[发明专利]一种中央空调冷水机组负荷优化方法、系统、介质及设备

说明书

本发明公开了一种中央空调冷水机组负荷优化方法、系统、介质及设备，对中央空调冷水机组负荷系统进行初始化，随机产生初始群体并设置中央空调冷水机组负荷系统的参数；根据设置的冷水机组负荷优化系统参数计算各个个体的适应度值F；根据各个个体的适应度值F选择遗传操作的顺序；根据确定的遗传操作顺序判断遗传操作结果是否已搜索到最优值或已迭代到设定的最大迭代次数；如果达到收敛条件，输出最小系统能耗值、平均系统能耗以及收敛速度，实现中央空调冷水机组负荷系统的优化。本发明在保证解的质量的同时提高了收敛速度，通过合理的负荷分配有效降低系统能耗。

技术领域

本发明属于中央空调技术领域，具体涉及一种中央空调冷水机组负荷优化方法、系统、介质及设备。

背景技术

在我国大型公共建筑的能耗中，空调系统的能耗约占建筑总能耗的40％，然而，空调系统能耗主要来自冷水机组的能耗，对冷水机组而言，其控制策略的优劣将直接决定机组能耗的高低。因此，如何在不同冷负荷条件下降低冷水机组系统能耗，继而对其进行合理控制优化是一个亟待解决的问题。此外，由于冷机群控系统通常是由性能和容量各不相同的冷水机组构成，因此研究各冷水机组在部分负荷率(Partial Load Rate，PLR)下的运行优化组合对于实现建筑节能和绿色发展具有重要的现实意义。

目前，该领域提出了多种冷水机组负荷优化的模型和优化算法，以推进最优冷水机组负荷(Optimal Chiller Loading，OCL)问题的研究，但是当前基本智能算法优化环境下依然存在空调负荷分配不合理造成大量能源浪费的情况。

针对这个问题，考虑到差分进化(Differential Evoluation，DE)算法在求解OCL问题时的有效性，该算法不仅能找到问题最优解，也能获得较好的平均解，且该算法在求解最优解问题方面优于基本GA算法，并解决了拉格朗日方法在低需求下产生的发散问题，但也存在迭代后期收敛速度缓慢、易陷入局部最优等问题。除此之外，也考虑到自适应遗传算法(Adaptive Genetic Algorithm，AGA)改进了基本遗传算法其交叉概率和变异概率为经验值且固定不变，容易出现算法寻优性能差，导致所选的最优参数不准确的问题，它根据个体适应度值的不同自适应的调节交叉和变异概率，使每代最优个体不会处于一种不发生变化的状态，但在实际应用中最大的不足就是容易出现过早收敛即未成熟收敛，这种现象属于遗传算法所特有，而且有很强的随机性，几乎无法预见它是否会产生。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种中央空调冷水机组负荷优化方法、系统、介质及设备，对影响算法搜索边界的判断先交叉还是先变异的判断条件进行改进，对影响算法搜索速度的最佳个体选择概率公式进行改进，以解决中央空调OCL的问题。

本发明采用以下技术方案：

一种中央空调冷水机组负荷优化方法，包括以下步骤：

S1、对中央空调冷水机组负荷系统进行初始化，随机产生初始群体并设置中央空调冷水机组负荷系统的参数；

S2、根据步骤S1设置的冷水机组负荷优化系统参数计算各个个体的适应度值F；

S3、根据步骤S2各个个体的适应度值F选择遗传操作的顺序；

S4、根据步骤S3确定的遗传操作顺序判断遗传操作结果是否已搜索到最优值或已迭代到设定的最大迭代次数；

S5、如果步骤S4达到收敛条件，输出最小系统能耗值、平均系统能耗以及收敛速度，实现中央空调冷水机组负荷系统的优化。

具体的，步骤S1中，中央空调冷水机组负荷系统参数包括：种群规模、染色体长度、交叉概率、变异概率、最大迭代次数和决策变量个数。

具体的，步骤S2中，根据各个个体的适应度值F对种群所有个体进行评价，保留最大适应度个体，淘汰最小适应度个体，适应度函数为冷水机组COP最高。