CN104573383B - 一种适用于楼宇设备综合优化模型的分布式演化方法 - Google Patents

一种适用于楼宇设备综合优化模型的分布式演化方法 Download PDF

Info

Publication number
CN104573383B
CN104573383B CN201510036173.3A CN201510036173A CN104573383B CN 104573383 B CN104573383 B CN 104573383B CN 201510036173 A CN201510036173 A CN 201510036173A CN 104573383 B CN104573383 B CN 104573383B
Authority
CN
China
Prior art keywords
mrow
msub
building equipment
msubsup
evolution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510036173.3A
Other languages
English (en)
Other versions
CN104573383A (zh
Inventor
杨捷
张国月
齐冬莲
张建良
邱泽贤
杜宇
钱国英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Billion Technology Co Ltd
Zhejiang University ZJU
Original Assignee
Hangzhou Billion Technology Co Ltd
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Billion Technology Co Ltd, Zhejiang University ZJU filed Critical Hangzhou Billion Technology Co Ltd
Priority to CN201510036173.3A priority Critical patent/CN104573383B/zh
Publication of CN104573383A publication Critical patent/CN104573383A/zh
Application granted granted Critical
Publication of CN104573383B publication Critical patent/CN104573383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种适用于楼宇设备综合优化模型的分布式演化方法。以楼宇设备作为有限理性体,将不同的各个楼宇设备组合建立一个集合模型;建立优化目标函数及其约束条件;两个楼宇设备随机配对,进行效用函数和适应度的演化迭代计算,达到运算次数阈值后,计算每个楼宇设备的效用函数和适应度,生成新集合模型;判断新集合模型是否处于稳定状态,计算直至新集合模型处于稳定状态;由此得到所对应的优化目标函数作为最优值,完成楼宇设备综合优化模型的分布式演化。本发明可提高楼宇系统的智能化优化水平,同时兼顾楼宇设备的智能控制中的多个控制目标,提高楼宇舒适度、降低能耗、提高设备运行效率、降低楼宇设备运行磨损率。

