CN116068304A - 能效评估方法、装置、系统、设备及存储介质 - Google Patents
能效评估方法、装置、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116068304A CN116068304A CN202211599564.2A CN202211599564A CN116068304A CN 116068304 A CN116068304 A CN 116068304A CN 202211599564 A CN202211599564 A CN 202211599564A CN 116068304 A CN116068304 A CN 116068304A
- Authority
- CN
- China
- Prior art keywords
- condition
- sub
- data set
- initial
- working condition
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/10—Measuring sum, difference or ratio
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请公开了一种能效评估方法、装置、系统、设备及存储介质,方法包括:获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;基于所述目标工况数据集,计算获得参考条件;若所述参考条件不满足所述预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。本申请的技术方案,无需安装水流量计,通过实际电流百分比以及初始理想电流百分比,即可实现对冷水机组的能效进行实时监测和实时评估。
Description
技术领域
本申请属于空调技术领域,尤其涉及一种能效评估方法、装置、系统、设备及存储介质。
背景技术
目前,获取空调的冷水机组能效,需要在冷冻水管上安装水流量计和供回水温度传感器,测量出冷水机组的负荷后,用负荷除以功率求得能效,实现对冷水机组能耗的实时监测。如果制冷机房中配备有多台冷机,水流量计往往会安装在冷冻水总管上,监测得到的是总的冷冻水流量和制冷机房总的负荷和总的能效,而无法获取单台冷水机组的能效。
对冷水机组能效的评估方法是将冷水机组的能效和国家标准或者美国空调供暖和制冷工业协会(Air-Conditioning,Heating,and Refrigeration Institute,AHRI)标准做对比,但是冷水机组的能效和其运行工况密切相关,如果冷水机组的运行工况和标准中的不一致,该评估方法是不准确的;或者调整冷水机组的运行工况,使其和产品目录上一致,对比当前能效和产品目录上的能效,但是,由于冷水机组的实际运行工况往往和产品目录上的不一致,该方法需要手动调整冷水机组的运行工况,因此也无法实时对冷水机组能效进行评估。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本申请的一个目的在于提出一种能效评估方法、装置、系统、设备及存储介质。
为了解决上述技术问题,本申请的实施例提供如下技术方案:
一种能效评估方法,包括:
获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;
基于所述目标工况数据集,计算获得参考条件;
若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;
或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
可选的,所述历史工况数据集,包括冷凝器的第一历史工况数据、蒸发器的第二历史工况数据、冷水机组的运行状态数据以及所述冷水机组的累计运行时间。
可选的,所述基于所述目标工况数据集,计算获得参考条件,包括:
基于所述初始模型对所述目标工况数据进行识别,获得第一子参考条件;基于所述冷水机组的所述累计运行时间,获得第二子参考条件;基于所述冷水机组的所述运行状态数据,获得第三子参考条件;其中,所述参考条件包括所述第一子参考条件、第二子参考条件以及第三子参考条件;
