CN109028468A - 基于大数据分析的冰机集群系统能耗优化方法和装置 - Google Patents
基于大数据分析的冰机集群系统能耗优化方法和装置 Download PDFInfo
- Publication number
- CN109028468A CN109028468A CN201810609681.XA CN201810609681A CN109028468A CN 109028468 A CN109028468 A CN 109028468A CN 201810609681 A CN201810609681 A CN 201810609681A CN 109028468 A CN109028468 A CN 109028468A
- Authority
- CN
- China
- Prior art keywords
- ice maker
- cluster
- energy consumption
- refrigeration capacity
- capacity requirement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了基于大数据分析的冰机集群系统能耗优化方法和装置，涉及冰机集群系统技术领域，包括：根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求；根据制冷量需求预测信息调整冰机集群的工作状态；为冰机集群中的每一台冰机均建立能效模型；查找出能效比(COP)值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。有效优化冰机集群系统的工作方式，提升经济效益。
Description
技术领域
本发明涉及冰机集群系统技术领域，具体而言，涉及基于大数据分析的冰机集群系统能耗优化方法和装置。
背景技术
温度是影响各种工业生产设备的重要因素，一方面许多生产环境需要稳定的室内温度，另一方面一些对温度要求苛刻的设备在温度过高时会宕机甚至损毁，造成严重影响和安全隐患，因此工厂里的空调和冷却系统必不可少。空调和冷却系统的核心设备为若干台冰机(冷水机)，通过提供冷却水的方式保持工厂内的室温稳定和机台的散热。外界环境因素有明显的季节性变化趋势(冬天制冷量少，夏天制冷量多)和一天之内的变化趋势(早晚制冷量少，中午制冷量多)。目前的冰机自动化的群控系统没有对制冷量进行预测，也没有建立制冷量需求和冰机负载之间的关系，仅是计算开启冰机的平均负载，根据人的经验判断增开或关停冰机，是一种应激式的响应。此外，冰机能耗的最优负载区间为65％-85％之间，且每一台冰机的实际效率曲线也不一样，依靠人对冰机的开关进行响应式调节，难以做到及时响应和能耗最优。冰机集群系统通常是工厂中的用电大户，它的控制方式在保持最优经济性的方面还存在很大的挑战，比如：1.虽然多台冰机相互并联汇入供水主管共同维持供水温度满足工厂冷却需求，但是大多数情况下每一台冰机的控制都是相互独立的，并不会相互协同。2.即便是安装了群控系统的冰机集群，能够实现控制的协同性，但是控制的方式是根据开启的冰机的负载变化进行应激式的响应，无法实现预测性的优化。3.在没有群控系统的情况下，当制冷需求量发生趋势性变化时，需要人工重新匹配制冷量需求与冰机负载的关系，完成冰机的启停组合控制。人工的调节需要依靠专家经验，且很难做到准确敏捷地响应。以上缺陷造成的后果是：开启冰机的数量与工厂的冷量需求难以保持最佳匹配，当开启数量不足时会造成冰机的过载和冷量供给不足，而开启数量过多时会造成冰机能耗浪费产生额外成本。因此，如何实现冰机集群的优化控制进而降低运营成本成为亟待解决的技术问题。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一，公开了一种基于大数据分析的冰机集群系统能耗优化方法和装置，能够优化冰机集群系统的工作方式，提升经济效益。
本发明的第一方面公开了一种基于大数据分析的冰机集群系统能耗优化方法，包括：根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，包含长时和短时的预测，生成制冷量需求预测信息；其中，外界因素包括外界环境的温度、焓值、湿度和露点温度；
根据制冷量需求预测信息调整冰机集群的工作状态：
根据短时制冷量预测，计算增减冰机开启台数将制冷量负载重新分配给每台冰机时的集群能耗；或计算不增减冰机开启台数，只改变已开启冰机的负载时的集群能耗；将能耗较低的控制策略输入到控制系统中自动执行或通知到操作员去执行；
根据长时制冷量预测，计算在总制冷量一定的情况下，不同冰机开启台数对应的集群能耗，确定能耗最低的冰机开启台数；将能耗较低的控制计划输入到控制系统中或通知到操作员作为参考；
为冰机集群中的每一台冰机均建立能效模型：测量冰机单体的水流量、进水温度和出水温度，计算当前负载下的制冷量，根据冰机单体的功率和制冷量的比值计算出冰机集群中冰机单体的能效比COP，统计各电流负载下的COP值并取均值拟合能效曲线，作为冰机单体的能效模型；
