基于組合算法的中央空調(diào)系統(tǒng)最優(yōu)調(diào)控策略

黃仁魁，黃志煒，邱基盛

1.廣東省珠海華發(fā)城市運(yùn)營投資控股有限公司，廣東 珠海 519030； 2.華南理工大學(xué) 建筑設(shè)計院，廣東 廣州 510640； 3.廣東中粵電力科技有限公司，廣東 廣州 510635

0 引言

全球氣候變暖的環(huán)境約束、我國經(jīng)濟(jì)發(fā)展步入高質(zhì)量發(fā)展階段的內(nèi)在要求以及空調(diào)技術(shù)進(jìn)展的技術(shù)觸發(fā)，這些都對大型建筑物中央空調(diào)的制冷效率和節(jié)能提出了新要求。如何通過控制系統(tǒng)參數(shù)實(shí)現(xiàn)制冷效果的精準(zhǔn)控制和節(jié)能方案的最優(yōu)化，是理論和實(shí)踐層面都值得深入探討的問題。隨著數(shù)據(jù)采集技術(shù)的進(jìn)展，直接根據(jù)終端溫度變化從而實(shí)現(xiàn)任意精度的調(diào)節(jié)取得了一定節(jié)能實(shí)效[1]，實(shí)現(xiàn)了顯著的中央空調(diào)削峰效果，但也會帶來用戶舒適度的下降。更有效地研究應(yīng)集中于中央空調(diào)系統(tǒng)的工作參數(shù)調(diào)節(jié)，從而有可能實(shí)現(xiàn)在源頭上進(jìn)行節(jié)能優(yōu)化控制。直接以節(jié)能為目標(biāo)，以冷凍水、冷卻水流量以及制冷機(jī)運(yùn)行臺數(shù)為約束條件，建立多目標(biāo)規(guī)劃模型并通過數(shù)值求解，實(shí)現(xiàn)基于冷負(fù)荷需求預(yù)測和中央空調(diào)功能調(diào)節(jié)[2]。有學(xué)者從熱力學(xué)建模的角度、基于機(jī)器學(xué)習(xí)的優(yōu)化控制策略[3]等，建立涉及中央空調(diào)主機(jī)、循環(huán)水泵系統(tǒng)、終端組件等多終端中央空調(diào)需求響應(yīng)模型，取得了成功的探索。另外，將智能控制技術(shù)應(yīng)用于中央空調(diào)監(jiān)控系統(tǒng)中的變風(fēng)量控制及定風(fēng)量控制[4]，是基于智能控制技術(shù)解決中央空調(diào)能耗過大的問題；改進(jìn)型模糊PID控制算法與蟻群算法相結(jié)合，能夠提升參數(shù)調(diào)節(jié)的響應(yīng)速度，并且有較好的、冷凍水系統(tǒng)的時變性[5]；對樣本測量值與預(yù)測值之間的偏差，通過模擬退火算法進(jìn)行實(shí)時調(diào)節(jié)，實(shí)測結(jié)果表明節(jié)能率可以達(dá)到16.24%[6]。

基于改進(jìn)遺傳算法策略優(yōu)化中央空調(diào)各運(yùn)行參數(shù)的方法曾取得節(jié)能率11.71%的效果[7]，相比于直接按照終端目標(biāo)值的控制策略也更加穩(wěn)定；也有通過線性回歸的方法對采集的參數(shù)數(shù)據(jù)進(jìn)行處理，從而得出冷負(fù)荷函數(shù)關(guān)系[8]，并據(jù)此建立基于能量需求的節(jié)能模型。但在實(shí)際問題中，由于某些時候受外部環(huán)境、其他電氣設(shè)備、人員流動等因素的影響，可能會出現(xiàn)傳感器采集數(shù)據(jù)有些不穩(wěn)定情況，或個別的異常數(shù)據(jù)；有時也會出現(xiàn)待機(jī)空轉(zhuǎn)耗電的情況。已有研究在這些方面分析還不夠深入，也沒能從整體上研究冷卻負(fù)載、系統(tǒng)效率、耗電量與冷水泵轉(zhuǎn)速、冷凝水泵轉(zhuǎn)速和冷卻塔風(fēng)扇轉(zhuǎn)速之間的關(guān)系；本文將在分析上述關(guān)系的基礎(chǔ)上，分析冷卻負(fù)載、系統(tǒng)效率、耗電量與可控變量和不可控變量之間的關(guān)系，并計算相應(yīng)的系統(tǒng)總耗電量和系統(tǒng)效率。本文所研究的系統(tǒng)包括三套冷卻裝置（Chiller，記為CH-1/2/3）、 兩個冷卻塔（Cooling Tower，記為CT-1/2，二者等效）、三個冷凝水泵（Condenser Water Pump，記為CWP-1/2/3）和四個冷水泵（Chilled Water Pump，記為CHWP1/2/3/4）。三套冷卻裝置的額定功率分別為550RT，550RT和235RT（RT為冷卻噸，即表示制冷能力的功率單位，1RT =3.517kw）；該城市常年平均溫度為25至32攝氏度之間，平均濕度為85%左右。這些數(shù)據(jù)都是根據(jù)外部環(huán)境條件和經(jīng)驗(yàn)由人工設(shè)定的控制策略采集得到的。

