基于IBK-IPS的电驱车间空调系统节能优化方法

doi:10.12141/j.issn.1000-565X.240412

华南理工大学学报(自然科学版) ›› 2025, Vol. 53 ›› Issue (7): 80-92.doi: 10.12141/j.issn.1000-565X.240412

• 电子、通信与自动控制 • 上一篇下一篇

基于IBK-IPS的电驱车间空调系统节能优化方法

龚小容, 王鑫, 熊维清, 王溏靓, 张洪铭

重庆理工大学机械工程学院，重庆 400054

收稿日期:2024-08-22 出版日期:2025-07-25 发布日期:2024-12-13
通信作者: 熊维清（1996—），女，博士，讲师，主要从事空调系统节能优化研究。 E-mail:wq.xiong@cqut.edu.cn
作者简介:龚小容（1986—），女，博士，副教授，主要从事空调系统建模及优化控制研究。E-mail： gxr@cqut.edu.cn
基金资助:
国家自然科学基金项目(52405532);重庆市自然科学基金项目(CSTB2024NSCQ-MSX0425);重庆市教育委员会科学技术研究项目(KJQN202401136);重庆理工大学国家“两金”培育项目(2023PYZ022);重庆理工大学科研启动项目(2023ZDZ046)

An Energy-Saving Optimization Method of Air-Conditioning System for Electric Drive Workshop Based on IBK-IPS Algorithm

GONG Xiaorong, WANG Xin, XIONG Weiqing, WANG Tangliang, ZHANG Hongming

College of Mechanical Engineering，Chongqing University of Technology，Chongqing 400054，China

Received:2024-08-22 Online:2025-07-25 Published:2024-12-13
Contact: 熊维清（1996—），女，博士，讲师，主要从事空调系统节能优化研究。 E-mail:wq.xiong@cqut.edu.cn
About author:龚小容（1986—），女，博士，副教授，主要从事空调系统建模及优化控制研究。E-mail： gxr@cqut.edu.cn
Supported by:
the National Natural Science Foundation of China(52405532);the Natural Science Foundation of Chongqing City(CSTB2024NSCQ-MSX0425);the Science and Technology Research Program of Chongqing Municipal Education Commission(KJQN202401136)

摘要/Abstract

摘要：

针对电驱车间空调系统运行能耗高和工作效率低的问题，基于IBK-IPS算法提出了一种考虑空调系统各设备相互约束的动态节能优化方法。首先，分析空调系统各设备之间的影响机理，建立各设备的能耗和约束条件数学模型，构建系统运行能耗优化目标函数；接着，提出了一种基于改进黑翅鸢与粒子群（IBK-IPS）的算法，对空调系统各设备的水温、流量和风量等运行参数进行优化，以提高空调系统运行参数控制的精度和效果；然后，利用Simulink平台建立空调系统冷却水系统、冷冻水系统的能耗仿真模型，并通过仿真实验来验证运行参数优化的效果和准确性；最后，将该方法在某电驱车间进行实际应用，以验证所提方法的实际效果和可行性。仿真实验及实际应用测试结果表明：系统的运行能耗得到有效降低，节能率达到11.23%~34.68%；系统的运行能效得到有效优化，运行能效提升了11.53%~41.75%；相较于PS、BK、BK-PS算法，IBK-IPS算法的节能效果最优，且收敛速度分别提升了27.27%、61.90%、69.23%；在实际应用测试中，优化后系统在5种不同负荷下的节能率分别为22.61%、17.24%、7.48%、14.97%、12.64%。综上所述，该文提出的节能优化方法能够有效地解决电驱车间空调系统运行能耗高和工作效率低的问题，具有良好的节能效果和实用性，可为空调系统节能优化研究提供新的思路。

关键词: 电驱车间, 空调系统, 相互约束, 改进的黑翅鸢与粒子群算法, 动态节能优化方法

Abstract:

