CN115493256B - 一种中央制冷系统节能运行智能寻优方法 - Google Patents

一种中央制冷系统节能运行智能寻优方法 Download PDF

Info

Publication number
CN115493256B
CN115493256B CN202211456366.0A CN202211456366A CN115493256B CN 115493256 B CN115493256 B CN 115493256B CN 202211456366 A CN202211456366 A CN 202211456366A CN 115493256 B CN115493256 B CN 115493256B
Authority
CN
China
Prior art keywords
water
temperature
cooling
pump
refrigerating
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.)
Active
Application number
CN202211456366.0A
Other languages
English (en)
Other versions
CN115493256A (zh
Inventor
杨鹏
杨波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Qunding Technology Co ltd
Original Assignee
Nanjing Qunding Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Qunding Technology Co ltd filed Critical Nanjing Qunding Technology Co ltd
Priority to CN202211456366.0A priority Critical patent/CN115493256B/zh
Publication of CN115493256A publication Critical patent/CN115493256A/zh
Application granted granted Critical
Publication of CN115493256B publication Critical patent/CN115493256B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • 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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
    • 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
    • F24F11/88—Electrical aspects, e.g. circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种中央制冷系统节能运行智能寻优方法，包括以下具体步骤：S1、采集建筑信息及中央制冷系统各设备的额定参数信息；S2、采集近三个月的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据；S3、对S2采集到的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据进行预处理；相比现有技术，本发明根据给定的冷冻水温度与冷冻水供回水压差，通过改变冷却水温度组合计算制冷各设备在不同工况的能耗，在温度组合中寻找到可以使得中央制冷系统整体能耗最低的运行工况，并下发至控制系统进行操作，有效提升调控操作的全局性和准确性，避免现有技术方案仅根据单一参数进行局部调控所造成的能耗浪费。