冰机集群运行过程中，持续监测每一台冰机的实时COP值，查找出COP值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化方法，优选地，根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，生成制冷量需求预测信息的步骤，具体包括：以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入量，预测未来1-4小时内的制冷量需求；和/或以气象预测数据和生产计划为主要输入量，预测未来48小时以内的制冷量需求。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化方法，优选地，还包括：通过交互界面显示制冷量需求预测信息、集群能耗、能效模型和预警信息。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化方法，优选地，交互界面包括：Web界面、移动App界面、短信提醒界面、邮件提醒界面、大屏和看板显示界面。
本发明的另一方面公开了一种基于大数据分析的冰机集群系统能耗优化装置，包括：制冷量需求预测模块，根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，包含长时和短时的预测，生成制冷量需求预测信息；其中，外界因素包括外界环境的温度、焓值、湿度和露点温度；冰机启停优化模块，根据制冷量需求预测信息调整冰机集群的工作状态：根据短时制冷量预测，计算增减冰机开启台数将制冷量负载重新分配给每台冰机时的集群能耗；或计算不增减冰机开启台数，只改变已开启冰机的负载时的集群能耗；将能耗较低的控制策略输入到控制系统中自动执行或通知到操作员去执行；根据长时制冷量预测，计算在总制冷量一定的情况下，不同冰机开启台数对应的集群能耗，确定能耗最低的冰机开启台数；将能耗较低的控制计划输入到控制系统中或通知到操作员作为参考；冰机能效评估模块，为冰机集群中的每一台冰机均建立能效模型：为冰机集群中的每一台冰机均建立能效模型：测量冰机单体的水流量、进水温度和出水温度，计算当前负载下的制冷量，根据冰机单体的功率和制冷量的比值计算出冰机集群中冰机单体的能效比COP，统计各电流负载下的COP值并取均值拟合能效曲线，作为冰机单体的能效模型；预警模块，冰机集群运行过程中，持续监测每一台冰机的实时COP值，查找出COP值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化装置，优选地，制冷量需求预测模块，具体包括：短期预测模块，以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入量，预测未来1-4小时内的制冷量需求；和/或长期预测模块，以气象预测数据和生产计划为主要输入量，预测未来48小时以内的制冷量需求。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化装置，优选地，还包括：
交互模块，通过交互界面显示制冷量需求预测信息、集群能耗、能效模型和预警信息。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化装置，优选地，交互界面包括：Web界面、移动App界面、短信提醒界面、邮件提醒界面、大屏和看板显示界面。
本发明的有益效果至少包括：
1.本发明可以根据制冷量的时间序列的趋势特征、周期性季节变化规律、制冷需求设备运行状态等信息自动预测未来一段时间内的制冷量需求，从而将传统的应激式调节方式转变为预测式的优化方式。
2.本发明能够建立外界环境因素、制冷量、冰机负载和冰机功率之间的关系，进而预测在不同的制冷量需求和冰机开关机组合下的成本，结合冰机的单机设备能效和启停调节频率的限制，给出成本最优的冰机集群使用建议。与传统方法相比，此方法考虑了更加全面的影响因素，并且考虑了在未来不同时间尺度的变化性。
附图说明
图1示出了根据本发明的实施例的基于大数据分析的冰机集群系统能耗优化方法的示意流程图。
图2示出了根据本发明的实施例的基于大数据分析的冰机集群系统能耗优化装置的示意框图。
图3示出了根据本发明的实施例的流程简图。
图4示出了根据本发明的实施例的制冷量需求预测信息的计算流程简图。
图5示出了根据本发明的实施例的COP曲线示意图。
图6示出了根据本发明的实施例的冰机开启数量与功率消耗的示意图。
图7示出了根据本发明的实施例的软件结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例的限制。
如图1所示，本发明的实施例之一公开了一种基于大数据分析的冰机集群系统能耗优化方法，包括：
步骤S102，根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，包含长时和短时的预测，生成制冷量需求预测信息；其中，外界因素包括外界环境的温度、焓值、湿度和露点温度；
步骤S104，根据制冷量需求预测信息调整冰机集群的工作状态：根据短时制冷量预测，计算增减冰机开启台数将制冷量负载重新分配给每台冰机时的集群能耗；或计算不增减冰机开启台数，只改变已开启冰机的负载时的集群能耗；将能耗较低的控制策略输入到控制系统中自动执行或通知到操作员去执行；根据长时制冷量预测，计算在总制冷量一定的情况下，不同冰机开启台数对应的集群能耗，确定能耗最低的冰机开启台数；将能耗较低的控制计划输入到控制系统中或通知到操作员作为参考；
