基于人工智能的制冷设备运行节能控制系统及方法与流程

本发明涉及制冷设备智能控制，尤其涉及基于人工智能的制冷设备运行节能控制系统及方法。

背景技术：

1、制冷设备，尤其是冰柜，在工业和商业领域广泛应用，其主要功能是保持物品在低温环境下以延长保鲜期，根据统计，制冷设备的运行能耗占据了商业建筑总能耗的显著比例，给运营成本和环境带来了压力，而通过智能控制系统和优化设计，可有效降低冰柜能耗并提高制冷效率。

2、如公开号cn119687645a的基于人工智能的制冷设备运行节能控制方法及设备，通过深度学习的负荷动态预测技术方案，达到了对未来制冷负荷需求的高精度预测技术效果，相较于现有技术中依赖简单线性模型或固定参数模型的技术方案，解决了其对复杂非线性动态关系建模能力不足的问题，从而能够准确捕捉环境变量和设备运行状态的变化趋势，提高了负荷预测的可靠性。

3、现有冰柜温控仅感知空气温度，在商超夜间补货或高峰取物时柜门频繁大开会引发冷量过度补偿，既浪费电能又易致蒸发器结霜过厚、换热效率下降，而且现有定频启停或简单pid调节难以适应环境温度骤变的非线性衰减工况，压缩机频繁过载运行会使能耗异常攀升，进一步地，实际运行中压缩机频繁启停冲击以及固定周期的化霜操作会与实时负荷脱节，造成优化指令的执行效能不足，致使整体节能收益降低，从而影响制冷设备节能控制的整体效能，为此，现提出基于人工智能的制冷设备运行节能控制系统及方法，以解决上述提出的问题。

技术实现思路

1、为了克服背景技术中的缺点，本发明提供了基于人工智能的制冷设备运行节能控制系统及方法，能够有效解决上述背景技术中涉及的问题。

2、本发明的目的可以通过以下技术方案来实现：第一方面，本发明提供了基于人工智能的制冷设备运行节能控制系统，包括运行控制器，所述运行控制器通信连接有如下模块：

3、热扰特征感知模块，用于通过融合门磁开关状态监测与柜内热成像温度场分布的智能传感系统，将冰柜开门瞬间的外部热辐射侵入转化为可量化的时空特征图，经卷积神经网络自动剥离背景温度场，提取开门热辐射干扰特征，使系统精准识别开门热扰强度与扩散路径，为负荷预判提供纯净的扰动量化依据；

4、动态负荷预判引擎，用于以开门热辐射干扰特征为条件输入，利用边缘侧轻量级lstm对短时开门扰动量进行预判滤波，输出修正后的动态负荷基准值，同时估计冰柜冷凝器老化衰减系数，确定经设备退化矫正后的真实需求负荷，使制冷输出提前响应即将到来的负荷变化，消除传统温控的滞后惯性，从源头削减无效供冷能耗；

5、自适应设定点寻优器，基于退化矫正后的真实需求负荷，采用改进灰狼算法在蒸发温度可行域内搜索当前冰柜性能与工况下的最佳设定点，经由模糊逻辑对寻优结果实施梯度平滑约束，输出冰柜蒸发温度目标值，蒸发温度始终运行于当前工况下的最优能效点，实现制冷量与能耗的动态最优平衡；

6、联动执行优化器，用于以冰柜蒸发温度目标值为参考轨迹，构建压缩机变频调速与智能可变化霜周期的多变量预测模型，在滚动时域内协同优化启停频率与化霜切入时机，并引入粒子群算法在线整定模型预测控制的权重系数，使冰柜实际运行贴合预测控制参数，适应工况变化，实现变频与化霜的联动执行，显著降低执行偏差带来的附加能耗。

7、优选的，所述热扰特征感知模块中，提取开门热辐射干扰特征的过程具体包括：

8、同步采集冰柜门磁开关的开关状态、持续开启时长及单位时间开启频次，并驱动柜内部署的红外热成像阵列以固定采样周期扫描内部二维温度场分布，获取开门动作时刻的温度场原始矩阵，完整捕获开门瞬间的热侵入起始状态，为后续热扰分析提供精确的时间锚点与空间基准；

