第42卷第23期山 西建筑Vol.42No.23
2 0 1 6 年 8 月SHANXI ARCHITECTURE Aug.2016 •121 ••水•暖•电•
文章编号：1009-6825 (2016)23-0121 -02
朱婵
(四川建筑职业技术学院，四川德阳618000)
摘要：介绍了遗传算法、模拟退火算法和粒子算法三种常用的中央空调控制策略优化算法，阐述了不同算法的原理和研究进 展，并比较了不同算法的适用方向及性能特征，提出了中央空调系统优化算法的进一步研究方向。雷击次数
关键词：中央空调系统，遗传算法，模拟退火算法，粒子算法
中图分类号:TU831.3 文献标识码:A
〇引言
现代社会空调能耗占建筑总能耗的一半以上，降低空调能耗 是建筑节能的重要途径之一。空调设备在制造和设计时为应付 各种极端情况，都是按照满负荷状态设计。然而在普通环境下，
空调在90%时间内都处于部分负荷运转，其中，50%的时间其负 荷仅为设计负荷的一半。因此，按需调整空调的设置能够大幅度
降低能耗。针对这一特性，在20世纪50年代研究者就开始着手 研究中央空调系统的优化控制。早期研究者利用手动和气动装 置调节空调设定，使得空调在满足用户需求的同时降低能耗，在 20世纪60年代之后，随着计算机技术的发展，研究者将计算机技 术和空调技术结合起来，利用计算机仿真对中央空调系统进行建 模和参数识别，再通过优化算法进行全局搜索，最终出总能耗 最低的参数搭配，从而确定中央空调的最优控制方案。本文将介 绍几类常见的优化控制算法，并对控制策略的应用方向和性能差 异进行比较。
1常见的中央空调控制策略优化算法
目前，用于优化中央空调系统控制策略的智能算法，主要包 括遗传算法、模拟退火算法和粒子算法等，本节就这些算法的 原理、研究进展和性能做详细阐述。滤油机滤布
1.1 基于遗传算法的中央空调优化控制策略
遗传算法是一类模拟生物进化过程的自适应全局优化算法。该算法由选择算子、交叉算子和变异算子构成，其中选择算子模 拟了 “适者生存”的自然法则，根据适应度函数对种中的个体进 行“优胜劣汰”；交叉算子模拟自然界的交配行为，通过融合不同 个体的基因创造新的个体；变异算子则按照较低的变异概率创造 新个体，在种陷入早熟时，出新的进化方向。遗传算法在非 线性、多目标的优化问题中体现出了效率高、全局化、准确率高等
多项优点，这些特性也适用于中央空调的优化控制。1996年由 Wright,J.A.等人首次提出利用遗传算法解决空调系统的参数优
化问题[1] ;1997年香港大学的Huang等人将遗传算法用于优化空 调系统的PID控制器，使得控制器的响应和设置速度加快[2]; 2002年朱瑞琪等人结合制冷系统的动态仿真技术和遗传算法，提 出了过热度模糊控制器的优化设计方法，利用仿真技术可以缩短 模糊控制器的设计周期并节省优化所需的费用[3] ;2004年Nassif 等人在针对中央空调的优化控制策略的研究中，以能耗和人体舒 适度为目标函数，利用遗传算法进行优化获得了显著的节能效果，后期Nassif还将神经网络技术与遗传算法结合起来对空调系 统进行优化，并将推算出的控制策略应用于真实的空调系统中，实验显示该优化策略可降低系统11%的能耗[4’5]；近几年，研究者 继续深入遗传算法在空调控制策略方面的研究，并提出了多种混 合遗传算法。如杨助喜等人提出的基于蜜蜂进化型遗传算法的 中央空调系统优化控制策略[6]、凌飞等人提出的基于改进型遗传 算法的中央空调能效优化策略，该策略在遗传算法的基础上引入 了种间竞争，
使得算法的收敛性更好、全局搜索的效率更高[7]。1.2基于模拟退火算法的中央空调优化控制策略
模拟退火算法是一类模拟固体退火过程的优化搜索算法。该算法的核心思想是：当固体温度处于高点时，其内部分子将在 晶体格内自由移动，随着温度下降，分子的自由度也将随之下降，直到各分子都处于一个相对稳定的状态为止。因此，算法将以温 度参数作为参考，在温度高时随机出一个点作为优化对象，并 评估其最终的优化效果；此外，为避免陷入局部优化，算法将以一 定的比例接收其他点作为可能解进行评估，可能解的接收比例与 温度的高低正相关。研究证明，模拟退火算法在解决组合优化问 题方面具备较高的准确率和效率。
2006年Chang尝试将退火模拟算法应用于空调冷水机组的 控制策略中，并获得了良好的优化效果[8] ;2008年陈文凭等人提 出了基于冷水机组性能曲线的中央空调水系统优化控制策略，该 策略通过研究冷水机组中各设备不同时期的运行状态数据，建立 与指定参数之间的曲线关系，从而建立系统的能耗模型，再通过 退火模拟算法的优化从中出基于全局的优化控制策略，实验证 明利用该优化策略，在空调处于半负荷状态时可节能10% [9]。
