基于遺傳算法的寫字樓中央空調(diào)工程系統(tǒng)冷負(fù)荷預(yù)測研究

徐宏林

基于遺傳算法的寫字樓中央空調(diào)工程系統(tǒng)冷負(fù)荷預(yù)測研究

徐宏林

（中國中醫(yī)科學(xué)院廣安門醫(yī)院 北京 100053）

在經(jīng)濟(jì)高速發(fā)展的同時(shí)，滋生了許多環(huán)境污染問題，而問題的根本源于過高的社會(huì)總能耗。其中，中央空調(diào)在建筑能耗中的比重較大，超過了40%。對(duì)目前階段，許多中央空調(diào)存在大慣性和大滯后等問題，導(dǎo)致供冷量過余、能耗浪費(fèi)的出現(xiàn)。針對(duì)此問題，加之為了響應(yīng)國家節(jié)能減排的號(hào)召，在遺傳算法基礎(chǔ)上，對(duì)寫字樓中央空調(diào)工程冷負(fù)荷進(jìn)行了預(yù)測研究，為降低資源浪費(fèi)，增加能源的利用率做出了一定的貢獻(xiàn)。

遺傳算法；中央空調(diào)工程系統(tǒng)；冷負(fù)荷

0 引言

近年來，隨著科技及經(jīng)濟(jì)水平的快速發(fā)展，人們對(duì)生活環(huán)境的要求更高，空調(diào)系統(tǒng)由于具備有效調(diào)節(jié)室內(nèi)外溫度的作用，因此在日常生活中的應(yīng)用也越來越廣泛[1,2]。中央空調(diào)系統(tǒng)為目前社會(huì)中常見的空調(diào)形式之一，具有制冷、供暖等功效，但在實(shí)際應(yīng)用中仍存在一些問題，如供冷效率低、能源浪費(fèi)等問題，亟待解決[3]。面對(duì)當(dāng)前中央空調(diào)系統(tǒng)存在的能耗過多、供冷過余等問題，需要采取行之有效的措施，使系統(tǒng)能夠迎合所需供應(yīng)對(duì)應(yīng)冷量的目標(biāo)，不但能確保系統(tǒng)穩(wěn)步運(yùn)作，而且還能降低運(yùn)行能耗，避免能源浪費(fèi)[4]。因此，本文在遺傳算法的基礎(chǔ)上，對(duì)寫字樓中央空調(diào)工程系統(tǒng)冷負(fù)荷進(jìn)行了預(yù)測研究，以提高中央空調(diào)運(yùn)作效能，實(shí)現(xiàn)能源的節(jié)約。

1 BP神經(jīng)網(wǎng)絡(luò)模型及其算法分析

1.1 BP神經(jīng)網(wǎng)絡(luò)模型

McCelland和Rumelhart等人于1986年提出了BP（Back Propagation）網(wǎng)絡(luò)，這是一種多層前饋網(wǎng)絡(luò)，是依照誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練實(shí)現(xiàn)的，在目前得到了廣泛的應(yīng)用[5]。在BP神經(jīng)網(wǎng)絡(luò)中，輸入信號(hào)首先會(huì)途徑輸入層，接著進(jìn)入隱含層；其次輸入信號(hào)會(huì)在隱含層中進(jìn)行相應(yīng)的處理；最后流經(jīng)輸入層，若無法達(dá)到相應(yīng)的輸出標(biāo)準(zhǔn)，那么就會(huì)借助反向傳播來獲取誤差信號(hào)，進(jìn)而改變BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)值，以得到與目標(biāo)值相近的值，確保BP神經(jīng)網(wǎng)絡(luò)的正常運(yùn)行[6]。其對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)圖

圖1中，X和Y分別表示BP神經(jīng)網(wǎng)絡(luò)的輸入與輸出，且確定非線性函數(shù)關(guān)系由個(gè)自變量到個(gè)因變量來實(shí)現(xiàn)的。

1.2 BP算法

結(jié)合圖1，實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)正向傳遞的路徑如下：

其中，第點(diǎn)的輸出值和閾值分別由x和b表示，激活函數(shù)由表示，到點(diǎn)間的權(quán)值由w表示。信號(hào)正向傳遞的路徑較為單一，可通過以上公式計(jì)算得到，但誤差反向傳播過程需要依據(jù)Widrow-Hoff的學(xué)習(xí)規(guī)律來完成，具體如下所示：

