CN116822709B - 一种并联式冷水机组负荷分配优化方法、系统和存储介质 - Google Patents
一种并联式冷水机组负荷分配优化方法、系统和存储介质 Download PDFInfo
- Publication number
- CN116822709B CN116822709B CN202310586995.3A CN202310586995A CN116822709B CN 116822709 B CN116822709 B CN 116822709B CN 202310586995 A CN202310586995 A CN 202310586995A CN 116822709 B CN116822709 B CN 116822709B
- Authority
- CN
- China
- Prior art keywords
- chilling unit
- water chilling
- water
- load distribution
- ith
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 195
- 238000009826 distribution Methods 0.000 title claims abstract description 75
- 238000005457 optimization Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 238000005057 refrigeration Methods 0.000 claims abstract description 37
- 239000002245 particle Substances 0.000 claims description 13
- 238000001816 cooling Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 6
- 239000013256 coordination polymer Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 16
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000004378 air conditioning Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种并联式冷水机组负荷分配优化方法、系统和存储介质,包括:在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量;采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果。本发明能够在保证冷水机组安全运行的条件下,利用平衡优化器算法实现并联式冷水机组的负荷分配优化问题,降低整体系统的能耗,并大幅度提升计算精度。
Description
技术领域
本发明涉及空调系统控制技术领域,尤其涉及一种并联式冷水机组负荷分配优化方法、系统和存储介质。
背景技术
大型公共建筑中央空调系统能耗占建筑能源总消耗的60%左右。其中,冷水机组的运行能耗占中央空调制冷系统运行能耗70%左右,具有较大的节能空间。在“2030碳达峰、2060碳中和”背景下,提升冷水机组运行能效是推进大型公共建筑节能降碳目标的重要抓手。在实际应用中,通常将多台冷水机组成并联式冷机系统,并按照最大负荷选型设计,因而并联式冷水机组大部分时间都处于部分负荷运行状态。其中,冷水机组运行效率和能耗与冷水机组的部分负荷率相关。因此,在满足不同冷负荷需求的情况下,通过求解冷水机组的负荷分配优化问题,制定冷水机组负荷分配控制策略,实现不同容量和型号冷水机组部分负荷率的最优组合,是实现并联式冷水机组节能目标的关键。
当前,有关并联式冷水机组的负荷分配优化问题大多采用遗传算法、粒子群算法等传统启发式算法求解,但容易陷入局部最优,从而导致优化问题的求解精度不高。
因此,亟需提供一种技术方案解决上述问题。
发明内容
为解决上述技术问题,本发明提供了一种并联式冷水机组负荷分配优化方法、系统和存储介质。
本发明的一种并联式冷水机组负荷分配优化方法的技术方案如下:
在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量;
采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果。
本发明的一种并联式冷水机组负荷分配优化方法的有益效果如下:
本发明的方法能够在保证冷水机组安全运行的条件下,利用平衡优化器算法实现并联式冷水机组的负荷分配优化问题,降低整体系统的能耗,并大幅度提升计算精度。
在上述方案的基础上,本发明的一种并联式冷水机组负荷分配优化方法还可以做如下改进。
进一步,所述负荷分配优化模型为:其中,n为所述并联式制冷系统的冷水机组的数量,/>表示第i台冷水机组的运行功率,PLRi为第i台冷水机组的部分负荷率,/>Qe,i=me,ice(tin,i-tout,i),Qe,i为第i台冷水机组的实际供冷量,Q0,i为第i台冷水机组的额定供冷量,me,i为第i台冷水机组的冷冻水质量流量,ce为冷冻水比热,tin,i为第i台冷水机组的冷冻水回水温度,tout,i为第i台冷水机组的冷冻水供水温度,Qneed为所述并联式制冷系统的末端冷负荷需求,COPi第i台冷水机组的能效系数,COPi=a0,i+a1,iPLRi+a2,iPLRi 2+a3,iPLRi 3,i≤n,a0,i、a1,i、a2,i和a3,i分别为第i台冷水机组的模型参数,ρ为惩罚因子。
进一步,所述目标约束条件为:0.2≤PLRi≤1或PLRi=0。
进一步,采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果的步骤,包括:
采用所述平衡优化器算法,确定所述待优化变量的最优值,以根据所述待优化变量的最优值确定每台冷水机组的部分负荷率的最优值,并将每台冷水机组的部分负荷率的最优值作为每台冷水机组的最优负荷分配结果。
进一步,采用所述平衡优化器算法,确定所述待优化变量的最优值的步骤,包括:
构建所述平衡优化器算法的控制参数;其中,所述控制参数包括:初始种群个数Varnum、最大迭代次数Max_iter、全局搜索权重b1、局部搜索权重b2、受控容积v和生成率GP;
设置所述平衡优化器算法的当前迭代次数Iter=1,在约束区间内,设置粒子的初始化状态:其中,/>为第i个个体的初始浓度,Cmax为所述初始浓度的上限,Cmin为所述初始浓度的下限,randi为第i个个体的[0,1]之间的随机值;
将PLR数值确定为种群的初始状态,并根据所述初始状态,计算所有粒子的适应度值fitness:
选取适应度值最小的五个最优解,构造平衡池:Ceq,pool={Ceq,1 Ceq,2 Ceq,3 Ceq,4Ceq,5};其中,Ceq,pool为平衡池,Ceq,1、Ceq,2、Ceq,3和Ceq,4分别为当前时刻适应度值最小的4个解,Ceq,5为Ceq,1、Ceq,2、Ceq,3和Ceq,4的平均值;
对指数项系数F进行更新;其中,F=b1sign(r-0.5)[e-λt-1];sign(r-0.5)为r-0.5的符号函数;r是[0,1]之间的随机值,e为自然常数,λ为单位容积的流动率;
对生产速率G进行更新;其中,G=GCP(Ceq-λC)F,GCP为生产速率控制参数,r1和r2为[0,1]之间的随机值,C为当前迭代次数下的例子浓度;
对个体浓度Cnew进行更新;其中,Ceq为受控容积内平衡状态下的浓度,来源于Ceq,pool中随机抽取的数据,Cnew为当前更新的例子浓度,下一次迭代时,令C=Cnew;
判断是否满足终止条件Iter>Max_iter;若是,输出并将最优个体Ceq作为所述待优化变量的最优值,结束循环;若否,Iter=Iter+1,并返回执行所述根据所述初始状态,计算所有粒子的适应度值fitness的步骤,直至确定所述待优化变量的最优值。
本发明的一种并联式冷水机组负荷分配优化系统的技术方案如下:
包括:构建模块和优化模块;
所述构建模块用于:在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量;
所述优化模块用于:采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果。
本发明的一种并联式冷水机组负荷分配优化系统的有益效果如下:
本发明的系统能够在保证冷水机组安全运行的条件下,利用平衡优化器算法实现并联式冷水机组的负荷分配优化问题,降低整体系统的能耗,并大幅度提升计算精度。
在上述方案的基础上,本发明的一种并联式冷水机组负荷分配优化系统还可以做如下改进。
进一步,所述负荷分配优化模型为:其中,n为所述并联式制冷系统的冷水机组的数量,/>表示第i台冷水机组的运行功率,PLRi为第i台冷水机组的部分负荷率,/>Qe,i=me,ice(tin,i-tout,i),Qe,i为第i台冷水机组的实际供冷量,Q0,i为第i台冷水机组的额定供冷量,me,i为第i台冷水机组的冷冻水质量流量,ce为冷冻水比热,tin,i为第i台冷水机组的冷冻水回水温度,tout,i为第i台冷水机组的冷冻水供水温度,Qneed为所述并联式制冷系统的末端冷负荷需求,COPi第i台冷水机组的能效系数,COPi=a0,i+a1,iPLRi+a2,iPLRi 2+a3,iPLRi 3,i≤n,a0,i、a1,i、a2,i和a3,i分别为第i台冷水机组的模型参数,ρ为惩罚因子。