之后范鹏飞等人将神经网络、PID控制器和退火模拟算法结 合起来，用于优化变风量空调系统的温度控制策略，模拟退火算 法与神经网络的结合增强了系统的学习能力，加快了优化速度，从而提高了系统的控制性能[W]。
1.3基于粒子算法的中央空调优化策略
粒子算法(PSO算法)是一种基于种智能的优化算法，于 1995年由美国心理学家James Kennedy和电气工程师Russell Eberhart提出。该算法的核心思想源自于模拟生物体觅食行为 的研究，假设一鸟来到一片只有一块食物的区域，那么快速 到该食物的最优策略就是搜索离食物最近的鸟的周围区域。在 算法中，将每只鸟的位置看作是一个可能解（即一个粒子），食物 所在位置为全局最优解。依据目标函数计算出当前位置的适应 值，每个粒子按一定飞行速度向最优解靠拢，则最终搜索到全局 最优。粒子算法具备概念简单、控制参数少、易于实现、具有一 定并行性等特点，同样适用于空调系统的优化控制策略研究。
收稿日期=2016-06-09 ★：四川省德阳市科技支撑资助项目（项目编号:2015zz040)作者简介：朱婵（1984-)，女，讲师
第42卷第23期
•122 • 2 0 1 6 年 8 月
山西建筑
2010年马少华等人提出利用改进的粒子算法为变风量空调系 统设计一种用于温度和风量控制的P I
D控制器，与常规的P I D控 制方法相比较，纳入粒子算法后系统能够高效的自动完成最优 控制，实验数据证明系统调节时间缩短为常规方法的50%，超调 量减少了 70%[11]。2012年邹木春等人利用最小二乘支持向量机 构造H V A C系统的仿真预测模型，通过粒子算法的滚动优化搜 索出系统的最优控制策略，并获得了良好的控制效果[12]。
2算法比较
三类算法均适宜于解决大规模、非线性系统的优化问题。但 算法本身的特点决定了其应用的方向和效果有所差异。从前文 的介绍中可以看出，遗传算法多用于解决中央空调的全局策略控 制问题，其全局的空间搜索能力和具有一定并行性的搜索方式，能够帮助系统快速出适宜于当前环境的最佳参数设定，从而达 到既满足用户舒适度要求又降低能耗的目标。实验数据表明将 遗传算法引入到冷水机组的控制策略中后，系统的总体能耗可降 低18.2%[13]；模拟退火算法同样被用于冷水机组的优化控制策 略中，实验数据显示，在优化控制下冷水机组在不同负荷率下其 节能效果存在差异，高负荷下其节能效果不明显，当负荷降低特 别是在半负荷状态下，其能耗可降低10% [9]；由于单独使用模拟 退火算法优化中央空调的控制策略其结果并不理想。因此，研究 者将两者结合起来形成混合遗传模拟退火算法，该算法在遗传算 法的基础上利用退火操作加入扰动因子，可有效防止种陷入局 部最优从而使算法的性能得到进一步提高，实验表明利用混合遗 传模拟退火算法可将冷水机组的能耗降低21. 61%[13]；粒子算 法是一类新型的优化算法，目前在中央空调的优化控制领域的应 用不如前两
类算法广泛，现阶段大多数研究仅将其应用于优化空 调的P I D控制器。实验证明利用改进型粒子算法优化P I D控 制器，可使得控制灵敏度增高，稳定性增强，且误差率极低[14]。从 中可以看出粒子算法具备全局搜索能力强、优化效率高等特 点，适宜于进一步扩大其应用范围。研究证明三类算法在性能方 面存在差异，遗传算法的搜索效率高，自适应能力强，但容易陷入 早熟，在全局搜索方面的能力偏弱；模拟退火算法存在收敛速度 慢，效率低等缺点，但在全局搜索方面可弥补遗传算法的缺陷；粒 子算法则容易出现种多样性低导致算法陷入局部最优解的 问题，在改进的粒子算法中，研究者通过增加权重和随机初始化 等策略帮助算法进行全局搜索。同样，为增强算法的搜索能力，将多种算法结合起来，取长补短形成新的混合算法也是一条解决 之道。
3结语
本文介绍了三类用于中央空调优化控制策略的自适应搜索 算法，实验证明利用优化算法对空调控制策略的改进，能够大幅度降低空调能耗。但由于不同算法自身的局限性，单独使用一种
算法来实现优化，其效果并不理想。因此结合多种算法的优点，设计混合算法是未来的发展方向。
参考文献：
[1]Wright,J. A. H V A C optimisation studies：Sizing by genetic algo
rithm [J ].Building Services Engineering Research and Technol
ogy ,1996,17( 1) ：7-14.
