[發明專利]一種基于負荷預測的空調系統節能優化方法

有效

• 申請號: 201210526338.1
• 申請日: 2012-12-08
• 公開（公告）號: CN102980272A
• 公開（公告）日: 2013-03-20
• 發明（設計）人: 牛麗仙;吳忠宏
• 申請（專利權）人: 珠海派諾科技股份有限公司
• 主分類號: F24F11/00
• 分類號: F24F11/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于負荷預測的空調系統節能優化方法，主要包括以下具體步驟：

第一步，收集歷史數據，并對數據進行歸一化；

第二步，利用歸一化后的歷史數據，通過神經網絡對空調系統待測時刻的空調系統負荷Q進行預測；

第三步，設定空調系統的能耗模型為P=f(Q,T_1o,T_2o,v₁,v₂，Fair)，其中P為空調系統的能耗功率，Q為空調系統負荷，T_1o為空調系統冷凍水出水溫度，T_2o為空調系統冷卻水出水溫度，v₁為空調系統的冷凍水泵流量，v₂為空調系統的冷卻水泵流量，Fair為空調系統的空氣流量，在通過所述第二步獲得待測時刻的空調系統負荷Q的前提下，利用粒子群算法進行能耗模型的優化，得到在待測時刻的能耗功率P取最小值時的最優參數組合，即T_1o,T_2o,v₁,v₂,Fair的最優參數組合。

步驟四：根據得到的T_1o,T_2o,v₁,v₂,Fair的最優參數組合，對各參數變量提前進行控制，以保證待測時刻到來時，空調系統處于最優的工作狀態。

2.如權利要求1所述的空調系統節能優化方法，其中粒子群算法包括以下步驟：

第一步，將微粒表示為X_i=(x_i1,x_i2,x_i3,x_i4,x_i5)，其中，x_i1對應冷凍水出水溫度T_1o，x_i2對應冷卻水出水溫度T_2o，x_i3對應冷凍水泵流量v₁，x_i4對應冷卻水泵流量v₂，x_i5對應著空氣流量Fair，設定微粒群規模為s,進化代數為t_max，對每個微粒X_i(i＝1,2,…,s)進行位置和速度的初始化，即對任意的i,j(j=1,2,…,5)，均在其變量范圍內服從均勻分布的產生x_ij和v_ij的初始化值，并對微粒的局部最好位置P_i和全局最好位置P_g進行初始化；

第二步，更新微粒的速度和位置，公式如下表示為：

v_ij(t+1)=ω·v_ij(t)+m₁r₁(t)(p_ij(t)-x_ij(t))+m₂r₂(t)(p_gj(t)-x_ij(t))；(i=1,2,…,s)(j=1,2,…,5)

x_ij(t+1)＝x_ij(t)+v_ij(t+1)；(i=1,2,…,s)(j=1,2,…,5)

其中，v_ij(t)和x_ij(t)分別為微粒第t代時的速度和位置，ω為慣性權重，m₁和m₂為加速常數，r₁和r₂為介于0和1之間的隨機數，P_i(t)為微粒的第t代的局部最好位置，P_g(t)為第t代的全局最好位置，p_ij(t)是向量P_i(t)中的第j維元素，p_gj(t)是向量P_g(t)中的第j維元素；

第三步，計算第t+1代的每個微粒的目標函數值f(X_i)；

第四步，更新微粒的局部最好位置P_i和全局最好位置P_g，公式表示為：

Pi(t+1)=Pi(t)f(Xi(t-1))≥f(Pi(t))Xi(t+1)f(Xi(t+1))<f(Pi(t))]]>

Pg(t+1)=Pg(t)f(Xi(t-1))≥f(Pg(t))Xi(t+1)f(Xi(t+1))<f(Pg(t))]]>

其中P_i(t+1)為微粒的第t+1代的局部最好位置，P_g(t+1)為第t+1代的全局最好位置，X_i(t+1)為第t+1代微粒；

第五步，如果進化代數t＜t_max，則返回第二步,否則結束并輸出全局最好位置P_g。

3.如權利要求1所述的空調系統節能優化方法，其中收集的歷史數據包括某一時刻的房間入住率和空調系統負荷，以及所述某一時刻之前的室外平均溫度和空調系統負荷。