Description

一种中央制冷系统节能运行智能寻优方法
技术领域
本发明涉及建筑节能领域，具体涉及一种中央制冷系统节能运行智能寻优方法。
背景技术
近年来，建筑物的能源消耗量占世界能源消耗的比重不断上升，已经达到了将近40%。为了实现全球能源的可持续发展，降低建筑物能源消耗量成为一个重要课题。在建筑物中，为了给室内提供一个良好舒适的环境或者提供一个稳定清洁的生产环境，需要有制冷设备进行工作提供冷量，为室内进行降温。其中众多大型建筑使用由冷水机组、水泵、冷却塔等设备组成的中央制冷系统这一常见的解决方案作为其建筑物冷量供应来源，他的能源使用量占建筑能源使用量的25%-50%。在传统的控制系统中，控制器仅仅对单个设备进行控制，无法根据现实情况在所有设备中全局选择运行能耗较优的工况，这导致了中央制冷系统的能耗普遍较高。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种通过额定参数与历史运行数据利用AI算法建立的中央制冷系统节能运行智能寻优方法。
为了实现上述目标，本发明采用如下的技术方案：
一种中央制冷系统节能运行智能寻优方法，包括以下具体步骤：S1、采集建筑信息及中央制冷系统各设备的额定参数信息；S2、采集近三个月的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据；S3、对S2采集到的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据进行预处理；S4、将建筑及中央制冷系统各设备的额定参数信息、预处理过的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据录入计算机，并生产中央制冷系统各设备模型；S5、根据室外干湿球温度生成冷却水供回水温度组合；S6、根据S4得到的设备模型计算当前状态下制冷系统运行总能耗最低的工况。
作为本发明的进一步优选，所述步骤S1中建筑信息包括建筑面积和建筑图纸；中央制冷系统设备包括冷水机组、冷冻泵、冷却泵、冷却塔；额定参数包括冷水机组额定功率、冷水机组额定工况、冷水机组额定制冷量、冷冻泵额定功率、冷冻泵额定工况、冷却泵额定功率、冷却泵额定工况、冷却塔额定功率、冷却塔额定工况；所述步骤S2中运行参数数据包括设备开关状态、温度设定值、设备频率、设备功率、冷冻水供回水温度、冷却水供回水温度、冷水机组制冷量，室外气象数据包括室外干球温度、室外湿球温度、室外太阳辐射强度，室内温湿度数据包括与外围护结构相关房间的平均干球温度、平均湿球温度。
作为本发明的进一步优选，所述步骤S3的具体步骤如下：S3.1、将空调设备的非数值类运行参数数据进行数值化转换，如：设备开关状态，用1表示开启，0表示关闭；S3.2、设定运行参数的阈值范围，并根据阈值范围对异常值进行剔除与修正，如：设备频率超过工频或低于最低限制频率；S3.3、内插法或外插法对缺失值进行填充。
作为本发明的进一步优选，所述步骤4的具体步骤如下：S4.1、将建筑面积、室外干球温度、室外太阳辐射及室内温湿度数据导入计算机，并通过AI机器学习算法进行拟合，生成与中央制冷系统需要提供的制冷量相关的负荷模型；负荷模型可利用室外实时干球温度、太阳辐射强度及所需的室内温度计算中央制冷系统所需提供的总制冷量；S4.2、将冷水机组制冷量、冷冻水供回水温度、冷却水供回水温度导入计算机，并通过AI机器学习算法进行拟合，生成与冷水机组效率相关的冷水机组模型；冷水机组模型可计算冷水机组在不同供回水温度与不同制冷量工况下冷水机组的效率，进而求得需要开启的冷机台数与功率；S4.3、将冷冻水泵额定工况与冷冻水泵运行的历史工况导入计算机，并通过AI机器学习算法进行拟合，生成冷冻泵模型；冷冻泵模型可以计算冷冻泵在不同压差及不同制冷量工况下冷冻泵的频率、台数、流量，进而求得需要开启的冷冻泵总功率；S4.4、将冷却水泵额定工况与冷却水泵运行的历史工况导入计算机，并通过AI机器学习算法进行拟合，生成冷却泵模型；冷冻泵模型可以计算冷冻泵在不同温差及不同散热量工况下冷却泵的频率、台数、流量，进而求得需要开启的冷却泵总功率；S4.5、将冷却水供回水温度、散热量、室外干球温度与室外湿球温度、冷却塔风机功率和冷却水流量导入计算机，并通过AI机器学习算法进行拟合，生成冷却塔模型；冷却塔可以计算在不同室外干湿球温度、冷却水供回水温度、散热量与冷却水流量工况下的冷却塔风机总功率。
