 外部的第二温度数据，为第i个时段内第t+1个时刻的冷库外部的第二温度数 据，为第i个时段内第2个时刻的冷库外部的第二温度数据，为第i个时 段内第n-1个时刻的冷库外部的第二温度数据，为各个时刻之间的间隔时长，为第 t个时刻的温度差异数据，为第n个时刻的温度差异数据，为第1个时刻的温度 差异数据，t为小于或等于n-1的正整数，、、和为预设权重。

根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率，包括：

根据第i个时段内的最后一个时刻的第一温度数据与设定温度，确定第i+1个时段内的预设温度下降值；

根据将所述预设温度下降值、所述温度差异影响系数、所述外部预测温度数据、以及第i个时段内的最后一个时刻的第一温度数据与设定温度，输入训练后的功率预测模型，获得第i+1个时段内的多个时刻的预测温度数据，以及第i+1个时段内的预测制冷功率。

本发明提供一种基于外界温度测量的多时段冷库制冷控制系统，所述系统包括：

测量模块，用于在第i个时段内的多个时刻，通过设置在冷库内部的第一温度传感器采集冷库内的第一温度数据，并通过设置在冷库外部的第二温度传感器采集冷库外的第二温度数据，其中，i为正整数；

获取模块，用于获取所述冷库内部的设定温度，以及第i个时段内的制冷功率；

预报模块，用于获取冷库所在地理位置在第i个时段内的第一天气预报温度，以及第i+1个时段内的第二天气预报温度；

补偿模块，用于根据第一天气预报数据和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；

外部温度预测模块，用于根据所述预报温度补偿参数，以及所述第二天气预报温度，对第i+1个时段内冷库外的温度进行预测，获得外部预测温度数据；

制冷功率预测模块，用于根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率；

制冷模块，用于在第i+1个时段内，通过所述预测制冷功率，对所述冷库内部进行制冷。

所述补偿模块进一步用于：

根据公式

获得预报温度补偿参数，其中，为第i个时段内第j个时刻的冷库外部的 第二温度数据，上标表示冷库外部，n为各个时段内的时刻数量，j≤n，且j和n均为正整 数，为所述第一天气预报温度，上标表示天气预报。

所述制冷功率预测模块进一步用于：

根据所述第一温度数据和所述第二温度数据，获得第i个时段内各个时刻的温度差异数据；

根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数；

根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型；

根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率。

所述制冷功率预测模块进一步用于：

根据公式

确定温度差异影响系数，其中，为第k个时刻的温度差异数据，为第 k+1个时刻的温度差异数据，上标表示冷库内部和外部的差异，为第i个时段 内第k个时刻的冷库内部的第一温度数据，为第i个时段内第k+1个时刻的冷库 内部的第一温度数据，上标表示冷库内部，为第i个时段内的制冷功率，为各个时刻 之间的间隔时长，n为各个时段内的时刻数量，k为小于或等于n-1的正整数。

所述制冷功率预测模块进一步用于：

确定第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据之间的第一温度下降值；

将所述第一温度下降值、所述温度差异影响系数、所述第二温度数据、以及第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据输入功率预测模型，获得预测功率，以及第i个时间段内多个时刻的预测温度数据；

根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数；

根据所述损失函数，训练所述功率预测模型，获得所述训练后的功率预测模型。

所述制冷功率预测模块进一步用于：

根据公式

获得所述功率预测模型的损失函数L，其中，为第i个时段内的制冷功率，为 所述预测功率，n为各个时段内的时刻数量，为第t个时刻的预测温度数据，为第t+ 1个时刻的预测温度数据，为第2个时刻的预测温度数据，为第n-1个时刻的预测 温度数据，为第i个时段内第t个时刻的冷库内部的第一温度数据，为第i 个时段内第1个时刻的冷库内部的第一温度数据，为第i个时段内第n个时刻的冷 库内部的第一温度数据，为温度差异影响系数，为第i个时段内第t个时刻的冷库 外部的第二温度数据，为第i个时段内第t+1个时刻的冷库外部的第二温度数 据，为第i个时段内第2个时刻的冷库外部的第二温度数据，为第i个时 段内第n-1个时刻的冷库外部的第二温度数据，为各个时刻之间的间隔时长，为第 t个时刻的温度差异数据，为第n个时刻的温度差异数据，为第1个时刻的温度 差异数据，t为小于或等于n-1的正整数，、、和为预设权重。

