CN117663590B - 一种超低温冷柜及其节能运行控制方法 - Google Patents

Abstract

本发明提供一种超低温冷柜及其节能运行控制方法，涉及制冷技术领域。所述超低温冷柜包括：温度传感器组、一级压缩机、二级压缩机、中间热交换器和控制器；所述温度传感器组包括第一温度传感器和第二温度传感器；所述一级压缩机用于对所述中间热交换器进行冷却；所述二级压缩机用于对超低温冷柜的柜体内的空间进行冷却，并将热量传导至所述中间热交换器；所述控制器用于：在所述下一个控制周期的开始时刻，将所述一级压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级压缩机的制冷功率设置为所述调整后的第二制冷功率。根据本发明，可自动调整压缩机的制冷功率，实现对冷柜温度稳定性和功率精确性的控制，从而减少能源消耗。

Description

一种超低温冷柜及其节能运行控制方法

技术领域

本发明涉及制冷技术领域，尤其涉及一种超低温冷柜及其节能运行控制方法。

背景技术

目前的相关技术中，超低温冷柜虽然可实现超低温存储的功能，且具有较好的隔热保温性能，但由于温度控制和功率调控不精确，存在能源浪费和能耗成本过多的问题。

发明内容

本发明提供一种超低温冷柜及其节能运行控制方法，能够解决超低温冷柜温度控制和功率调控不精确的技术问题。

根据本发明的第一方面，提供一种超低温冷柜,包括：

温度传感器组、一级压缩机、二级压缩机、中间热交换器和控制器；

所述温度传感器组包括第一温度传感器和第二温度传感器，其中，所述第一温度传感器用于检测所述中间热交换器内的第一温度数据，所述第二温度传感器用于检测超低温冷柜的柜体内的第二温度数据；

所述一级压缩机用于对所述中间热交换器进行冷却；

所述二级压缩机用于对超低温冷柜的柜体内的空间进行冷却，并将热量传导至所述中间热交换器；

所述控制器用于：

在当前控制周期的多个时刻，分别获取所述第一温度传感器检测到的第一温度数据，以及所述第二温度传感器检测到的第二温度数据；

确定当前控制周期的所述一级压缩机的第一制冷功率和所述二级压缩机的第二制冷功率；

将所述第一温度数据、所述第二温度数据、所述第一制冷功率和所述第二制冷功率输入温度预测模型，获得下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，以及中间热交换器内的第一预测温度数据；

根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件；

如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级压缩机的调整后的第一制冷功率，和二级压缩机的调整后的第二制冷功率；

在所述下一个控制周期的开始时刻，将所述一级压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级压缩机的制冷功率设置为所述调整后的第二制冷功率。

根据本发明的第二方面，提供一种超低温冷柜的节能运行控制方法，包括：

在当前控制周期的多个时刻，分别获取第一温度传感器检测到的第一温度数据，以及第二温度传感器检测到的第二温度数据；

确定当前控制周期的一级压缩机的第一制冷功率和二级压缩机的第二制冷功率；

将所述第一温度数据、所述第二温度数据、所述第一制冷功率和所述第二制冷功率输入温度预测模型，获得下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，以及中间热交换器内的第一预测温度数据；

根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件；

如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级压缩机的调整后的第一制冷功率，和二级压缩机的调整后的第二制冷功率；

在所述下一个控制周期的开始时刻，将所述一级压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级压缩机的制冷功率设置为所述调整后的第二制冷功率。

