分布式PSODE算法的冰蓄冷空调系统优化控制研究

发布时间：2021-07-22 12:18

　　文章针对集中式控制架构在暖通空调方面应用存在的问题,提出了1种基于分散控制结构的分布式多目标差分进化改进的粒子群（D-MOPSODE,Decentralized Multi-objective Particle Swarm Optimization Improved by Differential Evolution）优化算法,以冰蓄冷空调系统能耗、运行费用和能耗损失为目标,求解冷机逐时部分负荷率和冰槽供冷比例。提高冷机运行效率科学规划蓄冰量和冷机-冰槽负荷分配,达到冰蓄冷空调系统经济节能的运行效益。西安某大型商场为实验环境进行实例验证,结果表明文章提出的D-MOPSODE算法是1种高效的分布式优化算法,在冰蓄冷空调系统负荷分配问题的求解中能够取得显著的节能效果。相比于传统控制策略和PSO算法,D-MOPSODE算法具有收敛性好,稳定性高,鲁棒性强、求解精度高等优点。 

【文章来源】：建筑科学. 2020,36(08)北大核心CSCD

【文章页数】：13 页

【部分图文】：

冰蓄冷空调系统无中心分散控制结构

设备通信网络拓扑

冷机CPN下载D-MOPSODE算法完成优化策略。在独立计算单元中，2个子群分别搜索信息，每1次迭代完成后合并2个子群，依据支配关系和拥挤距离度更新外部储备集，更新全局引导者和个体引导者。多个CPN网络中，由1个CPN发起优化调节任务，相邻CPN收到任务完成自组织自协调的优化策略。按照通信周期，CPN向邻居节点发送种群信息和外部储备集信息，CPN通过自身优化结果和邻居节点优化结果的比较，将表现较优的种群信息复制到自身节点，作为下一次进化依据，并将较优的结果继续发送到毗邻CPN。重复上述步骤至达到求解要求，D-MOPSODE算法流程图见图3,CPNs协调优化见图4。4 案例研究

【参考文献】：
期刊论文
[1]基于粒子群算法的冰蓄冷空调系统运行优化研究[J]. 于军琪,王胤钧,陈旭,赵安军,严龙山.  西安建筑科技大学学报(自然科学版). 2018(01)
[2]冰蓄冷空调系统的多目标优化控制策略研究[J]. 王修岩,高冲,李宗帅.  计算机测量与控制. 2015(12)
[3]一种基于粒子群优化算法和差分进化算法的新型混合全局优化算法[J]. 栾丽君,谭立静,牛奔.  信息与控制. 2007(06)

硕士论文
[1]基于层次化指标体系的制冷站诊断方法研究[D]. 冯一鸣.清华大学 2013



本文编号：3297141