式（3）為誤差函數(shù)，期望輸出值由d表示。與上文描述相同，通過不斷改變權(quán)值和閾值來減小其誤差值，從而趨向期望值。此時(shí)權(quán)重的改變量可通過式（4）計(jì)算得到。

若此時(shí)選擇式（5）作為激活函數(shù)，那么經(jīng)求導(dǎo)后對(duì)應(yīng)的權(quán)值更新w則由式子（6）所示，閾值b由式子（7）所示。

以上流程簡稱糾錯(cuò)學(xué)習(xí)規(guī)則，正因?yàn)檫@種規(guī)則才使得BP神經(jīng)網(wǎng)絡(luò)得到普及，通過改變權(quán)值和閾值的方式來降低輸出值與實(shí)際值間的誤差，提高輸出值的精確度。

2 參數(shù)及網(wǎng)絡(luò)結(jié)構(gòu)的確定

2.1 輸入?yún)?shù)的確定

結(jié)合實(shí)際狀況，影響中央空調(diào)系統(tǒng)的因素可歸結(jié)為兩大類：第一，室內(nèi)因素；第二，室外因素[7]。故，選取合適的神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)對(duì)預(yù)測效果會(huì)顯得格外重要，若選取輸入?yún)?shù)過多，那么就會(huì)抑制網(wǎng)絡(luò)收斂的速度，若選取輸入?yún)?shù)過少，那么就會(huì)降低預(yù)測的精度[8-10]。為了將中央空調(diào)冷負(fù)荷預(yù)測模型構(gòu)建出來，此處在前人研究的基礎(chǔ)上，結(jié)合實(shí)際經(jīng)驗(yàn)，對(duì)輸入?yún)?shù)進(jìn)行了確定，經(jīng)分析，室外干球溫度、室內(nèi)人員負(fù)荷、水平太陽輻射強(qiáng)度、室內(nèi)相對(duì)濕度、時(shí)刻、-24時(shí)刻的系統(tǒng)冷負(fù)荷、-1時(shí)刻的系統(tǒng)冷負(fù)荷是BP神經(jīng)網(wǎng)絡(luò)輸入層主要的影響參數(shù)。

2.2 輸出參數(shù)的確定

中央空調(diào)系統(tǒng)的前饋控制可通過提前獲取下一時(shí)刻的冷負(fù)荷量來加以實(shí)現(xiàn)。由于空調(diào)水系統(tǒng)具有大慣性等特點(diǎn)，因此，通過明確冷負(fù)荷需求量的方式來完成空調(diào)水系統(tǒng)的調(diào)整工作，能夠迎合國家節(jié)能減排的號(hào)召，故，選定中央空調(diào)逐時(shí)冷負(fù)荷作為BP神經(jīng)網(wǎng)絡(luò)輸出層的參數(shù)。

2.3 網(wǎng)絡(luò)結(jié)構(gòu)的確定

在確定輸出層與輸入層后，需要完成隱層節(jié)點(diǎn)數(shù)的確認(rèn)工作。對(duì)模型性能而言，隱層節(jié)點(diǎn)數(shù)扮演著重要的角色，并對(duì)其性能優(yōu)越方面起到關(guān)鍵性的作用。因此，本文結(jié)合相關(guān)預(yù)測誤差和試湊法，如式（8），完成隱層節(jié)點(diǎn)數(shù)的確認(rèn)工作。經(jīng)計(jì)算，隱層最終有11個(gè)節(jié)點(diǎn)數(shù)。

式中，輸入層和輸出層節(jié)點(diǎn)數(shù)分別由和表示，隱含層由表示，此外，。因此，隱含層節(jié)點(diǎn)數(shù)的取值波動(dòng)在4～13之間。借助試湊法，對(duì)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測精度及泛化能力進(jìn)行考量，得到h為10時(shí)，網(wǎng)絡(luò)綜合指標(biāo)達(dá)到最優(yōu)。根據(jù)上述的分析與計(jì)算，完成寫字樓中央空調(diào)負(fù)荷預(yù)測模型的構(gòu)建工作，如圖2所示。

圖中，輸入層有7個(gè)節(jié)點(diǎn)數(shù)，輸出層有1個(gè)節(jié)點(diǎn)數(shù)，隱含層有10個(gè)節(jié)點(diǎn)數(shù)。但BP神經(jīng)網(wǎng)絡(luò)會(huì)存在以下幾點(diǎn)不足之處：第一，隱含層無法得到理論支撐，需要通過近似選取獲得；第二，在訓(xùn)練中，原始數(shù)據(jù)會(huì)被新的數(shù)據(jù)替代，無法存留下來；第三，無法得到全局最優(yōu)質(zhì)；第四，隨著迭代時(shí)間的推移，且無法達(dá)到相應(yīng)的標(biāo)準(zhǔn)時(shí)，那么會(huì)抑制其收斂速度及學(xué)習(xí)效率。

