• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于遺傳算法的動(dòng)態(tài)光伏遮陽(yáng)板多目標(biāo)優(yōu)化研究

      2024-12-16 00:00:00王琳
      關(guān)鍵詞:多目標(biāo)優(yōu)化遺傳算法

      摘 要:為了在建筑動(dòng)態(tài)光伏遮陽(yáng)板應(yīng)用中兼顧節(jié)能效果和采光效果,本文設(shè)計(jì)了動(dòng)態(tài)光伏遮陽(yáng)板多目標(biāo)優(yōu)化模型,將房間尺寸、房間結(jié)構(gòu)、空調(diào)負(fù)荷、用電負(fù)荷和光伏遮陽(yáng)參數(shù)等作為輸入量,模擬計(jì)算節(jié)能率和自然采光照度。利用遺傳算法校正該模型中的室內(nèi)表面參數(shù),提高多目標(biāo)優(yōu)化的質(zhì)量。將某學(xué)生宿舍作為模擬對(duì)象,利用該模型計(jì)算不同建筑朝向、光伏遮陽(yáng)板寬度、安裝角度和移動(dòng)高度的節(jié)能率和自然采光變化率。結(jié)果表明,多目標(biāo)優(yōu)化模型的作用是確定光伏遮陽(yáng)板的理想?yún)?shù),提高建筑節(jié)能和采光能力。

      關(guān)鍵詞:遺傳算法;動(dòng)態(tài)光伏遮陽(yáng)板;多目標(biāo)優(yōu)化

      中圖分類號(hào):TK 511 " " " " 文獻(xiàn)標(biāo)志碼:A

      光伏遮陽(yáng)板具有發(fā)電和遮陽(yáng)的功能。該裝置對(duì)建筑節(jié)能和采光均有較大影響,需要利用動(dòng)態(tài)化的控制達(dá)到節(jié)能、采光效果。本文將建筑物和光伏遮陽(yáng)板作為一個(gè)系統(tǒng),設(shè)置靜態(tài)參數(shù)和動(dòng)態(tài)參數(shù),構(gòu)建計(jì)算節(jié)能率和自然采光照度的模型。該模型對(duì)這類節(jié)能裝置的設(shè)計(jì)、模擬和應(yīng)用具有一定價(jià)值。

      1 基于遺傳算法的動(dòng)態(tài)光伏遮陽(yáng)板多目標(biāo)優(yōu)化

      1.1 動(dòng)態(tài)光伏遮陽(yáng)多目標(biāo)模型構(gòu)建

      動(dòng)態(tài)光伏遮陽(yáng)多目標(biāo)優(yōu)化模型的基本結(jié)構(gòu)如圖1所示,遮陽(yáng)板能夠同時(shí)發(fā)揮遮陽(yáng)和發(fā)電作用。該模型的輸入?yún)?shù)分為靜態(tài)、動(dòng)態(tài)2類,靜態(tài)參數(shù)包括建筑結(jié)構(gòu)、建筑尺寸、用電負(fù)荷和空調(diào)系統(tǒng)等,動(dòng)態(tài)參數(shù)為光伏遮陽(yáng)裝置的參數(shù),例如光伏遮陽(yáng)板角度、光伏板寬度和光伏板長(zhǎng)度等[1]。優(yōu)化目標(biāo)有2個(gè)。1)建筑物的節(jié)能效果。2)建筑物的采光效果。

      1.2 基于遺傳算法校正模型室內(nèi)表面參數(shù)

