CN113325896A - 一种智能零售机的多目标温度优化控制方法 - Google Patents
一种智能零售机的多目标温度优化控制方法 Download PDFInfo
- Publication number
- CN113325896A CN113325896A CN202110618178.2A CN202110618178A CN113325896A CN 113325896 A CN113325896 A CN 113325896A CN 202110618178 A CN202110618178 A CN 202110618178A CN 113325896 A CN113325896 A CN 113325896A
- Authority
- CN
- China
- Prior art keywords
- temperature
- target
- energy consumption
- temperature solution
- intelligent retail
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种智能零售机的多目标温度优化控制方法,包括如下步骤:(1)依据外部环境温度、装备内部设定温度两个决策变量,满足约束条件下构建多目标适宜温度模型,获取适宜温度解集;(2)确定针对商品保鲜时长、装备能耗、销售额的多目标最优温度解;提取最优温度解当中不同环境温度下的最优内部设定温度值,用压缩机闭环稳定控制。本发明将智能零售机运行过程需要满足的食品保鲜、装备节能、经济效益三个目标进行相容性控制,在满足食品保鲜要求的同时,又降低了能耗、提高了经济效益,实现了综合效益最优的最终目标。
Description
技术领域
本发明属于无人零售领域,具体涉及一种智能零售机的多目标温度优化控制方法。
技术背景
智能零售机是一种无人监管的自助购买商品的机器,商品经供应商提供暂时存放在智能零售机中,智能零售机需要为商品提供合适的环境,以满足保存需求,尤其是对食品类商品,其保鲜要求较高,商家不仅要尽可能长地延长保鲜时长,而且希望尽可能多的节约零售机能耗、降低运维成本,以达到提高经济效益的目标,然而现有的智能零售机温度控制方法很难满足这种多目标的需求。
自2016年出现“新零售”的概念后,各种形式的无人零售如春笋般冒了出来。各类智能零售机虽展示形式不同,但针对其研究的目的大都离不开增加商品存放时长、降低成本、提高遍及度。智能零售机作为典型的现代智能装备,更是未来新零售发展的重中之重,有望引领第三次新零售革命。目前的智能零售机由于数据管理体系的不完善和控制方法的不足,导致对其内部对于温度的控制只能采用粗放型的控制方法,不能对食品保鲜和装备节能等目标进行相容性控制,即在保鲜条件较好的情况下,不可避免地会大幅提高装备能耗、在降低能耗时,又不可避免地会降低保鲜效果,且这两者又间接性地影响到商品的销售量,无法达到总体目标最优。
发明内容
为了克服现有技术的不足,为解决智能零售机运行过程中出现的食品保鲜、节能、经济效益三者目标无法兼顾的情况,提出一种智能零售装备的多目标温度优化控制方法。
本发明为了解决技术问题提供如下的技术方案:
一种智能零售机的多目标温度优化控制方法,所述方法包括如下步骤:
(1)依据外部环境温度、装备内部设定温度两个决策变量,满足约束条件下构建多目标适宜温度模型,获取适宜温度解集,包括如下步骤:
多目标适宜温度模型:
式中的n是指将一天中从9点到20点划分成n个相同的时间区块,不同的k值分别代表不同时间区块的下标;式中Tin(k)为该时间区块的装备内部温度,Tmin为食品保鲜温度下限约束,Tmax为食品保鲜温度上限约束,En(k)为该时间区块的智能零售机能耗,Emax为单位时间能耗上限约束,Sal(k)为该时间区块的单一智能零售机销售额,Smin为单位时间销售额下限约束;
将外部环境温度用x表示、装备内部设定温度用y表示,在外部环境温度保持不变的情况下,改变装备内部设定温度,同时满足食品保鲜温度约束,形成多组(x,y)元素组,分别采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额,将其代入多目标适宜温度模型,如果满足模型约束条件,则将该组(x,y)归入适宜温度解集,如果不满足模型约束条件,则丢弃该组(x,y);
在内部设定温度不变的情况下,测定不同时间段下的外部环境温度,从而也形成多组(x,y)元素组,同样采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额,将其代入多目标适宜温度模型,如果满足模型约束条件,则将该组(x,y)归入适宜温度解集,如果不满足模型约束条件,则丢弃该组(x,y);
(2)确定针对商品保鲜时长、装备能耗、销售额的多目标最优温度解,过程如下:
2.1,将m组的(x,y)按照非支配关系排序,每一层人为标定适应度值;
2.2,通过聚合、交叉、重组产生下一代集合W,集合大小为L;
2.3,将第n代的集合Wn和第一代集合P合并生成集合R,将集合R进行非支配排序,产生一系列优化解Fi,(i=0,1,…),并计算拥挤度;
2.4,把优化解Fi放到第n+1代集合Pn+1中;