9、将门磁时序信号与温度场空间矩阵按时间戳对齐，以开门瞬间为触发起点，构建以时间为纵向轴、空间坐标为横向面的三维热扰时空特征图，其中每个体素表征该位置在该时刻的热辐射增量值，热扰演化过程在时空维度上完整可视化，揭示热辐射侵入的扩散路径与衰减规律；

10、将三维时空特征图输入预训练的轻量化卷积神经网络，经多层卷积与池化操作自动剥离由蒸发器换热及货物蓄热构成的背景温度场，以提取开门热辐射干扰特征，并输出仅表征开门热辐射侵入的干扰特征图，即开门热辐射干扰特征图，使开门热扰与设备背景热场精准分离，显著提升后续负荷预测对真实扰动的敏感度与响应精度。

11、优选的，所述动态负荷预判引擎包括负荷基准短时预判单元和设备退化估计单元；

12、其中，所述负荷基准短时预判单元，基于冰柜边缘侧部署的轻量化lstm网络，将提取的开门热辐射干扰特征作为条件输入，对未来2～5分钟内的冷负荷增量进行多步滚动预测，并利用门控记忆机制捕捉冰柜开门的扰动衰减，输出滤波后的动态负荷基准值，系统提前预知开门热扰衰减趋势，避免冷量过度补偿，显著降低压缩机无效做功；

13、所述设备退化估计单元，用于监测冰柜冷凝器温差变化率（冷凝温度与环境温度之差）并结合压缩机累计运行时长，采用递推最小二乘法在线估计当前换热效率衰减系数，与动态负荷基准值进行乘法修正，使冰柜控制指令匹配当前实际制冷能力，输出经设备老化修正后的真实需求负荷，控制指令随冷凝器性能衰减自适应补偿，防止老化导致的供冷不足或过度消耗。

14、优选的，所述负荷基准短时预判单元中，输出滤波后的动态负荷基准值的过程具体包括：

15、将开门热辐射干扰特征图展平为一维时序特征向量，作为边缘侧轻量化lstm网络的条件输入，同时载入当前蒸发温度与回风温度实测值构成多源输入张量，热扰空间特征与运行温度数据有机融合，为负荷预测提供全面且准确的多维条件依据；

16、利用lstm网络的门控记忆机制对多源输入张量进行时序编码，通过遗忘门和输入门协同控制历史热扰信息的衰减速率，对未来2至5分钟时间窗口内的冷负荷增量执行多步滚动预测，输出各预测步长的负荷增量序列，精准捕捉热扰衰减规律并提前预知负荷走势，有效消除传统控制中的冷量过剩与响应滞后；

17、将负荷增量序列与当前稳态基础负荷值进行叠加，并经一阶低通滤波平滑处理消除预测毛刺，输出适应柜门频繁开启工况的动态负荷基准值，使负荷基准值平滑跟随频繁开门扰动，有效抑制预测波动引发的执行震荡，保障制冷输出平稳且可靠。

18、优选的，所述设备退化估计单元，输出经设备老化修正后的真实需求负荷的过程具体包括：

19、采集冰柜冷凝器盘管温度与环境温度传感器数值，计算冷凝温度与环境温度的瞬时差值，并求取该差值在单位时间内的变化率，即冷凝器温差变化率，同时读取压缩机累计运行时长作为老化累积表征量，实时感知冷凝器换热能力的变化趋势，为老化状态评估提供连续可靠的量化指标；

20、以冷凝器温差变化率和累计运行时长为观测向量，采用带遗忘因子的递推最小二乘法在线辨识冷凝器换热效率的当前换热效率衰减系数，其中遗忘因子设定为0.95至0.99之间以平衡历史数据与当前测量值的权重，换热效率衰减系数随运行状态动态更新，精准跟踪冷凝器性能退化进程，避免固定参数导致的补偿失配；

21、将辨识得到的当前换热效率衰减系数与所述动态负荷基准值进行乘法修正，即以当前换热效率衰减系数的倒数对动态负荷基准值实施放大补偿，输出经设备退化矫正后且匹配当前冷凝器实际换热能力的真实需求负荷，压缩机出力随冷凝器实际换热能力精准调整，消除老化引发的供冷偏差，保障制冷输出始终贴合真实需求。

