太阳能溴化锂制冷机组的整体建模与最优控制一体化方法技术

本发明专利技术公开了太阳能溴化锂制冷机组的整体建模与最优控制一体化方法，包括：确定输入变量；重构所述输入变量；确定整体建模的输出变量；确定内部运行参数优化变量和外部过程控制变量；确定太阳能溴化锂制冷机组内部运行参数和外部过程控制变量优化的目标函数；将最优内部运行参数下发给太阳能溴化锂制冷机组控制系统并运行，将最优外部过程变量下发到两个控制回路的控制器，控制器采用数据驱动PID算法快速跟踪最优外部过程变量值。有效解决了太阳能溴化锂制冷机组难建模、难优化、难控制的技术难题，使太阳能溴化锂制冷机组在不同工况和负载下都能在最优参数和高效区运行，有效提高了太阳能溴化锂制冷机组的制冷效率和安全稳定性。

Integrated modeling and optimal control of solar lithium bromide refrigeration unit

The invention discloses an integrated method for overall modeling and optimal control of a solar lithium bromide refrigeration unit, including: determining input variables; reconstructing the input variables; determining the output variables of the overall modeling; determining the optimization variables of the internal operation parameters and the external process control variables; and determining the internal of the solar lithium bromide refrigeration unit. The optimal internal operating parameters are sent to the control system of the solar lithium bromide refrigeration unit to run, and the optimal external process variables are sent to the controllers of two control loops. . Solar Lithium Bromide Refrigeration Unit is difficult to model, optimize and control. It makes the solar Lithium Bromide Refrigeration Unit run in the optimal parameters and high efficiency area under different working conditions and loads, and effectively improves the refrigeration efficiency and safety and stability of solar Lithium Bromide Refrigeration Unit.

