CN108510207A - 一种冷藏集装箱船功率平衡调度方法 - Google Patents

一种冷藏集装箱船功率平衡调度方法 Download PDF

Info

Publication number
CN108510207A
CN108510207A CN201810318357.2A CN201810318357A CN108510207A CN 108510207 A CN108510207 A CN 108510207A CN 201810318357 A CN201810318357 A CN 201810318357A CN 108510207 A CN108510207 A CN 108510207A
Authority
CN
China
Prior art keywords
power
refrigerating box
temperature
individual
value
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.)
Granted
Application number
CN201810318357.2A
Other languages
English (en)
Other versions
CN108510207B (zh
Inventor
肖金超
刘继海
邓淑敏
冯东英
魏三喜
程海梅
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.)
Shenyang Institute of Automation of CAS
Original Assignee
Shenyang Institute of Automation of CAS
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 Shenyang Institute of Automation of CAS filed Critical Shenyang Institute of Automation of CAS
Priority to CN201810318357.2A priority Critical patent/CN108510207B/zh
Publication of CN108510207A publication Critical patent/CN108510207A/zh
Application granted granted Critical
Publication of CN108510207B publication Critical patent/CN108510207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Devices That Are Associated With Refrigeration Equipment (AREA)

Abstract

本发明公开了一种冷藏集装箱船功率平衡调度方法，对冷箱的温度变化规律，冷箱工作状态，冷箱功率及风机工作状态建立数学模型，设定总事实功率的目标值，采用遗传算法来实现对冷藏箱的调度，使得总事实功率值始终接近目标值。本发明通过访问船上装配的冷藏集装箱监控系统数据库，读取所有冷藏集装箱的实时温度及状态信息，通过遗传算法求出冷藏集装箱的最优调度策略对冷藏集装箱及风机的工作状态进行调度，在保证冷藏集装箱温度安全的情况下实现功率“削峰填谷”，维持负载功率平衡，可起到降低成本和节约运费的作用。