Description

一种适用于楼宇设备综合优化模型的分布式演化方法
技术领域
本发明涉及了一种分布式演化优化方法,尤其是涉及了一种适用于楼宇设备综合优化模型的分布式演化方法。
背景技术
当前我国正处于工业化、城镇化和新农村建设快速发展的历史时期,深入推进建筑节能,加快发展绿色建筑面临难得的历史机遇。目前,我国城乡建设增长方式仍然粗放,发展质量和效益不高,建筑建造和使用过程能源资源消耗高、利用效率低的问题比较突出。
建筑楼宇集成系统中的建筑自动化智能系统就是通过合理配备建筑现场控制设备,对建筑物(或建筑群)内楼宇设备(空调、电梯、给排水、照明等设备)诸多子系统构成一个有机的整体,通过优化控制系统,达到在确保建筑内环境舒适、充分考虑能源节约和环境保护的条件下,使设备处于最佳运行状态和最佳利用率,提高管理水平,降低运营成本,提供安全舒适、高效便利的工作环境。
控制系统中的控制方法作为控制系统的核心,对于保证楼宇内部多种设备的高效运行具有重要作用。
为便于工程应用,现有的控制系统以微机技术为基础,基于高速DDC和相应操作软件,具有现场采集、控制、通讯、数据存储、故障上传、现场监控等功能,系统包括上位机网络管理系统及现场主控模块、数字量和模拟量输入/输出模块,可接插多类网络板卡,支持多点物理点和虚拟点。但是现有技术及产品往往由于针对楼宇设备控制过多考虑通用性等原因,在实际建筑自动化工程应用中,系统普遍存在资源配置浪费,功能闲置,技术惯性大,整合先进技术成本高、周期长,价格较高等欠缺,且相应控制软件平台功能不完善。
发明内容
为解决上述问题,本发明提出一种适用于楼宇设备综合优化模型的分布式演化方法,通过优化楼宇设备的多目标优化方法,以达到提高楼宇舒适度、降低能耗、提高设备运行效率、降低楼宇设备运行磨损率的目的。
本发明的技术方案采用如下步骤:
1)以楼宇设备作为有限理性体,将不同的各个楼宇设备组合建立一个集合模型;
2)建立集合模型中各个楼宇设备之间的优化目标函数及其约束条件,优化目标函数包括舒适度的代价函数、能耗的代价函数、设备运行效率的代价函数和设备运行磨损率的代价函数;
3)所有楼宇设备中以两个楼宇设备随机配成一对,对形成得到的多对楼宇设备均进行效用函数和适应度的演化迭代计算,每次计算前重新随机配对,迭代次数达到运算次数阈值后,计算每个楼宇设备的效用函数和适应度,生成新集合模型;
4)判断步骤3)得到的新集合模型是否处于稳定状态:如果新集合模型处于稳定状态,那么停止计算;如果新集合模型尚未处于稳定状态,那么返回重新进行步骤3),直至新集合模型处于稳定状态;由此得到稳定状态下优化目标函数所对应的各个代价函数作为最优值,完成楼宇设备综合优化模型的分布式演化。
所述的楼宇设备包括中央空调、智能照明系统、电梯智能监控设备和给排水系统。
所述的步骤1)中集合模型采用以下公式1:
xi={x1i,x2i,x3i,x4i} (1)
其中:i=1,2,…,i代表第i次运算,xi为第i次运算的集合模型,x1i、x2i、x3i、x4i分别为第i次运算的中央空调进化值、智能照明系统进化值、电梯智能监控设备进化值和给排水系统进化值。
上述集合模型也可以表示为:xi=[x1i,x2i,x3i,x4i]T,T表示矩阵的转置。
所述的步骤2)中的优化目标函数采用以下公式2:
V=min{f1(xi),f2(xi),f3(xi),f4(xi)} (2)
其中,V为优化目标函数,f1(xi)为表征楼宇舒适度的代价函数,舒适度为温度与湿度的比值,f2(xi)为表征能耗的代价函数,f3(xi)为表征设备运行效率的代价函数,f4(xi)为表征设备运行磨损率的代价函数;
上述的f1(xi)、f2(xi)、f3(xi)和f4(xi)分别采用以下公式进行计算:
其中,x1i、x2i、x3i、x4i分别为第i次运算的中央空调进化值、智能照明系统进化值、电梯智能监控设备进化值和给排水系统进化值,i代表第i次运算。
所述的步骤2)中的约束条件采用以下公式3:
g(xi)≥0 (3)
上述约束函数g(xi)采用以下公式:
其中,x1i、x2i、x3i、x4i分别为第i次运算的中央空调进化值、智能照明系统进化值、电梯智能监控设备进化值和给排水系统进化值,i代表第i次运算。
所述的步骤3)中,如果迭代计算的次数未达到运算次数阈值,那么将集合模型中的楼宇设备进行重新随机配对和计算。
所述的步骤3)中的效用函数采用以下公式4:
其中,U(xi)为演化计算的效用函数,m、n均表示中央空调、智能照明系统、电梯智能监控设备和给排水系统中的任一一种楼宇设备。
所述的步骤3)中的适应度采用以下公式5:
其中,F(xi)为适应度,N为运算次数阈值,pi为集合模型xi中的楼宇设备被选中的概率,U(xi)为演化计算的效用函数。
所述的运算次数阈值N=50。
所述的步骤4)中对新集合模型是否处于稳定状态的判断采用论文“关宏志,浦亮.基于演化博弈理论的有限理性交通选择行为模型[J].北京工业大学学报,36(8),1077-1083,2010”中的ESS方法进行判断。
