CN110260469B - 一种群智能中央空调并联水泵节能优化方法 - Google Patents

Abstract

本发明公开了一种群智能中央空调并联水泵节能优化方法，首先进行初始化操作，并计算维持压差时的末端流量；并联水泵中的每一个水泵分别连接一个控制器，所有控制器形成群智能网络，当采集到的相应水泵当前的压差测量值与压差设定值的偏差绝对值超出了预设压差偏差阈值时，控制器发起任务进行调节，然后，依概率选择水泵转速比并与邻居水泵进行信息交互，最后，计算适应度值，更新概率矩阵得到水泵开启状态和开启水泵转速比，各个控制器根据参数控制水泵达到相应运行状态实现节能优化。本发明能够在局部交互信息的基础上，使用概率描述解在空间分布，从而求得全局最优，符合工程现场实际组态，减少施工周期，可扩展性、节能性和通用性较强。

Description

一种群智能中央空调并联水泵节能优化方法

技术领域

本发明属于建筑节能和优化技术领域，具体涉及一种群智能中央空调并联水泵节能优化方法。

背景技术

在中央空调冷冻水系统中，通常使用多台变频水泵并联，通过调节水泵的启停状态和水泵的转速来满足系统末端的需求。目前对于并联水泵的优化算法多为基于集中式架构开发的算法，扩展性和通用性不足。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种群智能中央空调并联水泵节能优化方法，将方法能够应用到每个智能水泵中，当达到触发条件时，运行算法，得到水泵开启台数和开启水泵的转速比，其具有节能效果佳、扩展性和通用性好等特点。

本发明采用以下技术方案：

一种群智能中央空调并联水泵节能优化方法，首先进行初始化操作，并计算维持压差时的末端流量；并联水泵中的每一个水泵分别连接一个控制器，所有控制器形成群智能网络，当采集到的相应水泵当前的压差测量值与压差设定值的偏差绝对值超出了预设压差偏差阈值时，控制器发起任务进行调节，然后，依概率选择水泵转速比并与邻居水泵进行信息交互，最后，计算适应度值，更新概率矩阵得到水泵开启状态和开启水泵转速比，各个控制器根据参数控制水泵达到相应运行状态实现节能优化。

具体的，初始化参数，确定概率决策矩阵P_i＝{1/n,1/n,...,1/n}，n为决策空间大小，每台水泵均生成种群，每个种群产生若干节点，将水泵转速取值范围S离散为水泵转速运行策略集S_i＝{s₁,s₂,...,s_x}，x为转速取值个数。

具体的，所有节点根据水泵前后压差、水泵的特性曲线和水管网特性方程，计算出维持设定压差时末端需求流量Q_s，水泵特性曲线为：

η＝jQ²+kQ+l

H＝aQ²+bQ+c

其中，η为水泵效率，H为扬程，Q为流量，a,b,c,j,k,l为水泵性能参数；

水管网特性方程为：

H₀＝F·Q₀ ²

H_set＝F·∑(Q_i)²＝F·Q_s ²

其中，H₀为水泵两端压差，H_set为压差设定值，F为管网阻力，Q₀为检测时水泵流量。

具体的，所有节点依据自己的决策概率矩阵选择转速比，并且计算在给定压差时，对应的能耗和流量；压差为水泵的进口和出口之间的压差值或者末端系统的某个支路的压差值或者分集水器之间的压差值，任意节点将自己决策的转速比所对应的流量信息发送邻居水泵；计算出流量需求与所有水泵提供流量差值。

具体的，计算每个节点的适应度值，依据各个node适应度值进行排序，然后根据排序结果选取适应度值最小的m个，统计出策略集S中每个s_i对应的node数量N_u(i)。