基于第一子预设条件对所述第一子参考条件进行判断;基于第二子预设条件对所述第二子参考条件进行判断,基于所述第三子预设条件对所述第三子参考条件进行判断;其中,预设条件包括第一子预设条件、第二子预设条件以及第三子预设条件。
可选的,所述若所述参考条件不满足预设条件,包括:
若所述第一子参考条件不满足所述第一子预设条件、所述第二子参考条件不满足所述第二子预设条件以及所述第三子参考条件不满足所述第三子预设条件中的任意一项存在,则所述参考条件不满足所述预设条件。
可选的,所述若所述参考条件不满足所述预设条件,包括,包括:
若所述第一子参考条件满足所述第一子预设条件、所述第二子参考条件满足所述第二子预设条件以及所述第三子参考条件满足所述第三子预设条件,则所述参考条件不满足所述预设条件。
可选的,所述基于所述训练工况数据集对所述初始模型进行训练,获得更新模型,包括:
基于所述训练工况数据集对所述初始模型进行训练,获得训练模型;
基于测试工况数据集对所述训练模型进行测试,获得所述训练模型的测试精度;
基于所述测试精度对所述训练模型进行校验,若校验成功,则基于所述训练模型获得所述更新模型。
可选的,所述基于所述测试精度对所述训练模型进行校验,包括:
将所述测试精度与精度阈值进行比对;同时,获取所述初始模型的初始精度,并获得所述初始精度与所述测试精度的差值绝对值,将所述差值绝对值与差值阈值进行比对;
若所述测试精度大于所述精度阈值,且所述差值绝对值小于所述差值阈值,则校验成功。
本申请的实施例还提供一种能效评估装置,包括:
获取模块,用于获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;
判断模块,用于基于所述目标工况数据集,计算获得参考条件;
计算模块,用于若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;
更新模块,用于或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
本申请的实施例还提供一种能效评估系统,包括:
通信连接的数据采集单元以及数据评估单元;
数据采集单元,用于采集并获取历史工况数据集;
数据评估单元,用于对所述历史工况数据集进行处理,获得目标工况数据集;基于所述目标工况数据集,计算获得参考条件;若所述参考条件不满足所述预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
本申请的实施例还提供一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
本申请的实施例,具有如下技术效果:
本申请的上述技术方案,1)无需安装水流量计即可实现对冷水机组的能效进行实时监测和实时评估,具体的,通过实际电流百分比以及初始理想电流百分比,即可计算获得冷水机组的当前能效比,方法简单、快捷。
2)利用冷水机组的初期投入运行时的无故障的数据获得目标工况数据集,并基于目标工况数据集构建初始模型;其中,历史工况数据集包括冷凝器的进水温度数据、蒸发器的进水温度数据、蒸发器的出水温度数据、冷水机组的运行状态数据以及冷水机组的累计运行时间;此外,基于初始模型对目标工况数据集进行计算,可以获得初始理想电流百分比,然后结合实际电流百分比,即可获得冷水机组的当前能效比。
3)基于每台冷水机组的历史工况数据集,可以实现获得每台冷水机组的实时能效比。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
图1是本申请实施例提供的一种能效评估系统的结构示意图;
图2是本申请实施例提供的一种能效评估方法的流程示意图;
图3是本申请实施例提供的一种能效评估装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
如图1所示,本申请的实施例还提供一种能效评估系统,包括:
通信连接的数据采集单元101以及数据评估单元1023;
数据采集单元101,用于采集并获取历史工况数据集;
数据评估单元1023,用于对所述历史工况数据集进行处理,获得目标工况数据集;基于所述目标工况数据集,计算获得参考条件;若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
