本发明涉及风机盘管领域，具体涉及智能化舒适节能型风机盘管控制系统。
背景技术：
1、在建筑节能领域，空调系统作为主要的能源消耗源，其效率和控制方式直接影响着能源的节约和室内环境的舒适度；传统的风机盘管系统多采用简单的开关控制，缺乏对室内外环境变化的实时响应，导致能源浪费和室内温度波动，无法满足现代建筑对节能和舒适性的双重需求。
2、随着智能化技术的发展，越来越多的研究开始关注如何通过先进的控制策略来优化空调系统的性能；本发明提出的智能化舒适节能型风机盘管控制系统，通过集成目标温度预测、pid控制算法优化、两通阀智能控制以及风速动态调整等技术，旨在实现更加精准和节能的温度控制，同时提供个性化的室内环境调节。
技术实现思路
1、本发明通过采用目标温度预测模型，基于室内外温度和湿度等环境数据，预测出最适宜的室内温度，这种预测不仅考虑了环境因素，还能够结合用户的历史偏好和行为模式，从而实现更加精准和个性化的温度控制；同时通过pid控制算法的优化，能够根据实时监测到的室内温度与预测目标温度之间的差值，动态调整两通阀的开关时间，从而减少不必要的能源消耗；这种动态调节机制大幅度提高了空调系统的能效比，实现了在保证室内舒适度的同时降低能耗。
2、智能化舒适节能型风机盘管控制系统，包括：
3、目标温度预测模块，用于将室内温度数据、室外温度数据、室内湿度数据和室外湿度数据组成的目标温度预测集输入至目标温度预测模型，输出预测目标温度t，预测目标温度t即为当前预设的控制周期内的空调设定温度；
4、两通阀控制模块，用于根据当前室内温度数据与预测目标温度的差值，利用pid控制算法计算获取输出p；将输出p转换为两通阀开关时间的占空比；在当前预设的控制周期内，应用两通阀开关时间的占空比，控制两通阀的开启和关闭的时间；
5、风速调整模块，用于根据室内温度数据与两通阀的运行状态，对风速进行调整；在两通阀处于开启状态时，对当前获取的第二监测时间点的室内温度数据与预测目标温度t进行对比，若室内温度数据大于t+0.5，则将风速调整至高风速；若室内温度数据大于t，小于t+0.5，则将风速调整至中风速；若当前室内温度小于t，则将风速调整至低风速；在两通阀处于关闭状态时，将风速调整至低风速。
6、还包括一种应用于智能化舒适节能型风机盘管控制系统的智能化舒适节能型风机盘管控制方法，具体步骤如下：
7、s1：获取当前第一监测时间点的室内温度数据、室外温度数据、室内湿度数据和室外湿度数据，将获取的室内温度数据、室外温度数据、室内湿度数据和室外湿度数据组成目标温度预测集；将目标温度预测集输入至目标温度预测模型，输出预测目标温度t，预测目标温度t即为当前预设的控制周期内的空调设定温度；
8、s2：基于当前第一监测时间点获取的室内温度数据，计算获取当前室内温度数据与预测目标温度的差值，利用pid控制算法计算获取输出p；将输出p转换为两通阀开关时间的占空比；在当前预设的控制周期内，应用两通阀开关时间的占空比，控制两通阀的开启和关闭的时间；
9、s3：获取当前第二监测时间点的室内温度数据，并判断当前时间两通阀是否处于开启状态；若两通阀处于开启状态，则对当前获取的第二监测时间点的室内温度数据与预测目标温度t进行对比，若室内温度数据大于t+0.5，则将风速调整至高风速；若室内温度数据大于t，小于t+0.5，则将风速调整至中风速；若当前室内温度小于t，则将风速调整至低风速；
10、若两通阀处于关闭状态，则将风速调整至低风速。
11、优选地，目标温度预测模型基于线性回归模型建立，目标温度预测模型利用公式对预测目标温度的值y进行预测；x1、x2、x3和x4均为输入特征，即为室内温度数据、室外温度数据、室内湿度数据和室外湿度数据；β0为截距项；β1、β2、β3和β4分别为各个输入特征的权重。
12、优选地，针对目标温度预测模型的训练，具体操作步骤：
13、获取若干个模型训练样本，每个模型训练样本中包括室内温度数据、室外温度数据、室内湿度数据、室外湿度数据以及对应时刻的空调设定温度；将所有模型训练样本划分为模型训练集和模型测试集；使用模型训练集以最小化为目标，对目标温度预测模型进行训练；其中n为模型训练集的数量；i=1，2，…，n；使用模型测试集对目标温度预测模型进行评估，获取评估结果；设置训练条件，若评估结果满足训练条件，则输出训练好的目标温度预测模型；否则，继续使用模型训练集进行训练。
14、优选地，针对控制周期的设置，具体操作步骤：
