CN113028613B - 基于快速admm的变风量系统分布式优化控制方法 - Google Patents

基于快速admm的变风量系统分布式优化控制方法 Download PDF

Info

Publication number
CN113028613B
CN113028613B CN202110259343.XA CN202110259343A CN113028613B CN 113028613 B CN113028613 B CN 113028613B CN 202110259343 A CN202110259343 A CN 202110259343A CN 113028613 B CN113028613 B CN 113028613B
Authority
CN
China
Prior art keywords
air volume
variable
air
variable air
conditioning box
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
CN202110259343.XA
Other languages
English (en)
Other versions
CN113028613A (zh
Inventor
王子豪
赵阳
李婷婷
刘轩彰
张学军
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.)
Zhejiang University ZJU
Original Assignee
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110259343.XA priority Critical patent/CN113028613B/zh
Publication of CN113028613A publication Critical patent/CN113028613A/zh
Application granted granted Critical
Publication of CN113028613B publication Critical patent/CN113028613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/89—Arrangement or mounting of control or safety devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Fluid Mechanics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供了一种基于快速ADMM的变风量系统分布式优化控制方法，解决了传统变风量空调系统分布式优化控制方法收敛速度慢、通信量需求高的问题。该方法使用快速交替方向乘子法将变风量空调系统优化控制任务总优化问题分解为若干个子问题，通过为变风量空调系统中的空调箱和与其连接的各变风量末端设置对应的智能体实现对子问题的并行求解，智能体之间交互信息进行迭代计算，最终得到最优的控制策略。该方法引入迭代加速技术，并将系统优化目标构建为一类共享问题进行求解，一方面提高了算法的收敛速度，另一方面降低了单次迭代计算中的通信量需求，具有较高的控制效率。

