專利名稱：一種基于人工蜂群的空調(diào)能耗模型參數(shù)辨識(shí)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種能耗模型參數(shù)辨識(shí)方法，屬于空調(diào)系統(tǒng)節(jié)能優(yōu)化領(lǐng)域，具體說涉及一種基于人工蜂群的空調(diào)能耗模型的參數(shù)辨識(shí)方法。
背景技術(shù)：
隨著經(jīng)濟(jì)的發(fā)展，我國的建筑業(yè)發(fā)展迅猛，建筑能耗不斷增加，建筑能耗已經(jīng)占據(jù)社會(huì)總能耗的27%以上，有些地區(qū)已接近40%，其中三分之二的能耗為空調(diào)系統(tǒng)所消耗。在建筑能耗占整個(gè)能源消耗的比例不斷增加的現(xiàn)狀下，建筑中的空調(diào)系統(tǒng)節(jié)能已經(jīng)成為節(jié)能領(lǐng)域中的一個(gè)重點(diǎn)和熱點(diǎn)。按照終端節(jié)能的概念，加大空調(diào)節(jié)能的力度對(duì)節(jié)約能源有著巨大的理論和實(shí)際意義。目前，空調(diào)系統(tǒng)的節(jié)能優(yōu)化比較注重系統(tǒng)建模和參數(shù)辨識(shí)，力求提高優(yōu)化控制的穩(wěn)定度和精度，并且大量學(xué)者對(duì)空調(diào)系統(tǒng)的建模和參數(shù)辨識(shí)的方法進(jìn)行了研究。例如，在文獻(xiàn)“制冷系統(tǒng)的節(jié)能優(yōu)化運(yùn)行”中，作者通過對(duì)制冷系統(tǒng)耗能諸多因素的初步分析，采用正交試驗(yàn)、回歸計(jì)算等手段得出空調(diào)系統(tǒng)能耗與主要因素的函數(shù)關(guān)系，通過優(yōu)化計(jì)算迅速找出最佳運(yùn)行參數(shù)指導(dǎo)操作，從而達(dá)到節(jié)能的目的，但是在優(yōu)化過程中，冷凍水流量和冷卻水流量都沒有變化，而且只是針對(duì)個(gè)別空調(diào)系統(tǒng)進(jìn)行回歸優(yōu)化，沒有普遍適用性。文獻(xiàn)“空調(diào)制冷系統(tǒng)的節(jié)能潛力分析”中，作者利用全年空調(diào)負(fù)荷統(tǒng)計(jì)分析結(jié)果及冷水機(jī)組部分負(fù)荷特性，對(duì)制冷系統(tǒng)中冷水機(jī)組和冷水泵變流量運(yùn)行時(shí)不同調(diào)節(jié)方案的能耗進(jìn)行了計(jì)算，并從中得出冷水機(jī)組和水泵的最優(yōu)運(yùn)行方案，盡管取得了一定的節(jié)能效果，但是空調(diào)系統(tǒng)的能耗只考慮了一部分，得到的優(yōu)化運(yùn)行方案也不是整個(gè)空調(diào)系統(tǒng)的最優(yōu)方案。文獻(xiàn)“中央空調(diào)水系統(tǒng)優(yōu)化控制策略研究”中，作者利用神經(jīng)網(wǎng)絡(luò)建立了空調(diào)水系統(tǒng)的能耗模型，然后利用遺傳算法對(duì)能耗模型進(jìn)行性能優(yōu)化，但是神經(jīng)網(wǎng)絡(luò)建立需要大量的數(shù)據(jù)，由于變流量數(shù)據(jù)較少，使得建立的模型精度不高；另一方面遺傳算法優(yōu)化的精度跟設(shè)置的個(gè)體初值有很大影響，并且收斂速度較慢。