所述制冷功率预测模块进一步用于：

根据第i个时段内的最后一个时刻的第一温度数据与设定温度，确定第i+1个时段内的预设温度下降值；

根据将所述预设温度下降值、所述温度差异影响系数、所述外部预测温度数据、以及第i个时段内的最后一个时刻的第一温度数据与设定温度，输入训练后的功率预测模型，获得第i+1个时段内的多个时刻的预测温度数据，以及第i+1个时段内的预测制冷功率。

本发明能够对天气预报温度进行补偿，从而提升冷库外部温度的预测准确性，进而基于实测的冷库内外的温度数据，以及预测的未来时段的外部预测温度数据来调节未来时段的制冷功率，从而可在外部温度变化的情况下，及时调整制冷功率，使冷库及时达到理想的制冷效果。并可使用实测的第二温度数据的平均值和第一天气预报温度之间的比值，来确定预报温度补偿参数，进而可在预测未来时段的冷库外的温度时，提升预测准确性。在确定温度差异影响系数时，可利用冷柜内的温度下降速度与制冷功率和温度差异数据之间的相关性，来确定温度下降速度与制冷功率和温度差异数据之间的关系，并通过求解多个时间段内的上述关系的平均值，来确定准确性较高的温度差异影响系数。在训练功率预测模型时，可缩小预测功率和预测温度数据的误差，并使预测功率和预测温度数据满足温度差异影响系数的约束，从而提升功率预测模型的准确性，提高预测功率和预测温度数据的精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本发明。根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将更清楚。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例，

图1示例性地示出根据本发明实施例的基于外界温度测量的多时段冷库制冷控制方法的流程示意图；

图2示例性地示出根据本发明实施例的基于外界温度测量的多时段冷库制冷控制系统的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1示例性地示出根据本发明实施例的基于外界温度测量的多时段冷库制冷控制方法的流程示意图，所述方法包括：

步骤S101，在第i个时段内的多个时刻，通过设置在冷库内部的第一温度传感器采集冷库内的第一温度数据，并通过设置在冷库外部的第二温度传感器采集冷库外的第二温度数据，其中，i为正整数；

步骤S102，获取所述冷库内部的设定温度，以及第i个时段内的制冷功率；

步骤S103，获取冷库所在地理位置在第i个时段内的第一天气预报温度，以及第i+1个时段内的第二天气预报温度；

步骤S104，根据第一天气预报数据和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；

步骤S105，根据所述预报温度补偿参数，以及所述第二天气预报温度，对第i+1个时段内冷库外的温度进行预测，获得外部预测温度数据；

步骤S106，根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率；

步骤S107，在第i+1个时段内，通过所述预测制冷功率，对所述冷库内部进行制冷。

根据本发明的实施例的基于外界温度测量的多时段冷库制冷控制方法，能够对天气预报温度进行补偿，从而提升冷库外部温度的预测准确性，进而基于实测的冷库内外的温度数据，以及预测的未来时段的外部预测温度数据来调节未来时段的制冷功率，从而可在外部温度变化的情况下，及时调整制冷功率，使冷库及时达到理想的制冷效果。

根据本发明的一个实施例，冷库内部的温度调控会收到外部温度的影响，例如，冷库外部温度过高，可能会与冷库内部进行热交换，影响制冷效率，或者，还可能影响制冷机组的冷凝剂散热，从而降低制冷循环的效率。因此，可实时测量冷库内部和冷库外部的温度，从而及时调整制冷功率，从而达到适当的制冷效果。

根据本发明的一个实施例，在步骤S101中，可在冷库内部设置第一温度传感器，并在冷库外部设置第二温度传感器。在每个时段内的多个时刻，可由第一温度传感器采集第一温度数据，并由第二温度传感器采集第二温度数据。其中，每个时段的持续时长可以是1小时、2小时等，每个时刻之间的时间间隔可以是30秒、1分钟等，本发明对此不做限制。

根据本发明的一个实施例，在步骤S102中，可获取冷库内部的设定温度以及第i个时段内的制冷功率。在示例中，可使用设定温度和第一温度数据之间的偏差来确定第i个时段内的制冷功率是否适当，例如，可判断是否使冷柜内部的温度在下一个时段内达到设定温度。

