基于节能优化的空调冷水机组负荷优化建模

来源:用户上传      作者:邢国新

　　摘要：针对当前空调冷水机组耗能大、负荷分配不均的问题，在构建空调冷水机组负荷能耗模型基础上，提出一种种群粒子吸引策略的布谷鸟搜索算法（NCS）的模型求解方法。为验证求解算法的有效性，搭建实验环境，将NCS算法与GA 算法、CS算法和PSO算法进行对比试验。结果表明：改进后的布谷鸟算法对比于其他算法，收敛精度和收敛速度都明显提高，负荷分配能耗更均衡，能耗消耗也更小。
　　关键词：冷水机组;负荷分配;布谷鸟搜索算法;TRNSYS 软件
　　中图分类号：TU831
　　文献标识码：A文章编号：1001-5922（2022）06-0152-05
　　Load optimization modeling of air conditioning chiller for energy saving optimization
　　XING Guoxin
　　（Beijing Mass Transit Railway Operation Corporation Limited， Beijing 100043， China
　　）
　　Abstract：In view of the current problems of large energy consumption and uneven load distribution of air conditioning chiller， a model solution method of cuckoo search algorithm （NCS） is proposed on the basis of constructing the load energy consumption model of air conditioning chiller. In order to verify the effectiveness of the solution algorithm， the experimental environment was built， and the NCS algorithm was compared with the GA algorithm， the CS algorithm and the PSO algorithm. The results show that the improved cuckoo algorithm has significantly improved convergence accuracy and convergence rate， with more balanced load distribution and less energy consumption compared with other algorithms.
　　Key words：chiller; load distribution; cuckoo search algorithm; TRNSYS software
　　在商业建筑中，能耗占比最大的为空调能耗，其占总能耗的 50%～60%。主要原因是其内部的多台冷水机组能耗消耗大。因此，要实现空调系统最小能耗，首要条件是找到最佳的冷水机组负荷分配（OCL问题）。针对该问题，有学者提出通过数据衍生和移动窗口的方法，获得冷水机组的性能包络线对负荷分配进行优化，该优化方法取得了较好的节能效果[1];提出基于电能服务管理平台的集中空调冷水机组能效计算方法，利用分段最小二乘法建立冷水机组和负荷率间的关系得到一个能耗比曲线[2]。此方法实现了对冷水机应用的评估，具有一定的参考意义。基于以上研究，以多台并联冷水机组为研究对象，采用布谷鸟搜索算法对能耗模型进行求解，以此得到空调冷水机组负荷的最优分配方案。
　　1空调冷水机组能耗模型构建
　　1.1能耗模型构建
　　本研究以3台小容量冷水机组为例，深入分析不同负荷率下的各机组能量损耗状况。结合半经验模型的基本原理，构建本研究模型和约束条件。
　　1.2s束条件
　　对于多台冷水机组的能耗研究，约束条件分为2种：
　　（1）当机组负荷过低时，机组负荷高于0.3，即0.3≤PLR≤1[3];
　　2求解方法
　　2.1布谷鸟搜索算法
　　布谷鸟搜索算法（Cuckoo Search，简称 CS），也可称之为杜鹃搜索算法[6]。基本原理是模拟布谷鸟繁殖后代和寄生育雏的独特特性，通过Levy飞行搜索机制进行求解最优问题。研究表明，CS算法相较于其他群体优化算法效果更佳。布谷鸟寻窝的路径和位置更新为：
　　2.2布谷鸟搜索算法改进
　　常用的智能算法改进通常为算法参数的动态化改进和算法之间的融合改进。根据本研究算法需求，选择动态化方式进行改进[9]。 本研究结合CS的特点，基于种群粒子吸引策略，提出改进型的布谷鸟算法（NCS），其主要根据偏置能力进行判断。由于CS算法偏置能力弱，导致搜索的盲目性[10]，造成以上的原因，是种群粒子间的信息交流方式为纵向，即子父迭代更新，各粒子缺乏横向交流; 迭代更新时，目标搜索方向随机。因此，提出将种群中的粒子作为各个粒子相互存在引力的质点，粒子适应度表示为质量值。由 Levy飞行控制步长，引力式构建过程中，需进行单位化处理：
　　3实验验证
　　3.1建筑负荷建模
　　基于改进后的NCS 算法，本研究通过TRNSYS软件构建建筑负荷模型，具体模型如图1所示。在不同参数和环境下，对本研究构建模型进行负荷分析。
　　3.2参数设置
　　为取得更好的实验结果，本研究将对建筑进行参数设置，并在参数设置前，本研究将工作日时间设置为8：00―20：00。

nlc202206231640

转载注明来源:https://www.xzbu.com/1/view-15434418.htm