技术效果：根据本发明，通过两个温度传感器分别检测中间热交换器和冷柜内部的温度数据，可实现对冷柜内部温度的精确控制。该精确控制对于需要保持超低温度的应用，如生物医学研究等领域非常重要。通过温度预测模型和功率设置模型来调整一级压缩机和二级压缩机的制冷功率，从而实现对冷柜温度稳定性和功率精确性的控制和对能源的有效利用。控制器根据预设的调整条件判断是否需要调整制冷功率，从而在满足温度要求的前提下，降低一级压缩机和二级压缩机的制冷功率，最大程度地减少能源消耗。在判断下一个控制周期的制冷功率能否进行调整时，可基于对中间热交换器和超低温冷柜的柜体内的温度的实际需求，确定第一条件和第二条件，第一条件和第二条件同时满足时，则可确定当前的制冷功率较高，可适当降低制冷功率，在节约能源的同时，使温度控制更精确。在训练温度预测模型时，可确定样本温度数据与预测温度数据之间的差值，并基于与开始时刻的时间间隔越短精度越高的特点设置权重，以及当前控制周期制冷功率与历史控制周期制冷功率越接近，温度越接近，温度误差的参考价值更大的特点设置权重，从而对各个时刻的温度预测模型输出的第j个时刻温度误差进行加权求和，获得损失函数，以提升损失函数的设计精度和客观性，从而在训练过程中提升训练效率，提高温度预测模型的准确性。在确定功率设置模型的约束条件时，可使调整后的一级和二级制冷功率在适当的范围内，基于当前温度数据和预测模型的输出计算，可减少过度制冷，降低能源消耗。调整后的中间热交换器内的预测温度在设定的温度范围内，可使制冷系统维持温度控制要求，减少温度过高或过低的情况。调整后的超低温冷柜的柜体内的预测温度小于等于设定的超低温冷柜温度乘以预设系数，可满足冷藏需求，减少超低温冷柜温度过高而导致冷藏物品变质的情况。从而提高制冷系统的稳定性、效率和温度控制能力，提供可靠的制冷和冷藏功能。在确定功率设置模型的目标函数时，可将制冷功率调整到最低限度，通过最小化功率，可实现能效优化和节能减排的目标。最小化制冷功率可降低设备的能耗，并且在保持制冷效果的前提下，提供更高效的制冷系统运行。

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超低温冷柜的示意图；

图2示例性地示出根据本发明实施例的超低温冷柜的节能运行控制方法的流程图。

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超低温冷柜的示意图，所述冷柜包括：

温度传感器组、一级压缩机、二级压缩机、中间热交换器和控制器；

所述温度传感器组包括第一温度传感器和第二温度传感器，其中，所述第一温度传感器用于检测所述中间热交换器内的第一温度数据，所述第二温度传感器用于检测超低温冷柜的柜体内的第二温度数据；

所述一级压缩机用于对所述中间热交换器进行冷却；

所述二级压缩机用于对超低温冷柜的柜体内的空间进行冷却，并将热量传导至所述中间热交换器；

所述控制器用于：

在当前控制周期的多个时刻，分别获取所述第一温度传感器检测到的第一温度数据，以及所述第二温度传感器检测到的第二温度数据；

确定当前控制周期的所述一级压缩机的第一制冷功率和所述二级压缩机的第二制冷功率；

将所述第一温度数据、所述第二温度数据、所述第一制冷功率和所述第二制冷功率输入温度预测模型，获得下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，以及中间热交换器内的第一预测温度数据；

根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件；

如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级压缩机的调整后的第一制冷功率，和二级压缩机的调整后的第二制冷功率；

在所述下一个控制周期的开始时刻，将所述一级压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级压缩机的制冷功率设置为所述调整后的第二制冷功率。

根据本发明的实施例的超低温冷柜，通过两个温度传感器分别检测中间热交换器和冷柜内部的温度数据，可实现对冷柜内部温度的精确控制。该精确控制对于需要保持超低温度的应用，如生物医学研究等领域非常重要。通过温度预测模型和功率设置模型来调整一级压缩机和二级压缩机的制冷功率，从而实现对冷柜温度稳定性和功率精确性的控制和对能源的有效利用。控制器根据预设的调整条件判断是否需要调整制冷功率，从而在满足温度要求的前提下，降低一级压缩机和二级压缩机的制冷功率，最大程度地减少能源消耗。

根据本发明的一个实施例，每个控制周期可设定为10分钟，15分钟等，一个时刻可设定为半分钟，一分钟等，本发明对此不作限制。通过获取第一温度数据和第二温度数据，控制器可确定中间热交换器和冷柜内部空间的温度变化情况。该数据将作为后续控制步骤的输入，用于确定一级和二级压缩机的制冷功率，并进行温度预测和调整。

根据本发明的一个实施例，制冷功率是指压缩机在单位时间内的耗电量，制冷功率与压缩机能够提供的冷量存在相关关系。每个控制周期结束时，都可判断制冷功率是否能够调整，如果预测超低温冷柜的柜体内的温度符合要求，则可适当调小制冷功率，以平衡制冷效果和能源消耗，优化能源利用和保持冷柜温度稳定。

根据本发明的一个实施例，在当前控制周期内可检测到多个第一温度数据和第二温度数据，可分别组成向量或数组。温度预测模型使用输入的温度数据和制冷功率数据，根据当前的制冷功率使温度数据在当前控制周期的变化，在第一制冷功率和第二制冷功率保持不变的情况下，预测下一个控制周期结束时刻的冷柜的柜体内的温度情况（第二预测温度数据）以及中间热交换器内的温度情况（第一预测温度数据）。该预测温度数据可用于调整下一个控制周期中一级和二级压缩机的制冷功率，从而实现对冷柜内部温度的精确控制。温度预测模型可以是深度学习神经网络模型，本发明对温度预测模型的具体类型不做限制。

