一种多冷水机组联合运行的海水冷却系统节能群控方法与流程
本发明一种多台冷水机组联合运行的海水冷却系统节能群控方法，属于智能船用海水冷却方法技术领域。
背景技术：
作为船舶最常见的集中冷却形式，间冷式氟利昂冷水机组分别与海水及淡水进行热交换来降低舱内温度，见图1。但由于舱室内的冷负荷波动很大，单台冷水机组的配置(机组按最大冷负荷选型)在系统负荷偏离设计值过大(低制冷工况)时，冷却系统处于低效率运行。因此，针对高负荷工况、低负荷工况进行双冷水机组配置，使得系统在大部分工况下都具有较高运行效率是目前船舶海水冷却系统的发展方向，见图2。以往的多机组控制策略多采用以冷负荷来控制冷水机组的起停，一般负荷需求接近一台机组满功率冷量输出时才考虑加载新的机组。但是单台冷水机组的最佳性能指数一般不出现在满负荷时，因此存在着多机组分摊负荷需求较单机组独立承担更省电的节能空间。
1984年，r.j.hankner，etal.在其“hvacsystemdynamicsandenergyuseinbuildings-parti”的研究中提出采用等平均的方法控制冷水机组的出力，即单台冷水机组出力等于总的冷负荷需求乘以负荷率，负荷率是指每台冷水机组的容量与各台容量总和的商，该控制策略简单易行，但不能达到能效最优。
2004年，y.yao，etal.在其“optimaloperationofalargecoolingsystembasedonanempiricalmodel”的研究中，综合考虑了冷冻水泵的变频节能运行，提出以系统性能指数(scop)值最大化为控制目标，从而得出冷水机组的最优控制策略。但是该策略决策过程复杂，采用的二次规划方法在低负荷工况下不易收敛。
2008年，杨通清等在其“基于冷水机组优化控制的节能控制策略”的研究中通过多机组加载试验，探索了多台冷水机组在不同需求工况下基于单机cop最优的加载点，但是并未明确表述冷却系统是否达到整体用能最优。
现有发明(200810182566.5)船用中央空调制冷装置提出了一种船用中央空调制冷装置，其目的在于提供之中制冷性能稳定、抗腐蚀的船用中央空调制冷装置，并未涉及如何优化系统能效。
现有发明(201210125509.x)一种中央空调冷冻机组群控方法提出通过热量控制这一对冷水机组群控的算法，有效使冷水机组运行在更加经济节能的状态下，达到延长设备寿命和降低能耗的目的。其算法中并未明确冷水机组开启台数的划分条件，即总设计负荷0％、20％、38％、55％、70％，由何种方式确定。因此，如此划分可以使得冷水机组运行在更加经济节能的状态的说法缺乏依据。
现有发明(201510819296.4)一种基于全局关联优化的机房群控装置及其控制方法提出了一种基于全局关联优化的机房群控装置，包括中央群控装置、水泵控制装置、冷却塔控制装置、冷水机组通讯装置和空气处理机组控制装置；所述水泵控制装置、冷却塔控制装置、冷水机组通讯装置和空气处理机组控制装置均与中央群控装置连接；所述中央群控装置内置工业计算机、工业交换机和中央处理器；所述水泵控制装置内置第一控制器和第一智能电表；所述冷却塔控制装置内置第二控制器和第二智能电表；所述空气处理机组控制装置内置第三控制器和第三智能电表；所述冷水机组通讯装置内置建筑能源协议网关；冷水机组通讯装置连接冷水机组控制装置，冷水机组控制装置包括第四控制器。其核心是提出了群控系统的架构与组成，并未描述如何进行关联优化的具体措施。
现有发明(201610013560.x)一种冷水机组的群控方法及系统提出了本发明提供了一种冷水机组的群控方法及系统，其中所述方法包括：采集当前运行的冷水机组对应的冷负荷量；将采集的所述冷负荷量与预先设定的冷负荷量进行对比；当采集的所述冷负荷量与所述预先设定的冷负荷量满足预设条件时，对所述当前运行的冷水机组进行加载或者减载操作其核心是提出了群控系统的架构与组成，并未描述预设条件的生成方法。
现有发明(20161010953.4)空调群控系统的控制方法及装置公开了一种空调系统及其控制方法和装置。该空调系统包括多个空调主机，该空调系统的控制方法包括：计算空调系统所需的能耗功率；根据空调系统所需的能耗功率确定需要启动的空调主机的数量；控制确定数量的多个空调主机同时开启。该发明未描述其进行多空调主机增、减机群控时，负载阈值的确定方法与节能表现之间的关联关系。