进一步,所述目标约束条件为:0.2≤PLRi≤1或PLRi=0。
进一步,所述优化模块具体用于:
采用所述平衡优化器算法,确定所述待优化变量的最优值,以根据所述待优化变量的最优值确定每台冷水机组的部分负荷率的最优值,并将每台冷水机组的部分负荷率的最优值作为每台冷水机组的最优负荷分配结果。
本发明的一种存储介质的技术方案如下:
存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如本发明的一种并联式冷水机组负荷分配优化方法的步骤。
附图说明
图1示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例的流程示意图;
图2示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例中的并联式制冷系统的结构示意图;
图3示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例中的平衡优化器算法的流程图;
图4示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例中的不同运行方式下的并联式冷水机组的总体COP对比图;
图5示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例中的不同运行方式下的并联式冷水机组的总运行功率对比图;
图6示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例中的不同优化求解算法下的并联式冷水机组的总体COP对比图;
图7示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例中的不同优化求解算法下的并联式冷水机组的总运行功率对比图;
图8示出了本发明提供的一种并联式冷水机组负荷分配优化系统的实施例的结构示意图。
具体实施方式
图1示出了本发明提供的一种并联式冷水机组负荷分配优化方法的实施例的流程示意图。如图1所示,包括如下步骤:
步骤110:在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量。
其中,①目标约束条件包括:满足系统末端冷负荷需求、防止冷水机组喘振等约束条件。②如图2所示,并联式制冷系统包括n台冷水机组,通过冷冻水供水总管和冷冻水回水总管连接。在并联式制冷系统中,通过调控不同容量和不同特性的冷水机所组成的运行工况,从而以降低并联式制冷系统的能耗。
步骤120:采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果。
具体地,以联式制冷系统的运行总功率最小为目标,采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值。
较优地,所述负荷分配优化模型为:
其中,n为所述并联式制冷系统的冷水机组的数量,表示第i台冷水机组的运行功率,PLRi为第i台冷水机组的部分负荷率,/>Qe,i=me,ice(tin,i-tout,i),Qe,i为第i台冷水机组的实际供冷量,Q0,i为第i台冷水机组的额定供冷量,me,i为第i台冷水机组的冷冻水质量流量,ce为冷冻水比热,tin,i为第i台冷水机组的冷冻水回水温度,tout,i为第i台冷水机组的冷冻水供水温度,Qneed为所述并联式制冷系统的末端冷负荷需求,COPi第i台冷水机组的能效系数,COPi=a0,i+a1,iPLRi+a2,iPLRi 2+a3,iPLRi 3,i≤n,a0,i、a1,i、a2,i和a3,i分别为第i台冷水机组的模型参数,ρ为惩罚因子。所述目标约束条件为:0.2≤PLRi≤1或PLRi=0。
需要说明的是,①冷冻水回水温度为流入冷水机组的温度,冷冻水供水温度为流出冷水机组的温度。②惩罚因子ρ默认设置为1000,也可根据需求进行设定,在此不设限制。
较优地,步骤120包括:
采用所述平衡优化器算法,确定所述待优化变量的最优值,以根据所述待优化变量的最优值确定每台冷水机组的部分负荷率的最优值,并将每台冷水机组的部分负荷率的最优值作为每台冷水机组的最优负荷分配结果。
其中,待优化变量的数量与冷水机组的数量相同,即待优化变量共包括n个。