作为本发明的进一步优选，所述步骤4.2的具体步骤如下：S4.2.1、通过S4.1计算获得的中央制冷系统需要提供的制冷量Q与冷水机组额定制冷量确定冷水机组需要开启的台数及每台冷水机组需要处理的制冷量Q；S4.2.2、冷水机组效率COP的历史数据通过AI机器学习算法拟合下列效率模型，即冷水机组模型：COP=a1*Te,out+a2*Tc,in+a3*Q+a4*Q*Q+a5*Te,out*Q+a5*Tc,in*Q+a6*Te,out*Tc,in+a7；其中，a1,a2…,a7为待拟合参数，Te,out为冷水机组冷冻水出水温度，Tc,in为冷水机组冷却水进水温度；S4.2.3、将冷水机组冷冻水出水温度、冷却水进水温度及制冷量输入效率模型，计算得到当前工况下冷水机组的效率COP；S4.2.4、通过公式W=Q/COP，计算得到冷水机组功率W，其中，Q为冷水机组制冷量，W为冷水机组功率。
作为本发明的进一步优选，所述步骤4.3中冷冻泵模型为一组冷冻泵在不同频率、不同流量下的泵效率曲线；通过冷冻泵模型计算冷冻泵在不同冷冻水供回水温度及不同散热量工况下的冷冻水总流量Gep,total；在当前冷冻水流量下通过冷冻泵模型计算得到最高泵效率的单台冷冻泵的频率Fep与台数Nep；计算冷冻泵的总功率Wep，Wep=（Fep/Fpe,r）^3*Wep，r；式中，Fep,r为冷冻水泵的额定频率，Wep，r为冷冻水泵的额定功率。
作为本发明的进一步优选，所述步骤4.4中冷却泵模型为一组冷却泵在不同频率、不同流量下的泵效率曲线；通过冷却泵模型计算冷却泵在不同冷却水供回水温度及不同散热量工况下的冷却水总流量Gcp,total；在当前冷却水流量下通过冷却泵模型计算得到处于最高泵效率的单台冷却泵的频率Fcp与台数Ncp；计算冷却泵的功率Wcp，Wcp=（Fcp/Fcp,r）^3*Wcp，r；其中，Fcp,r为冷冻水泵的额定频率，Wcp，r为冷冻水泵的额定功率。
作为本发明的进一步优选，所述步骤4.5的冷却塔模型为根据Qh=[d1*(Gcp,total)^d3]/[1+d2*(Gcp,total/(Wct^(1/3)))^d3]*(Tc,out-Twb)，拟合得到，其中，d1、d2、d3为待拟合参数，Wct为冷却塔总功率，Tc,out为冷却塔进水温度，Twb为室外湿球温度。
作为本发明的进一步优选，所述步骤5的具体步骤如下：S5.1、根据室外湿球温度Twb确定冷却水温度下限值Tc0；S5.2、设定步长d，生成温度序列{Tc0，Tc0+d,Tc0+2d,…Tc0+nd},n=1,2,3…,其中Tc0+nd<50；S5.3、将S5.2生成的温度序列中的值两两组合生成冷却水温度组合，组合中较小值为冷却水供水温度，较大值为冷却水回水温度；S5.4、删除冷却水温度组合中较大值-较小值>20的组合，剩余的冷却水温度组合即为被纳入使用的冷却水供回水温度组合，所述步骤S5.1-S5.4中，冷却水温度不低于室外湿球温度，冷却水温度不高于50℃，冷却水供回水温差不高于20℃。
作为本发明的进一步优选，所述步骤6的具体步骤如下：S6.1、在S5生成的冷却水供回水温度组合中随机选取一组冷却水供回水温度；S6.2、设定一组冷冻水供水温度与冷冻水供回水压差参数；S6.3、利用S4.1得到的负荷模型计算出当前气象条件下制冷系统所需的制冷量；S6.4、将冷却水供回水温度，与制冷量、冷冻水供水温度一起输入S4.2得到的冷水机组模型,计算出该工况下冷水机组台数、总功率；S6.5、将冷冻水供回水压差及制冷量输入S4.3得到的冷冻泵模型，计算出该工况下能耗最低时的冷冻泵台数、频率、流量、总功率；S6.6、将冷却水供回水温度、制冷量、S6.3计算获得的冷水机组总功率输入S4.4得到的冷却泵模型，计算出该工况下能耗最低时冷却泵台数、频率、流量、总功率；S6.7、将室外湿球温度、冷却水供回水温度、制冷量、S6.3计算获得的冷水机组总功率、S6.4计算获得的冷却水流量输入S4.5得到的冷却塔模型，计算出该工况下冷却塔的功率；S6.8、将S6.4、S6.5、S6.6、S6.7中计算得出的各设备能耗求和，即为中央制冷系统总能耗，并保存该工况下各设备台数、频率、流量、功率；S6.9、在剩余S5生成的冷却水供回水温度组合中随机选取一组冷却水供回水温度，并重复S6.2-S6.8；直至所有S5生成的冷却水供回水温度组合均被计算；S6.10、从所有冷却水供回水温度组合的计算结果中选择中央制冷系统总能耗最低的一组工况，将该工况下各设备开启的台数、频率、温度、流量、功率信息下发给自动控制系统进行调节，实现中央制冷系统节能运行智能寻优
