一種基于人工蜂群的空調能耗模型參數辨識方法技術

本發明專利技術提出的一種基于人工蜂群的空調能耗模型參數辨識方法，利用機理分析法建立整個空調系統的能耗模型函數，然后把能耗模型函數作為目標函數，利用人工蜂群算法對它進行尋優，確定一定負荷狀態下的最優參數組合。本發明專利技術利用機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化算法收斂速度快、參數設置少，受所求問題維數的影響較小，并且實現簡單方便，并且在每次迭代中都進行全局和局部搜索，找到最優解的概率大大增加，并在較大程度上避免了局部最優。

【技術實現步驟摘要】

本專利技術涉及一種能耗模型參數辨識方法，屬于空調系統節能優化領域，具體說涉及一種基于人工蜂群的空調能耗模型的參數辨識方法。
技術介紹
隨著經濟的發展，我國的建筑業發展迅猛，建筑能耗不斷增加，建筑能耗已經占據社會總能耗的27%以上，有些地區已接近40%，其中三分之二的能耗為空調系統所消耗。在建筑能耗占整個能源消耗的比例不斷增加的現狀下，建筑中的空調系統節能已經成為節能領域中的一個重點和熱點。按照終端節能的概念，加大空調節能的力度對節約能源有著巨大的理論和實際意義。目前，空調系統的節能優化比較注重系統建模和參數辨識，力求提高優化控制的穩定度和精度，并且大量學者對空調系統的建模和參數辨識的方法進行了研究。例如，在文獻“制冷系統的節能優化運行”中，作者通過對制冷系統耗能諸多因素的初步分析，采用正交試驗、回歸計算等手段得出空調系統能耗與主要因素的函數關系，通過優化計算迅速找出最佳運行參數指導操作，從而達到節能的目的，但是在優化過程中，冷凍水流量和冷卻水流量都沒有變化，而且只是針對個別空調系統進行回歸優化，沒有普遍適用性。文獻“空調制冷系統的節能潛力分析”中，作者利用全年空調負荷統計分析結果及冷水機組部分負荷特性，對制冷系統中冷水機組和冷水泵變流量運行時不同調節方案的能耗進行了計算，并從中得出冷水機組和水泵的最優運行方案，盡管取得了一定的節能效果，但是空調系統的能耗只考慮了一部分，得到的優化運行方案也不是整個空調系統的最優方案。文獻“中央空調水系統優化控制策略研究”中，作者利用神經網絡建立了空調水系統的能耗模型，然后利用遺傳算法對能耗模型進行性能優化，但是神經網絡建立需要大量的數據，由于變流量數據較少，使得建立的模型精度不高；另一方面遺傳算法優化的精度跟設置的個體初值有很大影響，并且收斂速度較慢。文獻“中央空調水系統優化設計與運行研究”中，作者利用機理分析法建立了空調系統各個部分的能耗函數表達式，具有模型精度高，通用性好的優點，但是進行優化時采用的序列二次規劃法需要對目標函數進行泰勒展開，實現過程比較復雜，更不能保證目標函數中需求矩陣的正定性。綜上，對于空調能耗模型的參數優化主要有以上的方法，其存在的缺點主要是空調系統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系統其中的一部分，不能代替完整的空調系統。另外，空調能耗模型的參數優化方法受初值設置的影響很大，精度不高，收斂速度慢，或是實現過程復雜，不利于優化算法的實現。
技術實現思路
針對現有空調能耗模型優化和參數辨識的不足，本專利技術提出。本專利技術的實質是利用機理分析法建立整個空調系統的能耗模型函數，然后把能耗模型函數作為目標函數，利用人工蜂群算法對它進行優化，確定一定負荷下的最優參數組合。其中，利用機理分析法建立的能耗模型具有精度高，通用性好的優點，人工蜂群的優化算法收斂速度快、參數設置少，受所求問題維數的影響較小，并且實現簡單方便，能較好的解決空調能耗模型參數優化辨識中的不足。本專利技術提出的，主要包含以下步驟主要包含以下步驟·第一步，建立空調系統的各部分能耗模型，包括制冷主機能耗P1的模型，冷凍水泵能耗P2的模型，冷卻水泵能耗P3的模型和冷卻塔風機能耗P4模型；其中Pp P2、P3和P4為空調系統的工作負荷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；第二步，設定整個空調系統的能耗模型為f (X) =P=P1+P2+P3+P4=f (Q, Tlo, T20, V1, v2, Fair)；第三步，在空調系統具有特定工作負荷Q的狀態下，利用人工蜂群算法，獲得空調系統的能耗P最小時，空調系統能耗模型的最優參數組合，即 \。，T20, V1, V2, Fair的最優組口 ο附圖說明圖1為本專利技術中基于人工蜂群的空調系統能耗模型參數辨識的實現框圖。圖2為本專利技術中利用人工蜂群算法進行目標函數優化的流程圖。具體實施例方式下面結合具體事例，參照附圖對本專利技術的具體實施方式進行詳細的說明。參照附圖1，本專利技術的基于人工蜂群的空調能耗模型參數辨識方法主要包括三個步驟步驟一建立空調系統的各部分能耗模型。一般情況下，空調系統主要有四個能耗部分組成，分別是制冷主機，冷卻水泵，冷凍水泵和冷卻塔。通過機理分析法分別建立各個能耗部分的能耗模型。(I)制冷主機能耗模型P1制冷能力曲線表達式Picap =O1 + BlTlo + ClTf0 + CllT2o + ej1^ + JlTloT2o其中，Plcap為制冷主機的制冷能力，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。最大制冷量Qmax的計算公式Qmax = Qref · Plcap，其中Qref為制冷劑在額定工況下的制冷量。最大負荷下EIR隨冷卻水與冷凍水出水溫度變化關系曲線為Pvr =a2 + h2T'n + C1T': +d2T2o+S2T^0 +Z1TxoTlo其中，EIR為制冷效率cop的倒數，Pit反映E I R隨冷卻水與冷凍水出水溫度的變化關系，!\。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。EIR與負荷率關系曲線為權利要求1.，主要包含以下步驟 第一步，建立空調系統的各部分能耗模型，包括制冷主機能耗P1，冷凍水泵能耗P2,冷卻水泵能耗P3和冷卻塔風機能耗P4，其中Pp P2、P3和P4為空調系統的工作負荷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； 第二步，設定整個空調系統的能耗模型為 f (X) =P=P1+P2+P3+P4=f (Q, T10, T20, V1, V2, Fair)； 第三步，在空調系統具有特定工作負荷Q的狀態下，利用人工蜂群算法，獲得空調系統的能耗P最小時，空調系統能耗模型的最優參數組合，即 \。，T20, V1, V2, Fair的最優組合。2.如權利要求1所述的空調能耗模型參數辨識方法，其中在第一步中，設置制冷主機能耗 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.如權利要求1所述的空調能耗模型參數辨識方法，其中在第一步中，設置冷凍水泵能耗P2 =a4 +b,vx+C4V21，設置冷卻水泵能耗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，V2為冷卻水泵的流量，a5, b5, C5為模型的擬合系數。4.如權利要求1所述的空調能耗模型參數辨識方法，其中在第一步中，設置冷卻塔風機的能耗 P4 = P額 X (a6+b6X (FR)+c6X (FR)2+d6X (FR)3)， 其中，FR為空氣的流量率，即FR=Fair/Fairs，Fair為空氣的流量，Fairs為額定空氣流量。5.如權利要求1所述的空調能耗模型參數辨識方法，其中在第三步的人工蜂群算法中， (1)設置f本文檔來自技高網...

【技術保護點】
一種基于人工蜂群的空調能耗模型參數辨識方法，主要包含以下步驟：第一步，建立空調系統的各部分能耗模型，包括制冷主機能耗P1，冷凍水泵能耗P2，冷卻水泵能耗P3和冷卻塔風機能耗P4，其中P1、P2、P3和P4為空調系統的工作負荷Q，冷凍水出水溫度T1o，冷卻水出水溫度T2o，冷凍水泵流量v1，冷卻水泵流量v2和空氣流量Fair的函數；第二步，設定整個空調系統的能耗模型為：f(x)=P=P1+P2+P3+P4=f(Q,T1o,T2o,v1,v2,Fair)；第三步，在空調系統具有特定工作負荷Q的狀態下，利用人工蜂群算法，獲得空調系統的能耗P最小時，空調系統能耗模型的最優參數組合，即T1o,T2o,v1,v2,Fair的最優組合。

【技術特征摘要】

【專利技術屬性】
技術研發人員：牛麗仙，吳忠宏，
申請(專利權)人：珠海派諾科技股份有限公司，
類型：發明
國別省市：