CN117022633A - 船舶或海洋平台用预制式舱室通风系统通风控制方法 - Google Patents
船舶或海洋平台用预制式舱室通风系统通风控制方法 Download PDFInfo
- Publication number
- CN117022633A CN117022633A CN202311286903.6A CN202311286903A CN117022633A CN 117022633 A CN117022633 A CN 117022633A CN 202311286903 A CN202311286903 A CN 202311286903A CN 117022633 A CN117022633 A CN 117022633A
- Authority
- CN
- China
- Prior art keywords
- cabin
- air
- temperature
- importance
- ventilation
- 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
Links
- 238000009423 ventilation Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000013461 design Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 50
- 239000003795 chemical substances by application Substances 0.000 claims description 44
- 230000009471 action Effects 0.000 claims description 21
- 238000011217 control strategy Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 238000009795 derivation Methods 0.000 claims description 14
- 239000003344 environmental pollutant Substances 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 14
- 239000000356 contaminant Substances 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 239000007789 gas Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000017525 heat dissipation Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005399 mechanical ventilation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63J—AUXILIARIES ON VESSELS
- B63J2/00—Arrangements of ventilation, heating, cooling, or air-conditioning
- B63J2/02—Ventilation; Air-conditioning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Air Conditioning Control Device (AREA)
- Ventilation (AREA)
Abstract
本发明属于海洋工程技术领域，提供一种船舶或海洋平台用预制式舱室通风系统通风控制方法。本方法通过计算海洋平台各舱室区域的权重系数的方式，确定舱室通风控制优先级，并根据舱室控制优先级调节新风阀开度及各舱室区域送风末端的设计值，从而改变各舱室送风量及送风量中的新风比例。可以解决现有方法存在的成本高、通用性差，灵活性低，无法有效满足舱室多样化差异化通风需求以及无法实现特殊区域需求优先满足等问题。
Description
技术领域
本发明涉及海洋工程技术领域，涉及一种船舶或海洋平台用预制式舱室通风系统通风控制方法。
背景技术
船舶及海洋平台作为海上油气资源开发的重要装备，为海上油气生产提供作业平台。然而，海洋平台上聚集的大量的作业人员和设备，需要保证设备的正常运行以及人员的健康生活。通风是保障平台生产生活的必要手段，无论是生产还是生活区都应进行合理的通风，以维持舱室合理温度，保证电仪设备的正常运行；同时也可以控制室内的污染物浓度，提供良好的室内空气质量，保证人员健康。
