国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法與流程

      文檔序號(hào):11518148閱讀:395來(lái)源:國(guó)知局
      一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法與流程

      本發(fā)明涉及冷風(fēng)機(jī)參數(shù)優(yōu)化技術(shù)領(lǐng)域,具體是一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法。



      背景技術(shù):

      近年來(lái),暖通空調(diào)(hvac)系統(tǒng)被大量集成到智能建筑中。多區(qū)域冷風(fēng)機(jī)系統(tǒng)則是暖通空調(diào)系統(tǒng)的核心部件。該系統(tǒng)包含多個(gè)不同性能的分布式冷卻裝置,用于提供冷卻用能。暖通空調(diào)系統(tǒng)在調(diào)節(jié)室內(nèi)溫度方面發(fā)揮重要作用,并為人們提供了一個(gè)舒適和安全的工作環(huán)境。然而,暖通空調(diào)系統(tǒng)一般消耗著大量的能源,如何降低其能耗一直是一個(gè)難題。

      近年來(lái),一些啟發(fā)式和元啟發(fā)式算法已被用于求解冷風(fēng)機(jī)負(fù)載優(yōu)化問(wèn)題。比較典型的算法包括,分支定界法、拉格朗日松弛方法、遺傳算法等。拉格朗日和分支定界方法的缺點(diǎn)是效率不高且收斂能力受限,因而不能用來(lái)解決大規(guī)模和復(fù)雜的ocl的問(wèn)題。隨著啟發(fā)式方法特別是遺傳算法的提出并廣泛應(yīng)用,一些智能優(yōu)化算法并廣泛提出并用于ocl優(yōu)化問(wèn)題,提出了一種基于二進(jìn)制的編碼方案,然而,基于二進(jìn)制的編碼的主要缺點(diǎn)是需要很長(zhǎng)的編碼才能描述細(xì)粒度的問(wèn)題空間,因而需要很高的存儲(chǔ)空間和計(jì)算能力。一種粒子群優(yōu)化算法,采用浮點(diǎn)數(shù)表示方法進(jìn)行編碼,該算法大大降低了存儲(chǔ)空間需要,缺點(diǎn)是算法本身易于收斂,因而無(wú)法達(dá)到最優(yōu)。一種果蠅優(yōu)化算法用于求解ocl問(wèn)題。其他用于求解該類問(wèn)題的算法還包括模擬退火算法,進(jìn)化策略,梯度下降法,差分進(jìn)化算法等。



      技術(shù)實(shí)現(xiàn)要素:

      本發(fā)明的目的在于提供一種大大提高了效率的冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法,以解決上述背景技術(shù)中提出的問(wèn)題。

      為實(shí)現(xiàn)上述目的,本發(fā)明提供如下技術(shù)方案:

      一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法,具體步驟如下:

      s1:實(shí)時(shí)獲取冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù);

      s2:確定參數(shù)調(diào)整的目標(biāo)及約束條件;

      s3:采用教學(xué)優(yōu)化方法調(diào)整參數(shù)設(shè)置方案;

      s4:將所述冷風(fēng)機(jī)參數(shù)設(shè)置方案下發(fā)到各冷風(fēng)機(jī)。

      作為本發(fā)明進(jìn)一步的技術(shù)方案:所述s1中的冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù)包括:冷風(fēng)機(jī)n個(gè),某個(gè)冷風(fēng)機(jī)i,i=1、2、…、n,決策變量plri表示第i個(gè)冷風(fēng)機(jī)的開(kāi)啟比率的指標(biāo)即部分負(fù)載率,則第i個(gè)冷風(fēng)機(jī)能耗為pi;問(wèn)題的約束條件是,每個(gè)冷風(fēng)機(jī)所提供的冷風(fēng)量需滿足系統(tǒng)要求cl,其中,表示第i個(gè)冷風(fēng)機(jī)的供冷量,cl是系統(tǒng)所需的總體冷量。