22、优选的，所述自适应设定点寻优器包括耦合寻优单元和平滑约束单元；

23、其中，所述耦合寻优单元，用于以冰柜经退化修正后的真实需求负荷与冷凝器温差变化率作为双驱动变量，构建兼顾制冷量匹配度与能效比的多目标适应度函数，采用改进型灰狼算法在蒸发温度约束区间内快速迭代寻优，搜索使冰柜制冷输出贴合当前热扰需求且冷凝散热工况的最佳蒸发温度设定点，使制冷输出精准匹配热扰需求与冷凝散热能力，在保障保温效果的同时最大化运行能效；

24、所述平滑约束单元，用于将冰柜开门频次、温差变化率及当前蒸发温度偏差量模糊化，通过预设的mandani规则库推理出平滑系数，对灰狼算法输出的最佳蒸发温度设定点实施梯度限幅，以确定满足能效最优且兼顾执行平稳性的冰柜蒸发温度目标值，设定点以平缓轨迹过渡，避免执行机构频繁大幅动作，保障系统运行稳定性与设备寿命。

25、优选的，所述耦合寻优单元中，搜索最佳蒸发温度设定点的过程具体包括：

26、以设备退化估计单元输出的真实需求负荷和冷凝器温差变化率为双驱动变量，构建多目标适应度函数，该多目标适应度函数由制冷量匹配度子函数与能效比子函数加权求和构成，其中制冷量匹配度表征需求负荷与蒸发器实际制冷量的偏差平方倒数，优化目标同时兼顾制冷精度与运行能效，确保寻优方向与真实制冷需求高度一致；

27、在冰柜蒸发温度可行域内初始化改进型灰狼算法种群，将各灰狼个体的位置向量映射为候选蒸发温度设定点，以多目标适应度函数值为寻优导向，通过非线性收敛因子调节全局探索与局部开发能力的动态平衡，既能广域搜索最优区间又能精细定位最佳设定点，有效避免陷入局部次优解；

28、迭代更新灰狼个体位置直至满足最大迭代次数或适应度变化阈值，输出使适应度函数值最大化的最佳蒸发温度设定点，以匹配当前热扰需求与冷凝散热工况的耦合约束，使蒸发温度始终锁定当前工况下的最优平衡点，实现制冷量与能耗的实时动态匹配。

29、优选的，所述平滑约束单元中，确定冰柜蒸发温度目标值的过程具体包括：

30、采集当前控制周期的开门频次、冷凝器温差变化率以及上一周期蒸发温度实际值与当前候选蒸发温度设定点之间的偏差量，将三者分别映射至预设的模糊论域并赋予隶属度函数，完成精确量的模糊化处理，准确量化当前工况波动程度，为平滑系数的智能推理奠定可靠的输入基础；

31、基于mandani型模糊推理引擎，调用预置的专家规则库对模糊化输入进行推理，专家规则库依据预设的多维模糊规则前件匹配关系输出平滑系数的模糊集合，经重心法解模糊获得清晰的平滑系数值，平滑系数依据工况变化智能调整，实现设定点变动抑制力度的精准适配；

32、以平滑系数对改进灰狼算法输出的最佳蒸发温度设定点实施梯度限幅运算，限制相邻控制周期设定点的最大变动幅度，输出满足能效最优且兼顾执行机构动作平稳性的冰柜蒸发温度目标值，蒸发温度目标值平滑过渡无突变，保障压缩机与膨胀阀平稳运行，有效延长设备使用寿命。

33、优选的，所述联动执行优化器中，使冰柜实际运行贴合预测控制参数，适应工况变化的过程具体包括：

34、以冰柜蒸发温度目标值为参考轨迹，建立包含压缩机驱动频率、电子膨胀阀开度与可变化霜周期为操纵变量的多变量预测模型，并将蒸发温度实际值与目标值的跟踪误差以及压缩机功耗纳入模型预测控制的代价函数，多执行机构在统一框架下协同优化，消除变频与化霜独立控制带来的执行冲突；