根据本发明的一个实施例，在步骤S103中，可获取冷库所在地理位置在第i个时段内的第一天气预报温度和第i+1个时段内的第二天气预报温度。冷柜的地理位置可以是冷柜所在的城市、区县等，天气预报的数据可按照时间段进行播报，例如，上午9点-10点之间的温度数据，下午14点-15点之间的温度数据等，可通过互联网查询冷柜所在地理位置在第i个时段内的第一天气预报温度和第i+1个时段内的第二天气预报温度。

根据本发明的一个实施例，在步骤S104中，由于天气预报数据通常会发布冷库所在的地区的平均温度，并非精确到冷库所在的具体位置，因此，冷库外部的实际温度和第一天气预报温度之间可能存在偏差。因此，第二天气预报温度与第i+1个时段内的实测温度预计也会出现偏差。为了克服该问题，可基于第i个时段内冷库外实测的第二温度数据与第一天气预报温度之间的偏差来求解预报温度补偿参数，从而对第i+1个时段内的第二天气预报温度进行补偿，从而使第i+1个时段内冷库外部的温度预测更加精确。

根据本发明的一个实施例，步骤S104可包括：根据公式（1），获得预报温度补偿参 数，

（1）

其中，为第i个时段内第j个时刻的冷库外部的第二温度数据，上标表 示冷库外部，n为各个时段内的时刻数量，j≤n，且j和n均为正整数，为所述第一天气预 报温度，上标表示天气预报。

根据本发明的一个实施例，可求解第i个时段内第j个时刻的冷库外部的第二温度 数据的平均值，即，，进而可求解该平均值与第一天气预报温度之间的比值，该 比值可作为预报温度补偿参数，用于描述冷库外部的实际温度与天气预报温度之间的比例 关系。

通过这种方式，可使用实测的第二温度数据的平均值和第一天气预报温度之间的比值，来确定预报温度补偿参数，进而可在预测未来时段的冷库外的温度时，提升预测准确性。

根据本发明的一个实施例，在步骤S105中，可通过第二天气预报温度与上述预报温度补偿参数的乘积，来确定第i+1个时段内的外部预测温度数据，并可认为在第i+1个时段内冷库外部的温度保持不变，始终等于所述外部预测温度数据。

根据本发明的一个实施例，在步骤S106中，可预测第i+1个时段内的预测制冷功率，使得冷库内部可在第i+1个时段内调节至设定温度。即，可在第i个时段内的制冷功率不恰当的情况下及时调整制冷功率，获得第i+1个时段内的适当的制冷功率，从而提升制冷效果。

根据本发明的一个实施例，步骤S106可包括：根据所述第一温度数据和所述第二温度数据，获得第i个时段内各个时刻的温度差异数据；根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数；根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型；根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率，其中，所述功率预测模型为BP（Back Propagation，反向传播）神经网络模型。

根据本发明的一个实施例，可将第i个时段内每个时刻的第一温度数据和第二温度数据进行作差处理，可获得第i个时段内各个时刻的温度差异数据。温度的差异可对制冷效果产生一定影响，可确定在第i个时段内的制冷功率的制冷作用下，温度差异数据对于制冷效果所产生的影响，例如，可确定在制冷功率不变的情况下，随着温度差异数据的变化，第一温度数据的变化规律，例如，第一温度数据的变化速度等，从而可确定温度差异数据对于制冷效果所产生的影响。

根据本发明的一个实施例，根据所述温度差异数据，所述第i个时段内的制冷功 率，和所述第一温度数据，确定温度差异影响系数，包括：根据公式（2），确定温度差异影响 系数，

（2）

其中，为第k个时刻的温度差异数据，为第k+1个时刻的温度差异数 据，上标表示冷库内部和外部的差异，为第i个时段内第k个时刻的冷库内部 的第一温度数据，为第i个时段内第k+1个时刻的冷库内部的第一温度数据，上 标表示冷库内部，为第i个时段内的制冷功率，为各个时刻之间的间隔时长，n为各 个时段内的时刻数量，k为小于或等于n-1的正整数。