本申请一可选的实施例,数据采集单元101与边缘设备102连接,其中,边缘设备102可以基于计算机实现;边缘设备102设有数据评估单元1023以及数据显示单元1024,数据评估单元1023的第一端与数据采集单元101连接;数据评估单元1023的第二端与数据显示单元1024连接;具体的,数据采集单元101在获得历史工况数据集之后,将历史工况数据集发送至边缘设备102的数据评估单元1023,数据评估单元1023在获得历史工况数据集之后,对历史工况数据集进行预处理以及计算,获得评估结果,并将评估结果发送至数据显示单元1024进行显示;其中,数据显示单元1024可以基于显示屏等实现,实现了用户可以直观看到实时能效情况。
本申请一可选的实施例,边缘设备102还包括数据存储单元1021以及数据预处理单元1022,其中数据存储单元1021的第一端与数据采集单元101连接,数据存储单元1021的第二端与数据预处理单元1022的第一端连接,数据预处理单元1022的第二端与数据评估单元1023连接;
其中,数据存储单元1021用于接受数据采集单元101发送的历史工况数据集,对历史工况数据集进行存储,并将历史工况数据集发送至数据预处理单元1022进行预处理;数据预处理单元1022在接受到历史工况数据集之后,对历史工况数据集进行预处理,获得目标工况数据集,并将目标工况数据集发送至数据评估单元1023。
本申请一可选的实施例,数据评估单元1023包括模型子单元10231以及计算子单元10232;其中,模型子单元10231的第一端与数据预处理模块的第二端连接;模型子单元10231的第二端与计算子单元10232的第一端连接,计算子单元10232的第二端与数据显示单元1024连接;
其中,模型子单元10231,用于构建模型,获得初始模型,并对初始模型进行训练,获得更新模型;初始模型用于基于目标工况数据集,计算获得理想电流百分比,并将理想电流百分比发送至计算子单元10232;当基于目标工况数据集获得的参考条件不满足预设条件的时候,则基于目标工况数据集对初始模型进行训练,获得更新模型;
计算子单元10232,用于获得实际电流百分比,并基于实际电流百分比以及理想电流百分比,计算获得初始能效比,然后将初始能效比发送至数据显示单元1024,进行显示。
本申请的实施例,无需安装水流量计即可实现对冷水机组的能效进行实时监测和实时评估,具体的,通过实际电流百分比以及初始理想电流百分比,即可计算获得冷水机组的当前能效比,方法简单、快捷。
如图2所示,本申请的实施例还提供一种能效评估方法,应用于如图1所示的系统包括:
步骤S21:获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;
本申请一可选的实施例,可以预设采集时长,基于采集时长对历史工况数据进行采集,也即获得的历史工况数据集对应的总时长为采集时长,例如,2小时,3小时等。
本申请一可选的实施例,所述历史工况数据集,包括冷凝器的第一历史工况数据、蒸发器的第二历史工况数据、冷水机组的运行状态数据以及所述冷水机组的累计运行时间。
具体的,冷凝器的第一历史工况数据包括冷凝器的进水温度;蒸发器的第二历史工况数据包括蒸发器的进水温度以及出水温度。
本申请一可选的实施例,所述对所述历史工况数据集进行处理,获得目标工况数据集,包括:
设置第一阈值、第二阈值、第三阈值以及第四阈值;
其中,第一阈值用于对冷凝器的进水温度进行筛选,当冷凝器的进水温度不满足第一阈值,则对不满足第一阈值的冷凝器的进水温度数据进行剔除;
第二阈值用于对蒸发器的进水温度进行筛选,当冷凝器的进水温度不满足第二阈值,则对不满足第二阈值的蒸发器的进水温度数据进行剔除;
同理,第三阈值用于对蒸发器的出水温度数据进行筛选,第四阈值用于对冷水机组的运行状态数据进行筛选,基于第四阈值,将冷水机组处于稳定运行状态的运行状态数据进行保留。
本申请的实施例,基于第一阈值、第二阈值、第三阈值以及第四阈值,实现了对历史工况数据集进行预处理,剔除异常值,进而获得目标工况数据集;其中,第一阈值、第二阈值、第三阈值以及第四阈值的具体数值可以根据实际需要进行调整,本申请的实施例对此不做具体的限定。
另外,基于每台冷水机组的历史工况数据集,可以实现获得每台冷水机组的实时能效比。
步骤S22:基于所述目标工况数据集,计算获得参考条件;
本申请一可选的实施例,所述基于所述目标工况数据集,计算获得参考条件,包括:
基于所述初始模型对所述目标工况数据进行识别,获得第一子参考条件;基于所述冷水机组的所述累计运行时间,获得第二子参考条件;基于所述冷水机组的所述运行状态数据,获得第三子参考条件;其中,所述参考条件包括所述第一子参考条件、第二子参考条件以及第三子参考条件;
基于第一子预设条件对所述第一子参考条件进行判断;基于第二子预设条件对所述第二子参考条件进行判断,基于所述第三子预设条件对所述第三子参考条件进行判断;其中,预设条件包括第一子预设条件、第二子预设条件以及第三子预设条件。
本申请一可选的实施例,第一子预设条件为初始模型不可以对目标工况数据集进行识别,也即初始模型不可以基于目标工况数据集进行计算;第二子预设条件为冷水机组的运行状态正常;第三子预设条件为冷水机组的累计运行时间不超过3个月。
步骤S23:若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;
本申请一可选的实施例,所述若所述参考条件不满足预设条件,包括:
若所述第一子参考条件不满足所述第一子预设条件、所述第二子参考条件不满足所述第二子预设条件以及所述第三子参考条件不满足所述第三子预设条件中的任意一项存在,则所述参考条件不满足所述预设条件。
本申请一可选的实施例,若第一子参考条件为初始模型可以对目标工况数据集进行识别、第二子参考条件为冷水机组的运行状态正常以及第三子参考条件为冷水机组的累计运行时间不超过3个月中的任意一项存在,则表明参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比(也即冷水机组的运行状态为正常的情况下,对应的电流百分比);
其中,电流百分比为冷水机组的实际电流与满负荷电流的比值,用于反应冷水机组的耗功水平。
本申请一可选的实施例,可以初始模型可以基于预设网格对目标工况数据集进行筛选,当目标工况数据集所包含的所有的数据可以落入到网格的范围内,则表明目标工况数据集可以被初始模型识别到;反之,若目标工况数据集中,存在部分数据落入到了网格的外面,则表明目标工况数据集无法被初始模型识别到。
本申请一可选的实施例,若第一子参考条件为初始模型可以对目标工况数据集进行识别、第二子参考条件为冷水机组的运行状态正常以及第三子参考条件为冷水机组的累计运行时间不超过3个月,则表明参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比;
本申请一可选的实施例,若第一子参考条件为初始模型不可以对目标工况数据集进行识别、第二子参考条件为冷水机组的运行状态正常以及第三子参考条件为冷水机组的累计运行时间不超过3个月,则表明参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比;
本申请一可选的实施例,若第一子参考条件为初始模型不可以对目标工况数据集进行识别、第二子参考条件为冷水机组的运行状态不正常以及第三子参考条件为冷水机组的累计运行时间不超过3个月,则表明参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比;
进一步地,当实际的电流百分比偏大于初始理想电流百分比10%以上,则表明冷水机组存在故障,或者冷水机组的性能出现衰减,因此用户可以根据偏差比例制定相应的检修计划。
进一步地,本申请的实施例,最终输出:
[2-(实际电流百分比/初始理想电流百分比)]*100%,作为冷水机组的能效得分,满分为100分,分数越小,则表明冷水机组的能效也越差,并将该分数基于边缘设备102进行显示;
其中,实际电流百分比可以结合现有算法根据冷水机组的当前运行数据,计算获得,对于现有算法,本申请则不再进行赘述。
例如,当边缘显示设备在A时刻显示50分,边缘设备102在B时刻显示60分,则B时刻对应的冷水机组的能效要优于A时刻对应的冷水机组的能效。
本申请的实施例,利用冷水机组的初期投入运行时的无故障的数据获得目标工况数据集,并基于目标工况数据集构建初始模型;其中,历史工况数据集包括冷凝器的进水温度数据、蒸发器的进水温度数据、蒸发器的出水温度数据、冷水机组的运行状态数据以及冷水机组的累计运行时间;此外,基于初始模型对目标工况数据集进行计算,可以获得初始理想电流百分比,然后结合实际电流百分比,即可获得冷水机组的当前能效比。
步骤S24:或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