      作為本發(fā)明進(jìn)一步的技術(shù)方案:所述s2中的冷風(fēng)機(jī)參數(shù)優(yōu)化的目標(biāo)為:

      pi=ai+biplri+ciplri2+diplri3(式1);

      其中,ai,bi,ci,和di分別表示三個(gè)冷風(fēng)機(jī)的參數(shù),n表示冷風(fēng)機(jī)的數(shù)量,pi即第i個(gè)冷風(fēng)機(jī)的能耗,表示第i個(gè)冷風(fēng)機(jī)的供冷量,cl是系統(tǒng)所需的總體冷量;

      因而,系統(tǒng)所優(yōu)化的兩個(gè)目標(biāo)為:

      minf=αf1+βf2(式4)

      其中α和β表示兩個(gè)目標(biāo)的權(quán)重系數(shù)。

      作為本發(fā)明進(jìn)一步的方案:所述s3包括如下步驟:

      (1)按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問(wèn)題產(chǎn)生一個(gè)學(xué)習(xí)者,并加入學(xué)習(xí)者群,循環(huán)隨機(jī)生成pn個(gè)初始學(xué)習(xí)者加入學(xué)習(xí)者群;

      (2)計(jì)算每個(gè)學(xué)習(xí)者的目標(biāo)值,并對(duì)初始群體進(jìn)行排序,選擇最好的作為教師;

      (3)計(jì)算當(dāng)前解集中個(gè)體平均值以及平均差值;

      (4)設(shè)置學(xué)習(xí)者群迭代終止條件k,令i=0;

      (5)開(kāi)始教學(xué)階段,即學(xué)習(xí)者向教師學(xué)習(xí)的階段;

      (6)開(kāi)始學(xué)習(xí)階段,即學(xué)習(xí)者互相學(xué)習(xí)的階段;

      (7)更新學(xué)習(xí)者群;

      (8)令i=i+1,判斷i≥k條件是否滿足,如果滿足,則退出算法,輸出最好參數(shù)配置方案;否則,轉(zhuǎn)入步驟(5)。

      作為本發(fā)明進(jìn)一步的方案:所述步驟(1)是這樣實(shí)現(xiàn)的:

      按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問(wèn)題,隨機(jī)產(chǎn)生一個(gè)學(xué)習(xí)者,加入解集中,循環(huán)生成pn個(gè)學(xué)習(xí)者,構(gòu)成初始學(xué)習(xí)者群體。

      作為本發(fā)明進(jìn)一步的方案:所述步驟(2)中的編碼策略如下:

      每個(gè)冷風(fēng)機(jī)用一個(gè)整數(shù)串表示,整數(shù)串的長(zhǎng)度取決于系統(tǒng)的需求。

      作為本發(fā)明進(jìn)一步的方案:所述步驟(5)中的教學(xué)階段策略如下:

      a、計(jì)算平均差mt,j:首先,計(jì)算每個(gè)學(xué)習(xí)者在每個(gè)整數(shù)串的每個(gè)元素值上的和,其次,分別計(jì)算每個(gè)元素對(duì)應(yīng)位置的平均值;

      b、計(jì)算dt,j:首先,選擇當(dāng)前解集中的最好個(gè)體作為教師,其次,產(chǎn)生兩個(gè)隨機(jī)數(shù);

      c、產(chǎn)生新的學(xué)習(xí)者;

      d、更新原有的個(gè)體。

      作為本發(fā)明再進(jìn)一步的方案:所述步驟(6)中的學(xué)習(xí)階段策略如下:

      e、隨機(jī)選擇兩個(gè)個(gè)體

      f、產(chǎn)生一個(gè)新的個(gè)體

      g、更新原有個(gè)體。

      與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:

