多模型融合用于中央空调最优控制策略

中国新通信 / 2017年11月26日 10:55

家电

...磁同步电机矢量控制方案在变频空调风机中的运用

周栋梁+仇晓彤+王红

【摘要】 中央空调的能耗是整个建筑的主体功耗。本文通过对已有的历史数据进行分析,挖掘数据内部关联,建立相应的数学模型达到降低中央空调能耗的效果。首先在进行数据挖掘前,对原始数据进行预处理,建立相应的目标。目标一,对变量分布和相互关系进行可视化,并做相关性分析,找出相关性强的几组变量。通过高斯混合模型对设备状态信息进行聚类,用线性回归进行拟合,建立功率与转速的多元线性回归关系。目标二,以降低系统总耗电量作为优化目标,将设备安全性与达到实际制冷效果作为约束条件,优化目标主要使用目标一中的高斯混合模型和多元线性回归进行衡量,遗传算法可以寻找全局次优解,据此得出优化参数数值。本控制策略降低了系统的总耗电量,使得耗电量为原先的90%左右。

【关键词】 中央空调节能优化 高斯混合模型 线性回归 遗传算法

一、引言

随着全球气候变暖和空调技术的发展,越来越多的现代建筑使用中央空调调节室内温湿度,据文献显示,中央空调的能耗大约占整个建筑能耗的50%-70%[1]。本文根據搜集的数据对各个变量之间的相关性进行分析并提出降低中央空调系统总耗电量相应的最优控制策略。

二、数据变化的特征和规律

2.1 系统总耗电量功率与各装置功率的关系

根据系统总耗电量与冷却装置、冷水泵、冷凝水泵、冷凝塔的总功率关系进行筛选,经计算得

2.2 冷水泵、冷凝水泵、冷却塔功率与其转速的关系以及冷却装置与冷却负载关系

绘制冷水泵、冷凝水泵、冷却塔功率与其转速的关系以及冷却装置与冷却负载散点图可以得到。

本文通过高斯混合模型(GMM)[2],将数据看作是从数个高斯分布中生成出来,虽然也可以通过其他方式构造其他混合模型,多个高斯模型线性相加在一起就组成了GMM的概率密度函数,然后通过最大似然估计进行求解。

针对上述关系,先通过状态参数进行GMM的方法聚类,发现其具有明显的线性关系,然后进行线性回归。

聚类后冷水泵总功率与冷水泵转速的关系,线性回归参数方程为

三、可控变量的最优控制策略

中央空调系统常用模块化控制策略如果同时兼顾系统节能目标,但有可能找不到面向实际中央空调的空调节能控制的新途径。本文采用遗传算法结合前面得出的函数求得全局次优解。本模型在中央空调模型的基础上以实现系统总耗电量最低为目标,构建中央空调系统模型,建立中央空调系统优化所需的目标函数,并对目标函数进行去约束化处理,从而达到对目标函数可以求解的目标。

3.1 参数优化模型

3.1.1 数学描述

3.2遗传算法求解参数

人工智能中现代优化算法是一种启发式的优化算法,主要是对组合优化问题寻找全局最优解。文中研究的中央空调系统模型中间用到了高斯混合模型进行聚类,故采用普通的优化算法可能会陷入僵局,无法找到全局最优解,而遗传算法具有强大的全局搜索能力,故本文采用遗传算法对中央空调系统进行参数优化的目标函数进行求解。

本模型求解问题时,初始解设为题目提供数据中的解。然后通过交叉、变异等算子以及筛选,得到全局的次优解。

通过对比可以明显看出,本模型可以较大程度的减少耗电量,虽然部分耗电量会出现异常,这一部分异常也可以在日后的研究中进行修正。

四、结论

本文对中央空调系统进行分析后,结合题目所给数据,分别建立了基于遗传算法的中央空调最优控制模型,得到最优的参数,使得系统耗电量和系统效率降低,提供系统效能,并通过预测对比,得到了较好的效果。本模型具有以下优点:1.模型通过机器学习中的高斯混合模型对数据进行聚类,聚类效果较好,聚类之后可以产生良好的线性拟合效果。2.基于遗传算法求解最优化模型,可以实现全局搜索而且速度较快,作为一种有信息的搜索,避免了不必要的运算。

参 考 文 献

[1]赵廷法,王瑞华,王普.VAV中央空调能耗建模与仿真研究,计算机仿真[J],2010,(3):326-329.

[2] Kezhong·Dai.The Artificial Intelligence Laboratory, Massachusetts Institute of Technolo gy,Robot,1983,(3):57.

[3]岳子丰.空调机组节能优化控制策略研究[D].北京:北京林业大学,2013:40-44.endprint

1.环球科技网遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.环球科技网的原创文章,请转载时务必注明文章作者和"来源:环球科技网",不尊重原创的行为环球科技网或将追究责任;3.作者投稿可能会经环球科技网编辑修改或补充。