      在圖1模型中,可以直接測(cè)量房間尺寸、房間結(jié)構(gòu)、用電負(fù)荷、空調(diào)系統(tǒng)、氣象數(shù)據(jù)以及光伏遮陽(yáng)裝置的相關(guān)參數(shù)。室內(nèi)表面參數(shù)包括反射率和透過(guò)率,能夠影響采光效果,改變室內(nèi)溫度。與反射率有統(tǒng)計(jì)學(xué)意義的室內(nèi)結(jié)構(gòu)包括墻體、天花板、樓板、櫥柜和桌椅等。與透過(guò)率有統(tǒng)計(jì)學(xué)意義的室內(nèi)結(jié)構(gòu)為外窗和內(nèi)窗。為提高動(dòng)態(tài)光伏遮陽(yáng)模型的計(jì)算精度,需要根據(jù)室內(nèi)空間的實(shí)際情況采用數(shù)值模擬確定室內(nèi)表面參數(shù)的最佳取值[2]。以下利用遺傳算法校正室內(nèi)表面參數(shù)。

      1.2.1 測(cè)量建筑光環(huán)境

      1.2.1.1 測(cè)量目標(biāo)選取

      將某學(xué)生公寓的1間宿舍作為光環(huán)境檢測(cè)目標(biāo),房間長(zhǎng)度為6.3 m,寬度為3.6 m,層高為3.0 m。經(jīng)過(guò)測(cè)量,該宿舍的其他參數(shù)見表1。宿舍內(nèi)放置床、衣柜、桌子和椅子。

      1.2.1.2 測(cè)量結(jié)果

      在宿舍室內(nèi)沿進(jìn)深方向的中軸線設(shè)置1條測(cè)線,從入戶門至進(jìn)深末端,沿測(cè)線布置5個(gè)測(cè)點(diǎn)。5個(gè)測(cè)點(diǎn)之間的間距均為1.26 m,距離地面的高度為0.8 m。使用UT382型照度儀檢測(cè)5個(gè)測(cè)點(diǎn)的照度,檢測(cè)時(shí)間為9:00—15:00。分別在陰天和晴天檢測(cè)照度,當(dāng)晴天時(shí)的檢測(cè)結(jié)果見表2。

      1.2.2 基于遺傳算法的參數(shù)校正

      1.2.2.1 遺傳算法的應(yīng)用流程

      遺傳算法的主要步驟包括種群初始化、適應(yīng)度評(píng)估、選擇、交叉和變異,在經(jīng)過(guò)多輪重復(fù)后,算法收斂,輸出最優(yōu)解[3]。本文使用Galapagos軟件建立相關(guān)的算法環(huán)境。在模擬過(guò)程中需要設(shè)置待優(yōu)化的變量,針對(duì)各個(gè)變量設(shè)置約束條件,利用目標(biāo)函數(shù)控制優(yōu)化效果。

      1.2.2.2 變量以及約束條件設(shè)置

      室內(nèi)表面參數(shù)包括反射率和透過(guò)率,結(jié)合測(cè)量目標(biāo)的實(shí)際情況設(shè)置變量和約束條件,見表3。

      1.2.2.3 目標(biāo)函數(shù)

      在優(yōu)化變量取值的過(guò)程中,將表2中的數(shù)據(jù)作為實(shí)測(cè)值。利用能耗模擬軟件模擬計(jì)算測(cè)點(diǎn)1~5的照度,模擬條件與實(shí)測(cè)條件保持一致。目標(biāo)函數(shù)如公式(1)所示[4]。

      (1)

      式中:F為模擬數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)的相對(duì)偏差;i為測(cè)點(diǎn)編號(hào),取值為1~5的整數(shù);j為變量序號(hào),取值為1~8的整數(shù);Xsij為第i個(gè)測(cè)點(diǎn),第j個(gè)變量的照度實(shí)測(cè)值;Xmij為第i個(gè)測(cè)點(diǎn),第j個(gè)變量的照度模擬值。當(dāng)F的計(jì)算結(jié)果最小時(shí),對(duì)應(yīng)的反射率或者透過(guò)率為最佳取值。

      1.2.2.4 參數(shù)優(yōu)化結(jié)果

      在Galapagos軟件中設(shè)置變量和約束條件,采用迭代運(yùn)算得到F的最小值。遺傳算法經(jīng)過(guò)1 880次迭代運(yùn)算后得到了最優(yōu)解。此時(shí),相對(duì)偏差F的最小值為9.41,室內(nèi)表面參數(shù)校正結(jié)果見表4。

