[发明专利]基于神经网络和改进粒子群算法的中央空调系统优化方法和系统

说明书

本发明提供了一种基于神经网络和改进粒子群算法的中央空调系统优化方法和系统，包括：步骤1：对中央空调历史数据应用神经网络进行黑箱建模；步骤2：对中央空调系统运行时进行改进粒子群算法优化；步骤3：应用云计算平台实现云端的算法优化和指令下达。本发明综合考虑系统负荷和控制对系统能耗的影响，优化冷却塔风机频率，冷却水泵和冷冻水泵频率，以及冷水机组出水温度，使冷水系统的综合能耗最低。

技术领域

本发明涉及能源与节能技术领域，具体地，涉及一种基于神经网络和改进粒子群算法的中央空调系统优化方法和系统。

背景技术

我国的建筑用能约占全国能源消耗总量的30％，并将随着人民生活水平的逐步提高而不断增加，而暖通空调系统约占建筑能耗的40％～60％，所以暖通空调的节能优化是整个建筑节能的重点。

中央空调运行需要考虑环境和季节变化、使用时间、人员变化等多种因素的综合影响，且其变化过程中存在严重的迟滞效应和非线性变化。传统的控制方法，如恒温查变流量控制，或固定冷却水回水温度控制等对于系统的节能效果并不好。随着大数据时代的到来，计算机性能的增强使得复杂的机器学习算法可以应用于中央空调的优化问题上。

专利文献CN102980272A(申请号：CN201210526338.1)公开了一种基于负荷预测的空调系统节能优化方法，利用历史数据，预测出未来时刻空调系统的负荷，然后利用粒子算法，优化空调系统的能耗模型，得到该负荷条件下的最优运行参数，再根据系统的实时滞后时间，提前对系统的各参数变量进行控制。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于神经网络和改进粒子群算法的中央空调系统优化方法和系统。

根据本发明提供的基于神经网络和改进粒子群算法的中央空调系统优化方法，包括：

步骤1：对中央空调历史数据应用神经网络进行黑箱建模；

步骤2：对中央空调系统运行时进行改进粒子群算法优化；

步骤3：应用云计算平台实现云端的算法优化和指令下达。

优选的，通过四分位法对历史数据进行数据清洗，在数据清洗完成后，通过系统负荷变换情况和控制策略对构建模型的数据进行筛选。

优选的，在改进粒子群优化过程中，根据中央空调系统的热惯性，对优化过程中涉及的温度限制为±0.3℃，对涉及的频率限制为5Hz。

优选的，确定优化的目标函数，对于整个中央空调系统，优化的目标选择为系统的单耗UC：

E表示整个系统的能耗；Q表示系统提供的冷负荷。

优选的，初始化优化的粒子群优化的粒子个数n，确定粒子群优化过程中的学习因子c₁和c₂，粒子的初始位置X，以及优化的范围在[X_min,X_max]，X为优化变量组成的5维数组，粒子的初始寻优速度V，以及最大的粒子寻优速度V_max；

计算每个粒子的个体适应度，带入模型进行计算，对第i个粒子，计算该粒子的整个模型的耗能，记为E_init,i，计算该粒子的系统模型是否可以满足此时的末端负荷情况，记此时的模型计算结果为Q_init,i，计算此时系统的单耗UC_init,i；

保留此时的各粒子的适应度情况，记此时初始化完各个粒子的情况认为是粒子的个体最优情况，集为P_best，即保留此时各个粒子的耗能、可满足的末端负荷以及该粒子的单耗，并在各个粒子中，选取满足条件的粒子，以其单耗为目标，选择全局最优的粒子，记此时粒子的状态为G_best；