Description

基于快速ADMM的变风量系统分布式优化控制方法
技术领域
本发明涉及建筑节能和智能建筑控制技术领域，特别是涉及一种基于快速 ADMM的变风量系统分布式优化控制方法。
背景技术
在多数大型公共建筑中，通常使用变风量系统(Variable air volume，VAV) 来动态地改变各个末端的送风量，以满足末端个性化负荷变化的需求。VAV系统能耗在建筑总能耗占有相当大的比重。对VAV系统进行优化控制，在满足各末端负荷需求的前提下降低系统运行能耗，对实现建筑节能具有十分重要的意义。
目前，VAV系统优化控制方法可以分为集中式控制和分布式控制。分布式控制方法具有高灵活性、高扩展性和高控制效率等特点，近年来已成为VAV系统优化控制领域研究的热点。现有的分布式控制方法往往采用交替方向乘子法等分布式优化算法对优化目标进行分解，通过局部计算、信息交互和迭代计算实现问题的求解。这类算法的收敛速度低，往往需要数十次甚至上百次才能实现收敛，难以满足实际运行中实时控制的需求。同时，这类算法在单次迭代计算中所需的通信量较大，会增大信息传输的压力。在此背景下，研究如何提高VAV系统分布式优化算法的收敛速度并降低其单次迭代计算通信量，使其能够更加适用于实际运行的实时控制、实时传输需求具有重大的意义。
发明内容
本发明旨在克服现有变风量空调系统分布式优化控制技术的不足，提出一种基于快速ADMM(交替方向乘子法)的变风量系统分布式优化控制方法。该方法使用快速交替方向乘子法将变风量空调系统总的优化控制任务分解为若干个子问题的求解和对偶变量的更新，通过为变风量空调系统中的空调箱和与其连接的各变风量末端设置对应的智能体实现上述功能。该方法通过“共享问题”的思想对每个子问题和对偶变量进行求解和更新，减少了单次迭代计算的通信量需求。该方法使用迭代加速技术，加快对偶变量和优化变量的寻优速度，减少算法的迭代次数。本发明所提出的基于快速ADMM的变风量系统分布式优化控制方法从时间和空间两个角度对分布式算法性能进行了提升，单次迭代计算时间短，算法收敛速度快，通信量要求低，具有较强的实时控制能力。
本发明采用以下技术方案：
一种基于快速ADMM的变风量系统分布式优化控制方法，其步骤如下：
S1：对于变风量空调系统中的空调箱和每个并联的变风量末端，分别设置一个对应的智能体；
S2：设置初始参数，具体步骤如S2-1～S2-4：
S2-1：设置初始的空调箱送风量平均值
Figure RE-GDA0003012827100000021
及其加速值
Figure RE-GDA0003012827100000022
初始的变风量末端送风量平均值
Figure RE-GDA0003012827100000023
及其加速值
Figure RE-GDA0003012827100000024
初始的对偶变量λ0及其加速值λ′0；
S2-2：设置优化控制间隔T；
S2-3：设置单次控制方案寻优的最大迭代次数Kmax；
S2-4：设置加速项数组
Figure RE-GDA0003012827100000025
其值由下式确定：
α1＝1,j＝1
Figure RE-GDA0003012827100000026
S3：发布变风量空调系统优化控制任务，设置总优化目标如下：
Figure RE-GDA0003012827100000027
Figure RE-GDA0003012827100000028
其中，N为变风量末端的数量，ω为权重因子；P(·)为空调箱的功率，由空调箱送风量QAHU确定；Ci(·)为第i个房间的舒适度，由对应的第i个变风量末端送风量Qi确定；s.t.式注明了该优化问题的约束条件；
S4：使用交叉方向乘子法将变风量空调系统优化控制任务总优化问题分解为若干个子问题，通过空调箱智能体和变风量末端智能体对子问题进行求解，通过智能体之间的信息交互进行迭代计算，实现分布式优化控制；
S5：当优化变风量空调系统优化控制任务发布的时间间隔达到T时，重复S2-S4步骤。
进一步的，所述S4的具体实现步骤为：
S4-1：空调箱智能体向各变风量末端智能体发送初始的空调箱送风量平均值
Figure RE-GDA0003012827100000031
及其加速值
Figure RE-GDA0003012827100000032
初始的变风量末端送风量平均值
Figure RE-GDA0003012827100000033
及其加速值
Figure RE-GDA0003012827100000034
初始的对偶变量λ0及其加速值λ′0；
S4-2：设置迭代次数k＝0；
S4-3：每个变风量末端智能体接收空调箱智能体发送的变量值，利用下式进行变风量末端送风量
Figure RE-GDA0003012827100000035
和其加速值
Figure RE-GDA0003012827100000036
的更新计算；之后，将上述值发送回空调箱智能体：
Figure RE-GDA0003012827100000037
