基于遗传算法的碳纤维电供暖楼宇优化温控方法及装置与流程

1.本技术涉及碳纤维电供暖技术领域，具体涉及一种基于遗传算法的碳纤维电供暖楼宇优化温控方法及装置。

背景技术：

2.碳纤维电供暖温控系统可以对已铺设的各楼宇进行温度控制，从而达到能耗与温度平衡的目的。但由于各类因素，例如有些楼栋内相对封闭保温性强，而有的楼栋内办公人员较少无需过多供暖等情况，在一定程度上存在组合优化供暖的需要。遗传算法是模拟生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，对于复杂的组合优化问题能够获得较好的优化结果，所以如何在保证整体园区供暖的前提下，通过遗传算法改进碳纤维电供暖设备的能耗，并根据实际场景对各楼宇进行能耗组合优化达到合理温控，从而降低非必要能耗成为了本领域技术人员亟待解决的问题。

技术实现要素：

3.为此，本技术提供一种基于遗传算法的碳纤维电供暖楼宇优化温控方法及装置，以解决现有技术存在的如何根据实际场景对各楼宇进行能耗组合优化达到合理温控，从而降低非必要能耗的问题。
4.为了实现上述目的，本技术提供如下技术方案：
5.第一方面，一种基于遗传算法的碳纤维电供暖楼宇优化温控方法，包括：
6.将整个楼宇区域划分为n个房间，房间总量n形成种规模，每个房间分别代表染体s1.....sn；
7.用五位二进制数编码染体；
8.根据第一公式计算各代种中的各个体的适应度，并对其染体进行遗传操作；
9.所述第一公式为：f(sn)＝[t(平)+t(谷)]*[p(平)+p(谷)]，其中，t(平)为平电供热总时长，t(谷)为谷电供热总时长，p(平)为平电单位时间单位面积平均能耗，p(谷)为谷电单位时间单位面积平均能耗；
[0010]
计算种中各个体的选择概率；
[0011]
计算累计概率；
[0012]
在[0，1]曲线上随机生成n个概率rn，并与累计概率进行比对；
[0013]
若rn≤累计概率，则染体si被选中；
[0014]
将被选中的染体进行交叉操作和变异操作；
[0015]
在迭代次数中当产生的曲线达到最高时，则第一公式中的t(平)+t(谷)为最优解。
[0016]
作为优选，所述种规模n的取值范围为：0《n《12。
[0017]
作为优选，所述计算累计概率时采用选择法对选择概率进行选择。
[0018]
作为优选，所述交叉操作具体为：将被选中的染体两两匹配后进行位运算后得到新的染体。
[0019]
作为优选，所述变异操作时变异率bp＝0.001。
[0020]
作为优选，所述变异操作采用基本变异方法，最后一位取反。
[0021]
作为优选，所述迭代次数为500次。
[0022]
第二方面，一种基于遗传算法的碳纤维电供暖楼宇优化温控装置，包括：
[0023]
种生成模块，用于将整个楼宇区域划分为n个房间，房间总量n形成种规模，每个房间分别代表染体s1.....sn；
[0024]
编码模块，用于将每个染体编码成五位二进制数；
[0025]
适应度计算模块，用于根据第一公式计算各代种中的各个体的适应度，并对其染体进行遗传操作；
[0026]
所述第一公式为：f(sn)＝[t(平)+t(谷)]*[p(平)+p(谷)]，其中，t(平)为平电供热总时长，t(谷)为谷电供热总时长，p(平)为平电单位时间单位面积平均能耗，p(谷)为谷电单位时间单位面积平均能耗；
[0027]
选择概率计算模块，用于计算种中各个体的选择概率；
[0028]
累计概率计算模块，用于计算累计概率；
[0029]
选择模块，用于在[0，1]曲线上随机生成n个概率rn，并与累计概率进行比对；
[0030]
若rn≤累计概率，则染体si被选中；
[0031]
交叉模块，用于将被选中的染体进行交叉操作；
[0032]
变异模块，用于进行变异操作，在迭代次数中当产生的曲线达到最高时，则第一公式中的t(平)+t(谷)为最优解。
[0033]
第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于遗传算法的碳纤维电供暖楼宇优化温控方法的步骤。
[0034]
第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于遗传算法的碳纤维电供暖楼宇优化温控方法的步骤。
[0035]
相比现有技术，本技术至少具有以下有益效果：
