(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211188121.4 (22)申请日 2022.09.28 (71)申请人 河北汉光重 工有限责任公司 地址 056002 河北省邯郸市经济开发区和 谐大街8号 (72)发明人 李珊如　白雪　崔建朋　周岩　 王志刚　 (74)专利代理 机构 北京艾纬铂知识产权代理有 限公司 16101 专利代理师 许姣 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/12(2006.01) G06N 20/00(2019.01) G05B 13/04(2006.01) (54)发明名称 一种基于神经网络模型及遗传算法的温控 方法及装置 (57)摘要 本发明公开了一种基于神经网络模型及遗 传算法的温控方法及装置， 所述方法包括： 获取 待进行温控的空间的参数； 预测出待进行温控的 空间中各个监测点的温度和湿度； 将所述参数作 为当前参数， 获取当前参数对应的当前染色体； 构建分层评价函数， 计算各个监测点对应的分层 评价函数的函数值； 基于当前染色体， 按预设第 一概率对所述当前染色体进行交叉、 按预设第二 概率对所述 当前染色体进行变异， 将处理后的染 色体作为当前 染色体； 基于所述 当前染色体获取 与所述当前染色体对应的参数。 本发明的方法， 使冷却参数的控制更加精确。 同时， 避免了传统 贪心算法容易陷入局部最优解的缺陷， 为多参数 同时调整提供了更好的解决方案 。 权利要求书2页 说明书7页 附图2页 CN 115511055 A 2022.12.23 CN 115511055 A 1.一种基于神经网络模型及遗传算法的温控方法， 其特 征在于， 包括如下步骤： 步骤S1： 获取待进行温控的空间的参数， 所述参数包括所述空间中的冷水机供水温度、 冷水机组回水温度、 IT负荷、 空调功率、 所述空间的外部环境温度、 所述空间的外部环境风 速； 步骤S2： 将所述参数输入预先已经训练好的神经网络模型， 预测出所述待进行温控的 空间中各个监测点的温度和湿度； 将所述参数作为当前参数， 获取当前参数对应的当前染 色体； 步骤S3： 构建 分层评价 函数， 计算各个监测点对应的分层评价 函数的函数值； 步骤S4： 若各监测点的分层评价函数的函数值均达到预设条件， 则输出当前参数， 基于 所述当前参数调整待进行温控的空间的参数， 方法结束； 否则， 基于当前染色体， 按预设第 一概率对所述当前染色体进行交叉、 按预设第二概率对所述当前染色体进行变异， 将处理 后的染色体作为当前染色体； 基于所述当前染色体获取与所述当前染色体对应的参数， 进 入步骤S2。 2.如权利要求1所述的方法， 其特 征在于， 所述 步骤S3， 所述构建 分层评价 函数， 包括： 构建标准阈值集， 所述标准阈值集包括多个标准阈值， 每个标准阈值具有一个上限值、 一个下限值； 构建第一层评价 函数： score1i＝basei+weighti(1‑abs_valueij/internalij) 所述第一层评价函数用于接收各个监测点的温度和湿度， 通过计算各检测点分值来评 价该监测点的温度、 湿度分布是否符合要求， 分值越大表明检测点的温度、 湿度越接近标准 值； 其中， score1i为第i个监测点的第一分值， i为监测点编号， basei为第i个监测点的层次 基值， 取值为预设值， weighti为第i个监测点的权重值； j的取值为0或1， 分别代表温度和湿 度， abs_valuei0表示第i个监测点的温度与第i个监测点的温度的标准值的差值的绝对值， abs_valuei1表示第i个监测点的湿度与第i个监测点的湿度的标准值的差值的绝对值， internali0表示第i个监测点对应的温度的标准阈值的上限值与下限值的差， int ernali1表 示第i个监测点对应的湿度的标准阈值的上限值与下限值的差； 设置预设阈值， 将score1i与所述预设阈值比较， 若score1i大于或等于所述预设阈值 时， 则将score1i设为高分值high_scorei； 若score1i小于所述预设阈值时， 则将score1i设 为低分值low_scor ei， 将高分值high_scor e与低分值low_scor e进行L2归一化 处理， 得到高 分值high_scorei占比high_proi， 低分值low_scorei占比low_proi； 构建第二层评价 函数： score2i＝low_scorei*low_proi+high_scorei*high_proi 基于所述第二评价函数， 计算各个监测点对应的第二层评价函数的函数值， 作为分层 评价函数的函数值。 3.如权利要求2所述的方法， 其特征在于， 在计算监测点的第 二层评价函数的函数值之 前， 若某监测 点的温度与该监测点对应的标准温度的差距小于第二预设阈值， 则该监测点 的温度不再进 行处理； 若某监测点的湿度与该监测点对应的标准湿度的差距小于第三预设 阈值， 则该监测点的湿度不再进行处 理。 4.如权利要求2 ‑3中任一项所述的方法， 其特征在于， 所述预设第一概率及所述预设第 二概率能够动态改变。 5.一种基于神经网络模型及遗传算法的温控 装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115511055 A 2数据获取模块： 配置为获取待进行温控的空间的参数， 所述参数包括所述空间中的冷 水机供水温度、 冷水机组回水温度、 IT负荷、 空调功 率、 所述空间的外部环 境温度、 所述空间 的外部环境风速； 染色体模块： 配置为将所述参数输入预先已经训练好的神经网络模型， 预测出所述待 进行温控的空间中各个监测 点的温度和湿度； 将所述参数作为当前参数， 获取当前参数对 应的当前染色体； 分层评价函数模块： 配置为构建分层评价函数， 计算各个监测点对应的分层评价函数 的函数值； 变异模块： 配置为若各监测点的分层评价函数的函数值均达到预设条件， 则输出当前 参数， 基于所述当前参数调整待进行温控的空间的参数； 否则， 基于当前染色体， 按预设第 一概率对所述当前染色体进行交叉、 按预设第二概率对所述当前染色体进行变异， 将处理 后的染色体作为当前染色体； 基于所述当前染色体获取与所述当前染色体对应的参数， 触 发所述染色体模块。 6.一种计算机可读存储介质， 所述存储介质中存储有多条指令； 所述多条指令， 用于由 处理器加载并执 行如权利要求1 ‑4中任一项所述方法。 7.一种电子设备， 其特 征在于， 所述电子设备， 包括： 处理器， 用于执 行多条指令； 存储器， 用于存 储多条指令； 其中， 所述多条指令， 用于由所述存储器存储， 并由所述处理器加载并执行如权利要求 1‑4中任一项所述方法。权　利　要　求　书 2/2 页 3 CN 115511055 A 3