基于多目标优化的公共负荷自适应调控优化方法及设备与流程

摘要: 本发明涉及数据处理,具体涉及一种基于多目标优化的公共负荷自适应调控优化方法及设备。背景技术:1、商场、写字楼、医院等公共建筑的室内公共空间普遍配置空调与照明负荷...
基于多目标优化的公共负荷自适应调控优化方法及设备与流程

本发明涉及数据处理,具体涉及一种基于多目标优化的公共负荷自适应调控优化方法及设备。

背景技术:

1、商场、写字楼、医院等公共建筑的室内公共空间普遍配置空调与照明负荷系统,通常是需要兼顾人员舒适体验与建筑节能需求。现有公共负荷调控方法多采用固定参数设定或静态预设规则调控模式,难以适配动态场景变化。

2、这种方法存在以下问题,一方面,不同公共区域在人员行为模式和环境调控需求上存在本质差异,比如中庭、休息区等供人员停留的区域,人员逗留时间较长,需要兼顾温度舒适度和用电成本,而走廊、通道等供人员通行的区域,人员通常仅快速通过,对环境温度不敏感,主要需要控制照明能耗,而现有通常对所有区域采用统一的调控策略,难以适应不同区域的差异化;另一方面,人员停留的区域,空调调控存在舒适性与经济性目标冲突问题,易出现舒适体验不足或能耗浪费的情况,工况适配性差;再一方面,通行的区域,若是仅单一优化调光功率或调光率,会导致照明能耗调控效果受限,难以满足高精度调控需求。

技术实现思路

1、为了解决现有公共负荷调控策略同质化严重,无法针对不同功能区域实现差异化精准调控的技术问题,本发明提供一种基于多目标优化的公共负荷自适应调控优化方法及设备,所采用的技术方案具体如下:

2、本发明提出了一种基于多目标优化的公共负荷自适应调控优化方法,方法包括:

3、将公共空间划分为多个公共区域,并根据公共区域的功能属性分为第一类区域和第二类区域;

4、在每个调控周期的起始时刻,分别采集各公共区域在起始时刻的环境状态数据及人员状态数据;

5、根据各公共区域的类型,分别建立对应的多目标优化模型;其中,针对第一类区域,根据人员状态数据确定人流密度,及根据环境状态数据确定温度偏差度,根据人流密度和温度偏差度计算得到倾向度,并根据倾向度对第一类区域的经济性目标和舒适性目标进行平衡,得到综合优化指标,建立第一类区域以综合优化指标最小化为优化目标的模型;针对第二类区域,根据人员状态数据确定触发频率,以照明调光率和熄灯延迟时间作为决策变量,根据触发频率、照明调光率以及熄灯延迟时间建立第二类区域以照明累计能耗最小化为优化目标的模型;

6、采用粒子群算法对各公共区域分别求解多目标优化模型,输出各公共区域的每个调控周期的最优设定值;

7、将最优设定值下发至对应区域的调控对象。

8、进一步地,所述第一类区域为供人员停留的区域,所述第二类区域为供人员通行的区域;所述第一类区域的调控对象为空调设备,所述第二类区域的调控对象为照明设备。

9、进一步地,所述在每个调控周期的起始时刻,分别采集各公共区域的环境状态数据及人员状态数据,包括:

10、针对第一类区域,采集起始时刻的室内温度,记为第一类区域的环境状态数据;采集起始时刻的人员分布信息,记为第一类区域的人员状态数据;

11、针对第二类区域,采集在起始时刻的室内照度,记为第二类区域的环境状态数据;采集在起始时刻之前预设时段内的声控触发次数,记为第二类区域的人员状态数据。

12、进一步地,所述倾向度得到过程,包括:

13、针对第一类区域,提取人员分布信息中包含的第一类区域的人数;统计得到第一类区域的面积;提取预设适应温度区间的中值以及允许偏差范围;

14、将人数除以第一类区域的面积,得到第一类区域的人流密度;

15、计算室内温度与中值的绝对差值,作为适宜温差值;将适宜温差值除以允许偏差范围,得到第一类区域的温度偏差度;提取第一类区域的预设最大人流密度,将人流密度除以预设最大人流密度,得到归一化人流密度;

16、计算归一化人流密度与温度偏差度的乘积,作为第一乘积值;计算数值1与第一乘积值之和,作为第一和值;将第一乘积值除以第一和值,得到第一类区域的倾向度。

17、进一步地,所述根据倾向度对第一类区域的经济性目标和舒适性目标进行平衡,得到综合优化指标,建立第一类区域以综合优化指标最小化为优化目标的模型,包括:

18、针对各个第一类区域,获取第一类区域的空调额定功率、在起始时刻的室外温度、预设空调最低可设温度以及在起始时刻的电价;以第一类区域的空调设定温度作为决策变量;其中,空调设定温度的不同取值用于反映第一类区域的不同调控方案;