2.5,判断:若Pn+1中元素组的个数等于L,则让n加1,进而判断是否是最优温度解,如果是最优温度解,则输出该组解,否则进入步骤1;若Pn+1中元素组的个数小于L,则让i加1,进入2.4;若Pn+1中元素组的个数大于L,则对Fi中的元素组的拥挤度进行排序,将较好的温度解保留下来,使得Pn+1中元素组的个数等于L,再让n加1,进而判断是否是最优温度解,如果是最优温度解,则输出该组解,否则进入步骤2.1;
输出得到的多目标最优温度解,从而获取在不同外部环境温度下的装备内部设定温度值,用压缩机调控内部温度为该设定值即可。
本发明具有如下有益效果:将智能零售机运行过程需要满足的食品保鲜、装备节能、经济效益三个目标进行相容性控制,在满足食品保鲜要求的同时,又降低了能耗、提高了经济效益,实现了综合效益最优的最终目标。
附图说明
图1是本发明中多目标温度优化算法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
参照图1,一种智能零售机的多目标温度优化控制方法,所述方法包括如下步骤:
(1).依据外部环境温度、装备内部设定温度两个决策变量,满足约束条件下构建多目标适宜温度模型,获取适宜温度解集;
多目标适宜温度模型:
式中的n是指将一天中从9点到20点划分成n个相同的时间区块,不同的k值分别代表不同时间区块的下标;式中Tin(k)为该时间区块的装备内部温度,Tmin为食品保鲜温度下限约束,Tmax为食品保鲜温度上限约束,En(k)为该时间区块的智能零售机能耗,Emax为单位时间能耗上限约束,Sal(k)为该时间区块的单一智能零售机销售额,Smin为单位时间销售额下限约束;
将外部环境温度用x表示、装备内部设定温度用y表示,在外部环境温度保持不变的情况下,改变装备内部设定温度,同时满足食品保鲜温度约束,形成多组(x,y)元素组,分别采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额,将其代入多目标适宜温度模型,如果满足模型约束条件,则将该组(x,y)归入适宜温度解集,如果不满足模型约束条件,则丢弃该组(x,y);
在内部设定温度不变的情况下,测定不同时间段下的外部环境温度,从而也形成多组(x,y)元素组,同样采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额,将其代入多目标适宜温度模型,如果满足模型约束条件,则将该组(x,y)归入适宜温度解集,如果不满足模型约束条件,则丢弃该组(x,y);
当适宜温度解集中(x,y)元素组到达m时,停止采集,从而获得该适宜温度解集;
(2).确定针对商品保鲜时长、装备能耗、销售额的多目标最优温度解,过程如下:
2.1,将m组的(x,y)按照非支配关系排序,每一层人为标定适应度值;
2.2,通过聚合、交叉、重组产生下一代集合W,集合大小为L;
2.3,将第n代的集合Wn和第一代集合P合并生成集合R,将集合R进行非支配排序,产生一系列优化解Fi,(i=0,1,…),并计算拥挤度;
2.4,把优化解Fi放到第n+1代集合Pn+1中;
2.5,判断:若Pn+1中元素组的个数等于L,则让n加1,进而判断是否是最优温度解,如果是最优温度解,则输出该组解,否则进入步骤1;若Pn+1中元素组的个数小于L,则让i加1,进入2.4;若Pn+1中元素组的个数大于L,则对Fi中的元素组的拥挤度进行排序,将较好的温度解保留下来,使得Pn+1中元素组的个数等于L,再让n加1,进而判断是否是最优温度解,如果是最优温度解,则输出该组解,否则进入2.1;
输出得到的多目标最优温度解,从而获取在不同外部环境温度下的装备内部设定温度值,用压缩机调控内部温度为该设定值即可。
进而可以获取在不同外部环境下所对应的最优装备内部设定温度值,在现实操作的过程中,只需要通过一个闭环***,借助压缩机将装备内部温度稳定在最优装备内部设定温度值上下即可,从而实现了延长商品保鲜时长、降低智能零售机能耗、提高销售额的综合目标最优。
Claims (1)
1.一种智能零售机的多目标温度优化控制方法,其特征在于,所述方法包括如下步骤:
(1)依据外部环境温度、装备内部设定温度两个决策变量,满足约束条件下构建多目标适宜温度模型,获取适宜温度解集,包括如下步骤:
多目标适宜温度模型:
式中的n是指将一天中从9点到20点划分成n个相同的时间区块,不同的k值分别代表不同时间区块的下标;式中Tin(k)为该时间区块的装备内部温度,Tmin为食品保鲜温度下限约束,Tmax为食品保鲜温度上限约束,En(k)为该时间区块的智能零售机能耗,Emax为单位时间能耗上限约束,Sal(k)为该时间区块的单一智能零售机销售额,Smin为单位时间销售额下限约束;
将外部环境温度用x表示、装备内部设定温度用y表示,在外部环境温度保持不变的情况下,改变装备内部设定温度,同时满足食品保鲜温度约束,形成多组(x,y)元素组,分别采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额,将其代入多目标适宜温度模型,如果满足模型约束条件,则将该组(x,y)归入适宜温度解集,如果不满足模型约束条件,则丢弃该组(x,y);
在内部设定温度不变的情况下,测定不同时间段下的外部环境温度,从而也形成多组(x,y)元素组,同样采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额,将其代入多目标适宜温度模型,如果满足模型约束条件,则将该组(x,y)归入适宜温度解集,如果不满足模型约束条件,则丢弃该组(x,y);
