摘要
本发明涉及一种基于负载预测的风机休眠控制方法及系统。该方法:将风机运行历史数据输入梯度神经网络进行特征提取和状态空间建模,得到温度预测误差数据和散热负载预测误差数据;将温度预测误差数据和散热负载预测误差数据输入负载原型库进行模式分析,得到风机工况向量和工况状态转移矩阵;将风机工况向量和所述工况状态转移矩阵输入可转移性评估模型进行多维相似度计算,得到散热负载预测数据,并根据散热负载预测数据生成休眠控制指令;根据休眠控制指令对风机群组进行协同优化控制,生成风机群组休眠执行方案。本发明综合考虑了风机间的气流影响和空间布局,优化了群组整体的散热效率,实现了从单机到群组的协调控制。
技术关键词
预测误差
散热特征
协同优化控制
风机
序列
工况
休眠控制方法
数据
矩阵
状态空间模型
参数
原型
变量
深度残差
负载特征
休眠控制系统
时序
多层特征融合
流体力学模型
状态反馈控制
系统为您推荐了相关专利信息
视觉特征信息
局部视觉特征
跟踪方法
前馈神经网络
卷积模块
轴承故障诊断方法
多尺度特征融合
Sigmoid函数
编码器
输出特征
森林生态监测
环境传感器数据
无人机图像采集
生态健康
深度学习分类
融合蛋白
构建稳定表达
慢病毒包装技术
质粒
标记系统