本发明采用自下而上的设计方法,将楼宇中的不同设备(包括中央空调、智能照明系统、电梯智能监控设备、给排水系统)构造为具有有限检测与控制能力的有限理性智能体;建立各个设备之间的优化目标函数与约束条件;基于本发明演化方法,使包含多个有限理性体的系统具备分布式优化的能力。
本发明具有的有益的效果是:
本发明可将具有检测与控制的楼宇内部中央空调、智能照明系统、电梯智能监控设备、给排水系统转变为具有有限理性的智能体,通过施加先进的演化方法,实现这些设备在节能、舒适、运行效率、维护费用方面实现最优控制,解决了这些目前亟需解决的问题。
本发明能实现楼宇设备分布式优化运行控制;降低楼宇设备的耗电量,减小设备运行费用,实现楼宇节能环保性能,提高楼宇舒适程度;提高楼宇设备的运行稳定性和运行效率,降低设备故障对楼宇的不利影响;降低楼宇设备的维护费用。
附图说明
图1为本发明方法的流程逻辑图。
图2为实施例代价函数。
图3为实施例优化目标函数。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明的步骤1)有限检测与控制能力的有限理性体,利用楼宇内部中央空调、智能照明系统、电梯智能监控设备、给排水系统本身已经具有的检测与控制功能实现,不仅可以降低设备成本投入,而且可为演化方法的顺利实施提供基础保证,为集合模型的生成提供依据。
本发明的步骤2)定义的优化目标函数与约束条件是演化方法的核心内容,可以降低集合模型生成的难度,提高楼宇设备最优运行控制策略的确定,实现楼宇设备在节能、舒适、运行效率、维护费用方面的平衡控制。
本发明的步骤3)概括了分布式演化方法的主要过程,运算次数阈值和新集合模型的生成可以实现楼宇设备运行策略的不断优化,从而为最优控制策略的实现提供重要的保证。
本发明的步骤4)集合模型稳定性的判断用于最终确定分布式演化方法最终的控制方法,不仅可以提高分布式演化方法的稳定性,保障楼宇设备的稳定运行,而且可以实现楼宇设备的高效运行。
本发明的具体实施例:
利用Matlab数学仿真软件的M函数对本发明提出的控制方法进行了仿真实验,仿真实施例的楼宇设备仅包括中央空调、智能照明系统、电梯智能监控设备和给排水系统各一个的四个楼宇设备。仿真实验中假设舒适度的代价函数、能耗的代价函数、设备运行效率的代价函数、设备运行磨损率的代价函数的最优值为0.5,仿真情况只是例子,实际取值需要根据具体情况获得。
通过Matlab中的画图命令检测仿真实验波形,通过数据分析工具程序计算实验数据,采用本发明提出的控制方法,所得实验数据:表征舒适度的代价函数、能耗的代价函数、设备运行效率的代价函数、设备运行磨损率的代价函数的f1(xi)、f2(xi)、f3(xi)和f4(xi)均在1.5s内趋于最优值0.5,表明提出的分布式优化方法可以实现楼宇设备的优化控制;目标函数V在1.5s内趋于最小值,表明提出的方法可以实现楼宇设备的最优控制,使得楼宇设备能够兼顾舒适度、能耗、运行效率和磨损率;楼宇设备可以在1.5s内实现分布式最优运行,并且达到节能、舒适、运行效率高、维护费用低的目的。
如图1所示,具体过程如下:
1)以楼宇设备作为有限理性体,将不同的四个楼宇设备采用公式1组合形成一个集合模型。
2)建立集合模型中各个楼宇设备之间的优化目标函数及其约束条件;优化目标函数采用公式2,优化目标函数的约束条件采用公式3。
3)所有楼宇设备中以两个楼宇设备随机配成一对,对形成得到的多对楼宇设备均进行效用函数和适应度的演化迭代计算,每次计算前重新随机配对,迭代次数达到运算次数阈值后,计算每个楼宇设备的效用函数和适应度,生成新集合模型;如果迭代计算的次数未达到运算次数阈值,那么将集合模型中的楼宇设备进行重新随机配对和计算。
上述效用函数采用公式4,适应度采用公式5,方法中运算次数阈值N取50。
4)采用论文“关宏志,浦亮.基于演化博弈理论的有限理性交通选择行为模型[J].北京工业大学学报,36(8),1077-1083,2010”中的ESS方法,判断得到的新集合模型是否处于稳定状态:
如果新集合模型处于稳定状态,那么停止计算;如果新集合模型尚未处于稳定状态,那么返回重新进行步骤3),直至新集合模型处于稳定状态;由此得到稳定状态所对应的优化目标函数作为最优值,完成楼宇设备综合优化模型的分布式演化。
楼宇中楼宇舒适度代价函数f1(xi)、能耗代价函数f2(xi)、设备运行效率代价函数f3(xi)和设备运行磨损率代价函数f4(xi)分别如图2所示,优化目标函数V的波形如图3所示。由图2、3可以看出:本发明提出的方法可实现楼宇中不同设备的最优控制,提高楼宇设备的稳定性,同时加快楼宇设备的动态过程。
上述具体实施方式用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。