较优地,如图3所示,采用所述平衡优化器算法,确定所述待优化变量的最优值的步骤,包括:
步骤A:构建所述平衡优化器算法的控制参数。
其中,所述控制参数包括:初始种群个数Varnum、最大迭代次数Max_iter、全局搜索权重b1、局部搜索权重b2、受控容积v和生成率GP。
具体地,初始种群个数Varnum=100,最大迭代次数Max_iter=500,全局搜索权重b1=2,局部搜索权重b2=1,受控容积v=1和生成率GP=0.5。
步骤B:设置所述平衡优化器算法的当前迭代次数Iter=1,在约束区间内,设置粒子的初始化状态:
其中,为第i个个体的初始浓度,Cmax为所述初始浓度的上限,Cmin为所述初始浓度的下限,randi为第i个个体的[0,1]之间的随机值。
具体地,Cmax=0.2,Cmin=0。
步骤C:将PLR数值确定为种群的初始状态,并根据所述初始状态,计算所有粒子的适应度值fitness:
步骤D:选取适应度值最小的五个最优解,构造平衡池:Ceq,pool={Ceq,1 Ceq,2 Ceq,3Ceq,4 Ceq,5}。
其中,Ceq,pool为平衡池,Ceq,1、Ceq,2、Ceq,3和Ceq,4分别为当前时刻适应度值最小的4个解,Ceq,5为Ceq,1、Ceq,2、Ceq,3和Ceq,4的平均值。
步骤E:对指数项系数F进行更新。
其中,F=b1sign(r-0.5)[e-λt-1];sign(r-0.5)为r-0.5的符号函数;r是[0,1]之间的随机值,e为自然常数,λ为单位容积的流动率。
步骤F:对生产速率G进行更新。
其中,G=GCP(Ceq-λC)F,GCP为生产速率控制参数,r1和r2为[0,1]之间的随机值,C为当前迭代次数下的例子浓度。
步骤G:对个体浓度Cnew进行更新。
其中,Ceq为受控容积内平衡状态下的浓度,来源于Ceq,pool中随机抽取的数据,Cnew为当前更新的例子浓度,下一次迭代时,令C=Cnew。
步骤H:判断是否满足终止条件Iter>Max_iter;若是,输出并将最优个体Ceq作为所述待优化变量的最优值,结束循环;若否,Iter=Iter+1,并返回执行步骤C,直至确定所述待优化变量的最优值。
为了更好地说明本实施例的技术方案,采用某工厂的并联式制冷系统为对象进行说明,具体地:
该并联式制冷系统包括4台冷水机组,由3台离心式冷水机组和1台螺杆式冷水机组并联组成。其中,螺杆式冷水机组的额定制冷量为1400kW,额定功率为275kV,额定电压是380V;离心式冷水机组的额定制冷量为6329kW,额定功率为1069kV,额定电压是10kV。每台冷水机组的模型参数如表1所示。
表1:
以上述工厂的并联式制冷系统为对象开展两组仿真。
仿真实验1,基于该工厂在某日的冷负荷需求,将本实施例所采用的方法(群控优化方法)与基于人工经验的控制方法(优化前)及负荷平均分配方法(平均分配方法)进行对比,验证不同运行方式对并联式制冷系统的冷水机组运行功率(能耗)的影响。图4和图5分别为不同运行方式下并联式制冷系统的冷水机组总体COP和运行功率的对比图。可以看出,本本实施例所采用的方法,能够实现最低的系统能耗。全天运行总能耗相比优化前节省10.74%,相比平均分配方法节省7.53%。同时,本本实施例所采用的方法可保证并联式制冷系统的冷水机组的总体COP在6.0以上。
仿真实验2,基于该工厂在某日的冷负荷需求,将本实施例的平衡优化器算法(EO)与遗传算法(GA)和粒子群算法(PSO)对比,验证不同优化求解算法对并联式制冷系统的冷水机组运行功率(能耗)的影响。图6和图7分别为不同优化求解算法下并联式制冷系统的冷水机组总体COP和运行功率的对比图。可以看出,EO计算出的功率和COP数值要显著优于PSO和GA算法。相比于优化前的数据,PSO的节能率为10.4,EO的节能率为10.8%,GA的节能率为8.09%。说明在相同控制参数的情况下,EO的效果要远远优于PSO和GA算法,证明了EO算法求解并联式冷水机组负荷分配优化问题的有效性。
本实施例的技术方案能够在保证冷水机组安全运行的条件下,利用平衡优化器算法实现并联式冷水机组的负荷分配优化问题,降低整体系统的能耗,并大幅度提升计算精度。
图8示出了本发明提供的一种并联式冷水机组负荷分配优化系统的实施例的结构示意图。如图8所示,该系统200包括:包括:构建模块210和优化模块220。
所述构建模块210用于:在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量;
所述优化模块220用于:采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果。