根据本发明的一个实施例，在公式（2）中，表示在第k个时刻和第k+1 个时刻的温度差异数据的平均值，可用于代表在第k个时刻和第k+1个时刻之间的时间段内 冷库内外的平均温度差异。并且，平均温度差异越大，温度下降的速率越慢，即，平均温度差 异和温度下降速率反相关，在第k个时刻和第k+1个时刻之间的时间段内，冷库内的温度下 降速率可通过来表示。进一步地，温度下降的速率与制冷功率成正比。因 此，第k个时刻和第k+1个时刻之间的时间段内，冷库内的温度下降速率是在制冷功率的 正相关作用，和温度差异数据的平均值的反相关作用下的结果，即，可利用温度影响系数与 制冷功率相乘，并求解该乘积与温度差异数据的比值，可得到冷库内的温度下降速率。换言 之，可利用温度下降速率与温度差异数据的平均值相乘，并求解该乘积与制冷功率的比值， 可获得温度差异影响系数。为了提升温度差异影响系数的准确性，可求解第i个时段内的n- 1个时间段对应的上述比值的平均值，即可获得准确性较高的温度差异影响系数。

通过这种方式，可利用冷柜内的温度下降速度与制冷功率和温度差异数据之间的相关性，来确定温度下降速度与制冷功率和温度差异数据之间的关系，并通过求解多个时间段内的上述关系的平均值，来确定准确性较高的温度差异影响系数。

根据本发明的一个实施例，可基于以上获得温度差异影响系数，以及第i个时段内的制冷功率、第一温度数据和所述第二温度数据，训练功率预测模型。在每个时段内，功率预测模型可训练一次，从而不断适应各个时段的外部温度和内部温度，从而获得更精准的预测制冷功率。

根据本发明的一个实施例，根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型，包括：确定第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据之间的第一温度下降值；将所述第一温度下降值、所述温度差异影响系数、所述第二温度数据、以及第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据输入功率预测模型，获得预测功率，以及第i个时间段内多个时刻的预测温度数据；根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数；根据所述损失函数，训练所述功率预测模型，获得所述训练后的功率预测模型。

根据本发明的一个实施例，第一温度下降值可通过将第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据进行作差来获得。在获得第一温度下降值后，可将第一温度下降值、温度差异影响系数、第二温度数据、以及第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据输入功率预测模型，使得功率预测模型输出预测功率，该预测功率可使得冷库在外部温度为第二温度数据的情况下，以及在温度差异影响系数的影响下，使冷库内的温度由第i个时段内的第1个第一温度数据下降至最后一个时刻的第一温度数据。并且，功率预测模型可输出第i个时间段内多个时刻的预测温度数据，对于预测温度数据的计算，可受到温度差异影响系数、第二温度数据的约束和预测功率的约束，例如，对于每个预测温度数据，可计算其与第二温度数据之间的差值，并可计算相邻时刻的预测温度数据的下降速率，并使预测温度数据的下降速率，预测温度数据与第二温度数据之间的差值，以及预测功率之间的关系满足温度差异影响系数的约束，即，使预测温度数据的下降速率，和预测温度数据与第二温度数据之间的差值的相乘，求解该乘积与预测功率的比值，等于所述温度差异影响系数。

根据本发明的一个实施例，以上获得的预测温度数据和预测功率可能存在误差，可根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数，并基于损失函数进行训练，从而减小误差，提升功率预测模型的精度。

根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数，包括：根据公式（3），获得所述功率预测模型的损失函数L，

（3）

其中，为第i个时段内的制冷功率，为所述预测功率，n为各个时段内的时刻 数量，为第t个时刻的预测温度数据，

为第t+1个时刻的预测温度数据，为第2个时刻的预测温度数据，为 第n-1个时刻的预测温度数据，为第i个时段内第t个时刻的冷库内部的第一温度数 据，

为第i个时段内第1个时刻的冷库内部的第一温度数据，为第i个 时段内第n个时刻的冷库内部的第一温度数据，为温度差异影响系数，

为第i个时段内第t个时刻的冷库外部的第二温度数据，为第i 个时段内第t+1个时刻的冷库外部的第二温度数据，为第i个时段内第2个时刻的 冷库外部的第二温度数据，为第i个时段内第n-1个时刻的冷库外部的第二温度 数据，