To address the problems of high operational energy consumption and low efficiency in air-conditioning system for electric drive workshops, this paper proposed a dynamic energy-saving optimization method based on the IBK-IPS algorithm, taking into account the mutual constraints of each equipment of the air-conditioning system. Firstly, the influence mechanism among system components were analyzed, and mathematical models of energy consumption and constraints conditions for each device were established to an objective function for system energy consumption. Then, an improved Black Kite-Particle Swarm (IBK-IPS) algorithm was introduced to optimize operational parameters such as water temperature, flow rate, and air volume, thereby improving the accuracy and effectiveness of system parameter control. Subsequently, a simulation model of the cooling water system and chilled water system of the air-conditioning system is developed using the Simulink platform to evaluate the performance and accuracy of the parameter optimization. Finally, the method is practically applied in an electric drive workshop to verify the practical effect and feasibility of the proposed method. The results of simulation experiments and practical application tests show that: the operational energy consumption of the system is effectively reduced, achieving an energy-saving rate of 11.23%~34.68%, and improves operational energy efficiency by 11.53%~41.75%. Compared with the PS, BK, and BK-PS algorithms, the IBK-IPS algorithm delivers superior energy-saving performance, with convergence speeds improved by 27.27%, 61.90%, and 69.23%, respectively. In real-world testing under five different load conditions, the optimized system achieved energy-saving rates of 22.61%, 17.24%, 7.48%, 14.97%, and 12.64%, respectively. In summary, the energy-saving optimization method proposed in this paper can effectively solve the problem of high energy consumption and low efficiency of the air-conditioning system operation in the electric drive workshop, which has good energy-saving effect and practicability, and can provide new ideas for the research of energy-saving optimization of air-conditioning system.

Key words: electric drive workshop, air-conditioning system, mutual constraint, improved black-winged kite and particle swarm algorithm, dynamic energy-saving optimization method

中图分类号:

TP18

龚小容, 王鑫, 熊维清, 王溏靓, 张洪铭. 基于IBK-IPS的电驱车间空调系统节能优化方法[J]. 华南理工大学学报(自然科学版), 2025, 53(7): 80-92.

GONG Xiaorong, WANG Xin, XIONG Weiqing, WANG Tangliang, ZHANG Hongming. An Energy-Saving Optimization Method of Air-Conditioning System for Electric Drive Workshop Based on IBK-IPS Algorithm[J]. Journal of South China University of Technology(Natural Science Edition), 2025, 53(7): 80-92.

图/表 17

图1

表1

图2

图3

表2

不同负荷下电驱车间空调系统运行参数优化结果"

