本发明涉及洁净室，特别是一种用于洁净风系统的控制参数寻优的计算方法。
背景技术：
1、洁净空调系统是生物制药等多个行业中保证洁净厂房环境参数的重要设施，广泛应用于保持生产环境的洁净度和稳定性。这些系统主要由风机、风管和风阀等组成，其运行能耗通常占整个系统能耗的45％以上。洁净风系统的核心功能是通过调节风机频率和风阀角度来控制洁净区域的风量平衡和压差梯度，确保不同区域之间的适当隔离和污染控制。
2、在生物制药行业中，洁净室需根据不同的生产需求切换工作模式、消毒模式、值班模式等多种运行模式。这些模式转换需精确控制房间的风量平衡和维持压差梯度，以避免交叉污染。因此，每种运行模式的有效切换对洁净空调系统而言都是一次全新的调节挑战，关键在于如何合理设置风机频率和风阀角度。目前，洁净空调系统的模式调节通常缺乏高效的策略，导致系统在工作模式下长期运行，从而造成大量的能源浪费。
3、此外，现有的洁净空调系统在运行参数调节方面仍依赖于操作人员的手动调整，这不仅导致了调节精度不高，而且造成了系统控制的不稳定。尽管已有如申请号为“cn202211243702.3”的发明专利提出了一种洁净空调系统控制参数模拟计算的全过程仿真系统，实现了控制参数的远程计算和自动调节，但其缺乏一种有效的最优控制参数组合的寻优计算方法。
4、因此，本发明旨在提供一种洁净空调系统控制参数的全局寻优计算方法，通过智能算法寻找最优的参数组合，不仅实现洁净区域风量和压差梯度的高精度控制，而且大幅降低系统运行的能耗，从而提升整体系统效率和经济性。
技术实现思路
1、本发明公开了一种洁净风系统最优控制参数的全局寻优计算方法，目的是实现洁净区域的风量平衡和压差梯度稳定，并降低系统运行能耗。
2、为了实现上述发明目的，本发明的技术方案如下：一种洁净风系统最优控制参数的全局寻优计算方法，包括以下步骤：
3、s1、设定洁净风系统控制变量的约束条件，包括风机频率调节范围和各个洁净室的风阀角度的调节范围(上限、下限)。
4、fi,min≤fi≤fi,max
5、0≤θj≤90
6、fi,min，风机i的频率调节下限，fi,max，风机i的频率调节上限；θj，风阀j的角度，其中，fi,min＝25hz；fi,max＝50hz。
7、s2、设定寻优目标参数，包括系统总风量值(总送风量、总新风量、总排风量等)、支路风量值(各个洁净区域的送风量)、洁净房间压差。
8、s3、计算帕累托最优解集，设定全局寻优迭代计算次数k(k为整数，且k≥1),并调用仿真系统进行计算。全局寻优采用粒子群寻优算法，算法流程如图1所示。
9、s3.1、初始化粒子群。设粒子群的规模(粒子个数)为n，需要优化的控制变量个数为d，将n个粒子随机分布到d维空间，得到n组随机解。
10、粒子i(i∈n，i＝1，2，3…，n)在第k次迭代计算的位置(解)记为k∈[1,k]；ld表示第d个维度(控制变量)的下限、ud表示第d个维度的上限。
11、粒子i在第k次计算时的速度记为vd,min表示粒子i在第d维的运动速度的最小值，vd,max表示粒子i在第d维的运动速度的最大值。
12、s3.2、计算粒子适应度值。计算适应度值的目的是为粒子的当前位置(解)进行评价，粒子适应度的评价基于洁净区域压差和洁净区域送风量两个指标。
13、以粒子i为例，首先计算各个区域压差和送风量的计算值与设定值的偏差，并得到两个数据集合：
14、
15、
16、qm,a，第m个洁净区域送风量的计算值；
17、qm,d，第m个洁净区域送风量的寻优目标值；
18、pm,a，第m个洁净区域压差的计算值；
19、pm,d，第m个洁净区域压差的寻优目标值；
20、qm，第m个洁净区域送风量的偏差值；
21、pm，第m个洁净区域压差的偏差值。
22、然后，分别计算洁净区域送风量偏差值集合的标准差、洁净区域压差偏差值集合的标准差：
23、
24、
25、则粒子i当前位置(解)的适应度值为：
26、f(i)＝0.5*sq+0.5*sp
27、其中，洁净区域送风量偏差值集合的标准差sq赋予权重0.5，洁净区域压差偏差值集合的标准差sp赋予权重0.5，认为支路送风量的控制与房间压差控制同等重要。
28、s3.3、计算个体历史最优位置。比较各个粒子每次迭代计算的适应度值，适应度值(f(i))最小的位置为粒子i的历史最优位置pbest。
29、s3.4、更新帕累托最优解集。帕累托最优解集是通过帕累托方法对粒子的位置(解)进行筛选得到的n组帕累托最优解。帕累托最优解能够确保至少一个洁净区域的送风量和房间压差达到最优(接近或达到设定的寻优目标参数)，并且使其他洁净区域的送风量和房间压差没有明显偏离设定的寻优目标参数。
30、第1次计算时，比较n个粒子的适应度值，选择适应度值小的n组解(n个粒子位置，n≤n)，组成帕累托最优解集。
31、之后每次计算，都将n个粒子的新解与帕累托最优解集中的n组解进行比较，适应度值小的进入帕累托最优解集，其余的淘汰，始终保持帕累托最优解集中解的数量为n组。
32、s3.5、计算种群历史最优位置。每次计算时，都从更新后的帕累托最优解集中随机选择1组解，作为种群历史最优位置gbest。
33、s3.6、更新粒子的速度、位置。粒子的速度是一个位置向量，更新后的速度实际上是粒子下一次计算时粒子移动的方向和距离。假设粒子i第k次计算时在维度d的速度为则第k+1计算时在维度d的速度为：
34、
35、ω，惯性权重，反应粒子的运动习惯及粒子对自身先前运动状态的信任；
36、c1，个体学习因子，即粒子向自身最优解收敛的加速权重；
37、c2，群体学习因子，即粒子向群体最优解收敛的加速权重；
38、r1、r2，介于(0，1)之间的随机数。
39、假设粒子i第k次计算在维度d的位置为则第k+1次计算得到的位置为：
40、
41、s3.7、判断是否满足终止条件。判断迭代计算次数k是否大于设定的全局寻优迭代计算次数k，满足则结束迭代计算，进入下一步骤。
42、通过上述计算，已经得到满足支路送风量、房间压差为优化目标的，考虑风系统运行参数控制精度的解集，下一步需进一步考虑风系统运行的节能特性，以风机频率更低、系统阻抗更小(风阀角度更小---开度更大)为优化目标，对解集进一步筛选。
43、s4、筛选最终权衡解。经过k次迭代计算后，帕累托最优解集中的n组解是从n×k组解中筛选得到的n组权衡解，能够使所有洁净区域送风量和房间压差都达到或接近设定的寻优目标参数，保证洁净区域的参数控制精度。
44、以系统阻抗小、运行能耗低为优化目标，通过熵权法对帕累托最优解集的n组解进行综合评价，筛选出洁净风系统阻抗小、运行能耗低的1组解，作为最终权衡解，发送给自控系统作为控制参数对现场风机和风阀进行控制。
45、s4.1、构建评价模型矩阵。分别计算n组解的运行功率的和、末端风阀的平均角度：
46、
47、w，系统中风机运行功率之和；
48、n，系统中风机个数；
49、fi，计算得到的风机i的运行频率。
50、
51、p，末端风阀的平均角度；
52、m，末端送风阀、回风阀、排风阀的个数；
53、pj，计算得到的风阀j的角度。
54、计算得到的n组解的两个评价指标组成如下所示的表格。
55、 帕累托最优解 风机功率之和 末端风阀平均角度 第1组解 <![cdata[w<sub>1</sub>]]> <![cdata[p<sub>1</sub>]]> 第2组解 <![cdata[w<sub>2</sub>]]> <![cdata[p<sub>2</sub>]]> 第3组解 <![cdata[w<sub>3</sub>]]> <![cdata[p<sub>3</sub>]]> … … … 第n组解 <![cdata[w<sub>n</sub>]]> <![cdata[p<sub>n</sub>]]>
56、s4.2、数据标准化处理。风机运行能耗和末端风阀平均角度都是越小越好，因此都是负向指标，标准化处理方法如下：
57、
58、xij，第i个帕累托最优解的第j个指标；
59、xij，数据标准化后的第i个帕累托最优解的第j个指标；
60、i＝1、2…、n；
61、j＝1、2；
62、s4.3、计算第j项指标下第i个解占该指标的比重：
63、
64、s4.4、计算第j项指标的熵值：
65、
66、其中，满足ej≥0。
67、s4.5、计算第j项指标的差异：
68、dj＝1-ej
69、s4.6、计算第j项指标的权重：
70、
71、s4.7、分别计算n个帕累托最优解的得分，选择最高的1组作为最终权衡解。
72、
73、s5、最终权衡解作为唯一控制参数组发送给控制系统。
74、本发明与现有技术相比，具有如下有益效果：
75、1)本发明基于粒子群算法对洁净风系统的控制参数进行全局寻优计算，并通过帕累托方法得到帕累托最优解集，使计算得到的控制参数能够充分保证所有洁净区域的房间参数满足设定的目标需求，实现洁净区域房间参数的高精度控制。
76、2)本发明在控制参数实现洁净区域参数高精度控制的基础上，以系统阻抗小、运行能耗低为目标，对帕累托最优解集进一步筛选，得到兼顾洁净区域房间参数控制精度和系统运行能耗最优的控制参数组合，既满足了洁净风系统对送风量和压差梯度控制的需求，也降低了系统运行能耗、节约了能源。
1.一种洁净风系统最优控制参数的全局寻优计算方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种洁净风系统最优控制参数的全局寻优计算方法，其特征在于：所述洁净风系统控制变量的约束条件设定如下：风机频率调节范围：
3.如权利要求1所述的一种洁净风系统最优控制参数的全局寻优计算方法，其特征在于：所述寻优目标参数包括系统总风量值，所述总风量值包括总送风量、总新风量、总排风量，支路风量值，洁净房间压差。
4.如权利要求1所述的一种洁净风系统最优控制参数的全局寻优计算方法，其特征在于：所述计算帕累托最优解集的具体步骤如下：
5.如权利要求3所述的一种洁净风系统最优控制参数的全局寻优计算方法，其特征在于：经过k次迭代计算后，帕累托最优解集中的n组解是从n×k组解中筛选得到的n组权衡解，以系统阻抗小、运行能耗低为优化目标，通过熵权法对帕累托最优解集的n组解进行综合评价，筛选出洁净风系统阻抗小、运行能耗低的1组解，作为最终权衡解，发送给自控系统作为控制参数对现场风机和风阀进行控制。
6.如权利要求5所述的一种洁净风系统最优控制参数的全局寻优计算方法，其特征在于：最终权衡解的筛选步骤如下：