19、计算室外温度与空调设定温度之间的绝对差值,作为室内外温差值;计算室外温度与预设空调最低可设温度之间的绝对差值,作为温差可调值;将室内外温差值除以温差可调值,得到空调设定温度对应的负荷率,再乘以空调额定功率,得到空调设定温度对应的能耗功率;将能耗功率乘以电价,得到第一类区域的经济性目标;计算空调设定温度与预设适应温度区间中值的绝对差值,作为第一类区域的舒适性目标;

20、根据各第一类区域的空调额定功率上限和预设空调最低可设温度,预先计算各第一类区域在极限工况下的理论最大经济性目标,取其中最大值作为第一基准值;将预设适应温度区间的允许偏差范围作为第二基准值;将第一类区域的经济性目标除以第一基准值,得到归一化经济性目标;将第一类区域的舒适性目标除以第二基准值,得到归一化舒适性目标;

21、计算数值1与倾向度的差值,作为归一化经济性目标对应的第一权重;将倾向度作为归一化舒适性目标对应的第二权重;基于第一权重和第二权重,对归一化经济性目标和归一化舒适性目标进行加权求和,得到第一类区域的综合优化指标;

22、将第一类区域的综合优化指标的最小化作为优化目标,建立第一类区域的多目标优化模型。

23、进一步地,所述触发频率确定过程,包括:

24、获取预设时段对应的时长;

25、将声控触发次数除以时长,得到第二类区域的触发频率。

26、进一步地,所述以照明调光率和熄灯延迟时间作为决策变量,根据触发频率、照明调光率以及熄灯延迟时间建立第二类区域以照明累计能耗最小化为优化目标的模型,包括:

27、针对各个第二类区域,获取第二类区域中调控对象的额定功率;以第二类区域的照明调光率和熄灯延迟时间作为决策变量;其中,照明调光率和熄灯延迟时间各自的不同取值用于反映第二类区域的不同调控方案;

28、将熄灯延迟时间进行单位转换,得到每次触发对应的点亮时长;计算照明调光率与额定功率的乘积,作为第二类区域在触发点亮状态下的实际功率;

29、计算触发频率与点亮时长的乘积,作为第二类区域的总点亮时长;计算总点亮时长与实际功率的乘积,作为第二类区域的照明累计能耗;

30、以照明累计能耗的最小化作为优化目标,建立第二类区域的多目标优化模型。

31、进一步地,所述采用粒子群算法对各公共区域分别求解多目标优化模型,输出各公共区域的每个调控周期的最优设定值,包括:

32、针对在每个调控周期下的各个公共区域,执行迭代搜索过程,直至满足预设迭代结束条件;

33、其中,迭代搜索过程包含:为该公共区域生成一组粒子,每个粒子包含该公共区域的一组决策变量的候选值;其中,若该公共区域为第一类区域,决策变量为空调设定温度,则每个粒子包含一个空调设定温度的候选值;若该公共区域为第二类区域,决策变量为照明调光率和熄灯延迟时间,每个粒子包含一个照明调光率的候选值和一个熄灯延迟时间的候选值;

34、计算每个粒子对应的适应度;根据各粒子的适应度,迭代更新各粒子的位置,直至满足预设迭代结束条件;

35、将迭代结束时适应度最小的粒子所对应的决策变量的候选值,作为该公共区域在当前调控周期的最优设定值。

36、进一步地,所述计算每个粒子对应的适应度,包括:

37、若该公共区域为第一类区域,决策变量为空调设定温度,粒子的适应度为第一类区域的综合优化指标,最优设定值为空调设定温度;

38、若该公共区域为第二类区域,决策变量为照明调光率和熄灯延迟时间,粒子的适应度为第二类区域的照明累计能耗,最优设定值为照明调光率和熄灯延迟时间。

39、一种基于多目标优化的公共负荷自适应调控优化设备,所述设备包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现一种基于多目标优化的公共负荷自适应调控优化方法的步骤。

40、本发明具有如下有益效果:

41、本发明根据功能属性将公共区域划分为第一类区域和第二类区域,并针对不同类型的区域分别建立多目标优化模型,实现了差异化的公共负荷调控,以便于能够根据各区域的实际使用需求进行精细化调控,提高了调控策略与实际需求的匹配度;针对第一类区域,结合实时人流密度、温度偏差度计算调控倾向度,通过倾向度动态平衡经济性目标与舒适性目标,以综合优化指标最小化为目标建模,避免单一目标调控导致的舒适度不足或能耗浪费问题,适配人员动态变化场景;针对第二类区域,结合人员使用触发频率,以照明调光率、熄灯延迟时间为决策变量,构建照明累计能耗最小化优化模型,贴合公共区域照明使用规律,实现照明负荷的精准节能调控。