本发明的有益之处在于：本发明通过额定参数与历史运行数据利用AI算法建立中央制冷系统各设备模型后，在某一特定冷冻水供水温度与冷冻水供回水压差的工况下，通过对中央制冷系统可能存在的众多运行工况进行遍历计算，从而计算获得中央制冷系统整体能耗最低的工况，从而实现中央制冷系统节能运行，不依靠中央制冷系统中各设备某一特定的参数进行PID调节，使调节更加精准有效；本发明根据给定的冷冻水温度与冷冻水供回水压差，通过改变冷却水温度组合计算中央制冷系统各设备在不同工况的能耗，从而在众多温度组合中寻找到可以使得中央制冷系统整体能耗最低的运行工况，并下发至控制系统进行操作，从而有效提升调控操作的全局性和准确性，避免现有技术方案仅根据单一参数进行局部调控所造成的能耗浪费。
附图说明
图1是本发明的智能寻优方法的流程示意图；
图2是数据预处理的流程示意图；
图3是生成中央制冷系统各设备模型的示意图；
图4是央制冷系统能耗最低工况的流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
实施例一：
结合图1、一种中央制冷系统节能运行智能寻优方法，包括以下具体步骤：
S1、采集建筑信息及中央制冷系统各设备的额定参数信息。
建筑信息包括建筑面积和建筑图纸；中央制冷系统设备包括冷水机组、冷冻泵、冷却泵、冷却塔。
额定参数包括冷水机组额定功率、冷水机组额定工况、冷水机组额定制冷量、冷冻泵额定功率、冷冻泵额定工况、冷却泵额定功率、冷却泵额定工况、冷却塔额定功率、冷却塔额定工况。
S2、采集近三个月的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据。
运行参数数据包括设备开关状态、温度设定值、设备频率、设备功率、冷冻水供回水温度、冷却水供回水温度、冷水机组制冷量，室外气象数据包括室外干球温度、室外湿球温度、室外太阳辐射强度，室内温湿度数据包括与外围护结构相关房间的平均干球温度、平均湿球温度。
结合图2，S3、对S2采集到的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据进行预处理。
具体步骤如下：
S3.1、将空调设备的非数值类运行参数数据进行数值化转换，如：设备开关状态，用1表示开启，0表示关闭。
S3.2、设定运行参数的阈值范围，并根据阈值范围对异常值进行剔除与修正，如：设备频率超过工频或低于最低限制频率。
S3.3、内插法或外插法对缺失值进行填充。
结合图3，S4、将建筑及中央制冷系统各设备的额定参数信息、预处理过的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据录入计算机，并生产中央制冷系统各设备模型。
具体步骤如下：
S4.1、将建筑面积、室外干球温度、室外太阳辐射及室内温湿度数据导入计算机，并通过AI机器学习算法进行拟合，生成与中央制冷系统需要提供的制冷量相关的负荷模型；负荷模型可利用室外实时干球温度、太阳辐射强度及所需的室内温度计算中央制冷系统所需提供的总制冷量。
S4.2、将冷水机组制冷量、冷冻水供回水温度、冷却水供回水温度导入计算机，并通过AI机器学习算法进行拟合，生成与冷水机组效率相关的冷水机组模型；冷水机组模型可计算冷水机组在不同供回水温度与不同制冷量工况下冷水机组的效率，进而求得需要开启的冷机台数与功率。
步骤4.2的具体步骤如下：
S4.2.1、通过S4.1计算获得的中央制冷系统需要提供的制冷量Q与冷水机组额定制冷量确定冷水机组需要开启的台数及每台冷水机组需要处理的制冷量Q；S4.2.2、冷水机组效率COP的历史数据通过AI机器学习算法拟合下列效率模型，即冷水机组模型：
COP=a1*Te,out+a2*Tc,in+a3*Q+a4*Q*Q+a5*Te,out*Q+a5*Tc,in*Q+a6*Te,out*Tc,in+a7；
其中，a1,a2…,a7为待拟合参数，Te,out为冷水机组冷冻水出水温度，Tc,in为冷水机组冷却水进水温度。
S4.2.3、将冷水机组冷冻水出水温度、冷却水进水温度及制冷量输入效率模型，计算得到当前工况下冷水机组的效率COP。
S4.2.4、通过公式W=Q/COP，计算得到冷水机组功率W，其中，Q为冷水机组制冷量，W为冷水机组功率。
S4.3、将冷冻水泵额定工况与冷冻水泵运行的历史工况导入计算机，并通过AI机器学习算法进行拟合，生成冷冻泵模型；冷冻泵模型可以计算冷冻泵在不同压差及不同制冷量工况下冷冻泵的频率、台数、流量，进而求得需要开启的冷冻泵总功率。
冷冻泵模型为一组冷冻泵在不同频率、不同流量下的泵效率曲线，冷冻泵模型可以通过计算冷冻泵在不同冷冻水供回水温度及不同散热量工况下的冷冻水总流量Gep,total，从冷冻泵模型中寻找当前冷冻水流量下处于最高泵效率的单台冷冻泵的频率Fep与台数Nep，进而通过下式计算冷冻泵的总功率Wep：Wep=（Fep/Fpe,r）^3*Wep，r；式中，Fep,r为冷冻水泵的额定频率，Wep，r为冷冻水泵的额定功率。
