CN105758028A - 一种应用于太阳能中央热水系统的热水储量控制方法 - Google Patents

Abstract

本专利涉及一种应用于太阳能中央热水系统的热水储量控制方法，特别是一种能够结合用户历史用水特征和当前环境参数的应用于太阳能中央热水系统的热水储量控制方法。本专利的目的是改造传统太阳能中央热水系统的热水储量控制方法，设计一种应用于太阳能中央热水系统的热水储量控制的模型，即将用户历史用水数据与当前环境参数结合计算太阳能中央热水系统的热水储量的最优化值并应用于太阳能中央热水系统的热水储量控制的方法，从而实现有效提高太阳能中央热水系统的热效率。

Description

一种应用于太阳能中央热水系统的热水储量控制方法

技术领域

本专利涉及一种应用于太阳能中央热水系统的热水储量控制方法，特别是一种能够结合用户历史用水特征和当前环境参数的应用于太阳能中央热水系统的热水储量控制方法。

背景技术

太阳能热利用作为太阳能行业中最为成熟的技术，已经得到了广泛的应用，太阳能热利用在太阳能行业乃至整个可再生能源的利用中都占有重要的地位，目前，针对太阳能中央热水系统的节能研究主要集中在集热器效率、保温措施等局部器件的性能上，而对太阳能中央热水系统的整体性节能控制方面基本没有涉及。

现在运行的太阳能中央热水系统在设计上基本都没有根据用户对热水的需求情况加以分析以保持适当的热水储量，目前在用的太阳能中央热水系统的热水储水水箱的储水量控制方法有两种：1、采用球阀控制，应用该方法时太阳能中央热水系统的热水储水水箱长期处于满载状态；2、采用按照使用者的经验值来设定水位方式。目前，可见的两种该控制方案让现有的中太阳能中央热水系统的热水储水水箱的储水量均长期处于远高于用户需求的安全水位。这样的设计带来不良后果是，太阳能中央热水系统的辅助加热设备必须消耗更多的能量用以维持用户需求的水箱中的水温及补充水箱对外散热等因素带来的热量损耗。

为了能够在尽可能满足用户日常热水需求的前提下减少热水的预储备，降低太阳能中央热水提高系统的热损耗，最大限度地减少辅助加热的能源消耗，达到节能的目标，本专利提供了一种具有分析用户历史用水特性和现有环境特点的太阳能中央热水系统的热水储水量控制方法，该方法能够有效提高太阳能中央热水系统的热效率。

发明内容

本发明的目的是使太阳能中央热泵热水系统的热水储水量可以根据用户历史用水特性和现有环境特点加以调节，从而提高系统的热效率。

为了实现上述发明的目的，本发明在原有的种群规模、交叉概率、变异概率以及在获取由现场装置发回的水箱温度值、集热器出水口温度值、太阳光光照度值、水箱现有水位值的基础上，提供了一种应用于太阳能中央热水系统的热水储水量控制方法。其工作过程包含以下步骤：

步骤1)：设置发明的算法相关参数：种群规模、交叉概率、变异概率；

步骤2)：参数初始化。该参数包括两类，一类是算法运行所需的参数，它包括：种群规模、交叉概率、变异概率、期望辅助热源耗能量、用户需水温度、水的比热容、水箱容积、置信水平、循环次数；交叉概率、变异概率按照遗传算法通常设置范围在0～0.1、0.6～1。其余参数根据算法实际应用中用户需求进行值设置；另一类是系统运行参数，包括：当前水箱水温、集热器出水口温度值、太阳光光照度值、水箱现有水位值。这些值将通过现场控制器实时获取得到。

步骤3)：编码并初始化种群。设置种群编码采用实数编码的个体编码方式，形成的实数数组按照时间顺序进行排列，编码的取值范围为算法实际应用的取值范围。初始化种群中每个染色体由模糊变量的水平截集(ε)(ε为充分小的正数)中随机产生用户用水的第i个模糊变量(u_i)，令

