一种基于最优控制理论的空调水阀调节方法与流程

文档序号：19183274发布日期：2019-11-20 01:14阅读：989来源：国知局

本发明涉及数据中心机房能耗管理技术领域，尤其涉及一种基于最优控制理论的空调水阀调节方法。

背景技术：

数据中心机房的空调系统中，空调进水端水阀开度大小影响了参与热交换的冷水流量和热交换冷量，从而影响数据中心机房内的温度。数据中心机房中多处布置的温度传感器感应的温度，由分布在机房外的多个制冷作用的精密空调共同决定。当一个或多个空调水阀开度变化时，机房外的精密空调的制冷量相应发生变化，数据中心机房内的传感器温度受到制冷量的大小相应变化，这是一个连续变化的过程。场景是，通过调节一个空调水阀或多个空调水阀组合，使得机房中各传感器温度维持在合理的设定值范围内，并且能够长时间在这个温度范围内保持稳定。

现有的技术及存在的问题如下：

通过构建热传导物理模型的方式研究空调水阀变动对机房各点温度的影响。然而，各机房受建筑结构、内部气流变化、服务器数量和机架分布等影响，难以构建精确的物理模型，而且模型的参数律定上也存在一定难度。

采用离散时间控制方法。实际中受数据存储的系统设定影响，数据点采样时间间隔可能过长，采样时间间隔之间的系统变化无法捕捉到。

通常控制系统假设控制量是一个无约束的自由量，即可行域为全部解空间。然而，该场景中空调水阀开度有阈值限制，理论上在0％-100％之间，实际操作中一般设定在更小的范围内。

技术实现要素：

本发明提出了一种应用最优控制理论对空调水系统水阀进行调节的方法，系统在给定时间内可达到提高精密空调能效的优化目标，减少与水阀开度相关的冷冻系统的能耗，以及减少多个传感器温度与目标温度的跟踪误差，实现该优化目标的多个水阀调节的最优控制路径。。

为解决上述技术问题，本发明的技术方案是：

一种基于最优控制理论的空调水阀调节方法，包括以下步骤：

s1)采集数据并进行曲线拟合，其采集的数据包括：

系统的状态变量，即传感器温度x(t)，x(t)∈rⁿ，n为传感器的个数；

系统的控制变量，即空调水阀开度u(t)，u(t)∈r^m，m为空调的个数；

系统通过设定u(t)，达到控制x(t)在设定值范围内；

s2)根据步骤s1)采集的数据建立优化模型；

s3)求解最优控制路径。

上述技术方案中，所述步骤s1)具体包括以下步骤：

s11)通过实验采集离散时间点数据：在t＝t0，t1，t2，...，tn时刻，采集控制量u(t)和状态量x(t)，不断调整控制量，得到不同u(t)下的x(t)，分别得到u(t)和x(t)在时间序列下的样本点；

s12)将离散时间点上的状态量连续化：在离散采样时间点t＝t0，t1，t2，...，tn上的传感器温度值x(t)通过b-spline(b样条曲线拟合)的方法，得到连续时间上的x(t)，t∈[t0，tn]。

上述技术方案中，所述步骤s2)具体包括以下步骤：

s21)由于x(t)为多项式函数，在t上可微，计算得到将对x(t)，u(t)做线性回归，t＝t0，t1，t2，...，tn，得到线性系统方程：

其中：

a和b为定常矩阵，a∈r^n×n，b∈r^n×m；

s22)构建最优控制模型，优化目标包括两部分：

最小化水阀开度相关的代表冷冻系统电耗的代价函数，以及传感器温度与目标温度的跟踪误差，即

令

其中，代表在[0，t]时间段电耗的代价函数，

代表在[0，t]时间段温度与设定值的跟踪效果，

代表在终态时温度与设定值的跟踪效果。

上述技术方案中，该系统满足如下约束：

初始状态量：x(0)＝x0；

状态函数：

控制变量阈值：g(u，t)＝[u(t)-umax，umin-u(t)]^t≤t∈[0，t]；

终态状态量约束：a(x(t)，t)＝[xmin-x(t)，x(t)-xmax]^t≤0。

上述技术方案中，所述步骤s3)具体包括以下步骤：

s31)求出最优控制u^*(t)的必要条件：

汉密尔顿方程记作：

拉格朗日方程及作：

l[x，u，λ，μ，t]＝h(x，u，λ，t)+γg(u，t)，

根据极小值定理，实现最优控制的u^*(t)和x^*(t)必须满足：

λ(t)＝sx(x^*(t)，t)+αax(x^*(t)，t)，α≥0，αax(x^*(t)，t)＝0，

γ≥0，γg(u^*，t)＝0，

a(x^*(t)，t)≤0；

s32)根据步骤s31)最优控制需要满足的必要条件，通过离散仿真的方法可以得到最优控制路径u^*(t)；

根据最优路径，实施当前时刻的最优控制量u^*(0)；

下一个采样时刻，根据当时的状态量，再次求解当时的最优控制路径，然后实施当时的最优控制量，以此类推，求得t∈[0，t]时间段的最优控制路径，但仅实施距离当前时刻最近的最优控制，每个采样时刻迭代优化，避免由于预测和仿真误差带来的误差累积。

本发明的技术方案具有以下有益效果：

1、本发明提出了一种数据驱动的拟合方法，对多个空调水阀开度(控制量)与传感器温度(状态量)之间的耦合关系进行建模，避免了物理建模存在的弊端，通过实验发现，控制量与状态量以及状态量的变化量之间呈线性关系，所以应用线性系统进行建模。

2、通过b样条多项式拟合的方法，将离散时间采样点的传感器温度时间序列样本进行连续化模拟，从而得到在连续时间点上传感器空调温度变化速度，解决了采样间隔过长，温度变化信息不全的问题。

3、在最优控制中考虑了空调水阀开度(控制量)的阈值约束，即最优控制量仅限定在可行域内，避免了理论解不可行的情况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明技术方案的整体步骤阶段示意图；

图2为本发明技术方案数据建模与求解最优路径步骤示意图。

具体实施方式

如图1和图2所示，本发明提出了一种基于最优控制理论的空调水阀调节方法，包括以下步骤：