【技术实现步骤摘要】
本专利技术涉及空调系统控制技术，特别是涉及一种基于ansga-ⅱ的双温冷水机组能耗优化方法、系统、设备及存储介质。
技术介绍
1、高科技制造工厂需要洁净室来满足生产的环境要求，是能源最密集的建筑之一，其能耗是典型商业建筑的30-50倍。在这些工厂中，厂务系统能耗占比达到30％～50％。由于对室内环境的严格控制要求，制冷系统是厂务系统中的主要能源消耗者，占总能源消耗20％-30％。为了降低能耗，除了选择高效节能的冷源系统外，冷水机组的控制和运行对系统能耗影响也很大。对于电子厂房洁净室来说，双温冷水机组比温湿度耦合控制的单温冷水机组具有更高的能效，因此夏季通常采用双温冷水机组进行温湿度独立控制。双温冷水机组中蒸发温度较高的冷水机称为中温冷水机，用于新风处理机组(make-up air unit，mau)中的显冷降温，低温冷水机用于新风除湿。由于冷水机组运行效率和能耗与冷水机组的部分负荷率相关，中低温机组之间的冷负荷分配会影响工厂的整体能源性能。单温冷水机组的最佳冷水机组负荷只需考虑低温冷水机组之间的冷负荷分配，而双温冷水机组的优化控制还必须平衡低温和中温两个机组之间的负荷，而这种能耗优化问题受到的约束，必须同时考虑两个不同温度等级的冷源供给和负荷需求匹配，在高温冷源和低温冷源之间进行适时切换和联动控制，确定双温冷水机组的最佳运行更加复杂。
2、因此，在满足不同冷负荷需求的情况下，通过求解双温冷水机组的负荷分配优化问题，制定双温冷水机组负荷分配控制策略，实现不同容量和型号冷水机组部分负荷率的最优组合，是实现双温冷水机组节能
3、双温冷水机组能耗优化问题的求解，具有多维度、强耦合、非线性等特点。目前，通常采用数学规划方法以及人工智能算法对双温冷水机组负荷分配以及能耗进行优化。基于传统数学规划方法的优化求解方法很容易陷入局部最优解而不是全局最优解，且无法灵活处理大规模、高维度或者具有复杂约束条件的问题。而人工智能算法，如遗传算法、灰狼算法、粒子群算法等，具有灵活性和可及性的优势，具备强大的处理优化问题以及多约束条件的能力，越来越多地被应用于优化求解问题。但是，现有的优化算法可能在面对某些特定类型问题时易陷入局部最优解。
技术实现思路
1、专利技术目的：本专利技术的目的为提供一种基于自适应非支配排序遗传算法(adaptivenon-dominated sorting genetic algorithms，ansga-ⅱ)的双温冷水机组能耗优化方法、系统、设备及存储介质，该方法能够降低双温双温冷水机组能耗，其收敛性更好，且求解结果较优。
2、技术方案：本专利技术的基于ansga-ⅱ的双温冷水机组能耗优化方法，包括以下步骤：
3、建立新风处理机组mau换热数学模型，在目标条件约束下，以离开mau预冷盘管的空气温度和双温冷水机组中的每个冷水机组的冷负荷承担率为变量，以双温冷水机组总能耗最小为优化目标，构建双温冷水机组能耗优化模型；
4、采用自适应非支配排序遗传算法ansga-ⅱ，确定离开mau预冷盘管的空气温度以及双温冷水机组中的每个冷水机组的冷负荷承担率最优值，作为双温冷水机组能耗优化结果。
5、进一步的，建立新风处理机组mau换热数学模型，具体为：
6、双温冷水机组分别向预冷盘管和表冷盘管提供中温冷冻水和低温冷冻水；预冷盘管和表冷盘管的冷负荷计算公式为：
7、clpri＝ma(hoa-hl1)
8、clsec＝ma(hl1-hl2)
9、其中，clpri和clsec分别是预冷盘管和表冷盘管的冷负荷；ma是新风质量流量；hoa、hl1、hl2分别为室外新风的焓值、离开预冷盘管的空气焓值以及离开表冷盘管的空气焓值；空气焓值与空气温度和湿度有关，计算公式为：
10、hx＝a1tx+a2dx+a3txdx
11、其中，x表征空气状态点，为室外新风状态点oa、离开预冷盘管的空气状态点l1或离开表冷盘管的空气状态点l2；hx为x状态点的空气焓值；tx为x状态点的空气干球温度；dx为x状态点空气的水分含量；a1、a2、a3为系数；
12、在空气处理过程中，以离开预冷盘管的空气温度tl1为优化变量，其相对湿度以及水分含量dl1的计算公式为：
13、
14、其中，为离开预冷盘管的空气相对湿度；dl1为离开预冷盘管的空气水分含量；doa为室外新风的水分含量；tl1为离开预冷盘管的空气温度；tdp,oa为室外新风的露点温度；水分含量dl1和空气相对湿度的相互换算公式为：
15、
16、其中，p、pw,s分别为饱和空气温度为tl1时的大气压、蒸气压，a4为系数；0～200℃温度范围内蒸汽的饱和压力计算公式为：
17、
18、其中，t为空气干球温度；ci是回归系数，i＝1,2,…,6。
19、进一步的，双温冷水机组能耗优化模型具体为：
20、