u_i＝(u₁,u₂,u₃,...,u_n)；μ(u_i)＝μ₁(u₁)∧μ₂(u₂)∧...∧μ_n(u_n)。

步骤4)：根据本发明设计的式(9)判断初始化的种群适应度，得到最优解的要求。

步骤5)：根据本发明设计的式(9)中的式(8)计算初始化的个体适应度。

步骤6)：交叉操作。采用单点交叉的方式更改种群中个体染色体。按照步骤2)中设置的交叉概率，随机指定从某一位开始作为交叉起点，此点之后的所有染色体进行基因交换。

步骤7)：变异操作。采用基本位变异方法进行该步骤，按照步骤2中设置的变异概率，随机指定某一位基因在取值范围内进行数值改变。

步骤8)：按照轮赌盘方法选择个体。该步骤按照每个个体的适应度计算出每个个体被选择的概率，适应度大的个体被选中的概率较高。

步骤9)：判断更新后的染色体是否符合条件。根据本发明设计的式(9)判断初始化的种群是否符合要求。

步骤10)：根据本发明设计的式(8)计算种群更新后的个体适应度。

步骤11)：保存当前最优个体。

步骤12)：判断是否达到循环终止条件。此处循环终止条件设置为不大于102步骤中设置的循环次数。

所述的式(8)，具体推算过程如下：

(一)设定太阳能中央热水系统每天的运行周期的时段[1,T]内向用户提供热水，热水的热量源于太阳能集热板以及辅助加热设备产生的热量，用于用户使用、库存剩余以及散热损失。那么，整个周期(T)内通过辅助设备加热的热水热量表示如(1)式所示：

式(1)中，c为水比热容；T₀为用户需水温度；k为系统能量散失系数；ξ_t为第t时段用户用水量，T_st为第t时段系统水箱温度，T_t为第t时段集热器出水水温；x_t为第t时段系统需库存水量。

那么每个时段t内，用户需要的热水量和库存的热水量不可超过储水箱的体积(V)，即：

V-x_t＞ξ_t

为使一天多个时段内的辅助加热总和最小，本发明建立控制模型如式(2)所示：

式中，目标函数为：

其约束条件为：

记：X＝(x₁,x₂,...,x_T),ξ＝(ξ₁,ξ₂,...,ξ_T)，

式(2)中的目标函数可进一步描述为如式(3)所示：

(二)管理者预先设定辅助加热期望值(Q_aux0)，并希望f(X,ξ)≤Q_aux0的可信度要尽可能大，那么，结合可信理论中的相关机会约束规划方法进一步描述式(3)，即

maxCr{f(X,ξ)≤Q_aux0}

而在实际的热水生产过程中，由于用户用水需求的不稳定性，发明设计的方法只需要在一定程度上满足约束条件即可。那么，再利用可信理论中的模糊机会约束规划方法描述式(2)中的约束条件，即在预先给定某一置信水平(α)的基础上使约束条件的可信度大于或者等于α，表达如下：

综上，太阳能热水系统最优储水量的可信性规划模型描述如(4)式所示：

式(4)中，Cr{·}为事件{·}的可信性。

由于用户需水的模糊性，因此假设用户用水量(ξ_t)为梯形模糊变量。记为ξ_t＝(ξ_t1，ξ_t2，ξ_t3，ξ_t4)，该式一个等价的语义描述是：管理者认为用户用水量最有可能的取值范围在[ξ_t2，ξ_t3]之中，管理者对用户用水量的估计不会低于ξ_t1且不会高于ξ_t4。模型中f(X,ξ)是关于ξ_t的线性函数，根据Zadeh扩展原理可知f(X,ξ)仍然为梯形模糊变量。记：f(X,ξ)＝(r₁(x),r₂(x),r₃(x),r₄(x)).

设式(4)中maxCr{f(X,ξ)≤Q_aux0}为式(5)

g(x)＝maxCr{f(X,ξ)≤Q_aux0}(5)

采用可信理论中模糊变量可信性分布公式计算式(5)可得式(6)

其中：

根据实际情况考虑置信水平不小于0.5的情况可得

(三)综合式子(6)与式子(7)的推算将式子(4)清晰化后得到式(8)：

式中，maxg(x)即为种群适应度计算的目标函数，目标函数对应的前提条件为

初始化符合式子(9)的种群并利用式子(8)计算该初始化种群的适应度，根据预先设定的循环次数(n)采用遗传算法不断更新种群，每进行一次种群更新都需判断是否符合式子(9)，将符合式(9)的种群利用式子(8)计算更新后种群的适应度，记录适应度最大的解作为太阳能热水储量的最优解(即太阳能热水储量的最小解)。循环结束时将结果输出应用于太阳能中央热水系统的热水储量控制。

实施效果

本发明实施的有益效果是：利用本发明的方法结合不同系统的现场实际应用特点来优化太阳能中央热水系统的热水储水水箱的储水量，从而达到尽可能提高太阳能中央热水系统热效率的目的。

