一种基于粒子群算法的变频空调二阶等效热参数模型在线辨识方法

摘要

本发明涉及电气工程及其自动化技术领域，具体提出了一种基于粒子群算法的变频空调二阶等效热参数模型在线辨识方法，包括以下步骤：建立变频空调二阶ETP模型，并对其离散化处理；建立智能用电网络，实时采集电环境及用电负荷数据；对二阶ETP模型参数进行在线辨识；本发明针对ETP模型参数容易受到各种因素干扰的问题，对二阶模型参数进行在线辨识，基于实时数据对参数变化动态做出响应，提升参数识别准确性；所采用的粒子群算法收敛速度快，识别精度高，适合在线辨识；数据基于智能用电网络获取，网络结构简单、易于实现，且数据准确性高；在线辨识基于实时数据及部分历史数据，提升参数识别准确性。

说明书

技术领域

本发明涉及电气工程及其自动化技术领域，具体涉及一种基于粒子群算法的变频空调二阶等效热参数模型在线辨识方法。

背景技术

现有的基于空调等效热参数模型(equivalent thermal parameters,ETP)的研究大多基于典型值，因为实际模型参数难以测量；但典型值范围大，实际不同场景下等效热参数模型的参数值范围较大。文献(包宇庆，成丽珉.空调负荷二阶等效热参数模型参数辨识方法[J/OL].电力系统自动化)通过构建传感网络，对实际场景下定频空调的二阶ETP模型的参数进行辨识，采用24小时数据、基于遗传算法进行识别，得到了较为准确的参数值。但这是一种离线辨识的方法，而实际等效热参数模型的参数受到诸多因素的影响，如太阳辐照度、人员流动、门窗开闭等，离线辨识的数据无法对实际参数的变化做出纠正，从而导致较大误差。

发明内容

本发明的目的在于提供一种基于粒子群算法的变频空调二阶等效热参数模型在线辨识方法，实现对变频空调二阶ETP模型参数的在线辨识，针对外部环境变化导致的模型参数变化，动态辨识，修正模型参数。为空调负荷的集群调度，开展需求响应调峰、参与虚拟电厂运行等提供支撑。

为实现上述目的，本发明提供如下技术方案，一种基于粒子群算法的变频空调二阶等效热参数模型在线辨识方法，包括以下步骤：

S1、建立变频空调二阶ETP模型，并对其离散化处理；

S2、建立智能用电网络，实时采集电环境及用电负荷数据；

S3、对二阶ETP模型参数进行在线辨识。

步骤S1中，所述二阶ETP模型的一阶微分方程组如下：

其中，R

变频空调压缩机功率P

对二阶ETP模型进行离散化处理，得到结果如下：

Q(t

式中，Δt为时间步长，要保证模型计算的准确性，步长不宜过长，选取Δt为5s。

步骤S2中，所述智能用电网络能效终端包括智能插座、智能红外、智能人体红外感应及温湿度传感器；

所述智能插座负责采集空调运行参数、控制电器开关，其采用突变上传机制，实现100ms级别的监测；

所述智能红外用于空调的遥控；

所述智能人体红外感应用于监测房间内是否有人，有人无人情况变化时发出告警，每次监测间隔为5min；

所述温湿度传感器在室内外分别安装一台，室内的安装在分体式变频空调的右侧等高墙壁处。

其中，所述智能插座、智能红外、智能人体红外感应均采用Zigbee无线通信，内置德州仪器的CC2530芯片，所述Zigbee终端烧录路由程序，所述温湿度传感器采用RS-485通信，通过RS-485转USB工具接入能量信息网关，网关内置德州仪器(TI)的CC2538芯片，通过Wi-Fi与云端服务器通信，用户通过客户端从云端获取数据，也可以远程对能效终端进行控制。