步骤S106，为冰机集群中的每一台冰机均建立能效模型：为冰机集群中的每一台冰机均建立能效模型：测量冰机单体的水流量、进水温度和出水温度，计算当前负载下的制冷量，根据冰机单体的功率和制冷量的比值计算出冰机集群中冰机单体的能效比COP，统计各电流负载下的COP值并取均值拟合能效曲线，作为冰机单体的能效模型；
步骤S108，冰机集群运行过程中，持续监测每一台冰机的实时COP值，查找出COP值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。
根据上述实施例，优选地，步骤S102具体包括：以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入量，预测未来1-4小时内的制冷量需求；和/或
以气象预测数据和生产计划为主要输入量，预测未来48小时以内的制冷量需求。
根据上述实施例，优选地，还包括：通过交互界面显示制冷量需求预测信息、集群能耗、能效模型和预警信息。
根据上述实施例，优选地，交互界面包括：Web界面、移动App界面、短信提醒界面、邮件提醒界面、大屏和看板显示界面。
如图2所示，本发明的实施例之一公开了一种基于大数据分析的冰机集群系统能耗优化装置200，包括：
制冷量需求预测模块202，根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，包含长时和短时的预测，生成制冷量需求预测信息；其中，外界因素包括外界环境的温度、焓值、湿度和露点温度；
冰机启停优化模块204，根据制冷量需求预测信息调整冰机集群的工作状态：根据短时制冷量预测，计算增减冰机开启台数将制冷量负载重新分配给每台冰机时的集群能耗；或计算不增减冰机开启台数，只改变已开启冰机的负载时的集群能耗；将能耗较低的控制策略输入到控制系统中自动执行或通知到操作员去执行；根据长时制冷量预测，计算在总制冷量一定的情况下，不同冰机开启台数对应的集群能耗，确定能耗最低的冰机开启台数；将能耗较低的控制计划输入到控制系统中或通知到操作员作为参考；
冰机能效评估模块206，为冰机集群中的每一台冰机均建立能效模型：为冰机集群中的每一台冰机均建立能效模型：测量冰机单体的水流量、进水温度和出水温度，计算当前负载下的制冷量，根据冰机单体的功率和制冷量的比值计算出冰机集群中冰机单体的能效比COP，统计各电流负载下的COP值并取均值拟合能效曲线，作为冰机单体的能效模型；
预警模块208，冰机集群运行过程中，持续监测每一台冰机的实时COP值，查找出COP值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化装置200，优选地，制冷量需求预测模块202，具体包括：
短期预测模块2022，以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入量，预测未来1-4小时内的制冷量需求；和/或
长期预测模块2024，以气象预测数据和生产计划为主要输入量，预测未来48小时以内的制冷量需求。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化装置200，优选地，还包括：
交互模块210，通过交互界面显示制冷量需求预测信息、集群能耗、能效模型和预警信息。
根据本发明公开的基于大数据分析的冰机集群系统能耗优化装置200，优选地，交互界面包括：Web界面、移动App界面、短信提醒界面、邮件提醒界面、大屏和看板显示界面。
图3至图7从实际应用层面披露了本发明的设计思路：
本发明提供了一种能够根据制冷量需求的预测来优化冰机集群系统启停控制的方法。主要包括：(1)根据外界环境因素预测制冷量：根据外界因素，如温度、焓值、湿度、露点温度等历史数据，以及历史的制冷量需求，预测未来一段时间的制冷量。上述预测一段时间内的制冷量需求分为短期预测和长期预测，短期预测为未来1-4小时内的制冷量预测，以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入，长期预测为未来48小时以内的制冷量预测，以气象预测数据和生产计划为主要输入。(2)冰机设备的能效评估，预测性维护预警：冰机设备的能效评估在于计算每台冰机消耗的功率和制冷量的比值，该能效值越低说明在制冷量相同的情况下小号的功率越低，越节能。冰机制冷量计算公式为：制冷量(RT)＝冷冻水流量(m3/h)×温度差(℃)/0.86/3.517，冷冻水流量指流经冰机的水流量，温度差指冰机进水温度和出水温度的差值，0.86是固定系数，3.517是千瓦到冷吨的单位换算。通过冰机的水流量，以及测定的进水温度和出水温度，计算当前负载下的冰机制冷量，结合当前的功率，可以计算出当前电流负载下的能效比COP，COP＝功率/制冷量，单位为kW/RT。统计各电流负载下的COP值，取均值拟合能效曲线，作为该台冰机的能效模型。每一台冰机都需要建立能效模型，可以通过历史数据统计获得，也可以做单台设备的实验，改变负载电流和水流量，计算能效值。对于能效值偏离正常值过多的设备，会预警提醒对该台冰机进行维护和保养。(3)根据制冷量确定开启的冰机台数：一般而言，当冰机制冷量需求增加时，有两种决策可以实施，一种是主动地增开一台冰机，将制冷量负载重新分配给每台冰机，另一种是被动地增加已开启冰机的负载。同样，当冰机制冷量需求减少时也可以关闭一台冰机或减少冰机负载。这两种决策造成的冰机负载变化可以通过冰机设备的能效值计算得出，进而计算总功率以及总体成本，并选择成本最低的决策。当每台冰机的能效值确定且相差不大时，可以建立总制冷量需求和冰机开启台数的策略：计算方法为：1.假设制冷量平均分配给每一台开启的冰机，每台冰机制冷量为总制冷量除以开启的台数；2.通过每台冰机的制冷量计算负载和消耗功率值，总成本为数台冰机功率的总和；3.计算在总制冷量一定的情况下，不同冰机开启台数对应的功率，选择成本最低的开启台数(见图6)。