Claims (9)

1.一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于包括以下步骤:
1)以楼宇设备作为有限理性体,将不同的各个楼宇设备组合建立一个集合模型;
2)建立集合模型中各个楼宇设备之间的优化目标函数及其约束条件,优化目标函数包括舒适度的代价函数、能耗的代价函数、设备运行效率的代价函数和设备运行磨损率的代价函数;
3)所有楼宇设备中以两个楼宇设备随机配成一对,对形成得到的多对楼宇设备均进行效用函数和适应度的演化迭代计算,每次计算前重新随机配对,迭代次数达到运算次数阈值后,计算每个楼宇设备的效用函数和适应度,生成新集合模型;
4)判断步骤3)得到的新集合模型是否处于稳定状态:
如果新集合模型处于稳定状态,那么停止计算;如果新集合模型尚未处于稳定状态,那么返回重新进行步骤3),直至新集合模型处于稳定状态;
由此得到稳定状态下优化目标函数所对应的各个代价函数作为最优值,完成楼宇设备综合优化模型的分布式演化。
2.根据权利要求1所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的楼宇设备包括中央空调、智能照明系统、电梯智能监控设备和给排水系统。
3.根据权利要求1所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的步骤1)中集合模型采用以下公式1:
xi={x1i,x2i,x3i,x4i} (1)
其中,i代表第i次运算,i=1,2,…,xi为第i次运算的集合模型,x1i、x2i、x3i、x4i分别为第i次运算的中央空调进化值、智能照明系统进化值、电梯智能监控设备进化值和给排水系统进化值。
4.根据权利要求3所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的步骤2)中的优化目标函数采用以下公式2:
V=min{f1(xi),f2(xi),f3(xi),f4(xi)} (2)
其中,V为优化目标函数,f1(xi)为表征楼宇舒适度的代价函数,舒适度为温度与湿度的比值,f2(xi)为表征能耗的代价函数,f3(xi)为表征设备运行效率的代价函数,f4(xi)为表征设备运行磨损率的代价函数;
上述的f1(xi)、f2(xi)、f3(xi)和f4(xi)分别采用以下公式进行计算:
<mrow> <msub> <mi>f</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>x</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>2</mn> <msubsup> <mi>x</mi> <mrow> <mn>2</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>3</mn> <msubsup> <mi>x</mi> <mrow> <mn>3</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>x</mi> <mrow> <mn>4</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow>
<mrow> <msub> <mi>f</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>x</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>5</mn> <msub> <mi>x</mi> <mrow> <mn>2</mn> <mi>i</mi> </mrow> </msub> <mo>+</mo> <mn>10</mn> <msub> <mi>x</mi> <mrow> <mn>3</mn> <mi>i</mi> </mrow> </msub> <mo>+</mo> <mn>2</mn> <msubsup> <mi>x</mi> <mrow> <mn>4</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow>
<mrow> <msub> <mi>f</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>2</mn> <msub> <mi>x</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msub> <mo>+</mo> <mn>5</mn> <msub> <mi>x</mi> <mrow> <mn>2</mn> <mi>i</mi> </mrow> </msub> <mo>+</mo> <mn>6</mn> <msubsup> <mi>x</mi> <mrow> <mn>3</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>8</mn> <msubsup> <mi>x</mi> <mrow> <mn>4</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> </mrow>
<mrow> <msub> <mi>f</mi> <mn>4</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>4</mn> <msub> <mi>x</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>x</mi> <mrow> <mn>2</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>5</mn> <msubsup> <mi>x</mi> <mrow> <mn>3</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>6</mn> <msub> <mi>x</mi> <mrow> <mn>4</mn> <mi>i</mi> </mrow> </msub> </mrow>
其中,x1i、x2i、x3i、x4i分别为第i次运算的中央空调进化值、智能照明系统进化值、电梯智能监控设备进化值和给排水系统进化值,i代表第i次运算。
5.根据权利要求3所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的步骤2)中的约束条件采用以下公式3:
g(xi)≥0 (3)
上述约束函数g(xi)采用以下公式:
<mrow> <mi>g</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mn>4</mn> <msub> <mi>x</mi> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>x</mi> <mrow> <mn>2</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>5</mn> <msubsup> <mi>x</mi> <mrow> <mn>3</mn> <mi>i</mi> </mrow> <mn>2</mn> </msubsup> <mo>+</mo> <mn>6</mn> <msub> <mi>x</mi> <mrow> <mn>4</mn> <mi>i</mi> </mrow> </msub> </mrow>
其中,x1i、x2i、x3i、x4i分别为第i次运算的中央空调进化值、智能照明系统进化值、电梯智能监控设备进化值和给排水系统进化值,i代表第i次运算。
6.根据权利要求1所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的步骤3)中,如果迭代计算的次数未达到运算次数阈值,那么将集合模型中的楼宇设备进行重新随机配对和计算。
7.根据权利要求4所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的步骤3)中的效用函数采用以下公式4:
<mrow> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <msub> <mi>f</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mi>min</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>f</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mo>)</mo> </mrow> </mrow> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>f</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mi>min</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>f</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>m</mi> <mo>=</mo> <mi>n</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>f</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>-</mo> <mo>&amp;lsqb;</mo> <mi>min</mi> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>max</mi> <mi> </mi> <msub> <mi>f</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>&amp;lsqb;</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>min</mi> <mi> </mi> <msub> <mi>f</mi> <mi>n</mi> </msub> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>&amp;rsqb;</mo> <mo>-</mo> <mo>&amp;lsqb;</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>m</mi> </msub> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>max</mi> <mi> </mi> <msub> <mi>f</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>m</mi> <mo>&amp;NotEqual;</mo> <mi>n</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中,U(xi)为演化计算的效用函数,m、n均表示中央空调、智能照明系统、电梯智能监控设备和给排水系统中的任一一种楼宇设备。
8.根据权利要求1所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的步骤3)中的适应度采用以下公式5:
<mrow> <mi>F</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>&amp;Sigma;</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mi>N</mi> </mfrac> <mo>&amp;CenterDot;</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;Sigma;</mi> <mfrac> <mrow> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mi>N</mi> </mfrac> </mrow> </mfrac> <mo>&amp;times;</mo> <mn>100</mn> <mi>%</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
其中,F(xi)为适应度,N为运算次数阈值,pi为集合模型xi中的楼宇设备被选中的概率,U(xi)为演化计算的效用函数。
9.根据权利要求1、6或者8所述的一种适用于楼宇设备综合优化模型的分布式演化方法,其特征在于:所述的运算次数阈值N=50。
CN201510036173.3A 2015-01-23 2015-01-23 一种适用于楼宇设备综合优化模型的分布式演化方法 Active CN104573383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510036173.3A CN104573383B (zh) 2015-01-23 2015-01-23 一种适用于楼宇设备综合优化模型的分布式演化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510036173.3A CN104573383B (zh) 2015-01-23 2015-01-23 一种适用于楼宇设备综合优化模型的分布式演化方法

