[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

说明书

本发明公开了一种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，该方法利用分位数回归神经网络模型对负荷以及其不确定性进行预测以及量化，作为制定调适策略的基础。在预测区间内通过部分负荷率对系统工况进行划分。建立反映系统特征的制冷系统模型、变频水泵模型以及循环管网模型。利用优化算法确定各工况的低成本的调适方法。低成本调适方法主要通过对冷冻水供水温度、水泵电机频率以及管网压差进行控制。最终利用一种多目标决策方法对不同工况的调适方法进行决策确定满足鲁棒性以及能耗低的调适策略。

技术领域

本发明属于系统控制领域，具体涉及一种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。

背景技术

制冷机组是建筑系统中主要的用能设备，为了在室外气候较为炎热的情况下维持室内的 舒适温度，需要制冷系统消耗一定的电能为空调系统提供足够的冷量。但是由于冷负荷是波 动的，因此通常会存在系统与冷负荷不匹配的问题，这会造成系统在较低效率下运行，能源 大量浪费。调适是一种在建筑中实施有成本效益的维护和操作措施，使系统达到设计意图和 最佳操作的方法。利用调适可以提高系统的能效，降低能源的浪费。

目前有很多系统调适的方法用来解决系统运行与负荷不匹配的问题，这些方法很多是结 合系统设计方法的调适，需要对设备进行重新设计和改造才能更好的满足负荷的需求，然而 这种调适策略投资较大，回收期长，难以被业主接受。因此，需要一种低成本的调适方法。 另外，目前的调适方法都是以负荷点预测结果作为调适的依据，没有考虑负荷不确定性的影 响，容易出现负荷与供冷量不匹配的情况。

因此在负荷不确定性的情况下，对其不确定性进行描述，同时利用一种低成本的方法对 制冷系统进行调适是目前迫切需要解决的技术问题。

发明内容

为克服上述现有技术的不足，本发明提供了一种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。

本发明利用分位数回归神经网络模型建立对负荷不确定性的预测，并对在预测区间内的 系统运行工况建立优化的低成本调适方法，最终利用熵权法的多目标决策方法确定最终的调 适策略。

为实现上述目的，本发明采用如下技术方案：一种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，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一种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。

进一步的，所述的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。

进一步的，所述的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。

进一步的，所述的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：

进一步的，所述的分位数回归神经网络模型的表示如下：

对于自变量其对应τ分位数下的因变量Y(τ)可表示为：