一种基于负荷预测的冷库动态蓄冷控制系统

本发明涉及冷库控制，特别是一种基于负荷预测的冷库动态蓄冷控制系统。

背景技术：

1、冷库作为冷链物流体系中的核心基础设施，其制冷能耗占整个冷链系统总能耗的40%以上。当前，冷库制冷系统普遍采用基于温度上下限的启停控制策略，即当库内温度高于设定上限时启动制冷机组，低于设定下限时停止制冷机组。这种控制方式存在以下突出问题：其一，控制策略基于固定阈值，未能考虑热负荷的时变特性，在负荷突变时响应滞后，导致库温大幅波动，影响贮藏品质并增加能耗；其二，蓄冷系统的充放冷策略缺乏前瞻性优化，多依据固定时间表或阈值执行，无法根据未来负荷动态调整，蓄冷利用率偏低；其三，多台蒸发器之间缺乏协同调度，在部分蒸发器融霜或故障时，其余蒸发器无法动态调整负荷分配，易造成局部超调或供冷不足。

2、为此，有必要设计一种基于负荷预测的冷库动态蓄冷控制系统，实现冷库热负荷的精准预测、蓄冷装置的动态优化调度以及多蒸发器的协同控制，从而在保障库温稳定性的前提下最大限度降低制冷能耗。

技术实现思路

1、本发明提出了一种基于负荷预测的冷库动态蓄冷控制系统，针对现有冷库控制系统响应滞后、蓄冷调度粗放及多蒸发器缺乏协同的问题，构建了“负荷预测-动态优化-协同执行”的三层递阶控制架构，实现冷库供冷的精准预测与前瞻调度。

2、本发明提供了一种基于负荷预测的冷库动态蓄冷控制系统，该系统包括：数据采集与感知层、负荷预测与状态估计层、动态优化决策层以及协同执行控制层。

3、数据采集与感知层，布设于冷库库体、制冷机组及蓄冷装置，集成温度传感器、湿度传感器、压力传感器、电量监测模块及库门状态传感器，获取多源实时运行数据。

4、负荷预测与状态估计层，与数据采集与感知层电连接，对多源实时运行数据进行处理，获取冷库当前热负荷状态与蓄冷装置剩余蓄冷量，并预测未来时域的冷库热负荷序列；该层集成数据融合与预处理模块、冷库热负荷预测模块以及蓄冷装置状态估计模块；

5、数据融合与预处理模块：建立统一时空基准，对多源实时运行数据进行时间同步、异常值检测与缺失值插补处理，生成同步化的多变量时序数据集；

6、冷库热负荷预测模块：以同步化的多变量时序数据集为基础，采用基于多尺度时序门控网络与图神经网络的混合预测模型，对未来预设时间窗内的冷库热负荷进行多步滚动预测，输出冷库热负荷预测序列及其预测置信区间；该模块的具体预测过程包括：

7、步骤a1：将同步化的多变量时序数据集中的各变量按时间窗口进行滑窗截取，构建输入张量，所述变量包括库内温度、库外温度、库内湿度、制冷机组蒸发温度、冷凝温度、库门开关状态及近期货物入库记录；

8、步骤a2：采用多尺度时序门控网络对输入张量进行时序特征提取，多尺度时序门控网络包含短时记忆门控单元与长时依赖门控单元，两门控单元的输出经自适应融合权重进行加权融合，生成融合时序特征；

9、步骤a3：将冷库内部空间按蒸发器覆盖范围划分为若干子区域，以各子区域为图节点，以子区域间的热传递关联强度为边权重，构建冷库热力关联图；

10、步骤a4：采用图卷积网络对步骤a2生成的融合时序特征进行空间特征聚合，得到各子区域的增强特征表示；

11、步骤a5：将各子区域的增强特征表示输入至基于注意力机制的解码器，解码器通过多头自注意力机制对各子区域的时序依赖关系进行建模，输出各子区域在未来预设时间窗内的热负荷预测值；

12、步骤a6：将各子区域的热负荷预测值进行空间聚合，得到冷库总热负荷预测序列，并基于预测残差的统计分布计算预测置信区间；

13、蓄冷装置状态估计模块：基于同步化的多变量时序数据及冷库热负荷预测序列，采用基于扩展卡尔曼滤波的状态观测器，对蓄冷装置的剩余蓄冷量、蓄冷介质温度分布及可用放冷速率进行实时估计，输出蓄冷装置状态估计报告。

14、动态优化决策层，与负荷预测与状态估计层电连接，预存有依据国家分时电价政策获取的实时电价信息，以冷库热负荷预测序列、蓄冷装置状态估计报告及实时电价信息为输入，以制冷机组运行费用与蓄冷装置折旧成本加权和最小化为优化目标，采用基于模型预测控制的动态优化算法，在满足库温约束、制冷机组启停约束及蓄冷装置充放冷速率约束的前提下，计算未来控制时域内制冷机组的最优启停序列与蓄冷装置的最优充放冷功率曲线，输出控制指令集；该层的具体优化过程包括：构建预测时域与控制时域；建立冷库热动态的离散时间状态空间模型；构建包含电费成本、折旧成本和库温偏差惩罚项的优化目标函数；设置库温上下限、机组启停约束及蓄冷装置约束条件；采用序列二次规划算法求解得到最优控制序列；将第一个控制指令输出并在下一时刻滚动优化。