1 基于NSGA-Ⅱ和BP神經(jīng)網(wǎng)絡(luò)的組合算法

NSGA-II 算法[9]得到的非劣解分布均勻，具有良好的收斂性和魯棒性，被廣泛應(yīng)用于解決多種問題。

本文通過將時間（Time Stamp）、相對濕度（rh）、干球溫度（drybulb）、濕球溫度（wetbulb）、三種裝置的開關(guān)狀態(tài)（chwp1stat,chwp2stat, chwp3stat, chwp4stat, cwp1stat,cwp2stat, cwp3stat, ch1stat, ch2stat, ch3stat,ct1stat, ct2stat）、冷水泵轉(zhuǎn)速（chwp_pc）、冷凝水泵轉(zhuǎn)速（cwp_pc）與冷卻塔風(fēng)扇轉(zhuǎn)速（ct_pc）當(dāng)作BP神經(jīng)網(wǎng)絡(luò)輸入層變量，將系統(tǒng)耗電量（systotpower）和系統(tǒng)效率（effsys）輸出層變量，構(gòu)建它們之間的關(guān)系。其數(shù)學(xué)模型為：

其中，x1為對應(yīng)的時刻，x2～x13為對應(yīng)時刻的12個裝置的開關(guān)狀態(tài)，x14～x17分別為對應(yīng)x1時刻的干球溫度、濕球溫度、冷卻負(fù)載和相對濕度，x18～x20為需要求解的冷水泵、冷凝水泵與冷卻塔風(fēng)扇的最優(yōu)控制轉(zhuǎn)速，以上變量為遺傳算法的群體個體。f1(x)為系統(tǒng)耗電量，f2(x)為系統(tǒng)效率，是由神經(jīng)網(wǎng)絡(luò)模型確定的，兩者組成遺傳算法的適應(yīng)度函數(shù)。

2 仿真實(shí)驗(yàn)

2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)來源于熱帶地區(qū)某城市的一套中央空調(diào)系統(tǒng)，樣本數(shù)據(jù)量為88840條，總共78天，每一天的數(shù)據(jù)都有周期性的規(guī)律。通過聚類分析可知每天大概可以分為兩類，第一類為高耗電量，其時間段是每天的07:00～19:00；第二類為低耗電量，其時間段是每天的19:00到隔天的07:00。為了避免對后續(xù)建模的影響，采用原則對數(shù)據(jù)樣本進(jìn)行處理，即將樣本符合下式的樣本剔除，以期保證最后模型的準(zhǔn)確性。數(shù)據(jù)量由原先的88840條縮減為79414條記錄。在數(shù)據(jù)樣本中，各個變量之間存在不同的量綱，為消除量綱的影響，也為了加快模型訓(xùn)練速度，對上述新生成的數(shù)據(jù)進(jìn)行歸一化處理。歸一化公式為：

對冷卻負(fù)載、系統(tǒng)效率、耗電量與可控變量和不可控變量之間進(jìn)行相關(guān)性檢驗(yàn)，檢驗(yàn)結(jié)果得出各變量均與冷卻負(fù)載、系統(tǒng)效率、耗電量之間均有較強(qiáng)的相關(guān)性，所以接下來對冷卻負(fù)載、系統(tǒng)效率、耗電量與可控變量和不可控變量之間進(jìn)行典型相關(guān)分析。下面以系統(tǒng)耗電量、冷卻負(fù)載和系統(tǒng)效率作為目標(biāo)變量，分析其與可控變量和不可控變量之間的關(guān)系模型，檢驗(yàn)結(jié)果如表1所示。

表1 典型相關(guān)分析檢驗(yàn)結(jié)果

由表1可知，3對典型變量的典型相關(guān)系數(shù)平方都能達(dá)到80%以上，模型擬合程度較高，其中第一對典型變量的累積概率為0.9356，已超過90%。進(jìn)一步分析發(fā)現(xiàn)：在可控變量中各個設(shè)備的轉(zhuǎn)速、對系統(tǒng)耗電量的典型相關(guān)變量的影響系數(shù)較大，對冷卻負(fù)載和系統(tǒng)效率的影響效果較??；而設(shè)備的開啟狀態(tài)對系統(tǒng)耗電量的典型相關(guān)變量的影響系數(shù)較大；在不可控變量中，冷卻裝置進(jìn)出水溫對系統(tǒng)耗電量的典型相關(guān)變量的影響系數(shù)較大，對冷卻負(fù)載和系統(tǒng)效率的影響系數(shù)較小。因此，可控變量與不可控變量總體上對系統(tǒng)的耗電量影響較大，對冷卻負(fù)載和系統(tǒng)效率的影響較小。另外，系統(tǒng)耗電量和冷卻負(fù)載對可控變量、不可控變量的第一個典型變量的影響系數(shù)較大，有正向作用，而系統(tǒng)效率對其變量的第一個典型變量的影響系數(shù)較小，有負(fù)向作用。上結(jié)果反映可控變量與不可控變量對系統(tǒng)耗電量、冷卻負(fù)載的影響較大，成正向作用；而對系統(tǒng)效率的影響較小，成負(fù)向作用。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的模型擬合優(yōu)度檢驗(yàn)