较优地,所述负荷分配优化模型为:其中,n为所述并联式制冷系统的冷水机组的数量,/>表示第i台冷水机组的运行功率,PLRi为第i台冷水机组的部分负荷率,/>Qe,i=me,ice(tin,i-tout,i),Qe,i为第i台冷水机组的实际供冷量,Q0,i为第i台冷水机组的额定供冷量,me,i为第i台冷水机组的冷冻水质量流量,ce为冷冻水比热,tin,i为第i台冷水机组的冷冻水回水温度,tout,i为第i台冷水机组的冷冻水供水温度,Qneed为所述并联式制冷系统的末端冷负荷需求,COPi第i台冷水机组的能效系数,COPi=a0,i+a1,iPLRi+a2,iPLRi 2+a3,iPLRi 3,i≤n,a0,i、a1,i、a2,i和a3,i分别为第i台冷水机组的模型参数,ρ为惩罚因子。
较优地,所述目标约束条件为:0.2≤PLRi≤1或PLRi=0。
较优地,所述优化模块具体用于:
采用所述平衡优化器算法,确定所述待优化变量的最优值,以根据所述待优化变量的最优值确定每台冷水机组的部分负荷率的最优值,并将每台冷水机组的部分负荷率的最优值作为每台冷水机组的最优负荷分配结果
本实施例的技术方案能够在保证冷水机组安全运行的条件下,利用平衡优化器算法实现并联式冷水机组的负荷分配优化问题,降低整体系统的能耗,并大幅度提升计算精度。
上述关于本发明提供的一种并联式冷水机组负荷分配优化系统200的实施例中的各参数和各个模块实现相应功能的步骤,可参考上文中提供的一种并联式冷水机组负荷分配优化方法的实施例中的各参数和步骤,在此不做赘述。
本发明实施例提供的一种存储介质,包括:存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如一种并联式冷水机组负荷分配优化方法的步骤,具体可参考上文中提供的一种并联式冷水机组负荷分配优化方法的实施例中的各参数和步骤,在此不做赘述。
计算机存储介质例如:优盘、移动硬盘等。
所属技术领域的技术人员知道,本发明可以实现为方法、系统和存储介质。
因此,本发明可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM),只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种并联式冷水机组负荷分配优化方法,其特征在于,包括:
在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量;
采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果;
所述负荷分配优化模型为:其中,n为所述并联式制冷系统的冷水机组的数量,/>表示第i台冷水机组的运行功率,PLRi为第i台冷水机组的部分负荷率,/>Qe,i=me,ice(tin,i-tout,i),Qe,i为第i台冷水机组的实际供冷量,Q0,i为第i台冷水机组的额定供冷量,me,i为第i台冷水机组的冷冻水质量流量,ce为冷冻水比热,tin,i为第i台冷水机组的冷冻水回水温度,tout,i为第i台冷水机组的冷冻水供水温度,Qneed为所述并联式制冷系统的末端冷负荷需求,COPi第i台冷水机组的能效系数,COPi=a0,i+a1,iPLRi+a2,iPLRi 2+a3,iPLRi 3,i≤n,a0,i、a1,i、a2,i和a3,i分别为第i台冷水机组的模型参数,ρ为惩罚因子;
所述目标约束条件为:0.2≤PLRi≤1或PLRi=0;
采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果的步骤,包括:
采用所述平衡优化器算法,确定所述待优化变量的最优值,以根据所述待优化变量的最优值确定每台冷水机组的部分负荷率的最优值,并将每台冷水机组的部分负荷率的最优值作为每台冷水机组的最优负荷分配结果;
采用所述平衡优化器算法,确定所述待优化变量的最优值的步骤,包括:
构建所述平衡优化器算法的控制参数;其中,所述控制参数包括:初始种群个数Varnum、最大迭代次数Max_iter、全局搜索权重b1、局部搜索权重b2、受控容积v和生成率GP;
设置所述平衡优化器算法的当前迭代次数Iter=1,在约束区间内,设置粒子的初始化状态:其中,/>为第i个个体的初始浓度,Cmax为所述初始浓度的上限,Cmin为所述初始浓度的下限,randi为第i个个体的[0,1]之间的随机值;
将PLR数值确定为种群的初始状态,并根据所述初始状态,计算所有粒子的适应度值fitness:
选取适应度值最小的五个最优解,构造平衡池:Ceq,pool={Ceq,1 Ceq,2 Ceq,3 Ceq,4 Ceq,5};其中,Ceq,pool为平衡池,Ceq,1、Ceq,2、Ceq,3和Ceq,4分别为当前时刻适应度值最小的4个解,Ceq,5为Ceq,1、Ceq,2、Ceq,3和Ceq,4的平均值;
对指数项系数F进行更新;其中,F=b1sign(r-0.5)[e-λt-1];sign(r-0.5)为r-0.5的符号函数;r是[0,1]之间的随机值,e为自然常数,λ为单位容积的流动率;
对生产速率G进行更新;其中,G=GCP(Ceq-λC)F,GCP为生产速率控制参数,r1和r2为[0,1]之间的随机值,C为当前迭代次数下的例子浓度;
对个体浓度Cnew进行更新;其中,Ceq为受控容积内平衡状态下的浓度,来源于Ceq,pool中随机抽取的数据,Cnew为当前更新的例子浓度,下一次迭代时,令C=Cnew;
判断是否满足终止条件Iter>Max_iter;若是,输出并将最优个体Ceq作为所述待优化变量的最优值,结束循环;若否,Iter=Iter+1,并返回执行所述根据所述初始状态,计算所有粒子的适应度值fitness的步骤,直至确定所述待优化变量的最优值。
2.一种并联式冷水机组负荷分配优化系统,其特征在于,包括:构建模块和优化模块;
所述构建模块用于:在目标约束条件下,以并联式制冷系统的运行总功率最小为目标构建负荷分配优化模型,并将并联式制冷系统的每台冷水机组的部分负荷率作为所述负荷分配优化模型的待优化变量;
所述优化模块用于:采用平衡优化器算法,确定每台冷水机组的部分负荷率的最优值,作为每台冷水机组的最优负荷分配结果;
所述负荷分配优化模型为:其中,n为所述并联式制冷系统的冷水机组的数量,/>表示第i台冷水机组的运行功率,PLRi为第i台冷水机组的部分负荷率,/>Qe,i=me,ice(tin,i-tout,i),Qe,i为第i台冷水机组的实际供冷量,Q0,i为第i台冷水机组的额定供冷量,me,i为第i台冷水机组的冷冻水质量流量,ce为冷冻水比热,tin,i为第i台冷水机组的冷冻水回水温度,tout,i为第i台冷水机组的冷冻水供水温度,Qneed为所述并联式制冷系统的末端冷负荷需求,COPi第i台冷水机组的能效系数,COPi=a0,i+a1,iPLRi+a2,iPLRi 2+a3,iPLRi 3,i≤n,a0,i、a1,i、a2,i和a3,i分别为第i台冷水机组的模型参数,ρ为惩罚因子;
所述目标约束条件为:0.2≤PLRi≤1或PLRi=0;
所述优化模块具体用于:
采用所述平衡优化器算法,确定所述待优化变量的最优值,以根据所述待优化变量的最优值确定每台冷水机组的部分负荷率的最优值,并将每台冷水机组的部分负荷率的最优值作为每台冷水机组的最优负荷分配结果;
所述优化模块具体用于:
构建所述平衡优化器算法的控制参数;其中,所述控制参数包括:初始种群个数Varnum、最大迭代次数Max_iter、全局搜索权重b1、局部搜索权重b2、受控容积v和生成率GP;
设置所述平衡优化器算法的当前迭代次数Iter=1,在约束区间内,设置粒子的初始化状态:其中,/>为第i个个体的初始浓度,Cmax为所述初始浓度的上限,Cmin为所述初始浓度的下限,randi为第i个个体的[0,1]之间的随机值;
将PLR数值确定为种群的初始状态,并根据所述初始状态,计算所有粒子的适应度值fitness:
选取适应度值最小的五个最优解,构造平衡池:Ceq,pool={Ceq,1 Ceq,2 Ceq,3 Ceq,4 Ceq,5};其中,Ceq,pool为平衡池,Ceq,1、Ceq,2、Ceq,3和Ceq,4分别为当前时刻适应度值最小的4个解,Ceq,5为Ceq,1、Ceq,2、Ceq,3和Ceq,4的平均值;
对指数项系数F进行更新;其中,F=b1sign(r-0.5)[e-λt-1];sign(r-0.5)为r-0.5的符号函数;r是[0,1]之间的随机值,e为自然常数,λ为单位容积的流动率;
对生产速率G进行更新;其中,G=GCP(Ceq-λC)F,GCP为生产速率控制参数,r1和r2为[0,1]之间的随机值,C为当前迭代次数下的例子浓度;
对个体浓度Cnew进行更新;其中,Ceq为受控容积内平衡状态下的浓度,来源于Ceq,pool中随机抽取的数据,Cnew为当前更新的例子浓度,下一次迭代时,令C=Cnew;
判断是否满足终止条件Iter>Max_iter;若是,输出并将最优个体Ceq作为所述待优化变量的最优值,结束循环;若否,Iter=Iter+1,并返回执行所述根据所述初始状态,计算所有粒子的适应度值fitness的步骤,直至确定所述待优化变量的最优值。