基于以上文献回顾，目前多机组群控优化节能技术的难点在于：1.冷水机组性能指数随着运行年限发生变化，需持续更新部分负荷下的性能指数才能准确的进行功率优化分配。2.冷却系统的能耗不仅包括冷水机组制冷用电，也包括输送冷冻水的传输能量损耗。在优化控制决策中应考虑水泵变频运行对系统功耗的综合影响。3.在优化决策时，由于目标方程同时涵盖了多个不同的用能系统，也有不同的条件约束，因此求解最优功率分配时易陷入局部最优或迭代过程收敛慢或者不收敛的情况。
技术实现要素：
本发明的目的是：降低冷却系统整体能耗，提升系统运行效率。
为了达到上述目的，本发明的技术方案是提供了一种多冷水机组联合运行的海水冷却系统节能群控方法，其特征在于，包括以下步骤：
步骤一、建立系统性能指数scop目标方程
式中，n1、n2分别为冷水机组及冷冻水泵的总个数，pchiller，i为第i台冷水机组的用电功率，copi为第i台冷水机组的动态性能指数，c为冷冻水比热容，δt为供回水温差，g0，i为第i台冷冻水泵的额定流量，p0，i为第i台冷冻水泵的额定功率；
步骤二、自适应计算单台冷水机组的动态性能指数，其中，第i台冷水机组的动态性能指数copi表示为：
copi＝ai+bi·ri+ci·ri2
式中，ri为第i台冷水机组的部分负荷率，线性系数ai，bi，ci采用下式自适应更新：
步骤三、确定系统性能指数scop目标方程的电功率约束条件、制冷功率约束条件及能量守恒，其中：
电功率约束条件为：
min(pchiller，i)≤pchiller，i≤max(pchiller，i)
min(ppump，i)≤ppump，i≤max(ppump，i)
式中，ppump，i为第i台冷冻水泵的用电功率；
制冷功率约束条件为：
min(qchiller，i)≤qchiller，i≤max(qchiller，i)
式中，qchiller，i为第i台冷水机组的制冷功率；
能量守恒：
步骤四、采用快速模拟退火算法对系统性能指数scop目标方程进行最大化求解，确定最优冷水机组功率分配；
步骤五、计算各台冷水机组的冷冻水流量，其中，第i台冷水机组的冷冻水流量qi＝c×δt×pchiller，i×copi。
优选地，所述步骤四包括过程一及过程二，其中：
过程一为采用较高的初始温度，扰动模型作全局快速全局寻优，包括如下步骤：
步骤1.1、依据随机全局扰动方程，生成新的随机解；
步骤1.2、将新生成的随机解代入能量方程，若能量值下降则新解被接受作为当前状态下的最优解，若能量上升则依据boltzmann-gibbs分布接受概率及metropolis准则判定是否接受新解作为当前状态下的最优解；
步骤1.3、若新解被拒绝，则返回步骤1.1；
步骤1.4、若新解被接受，则根据退火计划式一更新当前温度，退火计划式一为：
过程二为采用较低的初始温度，扰动模型作局部缓速寻优，包括如下步骤：
步骤2.1、依据随机局域扰动方程，生成新的随机解；
步骤2.2、将新生成的随机解代入能量方程，若能量值下降则新解被接受作为当前状态下的最优解，若能量上升则依据boltzmann-gibbs分布接受概率及metropolis准则，下面简称m准则，判定是否接受新解作为当前状态下的最优解；
步骤2.3、若新解被拒绝，则返回步骤2.1；
步骤2.4、若新解被接受，则根据退火计划式二更新当前温度，退火计划式二为：
优选地，还包括：
步骤六、计算各台冷水机组的转速，其中，第i台冷水机组的转速
本发明采用改进快速退火算法对船舶冷却系统在各制冷工况需求下，对冷水机组的制冷功率进行优化分配，提升系统性整体性能指数(scop)。目标方程的建立综合考虑了冷冻水泵温差控制变流量措施的节能效果，通过冷冻水泵变频调速满足冷冻水量的输送需求，同时降低了传输过程中无谓的能量损耗。通过自适应计算单台冷水机组的动态性能指数，提高了目标方程的准确性。优化过程中，采用了改进快速模拟退火算法，通过分阶段优化环节设计，实现了优化初始全局寻优，优化后期局域寻优的理想优化过程，摆脱了常规算法在低负荷利率优化时易陷入局域最优的问题，提升了模拟退火算法的优化效率。这些设计有效的解决了目前实现多机组群控优化节能中的难点。
附图说明
图1为单机组海水冷却系统架构图；
图2为多机组海水冷却系统冷冻水系统架构图；
图3为快速退火与改进快速退火算法的退火温度曲线比较；
图4为改进快速模拟退火算法的优化过程；
