[发明专利]一种基于数据中心冷水机组性能曲线的群控方法

权利要求书

1.一种基于数据中心冷水机组性能曲线的群控方法，其特征在于，包括如下步骤：

步骤1，测量当前数据中心空调系统冷水机组性能系数COP值和负载率LR值，进行曲线拟合得到COP值和LR值的关系模型；

步骤2，验证关系模型的准确性，如果关系模型满足条件，执行步骤3，否则返回步骤1；

步骤3，获取当前数据中心空调系统总负荷，检测当前数据中心空调系统总负荷在距上一次测量是否发生变化，如果是，执行步骤4，否则执行步骤6；

步骤4，计算冷水机组的总能耗，并得到当前空调系统约束条件；

步骤5，优化目标能耗方程，计算适应度值，判定是否满足终止条件，即适应度值是否达到全局最低，如果是，输出方程最优解，根据最优解中的负荷分配结果制定负荷分配控制方案，否则继续优化；

步骤6，根据负荷分配控制方案对冷水机组进行控制；

步骤1包括：测量当前冷水机组COP值和LR值，进行曲线拟合得到如下COP值和LR值的关系模型：

其中，a_i,b_i,c_i是固定不变的的参数，COP_i表示第i台机组的COP值，LR_i表示第i台机组的LR值；

步骤2中，采用如下公式验证关系模型的准确性：

其中，K为辨识结果，h为观测的数据向量，z为随机干扰，d为种群数量，P为估计误差协方差阵，θ用于存储参数估计结果，γ为遗忘因子，K_d表示d粒子的辨识结果，K_d+1表示更新的下一代辨识结果，表示更新的下一代参数估计结果，P_d+1表示更新的下一代估计误差协方差阵；

实时获取数据中心空调系统冷水机组COP值和LR值，利用该公式进行系数a_i,b_i,c_i的回归，将结果代入步骤1的关系模型中并绘制成以COP值间接表示的最小能耗曲线，将系数回归得到的模型与实际测量并计算得到的模型进行误差比较，如果COP值与实际测量的误差在阈值T₁范围内，执行步骤3，否则返回步骤1；

步骤4包括：

步骤4-1，计算冷水机组的总能耗J：

其中，A代表系统总负荷，X_i代表第i台冷水机组的制冷量占总负荷的百分比，n表示运行的冷水机组的台数；

步骤4-2，约束条件为：

0≤X_i≤1，

步骤5包括：

步骤5-1，初始化一个规模为m的粒子群，初始化过程如下：

设定群体规模m；

对任意的粒子i及其维度s，在[-x_max,x_max]内服从均匀分布产生x_is；

对任意的粒子i及其维度s，在[-v_max,v_max]内服从均匀分布产生v_is；

其中v_max表示最大速度，x_max表示搜索空间的最大值；x_is表示对任意的粒子i及其维度s的搜索空间的值，v_is表示对任意的粒子i及其维度s的速度；

步骤5-2，计算每个粒子的适应度值：

步骤5-3，对每个粒子将其适应度值和其经历过的最好的位置的适应度值进行比较，若该粒子适应度值相比于其它粒子较低，表示负荷分配方案的能耗较小，则将该粒子作为当前最好位置；

步骤5-4，对每个粒子将其适应度值和全局经历过的最好的位置的适应度值进行比较，若该粒子适应度值优于全局经历过的最好的位置的适应度值，则将其作为当前的全局最好位置，否则舍弃该粒子；

步骤5-5，根据计算公式：

v_is(t+1)＝v_is(t)+c₁r_1s(t)(p_is(t)-x_is(t))+c₂r_2s(t)(p_gs(t)-x_is(t))和

x_is(t+1)＝x_is(t)+v_is(t+1)分别对粒子的速度和位置进行更新；下标is表示i粒子的s维度，p表示当前的粒子，r是介于(0,1)之间的随机数，学习因子c₁、c₂是粒子群算法中的两个初始参数；v_is(t)表示第t次迭代时i粒子的s维度的速度，x_is(t)表示第t次迭代时i粒子的s维度的的位置；p_is(t)表示第t次迭代时当前粒子在s维度经历的最好位置；p_gs(t)表示第t次迭代时当前种群中在s维度的的经历的最好位置；

步骤5-6，如果满足在所有迭代次数中的适应度值最小，则输出解；否则返回到步骤5-2；

步骤5-2包括：

目标函数fun2为：

y＝-(-20.34*x(1)^2+19.41*x(1)+0.71)-(-52.96*x(2)^2+29.51*x(2)+1.04)-(-185.75*x(3)^2+57.92*x(3)+0.69)；

适应度值计算公式为：

1.0*pop(j,1)0.683，表示根据计算所求的对象1的负载率小于0.683；

1.0*pop(j,2)0.367，表示根据计算所求的对象2的负载率小于0.367；

1.0*pop(j,3)0.216，表示根据计算所求的对象3的负载率小于0.216；

1.0*pop(j,1)+1.0*pop(j,2)+1.0*pop(j,3)＝1，表示所求的对象综合大于等于1；

适应度值fitness(j)＝fun2(pop(j,:))，表示根据函数fun2计算适应度值fitness。