根据本发明的一个实施例，根据预测的温度数据，控制器可进行判断和比较，自动决策是否可调整制冷功率。如果预测的温度数据符合一定的条件，则控制器判定当前的制冷功率可进行调整。根据具体情况，可降低一级压缩机和二级压缩机的制冷功率，使超低温冷柜的柜体内的温度在节省能源的情况下还能保持在设定温度附近。

根据本发明的一个实施例，根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件，包括：根据公式（1）确定第一条件C1和第二条件C2，

（1）

其中，为下一个控制周期的结束时刻的中间热交换器内的第一预测温度数据，/>为下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，/>为中间热交换器的温度上限，/>为中间热交换器的温度下限，/>为超低温冷柜的柜体内的设定温度，/>为大于1的预设系数，所述第一条件C1和所述第二条件C2为所述调整条件；在所述第一条件C1和所述第二条件C2同时被满足的情况下，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件。

根据本发明的一个实施例，在公式（1）第一条件中，表示中间热交换器的温度下限和温度上限之间的范围，即，要求下一个控制周期结束时刻的中间热交换器内的第一预测温度数据仍处于这个范围内。即，中间热交换器的温度不宜过高或过低，中间热交换器的温度过高，则不利于超低温冷柜的柜体内的温度传导至中间热交换器，即，如果中间热交换器的温度过高，则二级压缩机需要消耗更多电能才能够使超低温冷柜的柜体内的温度传导至中间热交换器。中间热交换器的温度过低，则会使一级压缩机的制冷功率过高，造成能源浪费。

根据本发明的一个实施例，在第二条件中，表示下一个控制周期结束时刻的超低温冷柜的柜体内的第二预测温度数据小于或等于/>倍的超低温冷柜的柜体内的设定温度。其中，预设系数大于1。因此，则第二预测温度较低，即，此时制冷功率比较大，可降低第一制冷功率和第二制冷功率，从而在保持超低温冷柜的柜体内的温度处于设定温度附近的情况下，节约能源。

通过这种方式，可基于对中间热交换器和超低温冷柜的柜体内的温度的实际需求，确定第一条件和第二条件，第一条件和第二条件同时满足时，则可确定当前的制冷功率较高，可适当降低制冷功率，在节约能源的同时，使温度控制更精确。

根据本发明的一个实施例，上述温度预测模型在使用之前可进行训练，所述温度预测模型的训练步骤包括：在第i个历史控制周期中的多个时刻，获取第一温度传感器检测到的第一样本温度数据和第二温度传感器检测到的第二样本温度数据，其中，i为正整数；获取第i+1个历史控制周期的一级压缩机的第一样本制冷功率，以及二级压缩机的第二样本制冷功率；将所述第i个历史控制周期中的多个时刻的第一样本温度数据和第二样本温度数据，以及第i+1个历史控制周期的第一样本制冷功率和第二样本制冷功率输入温度预测模型，获得第i+1个历史控制周期的多个时刻的中间热交换器内的第一预测温度数据，以及超低温冷柜的柜体内的第二预测温度数据；根据所述第一制冷功率、所述第二制冷功率、第一样本制冷功率、第二样本制冷功率、在所述第i+1个历史控制周期的多个时刻由第一温度传感器检测到的第一样本温度数据，以及由第二温度传感器检测到的第二样本温度数据，以及所述第一预测温度数据和所述第二预测温度数据，确定所述温度预测模型的损失函数；根据所述温度预测模型的损失函数，对所述温度预测模型进行训练，获得训练后的温度预测模型。

根据本发明的一个实施例，历史控制周期为实际周期，每个时刻的数据可实际采集到。温度预测模型可根据第i个历史控制周期的温度数据和第i+1个历史控制周期的制冷功率预测第i+1个历史控制周期的预测温度数据。从而了解第i个历史控制周期和第i+1个历史控制周期的温度变化。温度越低制冷所用功率越高，例如，温度从零下30度到零下40度比从零下90度到零下100度所消耗的能源少。温度预测模型可基于上述温度变化与制冷功率之间的关系，基于第i个历史控制周期的第一样本温度数据和第二样本温度数据，以及第i+1个历史控制周期的第一样本制冷功率和第二样本制冷功率，来预测第i+1个历史控制周期的第一预测温度数据和第二预测温度数据。根据第一预测温度数据和第二预测温度数据与实测的第i+1个历史控制周期的第一样本温度数据和第二样本温度数据之间的差值确定损失函数。通过将损失函数进行反馈调节，获得训练后的温度预测模型。

