多模型融合用于中央空調最優控制策略

周棟梁+仇曉彤+王紅

【摘要】 中央空調的能耗是整個建筑的主體功耗。本文通過對已有的歷史數據進行分析，挖掘數據內部關聯，建立相應的數學模型達到降低中央空調能耗的效果。首先在進行數據挖掘前，對原始數據進行預處理，建立相應的目標。目標一，對變量分布和相互關系進行可視化，并做相關性分析，找出相關性強的幾組變量。通過高斯混合模型對設備狀態信息進行聚類，用線性回歸進行擬合，建立功率與轉速的多元線性回歸關系。目標二，以降低系統總耗電量作為優化目標，將設備安全性與達到實際制冷效果作為約束條件，優化目標主要使用目標一中的高斯混合模型和多元線性回歸進行衡量，遺傳算法可以尋找全局次優解，據此得出優化參數數值。本控制策略降低了系統的總耗電量，使得耗電量為原先的90%左右。

【關鍵詞】 中央空調節能優化 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技術的發展，越來越多的現代建筑使用中央空調調節室內溫濕度，據文獻顯示，中央空調的能耗大約占整個建筑能耗的50%-70%[1]。本文根據搜集的數據對各個變量之間的相關性進行分析并提出降低中央空調系統總耗電量相應的最優控制策略。

二、數據變化的特征和規律

2.1 系統總耗電量功率與各裝置功率的關系

根據系統總耗電量與冷卻裝置、冷水泵、冷凝水泵、冷凝塔的總功率關系進行篩選，經計算得

2.2 冷水泵、冷凝水泵、冷卻塔功率與其轉速的關系以及冷卻裝置與冷卻負載關系

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

本文通過高斯混合模型（GMM）[2]，將數據看作是從數個高斯分布中生成出來，雖然也可以通過其他方式構造其他混合模型，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，然后通過最大似然估計進行求解。

針對上述關系，先通過狀態參數進行GMM的方法聚類，發現其具有明顯的線性關系，然后進行線性回歸。

聚類后冷水泵總功率與冷水泵轉速的關系，線性回歸參數方程為

三、可控變量的最優控制策略

中央空調系統常用模塊化控制策略如果同時兼顧系統節能目標，但有可能找不到面向實際中央空調的空調節能控制的新途徑。本文采用遺傳算法結合前面得出的函數求得全局次優解。本模型在中央空調模型的基礎上以實現系統總耗電量最低為目標，構建中央空調系統模型，建立中央空調系統優化所需的目標函數，并對目標函數進行去約束化處理，從而達到對目標函數可以求解的目標。

3.1 參數優化模型

3.1.1 數學描述

3.2遺傳算法求解參數

人工智能中現代優化算法是一種啟發式的優化算法，主要是對組合優化問題尋找全局最優解。文中研究的中央空調系統模型中間用到了高斯混合模型進行聚類，故采用普通的優化算法可能會陷入僵局，無法找到全局最優解，而遺傳算法具有強大的全局搜索能力，故本文采用遺傳算法對中央空調系統進行參數優化的目標函數進行求解。

本模型求解問題時，初始解設為題目提供數據中的解。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異常，這一部分異常也可以在日后的研究中進行修正。

四、結論

本文對中央空調系統進行分析后，結合題目所給數據，分別建立了基于遺傳算法的中央空調最優控制模型，得到最優的參數，使得系統耗電量和系統效率降低，提供系統效能，并通過預測對比，得到了較好的效果。本模型具有以下優點：1.模型通過機器學習中的高斯混合模型對數據進行聚類，聚類效果較好，聚類之后可以產生良好的線性擬合效果。2.基于遺傳算法求解最優化模型，可以實現全局搜索而且速度較快，作為一種有信息的搜索，避免了不必要的運算。

參 考 文 獻

[1]趙廷法，王瑞華，王普.VAV中央空調能耗建模與仿真研究，計算機仿真[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.空調機組節能優化控制策略研究[D].北京：北京林業大學，2013：40-44.endprint