      2 動(dòng)態(tài)光伏遮陽(yáng)板多目標(biāo)優(yōu)化模型仿真檢驗(yàn)

      2.1 仿真方案設(shè)計(jì)

      2.1.1 優(yōu)化目標(biāo)

      為了檢驗(yàn)動(dòng)態(tài)光伏遮陽(yáng)板多目標(biāo)優(yōu)化模型的實(shí)用效果,利用Galapagos軟件建立多目標(biāo)優(yōu)化模型。針對(duì)節(jié)能效果,將節(jié)能率作為評(píng)價(jià)指標(biāo);針對(duì)室內(nèi)采光效果,將自然采光照度(Useful Daylight Illuminance,UDI)作為評(píng)價(jià)指標(biāo)[5]。節(jié)能率的計(jì)算過(guò)程如公式(2)所示。

      (2)

      式中:η為節(jié)能率;E0為標(biāo)準(zhǔn)模型的初始能耗;EUI為能源使用強(qiáng)度;PVE為建筑光伏發(fā)光量;APV為光伏板的總面積。

      2.1.2 設(shè)置不同的對(duì)比因素

      2.1.2.1 建筑朝向因素

      將圖2的房間作為模擬對(duì)象,其外窗安裝光伏遮陽(yáng)裝置。由于房間朝向?qū)Σ晒庑Ч徒ㄖ芎目刂凭哂忻黠@影響,因此在仿真過(guò)程中,將建筑朝向分別設(shè)置為朝南、朝西以及朝東來(lái)模擬計(jì)算節(jié)能率η和自然采光照度UDI。

      2.1.2.2 光伏遮陽(yáng)裝置的安裝因素

      在仿真過(guò)程中,將光伏遮陽(yáng)板的寬度、角度和移動(dòng)高度作為對(duì)比因素,利用仿真數(shù)據(jù)評(píng)價(jià)在不同建筑朝向條件下,以上3個(gè)因素對(duì)節(jié)能率和自然采光照度的影響。光伏遮陽(yáng)板的遮光范圍及其發(fā)電能力與其寬度有統(tǒng)計(jì)學(xué)意義,遮陽(yáng)和通風(fēng)效果與其角度有統(tǒng)計(jì)學(xué)意義,移動(dòng)高度能夠影響發(fā)電時(shí)長(zhǎng)。因此,光伏遮陽(yáng)裝置的基本參數(shù)與η、UDI之間存在緊密的聯(lián)系[6]。最終目的是在不同朝向條件下,當(dāng)達(dá)到最優(yōu)節(jié)能效果和采光效果時(shí),確定光伏遮陽(yáng)裝置的最佳寬度、長(zhǎng)度和角度。光伏遮陽(yáng)裝置的寬度為0.4 m~2.0 m,遮陽(yáng)板角度為0°~90°,移動(dòng)高度為-1.5 m~1.5 m。

      2.2 仿真過(guò)程

      利用第1.1節(jié)建立的模型模擬建筑目標(biāo)的全年光熱環(huán)境,得到相應(yīng)的數(shù)據(jù)作為仿真環(huán)境,獲取目標(biāo)建筑的能耗數(shù)據(jù)和采光數(shù)據(jù)。在模擬過(guò)程中,改變光伏遮陽(yáng)板寬度、移動(dòng)高度和角度3個(gè)變量,同時(shí)設(shè)置不同的建筑朝向。基于遺傳算法模擬不同參數(shù)條件下的η和UDI。

      2.3 仿真結(jié)果

      2.3.1 當(dāng)建筑朝南時(shí)的多目標(biāo)優(yōu)化結(jié)果

      2.3.1.1 光伏遮陽(yáng)板參數(shù)設(shè)置

      設(shè)置10組不同的光伏遮陽(yáng)板參數(shù),見表5。在10組條件下,模擬光伏遮陽(yáng)板全年的節(jié)能率和自然采光照度變化率。其中,自然采光照度變化率以不安裝遮陽(yáng)裝置為基準(zhǔn)。