(2)确定针对商品保鲜时长、装备能耗、销售额的多目标最优温度解,过程如下:
2.1,将m组的(x,y)按照非支配关系排序,每一层人为标定适应度值;
2.2,通过聚合、交叉、重组产生下一代集合W,集合大小为L;
2.3,将第n代的集合Wn和第一代集合P合并生成集合R,将集合R进行非支配排序,产生一系列优化解Fi,(i=0,1,…),并计算拥挤度;
2.4,把优化解Fi放到第n+1代集合Pn+1中;
2.5,判断:若Pn+1中元素组的个数等于L,则让n加1,进而判断是否是最优温度解,如果是最优温度解,则输出该组解,否则进入步骤1;若Pn+1中元素组的个数小于L,则让i加1,进入2.4;若Pn+1中元素组的个数大于L,则对Fi中的元素组的拥挤度进行排序,将较好的温度解保留下来,使得Pn+1中元素组的个数等于L,再让n加1,进而判断是否是最优温度解,如果是最优温度解,则输出该组解,否则进入步骤2.1;
输出得到的多目标最优温度解,从而获取在不同外部环境温度下的装备内部设定温度值,用压缩机调控内部温度为该设定值即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110618178.2A CN113325896B (zh) | 2021-05-31 | 2021-05-31 | 一种智能零售机的多目标温度优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110618178.2A CN113325896B (zh) | 2021-05-31 | 2021-05-31 | 一种智能零售机的多目标温度优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113325896A true CN113325896A (zh) | 2021-08-31 |
CN113325896B CN113325896B (zh) | 2022-03-01 |
Family
ID=77419434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110618178.2A Active CN113325896B (zh) | 2021-05-31 | 2021-05-31 | 一种智能零售机的多目标温度优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325896B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3505600A1 (de) * | 1985-02-18 | 1986-08-21 | Happel GmbH & Co, 4690 Herne | Verfahren und vorrichtung zur regelung der temperatur in zu temperierenden raeumen |
JP2003329573A (ja) * | 2002-03-08 | 2003-11-19 | Jfe Steel Kk | 金属材の耐食性評価方法、金属材の腐食寿命予測方法、金属材、金属材の設計方法及び金属材の製造方法 |
CN103679357A (zh) * | 2013-12-06 | 2014-03-26 | 国网山东省电力公司 | 基于价格和激励的电力需求响应的智能决策方法 |
US20140344320A1 (en) * | 2011-12-12 | 2014-11-20 | Avl List Gmbh | Method for evaluating the solution to a multicriteria optimization problem |
CN104850013A (zh) * | 2015-04-28 | 2015-08-19 | 南京邮电大学 | 一种家用电器的智能用电方法 |
CN105550766A (zh) * | 2015-12-04 | 2016-05-04 | 山东大学 | 一种含可再生能源的微网鲁棒多目标运行优化方法 |
CN106773646A (zh) * | 2016-12-06 | 2017-05-31 | 东华大学 | 一种催化裂化过程中原油预热温度控制方法 |
CN109119988A (zh) * | 2018-09-11 | 2019-01-01 | 重庆大学 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
CN109190799A (zh) * | 2018-08-07 | 2019-01-11 | 广东电网有限责任公司 | 一种工商业温控负荷的协同优化控制方法和装置 |
CN110533263A (zh) * | 2019-09-11 | 2019-12-03 | 绍兴建元电力集团有限公司 | 一种基于改进nsga-ii算法的电-气-热综合***多目标优化方法 |
CN110737267A (zh) * | 2019-09-30 | 2020-01-31 | 智慧航海(青岛)科技有限公司 | 一种无人船多目标优化方法及无人船智能综合管控*** |