15、协同执行控制层，与动态优化决策层电连接，以控制指令集为需求输入，依据各蒸发器的当前制冷能力、融霜状态、运行健康状态及库内温度场分布，采用基于优先级动态分配的多蒸发器协同调度策略，将总制冷需求分解为各蒸发器的制冷功率设定值，并经现场总线下发至各蒸发器控制器执行；该层的具体调度过程包括：获取各蒸发器的当前最大制冷功率、实际制冷功率及融霜状态；获取各子区域的温度偏差及偏差变化率；根据温度偏差、偏差变化率及融霜状态计算各蒸发器的调度优先级指数；根据总制冷需求与可用最大制冷功率之和判断是否存在能力缺口，按调度优先级指数分配制冷功率或触发蓄冷装置紧急放冷；将分配后的设定值下发至各蒸发器控制器执行。

16、制冷机组与蓄冷装置通过供冷管路并联连接至各蒸发器，蓄冷装置在制冷机组运行期间进行充冷，在制冷机组停机期间或制冷能力不足时进行放冷补充供冷。

17、进一步的，多尺度时序门控网络包含短时记忆门控单元与长时依赖门控单元，短时记忆门控单元的偏置初始化为负值以对瞬态波动快速遗忘，长时依赖门控单元的偏置初始化为正值以保持长时依赖关系，两门控单元的输出经自适应融合权重进行加权融合，生成综合门控输出。

18、进一步的，动态优化决策层采用基于模型预测控制的动态优化算法，其优化目标函数包含制冷机组运行电费、蓄冷装置折旧成本及库温偏差惩罚项三项。

19、进一步的，协同执行控制层中的多蒸发器协同调度策略，根据温度偏差、偏差变化率、融霜状态及运行健康状态的综合加权计算各蒸发器的调度优先级指数，并按调度优先级指数从高到低分配制冷功率。

20、进一步的，蓄冷装置为相变蓄冷装置，其内部填充相变温度为-5℃至-15℃的相变蓄冷材料，蓄冷装置通过载冷剂循环管路分别与制冷机组的蒸发侧及各蒸发器的供冷侧连接。

21、进一步的，所述系统还包括远程监控与管理平台，部署于云服务器，通过蜂窝网络与负荷预测与状态估计层及动态优化决策层所在的控制主机进行双向通信，集成历史数据存储模块、预测模型在线更新模块及可视化监控模块。

22、进一步的，数据采集与感知层中的温度传感器包括库内多点温度传感器阵列与库外环境温度传感器，库内多点温度传感器阵列按冷库内部空间的三维网格布设，各温度传感器的测量值经数据融合与预处理模块进行空间插补后生成库内温度场分布图。

23、采用上述方案，本发明取得的有益效果如下：

24、本发明通过构建多尺度时序门控网络，采用偏置初始化为负值的短时记忆门控单元与偏置初始化为正值的长时依赖门控单元，分别捕获热负荷序列中的快速波动成分与缓慢变化趋势成分，并经自适应融合权重动态加权融合，实现了对冷库热负荷在不同时间尺度上的协同表征。在此基础上，进一步通过构建冷库热力关联图并采用图卷积网络进行空间特征聚合，有效捕捉了各子区域间的热传递耦合关系，使模型能够同时感知局部瞬态扰动与全局趋势变化。相比现有基于固定阈值的控制方式，本发明能够在负荷突变发生前提前感知并响应，从源头避免了库温大幅波动。

25、本发明以冷库热负荷预测序列、蓄冷装置状态估计报告及依据国家分时电价政策获取的实时电价信息为输入，以制冷机组运行费用与蓄冷装置折旧成本加权和最小化为优化目标，采用模型预测控制算法进行滚动优化，在满足库温约束、制冷机组启停约束及蓄冷装置充放冷速率约束的前提下，求解未来控制时域内制冷机组的最优启停序列与蓄冷装置的最优充放冷功率曲线。该机制将蓄冷装置的充放冷策略从传统的固定时间表或阈值规则升级为基于负荷预测与电价信号的动态前瞻调度，能够在电价低谷时段主动充冷、在电价高峰时段优先放冷，在保障库温稳定的前提下显著降低了系统运行成本。

26、本发明在协同执行控制层中，依据各蒸发器所覆盖子区域的温度偏差、偏差变化率、融霜状态及运行健康状态，计算各蒸发器的调度优先级指数，并按优先级从高到低分配制冷功率。该策略解决了现有冷库中多台蒸发器因缺乏协同而导致的资源竞争与动作冲突问题，实现了冷量资源向最紧缺区域的精准投放。同时，通过在调度优先级指数中引入运行健康状态标识，系统能够自动将故障蒸发器隔离在功率分配之外，并在制冷能力不足时自动触发蓄冷装置紧急放冷模式补充缺口，显著提升了系统在蒸发器融霜、故障等特殊运行工况下的运行可靠性与供冷连续性。