Description

一种冷藏集装箱船功率平衡调度方法
技术领域
本发明涉及冷藏集装箱船电力功率平衡方面及制冷控制研究领域，特别涉及一种冷藏集装箱船功率平衡调度方法。
背景技术
随着社会和科技的发展，人们的生活水平不断提高，对于高营养价值的生鲜货物的需求量增加迅速，使冷藏运输工具及技术也得以发展。冷藏集装箱船作为专业的冷链运输工具是冷藏食品及医药产品运输的重要组成部分，逐步成为国际贸易中冷链运输的最佳途径。
船舶电站是船上重要组成部分之一，对冷藏集装箱船而言，它为冷藏集装箱制冷和其他用电设备提供必须的功率，是船舶电力系统的核心部分。目前，在冷藏集装箱船上，冷藏集装箱的制冷功率大约占到整船总功率的40％，其他用电设备的功率大致占到整船总功率的60％。而现有的冷藏集装箱船对冷藏集装箱的控制相互独立，船上缺乏对冷藏集装箱的统一管理，且单个冷藏箱工况是全自动的，也就是对电力需求是随机的，可能造成总制冷功率需求出现较大的波动。为应付最劣情况，船上制冷发电机组必须根据冷藏集装箱制冷的最大功率工况进行配置以保证船上的电力安全，由此可能出现的频繁峰谷变化会导致船上的发电机组难以长时间以合适的负荷率运行，导致发电机组油耗偏高，造成船舶营运成本增加和实际使用功率闲置。冷藏集装箱负载占船舶总负载的比重大，且存在电力需求波动大的特点，这直接地影响到船舶电站的配电容量以及船舶运行的经济指标。
冷藏集装箱功率平衡调度方法旨在通过适当的电力调度措施，实现冷藏集装箱的统一调度管理，在保证冷藏箱温度安全的情况下实现功率“削峰填谷”，维持负载功率平衡；在装机容量不变的情况下，可提高冷藏箱的装载数量容量，并进一步降低运营成本；在冷藏箱装载量不变的情况下，可降低电站装机容量，从而降低船舶建造成本。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种冷藏集装箱船功率平衡调度方法，得到冷藏集装箱的最优调度策略对冷藏集装箱及风机的工作状态进行调度。
为了达到上述目的，本发明采用以下技术方案：
本发明一种冷藏集装箱船功率平衡调度方法，包括下述步骤：
(1)对冷藏箱的温度变化规律建立模型，由冷藏箱的历史温度数据确定其在制冷和不制冷情况下的温度系数，确定这两种情况下的温度变化量与时间的关系表达式；
(2)对冷藏箱的工作状态建立模型，将冷藏箱的两种工作状态用一个二值函数表示；
(3)对冷藏箱的功率建立模型，冷藏箱的功率由冷藏箱当前的工作状态及冷藏箱的温度确定，由冷藏箱的历史温度数据及输入功率数据确定冷藏箱温度，工作状态及功率之间的关系式；
(4)对风机功率建立模型，冷藏集装箱启动制冷时，货舱风机必须启动，由此可得出冷藏箱状态和风机功率的关系式；
(5)由冷藏箱和风机的总事实功率的历史数据，猜想冷藏箱的平衡功率的目标值为平均功率，采用遗传算法来实现对冷藏箱和风机的调度，使得总事实功率值始终接近目标值。
作为优选的技术方案，步骤(1)中，在制冷和不制冷情况下温度变化量与时间的关系表达式如下：
ΔT1＝k*(T1-T2)*Δt
ΔT2＝b*(T1-T2)*Δt
其中，T1为箱外温度，T2为箱内温度，b为不制冷时箱内温升系数，k为制冷时箱内温降系数，ΔT是温度的变化量。
作为优选的技术方案，步骤(2)中，冷藏箱的工作温度在设定范围之内，当冷藏箱温度越过临界点的值时，冷藏箱的状态会发生改变，即冷藏箱会根据箱内的温度自动改变状态，在该模型中，将冷藏箱i的工作状态表示如下：
Si为一个二值函数，用于表示冷藏箱的状态。
作为优选的技术方案，步骤(3)中，冷藏箱的功率由冷藏箱当前的工作状态及冷藏箱的温度确定，由冷藏箱的历史温度数据及输入功率数据确定冷藏箱温度，工作状态及功率之间的关系式，从而实现对冷藏箱功率的计算，表示如下：
其中，a，Tu，Td，Tc均为常数，Tc为环境温度，Tu，Td分别为冷藏集装箱温度的上、下界，Si为冷藏箱当前状态。
作为优选的技术方案，步骤(4)中，冷藏集装箱船上会开启风机为工作中的冷藏箱散热，以满足冷藏箱的制冷需求，设船上配有的风机总数为l，设一台货舱风机负责给x个冷藏集装箱进行散热，因冷藏集装箱启动制冷时，货舱风机必须启动，故风机工作状态模型可表示如下：
Sf是一个二值函数，用于表示风机的工作状态，Sji表示各冷藏箱的工作状态，其中，j＝1,2,…l；i＝1,2,…x。