15、设置更新周期，在每一个更新周期开始时，记录室内温度在两通阀关闭以及低风速的状态下由t-1升至t+1所需的时间，将获取的时间作为控制周期的上限时长；以最大化温度控制精度和最小化两通阀通断频率为目标，使用群体优化算法在0至上限时长的范围内搜索最优控制周期，将获取的最优控制周期作为当前更新周期的控制周期。
16、优选地，在设置控制周期的操作中，使用的群体优化算法为粒子群优化算法，具体操作步骤如下：
17、a1：在0至上限时长的范围内随机生成粒子群，每一个粒子的位置表示一个候选控制周期；
18、a2：针对任意一个粒子，初始化该粒子的速度，并将当前位置作为该粒子的个体最佳位置；利用公式计算该粒子的适应度值f，其中d表示当前候选周期内最大温度与最低温度的差值，l表示当前候选周期的时长；和分别为和l的权重；
19、a3：遍历所有粒子，将适应度值f最高的粒子对应的位置作为全局最佳位置；
20、a4：针对任意一个粒子，对该粒子的速度和位置进行更新，并重新计算适应度值；若更新后的适应度值高于该粒子个体最佳位置的适应度值，则将该粒子的个体最佳位置更新为当前位置；
21、a5：遍历所有粒子，若存在任意一个粒子的个体最佳位置的适应度值高于全局最佳位置的适应度值，则将全局最佳位置更新为该粒子的个体最佳位置；
22、a6：重复a4步骤-a5步骤，直至达到最大迭代次数，获取的全局最佳位置即为最优控制周期。
23、优选地，步骤s2中利用pid控制算法计算获取输出p的具体操作：
24、计算获取当前室内温度数据与预测目标温度的差值，利用公式计算获取pid输出p；其中kp为比例增益；ti为积分时间常数；td为微分时间常数；m表示在积分时间常数内，存在m个控制周期，j=1，2，…，m；表示在时长为积分时间常数的最近时间中，第j个控制周期获取的室内温度数据与预测目标温度的差值；为上一段控制周期获取的室内温度数据与预测目标温度的差值；为控制周期的时长。
25、优选地，将输出p转换为两通阀开关时间的占空比；在当前预设的控制周期内，应用两通阀开关时间的占空比的具体操作：
26、获取pid输出p的范围[pmin，pmax]，并利用公式计算获取两通阀开关时间的占空比n；在当前控制周期内，两通阀开启的时间后，再关闭的时间。
27、优选地，比例增益kp、积分时间常数ti和微分时间常数td的值均通过粒子群优化算法获取。
28、本发明具有以下优点：
29、1、本发明通过采用目标温度预测模型，基于室内外温度和湿度等环境数据，预测出最适宜的室内温度，这种预测不仅考虑了环境因素，还能够结合用户的历史偏好和行为模式，从而实现更加精准和个性化的温度控制；同时通过pid控制算法的优化，能够根据实时监测到的室内温度与预测目标温度之间的差值，动态调整两通阀的开关时间，从而减少不必要的能源消耗；这种动态调节机制大幅度提高了空调系统的能效比，实现了在保证室内舒适度的同时降低能耗。
30、2、本发明能够根据用户的个性化需求和室内外环境的实际状况，自动调整空调设定温度，提供定制化的室内环境，还通过减少温度波动，实现提高环境质量；同时根据室内温度与空调设定温度对风速进行调节，以减少不必要的能源消耗。
1.智能化舒适节能型风机盘管控制系统，其特征在于，包括：
2.根据权利要求1所述的智能化舒适节能型风机盘管控制系统，其特征在于，目标温度预测模型基于线性回归模型建立，目标温度预测模型利用公式对预测目标温度的值y进行预测；x1、x2、x3和x4均为输入特征，即为室内温度数据、室外温度数据、室内湿度数据和室外湿度数据；β0为截距项；β1、β2、β3和β4分别为各个输入特征的权重。
3.根据权利要求2所述的智能化舒适节能型风机盘管控制系统，其特征在于，针对目标温度预测模型的训练，具体操作步骤：
4.根据权利要求3所述的智能化舒适节能型风机盘管控制系统，其特征在于，针对控制周期的设置，具体操作步骤：
5.根据权利要求4所述的智能化舒适节能型风机盘管控制系统，其特征在于，在设置控制周期的操作中，使用的群体优化算法为粒子群优化算法，具体操作步骤如下：
6.根据权利要求5所述的智能化舒适节能型风机盘管控制系统，其特征在于，步骤s2中利用pid控制算法计算获取输出p的具体操作：
7.根据权利要求6所述的智能化舒适节能型风机盘管控制系统，其特征在于，将输出p转换为两通阀开关时间的占空比；在当前预设的控制周期内，应用两通阀开关时间的占空比的具体操作：
8.根据权利要求7所述的智能化舒适节能型风机盘管控制系统，其特征在于，比例增益kp、积分时间常数ti和微分时间常数td的值均通过粒子群优化算法获取。
