本技术成果依托“建筑大数据智能处理方法研究”北京市重点实验室，针对公共建筑和数据中心空调设备系统，提出一种基于人工智能的预测优化控制方法，以克服设备系统的大时滞和强耦合特性，提高控制精度，使系统可以在满足供冷/供热需求的前提下，减少设备系统能耗，达到节能的目的。
主要创新点
1.建模与优化都是数据驱动，无需设备系统的机理知识，从而无需依赖专家经验；
2.可克服设备系统的非线性、大时滞、强耦合和一定程度上的不确定特性；
3.可克服动态规划方法求解非线性优化解的“维数灾”问题，占用存储量小，运算速度快，易于工程实现。
主要创新技术：
1.采用多层前馈深度神经网络建立系统模型，以气象参数、设备系统的状态量、控制量、能耗指标等当前和历史状态数据驱动，并实现在线学习；
2.控制器采用多层前馈深度神经网络结构，融入预测控制、最优控制思想，基于梯度下降法，在低内存、高运算效率下实现非线性多目标性能滚动优化；
3.采用分层递阶的控制架构设计，可与传统DCS集散控制系统无缝对接，联合运行。
合作开发、技术转让、技术许可或其它方式。
(1)合作意向方联系北京建筑大学科学技术发展研究院成果转化与科技合作办公室（以下简称成果办）
(2)成果办沟通了解意向方情况。
(3)会同成果完成团队与意向方共同研讨合作方案。
科学技术发展研究院成果转化与科技合作办公室
-
网址：
转载请注明：http://www.0431gb208.com/sjslczl/775.html
