一种基于人工蜂群的空调能耗模型参数辨识方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号(10)授权公告号CNCN102981410102981410B(45)授权公告日2015.01.14(21)申请号201210537159.8孟明.中央空调制冷系统的优化及软件开(22)申请日2012.12.12发.《中国优秀硕士学位论文全文数据库》.2009,邓植等.基于人工蜂群算法的低能耗高性能(73)专利权人珠海派诺科技股份有限公司NoC映射.《西安电子科技大学学报(自然科学地址519080广东省珠海市高新区科技创新版)》.2012,第39卷(第2期),海岸科技六路15号1号楼审查员杨丹(72)发明人牛丽仙吴忠宏(51)Int.Cl.G05B13/04(2006.01)(56)对比文件CN101251291A,2008.08.27,CN102012077A,2011.04.13,邝小磊等.中央空调系统节能的蚁群优化控制方法.《哈尔滨工业大学学报》.2009,第41卷(第8期),陈文凭等.基于冷水机组性能曲线的中央空调水系统优化控制.《流体机械》.2008,第36卷(第08期),权权利要求书2页利要求书2页说明书6页说明书6页附图1页附图1页(54)发明名称一种基于人工蜂群的空调能耗模型参数辨识方法(57)摘要本发明提出的一种基于人工蜂群的空调能耗模型参数辨识方法，利用机理分析法建立整个空调系统的能耗模型函数，然后把能耗模型函数作为目标函数，利用人工蜂群算法对它进行寻优，确定一定负荷状态下的最优参数组合。本发明利用机理分析法建立的能耗模型精度高，通用性好，尤其是人工蜂群的优化算法收敛速度快、参数设置少，受所求问题维数的影响较小，并且实现简单方便，并且在每次迭代中都进行全局和局部搜索，找到最优解的概率大大增加，并在较大程度上避免了局部最优。CN102981410BCN102984BCN102981410B权利要求书1/2页1.一种基于人工蜂群的空调能耗模型参数辨识方法，主要包含以下步骤：第一步，建立空调系统的各部分能耗模型，包括制冷主机能耗P1，冷冻水泵能耗P2，冷却水泵能耗P3和冷却塔风机能耗P4，其中P1、P2、P3和P4为空调系统的工作负荷Q，冷冻水出水温度T1o，冷却水出水温度T2o，冷冻水泵流量v1，冷却水泵流量v2和空气流量Fair的函数；第二步，设定整个空调系统的能耗模型为：f(x)＝P＝P1+P2+P3+P4＝f(Q,T1o,T2o,v1,v2,Fair)；第三步，在空调系统具有特定工作负荷Q的状态下，利用人工蜂群算法，获得空调系统的能耗P最小时，空调系统能耗模型的最优参数组合，即T1o,T2o,v1,v2,Fair的最优组合；其中在人工蜂群算法中，(1)设置f(x)的解集Xi＝(xi1,xi2,xi3,xi4,xi5)，其中，xi1对应参数T1o，xi2对应着参数T2o，xi3对应着参数v1，xi4对应着参数v2，xi5对应着参数Fair，并设定蜜蜂总数为Ns,维数为D＝5，最大迭代次数为tmax，对每个第0代的解Xi(0)(i＝1,2,…,Ns)进行初始化；(2)计算各个解的适应度值f(Xi(t))，其中t是指第t代，并将Xi(t)的适应度值从小到大进行排序，适应度最大的Xi(t)被选为侦察蜂，剩下的前一半为引领蜂，个数为Ne，后一半为守望蜂，个数为Nu，bpi(t)为每只引领蜂当前发现的最好位置，表示为bpi(t)＝Xi(t)，i＝1,2,…,Ne，并且bpij(t)＝xij(t)，其中bpij(t)为bpi(t)的第j维元素；bg(t)设定为群体中的全局最好位置，并且(3)引领蜂进行邻域搜索，产生目标函数f(x)的新解，并按如下公式进行解的替代；其中，xij(t+1)为产生的新解，xij(t)为原来的旧解；bpij(t)为bpi(t)的第j维元素；bgj(t)为bg(t)的第j维元素，(i＝1,2,…,Ne；j＝1,2,…,D),ra和rb是[-1,1]之间的随机数，t指第t代，c1和c2为学习因子；(4)各守望蜂依照引领蜂种群适应度值大小选择一个引领蜂，在该引领蜂邻域内进行搜索产生新解并进行解的替代，其中，xij(t+1)为产生的新解，xij(t)为原来的旧解，φij是[-1,1]间的随机数，Xk为守望蜂选择的引领蜂，xkj为引领蜂Xk的第j维元素，并且i＝1,2,…,Nu；j＝1,2,…,D；(5)侦察蜂根据以下公式进行随机搜索，获得新解并按以下公式进行解的替代；其中，i＝1；j＝1,2,…D，xij(t+1)为产生的新解，xij(t)为原来的旧解，rand[0,1]为介于0和1间的随机数，和分别为解Xi的第j维的最大值和最小值；2CN102981410B权利要求书2/2页(6)如迭代次数t小于最大迭代次数tmax，则返回步骤