舱室环境质量主要通过室内空气质量指标和室内的温度指标来衡量。维持安全健康的舱室环境质量需要设计合理可行的舱室通风管理办法。通常海洋平台中需要通风的区域往往不止有一个，各区域根据其功能不同具有不同的通风需求。且海洋平台部分生产舱室因其特殊的环境需求（如部分工作区散热量大，生活区空气质量要求高等）需要被重点关注，海洋平台上的机械通风系统可以为主工作区的发电柴油机等设备的燃烧提供所需的室外新鲜空气，并将运行设备散发的热量排到室外，同时为工作人员提供舒适的工作和生活环境，因此可以通过设计合理的通风方案，满足各区域的不同通风需求，保障平台的正常生产生活。
对于现有通风方法，同时满足所有舱室的需求非常困难。通常是通过通风系统对舱室内的空气流量、温度、压力等参数的监测实现空调系统的流量、压差等的自动控制，但是此种方法依赖于风机、压差变送器、PLC控制器等硬件措施，同时还需要操作人员手动操作，对于需要多舱室通风的海洋平台来说十分不便；此外还有根据海洋平台各舱室的类型选择通风方式和风机类型的方法，而此种方法需要考虑舱室的具体情况，对舱室进行具体的热力学建模以选择特定的通风系统，实施时十分繁琐，且不具有通用性。对于通风区需求特殊的区域， 主要采用典型区域风量计算的方法，但是该方法需要确定换气次数，余湿余热等参数，以及考虑风机的备用原则，还需要风机的设计厂家选型取整，设计方法繁琐，且缺乏准确性，对于突发情况也不能够及时调整方案以处理。
综上，现有方法存在着成本高、通用性差，灵活性低，无法有效满足舱室通风需求多样化以及无法实现特殊区域需求优先满足等问题。
发明内容
本发明的目的在于解决以上技术问题，提供一种船舶或海洋平台用预制式舱室通风系统通风控制方法，基于各舱室的控制需要，更合理的控制各舱室通风，降低预制式舱室通风系统的控制成本。
为实现上述目的，本发明采用的技术方案是：
一种船舶或海洋平台用预制式舱室通风系统通风控制方法，所述通风系统包括空气处理机和安装在每个有用风需求的舱室内的变风量末端，所述空气处理机包括新风阀，每个舱室内末端均包括一个送风箱，所述控制方法包括以下步骤：
定义舱室中需经过通风进行处理的重要性因素：u＝{f 1，f 2, ...,, ...,f N}，其中，/>表示舱室/>的重要性因素；
定义模糊判断矩阵A=(a ij)N×N，矩阵中元素a ij表示一个重要性因素f i相对于另一个重要性因素f j的重要性程度，0.1<a ij<0.9，且，/>为舱室数量；
基于模糊判断矩阵A，计算各舱室重要性因素的权重系数：
；
；
其中：是一个向量，/>是向量中的元素，表示各舱室的重要性因素权重系数；
模糊判断矩阵A的特征矩阵W为：
；
其中：表示矩阵A的特征矩阵；/>是矩阵中的元素，表示因素f i相对于因素f j的特征系数；
定义矩阵A和W的一致性指数：
；
基于上述推导，对矩阵A和W进行一致性推导，判断矩阵A和W的一致性是否满足设计要求，若不满足设计要求，则重新设计新的模糊判断矩阵A并计算其特征矩阵W，计算更新后判断矩阵A和其特征矩阵W的一致性，直至满足设计要求，最终获得各舱室区域的重要性因素的权重系数：
；
基于获得的各舱室区域的权重系数，确定舱室通风控制优先级，并根据舱室控制优先级调节新风阀开度和各舱室区域末端送风向的设计风量值，改变各舱室送风量及送风量中的新风比例。
本发明一些实施例中，进一步包括以下步骤：
确定舱室在/>时刻的温度/>的控制范围：/>；/>，其中为舱室数量，/>为舱室温度最小值，/>为舱室温度最大值；
确定舱室在/>时刻的空气质量/>控制范围：/>；/>，其中/>为舱室数量，/>为舱室i要求的有害气体浓度最大值。
本发明一些实施例中，进一步包括以下步骤：
定义各舱室温度指标和空气质量指标控制优先级，因此有：
其中，表示各舱室温度指标重要性系数权重向量，/>表示各舱室空气质量指标重要权重性系数向量，其中/>表示舱室/>温度指标重要性权重系数，/>示舱室/>空气质量指标的重要性权重系数；/>；
根据温度指标重要性权重系数和空气质量重要性权重系数对舱室温度和舱室空气质量进行控制。
本发明一些实施例中，更新权重，并获得最终各舱室区域的重要性系数的方法包括：
确定一致性推导的可接受阈值，若一致性推导值大于该阈值，则重新设计模糊判断矩阵A中的权重，并重复计算以得到各舱室区域的重要性系数；若一致性推导值小于阈值表示可以接受当前得到的重要性系数，则采用计算获得的各舱室区域的重要性系数控制各舱室通风。
本发明一些实施例中，进一步包括以下步骤：
各舱室温度变化表示为：
；
其中：C i ρ是舱室i的空气热容，T i,t+1是下一时刻t+1的室内温度，R ij和R oi表示相邻舱室之间的热阻以及舱室i和室外之间的热阻，Ω i是与舱室i在空间上相邻的其他舱室的集合，是舱室i的变风量末端中送风箱的设计风量值，决定舱室i的实际送风量；T j,t是相邻舱室j的温度，T o,t是t时刻的室外空气温度，T c是空气处理机组的设定温度，c p是空气的比热，Q i,t是舱室i中居住者或电气设备产生的热增益，Δt是采样时间间隔；
各舱室污染物浓度变化表示为：
；
其中：V i,t+1是t+1时刻的气体污染物浓度，N i,t是时刻t舱室i中的人员数量，V g是气体污染物人均生成率，V mix,t是t时刻处混合空气的污染物浓度，可表示为：