S4.4、将冷却水泵额定工况与冷却水泵运行的历史工况导入计算机，并通过AI机器学习算法进行拟合，生成冷却泵模型；冷冻泵模型可以计算冷冻泵在不同温差及不同散热量工况下冷却泵的频率、台数、流量，进而求得需要开启的冷却泵总功率。
冷却泵模型为一组冷却泵在不同频率、不同流量下的泵效率曲线，冷却泵模型可以通过计算冷却泵在不同冷却水供回水温度及不同散热量工况下的冷却水总流量Gcp,total，从冷却泵模型中寻找当前冷却水流量下处于最高泵效率的单台冷却泵的频率Fcp与台数Ncp，进而通过下式计算冷却泵的功率Wcp：Wcp=（Fcp/Fcp,r）^3*Wcp，r；式中/Fcp,r为冷冻水泵的额定频率，Wcp，r为冷冻水泵的额定功率。
S4.5、将冷却水供回水温度、散热量、室外干球温度与室外湿球温度、冷却塔风机功率和冷却水流量导入计算机，并通过AI机器学习算法进行拟合，生成冷却塔模型；冷却塔可以计算在不同室外干湿球温度、冷却水供回水温度、散热量与冷却水流量工况下的冷却塔风机总功率。
冷却塔模型为根据Qh=[d1*(Gcp,total)^d3]/[1+d2*(Gcp,total/(Wct^(1/3)))^d3]*(Tc,out-Twb)，拟合得到，其中，d1、d2、d3为待拟合参数，Wct为冷却塔总功率，Tc,out为冷却塔进水温度，Twb为室外湿球温度。
S5、根据室外干湿球温度生成冷却水供回水温度组合。
具体步骤如下：
S5.1、根据室外湿球温度Twb确定冷却水温度下限值Tc0。
S5.2、设定步长d，生成温度序列{Tc0，Tc0+d,Tc0+2d,…Tc0+nd},n=1,2,3…,其中Tc0+nd<50。
S5.3、将S5.2生成的温度序列中的值两两组合生成冷却水温度组合，组合中较小值为冷却水供水温度，较大值为冷却水回水温度。
S5.4、删除冷却水温度组合中较大值-较小值>20的组合，剩余的冷却水温度组合即为被纳入使用的冷却水供回水温度组合。
步骤S5.1-S5.4中，冷却水温度不低于室外湿球温度，冷却水温度不高于50℃，冷却水供回水温差不高于20℃。
结合图4，S6、根据S4得到的设备模型计算当前状态下制冷系统运行总能耗最低的工况。
具体步骤如下：
S6.1、在S5生成的冷却水供回水温度组合中随机选取一组冷却水供回水温度。
S6.2、设定一组冷冻水供水温度与冷冻水供回水压差参数。
S6.3、利用S4.1得到的负荷模型计算出当前气象条件下制冷系统所需的制冷量。
S6.4、将冷却水供回水温度，与制冷量、冷冻水供水温度一起输入S4.2得到的冷水机组模型,计算出该工况下冷水机组台数、总功率。
S6.5、将冷冻水供回水压差及制冷量输入S4.3得到的冷冻泵模型，计算出该工况下能耗最低时的冷冻泵台数、频率、流量、总功率。
S6.6、将冷却水供回水温度、制冷量、S6.3计算获得的冷水机组总功率输入S4.4得到的冷却泵模型，计算出该工况下能耗最低时冷却泵台数、频率、流量、总功率。
S6.7、将室外湿球温度、冷却水供回水温度、制冷量、S6.3计算获得的冷水机组总功率、S6.4计算获得的冷却水流量输入S4.5得到的冷却塔模型，计算出该工况下冷却塔的功率。
S6.8、将S6.4、S6.5、S6.6、S6.7中计算得出的各设备能耗求和，即为中央制冷系统总能耗，并保存该工况下各设备台数、频率、流量、功率。
S6.9、在剩余S5生成的冷却水供回水温度组合中随机选取一组冷却水供回水温度，并重复S6.2-S6.8；直至所有S5生成的冷却水供回水温度组合均被计算。
S6.10、从所有冷却水供回水温度组合的计算结果中选择中央制冷系统总能耗最低的一组工况，将该工况下各设备开启的台数、频率、温度、流量、功率信息下发给自动控制系统进行调节，实现中央制冷系统节能运行智能寻优。
本发明的有益之处在于：本发明通过额定参数与历史运行数据利用AI算法建立中央制冷系统各设备模型后，在某一特定冷冻水供水温度与冷冻水供回水压差的工况下，通过对中央制冷系统可能存在的众多运行工况进行遍历计算，从而计算获得中央制冷系统整体能耗最低的工况，从而实现中央制冷系统节能运行，不依靠中央制冷系统中各设备某一特定的参数进行PID调节，使调节更加精准有效；本发明根据给定的冷冻水温度与冷冻水供回水压差，通过改变冷却水温度组合计算中央制冷系统各设备在不同工况的能耗，从而在众多温度组合中寻找到可以使得中央制冷系统整体能耗最低的运行工况，并下发至控制系统进行操作，从而有效提升调控操作的全局性和准确性，避免现有技术方案仅根据单一参数进行局部调控所造成的能耗浪费。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (9)

