技術(shù)特征：

1.一種基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，所述方法包括步驟：

2.根據(jù)權(quán)利要求1所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，所述第一初始數(shù)據(jù)為建筑物內(nèi)的人員流動數(shù)據(jù)和室內(nèi)外環(huán)境參數(shù)數(shù)據(jù)；

3.根據(jù)權(quán)利要求1或2所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，所述第一初始數(shù)據(jù)的平滑計算公式為：

4.根據(jù)權(quán)利要求3所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，所述第二初始數(shù)據(jù)的平滑計算公式為：

5.根據(jù)權(quán)利要求3或4所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，基于lstm神經(jīng)網(wǎng)絡(luò)的第一訓練模型的公式為：

6.根據(jù)權(quán)利要求5所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，基于lstm神經(jīng)網(wǎng)絡(luò)的第二訓練模型的公式為：

7.根據(jù)權(quán)利要求5或6所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，所述多目標優(yōu)化控制策略的計算公式為：

8.根據(jù)權(quán)利要求7所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，所述反饋、動態(tài)調(diào)整的公式如下：

9.根據(jù)權(quán)利要求7或8所述基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法，其特征在于，所述步驟“根據(jù)所述二級輸入數(shù)據(jù)實時反饋、動態(tài)調(diào)整空調(diào)的運行參數(shù)”之后還包括步驟：

10.一種基于多維機器學習的多目標智能優(yōu)化空調(diào)控制系統(tǒng)，其特征在于，所述系統(tǒng)包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、模型訓練模塊、優(yōu)化控制模塊、反饋動態(tài)調(diào)整模塊；

技術(shù)總結(jié)
本發(fā)明公開了一種基于多維機器學習的多目標智能優(yōu)化空調(diào)控制方法和系統(tǒng)，旨在通過實時采集建筑物內(nèi)外的人員流動和環(huán)境數(shù)據(jù)，并結(jié)合天氣預報信息等獲取室外環(huán)境數(shù)據(jù)，利用機器學習算法預測未來人員流動趨勢及環(huán)境變化情況，為空調(diào)系統(tǒng)的人工智能控制策略提供數(shù)據(jù)支撐?；谶@些預測結(jié)果，運用多目標優(yōu)化控制算法對空調(diào)運行效果進行多維參數(shù)回歸，動態(tài)調(diào)整空調(diào)系統(tǒng)的溫度、濕度和風速等運行參數(shù)。本發(fā)明適用于各種大型建筑物，如辦公樓、商場、機場等，在確保室內(nèi)環(huán)境舒適度的前提下，實現(xiàn)顯著提高空調(diào)系統(tǒng)的能源利用效率，大幅降低能源消耗，具有顯著的節(jié)能減碳效果，具有廣泛的應用前景和顯著的經(jīng)濟、環(huán)保效益。

技術(shù)研發(fā)人員：王杰惠,馬立平,陳辰,李勇,張鳳亮,龔貴清,上田多門,宋翰祥,張永
受保護的技術(shù)使用者：深圳大學
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19