根据本发明的一个实施例，根据所述第一制冷功率、所述第二制冷功率、第一样本制冷功率、第二样本制冷功率、在所述第i+1个历史控制周期的多个时刻由第一温度传感器检测到的第一样本温度数据，以及由第二温度传感器检测到的第二样本温度数据，以及所述第一预测温度数据和所述第二预测温度数据，确定所述温度预测模型的损失函数，包括：根据公式（2）确定所述温度预测模型的损失函数，

（2）

其中，为所述第一制冷功率，/>为所述第一样本制冷功率，/>为所述第二制冷功率，/>为所述第二样本制冷功率，/>为第i+1个历史控制周期的第j个时刻的第一样本温度数据，/>为第i+1个历史控制周期的第j个时刻的第一预测温度数据，/>为第i+1个历史控制周期的第j个时刻的第二样本温度数据，/>为第i+1个历史控制周期的第j个时刻的第二预测温度数据，N为控制周期内的时刻数，j≤N，且j和N均为正整数。

根据本发明的一个实施例，在公式（2）中，为第i+1个历史控制周期的第j个时刻的第一样本温度数据与第一预测温度数据之间的差值的绝对值。该差值表示预测温度与样本温度之间的误差大小。/>表示第i+1个历史控制周期内的第j个时刻与时刻总数之间的比值，用来对损失函数中不同时刻的预测误差进行合理的加权，温度预测模型输出的第j个时刻的第一预测温度数据的精度通常高于第j+1个时刻的第一预测温度数据的精度，即，温度预测模型输出的某个时刻的第一预测温度数据与开始时刻的时间间隔越长，其预测结果越不准确，为提高训练效率，其权值设置越高，与开始时刻的时间间隔越短，其预测结果越准确，则其权值设置也越低，从而可对精度较低的项赋予较高权重，从而提升训练力度以及训练效率。/>表示对中间热交换器内每个时刻的温度差值乘以相应的权重后进行求和。该求和表示所有时刻的温度差值的总和，用于衡量整个历史控制周期内预测温度与实际温度之间的差异程度。/>为第一制冷功率与第一样本制冷功率之间的差异的绝对值与第一制冷功率的比值，该比值表示一级压缩机当前控制周期制冷功率与历史控制周期制冷功率之间的相对误差。/>表示一级压缩机当前控制周期制冷功率与历史控制周期制冷功率的相似度。为达到相同的制冷效果，温度越低所用制冷功率越大，即，如果当前控制周期制冷功率与历史控制周期制冷功率越接近，则第一样本温度数据与当前控制周期的第一温度数据越接近，其参考价值越大，因此，其权值越高。上述两项相乘，可表示考虑中间热交换器内的温度预测模型的损失函数。

根据本发明的一个实施例，在公式（2）中，为第i+1个历史控制周期中第j个时刻的第二样本温度数据与第二预测温度数据之间的差值的绝对值。这个差值表示第二预测温度数据与实际温度数据之间的误差大小。/>表示对超低温冷柜的柜体内每个时刻的温度差值乘以相应的权重后进行求和。该求和表示所有时刻的温度差值的总和，用于衡量整个历史控制周期内预测温度与实际温度之间的差异程度。为第二制冷功率与第二样本制冷功率之间的差异的绝对值与第二制冷功率的比值。该比值表示二级压缩机当前控制周期制冷功率与历史控制周期制冷功率之间的相对误差。表示二级压缩机当前控制周期制冷功率与历史控制周期制冷功率的相似度。为达到相同的制冷效果，温度越低所用制冷功率越大，即，如果当前控制周期制冷功率与历史控制周期制冷功率越接近，则第二样本温度数据与当前控制周期的第二温度数据越接近，其参考价值越大，因此，其权值越高。上述两项相乘，可表示考虑超低温冷柜的柜体内的温度预测模型的损失函数。

根据本发明的一个实施例，上述两项相加，可表示温度预测模型的损失函数。在训练温度预测模型的过程中，通过将损失函数进行反向传播，调整模型内部的一些参数，使温度预测模型的损失函数的值减小，从而提升温度预测模型的精度，获得训练后的温度预测模型。

通过这种方式，在训练过程中，可确定样本温度数据与预测温度数据之间的差值，并基于与开始时刻的时间间隔越短精度越高的特点设置权重，以及当前控制周期制冷功率与历史控制周期制冷功率越接近，温度越接近，温度误差的参考价值更大的特点设置权重，从而对各个时刻的温度预测模型输出的第j个时刻温度误差进行加权求和，获得损失函数，以提升损失函数的设计精度和客观性，从而在训练过程中提升训练效率，提高温度预测模型的准确性。