；
其中：V o,t是t时刻的污染物的室外浓度，d t表示供风量中的新风比，用于调整各区域风量中新风的具体比例；
将每个舱室的分风阀定义为一个风阀智能体，为每个风阀智能体定义智能体控制动作a，智能体观测状态s以及智能体奖励r，及智能体控制目标为：最大化总收益；其中，/>表示舱室i对应的风阀智能体的奖励；
智能体观测状态：；
智能体控制动作：；
其中，T i,t为舱室i的室内温度，T o,t为海洋平台外部温度，为舱室j的室内温度，舱室j为为除舱室i以外的其余舱室，V i,t为舱室i室内污染物浓度，V o,t为室外污染物浓度，N i,t为舱室i室内人员数量，m i,t为舱室i的供风量，d t为新风阀开度；/>为各舱室区域送风箱设计风量的改变量，/>为新风阀开度的改变量；
定义对室内温度超出限制区域的惩罚：
；
当室内温度超出限制范围的最高温度时，，当室内温度低于限制范围的最低温度时，/>；
定义对室内空气质量超出安全范围的惩罚：
；
即，当室内空气质量超出限制范围时，；
智能体奖励r t部分为：
；
其中，为舱室/>温度指标重要性权重系数，/>为舱室/>空气质量指标的重要性权重系数，/>为舱室i在t时刻的奖励；
调整控制策略π，即调整智能体在当前的系统状态s下选择的控制动作a，使达到最大。
本发明一些实施例中，进一步包括以下步骤：
对当前的控制策略进行评价，即当前状态s下采取动作a获得的策略评价函数为：
；
其中γ是未来奖励r的折扣因子，0<γ<1；
将策略π参数化为π(s|θ)，其中θ是神经网络的参数；
因此有定义确定性策略：a=π(s|θ)，并设置策略目标函数J(θ)来评估当前的策略π(s|θ)，根据策略梯度定理，确定性策略梯度表示为：
；
采用Critic网络拟合策略评价函数，其中/>是神经网络的参数；Actor网络用于拟合策略π，使用时间差δ t方法进行更新：
；
其中：ω的更新公式为：
；
其中：是Critic网络的学习率，根据上述公式更新控制策略。
本发明提供的船舶或海洋平台用预制式舱室通风系统通风控制方法，其有益效果在于：
1、本发明提供的船舶或海洋平台用预制式舱室通风系统通风控制方法，基于各舱室的使用情况确定各舱室的控制需求，确定各舱室控制的优先级，并可以进一步确定舱室内部温度和空气质量控制的优先级，可以解决现有方法存在的成本高、通用性差，灵活性低，无法有效满足舱室多样化差异化通风需求以及无法实现特殊区域需求优先满足等问题。
2、本发明可以对海洋平台舱室中的温度和空气质量进行控制，满足平台中主舱室的散热和新风需求，同时可以为平台工作人员提供安全健康的工作及休息环境。
3、本发明可以同时对多个舱室进行通风，统一管理，分区控制，满足不同舱室多样化的通风需求，避免了建立热力学模型和典型区域通风量计算带来的成本，同时也避免了由于模型不准确而造成的误差。
4、本发明方法经过训练后，在任意通风环境和不同的控制需求下，都可以根据环境的变化自适应调节通风系统的控制策略，以提供安全健康的平台舱室环境，通用性强，灵活性高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为发明控制方法逻辑结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种船舶或海洋平台用预制式舱室通风系统通风控制方法，可用于海上船舶或海洋平台通风系统各舱室通风的控制。
通风系统包括空气处理机和安装在每个预制舱室内的风机，通风系统包括空气处理机和安装在每个有用风需求的舱室内的变风量末端，所述空气处理机包括新风阀，每个舱室内末端均包括一个送风箱，通过调节送风箱的设计风量值，可以调整每个舱室的送风量，调节新风阀开度即可调节各舱室送风量中的新风的比例；因此通过控制新风阀的开度和独立控制每个舱室内送风箱，可以对每个舱室进行个性化控制。
具体的说，本发明中的通风系统包含一个作用于整个海洋平台的空气处理机组和一系列安装在各舱室区域内变风量末端，其中空气处理机组由主风阀，冷却/加热盘管以及变频风机组成。本发明涉及的通风系统还包含新风管道、回风管道以及用于各舱室进行回风的回风机。本发明的通风管理办法是通过控制海洋平台通风系统中各舱室内的变风量末端送风箱的的设计风量值以及与空气处理机组中的新风阀开度，来维持各舱室的舱室环境质量，满足其通风需求。其中，各舱室内的变风量末端的供风量通过控制各舱室的新风阀来控制。
总的来说，本发明提出的预制式通风管理办法的控制原理为：首先需要根据各舱室的控制需求设计控制指标，部分舱室包含多个控制需求，需要综合考虑；其次对于需优先满足的舱室对象，设计重要性评价方法对各舱室的需求满足优先级进行定量评价；最后设计合理的控制方法实现多舱室安全健康的通风管理。
参考图1，具体的说，本发明提供的控制方法包括以下步骤。
1、海洋平台各舱室控制指标设计：
1）温度指标设计：
通常情况下选用各舱室的室内温度表示热舒适度，假设舱室i在t时刻的室内温度需要控制在以下范围内：
，其中/>为舱室数量，/>为舱室温度最小值，/>为舱室温度最大值.