1.一种中央制冷系统节能运行智能寻优方法，其特征在于，包括以下具体步骤：S1、采集建筑信息及中央制冷系统各设备的额定参数信息；S2、采集近三个月的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据；所述室外气象数据包括室外干球温度、室外湿球温度、室外太阳辐射强度，室内温湿度数据包括与外围护结构相关房间的平均干球温度、平均湿球温度；S3、对S2采集到的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据进行预处理；S4、将建筑及中央制冷系统各设备的额定参数信息、预处理过的中央制冷系统各设备的运行参数数据、室外气象数据及室内温湿度数据录入计算机，并生产中央制冷系统各设备模型；S5、根据室外干湿球温度生成冷却水供回水温度组合；所述步骤S5的具体步骤如下：S5.1、根据室外湿球温度Twb确定冷却水温度下限值Tc0；S5.2、设定步长d，生成温度序列{Tc0，Tc0+d,Tc0+2d,…Tc0+nd},n=1,2,3…,其中Tc0+nd<50；S5.3、将S5.2生成的温度序列中的值两两组合生成冷却水温度组合，组合中小值为冷却水供水温度，大值为冷却水回水温度；S5.4、删除冷却水温度组合中大值-小值>20的组合，剩余的冷却水温度组合即为被纳入使用的冷却水供回水温度组合，所述步骤S5.1-S5.4中，冷却水温度不低于室外湿球温度，冷却水温度不高于50℃，冷却水供回水温差不高于20℃；S6、根据S4得到的设备模型计算当前状态下制冷系统运行总能耗最低的工况。
2.根据权利要求1所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S1中建筑信息包括建筑面积和建筑图纸；中央制冷系统设备包括冷水机组、冷冻泵、冷却泵、冷却塔；额定参数包括冷水机组额定功率、冷水机组额定工况、冷水机组额定制冷量、冷冻泵额定功率、冷冻泵额定工况、冷却泵额定功率、冷却泵额定工况、冷却塔额定功率、冷却塔额定工况；所述步骤S2中运行参数数据包括设备开关状态、温度设定值、设备频率、设备功率、冷冻水供回水温度、冷却水供回水温度、冷水机组制冷量。
3.根据权利要求1所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S3的具体步骤如下：S3.1、将空调设备的非数值类运行参数数据进行数值化转换；S3.2、设定运行参数的阈值范围，并根据阈值范围对异常值进行剔除与修正；S3.3、内插法或外插法对缺失值进行填充。
4.根据权利要求2所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S4的具体步骤如下：S4.1、将建筑面积、室外干球温度、室外太阳辐射及室内温湿度数据导入计算机，并通过AI机器学习算法进行拟合，生成与中央制冷系统需要提供的制冷量相关的负荷模型；S4.2、将冷水机组制冷量、冷冻水供回水温度、冷却水供回水温度导入计算机，并通过AI机器学习算法进行拟合，生成与冷水机组效率相关的冷水机组模型；S4.3、将冷冻水泵额定工况与冷冻水泵运行的历史工况导入计算机，并通过AI机器学习算法进行拟合，生成冷冻泵模型；S4.4、将冷却水泵额定工况与冷却水泵运行的历史工况导入计算机，并通过AI机器学习算法进行拟合，生成冷却泵模型；S4.5、将冷却水供回水温度、散热量、室外干球温度与室外湿球温度、冷却塔风机功率和冷却水流量导入计算机，并通过AI机器学习算法进行拟合，生成冷却塔模型。
5.根据权利要求4所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S4.2的具体步骤如下：S4.2.1、通过S4.1计算获得的中央制冷系统需要提供的制冷量Q与冷水机组额定制冷量确定冷水机组需要开启的台数及每台冷水机组需要处理的制冷量Q；S4.2.2、冷水机组效率COP的历史数据通过AI机器学习算法拟合下列效率模型，即冷水机组模型：COP=a1*Te,out+a2*Tc,in+a3*Q+a4*Q*Q+a5*Te,out*Q+a5*Tc,in*Q+a6*Te,out*Tc,in+a7；其中，a1,a2…,a7为待拟合参数，Te,out为冷水机组冷冻水出水温度，Tc,in为冷水机组冷却水进水温度；S4.2.3、将冷水机组冷冻水出水温度、冷却水进水温度及制冷量输入效率模型，计算得到当前工况下冷水机组的效率COP；S4.2.4、通过公式W=Q/COP，计算得到冷水机组功率W，其中，Q为冷水机组制冷量，W为冷水机组功率。