进一步的，适应度值计算如下：

其中，W_i(Q_i)通过第i个智能水泵控制器与相邻水泵控制器通信获得,

是惩罚函数，θ为惩罚系数。

更进一步的，惩罚系数θ计算如下：

其中，θ₀为初始值，t为迭代次数，α为高斯函数扩展常数。

具体的，计算更新决策概率矩阵P_i；若矩阵值MaxP_i＞0.96，则结束迭代，若不满足，则重新选择水泵转速比。

进一步的，更新决策概率矩阵P_i为：

其中，p_l(x)为概率向量，

为根据适应度值选择的优势个体，δ_j为当该节点中个体为优势个体时取1，N_u为根据适应度值选择的优势个体总数。

具体的，并联水泵中的每一台水泵均能够发起调节任务，其余水泵控制器配合调节任务完成系统运算。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种群智能中央空调并联水泵节能优化方法，无需将方法下载到集中控制器中，而是下载到每一个智能水泵，各水泵通过与邻居交互流量差等信息完成水泵优化。能够适应现场组态控制，且方法通用性和扩展性提高。

进一步的，对水泵运行的可行策略空间离散化能够保证算法实时性。

进一步的，可根据水泵的流量-扬程和流量-效率模型给出并联水泵在任意转速下的模型，进而将并联冷冻水泵优化问题可以描述为寻找满足系统所需流量时对应能耗最小运行水泵转速组合。

进一步的，调节过程是一个无中心的系统，各水泵为链式连接关系，实现仅通过局部信息交互获得全局优化的功能。

进一步的，适应度值函数表明对于每个智能水泵在其可运行策略空间中通过确定一组最优转速，在满足末端流量需求的情况下，使得并联冷冻水泵运行能耗最小。惩罚函数为高斯函数，服从正态分布，可以提高算法的全局搜索能力。

进一步的，通过改变个体在解空间的概率分布，使适应值高的个体分布概率变大，适应值低的个体分布概率变小，如此反复进化，最终将产生问题的最优解。

进一步的，任何水泵均可发起调节任务能够有效降低负载，使得反应和调节更加迅速。

综上所述，本发明提出的分布式优化方法能够在局部交互信息的基础上，使用概率描述解在空间分布，从而求得全局最优，该方法能够符合工程现场实际组态，减少施工周期，可扩展性、节能性和通用性较强。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明中央空调冷冻水系统中并联水泵的群智能控制系统示意图；

图2为本发明提出的分布式方法与传统集中式方法比较示意图；

图3为本发明优化方法流程图；

图4为工作压头为40m时，同型号水泵开启不同台数效率曲线图；

图5为分布式方法下同型号水泵系统中1#水泵迭代过程；

图6为分布式方法下同型号水泵系统中2#水泵迭代过程；

图7为分布式方法下同型号水泵系统中3#水泵迭代过程；

图8为分布式方法下同型号水泵系统中4#水泵迭代过程；

图9为集中式方法下同型号水泵系统中1#水泵迭代过程；

图10为集中式方法下同型号水泵系统中2#水泵迭代过程；

图11为集中式方法下同型号水泵系统中3#水泵迭代过程；

图12为集中式方法下同型号水泵系统中4#水泵迭代过程。

具体实施方式

本发明提供了一种群智能中央空调并联水泵节能优化方法，首先进行初始化操作，并计算维持压差时的末端流量；然后，依概率选择水泵转速比并与邻居水泵进行信息交互，最后，计算适应度值并对其进行相关操作后，更新概率矩阵，得到水泵开启状态和开启水泵转速比，本发明为分布式优化方法，无需集中控制器，各水泵只通过与邻居交换信息来实现水泵的优化，能够帮助解决现场组态工作困难问题，具有更强通用性和拓展性。

请参阅图1和图2，传统的中央控制器被智能单元CPN代替，智能单元CPN被嵌入每一台设备中形成一个智能水泵，每个智能水泵与邻居水泵建立链式连接关系；干管上流量计和水泵工作压差传感器通过有线或无线的方式与其中一个智能水泵相连，每个智能水泵与邻接的水泵相互通信协作，共同完成控制任务。本发明区别于传统集中式方法，采用分布式的优化方法，每个泵随机产生种群，通过与相邻泵的信息交互来获取信息，每次概率更新后，智能泵只覆盖自己的变量。