2）空气质量指标设计：
假设舱室i在t时刻的室内空气质量(一般为二氧化碳或化学污染物浓度）需要控制在以下范围内：
；/>，其中/>为舱室数量，/>为有害气体浓度最大值。
2、预制式舱室优先通风方案设计
海洋平台一般规模较大，有通风需求的舱室较多，通风管理在负载较大时难以有效兼顾，对于重要的生产区域或生活区，为保证正常生产生活，需要对各区域重要性进行评价，设计通风处理的优先级，在通风供应不足时优先保证平台运行。本发明采用模糊层次分析法设计多级评价体系，定量评价目标和舱室间的优先级。具体设计过程分为两部分：
首先对于各舱室的多个控制目标，定量评价目标之间的优先级。对于有燃油发电机的主工作区，散热是必要条件；对于生活区，满意的室内空气质量是第一位。因此对于工作区散热需求较大优先考虑温度需求，对于新风需求较大的其他工作区或空气质量需求较高的生活区，则增大空气质量的重要性系数。
其次对于不同作用的舱室区域，不同区域的工作性质和内容决定重要性的不同，如发电间，电池间和变压器间等重要性高于储藏室，餐厅等，需要使用评价体系对不同的舱室区域的相对重要性进行定量评价。
本发明基于模糊层析分析法为不同区域和目标设计重要性系数的过程如下。
1)定义舱室中需经过通风进行处理的重要性因素：u＝{f 1，f 2, ...,, ...,f N}，其中，/>表示舱室/>的重要性因素。
选择同一层次的控制目标作为重要性评价因素。假设海洋平台中有个有通风需求的舱室区域，因此有/>个因素需要设计重要性系数，那么该重要性因素可以表示为u＝{f 1，f 2, ... ,f N}。
2)定义模糊判断矩阵A=(a ij)N×N表示一个重要性因素相对于另一个重要性因素的重要性权重，其中矩阵中元素a ij表示一个重要性因素f i相对于另一个重要性因素f j的重要性程度，0.1<a ij<0.9，且，/>为舱室数量。
例如，该矩阵具有以下特性：
其中a ij可以通过0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9的9个量级来定量表示。值越大，相对重要性就越高。基于这种定量评估方法，可以成对地比较评估不同因素间相对的重要性，以获得判断模糊判断矩阵。
3）基于模糊判断矩阵，计算各舱室重要性因素的权重系数：
；
；
其中：是一个向量，/>是向量中的元素，表示表示各舱室的重要性因素权重系数。
模糊判断矩阵的特征矩阵W为：
；
其中：表示矩阵A的特征矩阵；/>是矩阵中的元素，表示因素f i相对于因素f j的特征系数；
定义矩阵A和W的一致性指数：
；
基于上述推导，对矩阵A和W进行一致性推导，判断矩阵A和W的一致性是否满足设计要求，若不满足设计要求，则重新设计新的模糊判断矩阵A并计算其特征矩阵W，计算更新后判断矩阵A和其特征矩阵W的一致性，直至满足设计要求，最终获得各舱室区域的重要性因素的权重系数：
。
基于获得的各舱室区域的权重系数，确定舱室通风控制优先级，并根据舱室控制优先级调节新风阀开度，改变各舱室送风量及送风量中的新风比例。各舱室送风箱的送风量，可以根据需要控制。
4）一致性检查步骤。
对矩阵A和W进行一致性推导，更新权重，并获得最终各舱室区域的重要性系数：
；
基于各舱室区域的重要性系数，确定舱室控制优先级，并根据舱室控制优先级控制主风阀开度及每个舱室末端送风箱的设计风量值。
本发明一些实施例中，进一步包括以下步骤：
定义各舱室温度指标和空气质量指标控制优先级，因此有：
其中，表示各舱室温度指标重要性系数权重向量，/>表示各舱室空气质量指标重要权重性系数向量，其中/>表示舱室/>温度指标重要性权重系数，/>示舱室/>空气质量指标的重要性权重系数；/>。
根据温度指标重要性系数和空气质量重要性系数对舱室温度和舱室空气质量进行控制。
本发明一些实施例中，还包括以下控制步骤。
更新权重，并获得最终各舱室区域的重要性系数的方法包括：
确定一致性推到阈值，若一致性推导值大于一致性推导阈值，则更新权重，重新计算各舱室区域的重要性系数，若一致性推导值小于一致性推导阈值，则采用计算获得的各舱室区域的重要性系数控制各舱室通风。
本发明一些实施例中，进一步包括以下步骤。
4）预制式多舱室通风控制方法设计
本发明采用无模型的连续型强化学习为海洋平台的机械通风系统设计控制方法。将通风系统看作一个可以自适应学习的智能体，通过与环境的交互习得有效的控制策略，可以根据控制目标自动调节控制动作，满足各区域的控制需求。将海洋平台的通风问题转化为强化学习问题，需要为智能体定义控制动作a，状态s以及奖励r，智能体的目标就是最大化总收益。同时设计合适的神经网络以学习和拟合动作与输出之间的关系。
具体的说，各舱室温度变化表示为：
；
其中：C i ρ是舱室i的空气热容，T i,t+1是下一时刻t+1的室内温度，R ij和R oi表示相邻舱室之间的热阻以及舱室i和室外之间的热阻，Ω i是与舱室i在空间上相邻的其他舱室的集合，是舱室i的变风量末端中送风箱的设计风量值，决定舱室i的实际送风量；T j,t是相邻舱室j的温度，T o,t是t时刻的室外空气温度，T c是空气处理机组的设定温度，c p是空气的比热，Q i,t是舱室i中居住者或电气设备产生的热增益，Δt是采样时间间隔；
各舱室污染物浓度变化表示为：
；
其中：V i,t+1是t+1时刻的气体污染物浓度，N i,t是时刻t舱室i中的人员数量，V g是气体污染物人均生成率（当污染物为二氧化碳时，人体生成为主要来源），V mix,t是t时刻处混合空气的污染物浓度，可表示为：
；
其中：V o,t是t时刻的污染物的室外浓度，d t表示供风量中的新风比；可通过空气处理机组中的新风阀进行调节，用于调整各区域风量中新风的具体比例。