如图3所示，本发明的实施对象是若干台设定温度固定的冰机，其出厂设定能效相同但由于使用年限和维护保养状态不同，实际的能效有所差异，工厂里的设备运行相对稳定，不会有大范围的制冷量需求变化。通过外部检测环境因素的传感器预测外界环境因素的变化，计算总体制冷量需求，能够读入有制冷需求设备的变化数据，进行制冷量需求预测、冰机能效评估、冰机启停配置优化和显示决策建议。
如图4所示，制冷量需求预测的模型可以根据历史数据的趋势性特征，结合LSTM神经网络、ARMA、SVR、ANFIS等机器学习算法预测未来一段时间内的制冷量需求。
如图5所示，是冰机设备的能效评估和计算出的COP曲线。一般冰机的电流负载区间在65％-85％之间时能效最优，冰机的电流负载和制冷量一般呈线性关系。使用年限和维护保养问题会导致冰机的能效曲线和制冷能力相较出厂时有所偏移，偏移过大的冰机需要及时预警，进行维护或诊断。
如图6所示，绘制出不同制冷量需求下，不同冰机开启台数对应的功率消耗，横轴为总制冷量，纵轴为总功率，每一条不同灰度的曲线代表不同的冰机开启台数，找到不同制冷量下最低功率对应的冰机台数，作为优化冰机开启台数的建议。调整冰机启停的控制策略为：当制冷量需求变化超过切换阈值时，提醒增开或减少一台冰机以节约能耗。
如图7所示，本发明的软件层实现方式，包括了数据获取、数据管理、模型运行环境、模型计算结果管理和人机界面等模块。
根据本发明的上述实施例，与传统方法相比，本发明可以根据制冷量的时间序列的趋势特征、周期性季节变化规律、制冷需求设备运行状态等信息自动预测未来一段时间内的制冷量需求，从而将传统的应激式调节方式转变为预测式的优化方式。本发明能够建立外界环境因素、制冷量、冰机负载和冰机功率之间的关系，进而预测在不同的制冷量需求和冰机开关机组合下的成本，结合冰机的单机设备能效和启停调节频率的限制，给出成本最优的冰机集群使用建议。与传统方法相比，此方法考虑了更加全面的影响因素，并且考虑了在未来不同时间尺度的变化性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于大数据分析的冰机集群系统能耗优化方法，其特征在于，包括：
根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，包含长时和短时的预测，生成制冷量需求预测信息；其中，所述外界因素包括外界环境的温度、焓值、湿度和露点温度；
根据所述制冷量需求预测信息调整冰机集群的工作状态：
根据短时制冷量预测，计算增减冰机开启台数将制冷量负载重新分配给每台冰机时的集群能耗；或计算不增减冰机开启台数，只改变已开启冰机的负载时的集群能耗；将能耗较低的控制策略输入到控制系统中自动执行或通知到操作员去执行；
根据长时制冷量预测，计算在总制冷量一定的情况下，不同冰机开启台数对应的集群能耗，确定能耗最低的冰机开启台数；将能耗较低的控制计划输入到控制系统中或通知到操作员作为参考；
为冰机集群中的每一台冰机均建立能效模型：测量冰机单体的水流量、进水温度和出水温度，计算当前负载下的制冷量，根据所述冰机单体的功率和制冷量的比值计算出冰机集群中所述冰机单体的能效比COP，统计各电流负载下的COP值并取均值拟合能效曲线，作为所述冰机单体的能效模型；
冰机集群运行过程中，持续监测每一台冰机的实时COP值，查找出COP值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。
2.根据权利要求1所述的基于大数据分析的冰机集群系统能耗优化方法，其特征在于，所述根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，生成制冷量需求预测信息的步骤，具体包括：
以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入量，预测未来1-4小时内的制冷量需求；和/或
以气象预测数据和生产计划为主要输入量，预测未来48小时以内的制冷量需求。
3.根据权利要求1所述的基于大数据分析的冰机集群系统能耗优化方法，其特征在于，还包括：
通过交互界面显示所述制冷量需求预测信息、所述集群能耗、所述能效模型和所述预警信息。
4.根据权利要求3所述的基于大数据分析的冰机集群系统能耗优化方法，其特征在于，所述交互界面包括：Web界面、移动App界面、短信提醒界面、邮件提醒界面、大屏和看板显示界面。
5.一种基于大数据分析的冰机集群系统能耗优化装置，其特征在于，包括：
制冷量需求预测模块，根据影响冰机制冷量的外界因素的历史数据和制冷量需求的历史数据进行大数据分析进而预测未来一段时间内的制冷量需求，包含长时和短时的预测，生成制冷量需求预测信息；其中，外界因素包括外界环境的温度、焓值、湿度和露点温度；
