[发明专利]一种基于负荷预测的空调系统节能优化方法

权利要求书

1.一种基于负荷预测的空调系统节能优化方法，主要包括以下具体步骤：

第一步，收集历史数据，并对数据进行归一化；

第二步，利用归一化后的历史数据，通过神经网络对空调系统待测时刻的空调系统负荷Q进行预测；

第三步，设定空调系统的能耗模型为P=f(Q,T_1o,T_2o,v₁,v₂，Fair)，其中P为空调系统的能耗功率，Q为空调系统负荷，T_1o为空调系统冷冻水出水温度，T_2o为空调系统冷却水出水温度，v₁为空调系统的冷冻水泵流量，v₂为空调系统的冷却水泵流量，Fair为空调系统的空气流量，在通过所述第二步获得待测时刻的空调系统负荷Q的前提下，利用粒子群算法进行能耗模型的优化，得到在待测时刻的能耗功率P取最小值时的最优参数组合，即T_1o,T_2o,v₁,v₂,Fair的最优参数组合。

步骤四：根据得到的T_1o,T_2o,v₁,v₂,Fair的最优参数组合，对各参数变量提前进行控制，以保证待测时刻到来时，空调系统处于最优的工作状态。

2.如权利要求1所述的空调系统节能优化方法，其中粒子群算法包括以下步骤：

第一步，将微粒表示为X_i=(x_i1,x_i2,x_i3,x_i4,x_i5)，其中，x_i1对应冷冻水出水温度T_1o，x_i2对应冷却水出水温度T_2o，x_i3对应冷冻水泵流量v₁，x_i4对应冷却水泵流量v₂，x_i5对应着空气流量Fair，设定微粒群规模为s,进化代数为t_max，对每个微粒X_i(i＝1,2,…,s)进行位置和速度的初始化，即对任意的i,j(j=1,2,…,5)，均在其变量范围内服从均匀分布的产生x_ij和v_ij的初始化值，并对微粒的局部最好位置P_i和全局最好位置P_g进行初始化；

第二步，更新微粒的速度和位置，公式如下表示为：

v_ij(t+1)=ω·v_ij(t)+m₁r₁(t)(p_ij(t)-x_ij(t))+m₂r₂(t)(p_gj(t)-x_ij(t))；(i=1,2,…,s)(j=1,2,…,5)

x_ij(t+1)＝x_ij(t)+v_ij(t+1)；(i=1,2,…,s)(j=1,2,…,5)

其中，v_ij(t)和x_ij(t)分别为微粒第t代时的速度和位置，ω为惯性权重，m₁和m₂为加速常数，r₁和r₂为介于0和1之间的随机数，P_i(t)为微粒的第t代的局部最好位置，P_g(t)为第t代的全局最好位置，p_ij(t)是向量P_i(t)中的第j维元素，p_gj(t)是向量P_g(t)中的第j维元素；

第三步，计算第t+1代的每个微粒的目标函数值f(X_i)；

第四步，更新微粒的局部最好位置P_i和全局最好位置P_g，公式表示为：

Pi(t+1)=Pi(t)f(Xi(t-1))≥f(Pi(t))Xi(t+1)f(Xi(t+1))<f(Pi(t))]]>

Pg(t+1)=Pg(t)f(Xi(t-1))≥f(Pg(t))Xi(t+1)f(Xi(t+1))<f(Pg(t))]]>

其中P_i(t+1)为微粒的第t+1代的局部最好位置，P_g(t+1)为第t+1代的全局最好位置，X_i(t+1)为第t+1代微粒；

第五步，如果进化代数t＜t_max，则返回第二步,否则结束并输出全局最好位置P_g。

3.如权利要求1所述的空调系统节能优化方法，其中收集的历史数据包括某一时刻的房间入住率和空调系统负荷，以及所述某一时刻之前的室外平均温度和空调系统负荷。