本文構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)誤差收斂情況如圖1所示，此次訓(xùn)練經(jīng)過832次迭代即達(dá)到設(shè)定的最小誤差，收斂誤差為0.00099712，收斂效果較好。同時，輸入變量和輸出變量之間的相關(guān)系數(shù)為R=0.99633，擬合程度較高，相關(guān)性較強(qiáng)。

圖1 神經(jīng)網(wǎng)絡(luò)誤差收斂圖

測試結(jié)果表明系統(tǒng)耗電量相對誤差處于[-0.5,0.5]之間，系統(tǒng)效率相對誤差處于[-0.1,0.1]之間，因此神經(jīng)網(wǎng)絡(luò)擬合程度較高，能夠描述時間、室外溫度和濕度、冷卻負(fù)載、設(shè)備狀態(tài)、三種裝置和系統(tǒng)耗電量、系統(tǒng)效率之間的關(guān)系。

3 基于組合算法的最優(yōu)控制策略

本文通過上述設(shè)計的多目標(biāo)規(guī)劃模型，利用NSGA-II算法尋找了在一定時間內(nèi)，各個時刻對應(yīng)的非劣解集。設(shè)置在某1min中，種群群體個數(shù)為100，連續(xù)迭代100次，當(dāng)連續(xù)迭代超過5次不進(jìn)化的時候停止迭代。其中交配概率為0.8，變異概率為0.2，最優(yōu)個體系數(shù)為0.2，即設(shè)置非劣解個數(shù)為20個。圖2是通過研究連續(xù)20分鐘優(yōu)化后的系統(tǒng)耗電量與實(shí)際系統(tǒng)耗電量之間的比較圖。

圖2 連續(xù)20min系統(tǒng)耗電量優(yōu)化情況

在上述連續(xù)的20min中，可以計算得到每個時刻的耗電量的相對減少值，即節(jié)能率為，如表2所示。

表2 連續(xù)20min系統(tǒng)耗電量與節(jié)能率

可以看出，優(yōu)化后的系統(tǒng)耗電量明顯低于實(shí)際的系統(tǒng)耗電量，其平均節(jié)能率為27.4%，系統(tǒng)節(jié)電1219.40298KW。與只調(diào)節(jié)三種裝置轉(zhuǎn)速或者所有裝置的開關(guān)狀態(tài)相比，同時對所有系統(tǒng)可控變量進(jìn)行優(yōu)化，能夠提高優(yōu)化效果。同時，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，加強(qiáng)數(shù)據(jù)擬合能力，模型泛化能力，能夠提高其在遺傳算法中的尋優(yōu)效果。

4 結(jié)語

本文在深入分析各變量數(shù)據(jù)之間特性的基礎(chǔ)上，通過典型相關(guān)分析法分析了中央空調(diào)系統(tǒng)的系統(tǒng)耗電量、系統(tǒng)效率、冷卻負(fù)載與可控變量和不可控變量之間的關(guān)系；通過BP神經(jīng)網(wǎng)絡(luò)建立多輸入多輸出模型對系統(tǒng)中多變量之間復(fù)雜的非線性關(guān)系進(jìn)行描述。空調(diào)系統(tǒng)的最優(yōu)控制策略是：運(yùn)用NSGA-Ⅱ遺傳算法尋求上述模型在連續(xù)生產(chǎn)過程中控制系統(tǒng)的最優(yōu)設(shè)定值，將使系統(tǒng)運(yùn)行達(dá)到最優(yōu)工作狀態(tài)。根據(jù)給定的不可控變量情況下，先尋找以冷水泵、冷凝水泵和冷卻塔的轉(zhuǎn)速作為優(yōu)化變量的最優(yōu)目標(biāo)值，再尋找以各個設(shè)備的狀態(tài)變量作為優(yōu)化調(diào)節(jié)變量的最優(yōu)目標(biāo)值，最后在給定的設(shè)備狀態(tài)約束條件下，通過計算機(jī)模擬設(shè)備的最優(yōu)開關(guān)狀態(tài)，從而提出所有可控變量的最優(yōu)控制策略。