本發(fā)明涉及冷風(fēng)機(jī)參數(shù)優(yōu)化技術(shù)領(lǐng)域，具體是一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法。

背景技術(shù)：

近年來，暖通空調(diào)(hvac)系統(tǒng)被大量集成到智能建筑中。多區(qū)域冷風(fēng)機(jī)系統(tǒng)則是暖通空調(diào)系統(tǒng)的核心部件。該系統(tǒng)包含多個(gè)不同性能的分布式冷卻裝置，用于提供冷卻用能。暖通空調(diào)系統(tǒng)在調(diào)節(jié)室內(nèi)溫度方面發(fā)揮重要作用，并為人們提供了一個(gè)舒適和安全的工作環(huán)境。然而，暖通空調(diào)系統(tǒng)一般消耗著大量的能源，如何降低其能耗一直是一個(gè)難題。

近年來，一些啟發(fā)式和元啟發(fā)式算法已被用于求解冷風(fēng)機(jī)負(fù)載優(yōu)化問題。比較典型的算法包括，分支定界法、拉格朗日松弛方法、遺傳算法等。拉格朗日和分支定界方法的缺點(diǎn)是效率不高且收斂能力受限，因而不能用來解決大規(guī)模和復(fù)雜的ocl的問題。隨著啟發(fā)式方法特別是遺傳算法的提出并廣泛應(yīng)用，一些智能優(yōu)化算法并廣泛提出并用于ocl優(yōu)化問題，提出了一種基于二進(jìn)制的編碼方案，然而，基于二進(jìn)制的編碼的主要缺點(diǎn)是需要很長的編碼才能描述細(xì)粒度的問題空間，因而需要很高的存儲(chǔ)空間和計(jì)算能力。一種粒子群優(yōu)化算法，采用浮點(diǎn)數(shù)表示方法進(jìn)行編碼，該算法大大降低了存儲(chǔ)空間需要，缺點(diǎn)是算法本身易于收斂，因而無法達(dá)到最優(yōu)。一種果蠅優(yōu)化算法用于求解ocl問題。其他用于求解該類問題的算法還包括模擬退火算法，進(jìn)化策略，梯度下降法，差分進(jìn)化算法等。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種大大提高了效率的冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法，以解決上述背景技術(shù)中提出的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法，具體步驟如下：

s1：實(shí)時(shí)獲取冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù)；

s2：確定參數(shù)調(diào)整的目標(biāo)及約束條件；

s3：采用教學(xué)優(yōu)化方法調(diào)整參數(shù)設(shè)置方案；

s4：將所述冷風(fēng)機(jī)參數(shù)設(shè)置方案下發(fā)到各冷風(fēng)機(jī)。

作為本發(fā)明進(jìn)一步的技術(shù)方案：所述s1中的冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù)包括：冷風(fēng)機(jī)n個(gè)，某個(gè)冷風(fēng)機(jī)i，i＝1、2、…、n，決策變量plri表示第i個(gè)冷風(fēng)機(jī)的開啟比率的指標(biāo)即部分負(fù)載率，則第i個(gè)冷風(fēng)機(jī)能耗為pi；問題的約束條件是，每個(gè)冷風(fēng)機(jī)所提供的冷風(fēng)量需滿足系統(tǒng)要求cl，其中，表示第i個(gè)冷風(fēng)機(jī)的供冷量，cl是系統(tǒng)所需的總體冷量。

作為本發(fā)明進(jìn)一步的技術(shù)方案：所述s2中的冷風(fēng)機(jī)參數(shù)優(yōu)化的目標(biāo)為：

pi＝ai+biplri+ciplri²+diplri³(式1)；

其中，ai，bi，ci，和di分別表示三個(gè)冷風(fēng)機(jī)的參數(shù)，n表示冷風(fēng)機(jī)的數(shù)量，pi即第i個(gè)冷風(fēng)機(jī)的能耗，表示第i個(gè)冷風(fēng)機(jī)的供冷量，cl是系統(tǒng)所需的總體冷量；

因而，系統(tǒng)所優(yōu)化的兩個(gè)目標(biāo)為：

minf＝αf1+βf2(式4)

其中α和β表示兩個(gè)目標(biāo)的權(quán)重系數(shù)。

作為本發(fā)明進(jìn)一步的方案：所述s3包括如下步驟：

(1)按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問題產(chǎn)生一個(gè)學(xué)習(xí)者，并加入學(xué)習(xí)者群，循環(huán)隨機(jī)生成pn個(gè)初始學(xué)習(xí)者加入學(xué)習(xí)者群；