根据本发明的一个实施例，温度预测模型是一个神经网络模型，功率设置模型是一个优化模型。如果制冷功率需要调整，系统会根据温度预测模型和功率设置模型的计算结果，得到下一个控制周期的一级压缩机的调整后的第一制冷功率，和二级压缩机的调整后的第二制冷功率。

根据本发明的一个实施例，如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级压缩机的调整后的第一制冷功率，和二级压缩机的调整后的第二制冷功率，包括：根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率和所述温度预测模型，获得功率设置模型的约束条件；根据所述第一温度数据、所述第二温度数据和所述温度预测模型，获得功率设置模型的目标函数；根据所述约束条件和所述目标函数，获得所述调整后的第一制冷功率和所述调整后的第二制冷功率。

根据本发明的一个实施例，约束条件可包括温度范围、制冷功率限制等，用于在优化过程中对系统的运行规律及各个参数的取值范围进行约束。目标函数用于描述优化目标，基于约束条件和求解目标函数的最优解，从而获得制冷功率的最优解，即，调整后的第一制冷功率和调整后的第二制冷功率。

根据本发明的一个实施例，根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率和所述温度预测模型，获得功率设置模型的约束条件，包括：根据以下公式获得功率设置模型的约束条件,

（3）

（4）

（5）

（6）

（7）

其中，为待定的调整后的第一制冷功率，/>为所述第一制冷功率，/>为待定的调整后的第二制冷功率，/>为第二制冷功率，/>为当前控制周期的第1个时刻的第一温度数据，/>为当前控制周期的第2个时刻的第一温度数据，/>为当前控制周期的第N个时刻的第一温度数据，/>为当前控制周期的第1个时刻的第二温度数据，/>为当前控制周期的第2个时刻的第二温度数据，/>为当前控制周期的第N个时刻的第二温度数据，/>为温度预测模型，/>为温度预测模型根据第一温度数据、第二温度数据、待定的调整后的第一制冷功率和待定的调整后的第二制冷功率确定的下一个控制周期的结束时刻的中间热交换器内的预测温度，/>为温度预测模型根据第一温度数据、第二温度数据、待定的调整后的第一制冷功率和待定的调整后的第二制冷功率确定的下一个控制周期的结束时刻的超低温冷柜的柜体内的预测温度，/>为中间热交换器的温度上限，/>为中间热交换器的温度下限，/>为超低温冷柜的柜体内的设定温度，/>为小于1的预设系数。

根据本发明的一个实施例，在公式（3）中，表示下一个控制周期的结束时刻的中间热交换器内的第一预测温度数据。/>表示下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据。/>为当前控制周期内中间热交换器内的温度变化量，由于冷柜的保温效果很好，可认为在当前控制周期内的中间热交换器内的温度的下降速度和第一制冷功率为线性正相关，即，与第一制冷功率成正比，并且，第二制冷功率越大，则由超低温冷柜的柜体内向中间热交换器散发的热量越多，使得中间热交换器内的温度的变化越慢，即，/>与第二制冷功率/>成反比，因此，/>与/>存在相关性。将当前控制周期的第N个时刻作为下一个控制周期的第1个时刻，则基于相同的推断，/>与/>存在相关性。并且，由于温度接近，可认为和/>的相关性系数，与/>和/>的相关性系数接近或相等，因此，/>与/>之间的比值，等于/>与/>之间的比值。

根据本发明的一个实施例，为当前控制周期内的超低温冷柜的柜体内的温度变化，与第二制冷功率/>成正比，并且，中间热交换器内的温度越高，则超低温冷柜的柜体内的温度变化越慢，因此，/>与中间热交换器内的平均温度/>成反比，因此，/>与/>之间存在相关性。同理，/>与/>之间存在相关性。且和/>之间的相关性系数，与，/>和/>之间的相关性系数接近或相等，即，/>与/>之间的比值，等于/>与/>之间的比值。

根据本发明的一个实施例，基于上述关系，可得公式（3）和（4），可求得待定的调整后的第一制冷功率和待定的调整后的第二制冷功率。该公式可单独划分出所求的待定的调整后的第一制冷功率和待定的调整后的第二制冷功率，更加方便对于调整后的第一制冷功率和调整后的第二制冷功率进行求解。

根据本发明的一个实施例，在公式（5）中，使待定的调整后的第一制冷功率与待定的调整后的第二制冷功率之和小于第一制冷功率和第二制冷功率之和，从而达到节约能源的目的。

根据本发明的一个实施例，在公式（6）中，在制冷功率调整后，中间热交换器内的预测温度处于设定的温度范围内。该约束条件使调整后的制冷功率能使中间热交换器内的温度维持在设定范围内，实现温度控制的要求。

