一种冰蓄冷空调冷负荷需求预测分配方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114251753A(43)申请公布日2022.03.29(21)申请号202111648774.1F24F11/85(2018.01)(22)申请日2021.12.29F24F11/88(2018.01)(71)申请人西安建筑科技大学地址710055陕西省西安市碑林区雁塔路13号(72)发明人邓伟梁少晨张雨牛源庄芸萧周湘田美侯博(74)专利代理机构西安通大专利代理有限责任公司61200代理人高博(51)Int.Cl.F24F5/00(2006.01)F24F11/46(2018.01)F24F11/61(2018.01)F24F11/64(2018.01)权利要求书3页说明书14页附图3页(54)发明名称一种冰蓄冷空调冷负荷需求预测分配方法及系统(57)摘要本发明公开了一种冰蓄冷空调冷负荷需求预测分配方法及系统，建立目标建筑时刻冷负荷预测图，将蚁群划分为若干个子蚁群；利用每个子蚁群进行冷负荷需求预测值搜索，将每个子蚁群的冷负荷需求预测值搜索结果按照效用函数值进行排序；根据排序结果获取冷负荷预测值搜索结果中趋于居中的冷负荷需求预测值搜索结果所对应的蚂蚁，将蚂蚁的信息素更新至邻居子蚁群中，比较各个子蚁群搜索到的待调控日当前时刻冷负荷需求预测值，输出待调控日当前时刻的最优冷负荷需求预测值；用曲线拟合，若当前时刻是待调控日的最后一个时刻，得到目标建筑的待调控日的总冷负荷需求预测值，实现冷负荷需求预测分配。本发明提高了冷机运行效率，取得更高的效益。CN114251753ACN114251753A权利要求书1/3页1.一种冰蓄冷空调冷负荷需求预测分配方法，其特征在于，包括以下步骤：S1、建立目标建筑时刻冷负荷预测图，设置蚁群参数，并将蚁群划分为若干个子蚁群；S2、利用步骤S1划分的每个子蚁群进行冷负荷需求预测值搜索，得到待调控日当前时刻的若干冷负荷需求预测值搜索结果；将每个子蚁群的冷负荷需求预测值搜索结果按照效用函数值进行排序；S3、根据步骤S2的排序结果获取冷负荷预测值搜索结果中趋于居中的冷负荷需求预测值搜索结果所对应的蚂蚁，将蚂蚁的信息素更新至邻居子蚁群中，令若干子蚁群协同进化；迭代设定次数后，停止蚂蚁搜索，比较各个子蚁群搜索到的待调控日当前时刻冷负荷需求预测值，进行方差分析，输出待调控日当前时刻的最优冷负荷需求预测值；S4、将步骤S3获得的最优冷负荷需求预测值用曲线拟合，完成目标建筑对应时刻冷负荷需求预测值规划；S5、若当前时刻是待调控日的最后一个时刻，则停止循环，得到目标建筑的待调控日的总冷负荷需求预测值，实现冷负荷需求预测分配。2.根据权利要求1所述的冰蓄冷空调冷负荷需求预测分配方法，其特征在于，步骤S1中，建立目标建筑时刻冷负荷预测图具体为：S101、建立冰蓄冷空调系统冷量提供一次侧设备能耗模型，包括冷机、冷却塔、冷却泵和溶液泵；S102、根据步骤S101得到的能耗建立运行能耗目标函数、运营成本目标函数和能耗损失目标函数；S103、建立目标建筑的总冷负荷需求预测值约束条件，根据目标函数和约束条件建立目标建筑时刻冷负荷预测图。3.根据权利要求2所述的冰蓄冷空调冷负荷需求预测分配方法，其特征在于，步骤S101中，冷机能耗模型为：222COP(k)＝a1+a2·PLR(k)+a3·TCHWS+a4·TCWR+a5·PLR(k)+a6·TCHWS+a7·TCWR+a8·PLR(k)·TCHWS+a9·PLR(k)·TCWR+a10·TCHWS·TCWR其中，COP(k)为第k台冷机的能效比；PLR(k)为k台冷机部分负荷率；a1，a2，a3，...，a10为冷机十项模型系数；TCHWS为冷冻水供水温度；TCWR为冷却水回水温度；Wc为冷机运行周期内总能耗；t为运行周期内采样时间；Pc(t)为冷机t时刻的运行功率；k代表冷机数量；Qn(k)为第k台冷机额定功率；冷却塔能耗模型为：其中，ct(t)为冷却塔在t时的负载量；Qcs(t)为t时冷机供冷量；Wct为冷却塔运行周期总能耗；Wct(t)为冷却塔t时耗能；α表示正比例系数；泵能耗模型为：2CN114251753A权利要求书2/3页其中，和分别为冷冻泵、冷却泵和溶液泵的功耗；ρw和ρs为冷冻水、冷却水密度；mCHW、mCW和mEGS为冷冻水流量、冷却水流量和乙烯乙二醇溶液流量；HCHW、HCW和HEGS表示压差，ηCHW、ηCW和ηEGS分别为冷冻泵、冷却泵和溶液泵的工作效率；冷却泵和冷冻泵能耗为：乙烯乙二醇溶液泵在蓄冰工况和冰槽供冷工况下运行，能耗为：其中，m,n,j分别代表冷冻泵、冷却泵、乙烯乙二醇溶液泵数量；t1,t2,t3分别为蓄冰时长、冷机工作时长和冰槽供冷时长。4.根据权利要求2所述的冰蓄冷空调冷