[发明专利]一种基于人工蜂群的空调能耗模型参数辨识方法

说明书

技术领域

本发明涉及一种能耗模型参数辨识方法，属于空调系统节能优化领域，具体说涉及一种基于人工蜂群的空调能耗模型的参数辨识方法。

背景技术

随着经济的发展，我国的建筑业发展迅猛，建筑能耗不断增加，建筑能耗已经占据社会总能耗的27%以上，有些地区已接近40%，其中三分之二的能耗为空调系统所消耗。在建筑能耗占整个能源消耗的比例不断增加的现状下，建筑中的空调系统节能已经成为节能领域中的一个重点和热点。按照终端节能的概念，加大空调节能的力度对节约能源有着巨大的理论和实际意义。

目前，空调系统的节能优化比较注重系统建模和参数辨识，力求提高优化控制的稳定度和精度，并且大量学者对空调系统的建模和参数辨识的方法进行了研究。例如，在文献“制冷系统的节能优化运行”中，作者通过对制冷系统耗能诸多因素的初步分析，采用正交试验、回归计算等手段得出空调系统能耗与主要因素的函数关系，通过优化计算迅速找出最佳运行参数指导操作，从而达到节能的目的，但是在优化过程中，冷冻水流量和冷却水流量都没有变化，而且只是针对个别空调系统进行回归优化，没有普遍适用性。文献“空调制冷系统的节能潜力分析”中，作者利用全年空调负荷统计分析结果及冷水机组部分负荷特性，对制冷系统中冷水机组和冷水泵变流量运行时不同调节方案的能耗进行了计算，并从中得出冷水机组和水泵的最优运行方案，尽管取得了一定的节能效果，但是空调系统的能耗只考虑了一部分，得到的优化运行方案也不是整个空调系统的最优方案。文献“中央空调水系统优化控制策略研究”中，作者利用神经网络建立了空调水系统的能耗模型，然后利用遗传算法对能耗模型进行性能优化，但是神经网络建立需要大量的数据，由于变流量数据较少，使得建立的模型精度不高；另一方面遗传算法优化的精度跟设置的个体初值有很大影响，并且收敛速度较慢。文献“中央空调水系统优化设计与运行研究”中，作者利用机理分析法建立了空调系统各个部分的能耗函数表达式，具有模型精度高，通用性好的优点，但是进行优化时采用的序列二次规划法需要对目标函数进行泰勒展开，实现过程比较复杂，更不能保证目标函数中需求矩阵的正定性。

综上，对于空调能耗模型的参数优化主要有以上的方法，其存在的缺点主要是：空调系统总的能耗模型精度不高，通用性不好，或是能耗模型只是空调系统其中的一部分，不能代替完整的空调系统。另外，空调能耗模型的参数优化方法受初值设置的影响很大，精度不高，收敛速度慢，或是实现过程复杂，不利于优化算法的实现。

发明内容

针对现有空调能耗模型优化和参数辨识的不足，本发明提出一种基于人工蜂群的空调能耗模型参数辨识方法。本发明的实质是利用机理分析法建立整个空调系统的能耗模型函数，然后把能耗模型函数作为目标函数，利用人工蜂群算法对它进行优化，确定一定负荷下的最优参数组合。其中，利用机理分析法建立的能耗模型具有精度高，通用性好的优点，人工蜂群的优化算法收敛速度快、参数设置少，受所求问题维数的影响较小，并且实现简单方便，能较好的解决空调能耗模型参数优化辨识中的不足。

本发明提出的一种基于人工蜂群的空调能耗模型参数辨识方法，主要包含以下步骤：

主要包含以下步骤：

第一步，建立空调系统的各部分能耗模型，包括制冷主机能耗P₁的模型，冷冻水泵能耗P₂的模型，冷却水泵能耗P₃的模型和冷却塔风机能耗P₄模型；其中P₁、P₂、P₃和P₄为空调系统的工作负荷Q，冷冻水出水温度T_1o，冷却水出水温度T_2o，冷冻水泵流量v₁，冷却水泵流量v₂和空气流量Fair的函数；

第二步，设定整个空调系统的能耗模型为：

f(x)=P=P₁+P₂+P₃+P₄=f(Q,T_1o,T_2o,v₁,v₂,Fair)；

第三步，在空调系统具有特定工作负荷Q的状态下，利用人工蜂群算法，获得空调系统的能耗P最小时，空调系统能耗模型的最优参数组合，即T_1o,T_2o,v₁,v₂,Fair的最优组合。

附图说明