Q_e/kW	θ_sq/℃	θ_d，o/℃	G_d/（m³‧h^-1）	θ_q，i/℃	G_q/（m³‧h^-1）	F_3a/（m³‧h^-1）	V_76a/（m³‧h^-1）	W_o/（kW·h）	W_o0/（kW·h）	λ/%
15.38	33.05	10.93	101.32	29.98	120.68	58 668.73	3 360.28	91.46	140.02	34.68
19.21	26.97	10.78	105.00	29.56	125.77	60 452.14	3 420.67	96.21	142.64	32.55
21.69	40.98	10.54	108.00	29.74	131.75	63 356.00	3 990.42	102.63	150.51	31.81
29.07	36.60	10.09	101.00	30.01	133.86	142 209.74	4 000.63	109.80	154.80	29.07
35.73	25.99	10.01	106.15	30.00	137.71	162 688.85	4 371.26	115.76	162.84	28.91
44.92	25.75	9.78	107.00	30.20	151.36	170 000.00	4 580.04	121.08	167.42	27.68
50.02	28.13	9.61	109.00	30.08	165.69	180 261.00	5 300.25	127.82	175.22	27.05
57.80	28.98	9.55	111.00	29.65	168.01	185 262.17	5 824.57	130.04	177.50	26.74
65.12	38.18	9.40	118.37	30.00	170.18	190 768.50	6 035.25	134.25	179.24	25.10
74.18	28.25	9.40	125.56	30.90	179.37	190 261.00	6 277.21	149.63	193.10	22.51
82.24	37.23	9.35	134.26	30.04	186.32	200 716.74	6 450.25	162.00	205.66	21.23
86.17	39.03	9.13	153.55	29.89	193.26	210 663.50	6 625.46	179.37	226.71	20.88
91.89	40.83	9.02	167.65	29.70	200.21	220 611.00	6 973.72	192.74	241.35	20.14
101.42	30.13	8.86	171.66	30.54	205.36	227 143.61	7 321.98	206.11	257.00	19.80
108.51	28.13	8.71	174.45	30.69	207.16	230 558.51	7 670.24	220.48	272.40	19.06
115.08	28.79	8.56	179.59	29.01	211.87	238 675.27	7 862.44	237.85	292.56	18.70
127.41	31.11	8.45	183.47	30.00	214.10	240 506.69	8 018.49	254.22	310.93	18.24
136.73	28.89	8.36	187.67	30.64	218.56	242 456.07	8 366.75	271.06	330.44	17.97
141.06	33.54	8.20	190.57	30.12	221.05	247 803.25	8 445.78	289.15	348.84	17.11
147.39	30.62	8.05	192.52	29.87	228.00	250 062.52	8 525.48	296.59	355.07	16.47
152.02	35.35	8.04	196.52	30.02	234.94	253 476.87	8 634.62	308.96	368.03	16.05
166.04	28.54	7.90	199.57	30.18	241.89	258 453.50	8 715.01	315.57	373.63	15.54
174.37	33.42	7.70	202.35	30.06	248.83	260 401.00	9 063.26	334.63	393.31	14.92
179.70	34.36	7.61	203.13	31.34	255.78	265 832.81	9 480.52	351.52	409.60	14.18
186.02	36.57	7.41	208.34	29.82	262.73	268 793.05	9 759.78	370.33	428.87	13.65
189.05	40.13	7.30	214.63	29.65	269.67	271 034.26	10 108.03	382.71	440.30	13.08
195.28	29.64	7.10	219.47	30.89	276.62	275 473.35	10 259.25	398.08	457.04	12.90
202.68	29.24	7.01	227.30	29.76	283.56	284 366.00	10 547.26	406.52	463.75	12.34
208.00	28.48	6.71	231.04	30.01	286.18	287 261.00	10 680.89	424.75	481.69	11.82
215.00	28.26	6.40	235.61	31.23	290.91	290 261.00	10 791.73	428.43	482.63	11.23