为各个时刻之间的间隔时长，为第t个时刻的温度差异数据，为第n 个时刻的温度差异数据，为第1个时刻的温度差异数据，t为小于或等于n-1的正整数，、、和为预设权重。

根据本发明的一个实施例，公式（3）的第一项，为预测功率与第i个时段内的制冷功率之间的偏差，与第i个时段内的制冷功率之间的比值，在训练过程中，该项逐步减小，使得预测功率与第i个时段内的制冷功率之间的偏差逐步减小，提升预测功率的准确性。

根据本发明的一个实施例，公式（3）的第二项，为第i个时间段内第2个时刻至第n-1个时刻的预测温度数据，与第一温度数据之间的偏差，与第一温度数据之间的比值的平均值，由于第i个时间段内第1个时刻与最后一个时刻的第一温度数据已经输入功率预测模型，因此，无需预测第i个时间段内第1个时刻与最后一个时刻的预测温度数据。在训练过程中，该项逐步减小，使得预测温度数据与实测的第一温度数据之间的偏差逐步减小，提升温度预测的准确性。

根据本发明的一个实施例，公式（3）的第三项，可用于使功率预测模型求解的预测 温度数据和预测功率，能够满足温度差异影响系数的约束。在本项中，由于第i个时间段内 第1个时刻与最后一个时刻的第一温度数据已经输入功率预测模型，无需预测，因此，可基 于该项确定第2至第n-1个时刻之间的各个时间段内的数据是否满足温度差异影响系数的 约束，因此，t可取2至n-2之间的数值，在t=2时，可确定第2至第3个时刻之间的时间段内的 数据是否满足温度差异影响系数的约束，在t=3时，可确定第3至第4个时刻之间的时间段内 的数据是否满足温度差异影响系数的约束，以此类推，在t=n-2时，可确定第n-2至第n-1个 时刻之间的时间段内的数据是否满足温度差异影响系数的约束。在该项中，为第t个时刻的预测温度数据与第二温度数据的差异与第t+ 1个时刻的预测温度数据与第二温度数据的差异的平均值，可用于代表在第t个时刻和第t+ 1个时刻之间的时间段内冷库内的预测温度与冷库外的实测温度之间的平均温度差异。为第t个时刻和第t+1个时刻之间的时间段内冷库内的预测温度的变化速率，表示以上数据之间的关系与温度差异影响系 数之间的差异，亦可表示以上数据是否满足温度差异影响系数的约束，该差异越小，则可表 示数据越满足温度差异影响系数的约束，反之，该差异越大，则可表示数据越不满足温度差 异影响系数的约束。可求解以上差异的平均值，且在训练过程中，该平均值逐步缩小，使得 各个时间段内的数据均满足温度差异影响系数的约束。

根据本发明的一个实施例，公式（3）的第四项，与第三项类似，可用于使功率预测模型求解的预测温度数据和预测功率，能够满足温度差异影响系数的约束，第四项用于确定第i个时段内第1个时刻与第2个时刻之间的时间段内的数据是否满足温度差异影响系数的约束，以及第n-1至第n个时刻之间的时间段内的数据是否满足温度差异影响系数的约束。由于第1个时刻的第一温度数据与第n个时刻的第一温度数据均已输入功率预测模型，因此，可利用第1个时刻的第一温度数据与第n个时刻的第一温度数据来求解冷库内外的温度差异。同样地，在训练过程中，该项逐步缩小，使得各个时间段内的数据均满足温度差异影响系数的约束。

根据本发明的一个实施例，可将上述四项进行加权求和，获得功率预测模型的损失函数，并通过损失函数对功率预测模型的参数进行调整，使得损失函数最小化，并使得功率预测模型获得的预测功率和预测温度数据满足温度差异影响系数的约束。

通过这种方式，可在功率预测模型训练过程中缩小预测功率和预测温度数据的误差，并使预测功率和预测温度数据满足温度差异影响系数的约束，从而提升功率预测模型的准确性，提高预测功率和预测温度数据的精度。

根据本发明的一个实施例，在训练完成后，可获得所述训练后的功率预测模型，根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率，包括：根据第i个时段内的最后一个时刻的第一温度数据与设定温度，确定第i+1个时段内的预设温度下降值；根据将所述预设温度下降值、所述温度差异影响系数、所述外部预测温度数据、以及第i个时段内的最后一个时刻的第一温度数据与设定温度，输入训练后的功率预测模型，获得第i+1个时段内的多个时刻的预测温度数据，以及第i+1个时段内的预测制冷功率。