步骤S3中，在线辨识的步骤流程如下：

S30、开始；

S31、根据历史6h数据辨识得到ETP模型参数R

S32、根据ETP模型参数计算6h小时内第一个5min末的固体温度T

S33、接收最新5min数据，更新T

S34、根据模型参数及实际数据计算5min内误差F

S35、判断是否满足F

S36、判断在线辨识是否结束，若是，则辨识过程直接结束；若否，则返回步骤S32重新开始前述步骤。

其中，在步骤S3中，采用粒子群算法对对二阶模型参数进行在线辨识。

与现有技术相比，本发明的有益效果是：本发明针对ETP模型参数容易受到各种因素干扰的问题，对二阶模型参数进行在线辨识，基于实时数据对参数变化动态做出响应，提升参数识别准确性；所采用的粒子群算法收敛速度快，识别精度高，适合在线辨识；数据基于智能用电网络获取，网络结构简单、易于实现，且数据准确性高；在线辨识基于实时数据及部分历史数据，提升参数识别准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明智能用电网络架构示意图；

图2为本发明空调-建筑二阶等效热参数模型；

图3为本发明粒子群算法流程图；

图4为本发明变频空调等效热参数模型二阶参数在线辨识流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

参见图1-4，本发明提供一种技术方案：一种基于粒子群算法的变频空调二阶等效热参数模型在线辨识方法，包括以下步骤：

S1、建立变频空调二阶ETP模型(空调—建筑系统热力学模型常采用ETP模型，二阶ETP模型在一阶基础上，增加考虑了室内固体的影响，如图2所示，室内固体通过与气体交换热量影响整个模型)，并对其离散化处理；

S2、建立智能用电网络，实时采集电环境及用电负荷数据；

S3、对二阶ETP模型参数进行在线辨识。

步骤S1中，所述二阶ETP模型的一阶微分方程组如下：

其中，R

变频空调压缩机功率P

对二阶ETP模型进行离散化处理，得到结果如下：

Q(t

式中，Δt为时间步长，要保证模型计算的准确性，步长不宜过长，选取Δt为5s。

步骤S2中，所述智能用电网络能效终端包括智能插座、智能红外、智能人体红外感应及温湿度传感器；

所述智能插座负责采集空调运行参数(功率、电压、电流)、控制电器开关，其采用突变上传机制，实现100ms级别的监测；

所述智能红外用于空调的遥控；

所述智能人体红外感应用于监测房间内是否有人，有人无人情况变化时发出告警，每次监测间隔为5min；

所述温湿度传感器在室内外分别安装一台，室内的安装在分体式变频空调的右侧等高墙壁处。

其中，所述智能插座、智能红外、智能人体红外感应均采用Zigbee无线通信，内置德州仪器的CC2530芯片，所述Zigbee终端烧录路由程序，所述温湿度传感器采用RS-485通信，通过RS-485转USB工具接入能量信息网关，网关内置德州仪器(TI)的CC2538芯片，通过Wi-Fi与云端服务器通信，用户通过客户端从云端获取数据，也可以远程对能效终端进行控制。

步骤S3中，在线辨识的步骤流程如下：

S30、开始；

S31、根据历史6h数据辨识得到ETP模型参数R

S32、根据ETP模型参数计算6h小时内第一个5min末的固体温度T

S33、接收最新5min数据，更新T

S34、根据模型参数及实际数据计算5min内误差F

S35、判断是否满足F

S36、判断在线辨识是否结束，若是，则辨识过程直接结束；若否，则返回步骤S32重新开始前述步骤。

其中，在步骤S3中，采用粒子群算法对对二阶模型参数进行在线辨识，粒子群算法(pso)流程如图3所示，它是模仿鸟群觅食的一种优化算法，对于多目标优化问题具有收敛速度快、实现简单等优势，和遗传(GA)算法一样，都基于迭代。粒子群算法需要辨识的二阶ETP模型参数包括：R

二阶ETP模型参数有五个，但是其中实时变化的不应考虑T

步骤S3中，数据采样间隔为5s，基于大量历史数据的离线辨识，设置参数的大致范围；对最近历史6h的数据，进行参数识别，误差为F

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。