[发明专利]一种基于改进粒子群算法的中央空调能耗控制方法

说明书

本发明涉及基于改进粒子群算法的中央空调能耗控制方法，包括以下步骤：获取中央空调不同机组的COP曲线，拟合得到各机组的能耗函数；基于各机组的能耗函数，结合外点惩罚方式，构建中央空调能耗优化模型；采用改进粒子群算法，求解中央空调能耗优化模型，得到各机组的最优负荷分配率；根据各机组的最优负荷分配率，控制各机组的负荷投切，完成中央空调能耗优化控制。与现有技术相比，本发明通过改进粒子群算法，利用正弦混沌序列增加粒子群算法前期的遍历性、加入正弦混沌扰动使粒子群体具备逃离局部最优点的机制，在寻优过程中自适应调整粒子惯性权重，能够有效提高寻优速度和寻优精度，从而适应中央空调复杂的运行工况，保证空调运行能耗最小化。

技术领域

本发明涉及中央空调节能技术领域，尤其是涉及一种基于改进粒子群算法的中央空调能耗控制方法。

背景技术

中央空调能够满足新时期人们对室内空气品质的需求，但在使用中央空调的同时，也会产生大量能耗，不符合节能环保的要求。空调设备在制造和设计时为应付各种极端情况，都是按照满负荷状态设计，然而在普通环境下，空调在90％时间内都处于部分负荷运转，其中，50％的时间其负荷仅为设计负荷的一半。因此，按需调整空调的设置能够大幅度降低能耗。

随着计算机技术的发展，目前常利用计算机仿真对中央空调系统进行建模和参数识别，再通过优化算法进行全局搜索，最终找出总能耗最低的参数搭配，从而确定中央空调的最优控制方案。现有的用于中央空调能耗控制的算法主要包括遗传算法、模拟退火算法和粒子群算法(Particle Swarm Optimization，PSO)，其中，PSO算法是一种基于种群智能的优化算法，其核心思想源自于模拟生物群体觅食行为的研究，假设一群鸟来到一片只有一块食物的区域，那么快速找到该食物的最优策略就是搜索离食物最近的鸟的周围区域，在算法中，将每只鸟的位置看做是一个可能解(即一个粒子)，食物所在位置为全局最优解，依据目标函数计算出当前位置的适应值，每个粒子按一定飞行速度向最优解靠拢，则最终搜索到全局最优。

PSO算法具有算法结构简单、依赖关键参数少、鲁棒性强以及易于工程实现的优点，因此被广泛应用于工业优化生产领域，同样被应用于空调系统的优化控制，但PSO算法容易出现种群多样性低导致算法陷入局部最优解的问题，其寻优速度和精度无法适应复杂工况，由于中央空调系统大多包含多个机组，机组的负荷分配并不均匀，运行工况较为复杂，采用PSO算法，不能快速、准确地优化机组负荷分配，也就无法保证有效节约能耗

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于改进粒子群算法的中央空调能耗控制方法，基于正弦混沌序列和自适应惯性权重，以提高粒子群算法寻优速度和精度，能够适应于中央空调的复杂运行工况，从而实现机组负荷分配优化、有效节约能耗的目的。

本发明的目的可以通过以下技术方案来实现：一种基于改进粒子群算法的中央空调能耗控制方法，包括以下步骤：

S1、获取中央空调不同机组的COP(Coefficient Of Performance，能效比)曲线，拟合得到各机组的能耗函数；

S2、基于各机组的能耗函数，结合外点惩罚方式，构建中央空调能耗优化模型，所述中央空调能耗优化模型的约束条件包括系统负荷平衡约束条件和机组出力约束条件，所述中央空调能耗优化模型以机组总能耗最小作为目标函数；

S3、采用改进粒子群算法，求解中央空调能耗优化模型，得到各机组的最优负荷分配率；

S4、根据各机组的最优负荷分配率，控制各机组的负荷投切，即完成中央空调能耗优化控制。

进一步地，所述机组的能耗函数具体为：

0≤P_α≤P_αmax