      本發(fā)明提出了一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化問(wèn)題的教學(xué)優(yōu)化算法,結(jié)合問(wèn)題特征,算法采用了一種新穎的基于整數(shù)的編碼和解碼機(jī)制,算法分為教學(xué)和學(xué)習(xí)兩個(gè)階段,教學(xué)階段可以改善學(xué)習(xí)過(guò)程的質(zhì)量,從而提高開(kāi)發(fā)能力;設(shè)計(jì)良好的學(xué)習(xí)階段則加強(qiáng)彼此之間的學(xué)習(xí)過(guò)程。

      附圖說(shuō)明

      圖1為本發(fā)明冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法的步驟框圖;

      圖2為本發(fā)明方法中的采用教學(xué)優(yōu)化方法生成冷風(fēng)機(jī)參數(shù)配置方案的步驟框圖;

      圖3為本發(fā)明方法中的冷風(fēng)機(jī)示意圖。

      圖4為本發(fā)明中仿真實(shí)驗(yàn)得到的最好解的比較圖之一。

      圖5為本發(fā)明中仿真實(shí)驗(yàn)得到的最好解的比較圖之二。

      圖6為本發(fā)明中仿真實(shí)驗(yàn)得到的最好解的比較圖之三。

      具體實(shí)施方式

      下面結(jié)合具體實(shí)施方式對(duì)本專利的技術(shù)方案作進(jìn)一步詳細(xì)地說(shuō)明。

      請(qǐng)參閱圖1-3,一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化方法,具體步驟如下:

      s1:實(shí)時(shí)獲取冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù);

      s2:確定參數(shù)調(diào)整的目標(biāo)及約束條件;

      s3:采用教學(xué)優(yōu)化方法調(diào)整參數(shù)設(shè)置方案;

      s4:將所述冷風(fēng)機(jī)參數(shù)設(shè)置方案下發(fā)到各冷風(fēng)機(jī)。

      冷風(fēng)機(jī)參數(shù)配置問(wèn)題描述:多區(qū)域冷風(fēng)機(jī)系統(tǒng),一般包含多個(gè)冷風(fēng)機(jī),如圖3所示。圖中,包含3個(gè)冷卻裝置。

      一、所述s1中的冷風(fēng)機(jī)能耗、參數(shù)和供冷能力以及需要調(diào)整參數(shù)的任務(wù)包括:冷風(fēng)機(jī)n個(gè),某個(gè)冷風(fēng)機(jī)i,i=1、2、…、n,決策變量plri表示第i個(gè)冷風(fēng)機(jī)的開(kāi)啟比率的指標(biāo)即部分負(fù)載率,則第i個(gè)冷風(fēng)機(jī)能耗為pi;問(wèn)題的約束條件是,每個(gè)冷風(fēng)機(jī)所提供的冷風(fēng)量需滿足系統(tǒng)要求cl,其中,表示第i個(gè)冷風(fēng)機(jī)的供冷量,cl是系統(tǒng)所需的總體冷量。

      二、所述s2中的冷風(fēng)機(jī)參數(shù)優(yōu)化的目標(biāo)為:

      pi=ai+biplri+ciplri2+diplri3(式1);

      其中,ai,bi,ci,和di分別表示三個(gè)冷風(fēng)機(jī)的參數(shù),n表示冷風(fēng)機(jī)的數(shù)量,pi即第i個(gè)冷風(fēng)機(jī)的能耗,表示第i個(gè)冷風(fēng)機(jī)的供冷量,cl是系統(tǒng)所需的總體冷量;

      因而,系統(tǒng)所優(yōu)化的兩個(gè)目標(biāo)為:

      minf=αf1+βf2(式4)

      其中α和β表示兩個(gè)目標(biāo)的權(quán)重系數(shù)。

      三、所述s3包括如下步驟:

      (1)按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問(wèn)題產(chǎn)生一個(gè)學(xué)習(xí)者,并加入學(xué)習(xí)者群,循環(huán)隨機(jī)生成pn個(gè)初始學(xué)習(xí)者加入學(xué)習(xí)者群;