表2

表3

图4

图5

表4

图6

表5

图7

图8

图9

图10

图11

表6

参考文献 21

[1]	ZHAO Y， LI W， ZHANG J，et al ．Real-time energy consumption prediction method for air-conditioning system based on long short-term memory neural network［J］．Energy and Buildings，2023，298：113527/1-13．
[2]	LU S， QI Y， CAI Z，et al ．Optimization model analysis of centralized groundwater source heat pump system in heating season［J］．Frontiers in Energy，2015，9：343-361．
[3]	LI S， CHEN X， BU L，et al ．Two-stage optimization for the air conditioning system in public buildings with flexible control of indoor load［J］．Energy and Buildings，2024，312：114162/1-13．
[4]	CEN J， ZENG L， LIU X，et al ．Research on energy-saving optimization method for central air conditioning system based on multi-strategy improved sparrow search algorithm ［J］．International Journal of Refrigeration，2024，160：263-274．
[5]	叶灿滔，马伟斌，刘金平，等．基于谐波反应法的净化空调系统节能研究［J］．华南理工大学学报（自然科学版），2013，41（12）：81-89．
	YE Can-tao， MA Wei-bin， LIU Jin-ping，et al ．Study on energy saving of purified air conditioning system based on harmonic response method［J］．Journal of South China University of Technology （Natural Science Edition），2013，41（12）：81-89．
[6]	ZHAO J， LIU D， YUAN X，et al ．Model predictive control for the ice-storage air-conditioning system coupled with multi-objective optimization［J］．Applied Thermal Engineering，2024，243：122595/1-19.
[7]	刘金平，卢智涛，刘雪峰，等．基于次优化解群的冷冻水泵组全年能耗评价方法［J］．华南理工大学学报（自然科学版），2015，43（7）：106-117．
	LIU Jin-ping， LU Zhi-tao， LIU Xue-feng，et al ．An evaluation method of annual energy consumption of chilled water pumps group based on suboptimal solutions［J］．Journal of South China University of Technology （Natural Science Edition），2015，43（7）：106-117．
[8]	YANG J， WU J， XIAN T，et al ．Research on energy-saving optimization of commercial central air-conditioning based on data mining algorithm［J］．Energy and Buildings，2022，272：112326/1-15．
[9]	杨秀，刘欣雨，孙改平，等．基于改进粒子群算法的中央空调系统节能优化控制［J］．电力科学与技术学报，2023，38（3）：65-75，93．
	YANG Xiu， LIU Xinyu， SUN Gaiping，et al ．Energy-saving optimization control of central air-conditioning system based on improved particle swarm algorithm［J］．Journal of Electric Power Science and Technology，2023，38（3）：65-75，93．
[10]	闫军威，黄琪，周璇．基于Double-DQN的中央空调系统节能优化运行［J］．华南理工大学学报（自然科学版），2019，47（1）：135-144．
	YAN Junwei， HUANG Qi， ZHOU Xuan ．Energy-saving optimization operation of central air-conditioning system based on double-DQN algorithm［J］．Journal of South China University of Technology （Natural Science Edition），2019，47（1）：135-144．
[11]	TU M， HUANG H， LIU Z H，et al ．Factor analysis and optimization of operational parameters in a liquid desiccant air-conditioning system［J］．Energy，2017，139：767-781．
[12]	周璇，莫浩华，闫军威．基于改进H-AC算法的冷源系统节能优化控制策略［J］．华南理工大学学报（自然科学版），2025，53（1）：21-31．
	ZHOU Xuan， MO Haohua， YAN Junwei ．Investigating an enhanced H-AC algorithm-based strategy for energy-saving optimization control in cold source system［J］．Journal of South China University of Technology （Natural Science Edition），2025，53（1）：21-31．
[13]	LIU Q， CHENG X， SHI J，et al ．Modeling and predicting energy consumption of chiller based on dynamic spatial-temporal graph neural network［J］．Journal of Building Engineering，2024，91：109657/1-21．
[14]	CAI J， YANG H ．Attention mechanism-aided model ensemble method of chiller energy consumption prediction［J］．International Journal of Refrigeration，2024，165：111-121．
[15]	WANG H， WANG F， WANG C，et al ．A prospective assessment of scale effects of energy conversion in ultra-low-head pumped hydro energy storage units［J］．Energy Conversion and Management，2024，315：118798/1-22．
[16]	BARNIER M A， BOURRET B ．Pumping energy and variable frequency drives［J］．ASHRAE Journal，1999，41（12）：37-40．
[17]	王明伟，刘天天，高琦，等．填料蒸发预冷进风的机械通风空冷塔设计及其运行性能［J］．中国电力，2024，57（6）：225-234．
	WANG Mingwei， LIU Tiantian， GAO Qi，et al ．Design and operating performance of mechanical draft dry cooling tower pre-cooled with wet medium［J］．Electric Power，2024，57（6）：225-234．
[18]	乔义友，方健珉，殷翔，等．送风温度对车用跨临界CO₂制冷系统影响的仿真研究［J］．制冷学报，2022，43（4）：96-102．
	QIAO Yiyou， FANG Jianmin， YIN Xiang，et al ．Simulation study on the effect of supply air temperature on vehicle transcritical CO₂ refrigeration system［J］．Journal of Refrigeration，2022，43（4）：96-102．
[19]	WANG J， WANG W， HU X，et al ．Black-winged kite algorithm：a nature-inspired meta-heuristic for solving benchmark functions and engineering problems［J］．Artificial Intelligence Review，2024，57：98/1-53．
[20]	JIANG M， FENG X， WANG C，et al ．Robust color image watermarking algorithm based on synchronization correction with multi-layer perceptron and Cauchy distribution model［J］．Applied Soft Computing，2023，140：110271/1-15．
[21]	BO Y， GUO X， LIU Q，et al ．Prediction of tunnel deformation using PSO variant integrated with XGBoost and its TBM jamming application［J］．Tunnelling and Underground Space Technology，2024，150：105842/1-20．

