【技术实现步骤摘要】
一种数据机房环控系统智能优化节能控制算法及装置
[0001]本专利技术涉及数据机房环控系统优化控制
,具体为一种数据机房环控系统智能优化节能控制算法及装置。
技术介绍
[0002]随着互联网快速发展,数据中心作为不可或缺的平台也得到了广泛应用,而数据机房环控系统的能耗成为节能减排过程中不可忽视的问题,因此,对数据机房环控系统节能优化控制具有十分重要的意义。
[0003]目前,数据中心环控系统的优化控制主要有传统PID控制、模糊控制技术、智能算法优化等方法。
[0004]采用传统PID控制方法,对于具有非线性、风水系统耦合等特征的空调系统控制效果并不理想,抗干扰能力较弱,鲁棒性较差。
[0005]采用模糊控制方法,通过实测机房环境温度和设定温度的差值,确定对应的模糊控制规则,调节阀门开度和风扇转速,模糊控制调节方式为根据温度差值所在的阈值范围,获得转速及开度的调节幅度,温度差值越大,调节幅度越大,但是其控制精度低的问题不可忽略。
[0006]采用神经网络模型,将实测的设备功率及制冷设备的送风温度通过神经网络预测模型获得温度对应的功率预测值,同时利用CFD软件对机房温度场分布进行模拟,确定目标送风温度值,从而控制制冷设备,采用的神经网络模型预测控制方法降低了系统能耗,但由于神经网络预测模型仅根据实际历史数据来获得相应关系模型,无法使得系统能耗得到最大程度的降低,节能效果有限。
[0007]采用智能优化算法,对机房环控系统进行控制,可以实现快速全局寻优,找到能耗最低条件下的优化
【技术保护点】
【技术特征摘要】
1.一种数据机房环控系统智能优化节能控制算法,其特征在于,包括:构建数据机房能耗模型;基于国家演变过程的智能优化算法进行数据机房环控系统的节能优化控制。2.根据权利要求1所述的一种数据机房环控系统智能优化节能控制算法,其特征在于,所述数据机房能耗模型,包括:风机能耗模型,水泵能耗模型:冷冻水泵模型、冷却水泵模型和冷水机组能耗模型。3.根据权利要求2所述的一种数据机房环控系统智能优化节能控制算法,其特征在于,所述风机能耗模型的构建,包括:风机的能耗模型通过下式建立:式中:下标fan表示风机;P表示功率,kW;β表示校正系数;b
i
(i=0,1,2,3)表示设备模型拟合系数;G
a,max
,G
a,min
表示空气体积流量G
a
的上下限制,m3/h;相关系数以及约束由设备厂家给出。4.根据权利要求3所述的一种数据机房环控系统智能优化节能控制算法,其特征在于,所述水泵能耗模型的构建,包括:水泵的能耗模型通过下式建立:式中:下标pump表示水泵;P表示功率,kW;可用P
chilled_pump
,P
cooling_pump
分别表示冷冻水泵和冷却水泵的功率;β表示校正系数;a
i
(i=0,1,2,3)表示设备模型拟合系数;G
w,max
,G
w,min
表示冷冻水质量流量G
w
的上下限制,kg/s;相关系数以及约束由设备自身设定。5.根据权利要求4所述的所述的一种数据机房环控系统智能优化节能控制算法,其特征在于,所述冷水机组能耗模型的构建,包括:冷水机组能耗模型通过下式建立:式中:P
chiller
为机组能耗;Q
e
为机组冷负荷;COP为机组性能系数;机组性能系数COP通过下式得到:式中,r为冷水机组负载率;T
c
为机组冷凝温度;T
e
为机组蒸发温度;a1、a2为设备模型拟合系数;机组冷凝温度T
c
通过下式得到:
式中,T
w,c,E
为冷却水出水温度;Q
c
为冷凝端负荷;c
w
为水的比热容;G
w,c
为冷却水流量;UA
c
为冷凝器总传热系数,为机组蒸发温度T
e
通过下式得到:式中,T
w,e,E
为冷冻水出水温度;G
w,e
为冷冻水流量;UA
e
为蒸发器总传热系数,为6.根据权利要求5所述的一种数据机房环控系统智能优化节能控制算法,其特征在于,所述构建数据机房能耗模型为将风机能耗模型,水泵能耗模型及冷水机组能耗模型进行求和:式中:N表示数据机房总能耗,kW;分别表示各冷冻水泵和各冷却水泵的频率,Hz;表示各冷水机组的冷冻水供水温度,℃;表示各风机所在AHU的送风温度,℃;i表示冷水机组序号;I表示冷水机组总数;j表示AHU序号;J表示AHU总数;k表示冷冻水泵序号;K表示冷冻水泵总数;m表示冷却水泵序号;M表示冷却水泵总数。7.根据权利要求6所示的一种数据机房环控系统智能优化节能控制算法,其特征在于,所述基于国家演变过程的智能优化算法进行数据机房环控系统的节能优化控制,包括:S1:初始化国家,为初始建立的国家确定政策参数,设定政策参数的个数为D,以式(4)作为目标函数,计算初始政策参数的适应度值;初始政策的参数可表示为:式中:x
d
表示政策参数中第d维的值;S2:国家确定初步政策调整,采用大幅度或小幅度调整参数,生成(0,1)之间均匀分布的随机数R,若R>0.8,进行大幅度调整,否则将进行小幅度调整,政策参数调整后计算新参数的适应度值;所述大幅度调整:采用Levy flight随机生成新的参数,方法如下:
式中:u~N(0,σ2),v~N(0,1),通常β=1.5;新的参数计算如下:若x
d
′
超过参数范围,则有:x
″
d
=|x
′
d
‑
x
′
d,int
|
·
(x
d,max
‑
x
d,min
)+x
d,min
ꢀꢀꢀꢀ
(12)式中:x
″
d
为第d维新参数,x
′
d,int
为x
′
d
的整数部分,x
d,max
和x
d,min
分别为第d维数据的范围上限和范围下限;所述小幅度调整:以大国对应维度的参数为基准,增加满足x~N(0,1)的正态分布的随机数,以此作为新的参数,即:x
′
d
=x
d
+x
ꢀꢀꢀꢀ
(13)式中:x
′
d
为第d维新参数;x
d
为第d维原参数;x~N(0,1);若x
′
d
超过参数范围,则有:式中:x
″
为第d维新参数,x
d,max
和x
d,min
分别为第d维数据的范围上限和范围下限;S3:判断初步调整后的政策参数适应度是否变好,若初步调整后参数适应度变好,则执行步骤S2,继续进行政策调整,否则执行步骤S4;S4:国家更新政策参数,国家以初步政策调整...
【专利技术属性】
技术研发人员:姚晔,熊磊,洪小淅,苗雨润,张福清,陈婉婷,李燕,王忠,
申请(专利权)人:上海源控智慧能源科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。