根据本发明的一个实施例，在公式（7）中，在制冷功率调整后，超低温冷柜的柜体内的预测温度小于或等于设定的超低温冷柜温度乘以预设系数。其中，预设系数小于1，可使温度适当升高，且处于设定温度附近，并降低制冷功率，达到节能的目的。该约束条件使调整后的制冷功率能让超低温冷柜的温度维持在设定温度附近，以满足冷藏需求。以上所有约束条件可组成功率设置模型的约束条件，即，在求解调整后的第一制冷功率和调整后的第二制冷功率时满足的约束条件。

通过这种方式，可使调整后的一级和二级制冷功率在适当的范围内，基于当前温度数据和预测模型的输出计算，可减少过度制冷，降低能源消耗。调整后的中间热交换器内的预测温度在设定的温度范围内，可使制冷系统维持温度控制要求，减少温度过高或过低的情况。调整后的超低温冷柜的柜体内的预测温度小于等于设定的超低温冷柜温度乘以预设系数，可满足冷藏需求，减少超低温冷柜温度过高而导致冷藏物品变质的情况。从而提高制冷系统的稳定性、效率和温度控制能力，提供可靠的制冷和冷藏功能。

根据本发明的一个实施例，根据所述第一温度数据、所述第二温度数据和所述温度预测模型，获得功率设置模型的目标函数，包括：根据公式（8）（9）获得功率设置模型的目标函数。

（8）

（9）

根据本发明的一个实施例，在公式（8）中，该目标函数表示调整后的一级和二级制冷功率之和的最小化。在公式（9）中，该目标函数表示调整后的超低温冷柜内的预测温度与设定温度之间的绝对差值的最小化。通过最小化该差值，可实现超低温冷柜的功率最小化，且使达到温度精确控制的效果。

通过这种方式，可将制冷功率调整到最低限度，通过最小化功率，可实现能效优化和节能减排的目标。最小化制冷功率可降低设备的能耗，并且在保持制冷效果的前提下，提供更高效的制冷系统运行。

根据本发明的一个实施例，基于以上功率设置模型的目标函数和约束条件，进行优化求解，例如，可通过非线性规划、遗传算法等方法进行优化求解，以获得待定的调整后的第一制冷功率和待定的调整后的第二制冷功率的最优解，作为调整后的第一制冷功率和调整后的第二制冷功率。

根据本发明的一个实施例，在下一个控制周期开始时，可将一级压缩机的制冷功率设置为经过调整后的第一制冷功率，同时将二级压缩机的制冷功率设置为经过调整后的第二制冷功率。从而在下一个控制周期中，在保障制冷效果的基础上，降低能耗。

根据本发明的实施例的超低温冷柜，通过两个温度传感器分别检测中间热交换器和冷柜内部的温度数据，可实现对冷柜内部温度的精确控制。该精确控制对于需要保持超低温度的应用，如生物医学研究等领域非常重要。通过温度预测模型和功率设置模型来调整一级压缩机和二级压缩机的制冷功率，从而实现对冷柜温度稳定性和功率精确性的控制和对能源的有效利用。控制器根据预设的调整条件判断是否需要调整制冷功率，从而在满足温度要求的前提下，降低一级压缩机和二级压缩机的制冷功率，最大程度地减少能源消耗。在判断下一个控制周期的制冷功率能否进行调整时，可基于对中间热交换器和超低温冷柜的柜体内的温度的实际需求，确定第一条件和第二条件，第一条件和第二条件同时满足时，则可确定当前的制冷功率较高，可适当降低制冷功率，在节约能源的同时，使温度控制更精确。在训练温度预测模型时，可确定样本温度数据与预测温度数据之间的差值，并基于与开始时刻的时间间隔越短精度越高的特点设置权重，以及当前控制周期制冷功率与历史控制周期制冷功率越接近，温度越接近，温度误差的参考价值更大的特点设置权重，从而对各个时刻的温度预测模型输出的第j个时刻温度误差进行加权求和，获得损失函数，以提升损失函数的设计精度和客观性，从而在训练过程中提升训练效率，提高温度预测模型的准确性。在确定功率设置模型的约束条件时，可使调整后的一级和二级制冷功率在适当的范围内，基于当前温度数据和预测模型的输出计算，可减少过度制冷，降低能源消耗。调整后的中间热交换器内的预测温度在设定的温度范围内，可使制冷系统维持温度控制要求，减少温度过高或过低的情况。调整后的超低温冷柜的柜体内的预测温度小于等于设定的超低温冷柜温度乘以预设系数，可满足冷藏需求，减少超低温冷柜温度过高而导致冷藏物品变质的情况。从而提高制冷系统的稳定性、效率和温度控制能力，提供可靠的制冷和冷藏功能。在确定功率设置模型的目标函数时，可将制冷功率调整到最低限度，通过最小化功率，可实现能效优化和节能减排的目标。最小化制冷功率可降低设备的能耗，并且在保持制冷效果的前提下，提供更高效的制冷系统运行。