Figure RE-GDA0003012827100000038
其中，ρ为惩罚系数，
Figure RE-GDA0003012827100000039
为各变风量末端送风量的平均值，
Figure RE-GDA00030128271000000310
为空调箱送风量QAHU与变风量末端数量N的比值；各参数中的上标k均表示第k次迭代对应的参数；
S4-4：空调箱智能体接收所有变风量末端智能体更新计算的变风量末端送风量
Figure RE-GDA00030128271000000311
和其加速值
Figure RE-GDA00030128271000000312
计算变风量末端送风量加速值的平均值
Figure RE-GDA00030128271000000313
利用下式计算空调箱送风量平均值
Figure RE-GDA00030128271000000314
及其加速值
Figure RE-GDA00030128271000000315
Figure RE-GDA00030128271000000316
Figure RE-GDA00030128271000000317
S4-5：判断空调箱智能体判断算法的收敛条件是否满足；如满足，本次分布式优化控制任务结束；如不满足，则计算变风量末端送风量的平均值
Figure RE-GDA00030128271000000318
根据下式更新对偶变量λk+1及其加速值λ′k+1，并将上述值发送回所有变风量末端智能体；之后，设置迭代次数k数值增加1，转至S4-3；
Figure RE-GDA00030128271000000319
Figure RE-GDA00030128271000000320
进一步的，初始参数设置为上一次优化控制任务中分布式优化算法计算得到的对应参数迭代终值。
进一步的，优化控制间隔T根据传感器数据采样间隔确定。
进一步的，空调箱智能体判断收敛的条件为下述三式同时满足或迭代次数k 达到最大迭代次数Kmax。
Figure RE-GDA0003012827100000041
Figure RE-GDA0003012827100000042
Figure RE-GDA0003012827100000043
其中，σ1，σ2，σ3为阈值。
与现有技术相比，本发明至少具有以下有益效果：
(1)本发明所提出的基于快速交替方向乘子法的分布式优化控制方法引入“共享问题”的求解思想，空调箱智能体只需传递变风量末端送风量的均值，无需传递各个变风量末端送风量的值，减少了智能体之间的通信量，降低了算法所需的内存。
(2)本发明提出的基于快速交替方向乘子法的分布式优化控制方法引入迭代加速技术，在传统的交替方向乘子法单次迭代计算后加入了对优化变量和对偶变量加速项的计算，增强了算法的寻优能力，明显提升算法收敛速率，减少迭代次数。
(3)本发明所提出的基于快速交替方向乘子法的分布式优化控制方法具有较好的灵活性和可扩展性。一方面，智能体通过通信实现连接，即插即用，避免了繁复的现场调试配置环节。另一方面，在建筑改建和扩建时只需要有针对性地对特定智能体内的控制逻辑进行重新编辑，而无需对整个控制软件进行重新编制升级。
附图说明
图1为本发明实施例中的变风量空调系统示意图；
图2为本发明实施例中智能体间的通信过程；
图3为本发明实施例中快速交叉方向乘子法的计算流程图；
具体实施方式
下面结合附图和实施例对本发明作进一步的阐释和说明。
在本发明的一个较佳实施例中，提供了一种基于快速ADMM(交替方向乘子法)的变风量空调系统分布式优化控制方法，包括以下步骤：
S1：对于变风量空调系统中的空调箱和每个并联的变风量末端，分别设置一个对应的智能体。如图1所示，在本实施例中，对于变风量空调系统中的1台空调箱和5台并联的变风量末端，分别设置一个对应的智能体，即分别设置1个空调箱智能体和5个变风量末端智能体。
本实施例中的智能体之间的通信过程如图2所示，本实施例中快速交叉方向乘子法的计算流程如图3所示，下面对该方法具体实现过程进行展开描述。
S2：设置初始参数，具体步骤如S2-1～S2-4：
S2-1：设置初始的空调箱送风量平均值
Figure RE-GDA0003012827100000051
及其加速值
Figure RE-GDA0003012827100000052
初始的变风量末端送风量平均值
Figure RE-GDA0003012827100000053
及其加速值
Figure RE-GDA0003012827100000054
初始的对偶变量λ0及其加速值λ′0。在本实施例中，这些初始参数可以设置为上一次优化控制任务中分布式优化算法计算得到的对应参数迭代终值。
S2-2：设置优化控制间隔T；优化控制间隔T可以根据传感器数据采样间隔确定。
S2-3：设置单次控制方案寻优的最大迭代次数Kmax；
S2-4：设置加速项数组
Figure RE-GDA0003012827100000055
