Part.0
Part.01
Part.02
2.1
联邦学习平均算法
本文设计的暖通空调系统采用了机器学习模型的分支(即联邦学习) 来处理暖通空调系统的数据分析问题。智能数据中心采用联邦学习中的平均算法,对不同用户所在暖通空调的数据终端实施本地数据训练。在得到本地模型后,各终端节点再统一将数据上传到数据中心,汇总成新的联邦学习模型。这能在保证各本地数据信息安全的前提下,构建去中心化数据的集合以及联合多方数据,从而利用加密后的中间参数完成多数据源对于联合模型的共同训练[6]。
图3 梯度下降算法示意图
式中:E 为所有终端在一轮时间内可以进行本地更新的次数和;B 为终端更新的批处理;uk 为最终每轮终端需要进行本地更新的次数。
2.2
多路径通信
本文设计的暖通空调系统智慧数据中心采用了联邦学习数据处理模型。该模型强调了数据的本地计算,只传播数据计算结果。所以,对于该模型而言,数据传播速度和准确率更为重要。为了提高数据传播的准确率和速度,本文采用了多路径通信的方式。
图4 多路径通信架构图
Part.03
图5 地源热泵空调模块结构图
Part.04
Part.05
Part.06
结 论
参考文献
[1] 张桂荣. 暖通空调系统中新型传感器的应用[J]. 计算机仿真,2020,37(2):467⁃470.
[2] 谢榭,周旭. 基于运行数据的暖通空调系统调适技术分析与实践[J]. 建筑技术,2020,51(9):1 098⁃1 103.
[3] 李向东. 基于疫情防控的超低能耗建筑暖通空调系统设计思考[J]. 暖通空调,2021,51(1):10⁃15.
[4] 吴剑林,李怀,于震,等. 某近零能耗办公楼暖通空调系统优化运行分析[J]. 建筑科学,2020,36(6):35⁃41.
[5] 王清江. 数据中心暖通空调水冷系统节能控制优化分析[J]. 节能与环保,2022(9):41⁃43.
[6] 郑楷洪,肖勇,王鑫,等. 一个面向电力计量系统的联邦学习框架[J]. 中国电机工程学报,2020,40(S1):122⁃133.
[7] 张鹏程,魏芯淼,金惠颖. 移动边缘计算下基于联邦学习的动态QoS 优化[J]. 计算机学报,2021,44(12):2 431⁃2 446.
[8] 李玲,齐兵,李松. 基于 DeST 软件模拟的超低能耗建筑暖通空调系统适用性分析[J]. 暖通空调,2022,52(S1):307⁃311.
[9] 汤小亮,易继锋,陈焰华,等. 网安基地展示中心暖通空调系统绿色设计及节能减排分析[J]. 暖通空调,2022,52(7):74⁃78.
[10]贺舒,韦航,李娟,等. 航站楼暖通空调系统节能措施及节能技术应用探讨[J]. 暖通空调,2021,51(S1):131⁃135.
[11]夏本明. 变风量控制系统在化学试验室暖通空调系统中的应用[J]. 暖通空调,2022,52(9):115⁃121,114.
[12]刘晶,巨子琪,李宁宁. 基于 STM32 的轨道交通暖通空调自动控制系统设计[J]. 自动化仪表,2021(4):101⁃104.
撰稿人 | 李忠锋 中国中铁一局集团建筑安装工程有限公司
责任编辑 | 邵丽竹
审核人 | 何发
2024-07-16
2024-06-20
2024-06-24
2024-06-27
2024-07-13
2024-06-27
2024-06-12
随着敏捷开发和 AI 技术逐渐融入制药行业的合规管理,软件系统的定制化要求越来越高。本文主要从法规指南角度分析和评价定制软件验证的有效性。指导制药行业通过更加科学的风险管理手段开展验证,以实现系统选项、实施及测试过程的风险管控,保证后续运行阶段的 GXP 符合性。同时也满足《药品生产质量管理规范(2010 年修订)》计算机化系统 [1] 和《药品记录与数据管理要求(试行)》的要求 [2-3]。
作者:赵延武 程静 张文标 王军 张永秉
评论
加载更多