24.基于人工智能技術(shù)實(shí)現(xiàn)微模塊節(jié)能控制的方法包括基于人工智能技術(shù)實(shí)現(xiàn)微模塊節(jié)能控制的系統(tǒng)，步驟如下：25.s1：ai控制模塊根據(jù)精密空調(diào)和溫濕度傳感器的數(shù)據(jù)，采用ai算法匹配合適的it制冷總輸入，控制精密空調(diào)中的送風(fēng)溫度和風(fēng)機(jī)轉(zhuǎn)速人工智能算法設(shè)定了兩個(gè)算法目標(biāo)：26.首先，預(yù)測(cè)it制冷量需求以實(shí)現(xiàn)空調(diào)制冷量接近制冷量需求的處理步驟如下：27.S11:數(shù)據(jù)預(yù)處理：包括相關(guān)歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù)的相關(guān)性分析和預(yù)處理；28.S12利用精密空調(diào)中的回風(fēng)溫差和風(fēng)機(jī)轉(zhuǎn)速模擬計(jì)算目標(biāo)參數(shù)：冷量需求；29.s13：自編碼器用于降低數(shù)據(jù)維數(shù)或提取特征首先將輸入壓縮成一個(gè)潛在的空間表示，然后通過這個(gè)表示重構(gòu)輸出利用輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的相關(guān)性來訓(xùn)練網(wǎng)絡(luò)模型；30.s14：長(zhǎng)期和短期記憶網(wǎng)絡(luò)模型用于預(yù)測(cè)接下來幾個(gè)周期的目標(biāo)參數(shù)；31.其次，在指定制冷量的約束條件下，尋找空調(diào)機(jī)組能耗全局最優(yōu)工況解的處理步驟如下：32.s21：神經(jīng)網(wǎng)絡(luò)訓(xùn)練：包括相關(guān)歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù)的相關(guān)性分析，數(shù)據(jù)主要是微模塊數(shù)據(jù)中心的空調(diào)送風(fēng)溫度、風(fēng)扇轉(zhuǎn)速和精密空調(diào)功率值；33.s22：組合訓(xùn)練的網(wǎng)絡(luò)模型以生成對(duì)策網(wǎng)絡(luò)對(duì)抗網(wǎng)絡(luò)由兩個(gè)神經(jīng)網(wǎng)絡(luò)組成，一個(gè)稱為生成器，另一個(gè)稱為鑒別器發(fā)生器試圖產(chǎn)生一個(gè)可以欺騙鑒別器的假樣本，鑒別器鑒別該樣本是真樣本還是發(fā)生器產(chǎn)生的假樣本兩者在對(duì)策訓(xùn)練下不斷優(yōu)化，最終達(dá)到納什均衡對(duì)策網(wǎng)絡(luò)是用遷移學(xué)習(xí)再訓(xùn)練生成的；34.s23：利用長(zhǎng)短期記憶網(wǎng)絡(luò)模型，輸出每臺(tái)精密空調(diào)的風(fēng)機(jī)轉(zhuǎn)速和送風(fēng)溫度的設(shè)定值，在對(duì)策網(wǎng)絡(luò)中反復(fù)學(xué)習(xí)后，將精密空調(diào)總功率的上限預(yù)設(shè)為p1、總功率的下限是p2，這樣精密空調(diào)的總功率就是p1-P2范圍最小，從而找到最合適的精密空調(diào)運(yùn)行參數(shù)設(shè)定值。35.3)有益效果36.與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明的系統(tǒng)和方法根據(jù)微模塊的空間結(jié)構(gòu)和精密空調(diào)中大氣流的方向，在不利溫度點(diǎn)按位置部署兩個(gè)溫濕度傳感器，測(cè)量微模塊內(nèi)的溫度、通過在重復(fù)模塊中增加一個(gè)輸入門，濕度數(shù)據(jù)采集精度更高、遺忘門和輸出門用于解決普通循環(huán)神經(jīng)網(wǎng)絡(luò)的長(zhǎng)期依賴性問題網(wǎng)絡(luò)通過其獨(dú)特的記憶模式和遺忘模式，可以充分挖掘數(shù)據(jù)的時(shí)間序列特征，學(xué)習(xí)信號(hào)中的時(shí)間依賴關(guān)系對(duì)長(zhǎng)期信息的記憶使得長(zhǎng)短期記憶網(wǎng)絡(luò)模型具有較高的預(yù)測(cè)精度采用人工智能算法來匹配合適的it制冷總投入量，是準(zhǔn)確的、精密空調(diào)中送風(fēng)溫度和風(fēng)機(jī)轉(zhuǎn)速的高頻控制，可以在保證機(jī)房溫濕度安全的前提下，實(shí)現(xiàn)機(jī)房的降溫、最大化制冷效率，降低精密空調(diào)運(yùn)行能耗。附圖說明37.圖1是本發(fā)明系統(tǒng)的特定實(shí)施例的系統(tǒng)示意圖；38.圖2是本發(fā)明系統(tǒng)的一個(gè)具體實(shí)施例的幀結(jié)構(gòu)示意圖；39.