其值由下式确定：
α1＝1,j＝1
Figure RE-GDA0003012827100000056
S3：发布变风量空调系统优化控制任务，设置总优化目标如下：
Figure RE-GDA0003012827100000057
Figure RE-GDA0003012827100000058
其中，N为变风量末端的数量，ω为权重因子；P(·)为空调箱的功率，由空调箱送风量QAHU确定；Ci(·)为第i个房间的舒适度，由对应的第i个变风量末端送风量Qi确定；s.t.式注明了该优化问题的约束条件。
S4：使用交叉方向乘子法将变风量空调系统优化控制任务总优化问题分解为若干个子问题，通过空调箱智能体和变风量末端智能体对子问题进行求解，通过智能体之间的信息交互进行迭代计算，实现分布式优化控制。
在本实施例中，S4的具体实现步骤为：
S4-1：空调箱智能体向各变风量末端智能体发送初始的空调箱送风量平均值
Figure RE-GDA0003012827100000061
及其加速值
Figure RE-GDA0003012827100000062
初始的变风量末端送风量平均值
Figure RE-GDA0003012827100000063
及其加速值
Figure RE-GDA0003012827100000064
初始的对偶变量λ0及其加速值λ′0；
S4-2：设置迭代次数k＝0；
S4-3：每个变风量末端智能体接收空调箱智能体发送的变量值，利用下式进行变风量末端送风量
Figure RE-GDA0003012827100000065
和其加速值
Figure RE-GDA0003012827100000066
的更新计算；之后，将上述值发送回空调箱智能体：
Figure RE-GDA0003012827100000067
Figure RE-GDA0003012827100000068
其中，ρ为惩罚系数，
Figure RE-GDA0003012827100000069
为各变风量末端送风量的平均值，
Figure RE-GDA00030128271000000610
为空调箱送风量QAHU与变风量末端数量N＝5的比值；各参数中的上标k均表示第k次迭代对应的参数；
S4-4：空调箱智能体接收所有变风量末端智能体更新计算的变风量末端送风量
Figure RE-GDA00030128271000000611
和其加速值
Figure RE-GDA00030128271000000612
计算变风量末端送风量加速值的平均值
Figure RE-GDA00030128271000000613
利用下式计算空调箱送风量平均值
Figure RE-GDA00030128271000000614
及其加速值
Figure RE-GDA00030128271000000615
Figure RE-GDA00030128271000000616
Figure RE-GDA00030128271000000617
S4-5：判断空调箱智能体判断算法的收敛条件是否满足；如满足，本次分布式优化控制任务结束；如不满足，则计算变风量末端送风量的平均值
Figure RE-GDA00030128271000000618
根据下式更新对偶变量λk+1及其加速值λ′k+1，并将上述值发送回所有变风量末端智能体；之后，设置迭代次数k数值增加1，转至S4-3；
Figure RE-GDA00030128271000000619
Figure RE-GDA0003012827100000071
另外，本实施例中空调箱智能体判断收敛的条件为下述三式同时满足或迭代次数k达到最大迭代次数Kmax。
Figure RE-GDA0003012827100000072
Figure RE-GDA0003012827100000073
Figure RE-GDA0003012827100000074
其中，σ1，σ2，σ3为阈值。
S5：当优化变风量空调系统优化控制任务发布的时间间隔达到T时，重复 S2-S4步骤。
在上述实施例中，采用分布式计算的方法求解变风量空调系统最小化总能耗和最大化末端舒适度的多目标优化问题，以得到每个时刻下空调箱和与其对应的各个变风量末端的最优送风量，实现变风量空调系统综合总能耗最小、各末端舒适度最大的最优化运行。每个空调箱和变风量末端都分别对应一个智能体，能够根据自身条件的设置参与分布式计算，求解优化问题，实现分布式优化控制。
在上述实施例中，通过引入迭代加速技术，相比于传统的分布式算法，提升了算法的收敛速率，有效地减少了迭代次数，增加了该控制方法的实时控制能力。同时，该控制方法采用“共享问题”的求解思想，每轮迭代的过程中空调箱智能体只需要传递变风量末端送风量的均值，减少了每轮迭代中智能体之间所需的通信量，降低了通信成本，增加了控制方法的可靠性。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (5)

