[发明专利]一种基于PSO-ELM算法的智能建筑空调冷机系统运行优化方法

说明书

本发明涉及空调节能技术领域，公开了一种基于PSO‑ELM算法的智能建筑空调冷机系统运行优化方法，包括以下步骤：S1：数据采集模块采用数据采集方式为空调系统中的传感器采集，采集数据为空调系统的可调参数和过程变量数值.可调参数作为待优化参数,对过程变量数值进行数据处理后获取空调冷水机能效数据,并将其作为预测输出数值；S2：将数据集进行划分，划分为训练集与测试集；S3：ELM预测算法模块进行预测后续能效模型中的中间数值，模型中主要需要确定的超参数有w、b和β，其中w和b是通过S3模型来确定，β是通过数据集训练确定。本发明能够快速高效的获取系统的优化参数组合，进而在保证制冷需求的前提下，提高系统效率，降低能源消耗。

技术领域

本发明涉及空调节能技术领域，具体涉及一种基于PSO-ELM算法的智能建筑空调冷机系统运行优化方法。

背景技术

随着社会的快速发展，建筑成为了人们生活工作的基本场所,而建筑消耗的能量占社会总耗能的36％，建筑耗能中，空调系统的占比超过了50％。所以，提高空调系统性能并降低能耗是当今智慧城市建设的重要一环。空调系统是时间和空间上分布的大规模系统，实际工程中不当的控制策略会造成系统运行效率低、能源浪费、运行费用高等问题。因此，依据实际的制冷需求和外界环境，优化系统运行策略，提高制冷机组效率，实现机组最优组合，对于空调系统实现节能经济的社会效益具有重要指导价值。

针对空调系统节能优化问题，现有的空调系统运行策略存在以下问题：

(1)传统的制冷机运行控制方法大多采用单因素控制手调法，该方法依赖于工程师的经验，在系统调参过程中，往往是先调节系统中的某一变量，观察系统是否接近于目标状态，若无法达到目标，则更换参数继续调节，直到系统运行状态达到要求。手调法不但依赖于工程师的经验，而且在一定程度上耗时耗力，无法快速高效的找出最优的系统参数。

(2)空调系统的制冷主机控制考虑的参数一般为系统的自有属性，如制冷时间、频率等，并没有考虑冷机的负载组合对于是否高效节能的问题。而在实际运作情况中，冷机的负载组合对于空调系统的能源消耗情况是至关重要的；

空调系统，在智能建筑中也会使用到，关于智能建筑空调系统运行参数优化方法中，大多都是采用经验公式结合手动试参的办法，有部分引入智能优化算法进行空调系统参数优化，但是存在以下不足：

第一，依赖经验的手动调参方法效率不高，并且由于系统之间存在差异性，并且离散冷机系统存在不确定性，所以手调结果往往无法尽可能地逼近最优结果。

第二，优化参数不全面，大多方法都是以系统自有的调节参数为优化参数，少部分方法是专门针对冷机负载进行优化，而空调系统的调节参数和冷机负载组合都是影响空调系统能耗的关键参数。

发明内容

本申请实施例通过提供一种基于PSO-ELM算法的智能建筑空调冷机系统运行优化方法，解决了现有技术中依赖经验的手动调参方法效率不高，并且由于系统之间存在差异性，优化参数不全面，大多方法都是以系统自有的调节参数为优化参数的技术问题，实现了快速高效地获取系统的优化参数组合，进而在保证制冷需求的前提下，提高系统效率，降低能源消耗的目的，提供了一种基于PSO-ELM算法的智能建筑空调冷机系统运行优化方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：数据采集模块采用数据采集方式为空调系统中的传感器采集，采集数据为空调系统的可调参数和过程变量数值.可调参数作为待优化参数,对过程变量数值进行数据处理后获取空调冷水机能效数据,并将其作为预测输出数值；

S2：将数据集进行划分，划分为训练集与测试集；

S3：ELM预测算法模块进行预测后续能效模型中的中间数值，模型中主要需要确定的超参数有w、b和β，其中w和b是通过S3模型来确定，β是通过数据集训练确定，训练单台基于获取改进超限学习机的冷水机能效预测模型，训练出能效模型的具体过程如下：