论文部分内容阅读
由冷机、水泵和冷却塔等大型设备构成的空调冷冻站是中央空调系统的“心脏”,也是建筑用能重点。随着技术的发展和能源的日益匮乏,空调冷冻站运维的重点已由保障设备稳定、安全以及满足末端需求,转移到同时高效、节能、安全、稳定的运行。然而,当前冷冻站采用的集中式控制系统架构,在实际应用中普遍面临实用性差、通用性差、施工效率低下、控制效果差、升级改造困难、推广应用难等问题,为了解决此问题,引入了群智能建筑(Insect Intelligent Building,I2B)网络平台技术。根据现有研究结果,在I2B网络平台下冷冻站中的冷冻水泵、冷机、冷却水泵和冷却塔等设备被嵌入一个智能计算单元(Computing Process Node,CPN)封装成具有标准化、统一接口的智能化设备,设备与设备之间通过即插即用的方式取代了现有集中式控制架构的监控点位组态过程。其中,每个智能设备都是独立平等的个体,智能设备之间通过自组织、自识别的方式完成冷冻站整体优化任务。显然,I2B网络平台具有特殊的网络架构,因此,面向该架构的算法及运行机制与现有集中式控制架构存在本质上的区别,现有面向集中式架构的优化控制算法也不能直接在该I2B网络平台上运行,为此,亟需研究解决适于在I2B网络平台架构下冷冻站机电设备的优化控制问题。冷冻站的优化控制问题可以概括为设定值问题和供给量(供冷量、供水量)分配问题两类,其中,供给量分配问题是典型的组合优化问题,即在满足总供冷量或总供水量的约束下如何确定一组冷机或水泵的运行组合模式,使其总能耗最低。因此,本文将在深入分析现有集中式控制架构存在问题、简述I2B网络技术新进展及国内外关于空调冷冻站智能优化方法的基础上,通过引入模糊建模、群体智能优化等理论和方法,开展了以下内容的研究工作。(1)模型是研究优化问题的基础,由于现有建模方法中存在形式多样、难以通用、在线更新困难等问题,不适合应用于I2B网络平台,因此,本文引入了模糊建模方法,提出了以减法聚类模糊规则自动提取方法为核心的冷冻站设备在线模糊建模方法。通过仿真验证,验证了该建模方法具备动态更新和扩展模糊模型的能力,具有性能稳定、实现简单、泛化能力强的优点,适于在I2B网络平台应用。(2)针对如何在I2B网络下求解冷冻站并联设备供给量组合分配优化问题,首先,分析归纳了水泵、冷机和冷却塔等三类并联设备的供给量分配优化问题的统一数学描述,引入群体智能优化方法,提出了适于I2B网络平台应用的冷冻站并联设备供给量有限状态机群体智能优化范式。进而将粒子群算法和人工鱼群算法与有限状态机群体智能优化范式相结合,分别提出了 I2B网络平台架构下的有限状态机分布式粒子群智能优化算法(Finite state machine distributed particle swarm optimization algorithm,FDPSO)和人工鱼群智能优化算法(Finite state machine distributed artificial fish swarm algorithm,FDAFSA)。(3)由于I2B网络平台的特殊性,难以在现有成熟的仿真平台上进行优化算法的仿真验证。因此,本文开发了虚拟CPN节点(VCPN)及I2B网络虚拟仿真平台,并在虚拟CPN组成的链状拓扑下对本文提出的FDPSO与FDAFSA算法进行仿真验证。(4)利用I2B网络虚拟仿真平台,将FDPSO与FDAFSA两种算法应用于并联冷机系统的供冷量分配优化问题,进行对比仿真验证,从优化效果、求解稳定性及收敛速度三个方面进行了对比,结果表明,FDPSO与FDAFSA算法均比常规并联冷机运行策略具有明显的节能效果,同时在I2B架构下,针对该应用FDAFSA比FDPSO具有更强的稳定性和更快的收敛速度。(5)在虚拟仿真平台下将FDPSO与FDAFSA两种算法应用于并联水泵系统的供水量分配优化问题中,并通过仿真对两者的优化效果和性能进行对比,结果同样表明FDPSO与FDAFSA算法均比常规并联水泵运行策略具有明显的节能效果,同时针对该应用FDAFSA比FDPSO具有更强的稳定性和更快的收敛速度。