3.一种存储介质,其特征在于,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1所述的并联式冷水机组负荷分配优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586995.3A CN116822709B (zh) | 2023-05-22 | 2023-05-22 | 一种并联式冷水机组负荷分配优化方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586995.3A CN116822709B (zh) | 2023-05-22 | 2023-05-22 | 一种并联式冷水机组负荷分配优化方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822709A CN116822709A (zh) | 2023-09-29 |
CN116822709B true CN116822709B (zh) | 2024-03-22 |
Family
ID=88117621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310586995.3A Active CN116822709B (zh) | 2023-05-22 | 2023-05-22 | 一种并联式冷水机组负荷分配优化方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822709B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103912966A (zh) * | 2014-03-31 | 2014-07-09 | 武汉科技大学 | 一种地源热泵制冷系统优化控制方法 |
CN107906810A (zh) * | 2017-11-03 | 2018-04-13 | 上海电器科学研究所(集团)有限公司 | 一种多冷水机组联合运行的海水冷却系统节能群控方法 |
CN110260470A (zh) * | 2019-06-20 | 2019-09-20 | 西安建筑科技大学 | 基于群智能架构的中央空调并联冷机负荷优化分配方法 |
CN111612247A (zh) * | 2020-05-19 | 2020-09-01 | 西安建筑科技大学 | 一种并联冷机负荷优化分配方法、存储介质及设备 |
CN112344522A (zh) * | 2020-10-27 | 2021-02-09 | 西安建筑科技大学 | 一种中央空调冷机系统负荷分布式优化配置方法 |
CN114254545A (zh) * | 2021-12-22 | 2022-03-29 | 西安建筑科技大学 | 并联冷机系统负荷控制优化方法、系统、设备及介质 |
CN115562034A (zh) * | 2022-10-20 | 2023-01-03 | 西安建筑科技大学 | 并联冷机系统的负荷分配控制方法、系统、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10706375B2 (en) * | 2017-03-29 | 2020-07-07 | Johnson Controls Technology Company | Central plant with asset allocator |
-
2023
- 2023-05-22 CN CN202310586995.3A patent/CN116822709B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103912966A (zh) * | 2014-03-31 | 2014-07-09 | 武汉科技大学 | 一种地源热泵制冷系统优化控制方法 |
CN107906810A (zh) * | 2017-11-03 | 2018-04-13 | 上海电器科学研究所(集团)有限公司 | 一种多冷水机组联合运行的海水冷却系统节能群控方法 |
CN110260470A (zh) * | 2019-06-20 | 2019-09-20 | 西安建筑科技大学 | 基于群智能架构的中央空调并联冷机负荷优化分配方法 |
CN111612247A (zh) * | 2020-05-19 | 2020-09-01 | 西安建筑科技大学 | 一种并联冷机负荷优化分配方法、存储介质及设备 |
CN112344522A (zh) * | 2020-10-27 | 2021-02-09 | 西安建筑科技大学 | 一种中央空调冷机系统负荷分布式优化配置方法 |