6.根据权利要求4所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S4.3中冷冻泵模型为一组冷冻泵在不同频率、不同流量下的泵效率曲线；通过冷冻泵模型计算冷冻泵在不同冷冻水供回水温度及不同散热量工况下的冷冻水总流量Gep,total；在当前冷冻水流量下通过冷冻泵模型计算得到最高泵效率的单台冷冻泵的频率Fep与台数Nep；计算冷冻泵的总功率Wep，Wep=（Fep/Fpe,r）^3*Wep，r；式中，Fep,r为冷冻水泵的额定频率，Wep，r为冷冻水泵的额定功率。
7.根据权利要求4所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S4.4中冷却泵模型为一组冷却泵在不同频率、不同流量下的泵效率曲线；通过冷却泵模型计算冷却泵在不同冷却水供回水温度及不同散热量工况下的冷却水总流量Gcp,total；在当前冷却水流量下通过冷却泵模型计算得到处于最高泵效率的单台冷却泵的频率Fcp与台数Ncp；计算冷却泵的功率Wcp，Wcp=（Fcp/Fcp,r）^3*Wcp，r；其中，Fcp,r为冷冻水泵的额定频率，Wcp，r为冷冻水泵的额定功率。
8.根据权利要求4所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S4.5的冷却塔模型为根据Qh=[d1*(Gcp,total)^d3]/[1+d2*(Gcp,total/(Wct^(1/3)))^d3]*(Tc,out-Twb)，拟合得到，其中，d1、d2、d3为待拟合参数，Wct为冷却塔总功率，Tc,out为冷却塔进水温度，Twb为室外湿球温度。
9.根据权利要求8所述的一种中央制冷系统节能运行智能寻优方法，其特征在于，所述步骤S6的具体步骤如下：S6.1、在S5生成的冷却水供回水温度组合中随机选取一组冷却水供回水温度；S6.2、设定一组冷冻水供水温度与冷冻水供回水压差参数；S6.3、利用S4.1得到的负荷模型计算出当前气象条件下制冷系统所需的制冷量；S6.4、将冷却水供回水温度，与制冷量、冷冻水供水温度一起输入S4.2得到的冷水机组模型,计算出该工况下冷水机组台数、总功率；S6.5、将冷冻水供回水压差及制冷量输入S4.3得到的冷冻泵模型，计算出该工况下能耗最低时的冷冻泵台数、频率、流量、总功率；S6.6、将冷却水供回水温度、制冷量、S6.3计算获得的冷水机组总功率输入S4.4得到的冷却泵模型，计算出该工况下能耗最低时冷却泵台数、频率、流量、总功率；S6.7、将室外湿球温度、冷却水供回水温度、制冷量、S6.3计算获得的冷水机组总功率、S6.4计算获得的冷却水流量输入S4.5得到的冷却塔模型，计算出该工况下冷却塔的功率；S6.8、将S6.4、S6.5、S6.6、S6.7中计算得出的各设备能耗求和，即为中央制冷系统总能耗，并保存该工况下各设备台数、频率、流量、功率；S6.9、在剩余S5生成的冷却水供回水温度组合中随机选取一组冷却水供回水温度，并重复S6.2-S6.8；直至所有S5生成的冷却水供回水温度组合均被计算；S6.10、从所有冷却水供回水温度组合的计算结果中选择中央制冷系统总能耗最低的一组工况，将该工况下各设备开启的台数、频率、温度、流量、功率信息下发给自动控制系统进行调节，实现中央制冷系统节能运行智能寻优。
CN202211456366.0A 2022-11-21 2022-11-21 一种中央制冷系统节能运行智能寻优方法 Active CN115493256B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211456366.0A CN115493256B (zh) 2022-11-21 2022-11-21 一种中央制冷系统节能运行智能寻优方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211456366.0A CN115493256B (zh) 2022-11-21 2022-11-21 一种中央制冷系统节能运行智能寻优方法