CN110910568A (zh) * | 2019-12-10 | 2020-03-24 | 广东思迈尔智能科技有限公司 | 一种节能型自助售货机及其节能控制方法 |
CN111340267A (zh) * | 2019-12-06 | 2020-06-26 | 国网河北省电力有限公司雄安新区供电公司 | 基于块数据的区域综合能源***的优化控制方法和设备 |
CN111338400A (zh) * | 2020-03-10 | 2020-06-26 | 浙江工业大学 | 一种基于云平台的饮品自动售货机温度控制方法 |
CN111753215A (zh) * | 2020-06-28 | 2020-10-09 | 海南大学 | 一种多目标推荐优化方法及可读介质 |
CN112234607A (zh) * | 2020-09-25 | 2021-01-15 | 国网吉林省电力有限公司 | 一种考虑快速启停设备的多能虚拟电厂调节能力计算方法 |
CN112379594A (zh) * | 2020-11-09 | 2021-02-19 | 武汉理工大学 | 一种数据驱动的碳纤维原液温度控制参数优化方法 |
CN112577159A (zh) * | 2020-12-10 | 2021-03-30 | 广东省科学院智能制造研究所 | 基于人体热舒适度的空调节能智能控制方法及装置 |
CN112685138A (zh) * | 2021-01-08 | 2021-04-20 | 北京理工大学 | 云环境下基于多种群混合智能优化的多工作流调度方法 |
CN112784484A (zh) * | 2021-01-19 | 2021-05-11 | 国网江苏省电力有限公司经济技术研究院 | 一种区域综合能源***多目标优化方法及优化*** |
-
2021
- 2021-05-31 CN CN202110618178.2A patent/CN113325896B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3505600A1 (de) * | 1985-02-18 | 1986-08-21 | Happel GmbH & Co, 4690 Herne | Verfahren und vorrichtung zur regelung der temperatur in zu temperierenden raeumen |
JP2003329573A (ja) * | 2002-03-08 | 2003-11-19 | Jfe Steel Kk | 金属材の耐食性評価方法、金属材の腐食寿命予測方法、金属材、金属材の設計方法及び金属材の製造方法 |
US20140344320A1 (en) * | 2011-12-12 | 2014-11-20 | Avl List Gmbh | Method for evaluating the solution to a multicriteria optimization problem |
CN103679357A (zh) * | 2013-12-06 | 2014-03-26 | 国网山东省电力公司 | 基于价格和激励的电力需求响应的智能决策方法 |
CN104850013A (zh) * | 2015-04-28 | 2015-08-19 | 南京邮电大学 | 一种家用电器的智能用电方法 |
CN105550766A (zh) * | 2015-12-04 | 2016-05-04 | 山东大学 | 一种含可再生能源的微网鲁棒多目标运行优化方法 |
CN106773646A (zh) * | 2016-12-06 | 2017-05-31 | 东华大学 | 一种催化裂化过程中原油预热温度控制方法 |
CN109190799A (zh) * | 2018-08-07 | 2019-01-11 | 广东电网有限责任公司 | 一种工商业温控负荷的协同优化控制方法和装置 |
CN109119988A (zh) * | 2018-09-11 | 2019-01-01 | 重庆大学 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
CN110533263A (zh) * | 2019-09-11 | 2019-12-03 | 绍兴建元电力集团有限公司 | 一种基于改进nsga-ii算法的电-气-热综合***多目标优化方法 |
CN110737267A (zh) * | 2019-09-30 | 2020-01-31 | 智慧航海(青岛)科技有限公司 | 一种无人船多目标优化方法及无人船智能综合管控*** |
CN111340267A (zh) * | 2019-12-06 | 2020-06-26 | 国网河北省电力有限公司雄安新区供电公司 | 基于块数据的区域综合能源***的优化控制方法和设备 |
CN110910568A (zh) * | 2019-12-10 | 2020-03-24 | 广东思迈尔智能科技有限公司 | 一种节能型自助售货机及其节能控制方法 |
CN111338400A (zh) * | 2020-03-10 | 2020-06-26 | 浙江工业大学 | 一种基于云平台的饮品自动售货机温度控制方法 |
