(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111610267.9 (22)申请日 2021.12.27 (71)申请人 广西电网有限责任公司电力科 学研 究院 地址 530023 广西壮 族自治区南宁市 兴宁 区民主路6 -2号 申请人 中国科学院广州能源研究所 (72)发明人 郭小璇　韩帅　刘雨兵　舒杰　 孙乐平　卢健斌　王显龙　陈浩波　 陈卫东　肖静　崔琼　田甜　 吴晓锐　龚文兰　郭敏　姚知洋　 阮诗雅　赵立夏　 (74)专利代理 机构 南宁东智知识产权代理事务 所(特殊普通 合伙) 45117 代理人 黎华艳　裴康明(51)Int.Cl. F26B 23/00(2006.01) F26B 25/22(2006.01) F25B 30/06(2006.01) F25B 49/00(2006.01) G06F 30/27(2020.01) (54)发明名称 用于空气源热泵干燥系统的多物理场解耦 控制方法及系统 (57)摘要 本发明属于空气源热泵干燥技术领域， 具体 涉及用于空气源热泵干燥系统的多物理场解耦 控制方法及系统， 方法包括步骤： 采集烘箱内的 气压、 温度和湿度， 以及 烘箱内的除湿效率； 检测 压缩机的供电功率， 并通过训练好的神经网络进 行解耦控制， 得到压缩机的参考功率， 并根据参 考功率控制压缩机本发明综合考虑了烘箱压力、 烘箱温度、 湿度等多个物理量对压缩机自动控 制， 可有效提高除湿效率。 考虑到烘箱温度、 湿度 和压力之间相互耦合及非线性特征， 采用了神经 网络的智能控制算法， 不仅简单实用， 利用控制 器编程实现， 而且可 以进一步提高除湿效率。 采 用了除湿效率倒数作为神经网络控制的误差， 通 过闭环调节不断提升除湿效率。 权利要求书3页 说明书8页 附图3页 CN 114413613 A 2022.04.29 CN 114413613 A 1.用于空气源热泵干燥系统的多物理场解耦控制方法， 其特 征在于： 包括以下步骤： S1： 采集烘 箱内的气压、 温度和湿度， 以及烘 箱内的除湿效率； S2： 检测压缩机的供电功率， 并通过训练好的神经网络进行解耦控制， 得到压缩机的参 考功率， 并根据参 考功率控制压缩机 。 2.根据权利要求1所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 所述 步骤S1中烘 箱内的除湿效率的计算方式如下： ΔW＝Wt‑Wt‑1； ΔE＝Et‑Et‑1； 式中ΔW为烘干损失的物料重量， ΔE为烘干ΔW重量的物料所消耗的电能； 通过两个时 刻之间的物料重量差和电能差获得热泵干燥系统的除湿效率； Wt为t时刻的物料重量， Wt‑1 为t‑1时刻的物料重量； Et为t时刻的电能； Et‑1为t‑1时刻的电能。 3.根据权利要求1所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 所述步骤S2中的神经网络包含输入层， 1个或1个以上隐含层， 1个输出层； 神经网络的 输入为： 烘 箱内的气压、 温度、 湿度、 除湿效率； 神经网络的输出为： 压缩机的参 考功率。 4.根据权利要求3所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 神经网络的训练过程 为： 设输入层的神经 元节点数为P， 隐含层神经 元节点数为 L； 计算隐含层输入与输出， 隐含层第l个节点Sl为： 其中b1为输入层阈值， wpl为输入层与隐含层之间的权值， xp为输入层中第 p个节点的值； 计算输出层的输入与输出， 输出层压缩机的参 考功率Pm*为： wl为输出层的权值， b2为输出层阈值； 其中f(·)为激活函数； 为了使得1/ρ 达 到最小， 设置神经网络调节误差 E为： 神经网络的权值调整通过最大负梯度来进行输入层与隐含层之间的权值wpl和阈值b1 调整： 其中η为学习率， Δwpl为输入层与隐含层之间的权值wpl的变化量； Δb1为阈值b1的变化 量； 输出层的权值 wl和输出层阈值b2调整：权　利　要　求　书 1/3 页 2 CN 114413613 A 2Δwl为输出层的权值 wl的变化量； Δb2为输出层阈值b2的变化量； 更新各权值wpl、 wl和阈值b1、 b2， 计算总误差， 权值调整使神经网络控制快速朝1/ρ 最小 的方向变化； 若总误差达到收敛精度标准或达到训练最大迭代次数， 则结束训练， 否则按照 自适应学习率进行调整学习率， 继续下一轮学习。 5.根据权利要求4所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 对神经网络的输入和 输出数据进行归一化处理， 将数据转换到[0,1]区间中， 转换函 数为： 6.根据权利要求4所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 所述激活函数f( ·)采用S型函数， 具体如下： 7.根据权利要求4所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 所述 步骤S2中通过训练好的神经网络进行解耦控制， 得到 压缩机的参 考功率具体为： S21： 设置最长 干燥时间tmax、 压缩机的最大功率Pmax， 初始化压缩机的功率Pm； S22： 输入烘箱内的气压pg、 温度T和湿度M， 以及 烘箱内的除湿效率ρ 、 当前压缩机的功率 Pm； S23： 判断当前的的烘干时间是否达到最长干燥时间tmax， 若是达到最长干燥时间tmax， 则结束解耦控制流 程， 若是没有达 到最长干燥时间tmax， 则进行下一步骤S24； S24： 初始化神经网络， 权值wpl、 wl和阈值b1、 b2参数在区间[0,1]之间取 随机数， 初始化 学习率 η和收敛精度； 根据 调节权值 wpl、 wl和阈值b1、 b2， 得到压缩机的参 考功率Pm*； S25： 判断压缩机的参考功率Pm*是否大于压缩机的最大功率Pmax， 若是Pm*≥Pmax， 则令Pm* ＝Pmax， 并根据参 考功率Pm*调节压缩机， 若是Pm*＜Pmax， 则根据参 考功率Pm*调节压缩机 。 8.根据权利要求1所述的用于空气源热泵干燥系统的多物理场解耦控制方法， 其特征 在于： 所述神经网络采用非线性自回归神经网络NARX， 激活函数为 9.用于空气源热泵干燥系统的多物理场解耦控制系统， 其特 征在于： 包括 设置在烘箱内的气压传感器， 用于采集烘箱内的气压， 并将采集的数据传输至中央处 理模块； 设置在烘箱内的温度传感器， 用于采集烘箱内的温度， 并将采集的数据传输至中央处 理模块； 设置在烘箱内的湿度传感器， 用于采集烘箱内的湿度， 并将采集的数据传输至中央处权　利　要　求　书 2/3 页 3 CN 114413613 A 3