并联水泵中的每一个水泵分别与一个控制器相连接，所有控制器形成一个群智能网络；优化方法被下载到每个控制器中，水泵控制器判断达到触发条件时，发起任务进行调节；若系统中没有发起调节任务的水泵控制器，则保持水泵运行参数不变。发起调节任务的控制器开始与相邻水泵控制器进行信息交互；多次信息交互后达到收敛条件，确定各水泵的参数，各个控制器根据参数控制水泵达到相应运行状态。

其中，每一台水泵均可以发起调节任务，其余水泵控制器配合调节任务完成系统运算。触发条件为：由控制器采集到的相应水泵当前的压差测量值与压差设定值的偏差绝对值超出了预设压差偏差阈值。

群智能水泵系统是一种无中心的系统。控制器与水泵合称为智能水泵。智能水泵系统中各水泵之间是链式连接。冷冻水系统为中央空调冷冻水系统。中央空调冷冻水系统采用定压差控制。

请参阅图3，本发明一种群智能中央空调并联水泵节能优化方法，包括以下步骤：

S1、初始化参数，给出概率决策矩阵，每台水泵均生成种群，每个种群产生若干节点，将水泵转速取值范围S离散为水泵转速运行策略集S_i＝{s₁,s₂,...,s_x}，x为转速取值个数；初始化参数是指生成决策概率矩阵P_i＝{1/m,1/m,...,1/m}，m为决策空间大小。

S2、计算出维持设定压差时的末端需求流量Q_s；

所有节点根据水泵前后压差、水泵的特性曲线和水管网特性方程，计算出维持设定压差时末端需求流量Q_s，水泵特性曲线为：

η＝jQ²+kQ+l

H＝aQ²+bQ+c

其中，η为水泵效率，H为扬程，Q为流量，a,b,c,j,k,l为水泵性能参数；

水管网特性方程为：

H₀＝F·Q₀ ²

H_set＝F·∑(Q_i)²＝F·Q_s ²

其中，H₀为水泵两端压差，H_set为压差设定值，F为管网的阻力，Q₀为检测时水泵流量。

S3、所有节点依据自己的决策概率矩阵选择转速比，并且计算在给定压差时，对应的能耗和流量；

压差测量值是水泵的进口和出口之间的压差值或者末端系统的某个支路的压差值或者分集水器之间的压差值。

S4、任意节点首先将自己决策的转速比所对应的流量信息发送邻居水泵；计算出流量需求与所有水泵提供流量差值；

S5、根据适应度函数公式，计算每个节点适应度值，进行排序、选择、统计；

适应度值计算如下：

其中，W_i(Q_i)通过第i个智能水泵控制器与相邻水泵控制器通信获得,

是惩罚函数，θ为惩罚系数，计算如下：

其中，θ₀为初始值，t为迭代次数，α为高斯函数扩展常数。

S6、依据公式，计算更新决策概率矩阵P_i；若矩阵值MaxP_i＞0.96则结束迭代，若不满足，则返回步骤S3。

更新决策概率矩阵P_i为：

其中，p_l(x)为概率向量，

为根据适应度值选择的优势个体，δ_j为当该节点中个体为优势个体时取1，N_u为根据适应度值选择的优势个体总数。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

1.进行压差检测；

2.确定水泵型号及其参数；

表1同型号系统水泵特性参数

表2不同型号系统水泵特性参数表

3.目标函数：

Min.W_i(Q_i)

s.t.Q_i ^min＜Q_i＜Q_i ^max

其中，W_i(Q_i)通过第i个智能水泵控制器与相邻水泵控制器通信获得；

4.在满足目标函数最小化条件下，采用本发明求解每台水泵开启状态和开启转速比。

本发明的验证分为两个部分，使用同型号的四台并联水泵分别用集中式方法和本发明方法进行开启台数和转速比对比验证；使用不同型号即三大一小并联水泵进行转速比验证。具体过程如下：

设系统由四台相同型号变频水泵组成，设计流量为4500m³/h，设计扬程为40m。并联水泵工作特点有：当四台大小相同水泵并联，多台水泵在给定开启台数的条件下，各水泵转速相等时系统效率最高。水泵开启不同台数的效率曲线如图4所示。在给定末端流量需求时，可得出最终运行几台水泵效率最高。验证方案取设计流量20％、45％、75％、100％为测试工况点。根据图4可得该水泵节能运行台数应分别为1台、2台、3台、4台。