[2] W. Huang,H. N. Lam. Using genetic algorithms t o optimize con
t r o l l e r parameters f o r H V A C systems [J ]. Energy and Build
ings, 1997 ,26(3) ：277-282.
[3]朱瑞琪，唐承志，阚怡松，等.运用遗传算法对制冷蒸发器过
热度控制的优化方法[J].西安交通大学学报，2002,36(1):
4-7.
[4] Nabil Nassif,k ajl S, Sabourin R. Evolutionary Algorithms f o r
multi-Objective Optimization in H V A C System Control Strategy
[A].Annual Conference of the North American Fuzzy Informa
tion Processing Society NAFIPS[ G].2004 ：51-56.
[5 ]Nabil Nassif. Modeling and optimization of H V A C systems using
a r t i f i c i a l neural network and genetic algorithm [J ]. Building
Simulation,2014,7(3) ：237-245.
[6]杨助喜，岳献芳，王立.基于蜜蜂进化型遗传算法的中央高效除雾器
空调系统能耗优化研究[J].建筑科学，2011，27(6) :78-82. [7]凌飞.基于传热模型的中央空调系统综合能效优化[D].
杭州：浙江大学硕士学位论文，2012.
[8] Yung-Ghung Chang. An innovative approach f o r demand side
management-optimal ch i l l e r loading by simulated annealing
[J ].Energy,2006,31(12)：1883-1896.
[9]陈文凭，杨昌智，余院生.基于冷水机组性能曲线的中央空
调水系统优化控制[J].流体机械，2006，31 (12) :73-78.
[10]范鹏飞，凌有铸.模拟退火算法改进的B P神经网络P I D控
制器在变风量空调系统中的应用研究[J].工业控制计算
机，2014,27(2) :71-73.
假牙生产
[11]马少华，毛宗磊，马强，等.基于改进的粒子P I D控制
在变风量系统中的应用[J].沈阳建筑大学学报（自然科学
版），2010,26(3) :592-598.
[12] 邹木春，龙文.基于P S0算法的H V A C系统L S S V M预测
控制[J].中南大学学报（自然科学版），2012,43(7):2642-
2647.
[13]马强.混合遗传模拟退火算法在中央空调水系统优化中
的应用研究[D].杭州：浙江大学硕士学位论文，2012.
[14]唐鑫.中央空调冷冻水系统一种智能控制方式的研究
[D].重庆：重庆大学硕士学位论文，2009.
On research progress of optimal
control algorithm of central air-conditioning system^
Zhu Chan
(Sichuan College of Architectural Technology,Deyang61S000,China)
Abstract ： The paper points out the three common controlling s t r a t e g i e s of the central air-conditioner, including the genetic algorithm, simulated annealing, and p article swarm optimization, points out the optimal algorithm, i l l u s t r a t e s the algorithm principle and research progress, and com铝铁合金
pares t heir applied methods and performance features respectively, so as t o enhance the further study on the algorithms.
母线夹
Key words：central air-conditioner system, genetic algorithm, simulated annealing, p article swarm optimization
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议