图5为50rt、20rt冷水机组不同负荷率下cop曲线；
图6为冷却系统在需求工况45rt下的scop优化过程；
图7为系统优化前后性能指数对比。
具体实施方式
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
本发明提供了一种多冷水机组联合运行的海水冷却系统节能群控方法，包括以下步骤：
步骤一、建立系统性能指数scop目标方程
式中，n1、n2分别为冷水机组及冷冻水泵的总个数，pchiller，i为第i台冷水机组的用电功率，copi为第i台冷水机组的动态性能指数，c为冷冻水比热容，δt为供回水温差，g0，i为第i台冷冻水泵的额定流量，p0，i为第i台冷冻水泵的额定功率。
上述公式的推导过程为：
系统性能指数是表征海水冷却系统能效的指标，其定义为系统制冷功率与系统总用电功率的商：
式中，scop为冷却系统的整体性能指数，qchiller，i为第i台冷水机组的制冷功率，pchiller，i为第i台冷水机组的用电功率，ppump，i为第i台冷冻水泵的用电功率。一般情况下，冷水机组与冷冻水泵一一对应配置，所以n1＝n2。若将冷水机组的制冷功率用单台性能指标copi替代，则式(1)可变换为：
在某一制冷工况下，冷负荷q确定，变流量系统的供回水温差恒定，则冷冻水流量由下式决定：
式中g为冷冻水流量，q为冷负荷，c为冷冻水比热容，δt为供回水温差。根据水泵的相似性定律，水泵的用电功率可由下式求得：
式中g0为水泵的额定流量，p0为其额定功率。将式(4)代入式(2)后，目标方程(2)可变换为：
步骤二、自适应计算单台冷水机组的动态性能指数。从式(5)中可以推论，系统的性能指数scop与各冷水机组的负荷分配及在该负荷分配下的单台性能指数cop有关。由于冷水机组性能指数(cop)随着运行年限发生变化，因此在进行系统整体性能优化在前，需对单台冷水机组的性能指数进行自适应计算。
第i台冷水机组的动态性能指数copi表示为：
copi＝ai+bi·ri+ci·ri2
式中，ri为第i台冷水机组的部分负荷率，线性系数ai，bi，ci采用下式自适应更新：
上述方法可实时通过部分负荷率r获取系统运行中机组的cop值，从而可以更好地更新目标方程中的单机cop-r关系，若r矩阵不可逆，则可采用最小二乘递归法获取cop-r关系式。
步骤三、确定系统性能指数scop目标方程的电功率约束条件、制冷功率约束条件及能量守恒，其中：
电功率约束条件为：
min(pchiller，i)≤pchiller，i≤max(pchiller，i)
min(ppump，i)≤ppump，i≤max(ppump，i)
式中，ppump，i为第i台冷冻水泵的用电功率；
制冷功率约束条件为：
min(qchiller，i)≤qchiller，i≤max(qchiller，i)
式中，qchiller，i为第i台冷水机组的制冷功率；
能量守恒：
步骤四、采用快速模拟退火算法对系统性能指数scop目标方程进行最大化求解，确定最优冷水机组功率分配。
根据步骤三定义，通过最大化式(5)可使系统在满足冷量需求的前提下实现最大的节能效果。为了避免在低负荷率下，优化过程陷入不易收敛的情境，本文采用改进快速模拟退火算法对式(5)进行最大化求解。
改进后的快速模拟退火算法可分为快速全局退火寻优与缓速局域退火寻优两个过程，见图3。
步骤四包括过程一及过程二，其中：
过程一为采用较高的初始温度，扰动模型作全局快速全局寻优，包括如下步骤：
步骤1.1、依据随机全局扰动方程，生成新的随机解：
x＝min(x)+r·(max(x)-min(x))
式中，x为解集的值域区间；r为0与1间的随机数，服从均匀分布；x为新生成的随机解。
步骤1.2、将新生成的随机解代入能量方程，若能量值下降则新解被接受作为当前状态下的最优解，若能量上升则依据boltzmann-gibbs分布接受概率及metropolis准则判定是否接受新解作为当前状态下的最优解；
步骤1.3、若新解被拒绝，则返回步骤1.1；
步骤1.4、若新解被接受，则根据退火计划式一更新当前温度，退火计划式一为：
过程二为采用较低的初始温度，扰动模型作局部缓速寻优，包括如下步骤：
步骤2.1、依据随机局域扰动方程，生成新的随机解：
xj＝xj-1+(r-0.5)(max(x)-min(x))/l(j)
