[发明专利]负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法

权利要求书

1.负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，其特征在于，包括以下步骤：

利用原始数据建立分位数回归神经网络模型，得到负荷不确定性下的负荷的概率分布预测结果；

对预测区间内的系统工况进行划分，建立反映系统特征的模型，并建立低成本调适方法，利用优化算法确定调适中控制参数；

对不同工况的调适方法采用熵权法作为多目标决策方法确定具有节能性和鲁棒性的调适策略；

分位数回归神经网络模型，输入变量包括：室外空气温度、室外空气湿度、太阳辐射强度、室内人员数量，输出变量为负荷值的概率分布；

分位数回归神经网络模型，包含输入层、隐含层和输出层，输入层节点数与负荷预测输入变量个数相同，输出层节点数为1，只包括一层隐含层；

分位数回归神经网络模型，采用弹球损失作为神经网络模型的损失函数，表达式如下：

对于输入变量x，对应分位数τ下的损失函数值ρ_τ(x)为：

分位数回归神经网络模型的表示如下：

对于自变量X＝{x_i，i＝1…m，x∈R^k}，其对应分位数τ下的因变量Y(τ)可表示为：

其中，W(τ)＝{w_ji(τ)，j＝1，2，…m，i＝1，2，…n}为输入层到隐含层的权重系数矩阵，V(τ)＝{v_j(τ)，j＝1，2，…m}为隐含层到输出层的权重系数向量；

n为隐含层的节点个数，m为输出层的节点个数；

g₁(·)和g₂(·)分别为输入层与隐含层之间以及隐含层与输出层之间的激励方程。

2.根据权利要求1所述的负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，其特征在于，系统工况划分，以机组的部分负荷率作为划分不同工况的依据，机组部分负荷率从100％每下降5％划分一个工况，相应的机组供冷量作为划分的工况运行的供冷量。

3.根据权利要求1所述的负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，其特征在于，系统模型包括制冷机组模型，变频水泵模型，以及冷冻水循环管网模型。

4.根据权利要求3所述的负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，其特征在于，制冷机组模型，可调节参数为冷冻水供水温度，具体机组模型可表示为：

对于冷冻水供水温度T_chw，o，部分负荷率PLR机组的COP可表示为：

COP＝β₀+β₁PLR+β₂T_chw，o+β₃PLR²+β₄PLRT_chw，o

机组的供冷量为Q时，机组能耗E_chiller可以表示为：

其中，β₀-β₄为拟合得到的系数。

5.根据权利要求3所述的负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，其特征在于，变频水泵模型，水泵的扬程与能耗与电机频率和流量相关，具体可以表示为：

对于电机频率为n(Hz)，额定工况下频率为n_m(Hz)，流量为M的水泵，其扬程H(MPa)为：

其功率为：

其中，a₀-a₃，b₁-b₃为相关系数。