根据本发明的一个实施例，可认为第i+1个时段内的各个时刻的冷库外的温度数据均等于所述外部预测温度数据，并将设定温度作为第i+1个时段的最后一个时刻的冷库内的温度数据，将第第i个时段内的最后一个时刻的第一温度数据作为第i+1个时段的第1个时刻的冷库内的温度数据，从而可通过训练后的功率预测模型，对预设温度下降值、温度差异影响系数、外部预测温度数据、以及第i个时段内的最后一个时刻的第一温度数据与设定温度进行处理，获得第i+1个时段内的多个时刻的预测温度数据，以及第i+1个时段内的预测制冷功率。

根据本发明的一个实施例，在步骤S107中，可将以上获得的第i+1个时段内的预测制冷功率，作为第i+1个时段内的实际制冷功率，对冷库进行制冷，使得冷库在第i+1个时段内能够获得良好的制冷效果，例如，在第i+1个时段结束时，能够使冷库内的温度降至设定温度。

根据本发明的实施例的基于外界温度测量的多时段冷库制冷控制方法，能够对天气预报温度进行补偿，从而提升冷库外部温度的预测准确性，进而基于实测的冷库内外的温度数据，以及预测的未来时段的外部预测温度数据来调节未来时段的制冷功率，从而可在外部温度变化的情况下，及时调整制冷功率，使冷库及时达到理想的制冷效果。并可使用实测的第二温度数据的平均值和第一天气预报温度之间的比值，来确定预报温度补偿参数，进而可在预测未来时段的冷库外的温度时，提升预测准确性。在确定温度差异影响系数时，可利用冷柜内的温度下降速度与制冷功率和温度差异数据之间的相关性，来确定温度下降速度与制冷功率和温度差异数据之间的关系，并通过求解多个时间段内的上述关系的平均值，来确定准确性较高的温度差异影响系数。在训练功率预测模型时，可缩小预测功率和预测温度数据的误差，并使预测功率和预测温度数据满足温度差异影响系数的约束，从而提升功率预测模型的准确性，提高预测功率和预测温度数据的精度。

图2示例性地示出根据本发明实施例的基于外界温度测量的多时段冷库制冷控制系统的示意图，如图2所示，所述系统包括：

测量模块101，用于在第i个时段内的多个时刻，通过设置在冷库内部的第一温度传感器采集冷库内的第一温度数据，并通过设置在冷库外部的第二温度传感器采集冷库外的第二温度数据，其中，i为正整数；

获取模块102，用于获取所述冷库内部的设定温度，以及第i个时段内的制冷功率；

预报模块103，用于获取冷库所在地理位置在第i个时段内的第一天气预报温度，以及第i+1个时段内的第二天气预报温度；

补偿模块104，用于根据第一天气预报数据和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；

外部温度预测模块105，用于根据所述预报温度补偿参数，以及所述第二天气预报温度，对第i+1个时段内冷库外的温度进行预测，获得外部预测温度数据；

制冷功率预测模块106，用于根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率；

制冷模块107，用于在第i+1个时段内，通过所述预测制冷功率，对所述冷库内部进行制冷。

根据本发明的一个实施例，所述补偿模块进一步用于：

根据公式获得预报温度补偿参数，

其中，为第i个时段内第j个时刻的冷库外部的第二温度数据，上标表 示冷库外部，为所述第一天气预报温度，上标表示天气预报，

n为各个时段内的时刻数量，j≤n，且j和n均为正整数，。

根据本发明的一个实施例，所述制冷功率预测模块进一步用于：

根据所述第一温度数据和所述第二温度数据，获得第i个时段内各个时刻的温度差异数据；

根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数；

根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型；

根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率。

根据本发明的一个实施例，所述制冷功率预测模块进一步用于：

根据公式

确定温度差异影响系数，其中，为第k个时刻的温度差异数据，为第 k+1个时刻的温度差异数据，上标表示冷库内部和外部的差异，为第i个时段 内第k个时刻的冷库内部的第一温度数据，为第i个时段内第k+1个时刻的冷库 内部的第一温度数据，上标表示冷库内部，为第i个时段内的制冷功率，为各个时刻 之间的间隔时长，n为各个时段内的时刻数量，k为小于或等于n-1的正整数。

根据本发明的一个实施例，所述制冷功率预测模块进一步用于：

确定第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据之间的第一温度下降值；

将所述第一温度下降值、所述温度差异影响系数、所述第二温度数据、以及第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据输入功率预测模型，获得预测功率，以及第i个时间段内多个时刻的预测温度数据；

根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数；

根据所述损失函数，训练所述功率预测模型，获得所述训练后的功率预测模型。

根据本发明的一个实施例，所述制冷功率预测模块进一步用于：

根据公式

获得所述功率预测模型的损失函数L，其中，为第i个时段内的制冷功率，为 所述预测功率，n为各个时段内的时刻数量，为第t个时刻的预测温度数据，为第t+ 1个时刻的预测温度数据，为第2个时刻的预测温度数据，为第n-1个时刻的预测 温度数据，为第i个时段内第t个时刻的冷库内部的第一温度数据，为第i 个时段内第1个时刻的冷库内部的第一温度数据，为第i个时段内第n个时刻的冷 库内部的第一温度数据，为温度差异影响系数，为第i个时段内第t个时刻的冷库 外部的第二温度数据，为第i个时段内第t+1个时刻的冷库外部的第二温度数 据，为第i个时段内第2个时刻的冷库外部的第二温度数据，为第i个时 段内第n-1个时刻的冷库外部的第二温度数据，为各个时刻之间的间隔时长，为第 t个时刻的温度差异数据，为第n个时刻的温度差异数据，为第1个时刻的温度 差异数据，t为小于或等于n-1的正整数，、、和为预设权重。

根据本发明的一个实施例，所述制冷功率预测模块进一步用于：

根据第i个时段内的最后一个时刻的第一温度数据与设定温度，确定第i+1个时段内的预设温度下降值；

根据将所述预设温度下降值、所述温度差异影响系数、所述外部预测温度数据、以及第i个时段内的最后一个时刻的第一温度数据与设定温度，输入训练后的功率预测模型，获得第i+1个时段内的多个时刻的预测温度数据，以及第i+1个时段内的预测制冷功率。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种基于外界温度测量的多时段冷库制冷控制方法，其特征在于，包括：

在第i个时段内的多个时刻，通过设置在冷库内部的第一温度传感器采集冷库内的第一温度数据，并通过设置在冷库外部的第二温度传感器采集冷库外的第二温度数据，其中，i为正整数；

获取所述冷库内部的设定温度，以及第i个时段内的制冷功率；

获取冷库所在地理位置在第i个时段内的第一天气预报温度，以及第i+1个时段内的第二天气预报温度；

根据第一天气预报温度和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；

根据所述预报温度补偿参数，以及所述第二天气预报温度，对第i+1个时段内冷库外的温度进行预测，获得外部预测温度数据；

根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率；

在第i+1个时段内，通过所述预测制冷功率，对所述冷库内部进行制冷。

2.根据权利要求1所述的基于外界温度测量的多时段冷库制冷控制方法，其特征在于，根据第一天气预报温度和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数，包括：

根据公式获得预报温度补偿参数/>，其中，/>为第i个时段内第j个时刻的冷库外部的第二温度数据，上标/>表示冷库外部，/>为所述第一天气预报温度，n为各个时段内的时刻数量，j≤n，且j和n均为正整数，上标/>表示天气预报。

3.根据权利要求1所述的基于外界温度测量的多时段冷库制冷控制方法，其特征在于，根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率，包括：

根据所述第一温度数据和所述第二温度数据，获得第i个时段内各个时刻的温度差异数据；根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数；

根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型；

根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率。

4.根据权利要求3所述的基于外界温度测量的多时段冷库制冷控制方法，其特征在于，根据所述温度差异数据，所述第i个时段内的制冷功率，和所述第一温度数据，确定温度差异影响系数，包括：

根据公式

确定温度差异影响系数/>，其中，/>为第k个时刻的温度差异数据，/>为第k+1个时刻的温度差异数据，上标表示冷库内部和外部的差异，/>为第i个时段内第k个时刻的冷库内部的第一温度数据，/>为第i个时段内第k+1个时刻的冷库内部的第一温度数据，上标/>表示冷库内部，/>为第i个时段内的制冷功率，/>为各个时刻之间的间隔时长，n为各个时段内的时刻数量，k为小于或等于n-1的正整数。

