[发明专利]一种考虑冷负荷不确定性的供冷系统鲁棒优化设计方法

权利要求书

1.考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，包括步骤：

(1)采用负荷频数与负荷均值对时序负荷进行降维；

(2)时序负荷降维后，以年总费用为目标函数构建供冷系统鲁棒优化模型；供冷系统鲁棒优化模型需满足冷量供需能量平衡约束，系统中不同类型冷水机组台数及实际开启台数要遵从各自约束；

(3)对冷水机组耗电量进行计算，冷水机组的运行应遵从对应约束并对约束条件线性化处理；

(4)论证所确定的鲁棒优化模型负荷组距满足精度要求；其中，从多次随机模拟负荷中随机抽取一次负荷作为鲁棒优化模型及确定性模型的优化边界条件，定义鲁棒优化模型以及确定性优化模型的目标函数值的平均绝对相对误差作为鲁棒优化模型精度评价指标，接着以一定的负荷组距对抽取的时序负荷进行降维并带入鲁棒优化模型进行供冷系统优化设计，确定性模型中采取时序负荷，接着选取不同负荷数据作为鲁棒优化模型的边界条件做求解运算，判断模型精度。

2.根据权利要求1所述考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，冷量供需平衡约束是供冷系统优化配置模型中的基本约束条件，表示所有冷水机组的制冷量大于等于逐时冷负荷，表示如下：

式中，T是冷机类型，T＝A，B，C即三种类型冷机；是同类型冷水机组数量；Y是蒙特卡洛模拟次数；j为第j个冷水机组；τ为时间；H为空调季节供冷小时数；q为单台冷水机组制冷量；cload是逐时冷负荷。

3.根据权利要求2所述考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，所述步骤(2)中，所述的目标函数如下,通过极小化目标函数得到最优供冷系统配置方案：

minimize Tcost＝In+Op

式中，Tcost为总成本；In为设备投资等年值；Op为年平均运营成本；

式中，为制冷机容量；U_p为单价；CRF为成本回收系数；α表示附属设备投资增量系数；

式中，β为附属设备耗电的修正系数，f为负荷频数，Y为不确定性负荷模拟次数；I为总冷负荷间隔数；i为第i个冷负荷间隔；Ele为冷水机组耗电功率；Ep为电价。

4.根据权利要求3所述考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，所述步骤2中，所述供冷系统必须满足能量平衡约束，如式所示：

式中，cload(i)是不同负荷区间的均值负荷。

5.根据权利要求4所述考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，一栋建筑同型号机组的每一型号机组设置一个二元变量bin代表该机组的运行状态，bin＝1表示机组开启，bin＝0表示机组关闭，机组开启台数应该小于等于机组配置台数，约束如下所示：

6.根据权利要求5所述考虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，利用冷水机组耗电功率与制冷量的关系进行冷水机组耗电量的计算，计算公式如下：

式中，a,b,c,d为冷水机组COP系数；q为单台冷水机组制冷量；为制冷机容量。

7.根据权利要求6所述虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，为保证同型号冷水机组开启时，每台冷水机组具有相同的制冷量，采用如下约束条件：

式中，M为常量；为冷水机组制冷量；当某个负荷区间内的负荷频数为0时，通过约束条件实现冷水机组全部关闭；具体约束条件如下：

8.根据权利要求7所述虑冷负荷不确定性的供冷系统鲁棒优化设计方法，其特征在于，对约束条件线性化处理如下：

式中，seq为权重因子∈[0，1]；s为第s次蒙特卡洛模拟；表示分段线性化处理过程中，每一节点的制冷量；表示分段线性化处理过程中，每一节点的制冷量。