作为优选的技术方案，步骤(5)中，由冷藏箱和风机的总事实功率的历史数据，设定冷藏箱的平衡功率约等于总功率的均值Pavr，以求平均功率与总事实功率差值的绝对值的最小值为目标函数，从而求出最接近平均功率的总事实功率，假设平均功率Pavr的值为最大制冷功率Pzmax的1/3，总事实功率由两部分功率组成，一是各冷藏箱功率之和，二是各风机功率之和，在某时刻t时，目标函数可表示如下：
式中，Pavr表示平均功率，n为冷藏箱的个数，Pi是各冷藏箱的功率，其中i＝1,2,…n，l表示风机个数，Pf为风机功率。
作为优选的技术方案，步骤(5)中，所述采用遗传算法来实现对冷藏箱和风机的调度，包括下述步骤：
(5-1)种群初始化和个体编码：通过编码把所求问题的可行解表示成遗传空间中的染色体和个体，将各个冷藏箱的工作状态组成一个二进制序列，作为种群中的一个个体，初始化一个大小为N，个体长度为n的种群，n即为冷藏箱个数，此二进制序列刚好满足遗传算法中的二进制编码方式；
(5-2)选择：计算每个个体的目标函数值，并按照目标函数值从小到大的顺序来分配适应度值，基于适应度值的大小计算出种群中各个体被选择的概率，从而筛选个体，个体i被选择的概率为：
其中，Fi为个体i的适应度值；NIND为种群个体数目；
(5-3)交叉和变异：交叉是指从种群中随机选择两个个体，通过两个个体基因的交换组合，从而产生新的优秀个体，变异是指从种群中随机选取一个个体，选择个体中的一点进行变异以产生更优的个体，对于二值码串来说，变异就是把某个/某些位置上的基因值取反，冷藏箱在状态确定之后不能进行随机重组和变异改变状态，这可能会导致某些冷藏箱内货物变质，故在这一步中，那些必须强制状态的冷藏箱的状态不予改变；
(5-4)迭代找出最优的个体：找出使总事实功率最接近目标值的个体，每代都通过上述(5-1)～(5-3)来对冷藏箱状态进行调度，使冷藏箱总事实功率始终接近目标值。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明通过访问船上装配的冷藏集装箱监控系统数据库，读取所有冷藏集装箱的实时温度及状态信息，通过遗传算法求出冷藏集装箱的最优调度策略对冷藏集装箱及风机的工作状态进行调度，在保证冷藏集装箱温度安全的情况下实现功率“削峰填谷”，维持负载功率平衡，可起到降低成本和节约运费的作用。
2、本发明对冷藏箱功率建立数学模型，冷藏集装箱的实际输入功率取决于其工作状态和温度，但目前并无相关公式用于描述它们之间的关系，对冷藏箱功率变化建立模型，这能确定冷藏集装箱在不同温度和不同状态下的功率，对后续实际功率变化情况的描述起着重要作用。
附图说明
图1是本发明的平衡调度方法流程图；
图2是调度算法下实际功率变化曲线图；
图3是自然状态下实际功率变化曲线图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例
如图1所示，本发明中冷藏集装箱箱功率平衡调度方法的具体实施步骤如下：
(1)对冷藏箱的温度变化规律建立模型，由冷藏箱的历史温度数据确定其在制冷和不制冷情况下的温度系数，确定这两种情况下的温度变化量与时间的关系表达式；
步骤(1)中，由冷藏箱的历史温度数据确定其在制冷和不制冷情况下的温度系数，确定这两种情况下的温度变化量与时间的关系表达式，表示如下：
ΔT1＝k*(T1-T2)*Δt
ΔT2＝b*(T1-T2)*Δt
其中，T1为箱外温度，T2为箱内温度，b为不制冷时箱内温升系数，k为制冷时箱内温降系数，ΔT是温度的变化量。
(2)对冷藏箱的工作状态建立模型，将冷藏箱的两种工作状态用一个二值函数表示；
步骤(2)中，冷藏箱的工作温度在设定范围之内，当冷藏箱温度越过临界点的值时，冷藏箱的状态会发生改变，即冷藏箱会根据箱内的温度自动改变状态，在该模型中，将冷藏箱i的工作状态表示如下：
Si为一个二值函数，用于表示冷藏箱的状态；
(3)对冷藏箱的功率建立模型，冷藏箱的功率由冷藏箱当前的工作状态及冷藏箱的温度确定，由冷藏箱的历史温度数据及输入功率数据确定冷藏箱温度，工作状态及功率之间的关系式；
步骤(3)中，冷藏箱的功率由冷藏箱当前的工作状态及冷藏箱的温度确定，由冷藏箱的历史温度数据及输入功率数据确定冷藏箱温度，工作状态及功率之间的关系式，从而实现对冷藏箱功率的计算，表示如下：
其中，a，Tu，Td，Tc均为常数，Tc为环境温度，Tu，Td分别为冷藏集装箱温度的上、下界，Si为冷藏箱当前状态。
(4)对风机功率建立模型，冷藏集装箱启动制冷时，货舱风机必须启动，由此可得出冷藏箱状态和风机功率的关系式；
