周棟梁+仇曉彤+王紅

【摘要】 中央空調(diào)的能耗是整個建筑的主體功耗。本文通過對已有的歷史數(shù)據(jù)進(jìn)行分析，挖掘數(shù)據(jù)內(nèi)部關(guān)聯(lián)，建立相應(yīng)的數(shù)學(xué)模型達(dá)到降低中央空調(diào)能耗的效果。首先在進(jìn)行數(shù)據(jù)挖掘前，對原始數(shù)據(jù)進(jìn)行預(yù)處理，建立相應(yīng)的目標(biāo)。目標(biāo)一，對變量分布和相互關(guān)系進(jìn)行可視化，并做相關(guān)性分析，找出相關(guān)性強(qiáng)的幾組變量。通過高斯混合模型對設(shè)備狀態(tài)信息進(jìn)行聚類，用線性回歸進(jìn)行擬合，建立功率與轉(zhuǎn)速的多元線性回歸關(guān)系。目標(biāo)二，以降低系統(tǒng)總耗電量作為優(yōu)化目標(biāo)，將設(shè)備安全性與達(dá)到實際制冷效果作為約束條件，優(yōu)化目標(biāo)主要使用目標(biāo)一中的高斯混合模型和多元線性回歸進(jìn)行衡量，遺傳算法可以尋找全局次優(yōu)解，據(jù)此得出優(yōu)化參數(shù)數(shù)值。本控制策略降低了系統(tǒng)的總耗電量，使得耗電量為原先的90%左右。

【關(guān)鍵詞】 中央空調(diào)節(jié)能優(yōu)化 高斯混合模型 線性回歸 遺傳算法

一、引言

隨著全球氣候變暖和空調(diào)技術(shù)的發(fā)展，越來越多的現(xiàn)代建筑使用中央空調(diào)調(diào)節(jié)室內(nèi)溫濕度，據(jù)文獻(xiàn)顯示，中央空調(diào)的能耗大約占整個建筑能耗的50%-70%[1]。本文根據(jù)搜集的數(shù)據(jù)對各個變量之間的相關(guān)性進(jìn)行分析并提出降低中央空調(diào)系統(tǒng)總耗電量相應(yīng)的最優(yōu)控制策略。

二、數(shù)據(jù)變化的特征和規(guī)律

2.1 系統(tǒng)總耗電量功率與各裝置功率的關(guān)系

根據(jù)系統(tǒng)總耗電量與冷卻裝置、冷水泵、冷凝水泵、冷凝塔的總功率關(guān)系進(jìn)行篩選，經(jīng)計算得

2.2 冷水泵、冷凝水泵、冷卻塔功率與其轉(zhuǎn)速的關(guān)系以及冷卻裝置與冷卻負(fù)載關(guān)系

繪制冷水泵、冷凝水泵、冷卻塔功率與其轉(zhuǎn)速的關(guān)系以及冷卻裝置與冷卻負(fù)載散點圖可以得到。

本文通過高斯混合模型（GMM）[2]，將數(shù)據(jù)看作是從數(shù)個高斯分布中生成出來，雖然也可以通過其他方式構(gòu)造其他混合模型，多個高斯模型線性相加在一起就組成了GMM的概率密度函數(shù)，然后通過最大似然估計進(jìn)行求解。

針對上述關(guān)系，先通過狀態(tài)參數(shù)進(jìn)行GMM的方法聚類，發(fā)現(xiàn)其具有明顯的線性關(guān)系，然后進(jìn)行線性回歸。

聚類后冷水泵總功率與冷水泵轉(zhuǎn)速的關(guān)系，線性回歸參數(shù)方程為

三、可控變量的最優(yōu)控制策略

中央空調(diào)系統(tǒng)常用模塊化控制策略如果同時兼顧系統(tǒng)節(jié)能目標(biāo)，但有可能找不到面向?qū)嶋H中央空調(diào)的空調(diào)節(jié)能控制的新途徑。本文采用遺傳算法結(jié)合前面得出的函數(shù)求得全局次優(yōu)解。本模型在中央空調(diào)模型的基礎(chǔ)上以實現(xiàn)系統(tǒng)總耗電量最低為目標(biāo)，構(gòu)建中央空調(diào)系統(tǒng)模型，建立中央空調(diào)系統(tǒng)優(yōu)化所需的目標(biāo)函數(shù)，并對目標(biāo)函數(shù)進(jìn)行去約束化處理，從而達(dá)到對目標(biāo)函數(shù)可以求解的目標(biāo)。

3.1 參數(shù)優(yōu)化模型

3.1.1 數(shù)學(xué)描述

3.2遺傳算法求解參數(shù)

人工智能中現(xiàn)代優(yōu)化算法是一種啟發(fā)式的優(yōu)化算法，主要是對組合優(yōu)化問題尋找全局最優(yōu)解。文中研究的中央空調(diào)系統(tǒng)模型中間用到了高斯混合模型進(jìn)行聚類，故采用普通的優(yōu)化算法可能會陷入僵局，無法找到全局最優(yōu)解，而遺傳算法具有強(qiáng)大的全局搜索能力，故本文采用遺傳算法對中央空調(diào)系統(tǒng)進(jìn)行參數(shù)優(yōu)化的目標(biāo)函數(shù)進(jìn)行求解。

本模型求解問題時，初始解設(shè)為題目提供數(shù)據(jù)中的解。然后通過交叉、變異等算子以及篩選，得到全局的次優(yōu)解。

通過對比可以明顯看出，本模型可以較大程度的減少耗電量，雖然部分耗電量會出現(xiàn)異常，這一部分異常也可以在日后的研究中進(jìn)行修正。

四、結(jié)論

本文對中央空調(diào)系統(tǒng)進(jìn)行分析后，結(jié)合題目所給數(shù)據(jù)，分別建立了基于遺傳算法的中央空調(diào)最優(yōu)控制模型，得到最優(yōu)的參數(shù)，使得系統(tǒng)耗電量和系統(tǒng)效率降低，提供系統(tǒng)效能，并通過預(yù)測對比，得到了較好的效果。本模型具有以下優(yōu)點：1.模型通過機(jī)器學(xué)習(xí)中的高斯混合模型對數(shù)據(jù)進(jìn)行聚類，聚類效果較好，聚類之后可以產(chǎn)生良好的線性擬合效果。2.基于遺傳算法求解最優(yōu)化模型，可以實現(xiàn)全局搜索而且速度較快，作為一種有信息的搜索，避免了不必要的運(yùn)算。

參 考 文 獻(xiàn)

[1]趙廷法，王瑞華，王普.VAV中央空調(diào)能耗建模與仿真研究，計算機(jī)仿真[J]，2010，（3）：326-329.

[2] Kezhong·Dai.The Artificial Intelligence Laboratory， Massachusetts Institute of Technolo gy，Robot，1983，（3）：57.

[3]岳子豐.空調(diào)機(jī)組節(jié)能優(yōu)化控制策略研究[D].北京：北京林業(yè)大學(xué)，2013：40-44.endprint