[发明专利]新型太阳能-空气能耦合冷热联供系统的智能调度方法

说明书

本发明涉及新型太阳能‑空气能耦合冷热联供系统的智能调度方法。本发明基于用户运行数据，建立能量平衡数学模型进行高速寻优，自动控制太阳能和空气能耦合匹配，保证最大化利用太阳能资源，实现了全天候用能需求；本算法应用于高效太阳能‑空气能耦合智能冷热联供系统，使得系统不但提供充足的生活热水，而且解决了客户夏天制冷及冬季采暖的需求，提高设备的利用率，减少了重复投资，夏天制冷、冬季采暖系统运行平稳、可靠，夏季室内温度恒温在24‑26℃，冬季室内温度恒定在18‑20℃，完全达到了设计要求。

技术领域

本发明属于涉及新型太阳能-空气能耦合冷热联供系统的智能调度方法，具体涉及一种基于在线自学习神经网络模型建立、模糊推理的神经网络线性化模型抽取以及混合变量遗传优化算法的多能源多目标智能调度及优化算法，主要用于太阳能-空气能耦合智能冷热联供系统。

背景技术

目前，热水供应设备主要有锅炉、燃气容积式热水器、电热水器、太能热水器和空气能热水器。它们既有自己的优点又有自己的缺点：锅炉，前期投入大和维护费用较高，且安装和维护都有相当严格的要求；普通燃气容积式热水器，单台的容积较小，一般只适合普通家庭使用，对于中小型商业项目的大水量需求则需要多台相结合使用，这样势必增加前期投入，同时燃气容积式热水器效率较低进而造成使用费用较高；电热水器，加热时间较长，使用费用高；太阳能热水器，使用成本低廉，但初期投入成本高，而且容易受到气候影响，热源单一，可靠性较差，不能全天候使用；空气能热水器，热效率高达300％以上，但其相对太阳能热水器又不能直接利用太阳能，使用成本相对较高。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供一种用于太阳能-空气能耦合智能冷热联供系统的多能源多目标智能调度及优化算法，模型可根据用户用能习惯自主学习，将学习结果输至人工神经网络联想存储，进行Fuzzy推理决断，用户用冷或用热时，利用该数学模型高速寻优，自动控制太阳能和空气能能量耦合匹配，实现系统自主优化运行；同时，根据冷热用能温度设定、冷热量、峰谷电价、日夜高效运行判断等多个目标约束条件进行优化，以保证高效、经济运行。

本专利解决上述技术问题的技术方案如下：新型太阳能-空气能耦合冷热联供系统的智能调度方法，包括在线自学习神经网络模型的建立、基于模糊推理的神经网络线性化模型的抽取以及基于混合变量遗传优化算法的控制量计算。

所述在线自学习神经网络模型的建立过程采用神经网络模型混联辨识结构，为三层的多层感知器模型，包含一层输入层、一层隐含层与一层输出层，U(k)为耦合智能冷热联供系统中可控制可调节的开关量与模拟量，Y(k)为输出量，如：系统能耗量、系统输出冷量、系统输出热量以及系统输出热水量等，将神经网络模型训练数据的输入量U(k)经过步进式暂时数据存储器后生成的输入部分表示为输出量Y(k)经过步进式暂时数据存储器后生成的输出部分表示为

f是隐含层的激活函数，具体结构为双曲正切函数表达式如下：

其中j表示隐含层第j个神经元，的计算公式为：

其中w_i,j与W_i,j分别为隐含层与输出层的连接权值，w_j,0与W_i,0分别是隐含层与输出层的偏置值；

F是输出层的激活函数，采用常规线性结构：

偏置值可以表示为输入为1的权系数，将连接权值与偏置值组成联合权值向量θ，最后得出神经网络模型的模型预测估计值