本發(fā)明涉及冷站負荷分配，具體為一種基于集成優(yōu)化算法的冷站負荷分配方法。

背景技術：

1、隨著城市化進程的不斷加快，集中供冷系統(tǒng)在城市建設中得到了廣泛應用，集中供冷系統(tǒng)作為現(xiàn)代城市建設中的重要組成部分，通過集成化管理和運營，能夠顯著提升能源利用效率，集中供冷系統(tǒng)通過集中供冷，可以充分利用能源，降低能耗，因此具有良好的節(jié)能效果和經(jīng)濟效益，在集中供冷系統(tǒng)中，合理分配冷站負荷對于降低供冷系統(tǒng)能耗、提高經(jīng)濟效益具有重要意義，在此類系統(tǒng)中，合理地分配各個冷站的負荷不僅關系到整個系統(tǒng)的運行效率，也直接影響到整體的經(jīng)濟成本，由于不同區(qū)域、不同時段對冷量的需求存在差異，因此，如何根據(jù)實時需求動態(tài)調(diào)整各冷站工作狀態(tài)，成為確保系統(tǒng)高效運作的關鍵。

2、目前，冷站負荷分配主要采用傳統(tǒng)的優(yōu)化方法，如線性規(guī)劃、動態(tài)規(guī)劃等，盡管傳統(tǒng)的優(yōu)化方法在一定程度上可以解決問題，但它們往往需要針對具體問題進行調(diào)整，且在面對復雜多變的實際場景時，可能無法快速找到全局最優(yōu)解，這些方法一般針對特定問題，缺乏通用性和魯棒性，此外，傳統(tǒng)優(yōu)化算法容易陷入局部最優(yōu)，且求解速度慢，難以滿足實際工程的需求。

3、于是，有鑒于此，針對現(xiàn)有的結(jié)構及缺失予以研究改良，提出一種基于集成優(yōu)化算法的冷站負荷分配方法。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提供了一種基于集成優(yōu)化算法的冷站負荷分配方法，解決了上述背景技術中提出的問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種基于集成優(yōu)化算法的冷站負荷分配方法，所述基于集成優(yōu)化算法的冷站負荷分配方法包括下述步驟：

3、s1、建立冷站模型：

4、通過在冷站各個子系統(tǒng)和設備上安裝傳感器，實時采集冷水機組的進出水溫度、冷凍水流量、制冷量此類關鍵參數(shù)，并將數(shù)據(jù)傳輸至冷站控制系統(tǒng)的數(shù)據(jù)庫進行存儲，并在此基礎上綜合冷水機組特性曲線、冷卻塔熱力學模型、水泵能耗模型以建立能夠精確反映冷站實際運行狀態(tài)的數(shù)學模型；

5、反映冷站實際運行狀態(tài)的數(shù)學模型是一個復雜的動態(tài)系統(tǒng)，很難用一個單一的數(shù)學模型完全描述，然而，可以用不同的數(shù)學模型來描述不同方面，例如：

6、冷媒流量模型：

7、針對冷媒流量，可以使用以下數(shù)學模型：

8、q_ref＝c_ref*(t_ref-t_out)；

9、其中：

10、q_ref:冷媒流量(kg/s)；

11、c_ref:冷媒流量系數(shù)(與冷媒類型、管徑等相關)；

12、t_ref:冷媒進出口溫度(℃)；

13、t_out:冷媒出口溫度(℃)；

14、制冷劑熱平衡模型:

15、制冷劑的熱平衡可以用能量守恒定律來描述：

16、q_in-q_out＝m_ref*(h_in-h_out)；

17、其中：

18、q_in:冷媒進出口熱量(kj/s)；

19、q_out:冷媒出口熱量(kj/s)；

20、m_ref:冷媒流量(kg/s)；

21、h_in:冷媒進出口焓值(kj/kg)；

22、h_out:冷媒出口焓值(kj/kg)；

23、針對制冷劑焓值，可以使用以下公式進行估算：

24、h_ref＝c_p*t_ref+h_ref0+(t_ref-t_ref0)*(c_p/1000)；

25、其中：

26、h_ref:冷媒焓值(kj/kg)；

27、c_p:冷媒比熱容(kj/kg·k)；

28、h_ref0:冷媒焓值參考值(kj/kg)；

29、t_ref:冷媒溫度(℃)；

30、t_ref0:冷媒溫度參考值(℃)；

31、冷凍功率模型：

32、q_evap＝m_ref*(h1-h4)；

33、其中，q_evap表示冷凍功率，m_ref表示冷凝媒質(zhì)的質(zhì)量流量，h1和h4分別表示冷凝媒質(zhì)在蒸發(fā)器進口和出口處的比焓；