式中，x为解集的值域区间；r为0与1间的随机数，服从均匀分布；xj为新生成的随机解；xj-1为上一次迭代生成的随机解；l(j)为搜索限制因子，与迭代次数j正相关。
步骤2.2、将新生成的随机解代入能量方程，若能量值下降则新解被接受作为当前状态下的最优解，若能量上升则依据boltzmann-gibbs分布接受概率及metropolis准则，下面简称m准则，判定是否接受新解作为当前状态下的最优解；
步骤2.3、若新解被拒绝，则返回步骤2.1；
步骤2.4、若新解被接受，则根据退火计划式二更新当前温度，退火计划式二为：
改进后的快速退火算法改变了快速退火算法单一的扰动方式，不同的退火计划与扰动模式相配合，形成了优化初始全局寻优，优化后期局域寻优的理想优化进程，解决了求解最优功率分配时易陷入局部最优或迭代过程收敛慢或者不收敛的难点。图4描述了改进退火算法的执行过程。
步骤五、计算各台冷水机组的冷冻水流量，其中，第i台冷水机组的冷冻水流量qi＝c×δt×pchiller，i×copi；
步骤六、计算各台冷水机组的转速，其中，第i台冷水机组的转速
本发明采用改进快速退火算法对船舶冷却系统在各制冷工况需求下，对冷水机组的制冷功率进行优化分配，提升系统性整体性能指数(scop)。目标方程的建立综合考虑了冷冻水泵温差控制变流量措施的节能效果，通过冷冻水泵变频调速满足冷冻水量的输送需求，同时降低了传输过程中无谓的能量损耗。通过自适应计算单台冷水机组的动态性能指数，提高了目标方程的准确性。优化过程中，采用了改进快速模拟退火算法，通过分阶段优化环节设计，实现了优化初始全局寻优，优化后期局域寻优的理想优化过程，摆脱了常规算法在低负荷利率优化时易陷入局域最优的问题，提升了模拟退火算法的优化效率。这些设计有效的解决了目前实现多机组群控优化节能中的难点。
以下结合具体数据来进一步说明本发明：
某实例配备额定制冷量为50rt及20rt冷水机组各一台以满足船舶在高、低制冷工况下需求，其部分负荷下性能系数见图5。各机组均可实现功率间隔为10％的制冷功率调节。50rt机组配备额定功率为5kw的冷冻水泵一台，其额定流量为120t/h，20rt机组配备额定功率为2kw的冷冻水泵一台，其额定流量为60t/h。
基于上述假设，将参数带入式(5)，则式(5)可简化为：
式中，q1、q2、p1、p2、q1，n、q2，n分别对应50rt机组、20rt机组的运行制冷功率、运行用电功率、及额定制冷功率。p3，n、p4，n分别为10kw、5kw水泵的额定功率。
在某一系统工况下qd，目标方程可简写为：
其中q1+q2≈q。目标方程的优化可认为是在满足工况需求下对两台冷水机组制冷功率的最优调配。
图6描述了在需求工况45rt的情况下，冷却系统的功率优化过程。在前期迭代过程中，全局扰动方程生成随机解。在温度较高的情况下，非最优解也有较大概率满足metropolis准则而被接受，所以在优化初期阶段系统性能指数的波动幅度较大。在迭代过程的中后期，随机解由局域扰动方程生成。由于温度的快速下降，非最优解满足metropolis准则的概率逐渐下降为0，所以在优化后期，scop收敛，系统的功率分配达到最优。
图7描述了优化前后，在不同制冷工况需求下的系统性能指数的对比。优化前，系统采用了常规的满载增机策略，当20rt机组满载后，开启50rt机组，且冷冻水泵定流量运行。优化后，系统根据优化结果分配各冷机输出功率，由于大容量机组一般机组性能(cop)相较于小容量机组高，所以在小工况下也优先开启大容量机组。由于冷冻水泵由定温差控制变流量运行，所以水泵的功耗由冷量决定。在小工况下，水泵节省的能耗占比较大，因此优化前后系统性能指数差异较大。在大工况情况下，由于双机组逐渐满载，冷冻水泵在变流量及定流量下的功耗差异逐渐缩小，所以优化前后的系统性能指数曲线也逐渐合拢。在制冷工况为5rt时，优化后scop提升2.36，是所有部分负荷情况下提升最高的。优化后各负荷工况下，scop平均提升0.88。
表1罗列了优化前后系统不同的增减机策略。相较常规的增减机制度，优化后在冷负荷发生变动时，机组的功率调整较为频繁。为了避免冷负荷短期波动性使得系统频繁加载、卸载机组，因对实时测量负荷数据进行光滑处理，降低负荷扰动对系统稳定性的影响。许多文献对此有详细描述，不再赘述。
表1优化前后系统增减机策略对比
- 还没有人留言评论。精彩留言会获得点赞！