System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及空调系统能耗优化,特别是指一种园区空调系统冷水机组负荷分配优化方法。
技术介绍
1、园区是经济发展和城镇化发展的关键载体和重要动力。与此同时,园区也是资源能源集中消耗的大户,节能潜力巨大,其中制冷系统中冷水机组的能耗占比极大。采用智能优化算法对并联冷水机组系统进行最优参数设置,可以保障中央空调系统的高效节能运行,有效降低园区的能耗。
2、多机组制冷系统在世界范围内广泛应用于空调系统中,也可以被归类为多能系统中的一个组件。为了节约建筑中的能源消耗,需要对最佳冷机负载问题进行优化评估。并联冷水机组系统通常由不同容量和性能的多台冷水机组组成,每台机组都需要以尽可能高的效率进行设置和运行,以便能够实现各种冷却负荷需求的最低能源消耗。
3、目前针对并联冷机负荷分配优化问题的求解方法有很多种,从数学规划求解方法到元启发式算法都取得了良好的效果。然而,这些方法在优化过程中并没有同时考虑冷水机组的制冷量和能耗之间的矛盾关系。因此,在降低能耗成本的同时提高制冷量方面存在一定的局限性,无法使不同型号的冷水机组在其最佳工作点运行。
技术实现思路
1、本专利技术提供了一种园区空调系统冷水机组负荷分配优化方法,以解决现有技术在优化过程中并没有同时考虑冷水机组的制冷量和能耗之间的矛盾关系。因此,在降低能耗成本的同时提高制冷量方面存在一定的局限性,无法使不同型号的冷水机组在其最佳工作点运行的技术问题。
2、为解决上述技术问题,本专利技术提供了如下技术方案:
>3、一方面,本专利技术提供了一种园区空调系统冷水机组负荷分配优化方法,所述园区空调系统冷水机组负荷分配优化方法包括:
4、对冷水机组系统进行分析,通过机理建模得到冷水机组能耗模型;
5、针对所述冷水机组能耗模型,设计多目标优化算法,寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标。
6、进一步地,所述冷水机组能耗模型的数学表达式为:
7、
8、其中,pi表示第i台冷水机组的功率,plri表示第i台冷水机组的部分负荷率,ai,bi,ci,di表示第i台冷水机组能耗曲线的拟合系数。
9、进一步地,针对冷水机组能耗模型设计多目标优化算法,寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标,包括:
10、针对所述冷水机组能耗模型,以非主导排序遗传算法为基础,引入自适应权重、levy飞行策略和随机游走策略对非主导排序遗传算法进行改进,利用改进的非主导排序遗传算法寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标;其中,所述改进的非主导排序遗传算法在迭代过程中,利用自适应权重、levy飞行策略和随机游走策略生成子代种群;自适应权重用于平衡全局搜索和局部搜索能力,以加快收敛速度;levy飞行策略和随机游走策略,分别用于提高算法的全局搜索能力和局部搜索能力。
11、进一步地,利用所述改进的非主导排序遗传算法寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标,包括:
12、步骤1,将种群初始化为一系列冷水机组的负荷分配方案,并设定当前迭代次数为1;
13、步骤2,通过levy飞行策略和随机游走策略生成第一代子代种群,并在生成第一代子代种群后,设定当前迭代次数为2;
14、步骤3,将父代种群与子代种群结合起来,形成一个新的父代种群;
15、步骤4,判断是否生成了新的父代种群;若判断没有生成新的父代种群,则执行步骤5,若判断生成了新的父代种群,则执行步骤6;
16、步骤5,通过非支配排序、计算拥挤距离以及选择并产生新种群操作,生成新的父代种群,然后执行步骤4;
17、步骤6,计算自适应权重;
18、步骤7,利用当前的自适应权重,通过levy飞行策略和随机游走策略对当前的父代种群进行适应性迭代操作,生成子代种群;
19、步骤8,判断是否达到终止条件,若未达到终止条件,则将迭代次数加1,并返回步骤3;若达到终止条件,则算法迭代终止,得到冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标;其中,所述终止条件为相邻几代的种群距离连续小于预设阈值或者迭代次数达到设定的最大值。
20、进一步地,通过levy飞行策略和随机游走策略生成子代种群的公式为:
21、
22、
23、其中,x(t+1)表示下一个时刻的位置;xt表示当前时刻的位置;α表示步长控制参数;levy(β)表示levy飞行策略随机搜索路径;guass(β)表示随机游走策略随机搜索路径;c表示自适应权重。
24、进一步地,自适应权重c的计算公式为:
25、
26、其中,it表示当前迭代次数,maxit表示最大迭代次数。
27、进一步地,所述园区空调系统冷水机组负荷分配优化方法还包括:
28、使用两目标的zdt系列测试函数来研究改进的非主导排序遗传算法在解决园区空调系统冷水机组负荷分配多目标优化问题的性能。
29、进一步地,所述园区空调系统冷水机组负荷分配优化方法还包括:
30、选择一个由3台制冷量为800rt,性能参数不同的冷水机组成的冷冻水系统进行测试,以确认改进的非主导排序遗传算法能够用来解决负荷分配问题。
31、再一方面,本专利技术还提供了一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行,以实现上述方法。
32、又一方面,本专利技术还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行,以实现上述方法。
33、本专利技术提供的技术方案带来的有益效果至少包括:
34、本专利技术提供的园区空调系统冷水机组负荷分配优化方法在传统nsga-ii算法中设计了一个自适应参数来平衡算法的探索和开发能力,同时采用levy飞行策略来提高全局开发能力,采用随机行走策略来提高局部搜索能力,从而解决了全局搜索能力不足和容易陷于局部最优的问题。将本专利技术提出的insga-ii算法应用于离线并联冷水机组负荷分配问题,结果表明insga-ii具有很好的收敛性和计算精度,可有效对并联冷水机组系统进行最优参数设置,降低园区能耗。
本文档来自技高网...【技术保护点】
1.一种园区空调系统冷水机组负荷分配优化方法,其特征在于,包括:
2.如权利要求1所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,所述冷水机组能耗模型的数学表达式为:
3.如权利要求1所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,针对所述冷水机组能耗模型,设计多目标优化算法,寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标,包括:
4.如权利要求3所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,利用所述改进的非主导排序遗传算法寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标,包括:
5.如权利要求4所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,通过Levy飞行策略和随机游走策略生成子代种群的公式为:
6.如权利要求5所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,自适应权重C的计算公式为:
7.如权利要求3所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,所述园区空调系统冷水机组负荷分配优化方法还包括:<
...【技术特征摘要】
1.一种园区空调系统冷水机组负荷分配优化方法,其特征在于,包括:
2.如权利要求1所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,所述冷水机组能耗模型的数学表达式为:
3.如权利要求1所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,针对所述冷水机组能耗模型,设计多目标优化算法,寻找冷水机组系统不同冷量需求下的最优运行参数,实现制冷量最大和能耗最低的目标,包括:
4.如权利要求3所述的园区空调系统冷水机组负荷分配优化方法,其特征在于,利用所述改进的非主导排序遗传算法寻找冷水机组系统不同冷量需求下的最优运行参数...
【专利技术属性】
技术研发人员:杨旭,张涛,王海伦,崔家瑞,郝健,李擎,涂壤,
申请(专利权)人:北京科技大学,
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。