[0036]
本技术提供了一种基于遗传算法的碳纤维电供暖楼宇优化温控方法及装置，通过将楼宇区域划分为n个房间，房间总量n形成种规模，每个房间分别代表一个染体，用五位二进制数编码染体并计算各代种中的各个体的适应度，并对其染体进行遗传操作，到楼宇组合供暖的最优条件，通过对区域的划分和平谷电的合理使用，不仅能够保障区域正常供暖，而且能够节约能源，同时为运营企业带来一定的经济效益和降低成本输出。
附图说明
[0037]
为了更直观地说明现有技术以及本技术，下面给出几个示例性的附图。应当理解，附图中所示的具体形状、构造，通常不应视为实现本技术时的限定条件；例如，本领域技术人员基于本技术揭示的技术构思和示例性的附图，有能力对某些单元(部件)的增/减/归属划分、具体形状、位置关系、连接方式、尺寸比例关系等容易作出常规的调整或进一步的优化。
[0038]
图1为遗传算法流程图；
[0039]
图2为本技术提供的基于遗传算法的碳纤维电供暖楼宇优化温控方法流程图；
[0040]
图3为本技术提供的寻最优解示意图。
具体实施方式
[0041]
以下结合附图，通过具体实施例对本技术作进一步详述。
[0042]
在本技术的描述中：除非另有说明，“多个”的含义是两个或两个以上。本技术中的术语“第一”、“第二”、“第三”等旨在区别指代的对象，而不具有技术内涵方面的特别意义(例如，不应理解为对重要程度或次序等的强调)。“包括”、“包含”、“具有”等表述方式，同时还意味着“不限于”(某些单元、部件、材料、步骤等)。
[0043]
本技术中所引用的如“上”、“下”、“左”、“右”、“中间”等的用语，通常是为了便于对照附图直观理解，而并非对实际产品中位置关系的绝对限定。在未脱离本技术揭示的技术构思的情况下，这些相对位置关系的改变，当亦视为本技术表述的范畴。
[0044]
实施例1：
[0045]
为了保证遗传算法能够与碳纤维电供暖温控系统结合起来并实现办公楼宇进行组合最优化温控管理，需要分析总能耗，具体为：
[0046]
s1：划分楼宇区域；
[0047]
具体的，为了合理保障供暖环境，需要按类别区分供暖状态，将办公集中区且需要保障供暖区域设为a1，将设备间、卫生间、食堂等公共区域设为a2。
[0048]
s2：确定每个区域的保温参数；
[0049]
具体的，保温参数α取值范围是(0-1)，保温层等保温区越厚值越大；本技术中，保温参数α的取值主要按照年份来划分：
[0050]
α《2000年取值0.1；
[0051]
2000《α《2010取值0.3；
[0052]
2010《α《2015取值0.5；
[0053]
2015《α《2020取值0.8；
[0054]
s3：确定合理能耗，得出能耗计算公式；
[0055]
a1区域内的总能耗为：p(a1)＝α
a1
(t*p*sizea1)
[0056]
其中，t为供热总时长，p为单位时间单位面积平均能耗，sizea1表示a1面积；
[0057]
则总能耗为p＝p(a1)+p(a2)+.......+p(an)
[0058]
由于地区存在峰电、平电、谷电的情况，原则上避免使用峰电，减少使用平电，积极使用谷电，不仅节约能耗，同时减低供热运营成本，则t和p的计算公式为：
[0059]
t＝t(平)+t(谷)；p＝p(平)+p(谷)；
[0060]
则总能耗公式为：
[0061][0062]
现实情况中，首先控制p的总量以达到合理的经济效益，则需要求出t的时长，p与t的关系为p＝kt+λ，其中，k为设备放热系数，λ是放热常数，则更新总能耗公式为：
[0063][0064]
根据上述公式可以得到，t的解空间很大，通过ga遗传算法对t的解进行优化求解，
出最合适的t(平)和t(谷)组合，能够达到能耗最优。
[0065]
请参阅图1和图2，基于上述分析，本实施例提供一种基于遗传算法的碳纤维电供暖楼宇优化温控方法，包括：
[0066]
s101：设定种规模为n，0《n《12，则染体为：s1.....sn；
[0067]
具体的，本技术中房间总量为种规模，每个房间则视为染体s1.....sn。
[0068]
s102：用五位二进制数编码染体，例如5＝(00101)；
[0069]
具体的，则房间s1＝00000，房间s2＝00010，房间s3＝00011，以此类推。
[0070]