设备名称	参数名称	参数值		台数
设备名称	参数名称	单台设备	总体	台数
冷水机组	制冷量/kW	217	1 953	9
冷水机组	功率/kW	40.0	360.0	9
冷却水泵	流量/（m³‧h^-1）	300	900	3
冷却水泵	功率/kW	20.0	620.0	3
冷冻水泵	流量/（m³‧h^-1）	250	750	3
冷冻水泵	功率/kW	15.0	415.0	3
冷却塔	流量/（m³‧h^-1）	300	900	3
	风量/（m³‧h^-1）	103 333.00	310 000.00
	功率/kW	12.0	36.0
空调风机	流量/（m³‧h^-1）	16	1 216	76
	风量/（m³‧h^-1）	157.89	12 000.00
	功率/kW	1.5	114.0

运行参数	原始值	优化值
冷冻水出水温度/℃	［5，12］	［6.40，10.93］
冷冻水泵流量/（m³‧h^-1）	［100，250］	［101.32，235.61］
冷却水进水温度/℃	［24，32］	［29.01，31.34］
冷却水泵流量/（m³‧h^-1）	［120，300］	［120.68，290.91］
冷却塔风机风量/（m³‧h^-1）	［0，310 000］	［58 668.73，290 261.00］
空调风机风量/（m³‧h^-1）	［0，12 000］	［3 360.28，10 791.73］

需求负荷		空气湿球温度/℃	W_o/（kW·h）				节能效果/（kW·h）
数值/kW	占比/%	空气湿球温度/℃	PS	BK	BK-PS	IBK-IPS	W_o（IBK-IPS）-W_o（PS）	W_o（IBK-IPS）-W_o（BK）	W_o（IBK-IPS）-W_o（BK-PS）
21.69	10	40.98	131.67	124.02	115.84	102.63	-29.04	-21.39	-13.21
65.12	30	38.18	142.02	139.72	137.29	134.25	-7.77	-5.47	-3.04
108.51	50	28.13	270.38	253.87	237.28	220.48	-49.90	-33.39	-16.80
152.02	70	35.35	361.33	342.10	325.74	308.96	-52.37	-33.14	-16.78
195.28	90	29.64	442.18	428.69	416.77	398.08	-44.10	-30.61	-18.69

负荷/kW	空气湿球温度/℃	能耗/（kW·h）		λ/%
负荷/kW	空气湿球温度/℃	优化后	优化前	λ/%
0.1Q_e	26.51	108.26	139.89	22.61
0.3Q_e	27.38	135.87	164.18	17.24
0.5Q_e	31.35	219.25	236.97	7.48
0.7Q_e	36.14	316.01	371.66	14.97
0.9Q_e	37.29	421.28	482.23	12.64

基于IBK-IPS的电驱车间空调系统节能优化方法

An Energy-Saving Optimization Method of Air-Conditioning System for Electric Drive Workshop Based on IBK-IPS Algorithm

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 21

相关文章 5

编辑推荐

Metrics

本文评价

算法	收敛次数	搜索范围
IBK-IPS	8	0~2.05×10⁴
BK-PS	11	0~3.63×10⁴
BK	21	0~4.25×10⁴
PS	26	0~4.35×10⁴

[1]	赵又群, 徐周, 虞志浩, 林棻, 何鲲鹏, 尤庆伸. 考虑空调系统的燃料电池汽车能量管理策略[J]. 华南理工大学学报(自然科学版), 2025, 53(6): 56-65.
[2]	刘雪峰, 黄彬, 丁笠伟, 等. 水冷式集中空调冷源系统多变量耦合物理模型[J]. 华南理工大学学报(自然科学版), 2024, 52(5): 139-152.
[3]	闫军威黄琪周璇. 基于Double-DQN的中央空调系统节能优化运行[J]. 华南理工大学学报（自然科学版）, 2019, 47(1): 135-144.
[4]	叶灿滔马伟斌刘金平刘雪峰. 基于谐波反应法的净化空调系统节能研究[J]. 华南理工大学学报（自然科学版）, 2013, 41(12): 81-89.
[5]	丁云飞, 丁静, 王卓越, 等. 除湿转轮处理冷却顶板空调系统的湿负荷[J]. 华南理工大学学报(自然科学版), 2004, 32(3): 10-14.