【技术实现步骤摘要】
太阳能溴化锂制冷机组的整体建模与最优控制一体化方法
本专利技术涉及太阳能溴化锂制冷
，尤其涉及太阳能溴化锂制冷机组的整体建模与最优控制一体化方法。
技术介绍
能源紧缺、环境污染和气候变化是制约当今世界经济和社会可持续发展的重要因素，能源和环境问题已成为国内外高度关注的重大战略问题。而太阳能绿色清洁、可持续利用的能源，容易获取并安全可靠。太阳能溴化锂制冷机组利用太阳能集热技术将太阳能转化为热能，并利用热能驱动溴化锂机组制冷，实现建筑的低碳环保化运行，且运行成本低，是绿色建筑发展的重要方向，太阳能溴化锂制冷机组具有良好的发展前景。然而，太阳能溴化锂制冷机组是一个典型的多能量流输入、多能量流输出、多级信息流、多种设备耦合的复杂能源转换系统，它具有强非线性、参数时变、大惯性、大延迟及多变量耦合特点，太阳能溴化锂制冷机组能否高效、经济、环保运行，取决于太阳能溴化锂制冷机组的整体建模、参数优化及最优控制方法。太阳能溴化锂制冷机组的多设备耦合，难以建立溴化锂制冷机组的整体运行模型以准确描述机组运行的规律特性。同时，太阳能溴化锂制冷机组工况复杂，在不同工况和负载下，溴化锂制冷机组的效能参数和运行参数差异较大，但现有产品都是在固定运行参数下运行未实现实时优化。因此，在不同工况和负载下实时优化溴化锂机组的最佳内部运行参数和外部过程变量也是影响机组高效运行的关键因素。在最优运行参数的目标值基础上，采用先进控制算法控制系统快速、准确跟踪外部过程变量目标值更是机组高效稳定运行的决定性因素。但目前国内外文献和产品还未有涉及到太阳能溴化锂制冷机组的整体建模、参数优化及最优控制的一体化设计方法。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种太阳能溴化锂制冷机组的整体建模与最优控制一体化方法，给出了太阳能溴化锂制冷机组整体建模方法和运行参数实时优化方法在最优内部运行参数和外部控制变量的基础上，运用数据驱动PID算法快速跟踪最优外部控制变量目标值，以实现太阳能溴化锂在不同工况和负载下都能高效、安全稳定运行。为了实现上述目的，本专利技术采用如下技术方案：太阳能溴化锂制冷机组的整体建模方法，包括以下步骤：步骤一：确定太阳能溴化锂制冷机组的整体建模的输入变量Ri；步骤二：利用C-C方法相空间重构所述输入变量Ri；步骤三：确定太阳能溴化锂制冷机组的整体建模的输出变量Si；步骤四：基于深度学习方法建立太阳能溴化锂制冷机组的整体模型。所述步骤一中的输入变量Ri为:Ri＝[TTYN-C,TTYN-J,LTYN,TKTS-C,TKTS-J,LKTS,TLQS-C,TLQS-J,LLQS,TFSQ,WFSQ,TXSQ,WXSQ,TZLJ,LZLJ,TXHL,LXHL,NXHL,TZFQ,YZFQ]；其中：TTYN-C为太阳能热水出溴化锂机组温度值，TTYN-J为太阳能热水进溴化锂机组温度值，LTYN为太阳能热水进溴化锂机组的流量值，TKTS-C为空调制冷水出溴化锂机组的温度值，TKTS-J为空调制冷水进溴化锂机组的温度值，LKTS为空调制冷水出溴化锂机组的流量值，TLQS-C为冷却水出溴化锂机组的温度值，TLQS-J为冷却水进溴化锂机组的温度值，LLQS为冷却水进溴化锂机组的流量值，TFSQ为溴化锂机组发生器内的温度值，WFSQ为溴化锂机组发生器内的液位值，TXSQ为溴化锂机组吸收器内的温度值，WXSQ为溴化锂机组吸收器内的液位值，TZLJ为制冷剂的温度值，LZLJ为制冷剂的流量值，TXHL为溴化锂溶液的温度值，LXHL为溴化锂溶液的流量值，NXHL为溴化锂溶液的浓度值，TZFQ为溴化锂机组蒸发器内的温度值，YZFQ为溴化锂机组蒸发器的压力值。所述步骤二中，采用C-C方法相空间重构太阳能溴化锂制冷机组的整体建模的输入变量时间序列Ri，设定Ri的延迟时间ti和嵌入维数mi，将太阳能溴化锂制冷机组的整体建模的输入变量Ri统一表达为ri＝[ri(t),ri(t-ti),…,ri(t-(mi-1)ti)]；将Ri特征数据表达为20×mi的输入变量时间序列向量ri。所述步骤三中，太阳能溴化锂制冷机组的整体建模的输出变量Si为:Si＝[COP,PKTS,PTYN,PLQS]；其中：COP为太阳能溴化锂机组的效率参数值，PKTS为太阳能溴化锂机组生产空调冷水功率值，PTYN为输入到太阳能溴化锂机组的太阳能热水功率，PLQS为太阳能溴化锂机组的冷却水功率。所述步骤四的具体方法为：步骤4.1，构造基于RBM的5层DBN，包括1个输入层，3个隐藏层和1个决策层；步骤4.2，指定DBN的输入层节点数为20×3600；第一个隐藏层节点数为500；第二个隐藏层节点数为500；第三个隐藏层节点数为1000；决策层的节点数为4；步骤4.3，使用对比散度CD算法对DBN的5层进行逐层训练，计算3个隐藏层和1个决策层的输出值和各层之间的权值及偏置；步骤4.4，使用BP算法对整个DBN进行调整，优化DBN参数，完成DBN全局训练；训练的最优权值和偏置，得出太阳能溴化锂机组的整体模型参数Mi。基于太阳能溴化锂制冷机组的整体建模方法的最优控制一体化方法，包括：步骤1，确定太阳能溴化锂制冷机组的内部运行参数优化变量Ei和外部过程控制变量Ci；步骤2，确定太阳能溴化锂制冷机组的实时优化的目标函数；步骤3，采用自适应混沌粒子群优化算法求解太阳能溴化锂制冷机组的最优内部运行参数参数值和外部过程控制变量值步骤4，将最优内部运行参数下发给太阳能溴化锂制冷机组控制系统并运行，将最优外部过程变量下发到两个控制回路的控制器，控制器采用数据驱动PID算法快速跟踪最优外部过程变量值。所述步骤1中，太阳能溴化锂制冷机组的内部运行参数优化变量Ei和外部过程控制变量Ci具体为：Ei＝[YZFQ,TTYN-J,LTYN,LKTS,LLQS,TLQS-J,LXHL,TXHL,LZLJ,TZLJ]；Ci＝[TKTS-C,NXHL]；其中：YZFQ为溴化锂机组蒸发器的压力值，TTYN-J为太阳能热水进溴化锂机组温度值，LTYN为太阳能热水进溴化锂机组的流量值，TKTS-C为空调制冷水出溴化锂机组的温度值，LKTS为空调制冷水出溴化锂机组的流量值，LLQS为冷却水进溴化锂机组的流量值，TLQS-J为冷却水进溴化锂机组的温度值，LXHL为溴化锂溶液的流量值，TXHL为溴化锂溶液的温度值，NXHL为溴化锂溶液的浓度值，LZLJ为制冷剂的流量值，TZLJ为制冷剂的温度值。所述步骤2中的目标函数为运行成本NPV最低，MinNPVBR＝RCbr+Com+Ce，式中：NPVBR为冷热电联供系统年运行成本，单位:元；R为投资回收系数，其中，l为年利率，m为设备使用年限；Cbr为太阳能溴化锂制冷机组的投资总额，单位：元，Com为太阳能溴化锂制冷机组的维修管理费用，包括设备维护与维修费用、管理人员费用，单位：元；Ce＝Je(PZKB+PKTSB+PLQSB+PXHLB+PZLJB+PLQFS)式中，Ce为太阳能溴化锂制冷机组的用电成本，单位：元；Je为用电价格，单位：元/kWh；PZKB为溴化锂机组抽真空泵耗电量，单位：kWh；PKTSB为溴化锂机组空调水泵耗电量，单位：kWh；PLQSB为溴化锂机组冷却水水泵耗电量，单位：kW本文档来自技高网...

【技术保护点】
1.太阳能溴化锂制冷机组的整体建模方法，其特征是，包括以下步骤：步骤一：确定太阳能溴化锂制冷机组的整体建模的输入变量Ri；步骤二：利用C‑C方法相空间重构所述输入变量Ri；步骤三：确定太阳能溴化锂制冷机组的整体建模的输出变量Si；步骤四：基于深度学习方法建立太阳能溴化锂制冷机组的整体模型。

【技术特征摘要】
1.太阳能溴化锂制冷机组的整体建模方法，其特征是，包括以下步骤：步骤一：确定太阳能溴化锂制冷机组的整体建模的输入变量Ri；步骤二：利用C-C方法相空间重构所述输入变量Ri；步骤三：确定太阳能溴化锂制冷机组的整体建模的输出变量Si；步骤四：基于深度学习方法建立太阳能溴化锂制冷机组的整体模型。2.如权利要求1所述太阳能溴化锂制冷机组的整体建模方法，其特征是，所述步骤一中的输入变量Ri为:Ri＝[TTYN-C,TTYN-J,LTYN,TKTS-C,TKTS-J,LKTS,TLQS-C,TLQS-J,LLQS,TFSQ,WFSQ,TXSQ,WXSQ,TZLJ,LZLJ,TXHL,LXHL,NXHL,TZFQ,YZFQ]；其中：TTYN-C为太阳能热水出溴化锂机组温度值，TTYN-J为太阳能热水进溴化锂机组温度值，LTYN为太阳能热水进溴化锂机组的流量值，TKTS-C为空调制冷水出溴化锂机组的温度值，TKTS-J为空调制冷水进溴化锂机组的温度值，LKTS为空调制冷水出溴化锂机组的流量值，TLQS-C为冷却水出溴化锂机组的温度值，TLQS-J为冷却水进溴化锂机组的温度值，LLQS为冷却水进溴化锂机组的流量值，TFSQ为溴化锂机组发生器内的温度值，WFSQ为溴化锂机组发生器内的液位值，TXSQ为溴化锂机组吸收器内的温度值，WXSQ为溴化锂机组吸收器内的液位值，TZLJ为制冷剂的温度值，LZLJ为制冷剂的流量值，TXHL为溴化锂溶液的温度值，LXHL为溴化锂溶液的流量值，NXHL为溴化锂溶液的浓度值，TZFQ为溴化锂机组蒸发器内的温度值，YZFQ为溴化锂机组蒸发器的压力值。3.如权利要求1或2所述太阳能溴化锂制冷机组的整体建模方法，其特征是，所述步骤二中，采用C-C方法相空间重构太阳能溴化锂制冷机组的整体建模的输入变量时间序列Ri，设定Ri的延迟时间ti和嵌入维数mi，将太阳能溴化锂制冷机组的整体建模的输入变量Ri统一表达为ri＝[ri(t),ri(t-ti),…,ri(t-(mi-1)ti)]；将Ri特征数据表达为20×mi的输入变量时间序列向量ri。4.如权利要求1所述太阳能溴化锂制冷机组的整体建模方法，其特征是，所述步骤三中，太阳能溴化锂制冷机组的整体建模的输出变量Si为:Si＝[COP,PKTS,PTYN,PLQS]；其中：COP为太阳能溴化锂机组的效率参数值，PKTS为太阳能溴化锂机组生产空调冷水功率值，PTYN为输入到太阳能溴化锂机组的太阳能热水功率，PLQS为太阳能溴化锂机组的冷却水功率。5.如权利要求1所述太阳能溴化锂制冷机组的整体建模方法，其特征是，所述步骤四的具体方法为：步骤4.1，构造基于RBM的5层DBN，包括1个输入层，3个隐藏层和1个决策层；步骤4.2，指定DBN的输入层节点数为20×3600；第一个隐藏层节点数为500；第二个隐藏层节点数为500；第三个隐藏层节点数为1000；决策层的节点数为4；步骤4.3，使用对比散度CD算法对DBN的5层进行逐层训练，计算3个隐藏层和1个决策层的输出值和各层之间的权值及偏置；步骤4.4，使用BP算法对整个DBN进行调整，优化DBN参数，完成DBN全局训练；训练的最优权值和偏置，得出太阳能溴化锂机组的整体模型参数Mi。6.基于权利要求1所述太阳能溴化锂制冷机组的整体建模方法的最优控制一体化方法，其特征是，包括：步骤1，确定太阳能溴化锂制冷机组的运行参数优化变量Ei和控制目标变量Ci；步骤2，确定太阳能溴化锂制冷机组运行参数优化的目标函数；步骤3，采用自适应混沌粒子群优化算法求解太阳能溴化锂制冷机组的最优运行参数参数目标值和控制目标变量步骤4，将最优内部运行参数下发给太阳能溴化锂制冷机组控制系统并运行，将最优外部过程变量下发到两个控制回路的控制器，控制器采用数据驱动PID算法快速跟踪最优外部过程变量值。7.如权利要求6所述的最优控制一体化方法，其特征是，所述步骤1中，太阳能溴化锂制冷机组的运行参数优化变量Ei和控制目标变量Ci具体为：Ei＝[YZFQ,...

【专利技术属性】
技术研发人员：赵峰，张广渊，潘为刚，王常顺，黄欣，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：山东,37