3 改進(jìn)方法的選取

本文針對(duì)BP神經(jīng)網(wǎng)絡(luò)的不足，對(duì)以下幾種改進(jìn)方法進(jìn)行了比擬，并為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的不足選取了適當(dāng)?shù)母倪M(jìn)方法加以改進(jìn)，具體如下：

3.1 附加動(dòng)量項(xiàng)法

該方法的改進(jìn)手段對(duì)誤差曲面變化趨勢的影響項(xiàng)進(jìn)行考慮。在BP神經(jīng)網(wǎng)絡(luò)撞見極小值背景下，添加附加動(dòng)量項(xiàng)后，會(huì)有效避免局部最優(yōu)的出現(xiàn)，降低極小值對(duì)BP神經(jīng)網(wǎng)絡(luò)造成的干擾?？偠灾摲椒ㄊ菍?dòng)量因子添加到梯度下降法上的一種方法，對(duì)權(quán)值和閾值起到有效的調(diào)節(jié)作用，對(duì)應(yīng)公式如下所示：

3.2 自適應(yīng)學(xué)習(xí)率法

學(xué)習(xí)速率的選取是根據(jù)實(shí)際工程的需要及相關(guān)的經(jīng)驗(yàn)來確定的，雖然這樣選取的學(xué)習(xí)速率能有效解決訓(xùn)練前中期的問題，但無法迎合后期的訓(xùn)練變化，導(dǎo)致出現(xiàn)較差的訓(xùn)練效果。針對(duì)BP神經(jīng)網(wǎng)絡(luò)此問題，此處提出了自適應(yīng)學(xué)習(xí)率法，以滿足BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的要求，對(duì)應(yīng)的計(jì)算公式如式（11）所示。

3.3 貝葉斯正則化法

該方法是通過約束BP神經(jīng)網(wǎng)絡(luò)的權(quán)值來達(dá)到抑制擬合現(xiàn)象發(fā)生的目的，增強(qiáng)BP神經(jīng)網(wǎng)絡(luò)的泛化能力。即通過改變對(duì)應(yīng)的誤差函數(shù)來實(shí)現(xiàn)性能指標(biāo)的改變，進(jìn)而抑制BP神經(jīng)網(wǎng)絡(luò)權(quán)值。BP神經(jīng)網(wǎng)絡(luò)常常會(huì)用到的性能指標(biāo)函數(shù)稱之為均方誤差，對(duì)應(yīng)的計(jì)算公式如式（12）所示。

其中，第個(gè)訓(xùn)練點(diǎn)的預(yù)測輸出和目標(biāo)輸出分別由d和y表示。在貝葉斯正則化法的性能指標(biāo)中附加了懲罰項(xiàng)，對(duì)應(yīng)的計(jì)算公式如下所示。

表1 三種改進(jìn)方法的比較

可以看出，在這三種改進(jìn)方法中，只有貝葉斯正則化法能夠提高網(wǎng)絡(luò)的泛化能力。而回顧到中央空調(diào)系統(tǒng)的特點(diǎn)，需要通過精準(zhǔn)的冷負(fù)荷預(yù)測來實(shí)現(xiàn)中央空調(diào)系統(tǒng)前饋控制的目的，即需要較強(qiáng)的網(wǎng)絡(luò)泛化能力作為支撐。因此，本文選擇該方法來改進(jìn)BP神經(jīng)網(wǎng)絡(luò)，強(qiáng)化網(wǎng)絡(luò)的泛化能力，以提高網(wǎng)絡(luò)預(yù)測的精度。

4 實(shí)驗(yàn)研究

4.1 數(shù)據(jù)的采集

以某寫字樓中央空調(diào)工程作為研究對(duì)象，將2019年5月1日至2019年8月23日共計(jì)2760小時(shí)收集到的數(shù)據(jù)作為訓(xùn)練樣本集，將2019年8月24日到2019年8月26日共計(jì)72小時(shí)的冷負(fù)荷數(shù)據(jù)作為測試樣本集，經(jīng)實(shí)測，部分冷負(fù)荷如圖3所示。