冰机启停优化模块，根据所述制冷量需求预测信息调整冰机集群的工作状态：根据短时制冷量预测，计算增减冰机开启台数将制冷量负载重新分配给每台冰机时的集群能耗；或计算不增减冰机开启台数，只改变已开启冰机的负载时的集群能耗；将能耗较低的控制策略输入到控制系统中自动执行或通知到操作员去执行；根据长时制冷量预测，计算在总制冷量一定的情况下，不同冰机开启台数对应的集群能耗，确定能耗最低的冰机开启台数；将能耗较低的控制计划输入到控制系统中或通知到操作员作为参考；
冰机能效评估模块，为冰机集群中的每一台冰机均建立能效模型：为冰机集群中的每一台冰机均建立能效模型：测量冰机单体的水流量、进水温度和出水温度，计算当前负载下的制冷量，根据冰机单体的功率和制冷量的比值计算出冰机集群中冰机单体的能效比COP，统计各电流负载下的COP值并取均值拟合能效曲线，作为冰机单体的能效模型；
预警模块，冰机集群运行过程中，持续监测每一台冰机的实时COP值，查找出COP值偏离能效模型过多的冰机并发出预警信息，以提醒工作人员对该台冰机进行维护和保养。
6.根据权利要求5所述的基于大数据分析的冰机集群系统能耗优化装置，其特征在于，所述制冷量需求预测模块，具体包括：
短期预测模块，以历史数据的时间序列的趋势特征和短时间尺度周期性规律为主要输入量，预测未来1-4小时内的制冷量需求；和/或
长期预测模块，以气象预测数据和生产计划为主要输入量，预测未来48小时以内的制冷量需求。
7.根据权利要求5所述的基于大数据分析的冰机集群系统能耗优化装置，其特征在于，还包括：
交互模块，通过交互界面显示所述制冷量需求预测信息、所述集群能耗、所述能效模型和所述预警信息。
8.根据权利要求7所述的基于大数据分析的冰机集群系统能耗优化装置，其特征在于，所述交互界面包括：Web界面、移动App界面、短信提醒界面、邮件提醒界面、大屏和看板显示界面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810609681.XA CN109028468A (zh) | 2018-06-13 | 2018-06-13 | 基于大数据分析的冰机集群系统能耗优化方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810609681.XA CN109028468A (zh) | 2018-06-13 | 2018-06-13 | 基于大数据分析的冰机集群系统能耗优化方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109028468A true CN109028468A (zh) | 2018-12-18 |
Family
ID=64609624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810609681.XA Pending CN109028468A (zh) | 2018-06-13 | 2018-06-13 | 基于大数据分析的冰机集群系统能耗优化方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109028468A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109899937A (zh) * | 2019-03-12 | 2019-06-18 | 王馨仪 | 基于lstm模型的舒适度和节能预测的空调调节系统及方法 |
| CN110298456A (zh) * | 2019-07-05 | 2019-10-01 | 北京天泽智云科技有限公司 | 集群系统中设备维护排程方法及装置 |
| CN110515362A (zh) * | 2019-10-09 | 2019-11-29 | 江苏江荣智能科技有限公司 | 一种基于idc机房的pue管理系统 |
| CN110567089A (zh) * | 2019-09-16 | 2019-12-13 | 珠海格力电器股份有限公司 | 用于空调能效比管理的设备管理方法、装置和空调系统 |
| CN111895581A (zh) * | 2020-08-05 | 2020-11-06 | 南京天加环境科技有限公司 | 一种中央空调系统主机自主寻优控制方法 |
| CN112747419A (zh) * | 2021-01-21 | 2021-05-04 | 长江慧控科技(武汉)有限公司 | 中央空调风水联动控制方法、装置、设备及存储介质 |
| CN114135991A (zh) * | 2021-12-03 | 2022-03-04 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
| CN115200296A (zh) * | 2022-07-22 | 2022-10-18 | 富联智能工坊(郑州)有限公司 | 一种冰机群控方法、装置、设备以及计算机可读存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101251291A (zh) * | 2008-04-03 | 2008-08-27 | 上海交通大学 | 基于模型的集中空调系统全局优化节能控制方法及装置 |
| CN103075776A (zh) * | 2013-02-06 | 2013-05-01 | 郭永佾 | 智能水蓄冷（海水能源）节能中央空调系统 |
