策略最佳化

在完成EPW 文件的產出後，系統會修改主文件夾下的兩個模型文件中與日期 相關的部分，包括模擬啟動與終止日期，自然通風時間表和預冷時間表中的日期等。

而後系統會讀取主文件下記錄歷史控制策略的文件，並且將先前已確定的第 1 天 至第6 天的控制策略寫入兩個模型對應位置中。

之後系統進入基因演算法最佳化階段。首先讀取參數的設定值，本案例實作中 世代數設定為50 世代，每個世代染色體數目為 50 個，交叉率設定為 0.6，突變率 設定為0.1。然後系統呼叫子程式進行基因演算法輔以並行運算加速，流程如圖 4.9

所示。本案例中以Intel Core(TM)i5-6200U CPU @ 2.30GHz 2.40GHz，RAM 4GB，

SSD 250GB 的筆記本型電腦為例，並行運算花費 121 分鐘與串行運算花費 165 分 鐘，兩者相比並行運算可以節約27%的時間。在未來的研究中，可將終止條件從固 定世代數替換為若干世代的最佳適存值之收斂，以節約時間提升效率。

圖 4.9 本案例中的最佳化流程

在產出最佳化的自然通風與空調預冷之控制策略後，系統會將該控制策略寫 入記錄歷史控制策略的文件中以備之後的模擬使用，接著呼叫儲冰策略子程式。子 程式會將最佳化的自然通風與空調預冷之控制策略寫入具有儲冰槽模塊的模型文

因實驗屋並無實裝具有儲冰槽的空調系統，本研究僅以簡易水冷式空調系統 進行假設與模擬，空調系統相關運行參數由 EnergyPlus 以台北標準氣象年為基礎 自動設計。該模型具有空氣循環(圖 4.10)和冷凍水循環(圖 4.11)，此模型組件包含 但不限於管道、空氣循環之風扇、終端單向通道、冷水循環之冷水機、水泵、儲冰 槽等。

圖 4.10 空氣循環

根據模擬結果中的儲冰槽之消耗量、冷水機 COP、儲冰槽儲冰效率等參數進 行計算。公式如下：

儲冰需求量 = 儲冰槽工作消耗量 + 儲冰槽容量 × 儲冰槽損耗率 × (儲冰槽待

機時間+儲冰槽工作時間) (4.1)

冷水機消耗電量=儲冰需求量/冷水機效能比 (4.2)

儲冰時長=儲冰需求量/儲冰效率 (4.3)

儲冰槽工作消耗量：儲冰槽用於冷水循環工作所消耗之冰量。(J) 儲冰槽容量：儲冰槽最大容量。(J)

儲冰槽損耗率：每小時損耗冰量占最大容量之比例。損耗率為常數。

儲冰槽待機時間：從儲冰開始到儲冰槽運作前之時間。(hr)

儲冰槽工作時間：從儲冰槽運作開始到儲冰槽運作結束之時間(hr)

冷水機效能比：以 EnergyPlus 模擬結果為依據，儲冰槽儲存的能量除以冷水機消 耗的能量。在本模型中效能比在6.4 至 7.5 之間浮動，故為了簡化計算量使用 7 作 為本模型冷水機的效能比。

儲冰效率：以 EnergyPlus 模擬結果為依據，在空調系統參數確定以後單位時間內 的儲冰量為常數。

圖 4.11 冷凍水循環

若開啟儲冰槽的電費低於關閉儲冰槽之電費，則程式會輸出需要儲冰與儲冰 時長及相關費用。反之，則程式輸出無需儲冰，儲冰時間為0 及相關費用。