CN111753215A (zh) * | 2020-06-28 | 2020-10-09 | 海南大学 | 一种多目标推荐优化方法及可读介质 |
CN112234607A (zh) * | 2020-09-25 | 2021-01-15 | 国网吉林省电力有限公司 | 一种考虑快速启停设备的多能虚拟电厂调节能力计算方法 |
CN112379594A (zh) * | 2020-11-09 | 2021-02-19 | 武汉理工大学 | 一种数据驱动的碳纤维原液温度控制参数优化方法 |
CN112577159A (zh) * | 2020-12-10 | 2021-03-30 | 广东省科学院智能制造研究所 | 基于人体热舒适度的空调节能智能控制方法及装置 |
CN112685138A (zh) * | 2021-01-08 | 2021-04-20 | 北京理工大学 | 云环境下基于多种群混合智能优化的多工作流调度方法 |
CN112784484A (zh) * | 2021-01-19 | 2021-05-11 | 国网江苏省电力有限公司经济技术研究院 | 一种区域综合能源***多目标优化方法及优化*** |
Non-Patent Citations (2)
Title |
---|
RAMIREZ-FAZ,JOSE.ETC: "Monitoring of Temperature in Retail Refrigerated Cabinets Applying IoT Over Open-Source Hardware and Software", 《SENSORS》 * |
许小蓉: "新零售背景下生鲜电商终端配送路径优化研究", 《中国优秀硕士学位论文全文数据库(电子期刊) 经济与管理科学专辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113325896B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105302973A (zh) | 基于moea/d算法的铝电解生产优化方法 | |
CN109647899A (zh) | 一种带钢热轧精轧过程中多规格轧件电耗预报方法 | |
CN108038568A (zh) | 一种基于粒子群算法的变权组合电力负荷短期预测方法 | |
CN105447567A (zh) | 基于bp神经网络与mpso算法的铝电解节能减排控制方法 | |
CN111340305A (zh) | 一种建筑运行能耗预测方法 | |
CN114239385A (zh) | 一种面向仓库资源配给的智能决策***及方法 | |
CN112396301A (zh) | 基于能源大数据驱动的电力用户需求响应特性控制方法 | |
CN109190786A (zh) | 一种光伏发电效率的组合预测方法 | |
CN113325896B (zh) | 一种智能零售机的多目标温度优化控制方法 | |
CN114285086B (zh) | 基于改进蚁群算法的电化学储能电站能量调度方法及*** | |
CN105334824A (zh) | 基于nsga-ⅱ算法的铝电解生产优化方法 | |
CN112990584B (zh) | 一种基于深度强化学习的自动生产决策***及方法 | |
CN114611757A (zh) | 基于遗传算法与改进深度残差网络的电力***短期负荷预测方法 | |
Wang et al. | Short-term wind power prediction based on DBSCAN clustering and support vector machine regression | |
CN117557019A (zh) | 基于模型预测控制的含热泵集群的供热***调度方法 | |
CN115809810A (zh) | 一种基于低碳经济性的设备改造选型方法及终端 | |
CN116154875A (zh) | 基于tcn和误差函数的光伏电站有功功率优化分配方法 | |
CN109871997A (zh) | 一种适应复杂环境的降温负荷组合测算*** | |
CN105071396B (zh) | 光伏楼宇中能量调节的方法及*** | |
Jiang et al. | Short-term power load forecasting based on PSO-GRU | |
Weiwei et al. | Intelligent Technology Related to Warehousing and Distribution in Intelligent Logistics | |
CN111178593A (zh) | 一种光伏***输出功率预测方法及装置 | |
Zhou et al. | The analysis and prediction of power consumption in industry based on machine learning | |
CN110826795B (zh) | 极端温度气象日母线日前负荷预测方法 | |
CN117273283B (zh) | 一种工业生产mes分析数据智能管理方法及存储介质 |
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 |