5.根据权利要求3所述的基于外界温度测量的多时段冷库制冷控制方法，其特征在于，根据所述温度差异影响系数、所述第i个时段内的制冷功率、所述第一温度数据和所述第二温度数据，训练功率预测模型，获得训练后的功率预测模型，包括：

确定第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据之间的第一温度下降值；

将所述第一温度下降值、所述温度差异影响系数、所述第二温度数据、以及第i个时段内的最后一个时刻的第一温度数据与第1个第一温度数据输入功率预测模型，获得预测功率，以及第i个时间段内多个时刻的预测温度数据；

根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数；

根据所述损失函数，训练所述功率预测模型，获得所述训练后的功率预测模型。

6.根据权利要求5所述的基于外界温度测量的多时段冷库制冷控制方法，其特征在于，根据所述预测功率与所述第i个时段内的制冷功率，以及第i个时间段内多个时刻的预测温度数据和第一温度数据，获得功率预测模型的损失函数，包括：

根据公式

获得所述功率预测模型的损失函数L，其中，/>为第i个时段内的制冷功率，/>为所述预测功率，n为各个时段内的时刻数量，/>为第t个时刻的预测温度数据，/>为第t+1个时刻的预测温度数据，/>为第2个时刻的预测温度数据，/>为第n-1个时刻的预测温度数据，为第i个时段内第t个时刻的冷库内部的第一温度数据，/>为第i个时段内第1个时刻的冷库内部的第一温度数据，/>为第i个时段内第n个时刻的冷库内部的第一温度数据，/>为温度差异影响系数，/>为第i个时段内第t个时刻的冷库外部的第二温度数据，/>为第i个时段内第t+1个时刻的冷库外部的第二温度数据，/>为第i个时段内第2个时刻的冷库外部的第二温度数据，/>为第i个时段内第n-1个时刻的冷库外部的第二温度数据，/>为各个时刻之间的间隔时长，/>为第t个时刻的温度差异数据，/>为第n个时刻的温度差异数据，/>为第1个时刻的温度差异数据，t为小于或等于n-1的正整数，/>、/>、/>和/>为预设权重。

7.根据权利要求3所述的基于外界温度测量的多时段冷库制冷控制方法，其特征在于，根据所述外部预测温度数据、所述设定温度、所述第一温度数据和训练后的功率预测模型，确定所述预测制冷功率，包括：

根据第i个时段内的最后一个时刻的第一温度数据与设定温度，确定第i+1个时段内的预设温度下降值；

根据将所述预设温度下降值、所述温度差异影响系数、所述外部预测温度数据、以及第i个时段内的最后一个时刻的第一温度数据与设定温度，输入训练后的功率预测模型，获得第i+1个时段内的多个时刻的预测温度数据，以及第i+1个时段内的预测制冷功率。

8.一种基于外界温度测量的多时段冷库制冷控制系统，其特征在于，包括：

测量模块，用于在第i个时段内的多个时刻，通过设置在冷库内部的第一温度传感器采集冷库内的第一温度数据，并通过设置在冷库外部的第二温度传感器采集冷库外的第二温度数据，其中，i为正整数；

获取模块，用于获取所述冷库内部的设定温度，以及第i个时段内的制冷功率；

预报模块，用于获取冷库所在地理位置在第i个时段内的第一天气预报温度，以及第i+1个时段内的第二天气预报温度；

补偿模块，用于根据第一天气预报温度和所述第二温度数据，对冷库外部的温度数据进行纠偏处理，获得预报温度补偿参数；

外部温度预测模块，用于根据所述预报温度补偿参数，以及所述第二天气预报温度，对第i+1个时段内冷库外的温度进行预测，获得外部预测温度数据；

制冷功率预测模块，用于根据第i个时段内的制冷功率、所述第一温度数据、所述第二温度数据、所述外部预测温度数据和所述设定温度，对第i+1个时段内的制冷功率进行预测，获得预测制冷功率；

制冷模块，用于在第i+1个时段内，通过所述预测制冷功率，对所述冷库内部进行制冷。