【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种冷机工况能耗最优的计算方法、装置、终端以及介质。
技术介绍
1、中央空调的冷源系统主要由冷机、冷却塔、阀门、水泵、管道构成，冷机是其中的核心部件，他通过压缩机、冷凝器、膨胀阀、蒸发器的循环工作提供制冷量。
2、在冷源系统运行时冷机会随着冷负荷的变化进行加减机以匹配实际冷量需求，目前群控策略加减机信号一般是通过冷冻水回水温度来触发的，当回水温度高于设定值时且冷机已变频至上限后进行加机，当回水温度低于设定值且冷机已变频至下限后减机。这种方法能够保障冷量的充足供给，但并未在能效方面进行考量。
3、随着节能需求的逐渐凸显各厂商也在探索节能控制措施，较为常见的方法是通过将冷机的plr限定在一定的范围内，让冷机一直处于cop较高区间内的部分负荷状态下工作，另一种常见方式是通过改变冷机的供水温度来提升冷机的cop，避免供回水温差过小导致的cop过低，这些方法目前还处于探索阶段，且大多数没有严谨定量的理论支撑，主要依靠人员经验来进行参数设定，因此需要一种科学的方法来计算在一定的冷负荷需求下，各台冷机应该处于何种工况时整体能效最高，为节能控制技术的发展提供定量的理论依据。
技术实现思路
1、为了解决上述技术问题，本专利技术第一方面公开了一种冷机工况能耗最优的计算方法，所述方法包括：
2、基于单台冷机的历史运行数据，拟合得到单台冷机的负荷率-制冷性能的性能曲线；
3、根据性能曲线建立若干台冷机的冷机运行模型，设定冷机运行
4、通过粒子群优化算法寻找所述冷机运行模型的在不同的系统冷负荷下的最优能耗工况。
5、其中一实施方式中，所述性能曲线公式如下：
6、
7、其中一实施方式中，所述冷机运行约束条件包括
8、当前冷负荷下，开启冷机的制冷量cci总和与系统总制冷量crt相等；
9、当前冷负荷下，开启冷机的能耗总和与系统能耗总和pt相等；
10、冷机负荷率的取值范围为30％～100％。
11、其中一实施方式中，所述通过粒子群优化算法查找冷机运行模型的最优解，包括以下步骤：
12、s1设定算法参数，所述算法参数包括迭代次数、学习因子、粒子群规模以及惯性权重；
13、s2基于性能曲线以及冷机运行约束条件设定种群初始状态以及适应度函数；
14、s3计算粒子的适应度值，更新粒子的个体历史最优适应值和位置，并更新群体历史最优适应值和位置；
15、s4重复s3直到满足迭代次数，输出最优解以获取冷机运行模型的在系统冷负荷crt下的最低能耗的冷机组合，设置不同冷负荷crt以获取冷机运行模型的在不同的系统冷负荷下的最优能耗工况。
16、其中一实施方式中，所述计算粒子适应度值中，粒子位置信息和速度信息满足以下公式：
17、
18、
19、其中w为惯性权重参数，c1与c2是加速因子，表示粒子i第k+1次迭代中的变化速度，表示粒子i第k+1次迭代中的位置，r1与r2是一个随机数，取值范围区间[0,1]，表示粒子i本身的最优解，表示种群中适应度最小的粒子位置参数。
20、其中一实施方式中，所述冷负荷crt以5％为间隔进行最优能耗工况的计算。
21、本专利技术第二方面公开了一种冷机工况能耗最优的计算装置，所述装置包括：
22、拟合模块，其用于基于单台冷机的历史运行数据，拟合得到单台冷机的负荷率-制冷性能的性能曲线；
23、建立模块，其用于根据性能曲线建立若干台冷机的冷机运行模型，设定冷机运行约束条件；
24、计算模块，其用于通过粒子群优化算法寻找所述冷机运行模型的在不同的系统冷负荷下的最优能耗工况。
25、其中一实施方式中，所述计算模块中还包括：
26、第一设定单元，其用于设定算法参数，所述算法参数包括迭代次数、学习因子、粒子群规模以及惯性权重；
27、第二设定单元，其用于基于性能曲线以及冷机运行约束条件设定种群初始状态以及适应度函数；
28、计算单元，其用于计算粒子的适应度值，更新粒子的个体历史最优适应值和位置，并更新群体历史最优适应值和位置；
29、迭代单元，其用于重复计算直到满足迭代次数，输出最优解以获取冷机运行模型的在系统冷负荷下的最低能耗的冷机组合，设置不同冷负荷以获取冷机运行模型的在不同的系统冷负荷下的最优能耗工况。
30、本专利技术第三方面公开了一种冷机工况能耗最优的计算终端，所述终端包括：
31、存储有可执行程序代码的存储器；
32、与所述存储器耦合的处理器；
33、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术第一方面公开的冷机工况能耗最优的计算方法中的部分或全部步骤。
34、本专利技术第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本专利技术第一方面公开的冷机工况能耗最优的计算方法中的部分或全部步骤。
35、与现有技术相比，本专利技术实施方式具有以下有益效果：
36、本专利技术实施方式中，首先通过拟合历史数据获取单台冷机实际工作时的性能曲线，以获得更清晰的冷机冷负荷率和制冷性能之间的关联，使得后续计算时在保证冷负荷的前提下，冷机的能效更高，满足节能降本的目的；通过建立冷机运行模型以及设定运行状态约束条件，确保冷机运行模型的输出结果符合实际冷机工况；通过粒子群算法进行多次迭代，通过设置初始状态和算法参数等，使种群中的粒子满足最佳值，以获得不同冷负荷条件下冷机能耗最低、能效最高的工况列表，为冷机的节能控制提供方向。
本文档来自技高网...【技术保护点】
1.一种冷机工况能耗最优的计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述性能曲线公式如下：
3.根据权利要求2所述的方法，其特征在于，所述冷机运行约束条件包括
4.根据权利要求3所述的方法，其特征在于，所述通过粒子群优化算法查找冷机运行模型的最优解，包括以下步骤：
5.根据权利要求4所述的方法，其特征在于，所述计算粒子适应度值中，粒子位置信息和速度信息满足以下公式：
6.根据权利要求5所述的方法，其特征在于，所述冷负荷CRt以5％为间隔进行最优能耗工况的计算。
7.一种冷机工况能耗最优的计算装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述计算模块中还包括：
9.一种冷机工况能耗最优的计算终端，其特征在于，所述终端包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的冷机工况能耗最优的计算方法。
【技术特征摘要】
1.一种冷机工况能耗最优的计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述性能曲线公式如下：
3.根据权利要求2所述的方法，其特征在于，所述冷机运行约束条件包括
4.根据权利要求3所述的方法，其特征在于，所述通过粒子群优化算法查找冷机运行模型的最优解，包括以下步骤：
5.根据权利要求4所述的方法，其特征在于，所述计算粒子适应度值中，粒子位置信息和速度信息满足以下公式：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：肖建平，傅东东，林喆，王维，林钰麒，李杭，
申请(专利权)人：中国建筑上海设计研究院有限公司，
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。