摘要
本发明公开了一种基于深度学习的温度控制方法及系统,所述方法包括:步骤1、采用深度神经网络模型,结合实时数据和历史温度记录,通过回归分析预测相变制冷系统中的温度变化;步骤2、深度神经网络模型基于实时数据,动态调整相变制冷系统的工作参数。本发明通过集成深度学习技术和现有的超充充电枪相变制冷系统,提供了一种创新的解决方案,用以提高电动车辆充电的效率和安全性,深度学习算法的引入不仅增强了相变制冷系统对环境变化的适应性和响应速度,还提高了整体能效和维护的便捷性,此外,本发明的实施还能够减少能耗和运行成本,从而为电动车辆充电提供了一种更加可持续和环境友好的解决方案。
技术关键词
相变制冷系统
深度神经网络模型
温度控制方法
微通道换热器
温度感应器
充电枪插针
变频压缩机
历史温度数据
实时数据
梯度下降算法
温度控制系统
梯度下降优化算法
深度学习模型
卷积神经网络结构
构建卷积神经网络
集成深度学习
预测误差
更新网络参数