[發(fā)明專利]一種并聯(lián)冷機負荷分配優(yōu)化方法、存儲介質(zhì)及計算設備

有效

• 申請?zhí)枺?/td>: 202011304111.3
• 申請日: 2020-11-19
• 公開（公告）號: CN112365076B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設計）人: 于軍琪;趙澤華;趙安軍;王福;陳時羽
• 申請（專利權(quán)）人: 西安建筑科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/006;G06N7/01
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發(fā)明公開了一種并聯(lián)冷機負荷分配優(yōu)化方法、存儲介質(zhì)及計算設備，在并聯(lián)冷機系統(tǒng)中各冷機類型、額定制冷量、性能參數(shù)已知的基礎上計算不同末端負荷需求下各冷機的部分負荷率，依據(jù)結(jié)果計算不同末端負荷需求下系統(tǒng)的總功率消耗；通過將分數(shù)階達爾文粒子群算法的尋優(yōu)概念引入并聯(lián)冷機系統(tǒng)的節(jié)能研究中，將系統(tǒng)總能耗最小作為優(yōu)化目標，每一個粒子各個維度的數(shù)值作為負荷分配優(yōu)化問題在搜索空間的優(yōu)化變量即對應冷機的部分負荷率，并用速度和位置來表示當前粒子的運動狀態(tài)，用適應度函數(shù)判斷粒子的優(yōu)劣程度；通過不斷迭代更新優(yōu)化各個粒子各維度優(yōu)化變量來達到優(yōu)化對應冷機部分負荷率的目的，使并聯(lián)冷機系統(tǒng)具有一組能夠以最佳效率運行的冷水機組。

技術(shù)領(lǐng)域

本發(fā)明屬于空調(diào)制冷技術(shù)領(lǐng)域，具體涉及一種基于改進分數(shù)階達爾文粒子群算法的并聯(lián)冷機負荷分配優(yōu)化方法、存儲介質(zhì)及計算設備。

背景技術(shù)

近年來，中央空調(diào)系統(tǒng)在大型公共建筑中得到了廣泛的應用，冷水機組作為中央空調(diào)系統(tǒng)的主要耗能設備，其運行能耗約占中央空調(diào)系統(tǒng)總能耗的60％，而該能耗約占建筑總能耗的25％-40％，因此，如何提高并聯(lián)冷機系統(tǒng)的運行效率使其運行能耗最低成為當代建筑節(jié)能有價值的研究課題之一。

目前，中央空調(diào)冷水機組在進行設計規(guī)劃時主要依靠室外溫度以及最大室內(nèi)負荷來決定并聯(lián)冷機系統(tǒng)的末端負荷需求，以此確定各冷機額定容量和數(shù)量。但在絕大部分時間冷機都在部分負載情況下運行，由于各冷機經(jīng)過長時間的運行后設計溫度、流量等均存在差異，導致各冷水機組的性能曲線并不相同。

同時，各并聯(lián)冷機的運行大多采用平均負載策略或預先設定的閾值來制定的加減機策略來滿足末端負荷需求變化，但無法根據(jù)實時變化的末端負荷需求來調(diào)整冷機的運行策略，導致系統(tǒng)中各冷機未能在最佳效率下運行，造成能源浪費。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種基于改進分數(shù)階達爾文粒子群算法的并聯(lián)冷機負荷分配優(yōu)化方法、存儲介質(zhì)及計算設備，在保證末端負荷需求的情況下，根據(jù)末端負荷需求的變化進行負荷分配優(yōu)化，通過優(yōu)化系統(tǒng)中各冷機的部分負荷率，使系統(tǒng)可以調(diào)整本身的負荷大小，每臺冷機都運行在最佳工況點，達到各冷機的能耗總和達到最小的目的。

本發(fā)明采用以下技術(shù)方案：

一種并聯(lián)冷機負荷分配優(yōu)化方法，包括以下步驟：

S1、利用蒙特卡洛模擬方法和BaOA選擇機制對并行種群中所有粒子位置、個體最優(yōu)和全局最優(yōu)進行初始化；

S2、采用動態(tài)變化的自適應更新步驟S1初始化后并行種群的慣性權(quán)重和學習因子；

S3、將步驟S2自適應更新后的并行種群分為兩個子群，采用維度學習和異構(gòu)綜合學習的兩群學習策略并以多重優(yōu)化策略的更新方式對各并行種群中粒子的速度和位置進行更新；

S4、根據(jù)步驟S3更新后的結(jié)果計算粒子適應度值，更新個體最優(yōu)和全局最優(yōu)，并利用達爾文自然選擇機制動態(tài)改變各種群的種群規(guī)模和搜索空間，同時利用多重優(yōu)化逐維對粒子優(yōu)化變量進行迭代選擇，在滿足末端負荷需求的前提下以系統(tǒng)總能耗為目標函數(shù)，以目標函數(shù)最小為目標進化下一代，直至得到最低能耗值或達到最大的迭代次數(shù)；

S5、將步驟S4迭代完成后的所有并行種群的全局最優(yōu)進行比較，選擇適應度最好對應的粒子位置作為負荷分配優(yōu)化的結(jié)果并輸出，完成并聯(lián)冷機系統(tǒng)的負荷分配優(yōu)化。

具體的，步驟S1具體為：

S101、對滿足冷機PLR的預定義范圍的隨機數(shù)數(shù)組即x_i,j∈{(0.3,1),0}的隨機數(shù)數(shù)組采用蒙特卡洛模擬通過重復隨機抽樣找到全局最優(yōu)解的近似解；

S102、對蒙特卡洛模擬得出的全局最優(yōu)解的近似解采用BaOA選擇機制使用基本算數(shù)運算符對近似最優(yōu)解進行處理，乘法和除法運算符分別生成距近似解較近和較遠區(qū)域的粒子位置；加法和減法運算符生成距近似解中等距離區(qū)域的粒子位置；