根据以上分析，可以设计智能体的状态s、动作a以及奖励r。具体包括以下步骤。
将每个舱室的分风阀定义为一个风阀智能体，为每个风阀智能体定义智能体控制动作a，智能体观测状态s以及智能体奖励r，及智能体控制目标为：最大化总收益；其中，/>表示舱室i对应的风阀智能体的奖励。
1）智能体观测状态：；
2）智能体控制动作：。
其中，T i,t为舱室i的室内温度，T o,t为海洋平台外部温度，为舱室j的室内温度，舱室j为为除舱室i以外的其余舱室，V i,t为舱室i室内污染物浓度，V o,t为室外污染物浓度，N i,t为舱室i室内人员数量，m i,t为舱室i的供风量，d t为新风阀开度；/>为主风阀供风量的改变量，/>为新风阀开度的改变量。这里的改变量，指相对于上一时刻的风阀供风量和新风阀开度，因此下一时刻即t+1时刻的量就等于t时刻的量加上各自的改变量，即：
3）根据所提出的重要性系数，强化学习的学习特点以及控制目标设计强化学习智能体的奖励，本发明中奖励r的定义主要与以下的两个部分有关，一个是对各舱室内温度超出控制范围的惩罚，另一个是对各个舱室区域内室内空气质量超出安全范围的惩罚。
定义对室内温度超出限制区域的惩罚：
；
当室内温度超出限制范围的最高温度时，，当室内温度低于限制范围的最低温度时，/>；
定义对室内空气质量超出安全范围的惩罚：
；
即，当室内空气质量超出限制范围时，；
智能体奖励r t部分为：
；
其中，为舱室/>温度指标重要性权重系数，/>为舱室/>空气质量指标的重要性权重系数，/>为舱室i在t时刻的奖励；
调整控制策略π，即调整智能体在当前的系统状态s下选择的控制动作a，使达到最大。
本发明一些实施例中，进一步包括以下步骤。
采用强化学习中的双延迟深度确定性策略梯度算法，该算法结合了基于值和基于策略两大类强化学习方法的特点，包含两个负责选择控制策略的Actor网络和四个负责评价控制策略的Critic网络。所有网络的结构相同，都包含一个输入层，两个隐藏层和一个输出层。每个网络都采用Adam优化器来更新网络权重，并选择ReLU作为激活函数来提高网络的学习能力。智能体探索噪声为ε ~(0,σ)。目标策略网络的噪声为ε~clip((0,σ), -c, c)。延迟策略更新步数为d。一次训练即一个episode包含L个时间步。
对控制策略进行评价，即在状态s下采取动作a的策略评价函数定义为：
；
其中γ是未来奖励r的折扣因子，0<γ<1；
策略梯度经常用于具有大且连续动作空间的复杂控制问题，以获得最优策略，该最优策略将策略π参数化为π(s|θ)，其中θ是神经网络的参数。确定性策略被定义为a=π(s|θ)，并设置策略目标函数J(θ)来评估当前的策略π(s|θ)。根据策略梯度定理，确定性策略梯度表示为：
；
采用Critic网络拟合策略评价函数，ω是Critic网络的参数；Actor网络用于拟合策略π，使用时间差δ t方法进行更新：
；
其中：ω的更新公式为：
；
其中：是Critic网络的学习率，根据上述公式更新控制策略。
本发明的预制式通风控制方法具体流程包含两个部分，首先需要根据上述内容设计智能体相关变量和训练的相关参数，另一部分是基于当前的控制方法，结合深度学习和强化学习训练智能体，最终获得满足各舱室安全健康的通风控制策略。这里需要注意的是，训练结束后获得的是六个网络的参数，包括两个Actor网络的参数θ'，θ，和四个Critic网络的参数ω 1 '，ω 1，ω 2 '，ω 2。而不是具体的控制策略，因为海洋平台的环境多变，智能体学习到的是在动态环境中如何选择动作，使得平台内个各舱室环境时刻满足安全健康的控制目标。
整个训练过程由以下几个步骤构成：
S1：初始化经验池D的容量M和海洋平台通风系统环境；定义动作随机时间步为k；
S2：采用随机参数θ，ω 1，ω 2初始化当前Actor网络π θ和当前Critic网络Q ω1，Q ω2 。
S3：初始化目标网络参数：；
S4：定义Y个episode, 对于第j个episode，首先初始化智能体的状态s；
S5：每个episode有L个时间步，对于1到L个时间步有：
S6：对于t时刻，如果1 ≤t≤k，在动作空间中随机选择动作值a；
S7：如果t ≥k，根据,其中ε~(0,σ)选择动作值；
S8：平台通风系统执行动作a，得到环境给出的奖励r和下一时刻状态s’；
S7：将状态转移对(s,a,r,s’)存储在经验池D中，并从经验池中进行批量大小为B的采样用于智能体训练；
S8：根据，其中ε~ clip((0,σ), -c,c)获得下一时刻的动作值，更新目标价值函数/>；
S9：更新两个当前Critic网络的参数：;
S10：当t是d的倍数时，满足该控制方法延迟更新条件时，基于确定性策略梯度更新当前Actor网络的参数：;
S11：更新目标Actor网络和两个目标Critic网络的参数：；
S12：重复S6~S11，直至t=L；
S13：重复S5~S12，直至j=Y。
2)当控制方法训练结束后，即可用于海洋平台通风系统对各舱室环境的实时控制，控制过程如下：
S1：根据平台当前时刻的环境，智能体获取到状态s；
S2：加载训练后的网络参数θ，θ’，ω 1，ω 1’，ω 2，ω 2 ’；
S2：智能体根据网络给出的策略a~和当前的状态s选择动作a；
S3：通风系统智能体执行该动作a，各舱室环境改变，智能体获得下一刻的环境状态s’和奖励r。
