針對hvac需求響應的在線優(yōu)化方案的制作方法
【專利說明】
[0001] 相關美國申請的交叉引用 本申請要求來自2012年10月11日提交的、Lu等人的美國臨時申請?zhí)?1/712, 494 的"ATwo-StageSimulation-BasedOn-LineOptimizationSchemeForHVACDemand Response"的優(yōu)先權，該申請的全部內(nèi)容通過引用W其整體被合并于此。
技術領域
[0002] 本公開內(nèi)容設及針對建筑中加熱、通風和空氣調(diào)節(jié)系統(tǒng)的優(yōu)化方法。
【背景技術】
[0003]針對建筑加熱、通風和空氣調(diào)節(jié)（HVAC)系統(tǒng)的在線控制優(yōu)化對于自動需求響應是 至關重要的?；诜抡娴膬?yōu)化技術通常需要密集型計算，即使采用先進優(yōu)化算法的情況下， 并且因此對于在線決策做出是不可行的。建筑(尤其是具有到大空間的媒介的商業(yè)建筑)中 HVAC系統(tǒng)的需求響應（DR)控制策略已被許多團體使用分析、仿真和現(xiàn)場方法所研究。恒溫 器設定點和HVAC設備操作的先進控制已被開發(fā)用于減小建筑峰值負荷。建筑自動化系統(tǒng) 的應用實現(xiàn)對HVAC性能數(shù)據(jù)、負荷狀態(tài)、天氣狀況/預報和DR信號的實時評估。它還允許 控制指令的立即或預定執(zhí)行。因此，響應于建筑動態(tài)特性和天氣變化的在線控制優(yōu)化變?yōu)?可能。
[0004] 存在用于開發(fā)建筑HVAC系統(tǒng)的優(yōu)化控制策略的兩種方法：一種基于仿真，而另一 種嘗試直接對優(yōu)化方程求解。第一種方法依賴于整個建筑仿真引擎。在輸入建筑幾何結構、 建筑外殼、內(nèi)部負荷、HVAC系統(tǒng)和天氣數(shù)據(jù)的情況下，仿真引擎可W使用物理或近似方程計 算能量消耗。可W設及各種優(yōu)化器W便選擇優(yōu)化策略。運個基于仿真的方法可W提供可接 受的準確度，但是需要很多的工程努力W便開發(fā)和校準針對每個特定建筑的仿真模型，并 且計算負荷是繁重的。
[0005]第二種方法嘗試對建筑能量消耗進行建模，W運樣的方式，在給定特定目標函數(shù) 和約束的情況下，優(yōu)化方案可W被直接求解而不需要仿真。運種方法具有如下優(yōu)點：（〇相 對低的計算負荷，并且因此能夠快速響應；（2) -個通用模型可W被應用到不同建筑；W及 (3)如果采用機器學習，則可W隨時間改進預測準確度。但是運種方法在建模階段（由于系 統(tǒng)的復雜性）和在優(yōu)化階段（由于非線性和連續(xù)-離散性質(zhì)）二者中都是有挑戰(zhàn)的。

【發(fā)明內(nèi)容】

[0006] 如運里描述的本公開的示例性實施例一般地包括針對用于執(zhí)行基于在線仿真的 HVACDR控制優(yōu)化的雙階段方案的方法。在根據(jù)本公開的實施例的離線階段中，針對從歷史 天氣數(shù)據(jù)識別的天氣模式執(zhí)行計算密集型優(yōu)化?；趤碜噪x線階段的結果，可W生成優(yōu)化 策略庫知識基礎，其可W包含針對具有高概率的任何每日天氣概況的優(yōu)化DR策略。運個知 識基礎將供基于在線仿真的優(yōu)化使用。在根據(jù)本公開的實施例的第二階段中，針對知識基 礎中每個候選策略的仿真評價能夠識別最好的策略。本公開的實施例的實驗結果示出運個 最好的策略可能是針對計劃日的優(yōu)化HVAC控制策略。在加州大學伯克利分校的Sutardja Dai化11 (社會利益信息技術研究中屯、（UTRIS)的總部)的案例研究中，根據(jù)本公開的實施 例的方法在顯著更少的仿真評價的情況下可W識別針對所有13個樣本日的優(yōu)化策略。此 夕F，優(yōu)化策略可W把針對在加州伯克利的通常熱的八月日的HVAC峰值負荷減小18%。
