负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法与流程

本发明属于系统控制领域，具体涉及一种负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法。

背景技术：

制冷机组是建筑系统中主要的用能设备，为了在室外气候较为炎热的情况下维持室内的舒适温度，需要制冷系统消耗一定的电能为空调系统提供足够的冷量。但是由于冷负荷是波动的，因此通常会存在系统与冷负荷不匹配的问题，这会造成系统在较低效率下运行，能源大量浪费。调适是一种在建筑中实施有成本效益的维护和操作措施，使系统达到设计意图和最佳操作的方法。利用调适可以提高系统的能效，降低能源的浪费。

目前有很多系统调适的方法用来解决系统运行与负荷不匹配的问题，这些方法很多是结合系统设计方法的调适，需要对设备进行重新设计和改造才能更好的满足负荷的需求，然而这种调适策略投资较大，回收期长，难以被业主接受。因此，需要一种低成本的调适方法。另外，目前的调适方法都是以负荷点预测结果作为调适的依据，没有考虑负荷不确定性的影响，容易出现负荷与供冷量不匹配的情况。

因此在负荷不确定性的情况下，对其不确定性进行描述，同时利用一种低成本的方法对制冷系统进行调适是目前迫切需要解决的技术问题。

技术实现要素：

为克服上述现有技术的不足，本发明提供了一种负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法。

本发明利用分位数回归神经网络模型建立对负荷不确定性的预测，并对在预测区间内的系统运行工况建立优化的低成本调适方法，最终利用熵权法的多目标决策方法确定最终的调适策略。

为实现上述目的，本发明采用如下技术方案：一种负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，包括以下步骤：

利用原始数据建立分位数回归神经网络模型，得到负荷不确定性下的负荷的概率分布预测结果；

对预测区间内的系统工况进行划分，建立反映系统特征的模型，并建立低成本调适方法，利用优化算法确定调适中控制参数；

对不同工况的调适方法采用一种熵权法作为多目标决策方法确定具有节能性和鲁棒性的调适策略。

进一步的，所述的分位数回归神经网络模型输入变量包括：室外空气温度、室外空气湿度、太阳辐射强度、室内人员数量，输出变量为负荷值的概率分布。

进一步的，所述的分位数回归神经网络模型，包含输入层、隐含层和输出层，输入层节点数与负荷预测输入变量个数相同，输出层节点数为1，只包括一层隐含层。

进一步的，所述的分位数回归神经网络模型，采用弹球损失作为神经网络模型的损失函数，表达式如下：

对于输入变量x，对应分位数τ下的损失函数值ρτ(x)为：

进一步的，所述的分位数回归神经网络模型的表示如下：

对于自变量其对应τ分位数下的因变量y(τ)可表示为：

其中，w(τ)＝{wji(τ)，j＝1，2，…m，i＝1，2，…n}为输入层到隐含层的权重系数矩阵，v(τ)＝{vj(τ)，j＝1，2，…m}为隐含层到输出层的权重系数向量。n为隐含层的节点个数，m为输出层的节点个数。g1(·)和g2(·)分别为输入层与隐含层之间以及隐含层与输出层之间的激励方程。

进一步的，所述的系统工况划分，以机组的部分负荷率作为划分不同工况的依据，机组部分负荷率从100％每下降5％划分一个工况，相应的机组供冷量作为划分的工况运行的供冷量。

进一步的，所述的系统模型包括制冷机组模型，变频水泵模型，以及冷冻水循环管网模型。

进一步的，所述的制冷机组模型，可调节参数为冷冻水供水温度，具体机组模型可表示为：

对于冷冻水供水温度tchw，o，部分负荷率plr机组的cop可表示为：

cop＝β0+β1plr+β2tchw，o+β3plr²+β4plrtchw，o

机组的供冷量为q时，机组能耗echiller可以表示为：

其中，β0-β4为拟合得到的系数。

进一步的，所述的变频水泵模型，水泵的扬程与能耗与电机频率和流量相关，具体可以表示为：

对于电机频率为n(hz)，额定工况下频率为nm(hz)，流量为m的水泵，其扬程h(mpa)为：

其功率为：

其中a0-a3，b1-b3为相关系数。

进一步的，所述的冷冻水循环管网模型，模型是一种对冷冻水循环的简化模型，对于不同的末端形式都适用。模型中通过控制干管上的阀门可以使管网的供回水压差保持再一定的水平，而阀门开度的变化会造成管网的阻力系数的变化，从而工作状态点改变影响流量值。因此，控制管网阻力的方法可以在不改变水泵电极频率的情况下改变系统的流量。具体的管网压差设定可通过下式计算：

pd＝(scon+spd)m²

其中，pd为压差，spump，schiller，ss，sr，sunit分别为泵的阻力系数、冷机的阻力系数、供水干管的阻力系数、回水干管的阻力系数、最不利环路的支管的阻力系数，si为连接支管的干管管段的阻力系数，为各支管流量与干管流量的比例。

进一步的，所述的低成本调适方法中包括对冷冻水供水温度的控制以及对冷冻水流量的控制。对冷冻水供水温度的控制通过机组供水温度设定值进行控制。冷冻水流量的控制通过变频水泵的变频控制以及管网的压差控制。

