基于进化算法的冷水机组负荷分配能效优化方法及系统

技术领域

本发明涉及高效制冷机房能效优化技术领域，具体地，涉及一种基于进化算法的高效制冷机房的冷水机组负荷分配能效优化方法及系统，同时提供了一种相应的计算机终端和计算机可读存储介质。

背景技术

随着“碳达峰”、“碳中和”的需求不断走进社会生产，各行各业逐步意识到节能减排在生产中的重要性，同时由于全世界当下共同面临的能源问题，节能问题已经越来越受到世界各国学者的关注。根据联合国环境计划署统计，建筑能耗约占民用总耗电的50％以上，而中国建筑能耗约占全社会总能耗的25％，其中，暖通空调是不折不扣的耗能大户，在公共建筑中，空调系统的能耗占比能够达到30％～50％。

目前，提高供冷能效的技术方向主要有以下几种：

利用先进的制冷技术。目前，空气源热泵、地源热泵、吸收式制冷等技术已经成为了主流。这些技术具有高效、环保、节能等特点，可以显著提高供冷的能效。

利用智能控制技术。智能控制技术可以通过对供冷系统进行精确的控制，使得系统的运行更加高效和节能。目前，基于人工智能和物联网技术的智能控制系统已经得到了广泛应用。

采用节能材料和节能技术。目前，一些新型的节能材料和节能技术已经被应用于建筑领域，如隔热材料、高效换热器、风机和水泵的变频控制等。

进行供冷系统的能效评估和优化。通过对供冷系统进行能效评估和优化，可以发现和解决系统中的能耗瓶颈，从而提高供冷的能效。

总之，随着技术的不断发展和应用，供冷系统的能效优化已经成为了暖通领域的一个重要研究方向，同时也为实现建筑节能减排目标提供了技术支持。

供冷系统中能耗最大的就是主机——冷水机组，所以考虑高效机房的节能首先考虑降低冷水机组的能耗。在工业用制冷机房中，常用的方法是通过调节冷机的运行参数和出水温度来控制单个冷机乃至整个冷水机组的运行能耗，但是冷机的出水温度设定值通常是一个写定的值，它不能保证冷水机组的实时能效最优。

经过检索发现：《丁伟翔,袁建红,杨英等.基于遗传算法的并联冷水机组负荷优化分配策略[J].制冷与空调,2022,22(04):17-20.》以及《闫秀英,许成炎.基于改进DEPSO算法的冷水机组负荷优化方法[J].控制工程,2022,29(12):2194-2203.DOI:10.14107/j.cnki.kzgc.20200575.》，这两项相关研究主要集中在追求制冷机组的高效负荷区间，然而在将这些研究成果具体落实到现场应用，实现冷机组的实时最高效率方面，研究还相对不足。一般情况下，现场实施中常将关键参数设置为固定值，并且很少进行改变，只有在极端情况下才会通过人工手动调节，具有现场实施的局限性。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种基于进化算法的高效制冷机房的冷水机组负荷分配能效优化方法及系统，同时提供了一种相应的计算机终端和计算机可读存储介质。

根据本发明的一个方面，提供了一种基于进化算法的冷水机组负荷分配能效优化方法，包括：

获取冷水机组中每一台冷机的历时运行数据，并对所述历史运行数据进行清洗，构建算法数据库；同时获取每一台冷机的当前运行数据作为新的历史运行数据，对所述算法数据库进行更新；

为每一台冷机提供一模型，并利用所述算法数据库对每一台冷机的模型进行训练，得到相应的冷机模型，所述冷机模型用于模拟某一冷机在某一工况下的耗电量和最大制冷量；

对于每一种工况，基于所述冷机模型，利用进化算法，在可选空间中迭代出冷水机组总耗电量最低工况下的每一台冷机的冷机制冷量和出水温度设定值，得到最优的冷水机组的总制冷量和总出水管温度设定值，利用所述最优的冷水机组的总制冷量和总出水管温度设定值实现对冷水机组负荷分配能效的优化。