Publications (2)

Publication Number Publication Date
CN104573383A CN104573383A (zh) 2015-04-29
CN104573383B true CN104573383B (zh) 2018-02-09

Family

ID=53089429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510036173.3A Active CN104573383B (zh) 2015-01-23 2015-01-23 一种适用于楼宇设备综合优化模型的分布式演化方法

Country Status (1)

Country Link
CN (1) CN104573383B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105472852B (zh) * 2016-01-15 2017-10-31 成都市曼苗科技有限公司 智能灯光控制系统
CN106780187A (zh) * 2016-12-09 2017-05-31 山东建筑大学 一种楼宇绿色运行平行管控方法及系统
CN106980775B (zh) * 2017-03-27 2019-07-02 华南师范大学 基于全部连续列一致演化型的时序基因芯片数据挖掘方法
CN109212963A (zh) * 2017-07-04 2019-01-15 香港城市大学深圳研究院 确定零能耗建筑中各设备系统大小的方法及装置
CN107940668A (zh) * 2017-10-24 2018-04-20 天津大学 一种基于多目标优化的公共建筑暖通空调系统诊断方法
CN108895620A (zh) * 2018-04-12 2018-11-27 南京工业大学 一种用于中央空调控制的节能优化方法
CN109669346A (zh) * 2018-11-19 2019-04-23 宁波成筑智能科技有限公司 一种楼宇设备演化迭代优化运行方法
CN109978248A (zh) * 2019-03-19 2019-07-05 深圳睿捷科技服务有限公司 基于人工智能的楼宇设备信息处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012021995A1 (en) * 2010-08-18 2012-02-23 Manufacturing Technology Network Inc. Computer apparatus and method for real-time multi-unit optimization
CN101776892B (zh) * 2009-12-31 2012-07-04 浙江大学 一种约束优先的工业过程动态优化系统及方法
CN102567651A (zh) * 2012-03-12 2012-07-11 广东省电力调度中心 计及瓶颈环节发现的电网供电能力评估方法与装置
CN103457268A (zh) * 2013-09-17 2013-12-18 国家电网公司 基于并行模式搜索的最优切负荷控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9046882B2 (en) * 2010-06-30 2015-06-02 Rockwell Automation Technologies, Inc. Nonlinear model predictive control of a batch reaction system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101776892B (zh) * 2009-12-31 2012-07-04 浙江大学 一种约束优先的工业过程动态优化系统及方法
WO2012021995A1 (en) * 2010-08-18 2012-02-23 Manufacturing Technology Network Inc. Computer apparatus and method for real-time multi-unit optimization
CN102567651A (zh) * 2012-03-12 2012-07-11 广东省电力调度中心 计及瓶颈环节发现的电网供电能力评估方法与装置
CN103457268A (zh) * 2013-09-17 2013-12-18 国家电网公司 基于并行模式搜索的最优切负荷控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BMS系统集成及楼宇自控系统在行政大楼的技术应用;顾永达,;《工程质量》;20030731(第7期);44-45 *
基于博弈论的无线传感器网络的路由研究;贾晨辉;《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》;20120915(第09期);I140-115 *
基于演化博弈理论的有限理性交通行为模型;关宏志,等;;《北京工业大学学报》;20100831;第36卷(第8期);1077-1083 *
基于计算经济的网格资源管理调度模型;段丽君,;《湖北第二师范学院学报》;20110228;第28卷(第2期);59-61 *
楼宇自动化中冷热源控制系统集成;杨占国,等;;《广东广播电视大学学报》;20050430;第14卷(第4期);100-102 *

Also Published As

Publication number Publication date
CN104573383A (zh) 2015-04-29

Similar Documents

Publication Publication Date Title
CN104573383B (zh) 一种适用于楼宇设备综合优化模型的分布式演化方法
CN105071389B (zh) 计及源网荷互动的交直流混合微电网优化运行方法及装置
CN103345298A (zh) 一种基于虚拟it资源分配技术的数据中心节能系统及方法
CN105515110B (zh) 一种电动汽车有序充电实时控制系统
CN102055217A (zh) 电动汽车有序充电控制方法及系统
CN107292766A (zh) 面向风电消纳的电力系统调峰手段经济性评估方法与系统
CN103746384B (zh) 电力负荷调度控制方法及其系统
CN105956752A (zh) 用于绿色公共建筑运营阶段的能效评估与诊断分析方法
CN106532751A (zh) 一种分布式电源能效优化方法及系统
CN103226735A (zh) 一种基于风电分段的电力系统优化调度方法
CN102541622B (zh) 一种负载相关的虚拟机放置方法
CN104539495B (zh) 一种提高楼宇设备运行效率的非合作分布式优化方法
US20230344242A1 (en) Method for automatic adjustment of power grid operation mode base on reinforcement learning
CN110848895A (zh) 一种非工空调柔性负荷控制方法和系统
Liao et al. Energy consumption optimization scheme of cloud data center based on SDN
CN106712077A (zh) 一种公共楼宇参与电网优化运行方法
CN114662751B (zh) 基于lstm的园区多能短期负荷预测及优化方法
CN106209390A (zh) 网络设备管理及节能方法及其资源管理装置、路由节能装置
CN110850957B (zh) 一种边缘计算场景下通过休眠降低系统功耗的调度方法
CN203596622U (zh) 基于智能楼宇的智能用电系统
CN105406517A (zh) 基于有限时间平均一致性算法的电力系统经济调度方法
CN105049499A (zh) 一种基于多立方体映射的网络功能虚拟化资源分配方法
CN109560553B (zh) 一种电力电子变压器低压侧可切换功率模块的切换方法
CN101231523B (zh) 一种灵敏负荷的控制系统及方法
CN105429843A (zh) 一种动态需求下节能的虚拟网络映射方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant