CN113237162B - 一种冷冻水循环***控制优化方法、***及设备 - Google Patents
一种冷冻水循环***控制优化方法、***及设备 Download PDFInfo
- Publication number
- CN113237162B CN113237162B CN202110595379.5A CN202110595379A CN113237162B CN 113237162 B CN113237162 B CN 113237162B CN 202110595379 A CN202110595379 A CN 202110595379A CN 113237162 B CN113237162 B CN 113237162B
- Authority
- CN
- China
- Prior art keywords
- antibody population
- chilled water
- population
- initial
- affinity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
- F24F5/0003—Exclusively-fluid systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
- F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Sustainable Development (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Fuzzy Systems (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种冷冻水循环***控制优化方法、***及设备,包括,识别抗原;将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成两个初始抗体种群;采用并行人工免疫算法对两个初始抗体种群进行寻优,得到两个下一代抗体种群;采用移民算子对两个下一代抗体种群进进行种群间个体交换,得到两个新抗体种群;采用并行人工免疫算法对两个新抗体种群进行寻优;判断是否满足终止条件,输出最优解,即最优的冷冻水供水温度;根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比;本发明将冷水机组和冷冻水泵综合进行优化,实现不同设备协同匹配运行分析,具有收敛速度快和稳定性强特点。
Description
技术领域
本发明属于空调***控制技术领域,特别涉及一种冷冻水循环***控制优化方法、***及设备。
背景技术
近年来,中央空调***在现代大型建筑中得到广泛应用,以提供舒适的室内热环境;冷冻水***作为最主要的耗能设备,其运行能耗约占中央空调***总能耗的60%。虽然很多冷冻水***在设计选型时已是节能的高效***,但***设备根据最大空调负荷设计,当***处于部分负荷情况下,各设备无法随环境参数和负荷需求的逐时变化而动态调节,导致设备偏离最佳运行水平,存在很大的节能空间。因此在不同负荷需求下,如何制定冷冻水***中各设备的相关优化控制策略,以提高***的运行效率非常重要。
冷冻水***的主要耗能设备包括冷水机组和冷冻水泵,这两种设备的能耗在整个中央空调***中所占比例也非常大;目前对于冷冻水***的研究主要集中于冷冻水泵或冷水机组各子***设备的优化上,缺乏基于实际供冷需求下不同设备之间协同匹配运行的***分析,导致设备运行效率较低,空调***能耗较高。
发明内容
针对现有技术中存在的技术问题,本发明提供了一种冷冻水循环***控制优化方法、***及设备,以解决现有的冷冻水循环***控制过程缺乏基于实际供冷需求下,不同设备之间协同匹配运行的***分析,导致设备运行效率较低,空调***能耗较高的技术问题。
为达到上述目的,本发明采用的技术方案为:
本发明提供了一种冷冻水循环***控制优化方法,包括以下步骤:
步骤1、将冷冻水循环***中的冷冻水节能优化问题作为抗原;
步骤2、通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;
步骤3、采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;
步骤4、采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B;
步骤5、将新抗体种群A和新抗体种群B进行独立运行;
步骤6、判断是否满足终止条件,若不满足,则返回步骤4;若满足,则输出最优解,即最优的冷冻水供水温度;
步骤7、根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比,得到所述的冷冻水循环***控制优化结果。
进一步的,步骤2中,通过随机方式生成初始抗体种群A的过程,具体为:在抗体可行解空间采用随机方式生成若干冷冻水供水温度初始解,即得到初始抗体种群A;
通过固定步长方式生成初始抗体种群B的过程,具体为:
将最低冷冻水供水温度作为初始值;将温差设定为常数,作为固定步长;在冷冻水供水温度约束范围内,均匀生成若干个冷冻水供水温度设定值,即得到初始抗体种群B。
进一步的,采用并行人工免疫算法,分别对初始抗体种群A和初始抗体种群B进行寻优,得到当前抗体种群A和当前抗体种群B的过程,具体如下:
步骤31、将冷冻水循环***的总功耗作为抗原与抗体的亲和度,分别对初始抗体种群A 和初始抗体种群B的个体进行亲和度计算,并按亲和度大小进行升序排列;分别选择初始抗体种群A和初始抗体种群B中亲和度前N个抗体,组成临时抗体种群A和临时抗体种群B;
步骤32、分别对临时抗体种群A和临时抗体种群B的个体进行免疫进化,得到免疫进化抗体种群A和免疫进化抗体种群B;
步骤33、将临时抗体种群A与免疫进化抗体种群A,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群A;将临时抗体种群B与免疫进化抗体种群B,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群B。
进一步的,步骤31中,冷冻水循环***的总功耗P的表达式为:
Pchiller,i=c1+c2(Tcwr-Tchws)+c3(Tcwr-Tchws)2+c4(Tcwr-Tchws)Qe+c5Qe+c6Qe 2
Pchiller pump,j=a0+a1·w·Q0+a2·w2·Q0 2+a3·w3·Q0 3
其中,Pchiller,i为第i台冷水机组的功耗,h为冷水机组的运行台数,Pchiller pump,i为第j台冷冻水泵的功耗,m为冷冻水泵的运行台数;c1、c2、c3、c4、c5及c6为第i台冷水机组的性能系数;Tchws为冷冻水供水温度,Tcwr为冷却水进水温度,Qe为冷水机组的承载负荷;a0、a1、a2及a3为第j台冷冻水泵的性能系数,Q0为冷冻水泵的额定流量,w为冷冻水泵的转速比;Q 冷冻水泵的流量,n0为冷冻水泵的额定转速,n为冷冻水泵的实际转速。
进一步的,分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算的过程,具体如下:
根据初始抗体种群A和初始抗体种群B中的个体,分别计算每个个体对应冷水机组的功耗;
根据给定的***所需冷冻水泵流量,采用穷举法,获取不同台数冷冻水泵运行条件下的冷冻水泵的功耗;并根据冷冻水泵功耗最小原则,确定冷冻水泵的运行台数;根据冷冻水泵运行台数和给定的***所需冷冻水泵流量要求,确定冷冻水泵的转速比;
将冷冻水泵的功耗与冷水机组的功耗相加,得到冷冻水循环***的总功耗,即得到初始抗体种群A和初始抗体种群B个体的亲和度。
进一步的,分别对临时抗体种群A和临时抗体种群B的个体进行免疫进化,得到免疫进化抗体种群A和免疫进化抗体种群B的过程中,免疫进化包括克隆、变异及抑制操作;
其中,变异操作过程,对临时抗体种群A采用如下式的变异概率进行自适应调整:
对临时抗体种群B采用如下式的变异概率进行自适应调整:
其中,αmax为每代临时抗体种群中最大的亲和度值,αarg为每代群体的平均亲和度值,αmin为每代临时抗体种群中最小的亲和度值,k1、k2、k3为变异概率调整系数。
进一步的,步骤4中,采用采用移民算子对下一代抗体种群A和下一代抗体种群B进进行种群间个体交换,得到新抗体种群A和新抗体种群B的过程,具体如下:
分别计算下一代抗体种群A和下一代抗体种群B中每个个体的亲和度,根据亲和度大小,分别将下一代抗体种群A和下一代抗体种群B的个体平均分为大中小三个区段;
按照设定好的种群间个体交换规模,对下一代代抗体种群A和下一代抗体种群B的个体区段进行交叉交换,分别得到新抗体种群A和新抗体种群B。
进一步的,步骤6中,判断满足的终止条件为是否达到最大寻优次数。
本发明还提供了一种冷冻水循环***控制优化***,包括抗原识别模块、抗体种群模块、人工免疫模块、移民交叉模块、寻优模块、终止模块及结果输出模块;
抗原识别模块,用于将冷冻水循环***中的冷冻水节能优化问题作为抗原;
抗体种群模块,用于通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;
人工免疫模块,用于采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;
移民交叉模块,用于采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B;
寻优模块,用于采用并行人工免疫算法对新抗体种群A和新抗体种群B进行寻优;
终止模块,用于判断是否满足终止条件,若不满足,则返回至移民交叉模块;若满足,则输出最优解,即最优的冷冻水供水温度;
结果输出模块,用于根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比。
本发明还提供了一种冷冻水循环***控制优化设备,包括存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令;所述处理器执行所述可执行指令时实现所述的冷冻水循环***控制优化方法。
与现有技术相比,本发明的有益效果为:
本发明提供了一种冷冻水循环***控制优化方法、***及设备,将冷水机组和冷冻水泵综合进行优化,避免造成单一设备能耗大幅下降,但冷冻水循环***的总能耗上升的问题;通过随机和固定步长方式生成初始抗体种群,防止陷入局部最优;同时,采用移民算子对两个抗体种群进行交叉交换,打破种群内部平衡,增强种群多样性,确保了种群的进化效率,收敛速度快、稳定性强,能够适用于冷冻水***设备控制优化问题。
进一步的,采用不同变异概率对两个种群的个体进行变异操作,根据种群个体每代最大、最小以及平均亲和度值之间的关系对两种群个体的变异概率进行自适应调整,即当种群个体亲和度趋于一致时,提高变异概率,以跳出局部最优;反之当群体多样性保持得比较好时,则降低变异概率,有利于优良个体的保存,有效提高了种群间个体的多样性。
附图说明
图1为实施例中的冷冻水循环***的结构框图;
图2为实施例中的冷冻水循环***优化控制方法的流程示意图;
图3为实施例中的冷冻水泵穷举法寻优流程图;
图4为分别采用常规方法及实施例方法优化后的冷水机组的能耗优化对比图;
图5为分别采用常规方法及实施例方法优化后的冷冻水泵的能耗优化对比图;
图6为分别采用常规方法及实施例方法优化后的冷冻水循环***的耗能优化对比图。
具体实施方式
为了使本发明所解决的技术问题,技术方案及有益效果更加清楚明白,以下具体实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种冷冻水循环***控制优化方法,包括以下步骤:
步骤1、将冷冻水循环***中的冷冻水节能优化问题作为抗原;
步骤2、通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;具体如下:
通过随机方式生成初始抗体种群A的过程,具体为:在抗体可行解空间采用随机方式生成若干冷冻水供水温度初始解,即得到初始抗体种群A;
通过固定步长方式生成初始抗体种群B的过程,具体为:
将最低冷冻水供水温度作为初始值;将温差设定为常数,作为固定步长;在冷冻水供水温度约束范围内,均匀生成若干个冷冻水供水温度设定值,即得到初始抗体种群B。
步骤3、采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;具体包括以下步骤:
步骤31、将冷冻水循环***的总功耗作为抗原与抗体的亲和度,分别对初始抗体种群A 和初始抗体种群B的个体进行亲和度计算,并按亲和度大小进行升序排列;分别选择初始抗体种群A和初始抗体种群B中亲和度前N个抗体,组成临时抗体种群A和临时抗体种群B。
本发明中,分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算的过程,具体如下:
步骤311、根据初始抗体种群A和初始抗体种群B中的个体,分别计算每个个体对应的冷水机组的功耗。
步骤312、根据给定***的冷冻水泵流量,采用穷举法,获取不同台数冷冻水泵运行条件下的冷冻水泵的功耗。
步骤313、根据冷冻水泵功耗最小原则,确定冷冻水泵的运行台数。
步骤314、根据冷冻水泵运行台数和给定的***所需冷冻水泵流量要求,确定冷冻水泵的转速比。
步骤315、将冷冻水泵的功耗与冷水机组的功耗相加,得到冷冻水循环***的总功耗,即得到初始抗体种群A和初始抗体种群B个体的亲和度。
其中,冷冻水循环***的总功耗P的表达式为:
Pchiller,i=c1+c2(Tcwr-Tchws)+c3(Tcwr-Tchws)2+c4(Tcwr-Tchws)Qe+c5Qe+c6Qe 2
Pchiller pump,j=a0+a1·w·Q0+a2·w2·Q0 2+a3·w3·Q0 3
其中,Pchiller,i为第i台冷水机组的功耗,h为冷水机组的运行台数,Pchiller pump,j为第j台冷冻水泵的功耗,m为冷冻水泵的运行台数;c1、c2、c3、c4、c5及c6为第i台冷水机组的性能系数;Tchws为冷冻水供水温度,Tcwr为冷却水进水温度,Qe为冷水机组的承载负荷;a0、a1、a2及a3为第j台冷冻水泵的性能系数,Q0为冷冻水泵的额定流量,w为冷冻水泵的转速比;Q 冷冻水泵的流量,n0为冷冻水泵的额定转速,n为冷冻水泵的实际转速。
步骤32、分别临时抗体种群A和临时抗体种群B的个体进行免疫进化,得到免疫进化抗体种群A和免疫进化抗体种群B;其中,免疫进化包括克隆、变异及抑制操作。
本发明中,变异操作过程,对临时抗体种群A采用如下式的变异概率进行自适应调整:
对临时抗体种群B采用如下式的变异概率进行自适应调整:
其中,αmax为每代临时抗体种群中最大的亲和度值,αarg为每代群体的平均亲和度值,αmin为每代临时抗体种群中最小的亲和度值,k1、k2、k3为变异概率调整系数。
步骤33,将临时抗体种群A与免疫进化抗体种群A,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群A;将临时抗体种群B与免疫进化抗体种群B,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群B。
步骤4、采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B;具体如下:
分别计算下一代抗体种群A和下一代抗体种群B中每个个体的亲和度,根据亲和度大小,分别将下一代抗体种群A和下一代抗体种群B的个体平均分为大中小三个区段;
按照设定好的种群间个体交换规模,对下一代代抗体种群A和下一代抗体种群B的个体区段进行交叉交换,分别得到新抗体种群A和新抗体种群B。
步骤5、采用并行人工免疫算法对新抗体种群A和新抗体种群B进行独立运行;步骤5 中的寻优过程与步骤3中的寻优过程的操作基本一致,此处不再赘述。
步骤6、判断是否满足终止条件,若不满足,则返回步骤4;若满足,则输出最优解,即最优的冷冻水供水温度;本发明中,判断满足的终止条件为是否达到最大寻优次数。
步骤7、根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比。
本发明还提供了一种冷冻水循环***控制优化***,包括抗原识别模块、抗体种群模块、人工免疫模块、移民交叉模块、寻优模块、终止模块及结果输出模块;
抗原识别模块,用于将冷冻水循环***中的冷冻水节能优化问题作为抗原;抗体种群模块,用于通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;人工免疫模块,用于采用并行人工免疫算法对初始抗体种群A 和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;移民交叉模块,用于采用移民算子对下一代抗体种群A和下一代抗体种群B进进行种群间个体交换,得到新抗体种群A和新抗体种群B;寻优模块,用于采用并行人工免疫算法对新抗体种群A和新抗体种群B进行寻优;终止模块,用于判断是否满足终止条件,若不满足,则返回至移民交叉模块;若满足,则输出最优解,即最优的冷冻水供水温度;结果输出模块,用于根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比。
本发明还提供了一种冷冻水循环***控制优化设备,包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,例如冷冻水循环***控制优化程序。所述处理器执行所述计算机程序时实现冷冻水循环***控制优化方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现冷冻水循环***控制优化***中各模块的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/ 单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所冷冻水循环***控制优化设备中的执行过程。例如,所述计算机程序可以被分割成抗原识别模块、抗体种群模块、人工免疫模块、移民交叉模块、寻优模块、终止模块及结果输出模块,各模块具体功能如下:抗原识别模块,用于将冷冻水循环***中的冷冻水节能优化问题作为抗原;抗体种群模块,用于通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;人工免疫模块,用于采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群 B;移民交叉模块,用于采用移民算子对下一代抗体种群A和下一代抗体种群B进进行种群间个体交换,得到新抗体种群A和新抗体种群B;寻优模块,用于采用并行人工免疫算法对新抗体种群A和新抗体种群B进行寻优;终止模块,用于判断是否满足终止条件,若不满足,则返回至移民交叉模块;若满足,则输出最优解,即最优的冷冻水供水温度;结果输出模块,用于根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比。
所述冷冻水循环***控制优化设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述冷冻水循环***控制优化设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述设备可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述冷冻水循环***控制优化设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路 (ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述冷冻水循环***控制优化设备的控制中心,利用各种接口和线路连接整个冷冻水循环***控制优化设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述冷冻水循环***控制优化设备的各种功能。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。
此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明所述的冷冻水循环***控制优化方法及***,以中央空调冷冻水循环***内主要设备冷水机组和冷冻水泵为目标验证对象,相比于冷水机组冷冻水的供水温度,冷冻水泵的开启台数、转速为固定值情况运行下,本发明能够根据空调负荷需求不同,动态调整冷冻水***设备的最佳运行参数,降低***运行功率;冷冻水***内主要耗能设备冷水机组与冷冻水***综合进行优化,相比于单独进行其中一种设备的优化方法,避免造成虽然优化后单一设备能耗大幅下降,但整个冷冻水***的能耗却有所上升的情况出现;在***产生初始冷却室供水温度时,分别采用随机和固定步长两种方式,防止陷入局部最优;在根据冷冻水温度计算出对应的流量要求去寻找对应情况下最优的冷冻水泵开启台数、冷冻水泵的转速时,由于冷冻水泵开启台数为整数值且受到空调***设计冷冻水泵台数的限制,对冷冻水泵部分的优化采用穷举法进行寻优;减小了最优解验证工作量,缩短寻优时间;对两个种群个体的变异概率进行自适应调整,适当提高和降低变异概率,有利于跳出局部最优和优良个体的保存;在传统移民算子的基础上提出新的移民算子。打破种群内部平衡,增强种群多样性。
实施例
如附图1所示,以某中央空调的冷冻水循环***为例,该中央空调冷冻水循环***包括冷水机组及冷冻水泵组;其中,冷水机组包括若干冷机,若干冷机之间采用并联方式连接;冷冻水泵组包括若干冷冻水泵,若干冷冻水泵之间采用并联方式;在冷冻水循环***中,冷水机组工作后进行冷冻水供水,通过冷冻水泵组控制冷冻水流量,经输送管道送达终端设备,用于与室内空气不断进行热交换;完成工作后的冷冻水回水至冷水机组,由此完成不断的冷冻水循环;该冷冻水循环***中,冷冻水泵组中各冷冻水泵具有相同的压差,冷水机组中各冷机具有相同的冷冻水供回水温度。
本实施例中,以中央空调冷冻水循环***内的冷水机组和冷冻水泵为目标验证对象,相比于冷水机组的冷冻水供水温度、冷冻水泵的开启台数和转速为固定值情况运行下,本实施例能够根据空调***末端用户的冷负荷需求及冷冻水进水温度,动态调节冷冻水循环***中设备的最佳运行参数,降低***运行功耗。
如附图2-3所示,本实施例提供了一种冷冻水循环***控制优化方法,包括以下步骤:
步骤1、将冷冻水循环***中的冷冻水节能优化问题作为抗原。
步骤2、将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群 A和初始抗体种群B。
本实施例中,通过随机方式生成初始抗体种群A的过程,具体为:在抗体可行解空间采用随机方式生成若干冷冻水供水温度初始解,即得到初始抗体种群A,初始抗体种群A具有较强的随机性。
本实施例中,通过固定步长方式生成初始抗体种群B的过程,具体为:
将最低冷冻水供水温度作为初始值;将温差设定为常数,作为固定步长;在冷冻水供水温度约束范围内,均匀生成若干个冷冻水供水温度设定值,即得到初始抗体种群B。
其中,初始抗体种群B的表达式为:
步骤3、采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;具体包括以下步骤:
步骤31、将冷冻水循环***的总功耗作为抗原与抗体的亲和度,分别对初始抗体种群A 和初始抗体种群B的个体进行亲和度计算,并按亲和度大小进行升序排列;分别选择初始抗体种群A和初始抗体种群B中亲和度前N个抗体,组成临时抗体种群A和临时抗体种群B。
本发明中,分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算的过程,具体如下:
步骤311、根据初始抗体种群A和初始抗体种群B中的个体,分别计算每个个体对应的冷水机组的功耗。
步骤312、根据给定***的冷冻水泵流量,采用穷举法,获取不同台数冷冻水泵运行条件下的冷冻水泵的功耗;本实施例中,考虑到冷冻水***设备的控制时序,应使得产生冷量的冷水机组和运输冷量的冷冻水泵运行状态相匹配;即每一个优化控制周期内,先优化冷水机组的冷冻水供水温度,再根据冷冻水供水温度对冷冻水泵的运行台数、转速进行优化,以进一步挖掘节能潜力。由于冷冻水泵运行台数为整数值且受到***设计总台数的限制,为减小最优解验证工作量,缩短寻优时间,对冷冻水泵部分的优化可采用穷举法(Exhaustive method,EM)进行优化。
步骤313、根据冷冻水泵功耗最小原则,确定冷冻水泵的运行台数。
步骤314、根据冷冻水泵运行台数和给定的***所需冷冻水泵流量要求,确定冷冻水泵的转速比。
步骤315、将冷冻水泵的功耗与冷水机组的功耗相加,得到冷冻水循环***的总功耗,即得到初始抗体种群A和初始抗体种群B个体的亲和度。
其中,冷冻水循环***的总功耗P的表达式为:
其中,Pchiller,i为第i台冷水机组的功耗,h为冷水机组的运行台数,Pchiller pump,i为第j台冷冻水泵的功耗,m为冷冻水泵的运行台数。
冷水机组是冷冻水循环***中的主要冷却设备,其功耗受蒸发温度、冷凝温度和冷负荷的影响,而蒸发温度与冷冻水供水温度有关,冷凝温度与冷却水进水温度有关;本实施例中,冷水机组的功耗模型如下所示:
Pchiller,i=c1+c2(Tcwr-Tchws)+c3(Tcwr-Tchws)2+c4(Tcwr-Tchws)Qe+c5Qe+c6Qe 2
其中,c1、c2、c3、c4、c5及c6为第i台冷水机组的性能系数;Tchws为冷冻水供水温度,Tcwr为冷却水进水温度,Qe为冷水机组的承载负荷。
冷冻水泵为冷冻水循环***中的水流提供动力,在满足***外界流量需求下,可以合理调整水泵的运行台数、转速比,达到冷冻水泵节能的目的;根据水泵功耗与流量之间的强相关性,本实施例中冷冻水泵的功耗模型如下所示:
Pchiller pump,j=a0+a1Q+a2Q2+a3Q3
其中,a0、a1、a2及a3为第j台冷冻水泵的性能系数,Q为冷冻水泵的流量。
根据水泵的相似率有:
其中,Q0为冷冻水泵的额定流量;n0为水泵的额定转速;n为水泵的实际转速,w为水泵的转速比。
则冷冻水泵在任意转速下的功耗模型如下所示:
Pchiller pump,j=a0+a1·w·Q0+a2·w2·Q0 2+a3·w3·Q0 3。
本实施例中,对于冷冻水循环***设备最佳优化运行问题可描述为在满足负荷需求下,调节设备运行参数,使冷水机组和冷冻水泵组的总能耗最小,数学公式描述如下所示:
考虑到控制变量需满足易调节,与冷冻水循环***设备能耗相关程度高;本实施例中将冷冻水供水温度、冷冻水泵的转速比和运行台数等运行参数作为冷冻水***控制优化问题的控制变量,并将冷却水进水温度、末端用户冷负荷需求等作为输入变量。
为保证冷冻水***安全稳定运行,使计算出的最优参数组合符合***设备的实际运行规律,寻优过程应满足以下不等式约束和等式约束条件;其中,不等式约束主要包括冷冻水供水温度约束、冷冻水泵转速约束、冷冻水泵运行台数约束,如下式所示:
nmin≤n≤nmax
mmin≤m≤mmax。
等式约束主要为冷水机组内部工质循环的能量平衡关系,如下式所示。
Qe=Q·cwater(Tchwr-Tchws)
其中,cwater为冷冻水的比热容;Tchwr为冷冻水的回水温度。
步骤32、分别临时抗体种群A和临时抗体种群B的个体进行免疫进化,得到免疫进化抗体种群A和免疫进化抗体种群B;其中,免疫进化包括克隆、变异及抑制操作。
本实施例中,根据种群个体每代最大、最小以及平均亲和度函数值之间的关系对两种群个体的变异概率进行自适应调整,即当种群个体亲和度趋于一致时,提高变异概率,以跳出局部最优;反之当群体多样性保持得比较好时,则降低变异概率,有利于优良个体的保存;为进一步提高种群间个体的多样性,对两个抗体种群选用了不同的自适应变异概率计算公式。
变异操作过程,对临时抗体种群A采用如下式的变异概率进行自适应调整:
对临时抗体种群B采用如下式的变异概率进行自适应调整:
其中,αmax为每代临时抗体种群中最大的亲和度值,αarg为每代群体的平均亲和度值,αmin为每代临时抗体种群中最小的亲和度值,k1、k2、k3为变异概率调整系数。
步骤33,将临时抗体种群A与免疫进化抗体种群A,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群A;将临时抗体种群B与免疫进化抗体种群B,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群B。
步骤4、采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B;具体如下:
分别计算下一代抗体种群A和下一代抗体种群B中每个个体的亲和度,根据亲和度大小,分别将下一代抗体种群A和下一代抗体种群B的个体平均分为大中小三个区段;
按照设定好的种群间个体交换规模c%,对下一代抗体种群A和下一代抗体种群B的个体区段进行交叉交换,分别得到新抗体种群A和新抗体种群B;具体的,取种群的大段个体的c%代替对方种群亲合度小段个体的c%,取种群的亲合度中段个体的c%与对方种群亲合度中段个体的c%进行相互交换。
步骤5、采用并行人工免疫算法对新抗体种群A和新抗体种群B进行寻优;步骤5中的寻优过程与步骤3中的寻优过程的操作基本一致,此处不再赘述。
步骤6、判断是否满足终止条件,若不满足,则返回步骤4;若满足,则输出最优解,即最优的冷冻水供水温度;本实施例中,判断满足的终止条件为是否达到最大寻优次数;通过将最大寻优次数作为终止条件,更加简单明了。
步骤7、根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比。
本实施例中,首先,分别采用随机和固定步长两种方式初始抗体种群,两种群独立寻优z 次;然后,采用移民算子对两个种群间的个体交换,进行种群间交流;进而,两种群再次独立进化q次后,判断是否满足终止条件,若不满足,再次使用移民算子进行种群间个体交换,继续独立进化。反之,优化结束。
仿真试验结果:
将优化之后冷冻水***各设备的能耗与常规配置方式下的结果进行比较,得出冷水机组、冷冻水泵组不同时刻下能耗对比图,如图4、5所示。从图4可以看出,优化后冷水机组在不同时刻的能耗相比于优化前整体处于下降趋势,但由图5得,冷冻水泵在大多数情况下的能耗相比于优化前却有所上升。优化前后冷冻水***总体能耗对比可以看出,虽然优化后冷冻水泵的能耗有所上升,但冷冻水***优化后总体能耗仍处于下降趋势;这是因为当冷冻水供水温度优化后,造成冷冻水泵运输流量增大,使得冷冻水泵能耗上升。
可以得出,传统的“大温差小流量”的优化方式虽然有利于水泵的节能优化,但是针对整个***而言,不是最好的优化方式;与优化前相比,本实施例的优化方法在不同时刻下,***总体可节能38.1427~262.6966kW。
如附图6所示,图6为分别采用常规方法及实施例方法优化后的冷冻水循环***的耗能优化对比图,从附图6可以看出,中央空调冷冻水***采用本实施例的优化方法,优化后的运行工况与常规配置方式相比,冷机节能效果最明显,约减少其运行能耗的18.9%。同时,冷冻水泵的能耗虽有所上升,但采用EM-APAIA优化后的最优运行工况运行,***的总能耗降低了 14.8%。因此,合理的降低冷机的运行能耗,可以最大限度的提升冷冻水***的运行效率。
本实施例提供的一种冷冻水循环***控制优化***及设备中相关部分的说明可以参见本实施例所述的一种冷冻水循环***控制优化方法中对应部分的详细说明,在此不再赘述。
本发明所述的一种冷冻水循环***控制优化方法,采用结合穷举法的自适应并行人工免疫算法(EM-APAIA)用于求解冷冻水***设备控制优化问题;求解过程中,将冷冻水循环***设备整体能耗最小作为优化目标,冻水供水温度、冷冻水泵的转速比和运行台数等运行参数作为冷冻水***控制优化问题的控制变量进行优化计算;相比于常规设置,采用EM-APAIA优化后,***能耗降低14.8%,证实该方法具备节能潜力;同时,相比于对比算法,本发明能得到更好的控制策略,且收敛速度快、稳定性强,能够适用于冷冻水***设备控制优化问题。
上述实施例仅仅是能够实现本发明技术方案的实施方式之一,本发明所要求保护的范围并不仅仅受本实施例的限制,还包括在本发明所公开的技术范围内,任何熟悉本技术领域的技术人员所容易想到的变化、替换及其他实施方式。
Claims (7)
1.一种冷冻水循环***控制优化方法,其特征在于,包括以下步骤:
步骤1、将冷冻水循环***中的冷冻水节能优化问题作为抗原;
步骤2、通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;
步骤3、采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;
步骤4、采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B;
步骤5、将新抗体种群A和新抗体种群B进行独立运行;
步骤6、判断是否满足终止条件,若不满足,则返回步骤4;若满足,则输出最优解,即最优的冷冻水供水温度;
步骤7、根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比,得到所述的冷冻水循环***控制优化结果;
步骤2中,通过随机方式生成初始抗体种群A的过程,具体为:在抗体可行解空间采用随机方式生成若干冷冻水供水温度初始解,即得到初始抗体种群A;
通过固定步长方式生成初始抗体种群B的过程,具体为:
将最低冷冻水供水温度作为初始值;将温差设定为常数,作为固定步长;在冷冻水供水温度约束范围内,均匀生成若干个冷冻水供水温度设定值,即得到初始抗体种群B;
采用并行人工免疫算法,分别对初始抗体种群A和初始抗体种群B进行寻优,得到当前抗体种群A和当前抗体种群B的过程,具体如下:
步骤31、将冷冻水循环***的总功耗作为抗原与抗体的亲和度,分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算,并按亲和度大小进行升序排列;分别选择初始抗体种群A和初始抗体种群B中亲和度前N个抗体,组成临时抗体种群A和临时抗体种群B;
步骤32、分别对临时抗体种群A和临时抗体种群B的个体进行免疫进化,得到免疫进化抗体种群A和免疫进化抗体种群B;
步骤33、将临时抗体种群A与免疫进化抗体种群A,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群A;将临时抗体种群B与免疫进化抗体种群B,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群B;
分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算的过程,具体如下:
根据初始抗体种群A和初始抗体种群B中的个体,分别计算每个个体对应冷水机组的功耗;
根据给定的***所需冷冻水泵流量,采用穷举法,获取不同台数冷冻水泵运行条件下的冷冻水泵的功耗;并根据冷冻水泵功耗最小原则,确定冷冻水泵的运行台数;根据冷冻水泵运行台数和给定的***所需冷冻水泵流量要求,确定冷冻水泵的转速比;
将冷冻水泵的功耗与冷水机组的功耗相加,得到冷冻水循环***的总功耗,即得到初始抗体种群A和初始抗体种群B个体的亲和度。
2.根据权利要求1所述的一种冷冻水循环***控制优化方法,其特征在于,步骤31中,冷冻水循环***的总功耗P的表达式为:
Pchiller,i=c1+c2(Tcwr-Tchws)+c3(Tcwr-Tchws)2+c4(Tcwr-Tchws)Qe+c5Qe+c6Qe 2
Pchillerpump,j=a0+a1·w·Q0+a2·w2·Q0 2+a3·w3·Q0 3
其中,Pchiller,i为第i台冷水机组的功耗,h为冷水机组的运行台数,Pchillerpump,i为第j台冷冻水泵的功耗,m为冷冻水泵的运行台数;c1、c2、c3、c4、c5及c6为第i台冷水机组的性能系数;Tchws为冷冻水供水温度,Tcwr为冷却水进水温度,Qe为冷水机组的承载负荷;a0、a1、a2及a3为第j台冷冻水泵的性能系数,Q0为冷冻水泵的额定流量,w为冷冻水泵的转速比;Q冷冻水泵的流量,n0为冷冻水泵的额定转速,n为冷冻水泵的实际转速。
4.根据权利要求1所述的一种冷冻水循环***控制优化方法,其特征在于,步骤4中,采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B的过程,具体如下:
分别计算下一代抗体种群A和下一代抗体种群B中每个个体的亲和度,根据亲和度大小,分别将下一代抗体种群A和下一代抗体种群B的个体平均分为大中小三个区段;
按照设定好的种群间个体交换规模,对下一代抗体种群A和下一代抗体种群B的个体区段进行交叉交换,分别得到新抗体种群A和新抗体种群B。
5.根据权利要求1所述的一种冷冻水循环***控制优化方法,其特征在于,步骤6中,判断满足的终止条件为是否达到最大寻优次数。
6.一种冷冻水循环***控制优化***,其特征在于,包括抗原识别模块、抗体种群模块、人工免疫模块、移民交叉模块、寻优模块、终止模块及结果输出模块;
抗原识别模块,用于将冷冻水循环***中的冷冻水节能优化问题作为抗原;
抗体种群模块,用于通过抗原识别,将冷冻水供水温度作为抗体,分别通过随机和固定步长方式,生成初始抗体种群A和初始抗体种群B;
人工免疫模块,用于采用并行人工免疫算法对初始抗体种群A和初始抗体种群B进行寻优,得到下一代抗体种群A和下一代抗体种群B;
移民交叉模块,用于采用移民算子对下一代抗体种群A和下一代抗体种群B进行种群间个体交换,得到新抗体种群A和新抗体种群B;
寻优模块,用于采用并行人工免疫算法对新抗体种群A和新抗体种群B进行寻优;
终止模块,用于判断是否满足终止条件,若不满足,则返回至移民交叉模块;若满足,则输出最优解,即最优的冷冻水供水温度;
结果输出模块,用于根据最优的冷冻水供水温度,计算得到冷冻水循环***功耗最小情况下的冷冻水泵的开启台数和转速比;
通过随机方式生成初始抗体种群A的过程,具体为:在抗体可行解空间采用随机方式生成若干冷冻水供水温度初始解,即得到初始抗体种群A;
通过固定步长方式生成初始抗体种群B的过程,具体为:
将最低冷冻水供水温度作为初始值;将温差设定为常数,作为固定步长;在冷冻水供水温度约束范围内,均匀生成若干个冷冻水供水温度设定值,即得到初始抗体种群B;
采用并行人工免疫算法,分别对初始抗体种群A和初始抗体种群B进行寻优,得到当前抗体种群A和当前抗体种群B的过程,具体如下:
将冷冻水循环***的总功耗作为抗原与抗体的亲和度,分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算,并按亲和度大小进行升序排列;分别选择初始抗体种群A和初始抗体种群B中亲和度前N个抗体,组成临时抗体种群A和临时抗体种群B;
分别对临时抗体种群A和临时抗体种群B的个体进行免疫进化,得到免疫进化抗体种群A和免疫进化抗体种群B;
将临时抗体种群A与免疫进化抗体种群A,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群A;将临时抗体种群B与免疫进化抗体种群B,并按亲和度大小升序排列,选择亲和度满足设定阈值的若干抗体,形成下一代抗体种群B;
分别对初始抗体种群A和初始抗体种群B的个体进行亲和度计算的过程,具体如下:
根据初始抗体种群A和初始抗体种群B中的个体,分别计算每个个体对应冷水机组的功耗;
根据给定的***所需冷冻水泵流量,采用穷举法,获取不同台数冷冻水泵运行条件下的冷冻水泵的功耗;并根据冷冻水泵功耗最小原则,确定冷冻水泵的运行台数;根据冷冻水泵运行台数和给定的***所需冷冻水泵流量要求,确定冷冻水泵的转速比;
将冷冻水泵的功耗与冷水机组的功耗相加,得到冷冻水循环***的总功耗,即得到初始抗体种群A和初始抗体种群B个体的亲和度。
7.一种冷冻水循环***控制优化设备,包括存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令;其特征在于,所述处理器执行所述可执行指令时实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595379.5A CN113237162B (zh) | 2021-05-28 | 2021-05-28 | 一种冷冻水循环***控制优化方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595379.5A CN113237162B (zh) | 2021-05-28 | 2021-05-28 | 一种冷冻水循环***控制优化方法、***及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113237162A CN113237162A (zh) | 2021-08-10 |
CN113237162B true CN113237162B (zh) | 2022-12-27 |
Family
ID=77135632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110595379.5A Active CN113237162B (zh) | 2021-05-28 | 2021-05-28 | 一种冷冻水循环***控制优化方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113237162B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115560430B (zh) * | 2022-09-08 | 2023-05-12 | 金捷利工程技术(北京)有限公司 | 一种基于云边计算的空调模型优化方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5284554B2 (ja) * | 1997-04-30 | 2013-09-11 | ハイブリテック インコーポレイテッド | 前立腺特異的抗原の形態およびその検出方法 |
CN101739680A (zh) * | 2009-12-10 | 2010-06-16 | 西北工业大学 | 基于人工内分泌免疫***的医学体数据分割方法 |
CN101968250B (zh) * | 2010-10-13 | 2012-12-05 | 濠信节能科技(上海)有限公司 | 一种冷冻机房节能优化控制***及方法 |
BE1020515A4 (fr) * | 2012-03-06 | 2013-12-03 | Boils Pascal | La cheminee depolluante. |
CN105843072B (zh) * | 2016-03-22 | 2019-01-18 | 华南理工大学 | 基于改进局部搜索的免疫遗传算法的污水处理节能优化方法 |
CN107401806B (zh) * | 2017-06-22 | 2020-01-21 | 广州地铁集团有限公司 | 中央空调冷冻站内主机及冷冻泵综合能效提升控制方法 |
-
2021
- 2021-05-28 CN CN202110595379.5A patent/CN113237162B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113237162A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021063033A1 (zh) | 空调能耗模型训练方法与空调***控制方法 | |
CN109631282B (zh) | 一种中央空调***控制方法及其***、设备、存储介质 | |
WO2022257348A1 (zh) | 一种不确定网络环境中的任务卸载和资源分配方法 | |
CN111678247B (zh) | 空调设备的运行控制方法、空调设备和计算机存储介质 | |
US20170135250A1 (en) | Data center system, control method of data center system, and recording medium recording control program of data center system | |
CN113237162B (zh) | 一种冷冻水循环***控制优化方法、***及设备 | |
CN110631212B (zh) | 一种中央空调冷却水***的节能控制方法 | |
CN112105233A (zh) | 节能控制方法、装置、电子设备和计算机可读介质 | |
CN111811111A (zh) | 一种基于改进粒子群算法的中央空调能耗控制方法 | |
CN115682324A (zh) | 中央空调***节能优化控制方法、装置、设备和存储介质 | |
CN111102691A (zh) | 模块组合空调*** | |
CN107560086B (zh) | 中央空调冷却水***的控制方法、装置以及中央空调 | |
CN114326987A (zh) | 制冷***控制及模型训练方法、装置、设备及存储介质 | |
CN115562034A (zh) | 并联冷机***的负荷分配控制方法、***、设备及介质 | |
CN114254545A (zh) | 并联冷机***负荷控制优化方法、***、设备及介质 | |
US11723176B2 (en) | Multi-tier cooling system without load perception | |
CN114206071A (zh) | 基于双曲线冷却塔的数据中心冷却*** | |
CN115560430A (zh) | 一种基于云边计算的空调模型优化方法及*** | |
CN116241988A (zh) | 一种空调***的多参数耦合控制方法、装置及电子设备 | |
CN112902392A (zh) | 自适应调整的空调控制方法、电子设备及存储介质 | |
Li et al. | Research on global energy optimization of central air conditioning system based on particle swarm optimizer with penalty functions | |
CN117241561B (zh) | 一种数据中心分布式精密空调机组优化运行参数估计方法 | |
CN111043720A (zh) | 负荷不确定性下制冷***低成本鲁棒性调适策略制定方法 | |
CN116007078B (zh) | 一种制冷***的运行参数获取方法、装置及设备 | |
CN220254941U (zh) | 制冷***及液冷设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |