本发明专利技术涉及一种制冷机房冷却水系统参数优化的方法，包括以下步骤：S1、物联网平台根据实时采集的参数数据建立冷水机组数学模型、冷却塔数学模型、和冷却水泵数学模型；S2、物联网平台选取遗传算法目标函数；S3、物联网云平台产生k时刻冷却水流量和冷却塔风量参数集；S4、物联网平台计算冷却水流量和冷却塔风量的可能取值；S5、物联网平台计算假设k+1时刻的所有可能冷却水系统总能耗，并作为遗传算法的适应度值；S6、物联网平台利用遗传算法通过循环进化方法获得最优参数个体；S7、实际k+1时刻时，物联网平台通过边缘计算网关下发制冷机房PLC控制冷却水系统运行。有益效果是基于物联网数据采集的高效、易于实施。易于实施。易于实施。
【技术实现步骤摘要】
and Embedding(OLE)for Process Control)是对象连接和嵌入技术在过程控制方面的应用，OPC规范从OLE/COM/DCOM的技术基础上发展而来，并以C/S模式为面向对象的工业自动化软件的开发建立了统一标准，该标准中定义了在基于PC的客户机之间进行自动化数据实时交换的方法。可编程逻辑控制器(Programmable LogicController，PLC)，一种具有微处理器的用于自动化控制的数字运算控制器，可以将控制指令随时载入内存进行储存与执行，可编程控制器由CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换等功能单元组成。遗传算法(Genetic Algorithm，GA)是根据大自然中生物体进化规律而设计提出的，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程；在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。遗传算法的基本运算过程如下：(1)初始化：设置进化代数计数器t＝0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)；(2)个体评价：计算群体P(t)中各个个体的适应度；(3)选择运算：将选择算子作用于群体，选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代，选择操作是建立在群体中个体的适应度评估基础上的；(4)交叉运算：将交叉算子作用于群体，遗传算法中起核心作用的就是交叉算子；(5)变异运算：将变异算子作用于群体，即是对群体中的个体串的某些基因座上的基因值作变动，群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)；(6)终止条件判断：若t＝T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。遗传操作包括以下三个基本遗传算子(genetic operator)：选择(selection)、交叉(crossover)、变异(mutation)。网格搜索法是指定参数值的一种穷举搜索方法，通过将估计函数的参数通过交叉验证的方法进行优化得到最优的学习算法，即将各个参数可能的取值进行排列组合，列出所有可能的组合结果生成“网格”，然后将各组合用于SVM训练，并使用交叉验证对表现进行评估，在拟合函数尝试了所有的参数组合后，返回一个合适的分类器，自动调整至最佳参数组合。数学建模，就是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题，当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。
[0009]本专利技术利用基于物联网的信息采集处理技术，针对基于制冷机房冷却水系统冷却塔出水温度逼近度和冷却水供回水温差设定困难的问题，进行了技术改进。
技术实现思路
[0010]本专利技术的目的是，提供一种基于物联网数据采集的高效、易于实施的制冷机房冷却水系统冷却塔出水温度逼近度和冷却水供回水温差优化的方法。
[0011]为实现上述目的，本专利技术采取的技术方案是一种制冷机房冷却水系统参数优化的方法，包括以下步骤：
[0012]S1、物联网平台根据实时采集的参数数据建立冷水机组数学模型、冷却塔数学模型、和冷却水泵数学模型；
[0013]S2、物联网平台选取遗传算法目标函数为：
[0014]P
total
(Q
cooling
，Q
air
)＝P
chill
(Q
cooling
，Q
air
)+P
pump
(Q
cooling
，Q
air
)+P
tower
(Q
cooling
，Q
air
)，
[0015]式中，P
cotat
为冷却水系统总能耗，P
pump
为冷却水泵总能耗，P
chill
为冷水机组能耗，P
tower
为冷却塔总能耗，Q
oooling
为冷却水流量，Q
air
为冷却塔风量；
[0016]S3、物联网云平台通过边缘计算网关从制冷机房PLC中读取k时刻传感器采集的冷水机组冷冻水供回水温度、冷冻水流量、冷却水供回水温度和冷却水流量，基于步骤S1所述数学建模计算k时刻冷水机组制冷量和冷却塔散热量，产生k时刻冷却水流量和冷却塔风量参数集；
[0017]S4、物联网平台假设k+1时刻的冷水机组制冷量与k时刻冷水机组制冷量相同，在k时刻冷水机组散热量、和冷却水入口温度设定变化范围内假设k+1时刻的冷水机组散热量、和冷却水入口温度，利用穷举搜索方法在假设k+1时刻的冷水机组散热量和冷却水入口温度组合下，计算冷却水流量和冷却塔风量的可能取值；
[0018]S5、物联网平台基于步骤S4冷却水流量和冷却塔风量的可能取值，基于步骤S2的目标函数，计算假设k+1时刻的所有可能冷却水系统总能耗，并作为遗传算法的适应度值；
[0019]S6、物联网平台利用遗传算法通过循环进化方法获得最优参数个体，以及假设k+1时刻冷却水系统总能耗最小时所对应的冷却水流量和冷却塔风量；
[0020]S7、实际k+1时刻时，物联网平台依据步骤S6获得的假设k+1时刻冷却水系统总能耗最小时所对应的冷却水流量和冷却塔风量，计算对应的冷却水供回水温差和冷却塔出水温度逼近度，通过边缘计算网关下发制冷机房PLC控制冷却水系统运行。
[0021]优选地，上述步骤S4具体包括以下步骤：
[0022]S41、在k时刻冷水机组散热量、和冷却水入口温度设定变化范围内，利用穷举搜索方法假设k+1时刻的冷水机组散热量Q0、以及冷却水入口温度T0；
[0023]S42、利用冷水机组数学模型、和k时刻冷水机组制冷量计算步骤S41假设情况下冷水机组能耗P1、以及冷水机组散热量Q1；
[0024]S43、利用冷却塔数学模型，计算步骤S41假设情况下冷却水回水温度T1；
[0025]S44、如果Q1减去Q0小于等于设定散热量误差、以及T1减去T0小于等于设定温度误差，计算并输出步骤S41假设情况下冷却水流量和冷却塔风量的取值；
[0026]S45、假设次数没有达到最大值跳转执行S41步骤。
[0027]优选地，上述穷举搜索方法是网格搜索法。
[0028]优选地，上述步骤S6具体包括以下步骤：
[0029]S61、对步骤S3所述参数集中所有参数组合进行冷却水系统总能耗排序并计算适应度值；
[0030]S62、利用步骤S61所述适应度值，步骤S3所述参数集进行选择和遗传；
[0031]S63、选取步骤S3所述参数集冷却水系统总能耗最小时的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种制冷机房冷却水系统参数优化的方法，其特征在于包括以下步骤：S1、物联网平台根据实时采集的参数数据建立冷水机组数学模型、冷却塔数学模型、和冷却水泵数学模型；S2、物联网平台选取遗传算法目标函数为：式中，P
total
为冷却水系统总能耗，P
pump
为冷却水泵总能耗，为冷水机组能耗，P
tower
为冷却塔总能耗，为冷却水流量，Q
air
为冷却塔风量；S3、物联网云平台通过边缘计算网关从制冷机房PLC中读取k时刻传感器采集的冷水机组冷冻水供回水温度、冷冻水流量、冷却水供回水温度和冷却水流量，基于步骤S1所述数学建模计算k时刻冷水机组制冷量和冷却塔散热量，产生k时刻冷却水流量和冷却塔风量参数集；S4、物联网平台假设k+1时刻的冷水机组制冷量与k时刻冷水机组制冷量相同，在k时刻冷水机组散热量、和冷却水入口温度设定变化范围内假设k+1时刻的冷水机组散热量、和冷却水入口温度，利用穷举搜索方法在假设k+1时刻的冷水机组散热量和冷却水入口温度组合下，计算冷却水流量和冷却塔风量的可能取值；S5、物联网平台基于步骤S4冷却水流量和冷却塔风量的可能取值，基于步骤S2的目标函数，计算假设k+1时刻的所有可能冷却水系统总能耗，并作为遗传算法的适应度值；S6、物联网平台利用遗传算法通过循环进化方法获得最优参数个体，以及假设k+1时刻冷却水系统总能耗最小时所对应的冷却水流量和冷却塔风量；S7、实际k+1时刻时，物联网平台依据步骤S6获得的假设k+1时刻冷却水系统总能耗最小时所对应的冷却水流量和冷却塔风量，计算对应的冷却水供回水温差和冷却塔出水温度逼近度，通过边缘计算网关下发制冷机房PLC控制冷却水系统运行。2.根据权利要求1所述的一种制冷机房冷却水系统参数优化的方法，其特征在于所述步骤S4具体包括以下步骤：S41、在k时刻冷水机组散热量、和冷却水入口温度设定变化范围内，利用穷举搜索方法假设k+1时刻的冷水机组散热量Q0、以及冷却水入口温度T0；S42、利用冷水机组数学模...
【专利技术属性】
技术研发人员：汪德龙，王群，郭千朋，李红，丁岩岩，张智权，
申请(专利权)人：上海碳索能源服务股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。