买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜电子科技大学申请的专利一种用于中央空调的能耗优化方法及数据采集系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114997044B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210540529.7，技术领域涉及：G06F30/27；该发明授权一种用于中央空调的能耗优化方法及数据采集系统是由蒋丹;赵雯婷;姚巍;付益路;郭庆;杨平设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种用于中央空调的能耗优化方法及数据采集系统在说明书摘要公布了：本发明公开了一种用于中央空调的能耗优化方法及数据采集系统，属于中央空调系统能源预测与优化技术领域。本发明采用卷积计算方式可有效缓解多变量与众多时间步构成的数据集计算量，受到感受野的限制，单通道卷积核对特征相关性初步提取能力有限，采用经验模态分解提取多个本征模函数，并联合原始数据集构成多通道数据集，有助于卷积计算时提取参数间特征，针对多步预测的非线性问题通过残差连接拓展神经网络深度，能够有效提升精度。对于粒子群优化算法，引入小生境法则并采用异步更新方式进行改进，并采用频繁模式增长算法获取运行参数之间的关联规则，赋予了优化算法的参数关联性，提高数据处理精度，达到调整中央空调参数实现降低功耗的目的。

本发明授权一种用于中央空调的能耗优化方法及数据采集系统在权利要求书中公布了：1.一种用于中央空调的能耗优化方法，该方法包括：步骤1：分别采集中央空调系统的运行参数，包括：蒸发器入口和出口温度、冷凝器入口和出口温度、冷冻水总流量、冷却水总流量、冷水机组负荷率、室内环境温度以及系统总功率，其中室内温度以五层楼温度求均值，并根据设备变频器获取冷冻水泵频率、冷却水泵频率以及冷却塔风机频率；步骤2：对步骤1采集到的运行参数进行预处理；步骤2.1：对数据集进行归一化处理； 式中：为归一化后的第j个参数中的第i条运行数据，为归一化前的对应数据，和分别为第j个参数中的最小值和最大值；步骤2.2：结合设备参数的运行范围剔除每个变量中的离群数据，之后采用基于密度的聚类方法对数据集进行聚类，得到一个不规则的簇，并去除其余运行数据点；步骤2.3：对所有参数数据进行分段区间整合，针对同一时间段内的多个采集数据取平均值，并按照时间序列将所有参数合并，得到的数据集中部分缺失采集数据的区间采用前向填充或后向填充；步骤3：对步骤2预处理得到的数据集进行多通道深度残差网络的建模及能耗预测；步骤3.1：将连续N段时间内的运行参数与一条相隔一段时间T的运行参数合并作为一条数据的输入部分，间隔时间T的运行参数理解为系统设定参数，以输入的最后时刻点为终点连续时间T的功率作为这条数据的输出部分，构建成连续N段时间内运行数据结合设定参数预测后续时间T的系统功率的模式；步骤3.2：采用经验模态分解方法对步骤3.1得到的数据集进行分解，获取前3个本征模函数分量，每个本征模函数分量包含了不同时间尺度的局部特征数据，将步骤3.1得到的数据集结合3个本征模函数构建成4通道的新数据集；步骤3.3：将数据集按照9：1的划分为训练集与验证集，深度残差网络基于ResNet18模型进行针对性调整：去除ResNet18模型中间的池化层，最后一个平均池化层更换为全连接层，在该全连接层中添加了随机删除连接节点层，并在保证卷积核较小的情况下对模型层参数进行遍历寻优，得到深度残差网络模型结构；步骤4：对步骤2预处理得到的数据集挖掘潜在的关联规则；步骤4.1：采用K均值聚类算法对步骤2得到的数据集中每个特征参数进行数据聚类，聚类数根据最大平均轮廓系数S与尽可能小的误差平方和SSE来设定： 其中： 式中：n表示数据总长度，Si表示样本点xi的轮廓系数，ai是样本点xi与簇内其他样本点的平均距离，称为凝聚度；bi是样本点xi与最近簇中所有样本的平均距离，称为分离度；p是某个簇Ck中的样本点，mi是簇心坐标；步骤4.2：将步骤1中的参数进行顺序编号，每个参数中得到的多个聚类簇按照数字进行编号，将每条数据转化为各自所述区间的编号；步骤4.3：采用频繁模式增长算法对步骤4.2得到的编号集进行处理，得到一组包含不同长度的关联规则；步骤5：采用优化模型对采集的实时数据进行能耗优化；步骤5.1：对粒子群优化算法进行改进，采用小生境法则进行种群划分，对于粒子xi，它与其他粒子的欧氏距离为：dik＝||xi-xk||,k＝1,2,3...,n根据设定参数ε0，当dik＜ε0时，则将该粒子加入到小生境群体Xc，在粒子属性更新过程中，整个种群信息共享下降为各自生境群体内部共享，粒子的更新公式为： 式中：和为第j个种群中第i个粒子在第t次迭代时的速度和位置属性，ω为惯性系数，c1和c2为学习因子，和分别是当前粒子最优位置和群体最优位置；粒子种群更新方式采用异步更新，即每个粒子完成属性更新后，对个体最优信息与群体最优信息进行更新，使得下一个粒子更新时能够获取更优适应值和位置信息；步骤5.2：构建中央空调系统的能耗优化模型，将步骤3.3训练得到的深度残差网络模型作为优化算法的目标函数，将采集参数的正常范围联合步骤4.3得到的关联规则作为优化算法的约束条件，其中关联规则分为前项和后项，当参数优化过程中满足前项的取值区间时，其后项对应的参数取值也必须为后项对应区间；步骤5.3：采用优化模型对实时获取的数据进行能耗预测，在保证室内温度以及冷水机组负荷率不变的前提下，通过优化算法调整其余设定值，在满足制冷需求的情况下找到中央空调接下来1小时最低能耗的工作点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。