34、冷凝功率模型：

35、q_cond＝m_ref*(h2-h3)；

36、其中，q_cond表示冷凝功率，h2和h3分別表示冷凝媒質(zhì)在冷凝器進口和出口處的比焓；

37、壓力損失模型：

38、

39、其中，δp表示壓力損失，ζ表示局部阻力系數(shù)，ρ_ref表示冷凝媒質(zhì)的密度，v表示冷凝媒質(zhì)的速度，子腳comp、cond和evap分別表示壓縮機、冷凝器和蒸發(fā)器；

40、能效比模型：

41、cop＝q_evap/w_comp；

42、其中，cop表示能效比，w_comp表示壓縮機的功率輸入；

43、冷凝器和蒸發(fā)器的熱交換效率模型：

44、

45、其中，ε表示熱交換效率，t表示溫度，子腳cond和evap分別表示冷凝器和蒸發(fā)器；

46、s2、構建冷站負荷分配的優(yōu)化模型：

47、以最小化冷站總能耗為目標函數(shù)，結(jié)合冷水機組運行工況約束、冷凍水流量平衡等條件，構建冷站負荷分配的優(yōu)化模型，該優(yōu)化模型以各冷站的負荷分配比例為決策變量，通過能耗計算公式量化各方案的目標函數(shù)值；

48、在能耗計算公式量化方案中，目標函數(shù)值通常用于評估不同方案的能源效率和節(jié)能效應，有目標函數(shù)如下：

49、總能耗最小化：

50、e_total＝∑(e_i)；

51、其中，e_total表示總能耗，e_i表示第i個設備或系統(tǒng)的能耗；

52、能源成本最小化：

53、c_total＝∑(c_i*e_i)；

54、其中，c_total表示總能源成本，c_i表示第i個設備或系統(tǒng)的能源單價，e_i表示第i個設備或系統(tǒng)的能耗；

55、碳排放最小化：

56、ghg_total＝∑(ghg_i*e_i)；

57、其中，ghg_total表示總碳排放量，ghg_i表示第i個設備或系統(tǒng)的碳排放系數(shù)，e_i表示第i個設備或系統(tǒng)的能耗；

58、能源效率最大化：

59、η_total＝∑(η_i*e_i)/∑(e_i)；

60、其中，η_total表示總能源效率，η_i表示第i個設備或系統(tǒng)的能源效率，e_i表示第i個設備或系統(tǒng)的能耗；

61、節(jié)能效應最大化：

62、s_total＝∑(s_i*e_i)；

63、其中，s_total表示總節(jié)能效應，s_i表示第i個設備或系統(tǒng)的節(jié)能效果，e_i表示第i個設備或系統(tǒng)的能耗；

64、在實際應用中，可能需要結(jié)合多種目標函數(shù)來評估不同方案的優(yōu)劣，并進行綜合優(yōu)化和決策，需要注意的是，在計算目標函數(shù)值時，需要考慮各種約束條件和限制，如設備的功率限制、能源供應的可靠性、環(huán)境因素的影響等；

65、s3、集成優(yōu)化算法對優(yōu)化模型求解：

66、集成優(yōu)化算法的核心思想是將多種啟發(fā)式算法進行有機結(jié)合，并通過信息交換機制實現(xiàn)算法間的協(xié)同優(yōu)化，具體地，集成優(yōu)化算法包含以下子步驟：