优选地，所述对所述历史运行数据进行清洗，包括如下任意一项或任意多项：

-采用突变斜率和四分位数的异常检测方法，去除所述历史运行数据中的异常值；

-设定可用数据的上下限阈值，去除所述历史运行数据中限制之外的数据；

-利用数据切片平滑的方法，对所述历史运行数据进行平滑处理。

优选地，在所述算法数据库中，获取的历史运行数据按照设定的格式进行存储。

优选地，所述为每一台冷机提供一模型，包括：

提供每一台冷机的最大制冷量Max_Q的表达式为：

Max_Q＝Capⅹ(c0+c1ⅹtchin+c2ⅹtchin

其中：Cap为冷机额定制冷量，tchin是冷冻水进水温度，tcdin是冷却水进水温度，c*为常数项；

提供每一台冷机的电量W_Ch的表达式为：

Delta_tch＝tchin-tchout

PLR＝(Delta_tchⅹVch)/(Delta_tch_desⅹVch_des)

PLR_rev＝a0+a1ⅹPLR+a2ⅹPLR

Temp_rev＝b0+b1ⅹtchout+b2ⅹtchout

W_Ch＝CapⅹPLR_revⅹTemp_rev/self.Cop_ref

其中：Delta_tch为冷冻水进出水温差，PLR为负荷率，Delta_tch_des为冷机冷冻侧设计进出口温差，Vch_des为冷机冷冻侧设计水流量，Vch为流量，PLR_rev为负荷率修正系数，a*为常数项，b*为常数项，self.Cop_ref为制冷系数

提供每一台冷机的实时制冷量Q的表达式为：

Q＝Vchⅹcpwⅹ(tchin-tchout)

其中：cpw为水的比热容；

联立所述最大制冷量Max_Q、所述电量W_Ch和所述实时制冷量Q的表达式，即得到为每一台冷机提供的模型。

优选地，所述可选空间通过给定的出水温度上下限和设定的约束决定。

优选地，所述在可选空间中迭代出冷水机组总耗电量最低工况下的出水温度设定值，包括：

对于某一工况下的某一冷机，影响耗电量Power的相关因素包括：

Power＝{temp

其中：temp

同时，某一工况下的冷水机组的总耗电量Power

Power

其中，Power

所述设定的约束包括对每台冷机的约束和对冷水机组的约束；其中：

对于每台冷机，则包括：

Q

其中，Q

Q

其中，Q

abs(temp

其中，temp

对于冷水机组，则包括：

Q

其中，Q

temp

其中，temp

基于所述冷机模型，利用进化算法，在每一种工况下对每一台冷机的冷机制冷量和冷机冷冻水出水温度进行迭代优化，获得冷水机组总耗电量最低工况下的每一台冷机的冷机制冷量和出水温度设定值，进而获得对冷水机组的冷水机组总制冷量和冷水机组冷冻水总出水管温度的迭代优化，最终得到冷水机组的总耗电量最低工况下的总出水管温度设定值。

根据本发明的另一个方面，提供了一种基于进化算法的冷水机组负荷分配能效优化系统，包括：

数据库构建模块，该模块用于获取冷水机组中每一台冷机的历时运行数据，并对所述历史运行数据进行清洗，构建算法数据库；同时获取每一台冷机的当前运行数据作为新的历史运行数据，对所述算法数据库进行更新；

冷机模型构建模块：该模块用于为每一台冷机提供一模型，并利用所述算法数据库对每一台冷机的模型进行训练，得到相应的冷机模型，所述冷机模型用于模拟某一冷机在某一工况下的耗电量和最大制冷量；

能效优化模块，该模块用于对于每一种工况，基于所述冷机模型，利用进化算法，在可选空间中迭代出冷水机组总耗电量最低工况下的每一台冷机的冷机制冷量和出水温度设定值，得到最优的冷水机组的总制冷量和总出水管温度设定值，利用所述最优的冷水机组的总制冷量和总出水管温度设定值实现对冷水机组负荷分配能效的优化。

根据本发明的第三个方面，提供了一种计算机终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时可用于执行本发明上述中任一项的方法，或，运行本发明上述中任一项的系统。

根据本发明的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行本发明上述中任一项的方法，或，运行本发明上述中任一项的系统。

由于采用了上述技术方案，本发明与现有技术相比，具有如下至少一项的有益效果：

本发明提供的基于进化算法的冷水机组负荷分配能效优化方法及系统，充分利用了历史数据，基于数据提供了一种冷水机组负荷优化方案。

本发明提供的基于进化算法的冷水机组负荷分配能效优化方法及系统，结合理论和过往工业经验，提出了多维度的约束规则。相较于纯理论的方案，本发明加入了偏差修正的部分，这使得它更加贴合实际；相对于纯工业经验的控制，本发明更加精确和科学，能够更加全面的搜索可行的工况，为冷水机组节省的能耗更可观。

本发明提供的基于进化算法的冷水机组负荷分配能效优化方法及系统，独立训练模型因而可复用性高。实际运行时会为每台冷机训练一个对应的模型模拟它的工况，所以无需因为具体某台冷机的特殊运行状况而担心单个模型以及整体优化方案的准确性，因为单台建模时，使用的是对应冷机的历史运行数据训练模型。这会使得模型拟合它的实际运行状况而非笼统的理想运行状况。

本发明提供的基于进化算法的冷水机组负荷分配能效优化方法及系统，旨在研究如何实时优化冷水机组的节能效率，即时地设定参数值，解决现场实施中的局限性，从而最大程度地提高冷水机组的能源利用效率。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一优选实施例中基于进化算法的冷水机组负荷分配能效优化方法的整体流程图。

图2为本发明一优选实施例中基于进化算法的冷水机组负荷分配能效优化系统的组成模块示意图。

图3为本发明一优选实施例中基于进化算法的冷水机组负荷分配能效优化方法及系统的工作原理图。

具体实施方式

下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

本发明一实施例提供了一种基于进化算法的冷水机组负荷分配能效优化方法，该方法通过实时调取高效制冷机房中冷机的运行数据，对冷水机组的运行工况进行挖掘，利用依靠历史海量数据训练出来的冷水机的模拟电量模型和模拟最大制冷量模型，结合进化算法，分析出能使冷水机组当下运行能耗最低的出水温度设定值。

如图1所示，该实施例提供的基于进化算法的冷水机组负荷分配能效优化方法，可以包括：

S1，获取冷水机组中每一台冷机的历时运行数据，并对历史运行数据进行清洗，构建算法数据库；同时获取每一台冷机的当前运行数据作为新的历史运行数据，对算法数据库进行更新；

S2，为每一台冷机提供一模型，并利用算法数据库对每一台冷机的模型进行训练，得到相应的冷机模型，冷机模型用于模拟某一冷机在某一工况下的耗电量和最大制冷量；

S3，对于每一种工况，基于冷机模型，利用进化算法，在可选空间中迭代出冷水机组总耗电量最低工况下的每一台冷机的冷机制冷量和出水温度设定值，得到最优的冷水机组的总制冷量和总出水管温度设定值，利用最优的冷水机组的总制冷量和总出水管温度设定值实现对冷水机组负荷分配能效的优化。

在S1的一优选实施例中，对历史运行数据进行清洗，可以包括如下任意一项或任意多项：

-采用突变斜率和四分位数的异常检测方法，去除历史运行数据中的异常值；

-设定可用数据的上下限阈值，去除历史运行数据中限制之外的数据；

-利用数据切片平滑的方法，对历史运行数据进行平滑处理。

在S1的一优选实施例中，在算法数据库中，获取的历史运行数据可以按照设定的格式进行存储。

在该步骤中，设定的格式，可以为：例如在冷机表中，每条运行数据记录包括以下字段：时间戳(data_time)、冷水机标识(device_name)、功率消耗(power_active)、各种温度数据(temp_chw_in、temp_chw_out、temp_cow_in、temp_cow_out)、冷机负荷率(ratio_load)、蒸发压力(p_evaporator)、冷凝压力(p_condenser)等。

在S2的一优选实施例中，为每一台冷机提供一模型，可以包括：

提供每一台冷机的最大制冷量Max_Q的表达式为：

Max_Q＝Capⅹ(c0+c1ⅹtchin+c2ⅹtchin

其中：Cap为冷机额定制冷量，tchin是冷冻水进水温度，tcdin是冷却水进水温度，c*为常数项；

提供每一台冷机的电量W_Ch的表达式为：

Delta_tch＝tchin-tchout

PLR＝(Delta_tchⅹVch)/(Delta_tch_desⅹVch_des)

PLR_rev＝a0+a1ⅹPLR+a2ⅹPLR

Temp_rev＝b0+b1ⅹtchout+b2ⅹtchout

W_Ch＝CapⅹPLR_revⅹTemp_rev/self.Cop_ref

其中：Delta_tch为冷冻水进出水温差，PLR为负荷率，Delta_tch_des为冷机冷冻侧设计进出口温差，Vch_des为冷机冷冻侧设计水流量，Vch为流量，PLR_rev为负荷率修正系数，a*为常数项，b*为常数项，self.Cop_ref为制冷系数；

提供每一台冷机的实时制冷量Q的表达式为：

Q＝Vchⅹcpwⅹ(tchin-tchout)

其中：cpw为水的比热容；

联立最大制冷量Max_Q、电量W_Ch和实时制冷量Q的表达式，即得到为每一台冷机提供的模型。

在该步骤中，为每一台不同的冷机单独创建一个模型，原因是，虽然他们隶属于同一个类，但每个模型具有自己的参数、特性、状态等，实际应用时，必须分别实例化这个类来创建每个冷机的独立模型，进而获得最为准确的模拟数据。

在S3的一优选实施例中，可选空间可以通过给定的出水温度上下限和设定的约束决定。

在S3的一优选实施例中，在可选空间中迭代出冷水机组总耗电量最低工况下的出水温度设定值，可以包括：

对于某一工况下的某一冷机，影响耗电量Power的相关因素可以包括：

Power＝{temp

其中：temp

同时，某一工况下的冷水机组的总耗电量Power

Power

其中，Power

设定的约束包括对每台冷机的约束和对冷水机组的约束；其中：

对于每台冷机，则可以包括：

Q

其中，Q

Q

其中，Q

abs(temp

其中，temp

对于冷水机组，则可以包括：

Q

其中，Q

temp

其中，temp

基于冷机模型，利用进化算法，在每一种工况下对每一台冷机的冷机制冷量和冷机冷冻水出水温度进行迭代优化，获得冷水机组总耗电量最低工况下的每一台冷机的冷机制冷量和出水温度设定值，进而获得对冷水机组的冷水机组总制冷量和冷水机组冷冻水总出水管温度的迭代优化，最终得到冷水机组的总耗电量最低工况下的总出水管温度设定值。

本发明一实施例提供了一种基于进化算法的冷水机组负荷分配能效优化系统。

如图2所示，该实施例提供的基于进化算法的冷水机组负荷分配能效优化系统，可以包括：

数据库构建模块，该模块用于获取冷水机组中每一台冷机的历时运行数据，并对历史运行数据进行清洗，构建算法数据库；同时获取每一台冷机的当前运行数据作为新的历史运行数据，对算法数据库进行更新；

冷机模型构建模块：该模块用于为每一台冷机提供一模型，并利用算法数据库对每一台冷机的模型进行训练，得到相应的冷机模型，冷机模型用于模拟某一冷机在某一工况下的耗电量和最大制冷量；

能效优化模块，该模块用于对于每一种工况，基于冷机模型，利用进化算法，在可选空间中迭代出冷水机组总耗电量最低工况下的每一台冷机的冷机制冷量和出水温度设定值，得到最优的冷水机组的总制冷量和总出水管温度设定值，利用最优的冷水机组的总制冷量和总出水管温度设定值实现对冷水机组负荷分配能效的优化。

需要说明的是，本发明提供的方法中的步骤，可以利用系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照方法的技术方案实现系统的组成，即，方法中的实施例可理解为构建系统的优选例，在此不予赘述。

下面结合附图对本发明上述实施例提供的技术方案进一步说明。

如图3所示，本发明上述实施例提供的基于进化算法的冷水机组负荷分配能效优化方法及系统，主要包括如下三个功能部分：

单台冷水机建模部分：对单台冷水机进行建模，其具体作用是能够模拟出某台冷机在某工况下的耗电量和最大制冷量。建模过程包括：历史数据导入；模型训练和数据预测；其中，导入的历史数据是经过清洗的数据，其作用是，利用相对干净、可信度高的历史数据训练模型能够保证模型的有效性，提高模型的预测效果。

数据库构建及自更新部分：由于系统在不断运行，在已有的大量历史数据的基础上，还需不断地把新的数据导入到数据库中，供冷机模型训练。随着数据的不断积累，数据库中会存在各种各样的工况以及各种工况下对应的控制参数。训练数据的丰富能够保证模型的预测准确性。

能效优化算法部分：对于每一种工况，结合进化算法会在可选空间中迭代出最优出水温度设定值，所谓最优就是此种情况下冷水机组的总耗电量最低。可选空间由给定的出水温度上下限和一系列约束决定。

对于某个工况下的某台冷机，影响耗电量的相关因素有：

Power＝{temp

temp

temp

temp

Vch：流量；

同时，某工况下的冷水机组的总耗电量为：

Power

Power

一系列约束分为对每台冷机的约束和对冷水机组的约束；其中：

对于每台冷机：

Q

Q

Max_Q

Q

Q

Min_Q

abs(temp

temp

temp

对于冷水机组：

Q

Q

Q

temp

temp

temp

在每一种工况下对每一台冷机的冷机制冷量和冷机冷冻水出水温度进行迭代优化，进而获得对冷水机组的冷水机组总制冷量和冷水机组冷冻水总出水管温度的迭代优化，最终得到冷水机组的总耗电量最低工况下的总出水管温度设定值。

下面结合一具体应用实例，对本发明上述实施例提供的技术方案进一步详细说明。

在该具体应用实例中，是对某项目冷水机组负荷优化控制。具体包括：

首先，获取了某项目冷水机组中每一台冷机的运行数据，将历史运行数据经过基础清洗后存入算法数据库，随后，定时将新的运行数据按照格式存入算法数据库，则完成了数据库的构建。取用数据库中所需数据训练对应每台冷机的模型，用于后续预测耗电量和对应工况下的制冷量。随后将当下的流量、冷冻水进水温度、冷冻水出水温度、冷却水进水温度作为输入，通过进化算法，算出能使当下冷水机组在负荷满足需求的前提下耗电量降到最低的一系列出水温度设定值。经过仿真模拟，实际工况下优化后预计节能8％～10％左右。

本发明一实施例提供了一种计算机终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时可用于执行本发明上述实施例中任一项的方法，或，运行本发明上述实施例中任一项的系统。

本发明一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行本发明上述实施例中任一项的方法，或，运行本发明上述实施例中任一项的系统。

在上述两个实施例中，可选地，存储器，用于存储程序；存储器，可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic RandomAccess Memory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。

上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。

处理器，用于执行存储器存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤或系统各种的各个模块。具体可以参见前面方法和系统实施例中的相关描述。

处理器和存储器可以是独立结构，也可以是集成在一起的集成结构。当处理器和存储器是独立结构时，存储器、处理器可以通过总线耦合连接。

本发明上述实施例提供的基于进化算法的冷水机组负荷分配能效优化方法及系统，充分利用了历史数据，基于数据提供了一种冷水机组负荷优化方案；结合理论和过往工业经验，提出了多维度的约束规则。相较于纯理论的方案，加入了偏差修正的部分，这使得它更加贴合实际；相对于纯工业经验的控制，更加精确和科学，能够更加全面的搜索可行的工况，为冷水机组节省的能耗更可观；独立训练模型因而可复用性高。实际运行时会为每台冷机训练一个对应的模型模拟它的工况，所以无需因为具体某台冷机的特殊运行状况而担心单个模型以及整体优化方案的准确性，因为单台建模时，使用的是对应冷机的历史运行数据训练模型。这会使得模型拟合它的实际运行状况而非笼统的理想运行状况；旨在研究如何实时优化冷水机组的节能效率，即时地设定参数值，解决现场实施中的局限性，从而最大程度地提高冷水机组的能源利用效率。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本发明上述实施例中未尽事宜均为本领域公知技术。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。