      2.3.1.2 多目標(biāo)優(yōu)化結(jié)果

      目標(biāo)建筑在不同條件下全年節(jié)能率模擬結(jié)果如圖2所示,UDI變化率模擬結(jié)果如圖3所示。由數(shù)據(jù)可知,在兼顧節(jié)能效果和采光效果的情況下,組別6對(duì)應(yīng)的節(jié)能率為75.01%,略低于最大節(jié)能率。同時(shí),與當(dāng)不采取光伏遮陽(yáng)時(shí)相比,該組別的UDI提高了3.33%,略小于最大值。因此,在10組光伏遮陽(yáng)設(shè)計(jì)參數(shù)中,組別6為最佳參數(shù)取值,能夠更好地滿足南向建筑的節(jié)能和采光需求。

      2.3.2 當(dāng)建筑朝東時(shí)的多目標(biāo)優(yōu)化結(jié)果

      2.3.2.1 模擬數(shù)據(jù)

      將光伏遮陽(yáng)板的寬度設(shè)置為2.0 m,遮陽(yáng)板角度從12°增至36°,移動(dòng)高度從0.9 m升至1.5 m。全年節(jié)能率為44.59%~50.34%,UDI全年變化率為-6.15%~1.85%。模擬數(shù)據(jù)匯總見表6。

      2.3.2.2 結(jié)果分析

      由表6可知,在兼顧采光效果和節(jié)能效果的情況下,組別5和組別6的綜合效果比較理想。因此,當(dāng)建筑朝東時(shí),光伏遮陽(yáng)板的角度應(yīng)設(shè)置為30°~36°,移動(dòng)高度應(yīng)設(shè)置為

      1.4 m~1.5 m。

      2.3.3 當(dāng)建筑朝西時(shí)的多目標(biāo)優(yōu)化結(jié)果分析

      2.3.3.1 模擬數(shù)據(jù)

      將光伏遮陽(yáng)板的寬度設(shè)置為2.0 m,角度為6°~38°,移動(dòng)高度從0.9 m升至1.5 m。全年節(jié)能率的模擬結(jié)果為42.21%~45.59%,全年UDI變化率的模擬結(jié)果為-4.39%~0.89%。模擬數(shù)據(jù)匯總見表7。

      2.3.3.2 結(jié)果分析

      由表7可知,在兼顧節(jié)能效果和采光效果的情況下,組別2、組別3、組別4、組別6和組別7的綜合效果比較優(yōu)秀,相互之間的差異比較小。因此,光伏遮陽(yáng)板的安裝高度應(yīng)控制為18°~27°,移動(dòng)高度應(yīng)控制為1.1 m~1.5 m。

      3 結(jié)論

      光伏遮陽(yáng)裝置的動(dòng)態(tài)運(yùn)行方式對(duì)建筑物的節(jié)能效果和采光效果具有明顯影響,為了兼顧建筑節(jié)能和采光,本文設(shè)計(jì)了多目標(biāo)優(yōu)化模型。根據(jù)研究?jī)?nèi)容可以得到以下3條結(jié)論。1)動(dòng)態(tài)光伏遮陽(yáng)多目標(biāo)優(yōu)化模型的靜態(tài)輸入?yún)?shù)為建筑物結(jié)構(gòu)、尺寸,室內(nèi)表面反射率、透光率,空調(diào)負(fù)荷以及用電負(fù)荷,其動(dòng)態(tài)輸入?yún)?shù)為光伏遮陽(yáng)裝置的移動(dòng)高度、角度和寬度等。該模型將節(jié)能率作為節(jié)能效果的量化評(píng)價(jià)指標(biāo),將自然采光照度作為采光效果的量化評(píng)價(jià)指標(biāo)。2)在靜態(tài)輸入?yún)?shù)中,不能直接測(cè)量室內(nèi)表面的反射率、透光率,因此采用遺傳算法對(duì)墻體、天花板、地面、衣柜和桌面等表面參數(shù)進(jìn)行迭代優(yōu)化,校正動(dòng)態(tài)光伏遮陽(yáng)多目標(biāo)優(yōu)化模型的參數(shù)精度,提高其對(duì)節(jié)能率、自然采光照度的計(jì)算效果。3)該模型能夠應(yīng)用于建筑物光伏遮陽(yáng)裝置設(shè)計(jì),包括設(shè)定尺寸,控制遮陽(yáng)角度和移動(dòng)高度的動(dòng)態(tài)變化范圍,使建筑物節(jié)能效果和采光效果較好。

