采用改进被囊群算法的多冷水机组负荷分配优化

为了降低中央空调系统的运行能耗,针对多冷水机组负荷分配优化问题,提出一种随机森林特征优选结合核函数极限学习机的冷水机组能效预测模型,通过剔除冗余特征提高预测精度;然后提出一种混合策略改进的被囊群算法,融合鲸鱼螺旋搜索策略改进个体更新方式,引入非线性动态权重平衡全局探索和局部开发,使用空翻扰动策略避免陷入局部最优;最后在能效模型的基础上,采用改进被囊群算法对多冷水机组负荷分配进行优化;实验结果表明,随机森林特征优选的方法可以有效地提高能效预测模型的准确度;改进被囊群算法通过优化机组的启停状态和负荷率可以有效发挥系统的节能潜力,与原有方法相比能耗降低约6%;说明该方法适用于多冷水机组的负荷分配优化问题。

基于遗传算法的多冷水机组负荷优化分配研究

文章以某大型公用建筑的多冷水机组系统为研究对象,使用现场采集的机组各参数数据,建立各机组的能效比(COP)与部分负荷率(PLRCL)的数学模型。设置机组总能耗为目标函数,建筑所需冷负荷与机组运行限制为约束条件,使用遗传算法对该有约束的问题寻优,并得到机组负荷分配的优化控制策略。在相同运行时间内将优化的控制策略与机组原有的控制策略相比较,优化策略的总能耗降低约13.9%,具有良好的节能效果。

基于MSTSO算法的冷水机组负荷分配模型研究

为降低空调系统的运行能耗,优化冷水机组的负荷分配,提出了一种多策略改进的金枪鱼优化算法(MSTSO),引入黄金正弦觅食机制和非线性惯性权重来加强算法对最优解的全局定位能力;通过蜜獾随机搜索策略赋予算法更强的性能以跳出局部最优;利用双向长短期记忆网络(BiLSTM)搭建能效预测模型并对各机组的能效比(COP)进行预测,同时使用MSTSO算法对网络的初始参数进行寻优从而获得最佳训练效果;提出BiLSTM-MSTSO负荷分配模型,对多台冷水机组的部分负荷率(PLR)进行合理分配与优化;实验结果表明,优化后的BiLSTM预测模型拥有更高的预测精度,MSTSO算法相较其他智能优化算法可以减少更多的能耗并最大化提升冷水机组的运行效率;因此BiLSTM-MSTSO智能模型适用于多冷水机组的能耗预测与优化。

台湾地区建筑物空调系统冷水机组节能控制研究现状综述

冷水机组约占建筑物空调系统能耗的40%,在既有建筑空调系统中,对冷水机组进行节能控制是实现建筑物节能的关键。本文基于台湾地区电力负荷卸载控制现状,比较了COP最佳化法及容量比例分配法的卸载效果,实现了空调多台冷水机组的优化运行。对于大陆地区建筑物电力负荷控制的推广及应用,建筑物冷水机组的节能运行研究,促进节能减排目标的实现具有较大的借鉴意义。