公开(公告)号：CN114722574A

公开(公告)日：2022-07-08

申请号：CN202210257306.X

申请日：2022-03-16

Applicant: 华南理工大学

Inventor： 闫军威 ,  黄俊霖 ,  周璇 ,  卢怡凯

IPC: G06F30/20 ,  F24F11/88 ,  F24F11/65

Abstract: 本发明公开了一种基于AI算法的数据中心中央空调冷冻水参数设定方法，包括：划分运行模式，并对其离散特征进行数值映射；清洗异常历史运行数据；以冷冻水参数、运行模式、工况参数为输入变量，系统总能耗为输出变量，使用AI算法进行拟合训练，建立中央空调系统能耗模型；以冷冻水参数、运行模式、工况参数、机房温度为输入变量，机房未来时刻的温度为输出变量，使用AI算法进行拟合训练，建立机房温度预测模型；以系统总能耗为优化目标，冷冻水参数和运行模式为决策变量，机房温度为约束条件，建立参数优化模型并求解。本发明可以得到不同工况参数条件下，中央空调系统最优冷冻水参数和运行模式设定，从而提高数据中心中央空调系统的运行能效。

公开(公告)号：CN118606861A

公开(公告)日：2024-09-06

申请号：CN202410697265.5

申请日：2024-05-31

Applicant: 华南理工大学

Inventor： 卢怡凯 ,  闫军威 ,  周璇

IPC: G06F18/2433 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2413 ,  G06N20/20 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/082 ,  G06F18/23213

Abstract: 本发明公开了一种基于集成学习和深度学习的科研建筑房间能耗异常检测方法，包括获取历史房间能耗、室外气象及日期属性数据并进行预处理；采用集成学习框架进行异常标记，获取数据标签；训练自编码器模型，根据数据标签选取重构误差阈值；利用自编码器模型重构待检测房间能耗序列得到重构能耗序列，并计算重构误差，最后得到异常检测结果。本发明提出基于集成学习框架的异常数据标注方法，充分利用多种基分类器的优势互补，获取高质量数据标签；同时采用双层GRU网络构建自编码器的编码器和解码器，充分捕捉能耗数据的长期依赖关系，提升模型对不平稳、非线性数据的重构效果，并在编码器中引入自注意力机制，提升模型在拐点的重构效果。