Publications (2)

Publication Number Publication Date
CN115493256A CN115493256A (zh) 2022-12-20
CN115493256B true CN115493256B (zh) 2023-03-24

Family

ID=85114791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211456366.0A Active CN115493256B (zh) 2022-11-21 2022-11-21 一种中央制冷系统节能运行智能寻优方法

Country Status (1)

Country Link
CN (1) CN115493256B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116294089B (zh) * 2023-05-23 2023-08-18 浙江之科云创数字科技有限公司 一种空调系统控制方法、装置、存储介质及电子设备
CN116481150B (zh) * 2023-06-25 2023-08-29 烟台东方智能技术有限公司 基于端云协同的高效空调机房系统能效优化控制方法
CN116989430B (zh) * 2023-07-27 2024-05-28 广东德尔智慧科技股份有限公司 一种冷冻站节能优化控制方法及系统
CN117419412B (zh) * 2023-10-18 2024-05-28 广东德尔智慧科技股份有限公司 基于时间序列聚类的中央空调最佳运行效率状态识别方法
CN117421885B (zh) * 2023-10-18 2024-05-28 广东德尔智慧科技股份有限公司 基于事件驱动机制的冷冻水系统优化控制方法
CN118258167A (zh) * 2024-03-29 2024-06-28 深圳市华瑞环境科技有限公司 冷水机自修正模型系统
CN118094962B (zh) * 2024-04-25 2024-09-27 上海碳索能源服务股份有限公司 制冷机组组合方式节能优化方法、装置、介质及终端

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363653A (zh) * 2008-08-22 2009-02-11 日滔贸易（上海）有限公司 中央空调制冷系统的能耗控制方法及装置
CN101968250B (zh) * 2010-10-13 2012-12-05 濠信节能科技(上海)有限公司 一种冷冻机房节能优化控制系统及方法
CN107314498A (zh) * 2017-05-25 2017-11-03 中国农业大学 一种中央空调系统的能效在线监测方法及装置
CN113536525A (zh) * 2021-04-16 2021-10-22 广州地铁设计研究院股份有限公司 一种中央空调全局最优节能控制方法
CN115115143B (zh) * 2022-08-25 2022-11-25 南京群顶科技有限公司 基于ai算法的冷却塔最优开启台数和最小运行能耗的计算方法

Also Published As

Publication number Publication date
CN115493256A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN115493256B (zh) 一种中央制冷系统节能运行智能寻优方法
CN110288164B (zh) 一种建筑空调制冷站系统预测控制方法
CN104134100B (zh) 一种基于云计算的节能管理系统
CN1293346C (zh) 节能型中央空调系统
CN109028446A (zh) 一种基于设备全工况性能模型的制冷机房控制方法
CN114396714B (zh) 一种系统启动台数自动控制运行系统和方法
CN104197446A (zh) 一种动态双冷源预冷节能空调系统
CN106765860B (zh) 一种核电站中央空调的控制系统及方法
CN203642416U (zh) 相变冷却节能系统
CN212720195U (zh) 一种基于系统整体能效比cop最佳的冷却水系统控制装置
CN110940061A (zh) 中央空调控制方法及系统
CN110486896B (zh) 一种基于冷水机组能耗模型的串级空调系统优化控制方法
CN114264045A (zh) 一种中央空调的能效调控系统及方法
CN107401806A (zh) 中央空调冷冻站内主机及冷冻泵综合能效提升控制方法
CN112611076A (zh) 基于iscs的地铁车站通风空调节能控制系统和方法
CN115049141A (zh) 用于制冷系统的控制方法、控制装置和制冷系统
CN117930659A (zh) 一种高效机房全局寻优控制方法
CN109084403B (zh) 基于空调负荷时序分布的冷水机组静态控制策略获得方法
CN110848889A (zh) 一种中央空调系统主机运行能效评估方法
CN116989430B (zh) 一种冷冻站节能优化控制方法及系统
CN102679649B (zh) 一种制冷系统的节能控制装置和方法
CN2706704Y (zh) 节能型中央空调装置
CN114206071A (zh) 基于双曲线冷却塔的数据中心冷却系统
CN204534926U (zh) 多联制冷系统
CN204574320U (zh) 带自然冷的多联制冷系统

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
GR01 Patent grant
GR01 Patent grant