图2示例性地示出根据本发明实施例的超低温冷柜的节能运行控制方法的流程图。所述方法包括：

步骤S101，在当前控制周期的多个时刻，分别获取第一温度传感器检测到的第一温度数据，以及第二温度传感器检测到的第二温度数据；

步骤S102，确定当前控制周期的一级压缩机的第一制冷功率和二级压缩机的第二制冷功率；

步骤S103，将所述第一温度数据、所述第二温度数据、所述第一制冷功率和所述第二制冷功率输入温度预测模型，获得下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，以及中间热交换器内的第一预测温度数据；

步骤S104，根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件；

步骤S105，如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级压缩机的调整后的第一制冷功率，和二级压缩机的调整后的第二制冷功率；

步骤S106，在所述下一个控制周期的开始时刻，将所述一级压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级压缩机的制冷功率设置为所述调整后的第二制冷功率。

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 (5)

1.一种超低温冷柜，其特征在于，包括：温度传感器组、中间热交换器、控制器、将中间热交换器的热量散入空气的一级制冷过程中使用的压缩机和将超低温冷柜的柜体内的空间中的热量传导至中间热交换器的二级制冷过程中使用的压缩机；

所述温度传感器组包括第一温度传感器和第二温度传感器，其中，所述第一温度传感器用于检测所述中间热交换器内的第一温度数据，所述第二温度传感器用于检测超低温冷柜的柜体内的第二温度数据；

所述控制器用于：

在当前控制周期的多个时刻，分别获取所述第一温度传感器检测到的第一温度数据，以及所述第二温度传感器检测到的第二温度数据；

确定当前控制周期的所述一级制冷过程中使用的压缩机的第一制冷功率和所述二级制冷过程中使用的压缩机的第二制冷功率；

将所述第一温度数据、所述第二温度数据、所述第一制冷功率和所述第二制冷功率输入温度预测模型，获得下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，以及中间热交换器内的第一预测温度数据；

根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件；

如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级制冷过程中使用的压缩机的调整后的第一制冷功率，和二级制冷过程中使用的压缩机的调整后的第二制冷功率；

在所述下一个控制周期的开始时刻，将所述一级制冷过程中使用的压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级制冷过程中使用的压缩机的制冷功率设置为所述调整后的第二制冷功率；

如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级制冷过程中使用的压缩机的调整后的第一制冷功率，和二级制冷过程中使用的压缩机的调整后的第二制冷功率，包括：

根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率和所述温度预测模型，获得功率设置模型的约束条件；

根据所述第一温度数据、所述第二温度数据和所述温度预测模型，获得功率设置模型的目标函数；

根据所述约束条件和所述目标函数，获得所述调整后的第一制冷功率和所述调整后的第二制冷功率；

根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率和所述温度预测模型，获得功率设置模型的约束条件，包括：

根据公式

；

；

；

；

；

获得功率设置模型的约束条件,其中，为待定的调整后的第一制冷功率，/>为所述第一制冷功率，/>为待定的调整后的第二制冷功率，/>为第二制冷功率，/>为当前控制周期的第1个时刻的第一温度数据，/>为当前控制周期的第2个时刻的第一温度数据，/>为当前控制周期的第N个时刻的第一温度数据，/>为当前控制周期的第1个时刻的第二温度数据，/>为当前控制周期的第2个时刻的第二温度数据，/>为当前控制周期的第N个时刻的第二温度数据，/>为温度预测模型，/>为温度预测模型根据第一温度数据、第二温度数据、待定的调整后的第一制冷功率和待定的调整后的第二制冷功率确定的下一个控制周期的结束时刻的中间热交换器内的预测温度，为温度预测模型根据第一温度数据、第二温度数据、待定的调整后的第一制冷功率和待定的调整后的第二制冷功率确定的下一个控制周期的结束时刻的超低温冷柜的柜体内的预测温度，/>为中间热交换器的温度上限，/>为中间热交换器的温度下限，/>为超低温冷柜的柜体内的设定温度，/>为小于1的预设系数；