| CN104456852A (zh) * | 2014-12-04 | 2015-03-25 | 广州市设计院 | 集中空调制冷机房运行的监测评价系统及监测评价方法 |
| CN204438420U (zh) * | 2014-12-04 | 2015-07-01 | 广州市设计院 | 集中空调制冷机房运行的监测评价系统 |
| GB2540139A (en) * | 2015-07-03 | 2017-01-11 | Ecocooling Ltd | Evaporative cooler apparatus and method |
| CN205980188U (zh) * | 2016-08-05 | 2017-02-22 | 上海冰核时代科技中心（有限合伙） | 基于负荷预测的冰蓄冷优化控制系统 |
| CN106931603A (zh) * | 2017-03-27 | 2017-07-07 | 重庆市计量质量检测研究院 | 基于物联网技术的中央空调冷却水系统能效监测系统 |
| CN107036351A (zh) * | 2017-04-28 | 2017-08-11 | 依米康冷元节能科技（上海）有限公司 | 多机头冷水机组的控制方法与装置 |
| CN107940679A (zh) * | 2017-12-14 | 2018-04-20 | 江苏省邮电规划设计院有限责任公司 | 一种基于数据中心冷水机组性能曲线的群控方法 |
| CN108168052A (zh) * | 2017-12-27 | 2018-06-15 | 江苏联宏智慧能源股份有限公司 | 一种中央空调制冷系统最优启停控制方法 |
-
2018
- 2018-06-13 CN CN201810609681.XA patent/CN109028468A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101251291A (zh) * | 2008-04-03 | 2008-08-27 | 上海交通大学 | 基于模型的集中空调系统全局优化节能控制方法及装置 |
| CN103075776A (zh) * | 2013-02-06 | 2013-05-01 | 郭永佾 | 智能水蓄冷（海水能源）节能中央空调系统 |
| CN104456852A (zh) * | 2014-12-04 | 2015-03-25 | 广州市设计院 | 集中空调制冷机房运行的监测评价系统及监测评价方法 |
| CN204438420U (zh) * | 2014-12-04 | 2015-07-01 | 广州市设计院 | 集中空调制冷机房运行的监测评价系统 |
| GB2540139A (en) * | 2015-07-03 | 2017-01-11 | Ecocooling Ltd | Evaporative cooler apparatus and method |
| CN205980188U (zh) * | 2016-08-05 | 2017-02-22 | 上海冰核时代科技中心（有限合伙） | 基于负荷预测的冰蓄冷优化控制系统 |
| CN106931603A (zh) * | 2017-03-27 | 2017-07-07 | 重庆市计量质量检测研究院 | 基于物联网技术的中央空调冷却水系统能效监测系统 |
| CN107036351A (zh) * | 2017-04-28 | 2017-08-11 | 依米康冷元节能科技（上海）有限公司 | 多机头冷水机组的控制方法与装置 |
| CN107940679A (zh) * | 2017-12-14 | 2018-04-20 | 江苏省邮电规划设计院有限责任公司 | 一种基于数据中心冷水机组性能曲线的群控方法 |
| CN108168052A (zh) * | 2017-12-27 | 2018-06-15 | 江苏联宏智慧能源股份有限公司 | 一种中央空调制冷系统最优启停控制方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109899937A (zh) * | 2019-03-12 | 2019-06-18 | 王馨仪 | 基于lstm模型的舒适度和节能预测的空调调节系统及方法 |
| CN110298456A (zh) * | 2019-07-05 | 2019-10-01 | 北京天泽智云科技有限公司 | 集群系统中设备维护排程方法及装置 |
| CN110567089A (zh) * | 2019-09-16 | 2019-12-13 | 珠海格力电器股份有限公司 | 用于空调能效比管理的设备管理方法、装置和空调系统 |
| CN110515362A (zh) * | 2019-10-09 | 2019-11-29 | 江苏江荣智能科技有限公司 | 一种基于idc机房的pue管理系统 |
| CN111895581A (zh) * | 2020-08-05 | 2020-11-06 | 南京天加环境科技有限公司 | 一种中央空调系统主机自主寻优控制方法 |
| CN112747419A (zh) * | 2021-01-21 | 2021-05-04 | 长江慧控科技(武汉)有限公司 | 中央空调风水联动控制方法、装置、设备及存储介质 |