35、在预设的滚动时域窗口内，采用粒子群算法在线整定代价函数中跟踪精度权重系数与能耗权重系数，使整定后的权重适应环境温度突变及不同时段开门频次变化引起的工况漂移，并以该权重对多变量预测模型实施滚动优化，控制权重随工况漂移动态自适应，确保系统在全天候变化环境下始终保持最优节能策略；

36、从滚动优化结果中提取当前控制时域的首组操纵变量，分别输出压缩机变频调速信号与化霜加热器切入时机指令，联动协同执行压缩机变频调速指令与可变化霜周期切入指令，变频调温与智能化霜紧密联动，消除执行偏差叠加效应，有效降低综合运行能耗。

37、第二方面，本发明还提供了基于人工智能的制冷设备运行节能控制方法，基于所述的基于人工智能的制冷设备运行节能控制系统而实现，包括以下步骤：

38、s1：融合冰柜的门磁时序与热像温度场，以开门瞬间为触发零点构建三维热扰时空特征图，经轻量化卷积神经网络剥离背景，提取开门热辐射干扰特征图并缓存，使热扰特征纯净可量化，为后续负荷预测提供准确的数据基础；

39、s2：将开门热辐射干扰特征图展平后与蒸发/回风温度拼接为多源张量，输入边缘轻量lstm递归预测未来冷负荷增量，叠加稳态基础负荷并经开门频次自适应滤波，输出动态负荷基准值，制冷系统提前响应热扰变化，消除供冷滞后与冷量过剩浪费；

40、s3：同步采集冷凝器温差变化率与压缩机累计运行时长，经带遗忘因子的递推最小二乘法在线辨识换热效率衰减系数，取其倒数对动态负荷基准值实施放大补偿，输出经设备老化修正的真实需求负荷，压缩机出力随冷凝器老化程度精准补偿，消除性能衰减引发的供冷偏差；

41、s4：以真实需求负荷为主驱动、冷凝器温差变化率为辅驱动，构建制冷量匹配度与能效比加权和的多目标适应度函数，经改进灰狼算法在蒸发温度可行域内迭代寻优，输出最佳蒸发温度设定点，蒸发温度锁定当前最优能效点，实现制冷量与能耗的动态平衡；

42、s5：将开门频次、温差变化率及温度偏差量模糊化，经mandani推理获得平滑系数并对最佳设定点实施梯度限幅，输出目标值作为参考轨迹驱动mpc滚动优化，联动调控压缩机频率、膨胀阀开度与化霜周期，多执行机构轨迹平滑协同，显著降低执行偏差与综合运行能耗。

43、与现有技术相比，本发明的有益效果是：

44、1、该基于人工智能的制冷设备运行节能控制系统及方法，通过融合门磁时序与温度场分布构建热扰时空特征，结合深度网络对短时开门扰动的预判滤波，使制冷输出能够提前响应非周期性热扰变化，有效克服传统温控仅依赖空气温度的滞后缺陷，提升冷量供给与实时负荷的动态匹配精度。

45、2、该基于人工智能的制冷设备运行节能控制系统及方法，通过多目标寻优与模糊平滑约束的级联配合，将蒸发温度设定点变化轨迹限制在平缓可控范围内，避免设定点剧烈跳变引发压缩机频繁大幅调速或启停冲击，有效降低机械磨损与电气冲击，同时抑制蒸发温度波动幅度，提升制冷系统运行稳定性与设备使用寿命。

46、3、该基于人工智能的制冷设备运行节能控制系统及方法，以蒸发温度目标值为参考轨迹，构建多变量滚动优化框架，将变频调速与化霜周期纳入同一优化时域内协同决策，使化霜切入时机随负荷波动与结霜趋势自适应调整，避免固定周期化霜造成的能源空耗与制冷中断，实现变频与化霜的能效互补，显著降低联动执行环节的附加能耗。

47、4、该基于人工智能的制冷设备运行节能控制系统及方法，通过在线估计冷凝器换热效率的衰减趋势，将设备老化因素引入负荷修正环节，使控制指令始终以当前实际制冷能力为基准进行调配，避免因性能衰退导致压缩机长期过载运行或供冷不足，延长设备高效运行周期，延缓性能衰减对节能效果的负面影响。