由于使用训练后的网络获得控制策略，因此根据所得控制策略选择的动作执行后，各舱室的环境满足控制需求。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种船舶或海洋平台用预制式舱室通风系统通风控制方法，其特征在于，所述通风系统包括空气处理机和安装在每个有用风需求的舱室内的变风量末端，所述空气处理机包括新风阀，每个舱室内末端均包括一个送风箱，所述控制方法包括以下步骤：
定义舱室中需经过通风进行处理的重要性因素：u＝{f 1，f 2, ...,, ...,f N}，其中，表示舱室/>的重要性因素；
定义模糊判断矩阵A=(a ij)N×N，矩阵中元素a ij表示一个重要性因素f i相对于另一个重要性因素f j的重要性程度，0.1<a ij<0.9，且，/>为舱室数量；
基于模糊判断矩阵A，计算各舱室重要性因素的权重系数：
；
；
其中：是一个向量，/>是向量中的元素，表示各舱室的重要性因素权重系数；
模糊判断矩阵A的特征矩阵W为：
；
其中：表示矩阵A的特征矩阵；/>是矩阵中的元素，表示因素f i相对于因素f j的特征系数；
定义矩阵A和W的一致性指数：
；
基于上述推导，对矩阵A和W进行一致性推导，判断矩阵A和W的一致性是否满足设计要求，若不满足设计要求，则重新设计新的模糊判断矩阵A并计算其特征矩阵W，计算更新后判断矩阵A和其特征矩阵W的一致性，直至满足设计要求，最终获得各舱室区域的重要性因素的权重系数：
；
基于获得的各舱室区域的权重系数，确定舱室通风控制优先级，并根据舱室控制优先级调节新风阀开度和各舱室末端送风箱风量设计值，改变各舱室送风量及送风量中的新风比例。
2.如权利要求1所述的船舶或海洋平台用预制式舱室通风系统通风控制方法，其特征在于，进一步包括以下步骤：
确定舱室在/>时刻的温度/>的控制范围：/>；/>，其中/>为舱室数量，/>为舱室温度最小值，/>为舱室温度最大值；
确定舱室在/>时刻的空气质量/>控制范围：/>；/>，其中/>为舱室数量，/>为舱室i要求的有害气体浓度最大值。
3.如权利要求1或2中任意一项所述的船舶或海洋平台用预制式舱室通风系统通风控制方法，其特征在于，进一步包括以下步骤：
定义各舱室温度指标和空气质量指标控制优先级，因此有：
其中，表示各舱室温度指标重要性系数权重向量，/>表示各舱室空气质量指标重要权重性系数向量，其中/>表示舱室/>温度指标重要性权重系数，/>示舱室/>空气质量指标的重要性权重系数；/>；
根据温度指标重要性权重系数和空气质量重要性权重系数对舱室温度和舱室空气质量进行控制。
4.如权利要求1所述的船舶或海洋平台用预制式舱室通风系统通风控制方法，其特征在于，更新权重，并获得最终各舱室区域的重要性系数的方法包括：
确定一致性推导的可接受阈值，若一致性推导值大于该阈值，则重新设计模糊判断矩阵A中的权重，并重复计算以得到各舱室区域的重要性系数；若一致性推导值小于阈值表示可以接受当前得到的重要性系数，则采用计算获得的各舱室区域的重要性系数控制各舱室通风。
5.如权利要求3所述的船舶或海洋平台用预制式舱室通风系统通风控制方法，其特征在于，进一步包括以下步骤：
各舱室温度变化表示为：
；
其中：C i ρ是舱室i的空气热容，T i,t+1是下一时刻t+1的室内温度，R ij和R oi表示相邻舱室之间的热阻以及舱室i和室外之间的热阻，Ω i是与舱室i在空间上相邻的其他舱室的集合，是舱室i的变风量末端中送风箱的设计风量值，决定舱室i的实际送风量；T j,t是相邻舱室j的温度，T o,t是t时刻的室外空气温度，T c是空气处理机组的设定温度，c p是空气的比热，Q i,t是舱室i中居住者或电气设备产生的热增益，Δt是采样时间间隔；
各舱室污染物浓度变化表示为：
；
其中：V i,t+1是t+1时刻的气体污染物浓度，N i,t是时刻t舱室i中的人员数量，V g是气体污染物人均生成率，V mix,t是t时刻处混合空气的污染物浓度，可表示为：
；
其中：V o,t是t时刻的污染物的室外浓度，d t表示供风量中的新风比，用于调整各区域风量中新风的具体比例；
将每个舱室的分风阀定义为一个风阀智能体，为每个风阀智能体定义智能体控制动作a，智能体观测状态s以及智能体奖励r，及智能体控制目标为：最大化总收益；其中，/>表示舱室i对应的风阀智能体的奖励；
智能体观测状态：；
智能体控制动作：；
其中，T i,t为舱室i的室内温度；T o,t为海洋平台外部温度；为舱室j的室内温度，舱室j为除舱室i以外的其余舱室，V i,t为舱室i室内污染物浓度，V o,t为室外污染物浓度，N i,t为舱室i室内人员数量，m i,t为舱室i的供风量，d t为新风阀开度；/>为各舱室区域送风箱设计风量的改变量，/>为新风阀开度的改变量；
定义对室内温度超出限制区域的惩罚：
；
当室内温度超出限制范围的最高温度时，，当室内温度低于限制范围的最低温度时，/>；
定义对室内空气质量超出安全范围的惩罚：
；
即，当室内空气质量超出限制范围时，；
智能体奖励r t部分为：
；
其中，为舱室/>温度指标重要性权重系数，/>为舱室/>空气质量指标的重要性权重系数，为舱室i在t时刻的奖励；
调整控制策略π，即调整智能体在当前的系统状态s下选择的控制动作a，使达到最大。
6.如权利要求5所述的船舶或海洋平台用预制式舱室通风系统通风控制方法，其特征在于，进一步包括以下步骤：
对当前的控制策略进行评价，即当前状态s下采取动作a获得的策略评价函数为：
；
其中γ是未来奖励r的折扣因子，0<γ<1；
将策略π参数化为π(s|θ)，其中θ是神经网络的参数；
因此有定义确定性策略：a=π(s|θ)，并设置策略目标函数J(θ)来评估当前的策略π(s|θ)，根据策略梯度定理，确定性策略梯度表示为：
；
采用Critic网络拟合策略评价函数，其中/>是神经网络的参数；Actor网络用于拟合策略π，使用时间差δ t方法进行更新：