| CN114135991A (zh) * | 2021-12-03 | 2022-03-04 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
| CN115200296A (zh) * | 2022-07-22 | 2022-10-18 | 富联智能工坊(郑州)有限公司 | 一种冰机群控方法、装置、设备以及计算机可读存储介质 |
| CN115200296B (zh) * | 2022-07-22 | 2023-11-03 | 富联智能工坊(郑州)有限公司 | 一种冰机群控方法、装置、设备以及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109028468A (zh) | 基于大数据分析的冰机集群系统能耗优化方法和装置 | |
| US20240044541A1 (en) | Systems and methods of optimizing hvac control in a building or network of buildings | |
| US11732967B2 (en) | Heat exchanger system with machine-learning based optimization | |
| US11334036B2 (en) | Power grid aware machine learning device | |
| CN104791903B (zh) | 一种热网智能调度系统 | |
| CN203012939U (zh) | 一种能耗监测系统 | |
| CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能系统 | |
| KR101341595B1 (ko) | 제조현장용 에너지 관리 시스템 | |
| CN108960487A (zh) | 基于大数据分析的空压机集群系统能耗优化方法和装置 | |
| CN104570973A (zh) | 一种企业能源管理方法及装置 | |
| KR101588851B1 (ko) | 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템 | |
| CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
| EP2779052A1 (en) | Systems and methods for updating confidence values with energy information associated with an industrial automation system | |
| CN107036238B (zh) | 动态预测外气与负载智慧节能控制方法 | |
| KR20150026230A (ko) | Bim 데이터를 이용한 셀프 러닝 건물 에너지 관리 시스템 | |
| CN110486793A (zh) | 一种基于热网五级监控的智能分析调度方法及系统 | |
| US9842372B2 (en) | Systems and methods for controlling assets using energy information determined with an organizational model of an industrial automation system | |
| US9911163B2 (en) | Systems and methods for determining energy information using an organizational model of an industrial automation system | |
| CN114358555A (zh) | 一种轨道交通智慧能源管理系统 | |
| US8610590B2 (en) | System and method for monitoring electrical demand performance, particularly using historical data and an outside temperature | |
| CN201335488Y (zh) | 一种中央空调智能优化控制装置 | |
| CN117490193A (zh) | 一种中央空调水系统群控方法 | |
| US9501804B2 (en) | Multi-core processor for performing energy-related operations in an industrial automation system using energy information determined with an organizational model of the industrial automation system | |
| CN110895018A (zh) | 基于通信机房空调节能控制的供电诊断和告警方法与装置 | |
| CN115437876A (zh) | 一种数据中心的管理方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |