【技术实现步骤摘要】
制冷站的优化控制方法、装置、电子设备及存储介质
[0001]本专利技术涉及制冷站调控
,尤其涉及制冷站的优化控制方法、装置、电子设备及存储介质。
技术介绍
[0002]暖通空调系统节能是建筑节能的重点,在暖通空调系统中,针对典型商业建筑,制冷站能耗可占暖通空调系统能耗的30%~50%甚至更高,由于制冷站设备功率较大,设备位置集中,制冷站节能是暖通空调系统节能的重点,是大量建筑节能公司的主要关注对象。
[0003]目前的相关研究大多将制冷站多设备的优化控制看作单步优化策略问题,即在当前时刻,基于测量信息,进行寻优,不考虑当前时刻的策略对后续策略的影响。在实际工程中,这一简化可能在一些情况下产生设备启停频繁的问题。在碳达峰和碳中和的背景下,建筑可再生能源应用日益增多,用户需求侧和电网侧的响应互动更加重要,利用建筑自身蓄能以及蓄冷、蓄热、储电技术快速发展,这些都需要制冷站的优化控制能够考虑多步优化问题,而不仅仅是基于当前效率优化的目标进行单步策略。然而多步优化的相关研究在工程部署上的难度较大,优化的算法难以在工程项目中简单部署。
技术实现思路
[0004]本专利技术提供制冷站的优化控制方法、装置、电子设备及存储介质,用以解决现有技术中制冷站优化控制中只能单步策略,优化效率低的缺陷。
[0005]本专利技术提供一种制冷站的优化控制方法,包括:从时间维度和模型维度对制冷站控制模型的输入状态空间进行降维解耦;以冷机的台数组合模式作为状态,获得全局最优策略和全局最优策略的总成本,并从时间维度对 ...
【技术保护点】
【技术特征摘要】
1.一种制冷站的优化控制方法,其特征在于,包括:从时间维度和模型维度对制冷站控制模型的输入状态空间进行降维解耦;以冷机的台数组合模式作为状态,获得全局最优策略和全局最优策略的总成本,并从时间维度对制冷站控制模型进行二次降维;基于分布式粒子群优化方法,在满足所述制冷站控制模型约束的情况下,寻找制冷站的优化控制变量的最优解。2.根据权利要求1所述的制冷站的优化控制方法,其特征在于,所述从时间维度和模型维度对制冷站控制模型的输入状态空间进行降维解耦,包括:从时间维度减少所述制冷站控制模型的控制变量的数量;从模型维度将所述制冷站控制模型的控制策略解耦为多个单步策略叠加。3.根据权利要求1所述的制冷站的优化控制方法,其特征在于,所述以冷机的台数组合模式作为状态获得全局最优策略和全局最优策略的总成本,包括:将冷机的台数组合作模式作为状态处理,得到完成整个时间序列的全局最优策略和状态的集合;基于状态的历史无关性,利用反向求解或者递归的方式求解最优状态,获得全局最优策略和全局最优策略的总成本。4.根据权利要求3所述的制冷站的优化控制方法,其特征在于,所述将冷机的台数组合作模式作为状态处理,得到完成整个时间序列的最优策略和状态的集合,包括:得到以冷机的台数组合作模式作为状态处理的全局最优策略表达式;所述基于状态的历史无关性,利用反向求解或者递归的方式求解最优状态,获得全局最优策略和全局最优策略的总成本,包括:基于所述全局最优策略表达式,使用反向求解最优状态;根据控制变量之间的关系和所述最优状态,获得全局最优策略和全局最优策略的总成本。5.根据权利要求1所述的制冷站的优化控制方法,其特征在于,所述基于分布式粒子群优化方法,在满足所述制冷站控制模型约束的情况下,寻找制冷站的优化控制变量的最优解,包括:随机生成各个智能体的控制变量组合D
m
=[C
m,1
,C
m,2
,
…
,C
m,n
],其中,n为智能体的个数,C
m,i
代表第m个备选组合中第i个智能体的控制变量;D
m
代表为第m种控制变量的备选组合;对于每个D
m
,当已知4个控制变量C
i
时,求解其他控制C
j
;每个智能体计算本智能体的所有成本ACost
m,i
;协调智能体计算m个控制变量组合D
m
的m个总成本ACost
all,m
;所述协调智能体采用粒子群算法,基于总成本ACost
all,m
的值、本地知识和全局知识迭代更新控制变量组合D
m
=[C
m,1
,C
m,2
,
…
,C
m,n
];当最新的总成本ACost
al...
【专利技术属性】
技术研发人员:于震,李怀,李立,吴剑林,曲凯阳,
申请(专利权)人:中国建筑科学研究院有限公司,
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。