21、其中，x代表由决策变量组成的集合；f(x)为目标函数，表示双温冷水机组能耗；h(x)为不等式约束，如设备运行负荷率范围；g(x)为等式约束，如能量守恒约束；ω为决策空间，表示优化变量的取值范围；tl1为离开预冷盘管的空气温度，表征中温冷水机组与低温冷水机组之间的负荷分配比例；ηm,i为中温冷水机组之间的负荷承担率；ηl,j为低温冷水机组之间的负荷承担率。
22、进一步的，对于双温冷水机组，目标函数是中低温冷水机组的能源消耗量，表达式为：
23、
24、其中，j＝f(x)为双温冷水机组能耗，si和sj分别表示中温冷水机组和低温冷水机组的状态，si＝0表示中温冷水机组关闭，sj＝0表示低温冷水机组关闭，si＝1表示中温冷水机组开启，sj＝1表示低温冷水机组开启；pch.i和pch,j分别是中温冷水机组和低温冷水机组的耗电量；m是中温冷水机组的总数；l是低温冷水机组的总数；
25、中温冷水机组和低温冷水机组的功耗受冷负荷、冷冻水供应温度和冷却水入口温度的影响，中温冷水机组的耗电量计算公式为：
26、pch,i＝k0,i+k1,i(tcw,i-tchw,i)+k2,i(tcw,i-tchw,i)2+k3,iqi+k4,iqi2+k5,i(tcw,i-tchw,i)qi
27、其中，ke,i为回归系数，e＝0,1,…,5；tcw,i为第i台中温冷水机组的冷却水进口温度；tchw,i为中温冷水机组冷冻水供水温度；qi为第i台中温冷水机组的冷负荷；
28、第i台中温冷水机组的冷负荷qi的计算公式为：
29、qi＝cpmw,i(tchw,r-tchw,i)
30、其中，cp为冷冻水比热容；mw,i为冷冻水质量流量；tchw,r为冷冻水回水温度；
31、并联冷水机组内冷冻水回水温度相同，通过调节该冷水机组的冷冻水供水温度来调节各冷水机组的冷负荷；中本文档来自技高网...
【技术保护点】
1.基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，其特征在于，建立新风处理机组MAU换热数学模型，具体为：
3.根据权利要求1所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，其特征在于，双温冷水机组能耗优化模型具体为：
4.根据权利要求1所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，其特征在于，对于双温冷水机组，目标函数是中低温冷水机组的能源消耗量，表达式为：
5.根据权利要求1所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，其特征在于，双温冷水机组能耗优化模型的目标条件约束包括：
6.根据权利要求1所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，其特征在于，采用自适应非支配排序遗传算法ANSGA-Ⅱ，确定离开MAU预冷盘管的空气温度以及双温冷水机组中的每个冷水机组的冷负荷承担率最优值，作为双温冷水机组能耗优化结果；具体为：
7.根据权利要求6所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法，
8.基于ANSGA-Ⅱ的双温冷水机组能耗优化系统，其特征在于，包括：
9.一种电子设备，其特征在于，所述设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于ANSGA-Ⅱ的双温冷水机组能耗优化方法的步骤。
...【技术特征摘要】
1.基于ansga-ⅱ的双温冷水机组能耗优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于ansga-ⅱ的双温冷水机组能耗优化方法，其特征在于，建立新风处理机组mau换热数学模型，具体为：
3.根据权利要求1所述的基于ansga-ⅱ的双温冷水机组能耗优化方法，其特征在于，双温冷水机组能耗优化模型具体为：
4.根据权利要求1所述的基于ansga-ⅱ的双温冷水机组能耗优化方法，其特征在于，对于双温冷水机组，目标函数是中低温冷水机组的能源消耗量，表达式为：
5.根据权利要求1所述的基于ansga-ⅱ的双温冷水机组能耗优化方法，其特征在于，双温冷水机组能耗优化模型的目标条件约束包括：
6.根据权利要求1所述的基于ansga-ⅱ的双温冷水机组能...
【专利技术属性】
技术研发人员：董连东，张友照，崔燕萍，李亮，吕楠，廖怀钰，方浩，常金龙，周玉，
申请(专利权)人：中国电子系统工程第二建设有限公司，
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。