s103：定义适应度函数,取适应度函数：f(x)＝x*x；
[0071]
s104：根据式(1)计算各代种中的各个体的适应度,并对其染体进行遗传操作；
[0072]
f(sn)＝[t(平)+t(谷)]*[p(平)+p(谷)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0073]
s105：根据式(2)计算种中各个体的选择概率；
[0074][0075]
其中，p(si)为第i个染体的选择概率，也就是第i个房间被择优选择的概率；
[0076]
s106：使用选择法对选择概率进行选择，即染体i的累积选择公式为：
[0077][0078]
s107：选择操作，在[0，1]曲线随机生成n个概率rn，并与累积选择进行比对，若rn≤qi,则染体si被选中，这里n的个数与房间数一致；
[0079]
s108：交叉操作，将被选中的染体两两匹配后进行位运算后得出新的染体；
[0080]
s109：变异操作，设变异率bp＝0.001，新的染体中共有k＝5
×n×
0.001位基因可以变异，5为二进制数编码的位数，当k》1执行本轮变异，否则跳过，变异采用基本变异方法，最后一位进行取反操作。
[0081]
请参阅图3，通过ga遗传算法，取迭代次数500次，在迭代次数中当产生曲线达到最高时，则认为该选择属于相对优化解，则函数：f(sn)＝[t(平)+t(谷)]*[p(平)+p(谷)]最优，由于p(平)+p(谷)固定，则t(平)+t(谷)为较优解。
[0082]
本技术能够在一定程度上到楼宇组合供暖的最优条件，通过对区域的划分和平谷电的合理使用，不仅能够保障区域正常供暖，而且能够节约能源，同时为运营企业带来一定的经济效益和降低成本输出，具有一定的可实现和可行性。
[0083]
实施例2：
[0084]
本实施例提供一种基于遗传算法的碳纤维电供暖楼宇优化温控装置，包括：
[0085]
种生成模块，用于将整个楼宇区域划分为n个房间，房间总量n形成种规模，每个房间分别代表染体s1.....sn；
[0086]
编码模块，用于将每个染体编码成五位二进制数；
[0087]
适应度计算模块，用于根据第一公式计算各代种中的各个体的适应度，并对其染体进行遗传操作；
[0088]
所述第一公式为：f(sn)＝[t(平)+t(谷)]*[p(平)+p(谷)]，其中，t(平)为平电供
热总时长，t(谷)为谷电供热总时长，p(平)为平电单位时间单位面积平均能耗，p(谷)为谷电单位时间单位面积平均能耗；
[0089]
选择概率计算模块，用于计算种中各个体的选择概率；
[0090]
累计概率计算模块，用于计算累计概率；
[0091]
选择模块，用于在[0，1]曲线上随机生成n个概率rn，并与累计概率进行比对；
[0092]
若rn≤累计概率，则染体si被选中；
[0093]
交叉模块，用于将被选中的染体进行交叉操作；
[0094]
变异模块，用于进行变异操作，在迭代次数中当产生的曲线达到最高时，则第一公式中的t(平)+t(谷)为最优解。
[0095]
关于基于遗传算法的碳纤维电供暖楼宇优化温控装置的具体限定可以参见上文中对于基于遗传算法的碳纤维电供暖楼宇优化温控方法的限定，在此不再赘述。
[0096]
实施例3：
[0097]
本实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于遗传算法的碳纤维电供暖楼宇优化温控方法的步骤。
[0098]
实施例4：
[0099]
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于遗传算法的碳纤维电供暖楼宇优化温控方法的步骤。
[0100]
以上实施例的各技术特征可以进行任意的组合(只要这些技术特征的组合不存在矛盾)，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述；这些未明确写出的实施例，也都应当认为是本说明书记载的范围。
[0101]
上文中通过一般性说明及具体实施例对本技术作了较为具体和详细的描述。应当理解，基于本技术的技术构思，还可以对这些具体实施例作出若干常规的调整或进一步的创新；但只要未脱离本技术的技术构思，这些常规的调整或进一步的创新得到的技术方案也同样落入本技术的权利要求保护范围。

