基于模型预测控制的菇房空调节能控制方法

当前工厂化食用菌生产菇房空调控制方法存在节能效率低、室内温度波动大等问题，提出了一种基于卷积神经网络（Convolutional neural network, CNN）、门控循环单元神经网络（Gated recurrent unit neural network, GRU）与注意力机制（Attention）的菇房空调节能控制方法。该方法以CNN-GRU-Attention组合神经网络为预测模型，结合预测误差补偿和预测模型数据集动态更新机制，实现对菇房室内温度精准预测；建立以空调控制量为状态量的目标函数，分别利用熵权法、主观法明确目标函数权重系数，运用带精英策略的快速非支配排序遗传算法(Non-dominated-sorting genetic algorithm Ⅱ, NSGA-Ⅱ)求解出空调在控制时域内最优控制序列，集成滚动优化和反馈机制，实现菇房环境的精准及节能控制。试验结果表明，提出的CNN-GRU-Attention菇房室内温度预测模型，以历史30min数据预测未来10min室内温度效果最好，选取的典型日内预测最大均方根误差为0.122℃、最小决定系数为0.807、最大平均绝对百分比误差为0.611%；菇房空调模型预测控制方法对天气波动具有较好的抗干扰能力。与阈值开关法和PID法相比，在空调节能方面，能耗分别减少21%和14%；在控制温度精度方面，RMSE可分别降低72%、46%。

Energy-saving Control Method of Air Conditioning in Mushroom HouseBased on Model Predictive Control