(2)計(jì)算每個(gè)學(xué)習(xí)者的目標(biāo)值，并對(duì)初始群體進(jìn)行排序，選擇最好的作為教師；

(3)計(jì)算當(dāng)前解集中個(gè)體平均值以及平均差值；

(4)設(shè)置學(xué)習(xí)者群迭代終止條件k，令i＝0；

(5)開始教學(xué)階段，即學(xué)習(xí)者向教師學(xué)習(xí)的階段；

(6)開始學(xué)習(xí)階段，即學(xué)習(xí)者互相學(xué)習(xí)的階段；

(7)更新學(xué)習(xí)者群；

(8)令i＝i+1，判斷i≥k條件是否滿足，如果滿足，則退出算法，輸出最好參數(shù)配置方案；否則，轉(zhuǎn)入步驟(5)。

作為本發(fā)明進(jìn)一步的方案：所述步驟(1)是這樣實(shí)現(xiàn)的：

按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問題，隨機(jī)產(chǎn)生一個(gè)學(xué)習(xí)者，加入解集中，循環(huán)生成pn個(gè)學(xué)習(xí)者，構(gòu)成初始學(xué)習(xí)者群體。

作為本發(fā)明進(jìn)一步的方案：所述步驟(2)中的編碼策略如下：

每個(gè)冷風(fēng)機(jī)用一個(gè)整數(shù)串表示，整數(shù)串的長度取決于系統(tǒng)的需求。

作為本發(fā)明進(jìn)一步的方案：所述步驟(5)中的教學(xué)階段策略如下：

a、計(jì)算平均差mt,j：首先，計(jì)算每個(gè)學(xué)習(xí)者在每個(gè)整數(shù)串的每個(gè)元素值上的和，其次，分別計(jì)算每個(gè)元素對(duì)應(yīng)位置的平均值；

b、計(jì)算dt,j：首先，選擇當(dāng)前解集中的最好個(gè)體作為教師，其次，產(chǎn)生兩個(gè)隨機(jī)數(shù)；

c、產(chǎn)生新的學(xué)習(xí)者；

d、更新原有的個(gè)體。

作為本發(fā)明再進(jìn)一步的方案：所述步驟(6)中的學(xué)習(xí)階段策略如下：

e、隨機(jī)選擇兩個(gè)個(gè)體和

f、產(chǎn)生一個(gè)新的個(gè)體

g、更新原有個(gè)體。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

本發(fā)明提出了一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化問題的教學(xué)優(yōu)化算法，結(jié)合問題特征，算法采用了一種新穎的基于整數(shù)的編碼和解碼機(jī)制，算法分為教學(xué)和學(xué)習(xí)兩個(gè)階段，教學(xué)階段可以改善學(xué)習(xí)過程的質(zhì)量，從而提高開發(fā)能力；設(shè)計(jì)良好的學(xué)習(xí)階段則加強(qiáng)彼此之間的學(xué)習(xí)過程。

附圖說明

圖1為本發(fā)明冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法的步驟框圖；

圖2為本發(fā)明方法中的采用教學(xué)優(yōu)化方法生成冷風(fēng)機(jī)參數(shù)配置方案的步驟框圖；

圖3為本發(fā)明方法中的冷風(fēng)機(jī)示意圖。

圖4為本發(fā)明中仿真實(shí)驗(yàn)得到的最好解的比較圖之一。

圖5為本發(fā)明中仿真實(shí)驗(yàn)得到的最好解的比較圖之二。

圖6為本發(fā)明中仿真實(shí)驗(yàn)得到的最好解的比較圖之三。

具體實(shí)施方式

下面結(jié)合具體實(shí)施方式對(duì)本專利的技術(shù)方案作進(jìn)一步詳細(xì)地說明。

請參閱圖1-3，一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法，具體步驟如下：

s1：實(shí)時(shí)獲取冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù)；

s2：確定參數(shù)調(diào)整的目標(biāo)及約束條件；

s3：采用教學(xué)優(yōu)化方法調(diào)整參數(shù)設(shè)置方案；

s4：將所述冷風(fēng)機(jī)參數(shù)設(shè)置方案下發(fā)到各冷風(fēng)機(jī)。

冷風(fēng)機(jī)參數(shù)配置問題描述：多區(qū)域冷風(fēng)機(jī)系統(tǒng)，一般包含多個(gè)冷風(fēng)機(jī)，如圖3所示。圖中，包含3個(gè)冷卻裝置。

