[发明专利]一种并联冷机负荷优化分配方法、存储介质及设备

权利要求书

1.一种并联冷机负荷优化分配方法，其特征在于，根据不同冷机负载率和额定制冷量参数计算不同负荷下冷机功耗和制冷量，然后计算出不同负荷组合下并联冷机系统的总制冷量和总功率消耗；采用改进烟花算法，首先初始化一部分混沌烟花算子作为初始烟花进行迭代；再根据适应度函数计算烟花算子的适应度值并进行爆炸算子计算，产生爆炸算子；根据适应度值进行莱维变异操作，将烟花原始算子、爆炸算子和混沌变异算子共同进行选择淘汰，保留适应度值小的算子，进行下一次的迭代计算；至此完成一次迭代进化过程；子代种群按照并联冷机系统满足末端负荷需求的情况下能耗最小的方向进化一代，通过不断进化得到最小的系统能耗或者达到最大的迭代次数，将最后一代种群中适应度最大的负载率组合作为优化调节的结果，完成负荷优化分配。

2.根据权利要求1所述的方法，其特征在于，改进烟花算法的具体步骤如下：

S1、每个烟花算子都按照kent模型产生D×N维混沌序列作为PLR值，并将PLR0.3的值置为0，D为种群中烟花的数量，N为每个烟花的维度；

S2、所有烟花算子计算出各自的N个PLR值所对应的制冷量及功率；

S3、所有烟花算子进行求和计算出D个PLR组合下的并联冷机系统对应的系统总功率；

S4、每个烟花算子采用莱维变异算子对自身的N个PLR值进行莱维变异操作；

S5、将原始烟花算子进行适应度评价得到适应度值，根据适应度值计算出每个烟花爆炸后算子的数量和半径，得到爆炸烟花算子；

S6、将原始烟花算子、爆炸烟花算子和变异烟花算子作为一个大的种群，计算每一个烟花的N个PLR值的适应度评价，并将适应度按从小到大的顺序进行排序，取前D个个体作为新的种群进行迭代，返回步骤S3。

3.根据权利要求2所述的方法，其特征在于，步骤S1中，Kent模型为：

PLR(i,j)＝0.3+b(i+1)*(1-0.3)

其中，i＝1,2,…D，j＝1,2,…,N，b(i+1)为Kent模型所产生的混沌序列值，b(i)为混沌变量，p为0～1之间的随机数，PLR(i,j)为第i个烟花的第j个PLR值。

4.根据权利要求2所述的方法，其特征在于，步骤S2中，N个PLR值所对应的制冷量及功率计算如下：

其中，PLR_i为第i台冷水机的负载率，a_i、b_i、c_i、d_i为第i台冷水机本身的性能参数，P_i为第i台冷水机的功耗；Q_i为第i台冷水机的额定制冷量，CL为每个PLR序列组合的制冷量，n为并联冷机性能参数PLR的个数。

5.根据权利要求2所述的方法，其特征在于，步骤S3中，D个PLR组合下的并联冷机系统对应的系统总功率具体为：

其中，P_total为冷水机组的总功率，P_i为第i台冷水机的功耗，n为并联冷机性能参数PLR的个数。

6.根据权利要求2所述的方法，其特征在于，步骤S4具体为：

S401、对当前的初始种群进行莱维变异操作，将每个烟花采用Levy操作进行变异，变异之后的烟花算子满足其中，为当前的烟花算子，Levy_i(t)为服从莱维分布随机数的函数；

S402、当变异的烟花算子越界后，重新定义越界的算子为其中，为当前的烟花算子，和分别为烟花算子的最大边界值和最小边界值。