(1)初始化参数；

a)决策概率矩阵P_i＝{1/m,1/m,...,1/m},m决策空间大小；

b)4台水泵生成4个种群，每个种群有19个node；

c)将水泵转速取值范围S离散化为水泵运行策略集S_i＝{s₁,s₂,..s₁₉}；

(2)计算维持40m时末端需求；

所有node依据水泵前后的压差、水泵的特性曲线和水管网特性方程，计算出维持40时末端需求流量为Q_s；

(3)依概率选择运行转速比；

所有node依据自己的决策概率矩阵P_i选择转速比s_i，并且计算在给定压差40时，对应的能耗W_i和流量Q_i；

(4)与邻居进行信息交互；

a)任意node首先将自己决策的转速比s_i对应的流量Q_j信息发送邻居水泵；

b)计算出流量需求与所有水泵提供流量差值delta_q＝Q_s-Q_i-Q_j...；

(5)计算适应度值；

根据适应度函数如下,计算每个node适应度值；

其中，

是惩罚函数，θ为惩罚系数，其取值过大会造成算法过早成熟，取值过小会导致精度下降。当算法刚开始时，可行解不多，θ应该取较大值使得搜索过程能够尽快进入可行区域中，但是随着算法进化，θ值应该逐渐减小，使得搜索过程从约束条件转为优化对象即能耗值，同时也可以使得可行域附近的解相互竞争，提高算法稳定性，由此，可根据高斯函数建立θ在算法迭代过程中的公式：

(6)排序、选择及统计操作；

a)排序：依据各个node适应度值进行排序；

b)选择：根据排序结果选取适应度值较小的m个；

c)统计：统计出策略集S中每个s_i对应的node数量N_u(i)；

(7)更新决策概率P_i矩阵；

依据公式如下,计算更新决策概率矩阵P_i；若矩阵值均大于0.95则结束，否则继续(3)。

工作压头为40m时转速比下限为0.915，则水泵运行策略集可取S0＝{0，0.915，0.920，0.925，0.930，0.935，0.940，0.945，0.950，0.955，0.960，0.965，0.970，0.975，0.980，0.985，0.990，0.995，1.000}，由于四台水泵相同，则策略集可取相同。现有采用集中式方法如图9～12所示，图5～8给出采用本发明分布式的优化方法，当流量为3375m³/h时，各水泵转速概率分布。由图可知，末端流量为3375m3/h时，分布式优化方法最终迭代结果为：该冷冻水泵开启三台，分别是1#、2#、3#水泵，三台水泵转速比分别为0.970、0.965、0.970，与预期结果相符合，表明算法在该测试工况下，可实现对并联水泵台数配置和转速比优化。其产生误差的原因是对于转速比策略集的划分粒度略粗。对其他工况测试结果记录在下表中：

表3典型工况下算法优化结果

同情况下应用集中式算法得到结果如图6所示。集中式与分布式算法性能比较如表4所示：

表4集中式与分布式算法性能对比

如上表所示，分布式可以满足工程需要，并且相对于集中式能耗较低，且迭代次数较少，负荷差值小，迭代时间短。

在不同型号水泵系统中，外部管网阻抗确定时，存在一个并联水泵最优转速比值R，各并联水泵的转速根据此比值保持等比例同步调节，可满足不同的流量设定值使得系统维持能耗最低。取小水泵策略集S₁＝{0，0.915，0.920，0.925，0.930，0.935，0.940，0.945，0.950，0.955，0.960，0.965，0.970，0.975，0.980，0.985，0.990，0.995，1.000}。大泵转速比策略集S2＝{0，0.830，0.840，0.8500，0.86，0.870，0.880，0.890，0.900，0.9100，0.920，0.9300，0.940，0.950，0.960，0.970，0.980，0.990，1.000}，大小相同的水泵策略集可取相同。总设计流量为5783m³/h，设计扬程为50m。