一、所述s1中的冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù)包括：冷風(fēng)機(jī)n個(gè)，某個(gè)冷風(fēng)機(jī)i，i＝1、2、…、n，決策變量plri表示第i個(gè)冷風(fēng)機(jī)的開啟比率的指標(biāo)即部分負(fù)載率，則第i個(gè)冷風(fēng)機(jī)能耗為pi；問題的約束條件是，每個(gè)冷風(fēng)機(jī)所提供的冷風(fēng)量需滿足系統(tǒng)要求cl，其中，表示第i個(gè)冷風(fēng)機(jī)的供冷量，cl是系統(tǒng)所需的總體冷量。

二、所述s2中的冷風(fēng)機(jī)參數(shù)優(yōu)化的目標(biāo)為：

pi＝ai+biplri+ciplri²+diplri³(式1)；

其中，ai，bi，ci，和di分別表示三個(gè)冷風(fēng)機(jī)的參數(shù)，n表示冷風(fēng)機(jī)的數(shù)量，pi即第i個(gè)冷風(fēng)機(jī)的能耗，表示第i個(gè)冷風(fēng)機(jī)的供冷量，cl是系統(tǒng)所需的總體冷量；

因而，系統(tǒng)所優(yōu)化的兩個(gè)目標(biāo)為：

minf＝αf1+βf2(式4)

其中α和β表示兩個(gè)目標(biāo)的權(quán)重系數(shù)。

三、所述s3包括如下步驟：

(1)按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問題產(chǎn)生一個(gè)學(xué)習(xí)者，并加入學(xué)習(xí)者群，循環(huán)隨機(jī)生成pn個(gè)初始學(xué)習(xí)者加入學(xué)習(xí)者群；

(2)計(jì)算每個(gè)學(xué)習(xí)者的目標(biāo)值，并對(duì)初始群體進(jìn)行排序，選擇最好的作為教師；

(3)計(jì)算當(dāng)前解集中個(gè)體平均值以及平均差值；

(4)設(shè)置學(xué)習(xí)者群迭代終止條件k，令i＝0；

(5)開始教學(xué)階段，即學(xué)習(xí)者向教師學(xué)習(xí)的階段；

(6)開始學(xué)習(xí)階段，即學(xué)習(xí)者互相學(xué)習(xí)的階段；

(7)更新學(xué)習(xí)者群；

(8)令i＝i+1，判斷i≥k條件是否滿足，如果滿足，則退出算法，輸出最好參數(shù)配置方案；否則，轉(zhuǎn)入步驟(5)。

采用教學(xué)優(yōu)化方法調(diào)整參數(shù)設(shè)置方案主要包含教學(xué)和學(xué)習(xí)兩個(gè)階段。算法用到的變量和下標(biāo)如下：記表示系統(tǒng)中第i個(gè)學(xué)習(xí)者；記mt,j表示學(xué)習(xí)者在某個(gè)目標(biāo)值上的平均值；記表示群體中的最好的學(xué)習(xí)者；記表示教師的第j個(gè)目標(biāo)值；記rt表示一個(gè)取值在[0，1]間的隨機(jī)數(shù)；記tf表示教學(xué)力度參數(shù)，一般取值的[1，2]之間；記dt,j為教師的差別度；記mt,j表示平均差值。

算法主要包含教學(xué)階段學(xué)習(xí)階段兩部分。

教學(xué)階段具體步驟為：首先計(jì)算差值：其次產(chǎn)生一個(gè)新的學(xué)習(xí)者最后如果新的學(xué)習(xí)者優(yōu)于以前的，則替換之。

學(xué)習(xí)階段具體步驟為：首先隨機(jī)選取兩個(gè)學(xué)習(xí)者和如果優(yōu)于則執(zhí)行否則，執(zhí)行如果新的學(xué)習(xí)者優(yōu)于以前的，則替換之。

1、所述步驟(1)是這樣實(shí)現(xiàn)的：

按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問題，隨機(jī)產(chǎn)生一個(gè)學(xué)習(xí)者，加入解集中，循環(huán)生成pn個(gè)學(xué)習(xí)者，構(gòu)成初始學(xué)習(xí)者群體。

2、所述步驟(2)中的編碼策略如下：

二進(jìn)制編碼和實(shí)數(shù)編碼是兩種常用的編碼方案，然而，這兩種方案各有優(yōu)缺點(diǎn)。二進(jìn)制編碼所需編碼存儲(chǔ)空間需求大，因而計(jì)算時(shí)間較長。實(shí)數(shù)編碼則搜索空間較大，收斂能力不足?；诖?，我們設(shè)計(jì)了一種新穎的整數(shù)編碼方案，具體描述如下：

在所給出的編碼方案中，每個(gè)冷風(fēng)機(jī)用一個(gè)整數(shù)串表示，整數(shù)串的長度取決于系統(tǒng)的需求，即較長的整數(shù)串表示的搜索精度較高，因而也需要較長的計(jì)算時(shí)間，較短的整數(shù)串可以快速定位到所需的大致位置，但無法達(dá)到較高的搜索精度。例如，給定一個(gè)整數(shù)串?dāng)?shù)組{(8，7，5)，(7，8，6)，(6，7，3)，(7，2，1)，(8，3，4)，(9，0，1)}，則第一個(gè)整數(shù)串(8，7，5)表示第一個(gè)冷風(fēng)機(jī)的plr值，即0.875，第二個(gè)(7，8，6)表示第二個(gè)冷風(fēng)機(jī)的plr值為0.786，以此類推。

上述編碼的優(yōu)點(diǎn)有：(1)編碼簡單且易于實(shí)現(xiàn)；(2)上述整數(shù)串的長度隨著迭代的進(jìn)行不斷變化，在算法進(jìn)化初期，整數(shù)串的長度設(shè)置較小值，這樣可以快速定位到所需搜索的空間，在算法進(jìn)化中后期，整數(shù)串的長度設(shè)置較大值，這樣可以提高算搜索精度，進(jìn)而搜索到最優(yōu)值；(3)可以為不同冷風(fēng)機(jī)設(shè)置不同的整數(shù)串長度，進(jìn)而為不同的冷風(fēng)機(jī)設(shè)置不同的搜索強(qiáng)度。

3、所述步驟(5)中的教學(xué)階段策略如下：

a、計(jì)算平均差mt,j：首先，計(jì)算每個(gè)學(xué)習(xí)者在每個(gè)整數(shù)串的每個(gè)元素值上的和，其次，分別計(jì)算每個(gè)元素對(duì)應(yīng)位置的平均值；例如，給定解集{(8，7，5)，(7，5，6)，(6，9，3)，(8，2，1)，(8，5，4)，(9，3，1)}，{(9，7，5)，(6，8，6)，(7，7，3)，(5，2，1)，(8，2，4)，(7，0，1)}，{(6，7，5)，(7，4，6)，(7，7，3)，(9，2，1)，(5，3，4)，(9，7，1)}，則第一步得到{23，21，15，20，17，18，20，23，9，22，6，3，21，10，12，25，10，3}，第二步得到{7.67，7.00，5.00，6.67，5.67，6.00，6.67，7.67，3.00，7.33，2.00，1.00，7.00，3.33，4.00，8.33，3.33，1.00}。

b、計(jì)算dt,j：首先，選擇當(dāng)前解集中的最好個(gè)體作為教師，其次，產(chǎn)生兩個(gè)隨機(jī)數(shù)；例如，給定解集s1＝{(8，7，5)，(7，5，6)，(6，9，3)，(8，2，1)，(8，5，4)，(9，3，1)}，令兩個(gè)隨機(jī)數(shù)rt＝0.3和tf＝1，則得到dt,2＝{0.1，0，0，0.1，-0.2，0，-0.2，0.4，0，0.2，0，0，0.3，0.5，0，0.2，-0.1，0}.令rt＝0.8和tf＝2，則得到dt,3＝{0.27，0.00，0.00，0.27，-0.53，0.00，-0.53，1.07，0.00，0.53，0.00，0.00，0.80，1.33，0.00，0.53，-0.27，0.00}。

c、產(chǎn)生新的學(xué)習(xí)者；

基于步驟b，則新產(chǎn)生的個(gè)體(6，8，6)，(7，7，3)，(5，2，1)，(8，2，4)，(7，0，1)}+{0.1，0，0，0.1，-0.2，0，-0.2，0.4，0，0.2，0，0，0.3，0.5，0，0.2，-0.1，0}＝{(9.1，7，5)，(6.1，7.8，6)，(6.8，7.4，3)，(5.2，2，1)，(8.3，2.5，4)，(7.2，-0.1，1)}。

d、更新原有的個(gè)體。

4、所述步驟(6)中的學(xué)習(xí)階段策略如下：

e、隨機(jī)選擇兩個(gè)個(gè)體和

f、產(chǎn)生一個(gè)新的個(gè)體

例如，解集s1＝{(8，7，5)，(7，5，6)，(6，9，3)，(8，2，1)，(8，5，4)，(9，3，1)}s3＝{(6，7，5)，(7，4，6)，(7，7，3)，(9，2，1)，(5，3，4)，(9，7，1)}.令ri＝0.5，假設(shè)s1優(yōu)于s3，則有6，5.5，10，3，7.5，2，1，9.5，6，4，9，1，1}，則四舍五入后得到6，6，6，10，3，8，2，1，9，6，4，9，1，1}。

g、更新原有個(gè)體。

四、驗(yàn)結(jié)果與分析：

1、仿真實(shí)驗(yàn)參數(shù)設(shè)置：

為驗(yàn)證所提出算法的性能，選擇表1中所列的三種冷風(fēng)機(jī)系統(tǒng)數(shù)據(jù)，采用c++編程語言，在intelcorei73.4ghzpc機(jī)器上實(shí)現(xiàn)了所提算法，并與現(xiàn)有技術(shù)中的分支定界法、拉格朗日松弛方法、遺傳算法、粒子群優(yōu)化算法、模擬退火算法、進(jìn)化策略、梯度下降法、差分進(jìn)化算法等幾種算法進(jìn)行對(duì)比分析。

2仿真實(shí)驗(yàn)結(jié)果：

表3給出了針對(duì)第一個(gè)算例，幾種算法所得數(shù)據(jù)的比較結(jié)果。由表可見，針對(duì)六種運(yùn)行數(shù)據(jù)，本算法獲得了全部最優(yōu)解，而僅次于本算法的dcsa算法僅獲得了其中三個(gè)最優(yōu)解，比較結(jié)果驗(yàn)證了本算法的優(yōu)越性。另外，本算法找到了其他算法沒有找到的最優(yōu)解，驗(yàn)證了算法的搜索能力。

表4給出了針對(duì)第二個(gè)算例，幾種算法所得數(shù)據(jù)的比較結(jié)果。由表可見，針對(duì)六種運(yùn)行數(shù)據(jù)，本算法獲得了5個(gè)最優(yōu)解，而僅次于本算法的dcsa算法僅獲得了其中兩個(gè)最優(yōu)解，比較結(jié)果驗(yàn)證了本算法的優(yōu)越性。另外，本算法找到了其他算法沒有找到的最優(yōu)解，驗(yàn)證了算法的搜索能力。

表5給出了針對(duì)第三個(gè)算例，幾種算法所得數(shù)據(jù)的比較結(jié)果。由表可見，本算法相比其他算法有了明顯改進(jìn)，進(jìn)一步驗(yàn)證了算法的優(yōu)越性。表6則給出了tlbo算法求解最好解的比例，進(jìn)一步驗(yàn)證了算法的先進(jìn)性。

圖4-6給出了幾種算法求解上述三種算例得到的最好解的比較，由圖可見，本算法均表現(xiàn)了良好的性能。

表1：冷風(fēng)機(jī)數(shù)據(jù)

表2：第一個(gè)算例的比較

表3：第二個(gè)算例的比較

表4：第三個(gè)算例比較結(jié)果

表5：tlbo算法得到的最好解比例

本發(fā)明提出了一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化問題的教學(xué)優(yōu)化算法，結(jié)合問題特征，算法采用了一種新穎的基于整數(shù)的編碼和解碼機(jī)制，算法分為教學(xué)和學(xué)習(xí)兩個(gè)階段，教學(xué)階段可以改善學(xué)習(xí)過程的質(zhì)量，從而提高開發(fā)能力；設(shè)計(jì)良好的學(xué)習(xí)階段則加強(qiáng)彼此之間的學(xué)習(xí)過程。

上面對(duì)本專利的較佳實(shí)施方式作了詳細(xì)說明，但是本專利并不限于上述實(shí)施方式，在本領(lǐng)域的普通技術(shù)人員所具備的知識(shí)范圍內(nèi)，還可以在不脫離本專利宗旨的前提下作出各種變化。