附图说明

图1本发明所述的装置的工作流程图。

具体实施方式

下面结合附图和具体实施方式对本发明予以一步说明。

太阳能中央热水系统每天的运行周期的时段[1,T]内向用户提供热热水，热水的热量源于太阳能集热板以及辅助加热设备产生的热量，用于用户使用、库存剩余以及散热损失。那么，整个周期(T)内通过辅助设备加热的热水热量表示如(1)式所示：

其中，c为水比热容；T₀为用户需水温度；k为系统能量散失系数；ξ_t为第t时段用户用水量，T_st为第t时段系统水箱温度，T_t为第t时段集热器出水水温；x_t为第t时段系统需库存水量。

每个时段t内，用户需要的热水量和库存的热水量不可超过储水箱的体积(V)，即：

V-x_t＞ξ_t

为使一天多个时段内的辅助加热总和最小，本发明建立控制模型如式(2)所示：

式中，目标函数为：

其约束条件为

记X＝(x₁,x₂,...,x_T),ξ＝(ξ₁,ξ₂,...,ξ_T)，

上述的模型中目标函数可简化如式(3)所示：

利用可信理论中的相关机会约束规划处理式(3)，管理者预先设定辅助加热期望值(Q_aux0)，我们希望f(X,ξ)≤Q_aux0的可信性要尽可能大，即

maxCr{f(X,ξ)≤Q_aux0}

然后再利用可信理论中的模糊机会约束规划处理式(2)中的约束条件，式(2)的约束条件为：

在实际的热水生产过程中，由于用户用水需求的不稳定性，发明设计的方法只需要在一定程度上满足约束条件即可。因此，预先给定某一置信水平(α)，使约束条件的可信性大于或者等于α，即：

Cr{V-x_t＞ξ_t,t＝1,2,3,...,T}≥α

那么，以热水储量最小为目的而间接计算的辅助加热最小化的可信性规划模型如(4)式所示：

式中，Cr{·}为事件{·}的可信性。

由于用户需水的模糊性，因此假设用户用水量(ξ_t)为梯形模糊变量。记为ξ_t＝(ξ_t1，ξ_t2，ξ_t3，ξ_t4)，该式一个等价的语义描述是：管理者认为用户用水量最有可能的取值范围在[ξ_t2，ξ_t3]之中，管理者对用户用水量的估计不会低于ξ_t1且不会高于ξ_t4。模型中f(X,ξ)是关于ξ_t的线性函数，根据Zadeh扩展原理可知f(X,ξ)仍然为梯形模糊变量。记f(X,ξ)＝(r₁(x),r₂(x),r₃(x),r₄(x)).

设式(4)中maxCr{f(X,ξ)≤Q_aux0}为式(5)

g(x)＝maxCr{f(X,ξ)≤Q_aux0}(5)

采用可信理论中模糊变量可信性分布公式计算式(5)可得式(6)

其中，

根据实际情况考虑置信水平不小于0.5的情况可得

综合式子(6)与式子(7)的推算将式子(4)清晰化后得到式(8)，以上过程中所述的计算新种群的适应度和初始化的染色体适应度通过如下式(8)所示来实现的。

式中，maxg(x)即为种群适应度计算的目标函数，目标函数对应的前提条件为

图1是本发明的工作流程图，为了便于进一步理解本发明结合图1对本发明的控制方法做具体描述：

步骤101：流程开始；

步骤102：参数初始化。该参数包括两类，一类是算法运行所需的参数，它包括：种群规模、交叉概率、变异概率、期望辅助热源耗能量、用户需水温度、水的比热容、水箱容积、置信水平、循环次数；交叉概率、变异概率按照遗传算法通常设置范围在0～0.1、0.6～1。其余参数根据算法实际应用中用户需求进行值设置；另一类是系统运行参数，包括：当前水箱水温、集热器出水口温度值、太阳光光照度值、水箱现有水位值。这些值将通过现场控制器实时获取得到；

步骤103：编码并初始化种群。设置种群编码采用实数编码的个体编码方式，形成的实数数组按照时间顺序进行排列，编码的取值范围为算法实际应用的取值范围。初始化种群中每个染色体由模糊变量的水平截集(ε)(ε为充分小的正数)中随机产生用户用水的第i个模糊变量(u_i)，令

u_i＝(u₁,u₂,u₃,...,u_n)；μ(u_i)＝μ₁(u₁)∧μ₂(u₂)∧...∧μ_n(u_n)；

步骤104：根据本发明设计的式(9)判断初始化的种群是否符合要求；

步骤105：根据本发明设计的式(8)计算初始化的个体适应度；

步骤106：交叉操作。采用单点交叉的方式更改种群中个体染色体。按照步骤102中设置的交叉概率，随机指定从某一位开始作为交叉起点，此点之后的所有染色体进行基因交换；

