文章針對(duì)集中式控制架構(gòu)在暖通空調(diào)方面應(yīng)用存在的問題,提出了1種基于分散控制結(jié)構(gòu)的分布式多目標(biāo)差分進(jìn)化改進(jìn)的粒子群（D-MOPSODE,Decentralized Multi-objective Particle Swarm Optimization Improved by Differential Evolution）優(yōu)化算法,以冰蓄冷空調(diào)系統(tǒng)能耗、運(yùn)行費(fèi)用和能耗損失為目標(biāo),求解冷機(jī)逐時(shí)部分負(fù)荷率和冰槽供冷比例。提高冷機(jī)運(yùn)行效率科學(xué)規(guī)劃蓄冰量和冷機(jī)-冰槽負(fù)荷分配,達(dá)到冰蓄冷空調(diào)系統(tǒng)經(jīng)濟(jì)節(jié)能的運(yùn)行效益。西安某大型商場(chǎng)為實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)例驗(yàn)證,結(jié)果表明文章提出的D-MOPSODE算法是1種高效的分布式優(yōu)化算法,在冰蓄冷空調(diào)系統(tǒng)負(fù)荷分配問題的求解中能夠取得顯著的節(jié)能效果。相比于傳統(tǒng)控制策略和PSO算法,D-MOPSODE算法具有收斂性好,穩(wěn)定性高,魯棒性強(qiáng)、求解精度高等優(yōu)點(diǎn)。 

【文章來源】：建筑科學(xué). 2020,36(08)北大核心CSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

冰蓄冷空調(diào)系統(tǒng)無中心分散控制結(jié)構(gòu)

設(shè)備通信網(wǎng)絡(luò)拓?fù)?br>

冷機(jī)CPN下載D-MOPSODE算法完成優(yōu)化策略。在獨(dú)立計(jì)算單元中，2個(gè)子群分別搜索信息，每1次迭代完成后合并2個(gè)子群，依據(jù)支配關(guān)系和擁擠距離度更新外部儲(chǔ)備集，更新全局引導(dǎo)者和個(gè)體引導(dǎo)者。多個(gè)CPN網(wǎng)絡(luò)中，由1個(gè)CPN發(fā)起優(yōu)化調(diào)節(jié)任務(wù)，相鄰CPN收到任務(wù)完成自組織自協(xié)調(diào)的優(yōu)化策略。按照通信周期，CPN向鄰居節(jié)點(diǎn)發(fā)送種群信息和外部儲(chǔ)備集信息，CPN通過自身優(yōu)化結(jié)果和鄰居節(jié)點(diǎn)優(yōu)化結(jié)果的比較，將表現(xiàn)較優(yōu)的種群信息復(fù)制到自身節(jié)點(diǎn)，作為下一次進(jìn)化依據(jù)，并將較優(yōu)的結(jié)果繼續(xù)發(fā)送到毗鄰CPN。重復(fù)上述步驟至達(dá)到求解要求，D-MOPSODE算法流程圖見圖3,CPNs協(xié)調(diào)優(yōu)化見圖4。4 案例研究

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群算法的冰蓄冷空調(diào)系統(tǒng)運(yùn)行優(yōu)化研究[J]. 于軍琪,王胤鈞,陳旭,趙安軍,嚴(yán)龍山.  西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]冰蓄冷空調(diào)系統(tǒng)的多目標(biāo)優(yōu)化控制策略研究[J]. 王修巖,高沖,李宗帥.  計(jì)算機(jī)測(cè)量與控制. 2015(12)
[3]一種基于粒子群優(yōu)化算法和差分進(jìn)化算法的新型混合全局優(yōu)化算法[J]. 欒麗君,譚立靜,牛奔.  信息與控制. 2007(06)

碩士論文
[1]基于層次化指標(biāo)體系的制冷站診斷方法研究[D]. 馮一鳴.清華大學(xué) 2013



本文編號(hào)：3297141