根据所述第一温度数据、所述第二温度数据和所述温度预测模型，获得功率设置模型的目标函数，包括：

根据公式

；

；

获得功率设置模型的目标函数。

2.根据权利要求1所述的超低温冷柜，其特征在于，根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件，包括：

根据公式

；

确定第一条件C1和第二条件C2，其中，为下一个控制周期的结束时刻的中间热交换器内的第一预测温度数据，/>为下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，/>为中间热交换器的温度上限，/>为中间热交换器的温度下限，/>为超低温冷柜的柜体内的设定温度，/>为大于1的预设系数，所述第一条件C1和所述第二条件C2为所述调整条件；

在所述第一条件C1和所述第二条件C2同时被满足的情况下，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件。

3.根据权利要求1所述的超低温冷柜，其特征在于，所述温度预测模型的训练步骤包括：

在第i个历史控制周期中的多个时刻，获取第一温度传感器检测到的第一样本温度数据和第二温度传感器检测到的第二样本温度数据，其中，i为正整数；

获取第i+1个历史控制周期的一级制冷过程中使用的压缩机的第一样本制冷功率，以及二级制冷过程中使用的压缩机的第二样本制冷功率；

将所述第i个历史控制周期中的多个时刻的第一样本温度数据和第二样本温度数据，以及第i+1个历史控制周期的第一样本制冷功率和第二样本制冷功率输入温度预测模型，获得第i+1个历史控制周期的多个时刻的中间热交换器内的第一预测温度数据，以及超低温冷柜的柜体内的第二预测温度数据；

根据所述第一制冷功率、所述第二制冷功率、第一样本制冷功率、第二样本制冷功率、在所述第i+1个历史控制周期的多个时刻由第一温度传感器检测到的第一样本温度数据，以及由第二温度传感器检测到的第二样本温度数据，以及所述第一预测温度数据和所述第二预测温度数据，确定所述温度预测模型的损失函数；

根据所述温度预测模型的损失函数，对所述温度预测模型进行训练，获得训练后的温度预测模型。

4.根据权利要求3所述的超低温冷柜，其特征在于，根据所述第一制冷功率、所述第二制冷功率、第一样本制冷功率、第二样本制冷功率、在所述第i+1个历史控制周期的多个时刻由第一温度传感器检测到的第一样本温度数据，以及由第二温度传感器检测到的第二样本温度数据，以及所述第一预测温度数据和所述第二预测温度数据，确定所述温度预测模型的损失函数，包括：

根据公式

；

确定所述温度预测模型的损失函数，其中，/>为所述第一制冷功率，/>为所述第一样本制冷功率，/>为所述第二制冷功率，/>为所述第二样本制冷功率，/>为第i+1个历史控制周期的第j个时刻的第一样本温度数据，/>为第i+1个历史控制周期的第j个时刻的第一预测温度数据，/>为第i+1个历史控制周期的第j个时刻的第二样本温度数据，/>为第i+1个历史控制周期的第j个时刻的第二预测温度数据，N为控制周期内的时刻数，j≤N，且j和N均为正整数。

5.一种超低温冷柜的节能运行控制方法，其特征在于，所述方法用于如权利要求1-4中任一项所述的超低温冷柜的控制器，包括：

在当前控制周期的多个时刻，分别获取第一温度传感器检测到的第一温度数据，以及第二温度传感器检测到的第二温度数据；

确定当前控制周期的一级制冷过程中使用的压缩机的第一制冷功率和二级制冷过程中使用的压缩机的第二制冷功率；

将所述第一温度数据、所述第二温度数据、所述第一制冷功率和所述第二制冷功率输入温度预测模型，获得下一个控制周期的结束时刻的超低温冷柜的柜体内的第二预测温度数据，以及中间热交换器内的第一预测温度数据；

根据所述第一预测温度数据和所述第二预测温度数据，确定所述第一制冷功率和所述第二制冷功率是否符合预设的调整条件；

如果所述第一制冷功率和所述第二制冷功率符合预设的调整条件，则根据所述第一温度数据、所述第二温度数据、所述第一制冷功率、所述第二制冷功率、所述温度预测模型和功率设置模型，获得下一个控制周期的一级制冷过程中使用的压缩机的调整后的第一制冷功率，和二级制冷过程中使用的压缩机的调整后的第二制冷功率；

在所述下一个控制周期的开始时刻，将所述一级制冷过程中使用的压缩机的制冷功率设置为所述调整后的第一制冷功率，并将所述二级制冷过程中使用的压缩机的制冷功率设置为所述调整后的第二制冷功率。