圖3 某寫字樓中央空調(diào)冷負(fù)荷實(shí)測部分?jǐn)?shù)據(jù)

圖中展示的是2019年5月1日—5月7日寫字樓中央空調(diào)實(shí)測冷負(fù)荷?？梢钥闯觯├淞侩S著天氣溫度的升高而增多。此外，深夜也存在冷負(fù)荷消耗。因?yàn)橹醒肟照{(diào)具有大慣性、大滯后等特點(diǎn)，所以在啟動(dòng)或停止這類操作都會(huì)造成較大的耗電量及干擾，故即使在深夜也會(huì)保持中央空調(diào)穩(wěn)定的運(yùn)行。為了便于干球溫度、太陽輻射強(qiáng)度以及相對(duì)濕度等方面數(shù)據(jù)獲取及收集，本文將小型室外氣象數(shù)據(jù)采集站建立在寫字樓樓頂，實(shí)測得到的輸入樣本部分?jǐn)?shù)據(jù)如表2所示。

表2 部分實(shí)測輸出樣本數(shù)據(jù)

續(xù)表2 部分實(shí)測輸出樣本數(shù)據(jù)

4.2 數(shù)據(jù)的歸一化處理

因?yàn)樵趯?duì)寫字樓中央空調(diào)冷負(fù)荷的預(yù)測中，會(huì)涉及到大量的數(shù)據(jù)，而數(shù)據(jù)的種類又具有多樣化的特點(diǎn)，所以在網(wǎng)絡(luò)訓(xùn)練期間會(huì)存在異常結(jié)果出現(xiàn)的可能，或訓(xùn)練時(shí)間過程等問題的發(fā)生。此時(shí)，常常通過歸一化處理手段來完成BP神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)的處理工作，進(jìn)而加快網(wǎng)絡(luò)的收斂速度。通常會(huì)通過最大最小化法和平均數(shù)方差法來完成數(shù)據(jù)的歸一化的處理工作，且區(qū)間設(shè)定為[0,1]。其中，對(duì)第一種處理方法而言，會(huì)以1作為每一類數(shù)據(jù)中的最大值，以0作為每一類數(shù)據(jù)中的最小值，除了最大值和最小值的限定，其余值則根據(jù)其自身的大小歸納到設(shè)定的區(qū)間中，即歸一化到[0,1]中；對(duì)第二種處理方法而言，是通過獲取每一類數(shù)據(jù)的平均值，并根據(jù)平均值的大小對(duì)這類數(shù)據(jù)歸一化到[0,1]中。通過歸一化處理后，最終得到的輸出結(jié)果會(huì)在區(qū)間[0,1]內(nèi)，這樣無法與目標(biāo)數(shù)據(jù)產(chǎn)生明確的比對(duì)，因此，需要對(duì)輸出數(shù)據(jù)進(jìn)行方歸一化處理獲取預(yù)測的真實(shí)值，如式（15）所示。

4.3 參數(shù)的設(shè)置

本文借助貝葉斯正則化法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，從而借助改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)完成寫字樓中央空調(diào)冷負(fù)荷的預(yù)測工作。此時(shí)輸入層有7個(gè)節(jié)點(diǎn)數(shù)，輸出層有1個(gè)節(jié)點(diǎn)數(shù)，隱含層有10個(gè)節(jié)點(diǎn)數(shù)，以2000Epochs作為訓(xùn)練的最大時(shí)長，學(xué)習(xí)率和目標(biāo)誤差分別設(shè)置為0.15和10-5，選擇logsig作為隱含層節(jié)點(diǎn)的傳遞函數(shù)，選擇tansig作為輸入層節(jié)點(diǎn)的傳遞函數(shù)，選擇葉斯正則化函數(shù)trainbr作為訓(xùn)練函數(shù)，選擇BP學(xué)習(xí)規(guī)則learngd作為網(wǎng)絡(luò)學(xué)習(xí)函數(shù)，具體如圖4所示。

圖4 BP神經(jīng)網(wǎng)絡(luò)參數(shù)的設(shè)置

4.4 實(shí)驗(yàn)結(jié)果分析

借助優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對(duì)寫字樓中央空調(diào)2019年7月22日—25日的冷負(fù)荷進(jìn)行預(yù)測，并借助matlab軟件進(jìn)行仿真，得到的結(jié)果如圖5所示。