      (2)計(jì)算每個(gè)學(xué)習(xí)者的目標(biāo)值,并對(duì)初始群體進(jìn)行排序,選擇最好的作為教師;

      (3)計(jì)算當(dāng)前解集中個(gè)體平均值以及平均差值;

      (4)設(shè)置學(xué)習(xí)者群迭代終止條件k,令i=0;

      (5)開(kāi)始教學(xué)階段,即學(xué)習(xí)者向教師學(xué)習(xí)的階段;

      (6)開(kāi)始學(xué)習(xí)階段,即學(xué)習(xí)者互相學(xué)習(xí)的階段;

      (7)更新學(xué)習(xí)者群;

      (8)令i=i+1,判斷i≥k條件是否滿足,如果滿足,則退出算法,輸出最好參數(shù)配置方案;否則,轉(zhuǎn)入步驟(5)。

      采用教學(xué)優(yōu)化方法調(diào)整參數(shù)設(shè)置方案主要包含教學(xué)和學(xué)習(xí)兩個(gè)階段。算法用到的變量和下標(biāo)如下:記表示系統(tǒng)中第i個(gè)學(xué)習(xí)者;記mt,j表示學(xué)習(xí)者在某個(gè)目標(biāo)值上的平均值;記表示群體中的最好的學(xué)習(xí)者;記表示教師的第j個(gè)目標(biāo)值;記rt表示一個(gè)取值在[0,1]間的隨機(jī)數(shù);記tf表示教學(xué)力度參數(shù),一般取值的[1,2]之間;記dt,j為教師的差別度;記mt,j表示平均差值。

      算法主要包含教學(xué)階段學(xué)習(xí)階段兩部分。

      教學(xué)階段具體步驟為:首先計(jì)算差值:其次產(chǎn)生一個(gè)新的學(xué)習(xí)者最后如果新的學(xué)習(xí)者優(yōu)于以前的,則替換之。

      學(xué)習(xí)階段具體步驟為:首先隨機(jī)選取兩個(gè)學(xué)習(xí)者如果優(yōu)于則執(zhí)行否則,執(zhí)行如果新的學(xué)習(xí)者優(yōu)于以前的,則替換之。

      1、所述步驟(1)是這樣實(shí)現(xiàn)的:

      按照冷風(fēng)機(jī)參數(shù)配置優(yōu)化問(wèn)題,隨機(jī)產(chǎn)生一個(gè)學(xué)習(xí)者,加入解集中,循環(huán)生成pn個(gè)學(xué)習(xí)者,構(gòu)成初始學(xué)習(xí)者群體。

      2、所述步驟(2)中的編碼策略如下:

      二進(jìn)制編碼和實(shí)數(shù)編碼是兩種常用的編碼方案,然而,這兩種方案各有優(yōu)缺點(diǎn)。二進(jìn)制編碼所需編碼存儲(chǔ)空間需求大,因而計(jì)算時(shí)間較長(zhǎng)。實(shí)數(shù)編碼則搜索空間較大,收斂能力不足。基于此,我們?cè)O(shè)計(jì)了一種新穎的整數(shù)編碼方案,具體描述如下:

      在所給出的編碼方案中,每個(gè)冷風(fēng)機(jī)用一個(gè)整數(shù)串表示,整數(shù)串的長(zhǎng)度取決于系統(tǒng)的需求,即較長(zhǎng)的整數(shù)串表示的搜索精度較高,因而也需要較長(zhǎng)的計(jì)算時(shí)間,較短的整數(shù)串可以快速定位到所需的大致位置,但無(wú)法達(dá)到較高的搜索精度。例如,給定一個(gè)整數(shù)串?dāng)?shù)組{(8,7,5),(7,8,6),(6,7,3),(7,2,1),(8,3,4),(9,0,1)},則第一個(gè)整數(shù)串(8,7,5)表示第一個(gè)冷風(fēng)機(jī)的plr值,即0.875,第二個(gè)(7,8,6)表示第二個(gè)冷風(fēng)機(jī)的plr值為0.786,以此類推。