圖3是本發(fā)明方法的具體實(shí)施例的流程圖。優(yōu)選實(shí)施例的詳細(xì)描述40.實(shí)施例141.本實(shí)施例是一種基于人工智能技術(shù)實(shí)現(xiàn)微模塊節(jié)能控制的系統(tǒng)和方法其系統(tǒng)原理圖如圖1所示，其框架結(jié)構(gòu)原理圖如圖2所示該系統(tǒng)包括微模塊、溫濕度傳感器、ai控制模塊、動(dòng)環(huán)監(jiān)控系統(tǒng)與精密空調(diào)；42.用于監(jiān)控微模塊中的溫度和濕度數(shù)據(jù)的溫度和濕度傳感器被部署在微模塊中、安裝在微型模塊中的Ai控制模塊，用于控制精密空調(diào)的送風(fēng)溫度和風(fēng)扇速度；43.根據(jù)微模塊的空間結(jié)構(gòu)和精密空調(diào)中大氣流的方向，將溫濕度傳感器按位置布置在各個(gè)溫濕度不利點(diǎn)；44.ai控制模塊根據(jù)精密空調(diào)和溫濕度傳感器的數(shù)據(jù)，采用ai算法匹配合適的it制冷總輸入，控制精密空調(diào)中的送風(fēng)溫度和風(fēng)機(jī)轉(zhuǎn)速ai控制模塊預(yù)裝長(zhǎng)時(shí)和短時(shí)記憶網(wǎng)絡(luò)模型，長(zhǎng)時(shí)和短時(shí)記憶網(wǎng)絡(luò)模型在循環(huán)神經(jīng)網(wǎng)絡(luò)的重復(fù)模塊中加入輸入門、遺忘門和輸出門，ai算法設(shè)定了兩個(gè)算法目標(biāo)：一種是預(yù)測(cè)it冷量需求，從而實(shí)現(xiàn)空調(diào)冷量接近冷量需求；二是在指定制冷量的約束條件下，尋找空調(diào)機(jī)組能耗的全局最優(yōu)工況解。45.動(dòng)環(huán)監(jiān)控系統(tǒng)與人工智能控制模塊通信、溫濕度傳感器和精密空調(diào)連接到微型模塊中的精密空調(diào)、溫濕度傳感器和柱頭柜數(shù)據(jù)遙測(cè)、遙信、遠(yuǎn)程調(diào)節(jié)和遠(yuǎn)程控制，實(shí)時(shí)監(jiān)控其運(yùn)行參數(shù)，診斷和處理故障，記錄和分析相關(guān)數(shù)據(jù)，集中監(jiān)控和維護(hù)設(shè)備，動(dòng)態(tài)環(huán)監(jiān)控系統(tǒng)的系統(tǒng)模式包括：常規(guī)模式和新控制模式，常規(guī)模式是現(xiàn)有運(yùn)行模式，新控制模式是ai自動(dòng)控制模式在ai自動(dòng)控制模式下，ai控制模塊通過動(dòng)態(tài)監(jiān)控系統(tǒng)向精密空調(diào)發(fā)送控制指令，設(shè)定空調(diào)參數(shù)，控制精密空調(diào)的冷量輸出；46.精密空調(diào)納入動(dòng)態(tài)監(jiān)控系統(tǒng)進(jìn)行遠(yuǎn)程監(jiān)控，精密空調(diào)的控制方式包括：本地控制模式、群控模式和ai自動(dòng)控制模式，ai自動(dòng)控制模式優(yōu)先級(jí)最高在ai自動(dòng)控制模式下，精準(zhǔn)空調(diào)開啟遠(yuǎn)程開關(guān)機(jī)通訊協(xié)議、開啟精密空調(diào)出風(fēng)口溫度設(shè)定、打開控制點(diǎn)通訊協(xié)議，關(guān)閉除制冷以外的其他工作模式。47.優(yōu)選地，有兩種類型的微模塊，即微模塊A和微模塊b微模塊A中有四個(gè)傳感器位置，根據(jù)高度在每個(gè)位置部署兩個(gè)傳感器；微模塊B有12個(gè)傳感器，根據(jù)高度每個(gè)位置部署2個(gè)傳感器。48.優(yōu)選地，數(shù)據(jù)預(yù)處理中的數(shù)據(jù)包括每個(gè)精密空調(diào)的it負(fù)載功率、溫濕度傳感器的溫度值和濕度值。49.優(yōu)選地，在精密空調(diào)的ai自動(dòng)控制模式中，開放控制點(diǎn)通信協(xié)議包括：50.a.精確的空調(diào)風(fēng)扇速度設(shè)置；51.b.風(fēng)速上限設(shè)定、風(fēng)速下限設(shè)定；52.c.滿足a或b可。53.優(yōu)選地，目標(biāo)參數(shù)是冷卻需求。54.優(yōu)選地，對(duì)抗網(wǎng)絡(luò)由兩個(gè)神經(jīng)網(wǎng)絡(luò)組成，一個(gè)被稱為生成器，另一個(gè)被稱為鑒別器發(fā)生器試圖產(chǎn)生一個(gè)可以欺騙鑒別器的假樣本，鑒別器鑒別該樣本是真樣本還是發(fā)生器產(chǎn)生的假樣本兩者都在對(duì)策訓(xùn)練下不斷優(yōu)化，最終達(dá)到納什均衡遷移學(xué)習(xí)用于重新訓(xùn)練以生成對(duì)抗網(wǎng)絡(luò)。