1.一种基于快速ADMM的变风量系统分布式优化控制方法，其特征在于，步骤如下：
S1：对于变风量空调系统中的空调箱和每个并联的变风量末端，分别设置一个对应的智能体；
S2：设置初始参数，具体步骤如S2-1～S2-4：
S2-1：设置初始的空调箱送风量平均值
Figure FDA0003407066860000011
及其加速值
Figure FDA0003407066860000012
初始的变风量末端送风量平均值
Figure FDA0003407066860000013
及其加速值
Figure FDA0003407066860000014
初始的对偶变量λ0及其加速值λ′0；
S2-2：设置优化控制间隔T；
S2-3：设置单次控制方案寻优的最大迭代次数Kmax；
S2-4：设置加速项数组
Figure FDA0003407066860000015
其值由下式确定：
α1＝1,j＝1
Figure FDA0003407066860000016
S3：发布变风量空调系统优化控制任务，设置总优化目标如下：
Figure FDA0003407066860000017
Figure FDA0003407066860000018
其中，N为变风量末端的数量，ω为权重因子；P(·)为空调箱的功率，由空调箱送风量QAHU确定；Ci(·)为第i个房间的舒适度，由对应的第i个变风量末端送风量Qi确定；s.t.式注明了该优化问题的约束条件；
S4：使用交叉方向乘子法将变风量空调系统优化控制任务总优化问题分解为若干个子问题，通过空调箱智能体和变风量末端智能体对子问题进行求解，通过智能体之间的信息交互进行迭代计算，实现分布式优化控制；
S5：当优化变风量空调系统优化控制任务发布的时间间隔达到T时，重复S2-S4步骤。
2.如权利要求1所述的基于快速ADMM的变风量系统分布式优化控制方法，其特征在于：所述S4的具体实现步骤为：
S4-1：空调箱智能体向各变风量末端智能体发送初始的空调箱送风量平均值
Figure FDA0003407066860000021
及其加速值
Figure FDA0003407066860000022
初始的变风量末端送风量平均值
Figure FDA0003407066860000023
及其加速值
Figure FDA0003407066860000024
初始的对偶变量λ0及其加速值λ′0；
S4-2：设置迭代次数k＝0；
S4-3：每个变风量末端智能体接收空调箱智能体发送的变量值，利用下式进行变风量末端送风量
Figure FDA0003407066860000025
和其加速值
Figure FDA0003407066860000026
的更新计算；之后，将上述值发送回空调箱智能体：
Figure FDA0003407066860000027
Figure FDA0003407066860000028
其中，ρ为惩罚系数，
Figure FDA0003407066860000029
为各变风量末端送风量的平均值，
Figure FDA00034070668600000210
为空调箱送风量QAHU与变风量末端数量N的比值；各参数中的上标k均表示第k次迭代对应的参数；
S4-4：空调箱智能体接收所有变风量末端智能体更新计算的变风量末端送风量
Figure FDA00034070668600000211
和其加速值
Figure FDA00034070668600000212
计算变风量末端送风量加速值的平均值
Figure FDA00034070668600000213
利用下式计算空调箱送风量平均值
Figure FDA00034070668600000214
及其加速值
Figure FDA00034070668600000215
Figure FDA00034070668600000216
Figure FDA00034070668600000217
S4-5：判断空调箱智能体判断算法的收敛条件是否满足；如满足，本次分布式优化控制任务结束；如不满足，则计算变风量末端送风量的平均值
Figure FDA00034070668600000218
根据下式更新对偶变量λk+1及其加速值λ′k+1，并将上述值发送回所有变风量末端智能体；之后，设置迭代次数k数值增加1，转至S4-3；
Figure FDA00034070668600000219
Figure FDA00034070668600000220
3.如权利要求1所述的基于快速ADMM的变风量系统分布式优化控制方法，其特征在于：初始参数设置为上一次优化控制任务中分布式优化算法计算得到的对应参数迭代终值。
4.如权利要求1所述的基于快速ADMM的变风量系统分布式优化控制方法，其特征在于：优化控制间隔T根据传感器数据采样间隔确定。
5.如权利要求1所述的基于快速ADMM的变风量系统分布式优化控制方法，其特征在于：空调箱智能体判断收敛的条件为下述三式同时满足或迭代次数k达到最大迭代次数Kmax；
Figure FDA0003407066860000031
Figure FDA0003407066860000032
Figure FDA0003407066860000033
其中，σ1，σ2，σ3为阈值。
CN202110259343.XA 2021-03-10 2021-03-10 基于快速admm的变风量系统分布式优化控制方法 Active CN113028613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110259343.XA CN113028613B (zh) 2021-03-10 2021-03-10 基于快速admm的变风量系统分布式优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110259343.XA CN113028613B (zh) 2021-03-10 2021-03-10 基于快速admm的变风量系统分布式优化控制方法