[0007] 根據(jù)本公開的方面，提供了一種優(yōu)化建筑的加熱、通風和空氣調(diào)節(jié)（HVAC)系統(tǒng)的 需求響應（DR)的計算機實施的方法，包括：針對用于多個天氣模式i中每一個的多個DR策 略j中每一個確定HVAC系統(tǒng)的目標函數(shù)Fii的值，所述目標函數(shù)FIi的值是HVAC系統(tǒng)的能 量消耗和HVAC系統(tǒng)的熱舒適度損失的加權總和；給用于每一個天氣模式i的接近優(yōu)化DR 策略j的所選擇子集中每一個分配可能性評分（1化elihoodscore)Li,j;W及選擇具有大 總體可能性評分L，的那些接近優(yōu)化DR策略W便創(chuàng)建DR策略的優(yōu)化策略庫，其中可W針對 用于給定天氣模式的優(yōu)化DR策略實時對所述優(yōu)化策略庫進行捜索。
[0008] 根據(jù)本公開的另外方面，所述方法包括：執(zhí)行對用于多個天氣模式中每一個的多 個DR策略中每一個的仿真，W便確定HVAC系統(tǒng)的每小時能量使用情況和HVAC系統(tǒng)的每小 時預測不滿意百分比（PPD)評分；使用分時電價（timeOfuseprice)模型根據(jù)每小時能 量使用情況來計算所述能量消耗；W及通過對在24小時時段內(nèi)被居用建筑區(qū)段的PPD評分 進行求和來計算所述熱舒適度損失。
[0009] 根據(jù)本公開的另外方面，針對用于多個天氣模式中每一個的多個DR策略中每一 個的HVAC系統(tǒng)的所述目標函數(shù)Fi,由下式計算：
其中Cl,和U1,分別是能量消耗和熱舒適度損失，Cmm和Umm分別是最小能量消耗和熱 舒適度損失，Cm。、和Um。、分別是最大能量消耗和熱舒適度損失，并且W。和W。是預先確定的相 應能量消耗和熱舒適度損失權重。
[0010] 根據(jù)本公開的另外方面，確定用于每一個天氣模式i的接近優(yōu)化DR策略j的所選 擇子集包括：按照目標函數(shù)Fi,的升序（inascendingorder)分類用于每一個天氣模式的 DR，其中jk是DR策略的分類列表中的第k個策略；找到用于每一個天氣模式的DR;胃，所 述I'是用于天氣模式i的所有DR的j的最小值；W及選擇那些DR的j，對于預先確定的正 闊值口，針對所述j有.巧，<優(yōu)巧\
[0011] 根據(jù)本公開的另外方面，根據(jù)
確定用于每一 個天氣模式i的接近優(yōu)化DR策略jk的所選擇子集中每一個的所述可能性評分其中 Ni是用于每一個天氣模式i的所選擇策略的總數(shù)，k=l，2…，N1-1，并且0是預先確定的比 率。
[0012] 根據(jù)本公開的另外方面，所述方法包括由下式確定用于所有天氣模式的DR策略j 的總體可能性評分L，：
其中I是天氣模式的總數(shù)，并且Pi是特定日的天氣是模式i的概率。
[0013] 根據(jù)本公開的另外方面，所述方法包括通過把模式i天數(shù)除W所記錄的總天數(shù)來 估計Pi。