文獻(xiàn)“中央空調(diào)水系統(tǒng)優(yōu)化設(shè)計(jì)與運(yùn)行研究”中，作者利用機(jī)理分析法建立了空調(diào)系統(tǒng)各個(gè)部分的能耗函數(shù)表達(dá)式，具有模型精度高，通用性好的優(yōu)點(diǎn)，但是進(jìn)行優(yōu)化時(shí)采用的序列二次規(guī)劃法需要對(duì)目標(biāo)函數(shù)進(jìn)行泰勒展開，實(shí)現(xiàn)過程比較復(fù)雜，更不能保證目標(biāo)函數(shù)中需求矩陣的正定性。綜上，對(duì)于空調(diào)能耗模型的參數(shù)優(yōu)化主要有以上的方法，其存在的缺點(diǎn)主要是空調(diào)系統(tǒng)總的能耗模型精度不高，通用性不好，或是能耗模型只是空調(diào)系統(tǒng)其中的一部分，不能代替完整的空調(diào)系統(tǒng)。另外，空調(diào)能耗模型的參數(shù)優(yōu)化方法受初值設(shè)置的影響很大，精度不高，收斂速度慢，或是實(shí)現(xiàn)過程復(fù)雜，不利于優(yōu)化算法的實(shí)現(xiàn)。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有空調(diào)能耗模型優(yōu)化和參數(shù)辨識(shí)的不足，本發(fā)明提出一種基于人工蜂群的空調(diào)能耗模型參數(shù)辨識(shí)方法。本發(fā)明的實(shí)質(zhì)是利用機(jī)理分析法建立整個(gè)空調(diào)系統(tǒng)的能耗模型函數(shù)，然后把能耗模型函數(shù)作為目標(biāo)函數(shù)，利用人工蜂群算法對(duì)它進(jìn)行優(yōu)化，確定一定負(fù)荷下的最優(yōu)參數(shù)組合。其中，利用機(jī)理分析法建立的能耗模型具有精度高，通用性好的優(yōu)點(diǎn)，人工蜂群的優(yōu)化算法收斂速度快、參數(shù)設(shè)置少，受所求問題維數(shù)的影響較小，并且實(shí)現(xiàn)簡(jiǎn)單方便，能較好的解決空調(diào)能耗模型參數(shù)優(yōu)化辨識(shí)中的不足。本發(fā)明提出的一種基于人工蜂群的空調(diào)能耗模型參數(shù)辨識(shí)方法，主要包含以下步驟主要包含以下步驟
·
第一步，建立空調(diào)系統(tǒng)的各部分能耗模型，包括制冷主機(jī)能耗P1的模型，冷凍水泵能耗P2的模型，冷卻水泵能耗P3的模型和冷卻塔風(fēng)機(jī)能耗P4模型；其中Pp P2、P3和P4為空調(diào)系統(tǒng)的工作負(fù)荷Q，冷凍水出水溫度 \。，冷卻水出水溫度Τ2。，冷凍水泵流量V1，冷卻水泵流量V2和空氣流量Fair的函數(shù)；第二步，設(shè)定整個(gè)空調(diào)系統(tǒng)的能耗模型為f (X) =P=P1+P2+P3+P4=f (Q, Tlo, T20, V1, v2, Fair)；第三步，在空調(diào)系統(tǒng)具有特定工作負(fù)荷Q的狀態(tài)下，利用人工蜂群算法，獲得空調(diào)系統(tǒng)的能耗P最小時(shí)，空調(diào)系統(tǒng)能耗模型的最優(yōu)參數(shù)組合，即 \。，T20, V1, V2, Fair的最優(yōu)組
口 ο


圖1為本發(fā)明中基于人工蜂群的空調(diào)系統(tǒng)能耗模型參數(shù)辨識(shí)的實(shí)現(xiàn)框圖。圖2為本發(fā)明中利用人工蜂群算法進(jìn)行目標(biāo)函數(shù)優(yōu)化的流程圖。
具體實(shí)施例方式下面結(jié)合具體事例，參照附圖對(duì)本發(fā)明的具體實(shí)施方式
進(jìn)行詳細(xì)的說明。參照附圖1，本發(fā)明的基于人工蜂群的空調(diào)能耗模型參數(shù)辨識(shí)方法主要包括三個(gè)步驟步驟一建立空調(diào)系統(tǒng)的各部分能耗模型。一般情況下，空調(diào)系統(tǒng)主要有四個(gè)能耗部分組成，分別是制冷主機(jī)，冷卻水泵，冷凍水泵和冷卻塔。通過機(jī)理分析法分別建立各個(gè)能耗部分的能耗模型。(I)制冷主機(jī)能耗模型P1制冷能力曲線表達(dá)式Picap =O1 + BlTlo + ClTf0 + CllT2o + ej1^ + JlTloT2o其中，Plcap為制冷主機(jī)的制冷能力，T10為冷凍水的出水溫度，T20為冷卻水的出水溫度，B1, b” C1, Cl1, e” fi為曲線的回歸系數(shù)。最大制冷量Qmax的計(jì)算公式Qmax = Qref · Plcap，其中Qref為制冷劑在額定工況下的制冷量。最大負(fù)荷下EIR隨冷卻水與冷凍水出水溫度變化關(guān)系曲線為Pvr =a2 + h2T'n + C1T': +d2T2o+S2T^0 +Z1TxoTlo其中，EIR為制冷效率cop的倒數(shù)，Pit反映E I R隨冷卻水與冷凍水出水溫度的變化關(guān)系，!\。為冷凍水的出水溫度，T20為冷卻水的出水溫度，a2, b2, c2, d2, e2, f2為曲線的擬合系數(shù)。
EIR與負(fù)荷率關(guān)系曲線為
權(quán)利要求
1.一種基于人工蜂群的空調(diào)能耗模型參數(shù)辨識(shí)方法，主要包含以下步驟 第一步，建立空調(diào)系統(tǒng)的各部分能耗模型，包括制冷主機(jī)能耗P1，冷凍水泵能耗P2,冷卻水泵能耗P3和冷卻塔風(fēng)機(jī)能耗P4，其中Pp P2、P3和P4為空調(diào)系統(tǒng)的工作負(fù)荷Q，冷凍水出水溫度 \。，冷卻水出水溫度Τ2。，冷凍水泵流量V1，冷卻水泵流量V2和空氣流量Fair的函數(shù)； 第二步，設(shè)定整個(gè)空調(diào)系統(tǒng)的能耗模型為 f (X) =P=P1+P2+P3+P4=f (Q, T10, T20, V1, V2, Fair)； 第三步，在空調(diào)系統(tǒng)具有特定工作負(fù)荷Q的狀態(tài)下，利用人工蜂群算法，獲得空調(diào)系統(tǒng)的能耗P最小時(shí)，空調(diào)系統(tǒng)能耗模型的最優(yōu)參數(shù)組合，即 \。，T20, V1, V2, Fair的最優(yōu)組合。
2.如權(quán)利要求1所述的空調(diào)能耗模型參數(shù)辨識(shí)方法，其中在第一步中，設(shè)置制冷主機(jī)能耗 Pi= (Qmax/cop) XPitXPiple,其中，年= 2 + b2Tlo + C2Tf0 + Ol2T2o +e2T^+ Z2TloT2o.1 = O^bJ2n +C1T^1 +clAP1-R) + e,{PLRf + /J2JPLR) + g,UW.
3.如權(quán)利要求1所述的空調(diào)能耗模型參數(shù)辨識(shí)方法，其中在第一步中，設(shè)置冷凍水泵能耗P2 =a4 +b,vx+C4V21，設(shè)置冷卻水泵能耗6 =^5 +bSvI +cA，其中，V1為冷凍水泵的流量，a4, b4, C4為模型的擬合系數(shù)，V2為冷卻水泵的流量，a5, b5, C5為模型的擬合系數(shù)。
4.如權(quán)利要求1所述的空調(diào)能耗模型參數(shù)辨識(shí)方法，其中在第一步中，設(shè)置冷卻塔風(fēng)機(jī)的能耗 P4 = P額 X (a6+b6X (FR)+c6X (FR)2+d6X (FR)3)， 其中，F(xiàn)R為空氣的流量率，即FR=Fair/Fairs，F(xiàn)air為空氣的流量，F(xiàn)airs為額定空氣流量。
5.如權(quán)利要求1所述的空調(diào)能耗模型參數(shù)辨識(shí)方法，其中在第三步的人工蜂群算法中， (1)設(shè)置f(X)的解集Χ =(χη，χ 2，χ 3，xi4，xi5)，其中，Xijt應(yīng)參數(shù) \。，xi2對(duì)應(yīng)著參數(shù)T20, Xi3對(duì)應(yīng)著參數(shù)V1, Xi4對(duì)應(yīng)著參數(shù)v2，Xi5對(duì)應(yīng)著參數(shù)Fair，并設(shè)定蜜蜂總數(shù)為Ns,維數(shù)為D = 5，最大迭代次數(shù)為tmax，對(duì)每個(gè)第O代的解Xi (O) (i = I, 2，…，Ns)進(jìn)行初始化； (2)計(jì)算各個(gè)解的適應(yīng)度值f(Xi⑴)，其中t是指第t代，并將XJt)的適應(yīng)度值從小到大進(jìn)行排序，適應(yīng)度最大的Xi (t)被選為偵察蜂，剩下的前一半為引領(lǐng)蜂，個(gè)數(shù)為凡，后一半為守望蜂，個(gè)數(shù)為Nu，bPi(t)為每只引領(lǐng)蜂當(dāng)前發(fā)現(xiàn)的最好位置，表示為 bpi (t) = Xi (t), i = I, 2，…，Ne,并且 bp。(t) = Xij (t),其中 bp。(t)為 bpi (t)的第j維元素；bg(t)設(shè)定為群體中的全局最好位置，蚣(Oe抑，并且/(/嘆(/)) = min \t\bPl(/)),f(hp2(/)),…,f{hpy (O)}； (3)引領(lǐng)蜂進(jìn)行鄰域搜索，產(chǎn)生目標(biāo)函數(shù)f(x)的新解，并按如下公式進(jìn)行解的替代； 其中，Xij(t+1)為產(chǎn)生的新解，Xij⑴為原來的舊解；bPij(t)為bPi(t)的第j維元素；bgj(t)為bg(t)的第j維元素，(i=l, 2，…，Ne; j=l, 2，…，D),匕和rb是[-1，I]之間的隨機(jī)數(shù)，t指第t代，C1和C2為學(xué)習(xí)因子； (4)各守望蜂依照引領(lǐng)蜂種群適應(yīng)度值大小選擇一個(gè)引領(lǐng)蜂，在該引領(lǐng)蜂鄰域內(nèi)進(jìn)行搜索產(chǎn)生新解并進(jìn)行解的替代，
6.如權(quán)利要求4所述的空調(diào)能耗模型參數(shù)辨識(shí)方法，其中設(shè)定C1 = O. 9-0. 5t/tmax，C2=O. 3+0. 6t/t_。
全文摘要
本發(fā)明提出的一種基于人工蜂群的空調(diào)能耗模型參數(shù)辨識(shí)方法，利用機(jī)理分析法建立整個(gè)空調(diào)系統(tǒng)的能耗模型函數(shù)，然后把能耗模型函數(shù)作為目標(biāo)函數(shù)，利用人工蜂群算法對(duì)它進(jìn)行尋優(yōu)，確定一定負(fù)荷狀態(tài)下的最優(yōu)參數(shù)組合。本發(fā)明利用機(jī)理分析法建立的能耗模型精度高，通用性好，尤其是人工蜂群的優(yōu)化算法收斂速度快、參數(shù)設(shè)置少，受所求問題維數(shù)的影響較小，并且實(shí)現(xiàn)簡(jiǎn)單方便，并且在每次迭代中都進(jìn)行全局和局部搜索，找到最優(yōu)解的概率大大增加，并在較大程度上避免了局部最優(yōu)。
文檔編號(hào)G05B13/04GK102981410SQ201210537159
公開日2013年3月20日 申請(qǐng)日期2012年12月12日 優(yōu)先權(quán)日2012年12月12日
發(fā)明者牛麗仙, 吳忠宏 申請(qǐng)人:珠海派諾科技股份有限公司