本申请一可选的实施例,所述若所述参考条件不满足所述预设条件,包括,包括:
若所述第一子参考条件满足所述第一子预设条件、所述第二子参考条件满足所述第二子预设条件以及所述第三子参考条件满足所述第三子预设条件,则所述参考条件不满足所述预设条件。
本申请一可选的实施例,若第一子参考条件为初始模型不可以对目标工况数据集进行识别、第二子参考条件为冷水机组的运行状态不正常以及第三子参考条件为冷水机组的累计运行时间超过3个月,则表明参考条件满足预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
本申请的实施例,可以根据实际需要调整基于目标工况数据集对初始模型进行训练的次数,本申请的实施例,对此不作具体的限定。
本申请一可选的实施例,所述基于所述训练工况数据集对所述初始模型进行训练,获得更新模型,包括:
基于所述训练工况数据集对所述初始模型进行训练,获得训练模型;
基于测试工况数据集对所述训练模型进行测试,获得所述训练模型的测试精度;
基于所述测试精度对所述训练模型进行校验,若校验成功,则基于所述训练模型获得所述更新模型。
本申请一可选的实施例,可以预设划分比例,并按照划分比例对目标工况数据集进行划分,分别获得训练工况数据集以及测试工况数据集;
其中,划分比例可以根据实际需要进行设定,本申请的实施例对此不做具体的限定。
本申请一可选的实施例,所述基于所述测试精度对所述训练模型进行校验,包括:
将所述测试精度与精度阈值进行比对;同时,获取所述初始模型的初始精度,并获得所述初始精度与所述测试精度的差值绝对值,将所述差值绝对值与差值阈值进行比对;
若所述测试精度大于所述精度阈值,且所述差值绝对值小于所述差值阈值,则校验成功。
本申请一可选的实施例,基于训练工况数据集对初始模型进行多次训练之后,可以获得训练模型;然后将测试工况数据集输入至训练模型中,并输出计算结果;根据计算结果,确定训练模型的测试精度;
将测试精度与精度阈值进行比对;同时,获取初始模型的初始精度,其中,初始模型的初始精度可以基于边缘设备102获取;将测试精度与初始精度做差,并对差取绝对值,将差值绝对值与差值阈值进行比对,
若测试精度不大于精度阈值,且差值绝对值小于差值阈值,则边缘设备102不对该训练模型进行保存,可以返回继续基于训练工况数据集对初始模型进行多次训练,直至测试精度大于精度阈值,且差值绝对值小于差值阈值,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新;
或若测试精度大于精度阈值,且差值绝对值不小于差值阈值,则边缘设备102不对该训练模型进行保存,可以返回继续基于训练工况数据集对初始模型进行多次训练,直至测试精度大于精度阈值,且差值绝对值小于差值阈值,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新;
或若测试精度不大于精度阈值,且差值绝对值不小于差值阈值,则边缘设备102不对该训练模型进行保存,可以返回继续基于训练工况数据集对初始模型进行多次训练,直至测试精度大于精度阈值,且差值绝对值小于差值阈值,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新;
或若测试精度大于精度阈值,且差值绝对值小于差值阈值,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新。
本申请一可选的实施例,更新模型可以用于对更新目标工况数据集进行计算,并获得更新理想电流百分比。
具体的,在获得更新模型之后,可以基于预设的采集时长重新获取更新历史工况数据集,重复上述步骤,对更新历史工况数据集进行预处理,获得更新目标工况数据集;
基于更新目标工况数据集获得更新参考条件,并基于预设条件对更新参考条件进行判断;
若更新参考条件不满足预设条件,则基于更新模型对更新目标工况数据集进行计算,获得更新理想电流百分比,并基于边缘设备102获得实际电流百分比,然后基于实际电流百分比以及更新理想电流百分比,计算获得更新能效比;
或更新参考条件满足预设条件,则基于预设的划分比例对更新目标工况数据集进行划分,分别获得更新测试工况数据集以及更新训练工况数据集,基于更新测试工况数据集对更新模型进行训练,用于实现对更新模型进行继续更新,以此类推,重复上述步骤,可以按照时序对历史工况数据集进行更新,进而可以对应地获得冷水机组的当前的能效比。
