1.一种用于楼宇自动控制的智能空调控制方法,其特征在于,该控制方法包括以下步骤:S1、获取当前楼宇区域内空调的历史运行信息,并根据上述信息对各区块人员空调使用行为进行偏好分类;
S2、根据偏好分类建立偏好预测模型,并将偏好预测模型与多阶跃输入的智能空调控制系统相结合;
S3、将偏好分类与用电成本相结合建立空调负荷多目标优化调控模型;
S4、将偏好预测模型、智能空调控制系统及优化调控模型集成至楼宇自动控制系统,并结合区间控制策略进行空调温度调节;
S5、实时监测楼宇内空调的运行状态,并定期与楼宇内人员进行意见反馈沟通,根据监测结果与反馈结果进行控制调整。
2.根据权利要求1所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述获取当前楼宇区域内空调的历史运行信息,并根据上述信息对各区块人员空调使用行为进行偏好分类包括以下步骤:S11、利用楼宇管理系统获取楼宇区域内的历史信息数据,所述信息数据包括历史空调的用电量、人员对空调的调节行为、使用时长及空调温度设定;
S12、利用时间序列表征区块内人员的使用时长特征,并通过互相关距离算法计算使用时长规律;
S13、利用基于密度的空间聚类算法挖掘人员的温度设定规律,并将使用时长特征和温度设定规律相结合,将行为偏好分为三组群体,所述三组群体分别为短时高温、长时低温及中时中温。
3.根据权利要求1所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述根据偏好分类建立偏好预测模型,并将偏好预测模型与多阶跃输入的智能空调控制系统相结合包括以下步骤:S21、根据区块内人员空调使用时长与温度设定在模型空间内构建分布式数据结构;
S22、利用混沌理论与相空间重构理论对数据结构内区块内人员的偏好序列进行混沌特性分析与相空间重构;
S23、采用遗传算法优化的神经网络对偏好进行预测集成获得偏好预测模型;
S24、根据偏好将传统的智能控制系统转换为多阶跃输入,所述智能控制系统包含不同阶跃输入的控制参数;
S25、将偏好预测模型与智能空调控制模型进行集成连接。
4.根据权利要求3所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述利用混沌理论与相空间重构理论对数据结构内区块内人员的偏好序列进行混沌特性分析与相空间重构包括以下步骤:S221、利用LCE特性指数判断数据结构内偏好序列的混沌特性;
S222、利用相关系数方法估计数据结构内的平均温度与使用时长,并根据经验法则确定嵌入维数;
S223、将平均温度的序列数据转换为相空间中的高维向量,并通过嵌入维数进行相空间重构;
S224、对重构后的相空间进行分析,并采用小数据量法估计智能空调的温度与使用时长之间的指数分离率。
5.根据权利要求4所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述根据偏好将传统的智能控制系统转换为多阶跃输入包括以下步骤:S241、在传统的智能控制系统中输入以各分块不同温度为目标的控制信号,以各分块内的空调使用时长、空调温度为输出,建立多输入多输出的控制类型;
S242、针对控制信号的特性设计各回路的线性控制器,并基于线性控制器提出控制方法,根据线性化方程求解各分块不同温度的控制信号;
S243、建立观测空调使用时长与空调温度的观测变量特征方程,利用稳定性分析理论对控制方法的动态稳定性进行分析;
S244、对设计的控制方法进行仿真与实验验证,评估智能空调控制系统的性能。
6.根据权利要求1所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述将偏好分类与用电成本相结合建立空调负荷多目标优化调控模型包括以下步骤:S31、将楼宇区域内智能空调的用电成本建模为离散时间马尔科夫链上的不同状态用电量,获得用电成本控制策略;
S32、采用带有回报属性的时序逻辑公式确定控制策略下的用电成本,并采用概率模型进行不同偏好分类情况下用电成本的自动计算;
S33、利用遗传算法将控制策略编码为遗传算法解空间中的个体,并基于用电成本定义个体的适应度值;
S34、将概率模型检测器作为求解器在解空间上执行遗传操作获取不同偏好分类情况下的空调用电成本负荷目标,并将空调用电成本负荷目标进行集成构建为优化调控模型。
7.根据权利要求6所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述将楼宇区域内智能空调的用电成本建模为离散时间马尔科夫链上的不同状态用电量,获得用电成本控制策略包括以下步骤:S311、将用电成本划分为不同的离散状态,确定状态之间的转移概率;
S312、根据定义的状态和状态转移概率,建立离散时间马尔科夫链模型描述用电成本的变化;
S313、在马尔科夫链内检测不同状态下的用电量,获得基于总用电成本的控制策略;
S314、针对三组偏好分类制定相应的评估指标进行用电总成本影响的评估,并根据评估结果对控制策略进行调整。
8.根据权利要求7所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述在马尔科夫链内检测不同状态下的用电量,获得基于总用电成本的控制策略中总成本计算公式为: ;
式中,T表示用电总成本;
M表示空调使用时长;
t表示空调使用时间段;
表示当前状态下的用电成本;
表示当前状态下的用电量;
表示用电控制成本函数;
E表示期望总成本。
9.根据权利要求8所述的一种用于楼宇自动控制的智能空调控制方法,其特征在于,所述利用遗传算法将控制策略编码为遗传算法解空间中的个体,并基于用电成本定义个体的适应度值包括以下步骤:S331、确定遗传算法的编码方式,确定控制策略在不同使用状态上的控制输入取值;
S332、根据控制输入取值与编码方式进行种群生成操作,将种群中的个体编码为控制输入;
S333、将控制策略输入至概率模型检测器中获取不同状态下的用电量作为控制策略的适应度值。
10.一种用于楼宇自动控制的智能空调控制系统,用于实现权利要求1‑9中任一项所述的用于楼宇自动控制的智能空调控制方法,其特征在于,该控制系统包括:获取分类模块、构建结合模块、调控模型构建模块、集成模块及监测调整模块;
所述获取分类模块,用于获取当前楼宇区域内空调的历史运行信息,并根据上述信息对各区块人员空调使用行为进行偏好分类;
所述构建结合模块,用于根据偏好分类建立偏好预测模型,并将偏好预测模型与多阶跃输入的智能空调控制系统相结合;
所述调控模型构建模块,用于将偏好分类与用电成本相结合建立空调负荷多目标优化调控模型;
所述集成模块,用于将偏好预测模型、智能空调控制系统及优化调控模型集成至楼宇自动控制系统,并结合区间控制策略进行空调温度调节;
所述监测调整模块,用于实时监测楼宇内空调的运行状态,并定期与楼宇内人员进行意见反馈沟通,根据监测结果与反馈结果进行控制调整。