67、a：參數(shù)初始化；

68、b：并行優(yōu)化；

69、c：解評價與信息交換；

70、d：算法更新；

71、e：迭代求解；

72、f：結(jié)果輸出；

73、s4、最優(yōu)負荷分配方案應用：

74、根據(jù)最優(yōu)負荷分配比例，計算各冷站及其內(nèi)部冷水機組的運行參數(shù)設定值，如冷水機組的啟停狀態(tài)、冷凍水出水溫度、冷凍水流量等，通過數(shù)據(jù)總線，將這些控制指令下發(fā)給各冷站的現(xiàn)場控制器，控制器根據(jù)指令調(diào)整冷水機組的運行狀態(tài)，使實際運行工況逼近最優(yōu)方案，同時，冷站控制系統(tǒng)還需對負荷分配優(yōu)化程序進行周期性觸發(fā)，實時獲取冷站的運行工況變化，動態(tài)更新優(yōu)化結(jié)果，保證冷站在不同負荷需求下均能實現(xiàn)能耗最優(yōu)運行。

75、進一步的，所述步驟s2中，根據(jù)冷站實際工況，設置冷水機組運行臺數(shù)范圍、冷凍水出水溫度上下限此類約束條件，確保優(yōu)化結(jié)果滿足可行性要求。

76、進一步的，所述步驟s3中，參數(shù)初始化具體內(nèi)容如下：

77、對粒子群優(yōu)化算法、遺傳算法、模擬退火算法的共用參數(shù)進行統(tǒng)一的初始化，包括初始解集合、適應度評價函數(shù)、終止條件。

78、進一步的，所述步驟s3中，并行優(yōu)化具體內(nèi)容如下：

79、粒子群、遺傳和模擬退火算法在各自的搜索空間內(nèi)并行進行優(yōu)化，從不同角度搜索最優(yōu)負荷分配解，其中，粒子群算法通過粒子的位置和速度更新實現(xiàn)解的迭代，遺傳算法通過選擇、交叉、變異操作實現(xiàn)種群的進化，模擬退火算法通過溫度參數(shù)控制接受新解的概率。

80、進一步的，所述步驟s3中，解評價與信息交換具體內(nèi)容如下：

81、定期對三種算法的當前解進行統(tǒng)一的適應度評價，計算各解的目標函數(shù)值，根據(jù)評價結(jié)果，識別出各算法的優(yōu)質(zhì)解，通過共享內(nèi)存機制進行信息交換，其中，粒子群算法將其全局最優(yōu)解共享給遺傳算法，作為新的優(yōu)質(zhì)個體加入種群，遺傳算法將其種群中適應度最高的個體共享給模擬退火算法，作為新的當前解，模擬退火算法將其接受的新解共享給粒子群算法，幫助粒子跳出局部最優(yōu)區(qū)域。

82、進一步的，所述步驟s3中，算法更新具體內(nèi)容如下：

83、根據(jù)交換的信息，各算法對自身的關鍵參數(shù)進行適應性更新，如粒子群算法根據(jù)共享的優(yōu)質(zhì)解調(diào)整粒子的速度，遺傳算法根據(jù)引入的外部個體動態(tài)調(diào)整交叉和變異概率，模擬退火算法根據(jù)共享解的能耗水平調(diào)整溫度的衰減速率。

84、進一步的，所述步驟s3中，迭代求解具體內(nèi)容如下：

85、更新后的三種算法再次進入并行優(yōu)化階段，重復步驟b-d，直到滿足最大迭代次數(shù)或解的精度要求，在每輪迭代中，算法間不斷交換信息。

86、進一步的，所述步驟s3中，結(jié)果輸出具體內(nèi)容如下：

87、當滿足終止條件時，從三種算法的優(yōu)化結(jié)果中選出總能耗最低的負荷分配方案，作為最終的全局最優(yōu)解，將最優(yōu)解解碼為各冷站的負荷分配比例，傳輸給下一步的控制模塊。

88、進一步的，所述基于集成優(yōu)化算法的冷站負荷分配方法應用于冷站負荷分配的技術領域。

89、本發(fā)明提供了一種基于集成優(yōu)化算法的冷站負荷分配方法，具備以下有益效果：

90、該基于集成優(yōu)化算法的冷站負荷分配方法，將多種優(yōu)化算法進行組合集成，利用不同算法的優(yōu)勢，在信息共享的基礎上實現(xiàn)揚長避短，在提高求解效率的同時，增強算法的全局尋優(yōu)能力，克服了單一優(yōu)化算法的局限性，可有效提高負荷分配的效率和精度，減少冷站能耗，具有良好的節(jié)能效果。