技术特征：

1.一种基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，包括：将整个楼宇区域划分为n个房间，房间总量n形成种规模，每个房间分别代表染体s1.....s
n
；用五位二进制数编码染体；根据第一公式计算各代种中的各个体的适应度，并对其染体进行遗传操作；所述第一公式为：f(s
n
)＝[t(平)+t(谷)]*[p(平)+p(谷)]，其中，t(平)为平电供热总时长，t(谷)为谷电供热总时长，p(平)为平电单位时间单位面积平均能耗，p(谷)为谷电单位时间单位面积平均能耗；计算种中各个体的选择概率；计算累计概率；在[0，1]曲线上随机生成n个概率r
n
，并与累计概率进行比对；若r
n
≤累计概率，则染体s
i
被选中；将被选中的染体进行交叉操作和变异操作；在迭代次数中当产生的曲线达到最高时，则第一公式中的t(平)+t(谷)为最优解。2.根据权利要求1所述的基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，所述种规模n的取值范围为：0<n<12。3.根据权利要求1所述的基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，所述计算累计概率时采用选择法对选择概率进行选择。4.根据权利要求1所述的基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，所述交叉操作具体为：将被选中的染体两两匹配后进行位运算后得到新的染体。5.根据权利要求1所述的基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，所述变异操作时变异率bp＝0.001。6.根据权利要求1所述的基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，所述变异操作采用基本变异方法，最后一位取反。7.根据权利要求1所述的基于遗传算法的碳纤维电供暖楼宇优化温控方法，其特征在于，所述迭代次数为500次。8.一种基于遗传算法的碳纤维电供暖楼宇优化温控装置，其特征在于，包括：种生成模块，用于将整个楼宇区域划分为n个房间，房间总量n形成种规模，每个房间分别代表染体s1.....s
n
；编码模块，用于将每个染体编码成五位二进制数；适应度计算模块，用于根据第一公式计算各代种中的各个体的适应度，并对其染体进行遗传操作；所述第一公式为：f(s
n
)＝[t(平)+t(谷)]*[p(平)+p(谷)]，其中，t(平)为平电供热总时长，t(谷)为谷电供热总时长，p(平)为平电单位时间单位面积平均能耗，p(谷)为谷电单位时间单位面积平均能耗；选择概率计算模块，用于计算种中各个体的选择概率；累计概率计算模块，用于计算累计概率；选择模块，用于在[0，1]曲线上随机生成n个概率r
n
，并与累计概率进行比对；若r
n
≤累计概率，则染体s
i
被选中；
交叉模块，用于将被选中的染体进行交叉操作；变异模块，用于进行变异操作，在迭代次数中当产生的曲线达到最高时，则第一公式中的t(平)+t(谷)为最优解。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法步骤。

技术总结

本申请公开了一种基于遗传算法的碳纤维电供暖楼宇优化温控方法及装置，通过将楼宇区域划分为N个房间，房间总量N形成种规模，每个房间分别代表一个染体，用五位二进制数编码染体并计算各代种中的各个体的适应度，并对其染体进行遗传操作，到楼宇组合供暖的最优条件，通过对区域的划分和平谷电的合理使用，不仅能够保障区域正常供暖，而且能够节约能源，同时为运营企业带来一定的经济效益和降低成本输出。降低成本输出。降低成本输出。