[發明專利]一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法

在審

• 申請號: 202310049015.6
• 申請日: 2023-01-12
• 公開（公告）號: CN116227342A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 顏承初;胡凱;方鈞楗;石靖峰;盛凱;鮑康康
• 申請（專利權）人: 南京工業大學;青島海信日立空調系統有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/06;G06F119/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法，其特征在于：

包含以下步驟：

步驟一：收集區域供冷系統冷站的歷史運行數據和天氣預報數據，建立數據庫；

步驟二：對收集的數據進行預處理，剔除異常數據并填充缺失值；

步驟三：根據預處理后的歷史運行數據，建立冷機和水泵的能耗模型；

步驟四：根據預處理后的歷史運行數據和天氣預報數據建立冷負荷預測模型；

步驟五：根據區域供冷系統的系統形式構建優化問題；

步驟六：求解步驟五所述的最優化問題，得到區域供冷系統總能耗最低時的冷凍水供水溫度、冷凍側流量、冷卻測流量。

2.根據權利要求1所述的一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法，其特征在于：

所述步驟三中具體包括篩選出構建冷機和水泵能耗模型的具體參數，構建冷機和水泵的能耗模型，冷機的能耗模型的輸入為負荷率、冷機的蒸發溫度和冷凝溫度，輸出為冷機的能效比；水泵的能耗模型的輸入為水泵流量，輸出為水泵功率。

3.根據權利要求1所述的一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法，其特征在于：

所述步驟四中具體包括輸入參數為室外溫度、相對濕度、風速、太陽輻射強度和上一時刻的冷凍水供水溫度，訓練模型分別為支持向量機(SVR)、多層前饋神經網絡(BP)和長短期記憶神經網絡(LSTM)。

4.根據權利要求1所述的一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法，其特征在于：

所述步驟五中具體包括優化問題的目標函數為冷機能耗、冷凍水泵能耗和冷卻水泵能耗組成的系統總能耗；已知參數為冷負荷；關鍵變量為冷凍水供水溫度、冷凍側流量、冷卻側流量。

5.根據權利要求2所述的一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法，其特征在于：

在所述的三種訓練模型中，選取精度最高的模型為冷負荷預測模型。

6.根據權利要求5所述的一種基于模擬仿真和冷負荷預測模型的區域供冷系統冷站優化算法，其特征在于：

所選取的模型評估指標為方絕對誤差(RMSE)、平均絕對誤差(MAE)和擬合優度(R²)。