[0014] 根據(jù)本發(fā)明的另一方面，提供了一種優(yōu)化建筑的加熱、通風和空氣調(diào)節(jié)（HVAC)系 統(tǒng)的需求響應（DR)的計算機實施的方法，方法包括：按照目標函數(shù)Fi,值的升序分類用于多 個天氣模式i中每一個的多個DRj，其中jk是DR策略的分類列表中的第k個策略；找到用 于每一個天氣模式的DR;證，所述I'是用于天氣模式i的所有DR的j的最小值；選擇那些 DR的j，對于預先確定的正闊值a，針對所述j有巧；W及選擇具有大總體可能性評 分L，的那些接近優(yōu)化DR策略W便創(chuàng)建DR策略的優(yōu)化策略庫，其中可W針對用于給定天氣 模式的優(yōu)化DR策略實時對所述優(yōu)化策略庫進行捜索。
[0015] 根據(jù)本公開的另一方面，所述方法包括：把可能性評分分配給用于每一個 天氣模式i的接近優(yōu)化DR策略j的所選擇子集中的每一個，其中
并且
，其中Ni是用于每一個天氣模式i的所選擇策略的總數(shù)，k=l，2…，N1-1，并 且P是預先確定的比率。
[0016] 根據(jù)本公開的另一方面，所述方法包括：由下式確定用于所有天氣模式的DR策略 j的總體可能性評分L，：
其中I是天氣模式的總數(shù)，并且Pi是特定日的天氣是模式i的概率。
[0017] 根據(jù)本公開的另一方面，所述方法包括：執(zhí)行對用于多個天氣模式中每一個的多 個DR策略中每一個的仿真，W便確定HVAC系統(tǒng)的每小時能量使用情況和HVAC系統(tǒng)的每小 時預測不滿意百分比（PPD)評分；使用分時電價模型根據(jù)每小時能量使用情況來計算所述 能量消耗；W及通過對在24小時時段內(nèi)被居用建筑區(qū)段的PPD評分進行求和來計算所述熱 舒適度損失。
[0018] 根據(jù)本公開的另一方面，針對用于多個天氣模式中每一個的多個DR策略中每一 個的HVAC系統(tǒng)的所述目標函數(shù)Fi,由下式計算：
其中Cl,和U1,分別是能量消耗和熱舒適度損失，Cmm和Umm分別是最小能量消耗和熱 舒適度損失，Cm。、和Um。、分別是最大能量消耗和熱舒適度損失，并且W。和W。是預先確定的相 應能量消耗和熱舒適度損失權重。
[0019] 根據(jù)本公開的另一方面，所述方法包括：針對用于多個天氣模式i中每一個的多 個DR策略j中每一個確定HVAC系統(tǒng)的目標函數(shù)F。的值，所述目標函數(shù)F1,的值是HVAC系 統(tǒng)的能量消耗和HVAC系統(tǒng)的熱舒適度損失的加權總和。
[0020] 根據(jù)本公開的另一方面，提供了一種可由計算機讀取的非臨時性程序存儲裝置， 有形地體現(xiàn)指令程序，所述指令程序由計算機執(zhí)行W便執(zhí)行用于優(yōu)化建筑的加熱、通風和 空氣調(diào)節(jié)（HVAC)系統(tǒng)的需求響應（DR)的方法步驟。
【附圖說明】
[0021] 圖1描繪根據(jù)本公開的實施例的加州伯克利的八月每日天氣模式。
[0022] 圖2圖示根據(jù)本公開的實施例的GTA策略圖。
[0023] 圖3是根據(jù)本公開的實施例的針對雙階段HVAC需求響應優(yōu)化方案的方法的流程 圖。
[0024] 圖4圖示根據(jù)本公開的實施例的簡化峰值日價格模型。
[0025] 圖5是根據(jù)本公開的實施例的通過窮舉捜索實施的優(yōu)化的結果的表格。
[0026] 圖6是根據(jù)本公開的實施例的GA參數(shù)的表格。
[0027] 圖7是根據(jù)本公開的實施例的天氣模式2的GA結果的表格。
[002引圖8是根據(jù)本公開的實施例的GA成功率和效率的表格。
[0029] 圖9是根據(jù)本公開的實施例的圖示優(yōu)化和接近優(yōu)化DR策略選擇的表格