Publications (2)

Publication Number Publication Date
CN113028613A CN113028613A (zh) 2021-06-25
CN113028613B true CN113028613B (zh) 2022-03-25

Family

ID=76468989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110259343.XA Active CN113028613B (zh) 2021-03-10 2021-03-10 基于快速admm的变风量系统分布式优化控制方法

Country Status (1)

Country Link
CN (1) CN113028613B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113722653B (zh) * 2021-08-25 2023-05-26 中国地质大学（武汉） 一种多智能体系统分布式优化控制方法及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106208102A (zh) * 2016-08-19 2016-12-07 东南大学 一种基于辅助问题原理的主动配电网分布式无功优化方法
CN108826620A (zh) * 2018-08-06 2018-11-16 南京邮电大学 大学校园建筑内大规模暖通空调系统的分布式控制方法
JP2020030691A (ja) * 2018-08-23 2020-02-27 株式会社日立製作所 最適化システム及び最適化方法
CN111397035A (zh) * 2020-02-28 2020-07-10 徐州申恒环境科技有限公司 一种用于纺织厂空调风系统及其工作方法
CN112101627A (zh) * 2020-08-14 2020-12-18 华南理工大学 一种高私密性的电气热互联系统分布式优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106208102A (zh) * 2016-08-19 2016-12-07 东南大学 一种基于辅助问题原理的主动配电网分布式无功优化方法
CN108826620A (zh) * 2018-08-06 2018-11-16 南京邮电大学 大学校园建筑内大规模暖通空调系统的分布式控制方法
JP2020030691A (ja) * 2018-08-23 2020-02-27 株式会社日立製作所 最適化システム及び最適化方法
CN111397035A (zh) * 2020-02-28 2020-07-10 徐州申恒环境科技有限公司 一种用于纺织厂空调风系统及其工作方法
CN112101627A (zh) * 2020-08-14 2020-12-18 华南理工大学 一种高私密性的电气热互联系统分布式优化调度方法

Also Published As

Publication number Publication date
CN113028613A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN109711080B (zh) 一种冷热电联供系统多时间尺度优化运行方法
CN109063992A (zh) 考虑区域综合能源系统优化运行的配电网扩展规划方法
CN113028613B (zh) 基于快速admm的变风量系统分布式优化控制方法
CN105760969A (zh) 一种基于可控负荷主动响应的智能楼宇电价响应用电方法
CN110264012A (zh) 基于经验模态分解的可再生能源功率组合预测方法及系统
CN105391090A (zh) 一种智能电网多智能体多目标一致性优化方法
CN110048415A (zh) 一种适用于并网型微电网的实时分布式经济调度方法
CN113757789A (zh) 一种面向智慧校园建设的供热节能预测控制方法
CN107101324B (zh) 一种变频空调负荷群的一致性控制方法
CN109149656A (zh) 一种气-电互联综合能源系统机组组合方法
CN111415036B (zh) 一种中央空调系统并联冷机负荷优化分配方法
CN114741960A (zh) 一种综合能源经济环境调度优化方法及系统
CN111191955A (zh) 基于相依马尔可夫链的电力cps风险区域预测方法
CN115763908B (zh) 一种多堆燃料电池系统效率优化的分布式控制方法
CN112923533B (zh) 基于多智能体的中央空调系统层级分布式优化控制方法
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
CN105976052A (zh) 基于改进量子粒子群算法的多区域经济调度方法
CN103177299B (zh) 泛能网优化方法和系统
CN114358604A (zh) 一种考虑建筑蓄热特性的城市集中供热系统分时分区调控方法
CN115000994A (zh) 一种多储能单元分组一致性功率分配方法
CN114500621A (zh) 一种基于物联网的智能配电控制系统
CN109447450B (zh) 建筑物综合供热提高风电消纳的热电联合系统调度方法
CN113629779A (zh) 一种服务碳减排的多智能体电力需求响应方法
Si et al. An improved control algorithm for lighting systems by using PSO
CN115767566B (zh) 无线传感器覆盖与路由联合优化的多目标差分进化方法

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