进一步的，所述的优化算法，优化的目标为机组能耗最小，具体可以表示为：

其中，n1为开启的机组的台数，n2为开启的泵的台数。

进一步的，所述的优化算法，对于变量冷冻水供水温度tchw，o的约束条件为，冷冻水供水温度设定在5℃-9℃之间。

进一步的，所述的低成本调适方法，只通过对于机组冷冻水供水温度的调节实现机组在负荷不确定性下的运行。

进一步的，所述的多目标决策方法对调适方法的两个评价标准分别为：调适方法的能耗以及调适方法对负荷不确定性的鲁棒性。调适方法的鲁棒性通过调适方法所满足的负荷的累积概率密度表示。

进一步的，所述的熵权法，需要对不同调适方法下的评价指标进行标准化，对于调适方法的能耗标准化的公式为：

对于调适方法的鲁棒性标准化的公式为：

其中，xi为第i个评价指标，xij为指标xi中的第j个数据，yij为数据xij的标准化结果，max(xi)和min(xi)分别为指标xi的最大值和最小值。

进一步的，所述的熵权法，对不同指标数据的标准化结果，可计算不同指标的信息熵ei，具体计算公式如：

其中，m为一个指标的数据的个数，同时，若pij＝0，则定义

进一步的，所述的熵权法中不同指标的信息熵ei，可以计算各指标的权重wi：

进一步的，所述的熵权法中不同指标的评分为指标权重wi与该调适方法的标准化后的指标值yij的乘积。不同调适方法的综合评分为其指标评分的和，评分最大的结果为最终的鲁棒性调适策略。

有益效果

(1)本发明基于分位数回归神经网络模型对负荷的不确定性进行描述，通过负荷的概率分布表示负荷不确定性。同时负荷的概率分布结果可以作为评价调适方法鲁棒性的参数。

(2)本发明采用一种低成本的调适方法对制冷系统进行调适，相比需要更换设备以及重新设计系统的方法，这种只通过设备的控制参数的调整实现的系统调适更具有经济性，可以被广泛采用。

附图说明

图1为本发明负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法的流程图；

图2为本发明实施例中分位数回归神经网络负荷预测结果；

图3为本发明实施例中分位数回归神经网络预测的负荷概率分布；

图4为本发明中低成本调适方法优化方法流程图；

图5为本发明实施例中的不同工况的评价指标原始值；

图6为本发明实施例中的不同工况调适方法多目标的决策结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

如图1所示，本实施例提供一种负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法，包括以下步骤：

步骤1：采用分位数回归神经网络模型对负荷的概率分布进行预测。

实施例中负荷预测输入数据包括室外空气温度、室外空气湿度、太阳辐射强度、建筑内人员数量，通过训练得到的分位数回归神经网络预测了5天的负荷情况，预测区间的结果如图2所示，其中一个时刻区间内负荷分布的情况如3所示。

步骤2：在预测区间内划分不同的工况，并利用优化算法得到各工况的低成本调适方法。

实施例中，机组满负荷时的供冷量为1500kw，以部分负荷率间隔5％作为划分系统工况的依据，因此，划分的工况对应的部分负荷率分别为55％、60％、65％、70％、75％、80％、85％、90％、95％、100％。对应的供冷量为825kw、900kw、975kw、1050kw、1125kw、1200kw、1275kw、1350kw、1425kw、1500kw。

得到不同工况后，利用优化算法计算在相应供冷量下的最佳低成本控制方法，优化算法的目标函数为：

其中机组的能耗以及泵的能耗通过建立的制冷机组模型，变频水泵模型，以及冷冻水循环管网模型确定，其中的控制变量为冷冻水供水温度、变频泵电机频率以及设定压差。优化的过程如图4所示。

泵的能耗可以通过变频水泵模型计算，具体为：

系统循环流量通过水泵模型以及管网模型共同决定的工作状态点确定，具体为：

pd＝(scon+spd)m²

两个模型联立即可解得循环管网的工作状态点以及系统流量。

机组的能耗可以通过制冷机组模型进行计算，具体为：

cop＝β0+β1plr+β2tchw，o+β3plr²+β4plrtchw，o

最终优化的结果为在不同工况下的优化的低成本调适方法，即相应的冷冻水温度设定点、水泵电机频率设定点以及压差设定点。

步骤3：利用多目标决策方法对不同工况下的调适方法进行决策确定可以同时实现鲁棒性以及能耗低的调适策略。

以一个时刻的预测结果以及调适策略作为实施例。在该实施例中，负荷预测的区间为[834.87kw，1303.96kw]。该区间内共包括6个工况，分别为900kw、975kw、1050kw、1125kw、1200kw、1275kw。这6个工况调适方法能耗以及其的鲁棒性作为多目标决策的评价指标，其中调适方法的鲁棒性通过其对应供冷量的在负荷预测结果的累积概率密度函数中相应的取值作为评价鲁棒性的指标。这6个工况的评价指标如图5所示。首先，对这两个评价指标进行标准化，对于调适方法的能耗标准化的公式为：

对于调适方法的鲁棒性标准化的公式为：

其中，xi为第i个评价指标，xij为指标xi中的第j个数据，yij为数据xij的标准化结果，max(xi)和min(xi)分别为指标xi的最大值和最小值。

得到不同指标数据的标准化结果，可计算不同指标的信息熵ei，具体计算公式如：

其中，m为一个指标的数据的个数，同时，若pij＝0，则定义

得到不同指标的信息熵ei，可以计算各指标的权重wi：

不同指标的评分为指标权重wi与该调适方法的标准化后的指标值yij的乘积。不同调适方法的综合评分为其指标评分的和，评分最大的结果为最终的鲁棒性调适策略。这6个工况的各指标评分以及最终评分如图6。通过决策结果可以确定供冷量为1200kw的工况对应的调适方法作为这一时刻最终的调适策略。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。