[发明专利]基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统

权利要求书

1.一种基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法，其特征在于，所述方法包括：

读取当前课程安排，根据课程安排设置空调的启停；

根据当天日期自动选定对应的季节模式，获取对应季节模式下的历史数据；

通过响应曲面法构建RSM交叉模型，采用所述RSM交叉模型拟合所述历史数据中课程人数、环境温度、教室体积与实时制冷当量之间的关系；

实时获取当前课程人数、环境温度、教室体积，根据所述RSM交叉模型计算实时所需制冷当量；

构建约束关系，采用kriging算法建立温差、风速、制冷时长与能耗E之间的数学模型；

所述构建约束关系具体包括：

建立温差ΔT、风速f、制冷时长t₀与实时所需制冷当量Q₁的约束关系：

|Q₁|≥ΔT*C*ρ*V_体积

|Q₁|＝γ*f*V_体积*t₀

其中，ΔT＝T₀-T₁，其中T₀为环境温度，T₁为设置温度；C是空气比热容；ρ为空气密度；V_体积为教室内部体积；γ为制冷系数；

建立温差ΔT、风速f、制冷时长t₀与人体舒适度准则的约束关系：

ΔT＜T₂，T₂为设定的预防感冒健康温差；

L＝f/V_体积，L为教室空气更新率，L₁＜L＜L₂，L₁、L₂分别为预设的教室空气更新率下限和上限；

t₀＜t₁，t₁为预设的制冷时长上限；

基于遗传算法求解所述数学模型的最佳参数解，得到最佳温差、风速、制冷时长；

根据所述最佳温差、风速、制冷时长来设定空调系统的温度、风速、制冷时长，进行能耗优化自动调控。

2.根据权利要求1所述基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法，其特征在于，所述RSM交叉模型的公式为：

Q₁＝β₁+β₂x₁+β₃x₂+β₄x₃+β₅x₁x₂+β₆x₁x₃+β₇x₂x₃

其中Q₁为实时所需制冷当量，x₁为课程人数、x₂为环境温度、x₃为教室体积；β₁，β₂，β₃，β₄，β₅，β₆，β₇为交叉系数；制暖时Q₁＜0，制冷时Q₁＞0。

3.根据权利要求1所述基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法，其特征在于，所述方法还包括：

通过摄像机和传感器实时监控各教室中课程人数和环境温度，判断课程人数或环境温度是否变化，若是，重新计算实时所需制冷当量并进行能耗优化循环调控；否则，保持当前工作状态。