步骤(4)中，冷藏集装箱船上会开启风机为工作中的冷藏箱散热，以满足冷藏箱的制冷需求，假设船上配有的风机总数为l，设一台货舱风机负责给x个冷藏集装箱进行散热。因冷藏集装箱启动制冷时，货舱风机必须启动，故风机工作状态模型可表示如下：
Sf是一个二值函数，用于表示风机的工作状态，Sji(j＝1,2,…l；i＝1,2,…x)表示各冷藏箱的工作状态。
(5)由冷藏箱和风机的总事实功率的历史数据，猜想冷藏箱的平衡功率的目标值为平均功率，采用遗传算法来实现对冷藏箱和风机的调度，使得总事实功率值始终接近目标值。
步骤(5)中，由冷藏箱和风机的总事实功率的历史数据，设定冷藏箱的平衡功率约等于总功率的均值Pavr，以求平均功率与总事实功率差值的绝对值的最小值为目标函数，从而求出最接近平均功率的总事实功率，假设平均功率Pavr的值为最大制冷功率Pzmax的1/3，总事实功率由两部分功率组成，一是各冷藏箱功率之和，二是各风机功率之和，在某时刻t时，目标函数可表示如下：
式中，Pavr表示平均功率，n为冷藏箱的个数，Pi是各冷藏箱的功率，其中i＝1,2,…n，l表示风机个数，Pf为风机功率
所述采用遗传算法来实现冷藏箱的调度，包括下述步骤：
(5-1)种群初始化和个体编码：通过编码把所求问题的可行解表示成遗传空间中的染色体和个体，将各个冷藏箱的工作状态组成一个二进制序列，作为种群中的一个个体，初始化一个大小为N，个体长度为n的种群，n即为冷藏箱个数，此二进制序列刚好满足遗传算法中的二进制编码方式；
(5-2)选择：计算每个个体的目标函数值，并按照目标函数值从小到大的顺序来分配适应度值，基于适应度值的大小计算出种群中各个体被选择的概率，从而筛选个体，个体i被选择的概率为：
其中，Fi为个体i的适应度值；NIND为种群个体数目；
(5-3)交叉和变异：交叉是指从种群中随机选择两个个体，通过两个个体基因的交换组合，从而产生新的优秀个体，变异是指从种群中随机选取一个个体，选择个体中的一点进行变异以产生更优的个体，对于二值码串来说，变异就是把某个/某些位置上的基因值取反，冷藏箱在状态确定之后不能进行随机重组和变异改变状态，这可能会导致某些冷藏箱内货物变质，故在这一步中，那些必须强制状态的冷藏箱的状态不予改变；
(5-4)迭代找出最优的个体：找出使总事实功率最接近目标值的个体，每代都通过上述(5-1)～(5-3)来对冷藏箱状态进行调度，使冷藏箱总事实功率始终接近目标值。
以下表中的各项参数为算例，执行以上步骤。算例中的参数如表1所示：
表1冷藏箱各项参数及取值
本算例中对遗传算法的各项参数设置如表2所示:
表2遗传算法各项参数及取值
遗传算法各项参数 数值
种群大小:M 40
个体长度(冷藏箱个数):n 50
最大遗传代数:MAXGEN 100
代沟:GGAP 0.95
交叉概率:Px 0.7
变异概率:Pm 0.01
该算例下，经过总执行时间100h之后，得到冷藏箱功率平衡调度算法下的实际功率曲线图如图2所示。
而在不使用冷藏集装箱功率平衡调度方法的情况下，即自然状态下，冷藏集装箱船100h时间内冷藏集装箱的实际功率变化表示如图3所示。
分别计算自然状态、冷藏箱功率平衡算法两种情况下总事实功率的均值和标准差，可知：
表3两种情况下的均值和标准差
由表3及图2、图3可看出，冷藏箱功率平衡算法下求出的总实际功率的均值更接近设定值200，且其标准差远是自然状态下的标准差值的1/10，说明冷藏箱功率平衡算法下的实际功率曲线的波动更小，数据趋于平稳。
表4两种情况下的功率的峰谷差
由表4可知，冷藏箱功率平衡算法下冷藏箱制冷功耗的峰谷值差是自然状态下的峰谷值差的1/5。由此可知，冷藏箱功率平衡算法下的实际制冷功耗能很好地实现功率削峰填谷，从而起到减小发电机组容量的作用。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种冷藏集装箱船功率平衡调度方法，其特征在于，包括下述步骤：
(1)对冷藏箱的温度变化规律建立模型，由冷藏箱的历史温度数据确定其在制冷和不制冷情况下的温度系数，确定这两种情况下的温度变化量与时间的关系表达式；
(2)对冷藏箱的工作状态建立模型，将冷藏箱的两种工作状态用一个二值函数表示；
(3)对冷藏箱的功率建立模型，冷藏箱的功率由冷藏箱当前的工作状态及冷藏箱的温度确定，由冷藏箱的历史温度数据及输入功率数据确定冷藏箱温度，工作状态及功率之间的关系式；
(4)对风机功率建立模型，冷藏集装箱启动制冷时，货舱风机必须启动，由此可得出冷藏箱状态和风机功率的关系式；
(5)由冷藏箱和风机的总事实功率的历史数据，猜想冷藏箱的平衡功率的目标值为平均功率，采用遗传算法来实现对冷藏箱和风机的调度，使得总事实功率值始终接近目标值。
2.根据权利要求1所述冷藏集装箱船功率平衡调度方法，其特征在于，步骤(1)中，在制冷和不制冷情况下温度变化量与时间的关系表达式如下：
ΔT1＝k*(T1-T2)*Δt
ΔT2＝b*(T1-T2)*Δt
其中，T1为箱外温度，T2为箱内温度，b为不制冷时箱内温升系数，k为制冷时箱内温降系数，ΔT是温度的变化量。
3.根据权利要求1所述冷藏集装箱船功率平衡调度方法，其特征在于，步骤(2)中，冷藏箱的工作温度在设定范围之内，当冷藏箱温度越过临界点的值时，冷藏箱的状态会发生改变，即冷藏箱会根据箱内的温度自动改变状态，在该模型中，将冷藏箱i的工作状态表示如下：
Si为一个二值函数，用于表示冷藏箱的状态。
4.根据权利要求1所述冷藏集装箱船功率平衡调度方法，其特征在于，步骤(3)中，冷藏箱的功率由冷藏箱当前的工作状态及冷藏箱的温度确定，由冷藏箱的历史温度数据及输入功率数据确定冷藏箱温度，工作状态及功率之间的关系式，从而实现对冷藏箱功率的计算，表示如下：
其中，a，Tu，Td，Tc均为常数，Tc为环境温度，Tu，Td分别为冷藏集装箱温度的上、下界，Si为冷藏箱当前状态。
5.根据权利要求1所述冷藏集装箱船功率平衡调度方法，其特征在于，步骤(4)中，冷藏集装箱船上会开启风机为工作中的冷藏箱散热，以满足冷藏箱的制冷需求，设船上配有的风机总数为l，设一台货舱风机负责给x个冷藏集装箱进行散热，因冷藏集装箱启动制冷时，货舱风机必须启动，故风机工作状态模型可表示如下：
Sf是一个二值函数，用于表示风机的工作状态，Sji表示各冷藏箱的工作状态，其中，j＝1,2,…l；i＝1,2,…x。
6.根据权利要求1所述冷藏集装箱船功率平衡调度方法，其特征在于，步骤(5)中，由冷藏箱和风机的总事实功率的历史数据，设定冷藏箱的平衡功率约等于总功率的均值Pavr，以求平均功率与总事实功率差值的绝对值的最小值为目标函数，从而求出最接近平均功率的总事实功率，假设平均功率Pavr的值为最大制冷功率Pzmax的1/3，总事实功率由两部分功率组成，一是各冷藏箱功率之和，二是各风机功率之和，在某时刻t时，目标函数可表示如下：
式中，Pavr表示平均功率，n为冷藏箱的个数，Pi是各冷藏箱的功率，其中i＝1,2,…n，l表示风机个数，Pf为风机功率。
7.根据权利要求1所述冷藏集装箱船功率平衡调度方法，其特征在于，步骤(5)中，所述采用遗传算法来实现对冷藏箱和风机的调度，包括下述步骤：
(5-1)种群初始化和个体编码：通过编码把所求问题的可行解表示成遗传空间中的染色体和个体，将各个冷藏箱的工作状态组成一个二进制序列，作为种群中的一个个体，初始化一个大小为N，个体长度为n的种群，n即为冷藏箱个数，此二进制序列刚好满足遗传算法中的二进制编码方式；
(5-2)选择：计算每个个体的目标函数值，并按照目标函数值从小到大的顺序来分配适应度值，基于适应度值的大小计算出种群中各个体被选择的概率，从而筛选个体，个体i被选择的概率为：
其中，Fi为个体i的适应度值；NIND为种群个体数目；
(5-3)交叉和变异：交叉是指从种群中随机选择两个个体，通过两个个体基因的交换组合，从而产生新的优秀个体，变异是指从种群中随机选取一个个体，选择个体中的一点进行变异以产生更优的个体，对于二值码串来说，变异就是把某个/某些位置上的基因值取反，冷藏箱在状态确定之后不能进行随机重组和变异改变状态，这可能会导致某些冷藏箱内货物变质，故在这一步中，那些必须强制状态的冷藏箱的状态不予改变；
(5-4)迭代找出最优的个体：找出使总事实功率最接近目标值的个体，每代都通过上述(5-1)～(5-3)来对冷藏箱状态进行调度，使冷藏箱总事实功率始终接近目标值。
CN201810318357.2A 2018-04-11 2018-04-11 一种冷藏集装箱船功率平衡调度方法 Active CN108510207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810318357.2A CN108510207B (zh) 2018-04-11 2018-04-11 一种冷藏集装箱船功率平衡调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810318357.2A CN108510207B (zh) 2018-04-11 2018-04-11 一种冷藏集装箱船功率平衡调度方法

Publications (2)

Publication Number Publication Date
CN108510207A true CN108510207A (zh) 2018-09-07
CN108510207B CN108510207B (zh) 2021-08-27

Family

ID=63381334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810318357.2A Active CN108510207B (zh) 2018-04-11 2018-04-11 一种冷藏集装箱船功率平衡调度方法

Country Status (1)

Country Link
CN (1) CN108510207B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116413509A (zh) * 2023-06-05 2023-07-11 江苏扬子鑫福造船有限公司 一种大容量冷箱系统功率监测调节方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070236357A1 (en) * 2006-04-05 2007-10-11 Smartfreeze S.R.I. System for the real time inventory and localization of refrigerating containers and related method
US20110263205A1 (en) * 2008-11-17 2011-10-27 Johnson Controls Denmark Aps Container communication module
CN103206835A (zh) * 2013-04-01 2013-07-17 合肥望远电子科技有限公司 冰箱监控系统、冰箱监控方法和冰箱
CN104329900A (zh) * 2014-03-28 2015-02-04 海尔集团公司 一种用于半导体冰箱的控制系统
CN104534802A (zh) * 2014-11-27 2015-04-22 青岛海尔股份有限公司 变频冰箱及其耗电量计算方法和耗电量计算显示系统
CN105353611A (zh) * 2015-10-27 2016-02-24 广州中国科学院沈阳自动化研究所分所 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统
CN107101437A (zh) * 2017-06-27 2017-08-29 何永辉 用于车辆的循环水冷冰箱及车辆

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070236357A1 (en) * 2006-04-05 2007-10-11 Smartfreeze S.R.I. System for the real time inventory and localization of refrigerating containers and related method
US20110263205A1 (en) * 2008-11-17 2011-10-27 Johnson Controls Denmark Aps Container communication module
CN103206835A (zh) * 2013-04-01 2013-07-17 合肥望远电子科技有限公司 冰箱监控系统、冰箱监控方法和冰箱
CN104329900A (zh) * 2014-03-28 2015-02-04 海尔集团公司 一种用于半导体冰箱的控制系统
CN104534802A (zh) * 2014-11-27 2015-04-22 青岛海尔股份有限公司 变频冰箱及其耗电量计算方法和耗电量计算显示系统
CN105353611A (zh) * 2015-10-27 2016-02-24 广州中国科学院沈阳自动化研究所分所 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统
CN107101437A (zh) * 2017-06-27 2017-08-29 何永辉 用于车辆的循环水冷冰箱及车辆

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHUMIN DENG ET AL: "The Temperature Field Simulation and Energy Saving Design of Ship Borne Asphalt Tank", 《IEEE》 *
陆毅华 等: "冷藏集装箱功率平衡系统研究", 《广东造船》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116413509A (zh) * 2023-06-05 2023-07-11 江苏扬子鑫福造船有限公司 一种大容量冷箱系统功率监测调节方法
CN116413509B (zh) * 2023-06-05 2023-08-29 江苏扬子鑫福造船有限公司 一种大容量冷箱系统功率监测调节方法

Also Published As

Publication number Publication date
CN108510207B (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
US10816235B2 (en) Building energy system with predictive control of battery and green energy resources
Zhang et al. An optimization model for the vehicle routing problem in multi-product frozen food delivery
CN105353611B (zh) 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统
Trangbaek et al. Exact power constraints in smart grid control
KR101571770B1 (ko) 냉동컨테이너 선박의 발전기 제어 시스템
CN104501525A (zh) 一种用于果蔬储藏库的温湿度调节装置的控制方法
CN108510207A (zh) 一种冷藏集装箱船功率平衡调度方法
James Food transportation and refrigeration technologies—Design and optimization
Habibur Rahman et al. Estimation of fuel consumption and selection of the most carbon-efficient route for cold-chain logistics
Zwierzycki et al. Thermal damage to the load in cold chain transport
Behzadi et al. Robust optimisation model for the cold food chain logistics problem under uncertainty
EP3997772A1 (en) Power control for a container vessel
Wang et al. Experimental performance comparison and trade‐off among air‐based precooling methods for postharvest apples by comprehensive multiscale thermodynamic analyses
Marchi et al. Energy efficiency in cold supply chains of the food and beverage sector
Mulobe et al. Energy efficient technologies and energy saving potential for cold rooms
Shui et al. Integrated thermal insulation packing and vehicle routing for perishable products in community group purchase
CN113614476B (zh) 对多个制冷集装箱的监测和对制冷集装箱的绝热参数的确定
CN208720605U (zh) 用于在蓄冷设备中维持冷藏温度的系统
Kale et al. Need for predictive data analytics in cold chain management
Fikiin Temperature control strategies for smarter energy use in refrigerated warehouses
Estrada-Flores Achieving temperature control and energy efficiency in the cold chain
Amos Mathematical modelling of heat transfer and water vapour transport in apple coolstores: a thesis presented in partial fulfilment of the requirements for the degree of Doctor of Philosophy in Biotechnology and Bioprocess Engineering at Massey University
CN212619449U (zh) 一种冷藏柜及快递运输车
Glujić et al. A Simple Mathematical Model for Refrigerating Compressor Optimization
Cai Control of refrigeration systems for trade-off between energy consumption and food quality loss

Legal Events

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