在四台泵全开情况下选择十个工况点进行转速比验证结果如下表所示：

表5不同流量组合下水泵调节结果

从表5可以得出在不同流量下，小泵和大泵基本保持等比例调节，符合实验方案中的预期结果。出现偏差原因有S2粒度较粗问题外，还有一定的负载偏差。

本发明主要基于群智能控制系统，提出分布式优化算法对并联水泵进行优化。其区别于传统优化算法之处在于无需集中控制器，各智能水泵只通过与邻居交换信息来实现水泵的优化，能够帮助解决现场组态工作困难问题，具有更强通用性和拓展性。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (9)

1.一种群智能中央空调并联水泵节能优化方法，其特征在于，首先进行初始化操作，初始化参数，确定概率决策矩阵P_i＝{1/n,1/n,...,1/n}，n为决策空间大小，每台水泵均生成种群，每个种群产生若干节点，将水泵转速取值范围S离散为水泵转速运行策略集S_i＝{s₁,s₂,...,s_x}，x为转速取值个数，并计算维持压差时的末端流量；并联水泵中的每一个水泵分别连接一个控制器，所有控制器形成群智能网络，当采集到的相应水泵当前的压差测量值与压差设定值的偏差绝对值超出了预设压差偏差阈值时，控制器发起任务进行调节，然后，依概率选择水泵转速比并与邻居水泵进行信息交互，最后，计算适应度值，更新概率决策矩阵得到水泵开启状态和开启水泵转速比，各个控制器根据参数控制水泵达到相应运行状态实现节能优化。

2.根据权利要求1所述的群智能中央空调并联水泵节能优化方法，其特征在于，所有节点根据水泵前后压差、水泵的特性曲线和水管网特性方程，计算出维持设定压差时末端需求流量Q_s，水泵特性曲线为：

η＝jQ²+kQ+l

H＝aQ²+bQ+c

其中，η为水泵效率，H为扬程，Q为流量，a,b,c,j,k,l为水泵性能参数；

水管网特性方程为：

H₀＝F·Q₀ ²

H_set＝F·∑(Q_i)²＝F·Q_s ²

其中，H₀为水泵两端压差，H_set为压差设定值，F为管网阻力，Q₀为检测时水泵流量。

3.根据权利要求1所述的群智能中央空调并联水泵节能优化方法，其特征在于，所有节点依据自己的概率决策矩阵选择转速比，并且计算在给定压差时，对应的能耗和流量；压差为水泵的进口和出口之间的压差值或者末端系统的某个支路的压差值或者分集水器之间的压差值，任意节点将自己决策的转速比所对应的流量信息发送邻居水泵；计算出流量需求与所有水泵提供流量差值。

4.根据权利要求1所述的群智能中央空调并联水泵节能优化方法，其特征在于，计算每个节点的适应度值，依据各个node适应度值进行排序，然后根据排序结果选取适应度值最小的m个，统计出策略集S中每个s_i对应的node数量N_u(i)。

5.根据权利要求4所述的群智能中央空调并联水泵节能优化方法，其特征在于，适应度值计算如下：

其中，W_i(Q_i)通过第i个智能水泵控制器与相邻水泵控制器通信获得,

是惩罚函数，θ为惩罚系数。

6.根据权利要求5所述的群智能中央空调并联水泵节能优化方法，其特征在于，惩罚系数θ计算如下：

其中，θ₀为初始值，t为迭代次数，α为高斯函数扩展常数。

7.根据权利要求1所述的群智能中央空调并联水泵节能优化方法，其特征在于，计算更新概率决策矩阵P_i；若概率决策矩阵值MaxP_i＞0.96，则结束迭代，若不满足，则重新选择水泵转速比。

8.根据权利要求7所述的群智能中央空调并联水泵节能优化方法，其特征在于，更新概率决策矩阵P_i为：

其中，p_l(x)为概率向量，

为根据适应度值选择的优势个体，δ_j为当该节点中个体为优势个体时取1，N_u为根据适应度值选择的优势个体总数。

9.根据权利要求1所述的群智能中央空调并联水泵节能优化方法，其特征在于，并联水泵中的每一台水泵均能够发起调节任务，其余水泵控制器配合调节任务完成系统运算。

Images