圖5 預(yù)測值與實(shí)際值的擬合情況

可以看出，得到的預(yù)測值與實(shí)際值的擬合度較高，且誤差在實(shí)際工程允許的誤差范圍之內(nèi)?？隙藘?yōu)化后的BP神經(jīng)網(wǎng)絡(luò)算法在寫字樓中央空調(diào)冷負(fù)荷中的預(yù)測能力。

5 小結(jié)

本文首先對(duì)中央空調(diào)系統(tǒng)結(jié)構(gòu)及制冷原理進(jìn)行了闡述，接著對(duì)BP神經(jīng)網(wǎng)絡(luò)模型及算法進(jìn)行了分析，除了知道中央空調(diào)系統(tǒng)具有大慣性的特點(diǎn)外，還了解了BP神經(jīng)網(wǎng)絡(luò)算法的不足。其次，針對(duì)BP神經(jīng)網(wǎng)絡(luò)的不足，提出并對(duì)比了三種常用的改進(jìn)方法，如附加動(dòng)量項(xiàng)法、自適應(yīng)學(xué)習(xí)率法以及貝葉斯正則化法，通過比對(duì)選取了貝葉斯正則化法來對(duì)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行優(yōu)化。最后以某寫字樓中央空調(diào)工程為例，對(duì)寫字樓中央空調(diào)冷負(fù)荷進(jìn)行了預(yù)測，并與實(shí)際結(jié)果進(jìn)行了比擬，肯定了經(jīng)貝葉斯正則化法優(yōu)化后，BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測中央空調(diào)冷負(fù)荷的可行性。

[1] 游明褔.淺談中央空調(diào)系統(tǒng)技改節(jié)能實(shí)踐運(yùn)用[J].江西建材,2017(24):60,64.

[2] 朱肖晶,朱兵,王科,等.中央空調(diào)節(jié)能控制系統(tǒng)的技術(shù)應(yīng)用分析[J].電力需求側(cè)管理,2018,20(2):25-28.

[3] 王丹.中央空調(diào)節(jié)能改造的探討[J].科學(xué)與財(cái)富, 2017,(26):00368.

[4] 余錫華.基于中央空調(diào)系統(tǒng)節(jié)能的幾點(diǎn)思考[J].江西建材,2017,(23):74.

[5] 任爽,劉航,菅銳.基于神經(jīng)網(wǎng)絡(luò)模型的中央空調(diào)房間溫度預(yù)測控制[J].沈陽大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,27(3): 233-237.

[6] 鄭萌,王振華,王曉江,等.基于神經(jīng)網(wǎng)絡(luò)的中央空調(diào)遺傳算法優(yōu)化研究[J].煤氣與熱力,2016,36(5):13-16.

[7] 王蓓蓓,朱峰,嵇文路,等.中央空調(diào)降負(fù)荷潛力建模及影響因素分析[J].電力系統(tǒng)自動(dòng)化,2016,40(19):44-52.

[8] 張經(jīng)博,郭凌,王朝霞,等.基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的供暖系統(tǒng)熱負(fù)荷預(yù)測模型[J].兵器裝備工程學(xué)報(bào),2014,35(4):152-156.

[9] 高沖.航站樓蓄冷空調(diào)系統(tǒng)的負(fù)荷預(yù)測和運(yùn)行優(yōu)化方法研究[D].天津:中國民航大學(xué),2016.

[10] 魏一鳴,劉曉聰,程會(huì)林.中央空調(diào)系統(tǒng)的數(shù)據(jù)分析與控制策略[J].電腦迷,2017,(12):77-78.

Research on Cold Load Forecasting of Central Air Conditioning Engineering System of Office Building Based on Genetic Algorithm

Xu Honglin

( China Academy of Chinese Medical Sciences Guanganmen Hospital, Beijing, 100053 )

At the same time of rapid economic development, many environmental pollution problems have arisen, and the root of the problem stems from the excessive total energy consumption of society. Among them, the central air-conditioning has a large proportion in building energy consumption, exceeding 40%. At the current stage, many central air conditioners have problems such as large inertia and large lag, esulting in excessive cooling and energy consumption. In response to this problem, in order to respond to the national call for energy conservation and emission reduction, based on the genetic algorithm, this paper predicts the cooling load of central air-conditioning project in office buildings, and makes a certain contribution to reduce resource waste and increase energy utilization.

genetic algorithm; central air conditioning engineering system; cold load

TP15

A

1671-6612（2020）04-436-06

徐宏林（1977.8-），本科，中級(jí)工程師，E-mail：zengtian199307@163.com

2019-09-30