      上述編碼的優(yōu)點(diǎn)有:(1)編碼簡(jiǎn)單且易于實(shí)現(xiàn);(2)上述整數(shù)串的長(zhǎng)度隨著迭代的進(jìn)行不斷變化,在算法進(jìn)化初期,整數(shù)串的長(zhǎng)度設(shè)置較小值,這樣可以快速定位到所需搜索的空間,在算法進(jìn)化中后期,整數(shù)串的長(zhǎng)度設(shè)置較大值,這樣可以提高算搜索精度,進(jìn)而搜索到最優(yōu)值;(3)可以為不同冷風(fēng)機(jī)設(shè)置不同的整數(shù)串長(zhǎng)度,進(jìn)而為不同的冷風(fēng)機(jī)設(shè)置不同的搜索強(qiáng)度。

      3、所述步驟(5)中的教學(xué)階段策略如下:

      a、計(jì)算平均差mt,j:首先,計(jì)算每個(gè)學(xué)習(xí)者在每個(gè)整數(shù)串的每個(gè)元素值上的和,其次,分別計(jì)算每個(gè)元素對(duì)應(yīng)位置的平均值;例如,給定解集{(8,7,5),(7,5,6),(6,9,3),(8,2,1),(8,5,4),(9,3,1)},{(9,7,5),(6,8,6),(7,7,3),(5,2,1),(8,2,4),(7,0,1)},{(6,7,5),(7,4,6),(7,7,3),(9,2,1),(5,3,4),(9,7,1)},則第一步得到{23,21,15,20,17,18,20,23,9,22,6,3,21,10,12,25,10,3},第二步得到{7.67,7.00,5.00,6.67,5.67,6.00,6.67,7.67,3.00,7.33,2.00,1.00,7.00,3.33,4.00,8.33,3.33,1.00}。

      b、計(jì)算dt,j:首先,選擇當(dāng)前解集中的最好個(gè)體作為教師,其次,產(chǎn)生兩個(gè)隨機(jī)數(shù);例如,給定解集s1={(8,7,5),(7,5,6),(6,9,3),(8,2,1),(8,5,4),(9,3,1)},令兩個(gè)隨機(jī)數(shù)rt=0.3和tf=1,則得到dt,2={0.1,0,0,0.1,-0.2,0,-0.2,0.4,0,0.2,0,0,0.3,0.5,0,0.2,-0.1,0}.令rt=0.8和tf=2,則得到dt,3={0.27,0.00,0.00,0.27,-0.53,0.00,-0.53,1.07,0.00,0.53,0.00,0.00,0.80,1.33,0.00,0.53,-0.27,0.00}。

      c、產(chǎn)生新的學(xué)習(xí)者;

      基于步驟b,則新產(chǎn)生的個(gè)體(6,8,6),(7,7,3),(5,2,1),(8,2,4),(7,0,1)}+{0.1,0,0,0.1,-0.2,0,-0.2,0.4,0,0.2,0,0,0.3,0.5,0,0.2,-0.1,0}={(9.1,7,5),(6.1,7.8,6),(6.8,7.4,3),(5.2,2,1),(8.3,2.5,4),(7.2,-0.1,1)}。

      d、更新原有的個(gè)體。

      4、所述步驟(6)中的學(xué)習(xí)階段策略如下:

      e、隨機(jī)選擇兩個(gè)個(gè)體

      f、產(chǎn)生一個(gè)新的個(gè)體

      例如,解集s1={(8,7,5),(7,5,6),(6,9,3),(8,2,1),(8,5,4),(9,3,1)}s3={(6,7,5),(7,4,6),(7,7,3),(9,2,1),(5,3,4),(9,7,1)}.令ri=0.5,假設(shè)s1優(yōu)于s3,則有6,5.5,10,3,7.5,2,1,9.5,6,4,9,1,1},則四舍五入后得到6,6,6,10,3,8,2,1,9,6,4,9,1,1}。

      g、更新原有個(gè)體。

      四、驗(yàn)結(jié)果與分析:

      1、仿真實(shí)驗(yàn)參數(shù)設(shè)置:

      為驗(yàn)證所提出算法的性能,選擇表1中所列的三種冷風(fēng)機(jī)系統(tǒng)數(shù)據(jù),采用c++編程語(yǔ)言,在intelcorei73.4ghzpc機(jī)器上實(shí)現(xiàn)了所提算法,并與現(xiàn)有技術(shù)中的分支定界法、拉格朗日松弛方法、遺傳算法、粒子群優(yōu)化算法、模擬退火算法、進(jìn)化策略、梯度下降法、差分進(jìn)化算法等幾種算法進(jìn)行對(duì)比分析。

      2仿真實(shí)驗(yàn)結(jié)果:

      表3給出了針對(duì)第一個(gè)算例,幾種算法所得數(shù)據(jù)的比較結(jié)果。由表可見(jiàn),針對(duì)六種運(yùn)行數(shù)據(jù),本算法獲得了全部最優(yōu)解,而僅次于本算法的dcsa算法僅獲得了其中三個(gè)最優(yōu)解,比較結(jié)果驗(yàn)證了本算法的優(yōu)越性。另外,本算法找到了其他算法沒(méi)有找到的最優(yōu)解,驗(yàn)證了算法的搜索能力。

      表4給出了針對(duì)第二個(gè)算例,幾種算法所得數(shù)據(jù)的比較結(jié)果。由表可見(jiàn),針對(duì)六種運(yùn)行數(shù)據(jù),本算法獲得了5個(gè)最優(yōu)解,而僅次于本算法的dcsa算法僅獲得了其中兩個(gè)最優(yōu)解,比較結(jié)果驗(yàn)證了本算法的優(yōu)越性。另外,本算法找到了其他算法沒(méi)有找到的最優(yōu)解,驗(yàn)證了算法的搜索能力。

      表5給出了針對(duì)第三個(gè)算例,幾種算法所得數(shù)據(jù)的比較結(jié)果。由表可見(jiàn),本算法相比其他算法有了明顯改進(jìn),進(jìn)一步驗(yàn)證了算法的優(yōu)越性。表6則給出了tlbo算法求解最好解的比例,進(jìn)一步驗(yàn)證了算法的先進(jìn)性。

      圖4-6給出了幾種算法求解上述三種算例得到的最好解的比較,由圖可見(jiàn),本算法均表現(xiàn)了良好的性能。

      表1:冷風(fēng)機(jī)數(shù)據(jù)

      表2:第一個(gè)算例的比較

      表3:第二個(gè)算例的比較

      表4:第三個(gè)算例比較結(jié)果

      表5:tlbo算法得到的最好解比例

      本發(fā)明提出了一種冷風(fēng)機(jī)參數(shù)配置優(yōu)化問(wèn)題的教學(xué)優(yōu)化算法,結(jié)合問(wèn)題特征,算法采用了一種新穎的基于整數(shù)的編碼和解碼機(jī)制,算法分為教學(xué)和學(xué)習(xí)兩個(gè)階段,教學(xué)階段可以改善學(xué)習(xí)過(guò)程的質(zhì)量,從而提高開(kāi)發(fā)能力;設(shè)計(jì)良好的學(xué)習(xí)階段則加強(qiáng)彼此之間的學(xué)習(xí)過(guò)程。

      上面對(duì)本專利的較佳實(shí)施方式作了詳細(xì)說(shuō)明,但是本專利并不限于上述實(shí)施方式,在本領(lǐng)域的普通技術(shù)人員所具備的知識(shí)范圍內(nèi),還可以在不脫離本專利宗旨的前提下作出各種變化。

      當(dāng)前第1頁(yè)1 2 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1