；
其中：ω的更新公式为：
；
其中：是Critic网络的学习率，根据上述公式更新控制策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311286903.6A CN117022633B (zh) | 2023-10-08 | 2023-10-08 | 船舶或海洋平台用预制式舱室通风系统通风控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311286903.6A CN117022633B (zh) | 2023-10-08 | 2023-10-08 | 船舶或海洋平台用预制式舱室通风系统通风控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117022633A true CN117022633A (zh) | 2023-11-10 |
| CN117022633B CN117022633B (zh) | 2024-02-20 |
Family
ID=88630305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311286903.6A Active CN117022633B (zh) | 2023-10-08 | 2023-10-08 | 船舶或海洋平台用预制式舱室通风系统通风控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117022633B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112141313A (zh) * | 2020-09-27 | 2020-12-29 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 一种面向多海员定制的舱室环境控制方法及系统 |
| KR20220019469A (ko) * | 2020-08-10 | 2022-02-17 | 삼성중공업 주식회사 | 환기 제어 시스템 및 방법 |
| CN114265306A (zh) * | 2021-12-24 | 2022-04-01 | 中国海洋大学 | 海洋平台通风系统在线风平衡控制方法及控制系统 |
| CN114484822A (zh) * | 2022-02-10 | 2022-05-13 | 中国海洋大学 | 基于温度和硫化氢浓度控制的海洋平台通风系统控制方法 |
| CN115743504A (zh) * | 2023-01-07 | 2023-03-07 | 中国海洋大学 | 一种海洋平台多舱室通风多目标优化控制方法 |
| CN115773569A (zh) * | 2023-02-10 | 2023-03-10 | 中国海洋大学 | 基于自抗扰解耦的海洋平台通风系统风量控制方法 |
| CN115892431A (zh) * | 2023-01-12 | 2023-04-04 | 江南造船(集团)有限责任公司 | 一种船舶智能通风系统 |
| CN115959277A (zh) * | 2023-01-12 | 2023-04-14 | 江南造船(集团)有限责任公司 | 一种船舶通风系统及其控制方法 |
| CN115973395A (zh) * | 2023-03-10 | 2023-04-18 | 南通沪通海洋科技有限公司 | 一种用于船舶船舱的通风系统及设计方法 |
| CN116738764A (zh) * | 2023-08-08 | 2023-09-12 | 中国海洋大学 | 一种基于奇异值阈值算法的海洋平台舱室舒适度评估方法 |
-
2023
- 2023-10-08 CN CN202311286903.6A patent/CN117022633B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220019469A (ko) * | 2020-08-10 | 2022-02-17 | 삼성중공업 주식회사 | 환기 제어 시스템 및 방법 |
| CN112141313A (zh) * | 2020-09-27 | 2020-12-29 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 一种面向多海员定制的舱室环境控制方法及系统 |
| CN114265306A (zh) * | 2021-12-24 | 2022-04-01 | 中国海洋大学 | 海洋平台通风系统在线风平衡控制方法及控制系统 |
| CN114484822A (zh) * | 2022-02-10 | 2022-05-13 | 中国海洋大学 | 基于温度和硫化氢浓度控制的海洋平台通风系统控制方法 |
| CN115743504A (zh) * | 2023-01-07 | 2023-03-07 | 中国海洋大学 | 一种海洋平台多舱室通风多目标优化控制方法 |
| CN115892431A (zh) * | 2023-01-12 | 2023-04-04 | 江南造船(集团)有限责任公司 | 一种船舶智能通风系统 |
| CN115959277A (zh) * | 2023-01-12 | 2023-04-14 | 江南造船(集团)有限责任公司 | 一种船舶通风系统及其控制方法 |