步骤107：变异操作。采用基本位变异方法进行该步骤，按照步骤102中设置的变异概率，随机指定某一位基因在取值范围内进行数值改变；

步骤108：按照轮赌盘方法选择个体。该步骤按照每个个体的适应度计算出每个个体被选择的概率，适应度大的个体被选中的概率较高；

步骤109：判断更新后的染色体是否符合条件。根据本发明设计的式(9)判断初始化的种群是否符合要求；

步骤110：根据本发明设计的式(8)计算种群更新后的个体适应度；

步骤111：保存当前最优个体；

步骤112：判断是否达到循环终止条件。此处循环终止条件设置为不大于102步骤中设置的循环次数；

步骤113：流程结束，将本发明计算获得的结果发送给现场控制器作为太阳能中央热水储热水箱储水量控制参数。

Claims (2)

1.一种应用于太阳能中央热水系统的热水储量控制方法，首先设置太阳能中央热水系统中的初始算法相关参数，包括种群规模、交叉概率、变异概率，之后获取由现场装置发回的参数，编码并初始化种群，最后计算新种群的适应度，得到最优解，其特征在于所述的控制方法，还包括根据所述的式(8)计算初始化的个体适应度。

2.根据权利要求1所述的一种应用于太阳能中央热水系统的热水储量控制方法，其特征在于所述的个体适应度计算式(8)，具体推算过程如下：

设定太阳能中央热水系统每天的运行周期的时段[1,T]内向用户提供热水，热水的热量源于太阳能集热板以及辅助加热设备产生的热量，用于用户使用、库存剩余以及散热损失，那么，整个周期(T)内通过辅助设备加热的热水热量表示如(1)式所示：

式(1)中，c为水比热容；T₀为用户需水温度；k为系统能量散失系数；ξ_t为第t时段用户用水量，T_st为第t时段系统水箱温度，T_t为第t时段集热器出水水温；x_t为第t时段系统需库存水量；

那么每个时段t内，用户需要的热水量和库存的热水量不可超过储水箱的体积(V)，即：

V-x_t＞ξ_t

为使一天多个时段内的辅助加热总和最小，本发明建立控制模型如式(2)所示：

式中，目标函数为其约束条件为

记：X＝(x₁,x₂,...,x_T),ξ＝(ξ₁,ξ₂,...,ξ_T)，

式(2)中的目标函数可进一步描述为如式(3)所示：

管理者预先设定辅助加热期望值(Q_aux0)，并希望f(X,ξ)≤Q_aux0的可信度要尽可能大，那么，结合可信理论中的相关机会约束规划方法进一步描述式(3)，即：

maxCr{f(X,ξ)≤Q_aux0}

而在实际的热水生产过程中，由于用户用水需求的不稳定性，发明设计的方法只需要在一定程度上满足约束条件即可，那么，再利用可信理论中的模糊机会约束规划方法描述式(2)中的约束条件，即在预先给定某一置信水平(α)的基础上使约束条件的可信度大于或者等于α，表达如下：

综上，太阳能热水系统最优储水量的可信性规划模型描述如(4)式所示：

式(4)中，Cr{·}为事件{·}的可信性；

由于用户需水的模糊性，因此假设用户用水量(ξ_t)为梯形模糊变量，记为ξ_t＝(ξ_t1，ξ_t2，ξ_t3，ξ_t4)，该式一个等价的语义描述是：管理者认为用户用水量最有可能的取值范围在[ξ_t2，ξ_t3]之中，管理者对用户用水量的估计不会低于ξ_t1且不会高于ξ_t4，模型中f(X,ξ)是关于ξ_t的线性函数，根据Zadeh扩展原理可知f(X,ξ)仍然为梯形模糊变量，记：f(X,ξ)＝(r₁(x),r₂(x),r₃(x),r₄(x))；

设式(4)中maxCr{f(X,ξ)≤Q_aux0}为式(5)；

g(x)＝maxCr{f(X,ξ)≤Q_aux0}(5)；

采用可信理论中模糊变量可信性分布公式计算式(5)可得式(6)，

其中：

根据实际情况考虑置信水平不小于0.5的情况可得

(三)综合式子(6)与式子(7)的推算将式子(4)清晰化后得到式(8)：

式中，maxg(x)即为种群适应度计算的目标函数，目标函数对应的前提条件为式(9)：