基于节能优化的空调冷水机组负荷优化建模

邢国新

摘要：针对当前空调冷水机组耗能大、负荷分配不均的问题，在构建空调冷水机组负荷能耗模型基础上，提出一种种群粒子吸引策略的布谷鸟搜索算法（NCS）的模型求解方法。为验证求解算法的有效性，搭建实验环境，将NCS算法与GA 算法、CS算法和PSO算法进行对比试验。结果表明：改进后的布谷鸟算法对比于其他算法，收敛精度和收敛速度都明显提高，负荷分配能耗更均衡，能耗消耗也更小。

关键词：冷水机组;负荷分配;布谷鸟搜索算法;TRNSYS 软件

中图分类号：TU831

文献标识码：A文章编号：1001-5922（2022）06-0152-05

Load optimization modeling of air conditioning chiller for energy saving optimization

XING Guoxin

（Beijing Mass Transit Railway Operation Corporation Limited， Beijing 100043， China

）

Abstract：In view of the current problems of large energy consumption and uneven load distribution of air conditioning chiller， a model solution method of cuckoo search algorithm （NCS） is proposed on the basis of constructing the load energy consumption model of air conditioning chiller. In order to verify the effectiveness of the solution algorithm， the experimental environment was built， and the NCS algorithm was compared with the GA algorithm， the CS algorithm and the PSO algorithm. The results show that the improved cuckoo algorithm has significantly improved convergence accuracy and convergence rate， with more balanced load distribution and less energy consumption compared with other algorithms.

Key words：chiller; load distribution; cuckoo search algorithm; TRNSYS software

在商业建筑中，能耗占比最大的为空调能耗，其占总能耗的 50%～60%。主要原因是其内部的多台冷水机组能耗消耗大。因此，要实现空调系统最小能耗，首要条件是找到最佳的冷水机组负荷分配（OCL问题）。针对该问题，有学者提出通过数据衍生和移动窗口的方法，获得冷水机组的性能包络线对负荷分配进行优化，该优化方法取得了较好的节能效果[1];提出基于电能服务管理平台的集中空调冷水机组能效计算方法，利用分段最小二乘法建立冷水机组和负荷率间的关系得到一个能耗比曲线[2]。此方法实现了对冷水机应用的评估，具有一定的参考意义。基于以上研究，以多台并联冷水机组为研究对象，采用布谷鸟搜索算法对能耗模型进行求解，以此得到空调冷水机组负荷的最优分配方案。

1空调冷水机组能耗模型构建

1.1能耗模型构建

本研究以3台小容量冷水机组为例，深入分析不同负荷率下的各机组能量损耗状况。结合半经验模型的基本原理，构建本研究模型和约束条件。

1.2約束条件

对于多台冷水机组的能耗研究，约束条件分为2种：

（1）当机组负荷过低时，机组负荷高于0.3，即0.3≤PLR≤1[3];

2求解方法

2.1布谷鸟搜索算法

布谷鸟搜索算法（Cuckoo Search，简称 CS），也可称之为杜鹃搜索算法[6]。基本原理是模拟布谷鸟繁殖后代和寄生育雏的独特特性，通过Levy飞行搜索机制进行求解最优问题。研究表明，CS算法相较于其他群体优化算法效果更佳。布谷鸟寻窝的路径和位置更新为：

2.2布谷鸟搜索算法改进

常用的智能算法改进通常为算法参数的动态化改进和算法之间的融合改进。根据本研究算法需求，选择动态化方式进行改进[9]。 本研究结合CS的特点，基于种群粒子吸引策略，提出改进型的布谷鸟算法（NCS），其主要根据偏置能力进行判断。由于CS算法偏置能力弱，导致搜索的盲目性[10]，造成以上的原因，是种群粒子间的信息交流方式为纵向，即子父迭代更新，各粒子缺乏横向交流; 迭代更新时，目标搜索方向随机。因此，提出将种群中的粒子作为各个粒子相互存在引力的质点，粒子适应度表示为质量值。由 Levy飞行控制步长，引力式构建过程中，需进行单位化处理：

3实验验证

3.1建筑负荷建模

基于改进后的NCS 算法，本研究通过TRNSYS软件构建建筑负荷模型，具体模型如图1所示。在不同参数和环境下，对本研究构建模型进行负荷分析。

3.2参数设置

为取得更好的实验结果，本研究将对建筑进行参数设置，并在参数设置前，本研究将工作日时间设置为8：00—20：00。

3.2.1围护结构

本研究设计一个平面面积为552 m、H为6 m的晶

圆厂模型。模型围护结构分为外墙、屋顶和地面。其中，外墙、屋顶和地面厚度分别为0.355、0.400和0.425 m，传热系数分别为0.399、0.233和0.313 W/（m.K）。