      參考文獻(xiàn)

      [1]劉洋,于海東,劉文彬,等.基于DTW-兩階四分位的分布式光伏發(fā)電異常數(shù)據(jù)辨識(shí)[J].熱力發(fā)電,2024,53(7):34-44.

      [2]吳佩芝,徐天奇,李琰,等.考慮預(yù)測(cè)誤差不確定性的源-荷-廣義儲(chǔ)低碳經(jīng)濟(jì)動(dòng)態(tài)優(yōu)化調(diào)度[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)),2024,38(5):276-285.

      [3]余洋,陸文韜,陳東陽(yáng),等.光伏波動(dòng)平抑下改進(jìn)K-means

      的電池儲(chǔ)能動(dòng)態(tài)分組控制策略[J].電力系統(tǒng)保護(hù)與控制,2024,52(7):1-11.

      [4]耿志平,高巖.空調(diào)負(fù)荷主動(dòng)調(diào)控的分布式光伏建筑能源系統(tǒng)優(yōu)化運(yùn)行分析[J].建筑科學(xué),2024,40(2):70-77,110.

      [5]張姝,陳豪,肖先勇.基于RBF神經(jīng)網(wǎng)絡(luò)的光伏并網(wǎng)系統(tǒng)自適應(yīng)等效建模方法[J].電力系統(tǒng)保護(hù)與控制,2024,52(4):77-86.

      [6]熊昌全,張宇寧,劉育,等.基于融合SIFT算法的光伏電站安監(jiān)圖像精準(zhǔn)識(shí)別技術(shù)研究[J].粘接,2024,51(2):143-146.

      猜你喜歡
      多目標(biāo)優(yōu)化遺傳算法
      遺傳算法對(duì)CMAC與PID并行勵(lì)磁控制的優(yōu)化
      基于自適應(yīng)遺傳算法的CSAMT一維反演
      一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
      基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
      改進(jìn)的多目標(biāo)啟發(fā)式粒子群算法及其在桁架結(jié)構(gòu)設(shè)計(jì)中的應(yīng)用
      群體多目標(biāo)優(yōu)化問(wèn)題的權(quán)序α度聯(lián)合有效解
      云計(jì)算中虛擬機(jī)放置多目標(biāo)優(yōu)化
      協(xié)同進(jìn)化在遺傳算法中的應(yīng)用研究
      狼群算法的研究
      基于多目標(biāo)優(yōu)化的進(jìn)化算法研究
      宜宾市| 云霄县| 宣城市| 泰顺县| 舟曲县| 江北区| 慈溪市| 绥德县| 册亨县| 清远市| 通城县| 华坪县| 芦山县| 宕昌县| 曲麻莱县| 当阳市| 广德县| 景洪市| 马关县| 仁化县| 乡宁县| 正蓝旗| 乌审旗| 新余市| 莒南县| 类乌齐县| 宁强县| 英山县| 兴和县| 玛多县| 赣州市| 西丰县| 阳东县| 河池市| 南溪县| 禄丰县| 噶尔县| 岑巩县| 海盐县| 诏安县| 惠来县|