| CN115773569A (zh) * | 2023-02-10 | 2023-03-10 | 中国海洋大学 | 基于自抗扰解耦的海洋平台通风系统风量控制方法 |
| CN115973395A (zh) * | 2023-03-10 | 2023-04-18 | 南通沪通海洋科技有限公司 | 一种用于船舶船舱的通风系统及设计方法 |
| CN116738764A (zh) * | 2023-08-08 | 2023-09-12 | 中国海洋大学 | 一种基于奇异值阈值算法的海洋平台舱室舒适度评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117022633B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107726358B (zh) | 基于cfd数值模拟和智能建模的锅炉燃烧优化系统及方法 | |
| Wang | Dynamic simulation of building VAV air-conditioning system and evaluation of EMCS on-line control strategies | |
| CN116610037B (zh) | 海洋平台通风系统的风量综合优化控制方法 | |
| CN114484822B (zh) | 基于温度和硫化氢浓度控制的海洋平台通风系统控制方法 | |
| CN106920006A (zh) | 一种基于isoa‑lssvm的地铁站空调系统能耗预测方法 | |
| CN106765959A (zh) | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 | |
| Merabti et al. | A review of control systems for energy and comfort management in buildings | |
| CN105697166A (zh) | 用于根据催化转化器性能控制空气燃料比的系统和方法 | |
| Chao et al. | Fuzzy logic controller design for staged heating and ventilating systems | |
| Haves | Model predictive control of HVAC systems: Implementation and testing at the University of California, Merced | |
| CN117022633B (zh) | 船舶或海洋平台用预制式舱室通风系统通风控制方法 | |
| Desmira et al. | Laboratory prediction energy control system based on artificial intelligence network | |
| CN117190173B (zh) | 烟气再循环与锅炉耦合系统的优化控制方法及控制系统 | |
| Xiong et al. | Model free optimization of building cooling water systems with refined action space | |
| CN116049938A (zh) | 一种基于多因素指数和gm灰色系统的建筑能耗预测方法 | |
| Shaikh et al. | Indoor building fuzzy control of energy and comfort management | |
| US20220325913A1 (en) | Control system for medium-sized commercial buildings | |
| CN115978726A (zh) | 一种恒温恒湿空调系统预测优化控制算法及装置 | |
| Mahdavi et al. | A computational environment for performance-based building enclosure design and operation | |
| Agamy et al. | Neural fuzzy control of the indoor air quality onboard a RO–RO ship garage | |
| Groumpos et al. | New advanced technology methods for energy efficiency of buildings | |
| Building load control and optimization | ||
| Bretones et al. | A Fuzzy Controller for Thermal Comfort and Indoor Air Quality in a Bioclimatic Building | |
| CN118361831B (zh) | 基于物联网和强化学习的多区域建筑环境调控系统及方法 | |
| Thirumal et al. | Optimization of Indoor Air Quality Characteristics in an Air-Conditioned Car Using Multi-objective Genetic Algorithm |
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 |