3.2.2通风参数

建筑通风，主要分为冷风和机械风2种形式。在工作时间内，冷风参数设置为0.8 次/h;在8：00—18：00

时，机械风参数设置为5次/h，18：00—20：00时为 0[12]。

3.2.3加热制冷模块

对于该模块的设置，在8：00—18：00时，将室内温度设置为20 ℃;在18：00—20：00时，与室外温度一致。加热制冷功率均设置为无条件限制;在8：00—18：00时，湿度设置为45%，其他时间段与室外一致。

3.2.4室内热源

室内热源主要包括人体、设备、光照和其他散热[13]。人体散热模型的基本模型为大型工厂，可满足多人在室内进行正常活动，最多可容纳50人。设备散热选用140 W设备，共10 台。照明散热中，总散热量为 10 W/m，共计150 个。其他散热不变。

3.3评价指标

为更专业的对试验数据进行评价，客观地评价冷水机组的性能情况，本研究选择采用制冷系数（COP）评估冷水机组性能。

制冷系数表示设备输出冷量与消耗功率之比，即能效比。COP表达式：

制冷系数=Q/W

式中：Q 代表制冷量;W代表耗能。从COP的取值可以看出机组具体能量损耗。

3.4结果与分析

为测试NCS算法在冷水机组负荷分配问题上的性能，本研究利用上述中构建的TRNSYS建筑模型对NCS算法进行冷负荷实验测试，通过COP对本文算法性能进行评估。本试验对象为一家晶圆厂，该工厂的冷源系统配备有3台额定容量均为588 kW。算法设置中，将种群规模设置为200，最大迭代次数设置为200。3种算法的能耗情况、收敛效果如表1、图2所示。

从表1可以看出，相较另外2种算法，NCS算法能耗值最低，CS 算法收敛精度高于 GA算法。

由图2可知，相较另外2种算法，本文提出的NCS 算法收敛效果最佳，在迭代37次时收敛效果趋于平缓，说明该位置为最佳迭代位置;而GA 算法在110次迭代时，收敛逐渐降低，并趋于稳定; CS 算法收敛效果最差，在迭代119次后收敛到全局最小点。

由图3可知，随着 PLR的增加， COP 也在不断地提升。 在0.55～0.61时，COP 呈上升趋势;当PLR在 0.62～0.87时，COP取得最优值;高于0.87值后 COP呈逐渐下降趋势。由此说明，机组的 PLR数据在0.62～0.87时，节能效果最佳。

对能耗情况和收敛结果进行比較后，得到各负荷阶段NCS 算法对比GA算法的节能效果，结果如表2所示。

从表2中NCS算法对比 GA 算法的节能效果可知，不同时间段内，本研究提出的NCS 算法的节能率均比GA算法的节能率更高，其平均值为2.526%，说明本研究提出算法的收敛效果较好，算法性能更优越。

4结语

综上所述，本研究通过改进后的布谷鸟搜索算法可有效解决冷水机组负荷分配优化问题。通过构建的TRNSYS 建筑物模型得到逐时冷负荷情况，将NCS算法与GA、PSO、SA 3个常用优化算法的节能效果进行比较后，结果表明，将机组 PLR 在控制在合理范围内时，机组COP显著提升，能量损耗下降。相较于另外3种智能算法来说，NCS算法收敛精度和速度更高，节能效果更佳;这进一步表明本研究提出的改进布谷鸟搜索算法更具实用性。

【参考文献】

[1]宁玉飘，晋欣桥，王逸骏，等.基于运行数据包络线的冷水机组运行优化策略研究[J].制冷学报，2020，41（4）：68-74.

[2]魏文强，李镓辰，翟庆志，等.基于电能服务管理平台的集中空调冷水机组能效计算方法[J].暖通空调，2019，49（12）：72-76.

[3]焦旭东，邓燕妮.基于改进遗传算法的胎面生产线故障诊断方法[J].济南大学学报（自然科学版），2019，33（2）：136-141.

[4]朱海红，齐学梅，王家亮，等.量子布谷鸟协同搜索的垃圾回收路径规划方法[J].信息与控制，2019，48（2）：209-216.

[5]黄健. 制冷机房多台冷水机组运行优化节能控制研究[J].安装，2019（2）：34-37.

[6]童瑞祺，丁强，江爱朋.基于改进布谷鸟搜索算法的冷水机组负荷分配优化[J].计算机与应用化学，2019，36（4）：397-403.

[7]刘庭宇，叶春明.基于改进布谷鸟搜索算法的TFT-LCD制造调度方法[J].计算机系统应用，2020，29（3）：47-54.

[8]张娜，董亮亮，金瑜婷，等.基于改进布谷鸟搜索的Web集群自适应负载均衡算法[J].浙江理工大学学报（自然科学版），2020，43（4）：527-534.

[9]徐小琴，王博，赵红生，等.基于布谷鸟搜索和模拟退火算法的两电压等级配网重构方法[J].电力系统保护与控制，2020，48（11）：84-91.

[10]蔡朕，王景良，吕梦樊，等.基于改进布谷鸟搜索算法的圆度误差评定[J].组合机床与自动化加工技术，2020（7）：40-44.