CN114254545A (zh) * | 2021-12-22 | 2022-03-29 | 西安建筑科技大学 | 并联冷机系统负荷控制优化方法、系统、设备及介质 |
CN115562034A (zh) * | 2022-10-20 | 2023-01-03 | 西安建筑科技大学 | 并联冷机系统的负荷分配控制方法、系统、设备及介质 |
Non-Patent Citations (5)
Title |
---|
Zhikun Gao,et al.Optimal chiller loading by improved parallel particle swarm optimization algorithm for reducing energy consumption.《International Journal of Refrigeration》.2022,第136卷61-70. * |
基于遗传算法的多冷水机组负荷优化分配研究;陈文成 等;《科技创新与应用》;第12卷(第5期);147-149,154 * |
多台冷水机组负荷分配优化策略仿真研究;闫军威;陈城;周璇;练斯甄;周煜;;暖通空调;20160415(第04期) * |
改进交替方向乘子法求解冷水机组负荷分配群智能优化问题;于军琪 等;《控制理论与应用》;第38卷(第7期);947-962 * |
西北某大型公共建筑空调水系统节能优化研究;高之坤;《中国优秀硕士学问论文全文数据库 工程科技II辑》(第2期);C038-2492 * |
Also Published As
Publication number | Publication date |
---|---|
CN116822709A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109631282B (zh) | 一种中央空调系统控制方法及其系统、设备、存储介质 | |
CN104613602B (zh) | 一种中央空调精细化控制方法 | |
CN109711080B (zh) | 一种冷热电联供系统多时间尺度优化运行方法 | |
CN110454959B (zh) | 一种空调节能控制方法和装置 | |
CN112105233B (zh) | 节能控制方法、装置、电子设备和计算机可读介质 | |
CN114963414B (zh) | 基于ai数据分析的空调系统智能调控装置 | |
CN113418228B (zh) | 基于供需匹配的空气源热泵变回差水温控制方法及系统 | |
CN111612247A (zh) | 一种并联冷机负荷优化分配方法、存储介质及设备 | |
CN107401806A (zh) | 中央空调冷冻站内主机及冷冻泵综合能效提升控制方法 | |
CN115776795A (zh) | 数据中心空调系统诊断方法及装置 | |
CN113970125A (zh) | 一种出水温度调控方法及装置、热泵系统、制热设备 | |
CN115325682A (zh) | 一种高效智能制冷机房性能监测的优化控制方法及装置 | |
CN116398994B (zh) | 一种基于负荷预测的冷水机组群控优化方法 | |
CN111649464B (zh) | 智能制冷系统的控制方法、系统、服务器以及计算机存储介质 | |
CN114322208A (zh) | 基于深度强化学习的智能园区空调负荷调控方法和系统 | |
CN115682324A (zh) | 中央空调系统节能优化控制方法、装置、设备和存储介质 | |
CN116822709B (zh) | 一种并联式冷水机组负荷分配优化方法、系统和存储介质 | |
CN114543274A (zh) | 一种建筑中央空调温湿度优化控制方法及系统 | |
CN112906966B (zh) | 一种中央空调冷水机组负荷优化方法、系统、介质及设备 | |
CN108151242B (zh) | 一种面向集群需求响应的中央空调控制方法 | |
CN117628576A (zh) | 以运行费用最低为目标的暖通主机加减载控制方法及系统 | |
CN108507126A (zh) | 一种中央空调冷冻水的模糊控制方法、装置及空调 | |
CN115860445B (zh) | 铀浓缩制冷机组与闭式冷却塔多层级协同调度方法 | |
CN110779173A (zh) | 一种基于强化学习的冷水机组无模型优化运行控制方法 | |
CN116294085A (zh) | 一种数据中心空调系统运行方法 |
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 |