本申请一可选的实施例,假设精度阈值为95%;差值阈值为5%;
在基于训练工况数据集对初始模型进行训练之后,获得训练模型,基于上述步骤,计算获得训练模型的测试精度;并将测试精度与精度阈值进行比对,同时,获得初始精度,并获得初始精度与测试精度的差值绝对值;
若测试精度不大于95%,且差值绝对值小于5%,则边缘设备102不对训练模型进行保存,可以返回继续基于训练工况数据集对初始模型进行多次训练,测试精度大于95%,且差值绝对值小于5%,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新;
或若测试精度大于95%,且差值绝对值不小于5%,则边缘设备102不对训练模型进行保存,可以返回继续基于训练工况数据集对初始模型进行多次训练,测试精度大于95%,且差值绝对值小于5%,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新;
或若测试精度不大于95%,且差值绝对值不小于5%,则边缘设备102不对训练模型进行保存,可以返回继续基于训练工况数据集对初始模型进行多次训练,测试精度大于95%,且差值绝对值小于5%,则边缘设备102对该训练模型进行保存,并将该训练模型确定为更新模型,实现了对初始模型的自动更新;
或若测试精度大于95%,且差值绝对值小于5%,则边缘设备102对训练模型进行保存,实现了对初始模型的自动更新。
需要说明的是,精度阈值以及差值阈值可以根据实际需要进行调整。
本申请一可选的实施例,还可以基于监测冷水机组冷冻水的流量,供回水温度,冷水机组的功率,通过流量和冷冻水温差先计算得到冷冻水的负荷,通过负荷/功率,计算获得能效比。
本申请一可选的实施例,1)将冷水机组实测的能效与标准做对比,得到冷水机组当前能效的评估结果。
2)采集冷水机组的运行数据,在历史数据中选择与目前运行工况相似的冷水机组的运行数据,对比当前能效和历史能效,获取冷水机组的能效衰减的程度。
3)对照产品目录,调整冷水机组的运行工况使其与产品目录中一致,测量该运行工况下的冷水机组的能效,并与产品目录中的数据对比,获取冷水机组当前的运行状态。
如图3所示,本申请的实施例还提供一种能效评估装置30,包括:
获取模块31,用于获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;
判断模块32,用于基于所述目标工况数据集,计算获得参考条件;
计算模块33,用于若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;
更新模块34,用于或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
可选的,所述历史工况数据集,包括冷凝器的第一历史工况数据、蒸发器的第二历史工况数据、冷水机组的运行状态数据以及所述冷水机组的累计运行时间。
可选的,所述基于所述目标工况数据集,计算获得参考条件,包括:
基于所述初始模型对所述目标工况数据进行识别,获得第一子参考条件;基于所述冷水机组的所述累计运行时间,获得第二子参考条件;基于所述冷水机组的所述运行状态数据,获得第三子参考条件;其中,所述参考条件包括所述第一子参考条件、第二子参考条件以及第三子参考条件;
基于第一子预设条件对所述第一子参考条件进行判断;基于第二子预设条件对所述第二子参考条件进行判断,基于所述第三子预设条件对所述第三子参考条件进行判断;其中,预设条件包括第一子预设条件、第二子预设条件以及第三子预设条件。
可选的,所述若所述参考条件不满足预设条件,包括:
若所述第一子参考条件不满足所述第一子预设条件、所述第二子参考条件不满足所述第二子预设条件以及所述第三子参考条件不满足所述第三子预设条件中的任意一项存在,则所述参考条件不满足所述预设条件。
可选的,所述若所述参考条件不满足所述预设条件,包括,包括:
若所述第一子参考条件满足所述第一子预设条件、所述第二子参考条件满足所述第二子预设条件以及所述第三子参考条件满足所述第三子预设条件,则所述参考条件不满足所述预设条件。
可选的,所述基于所述训练工况数据集对所述初始模型进行训练,获得更新模型,包括:
基于所述训练工况数据集对所述初始模型进行训练,获得训练模型;
基于测试工况数据集对所述训练模型进行测试,获得所述训练模型的测试精度;
基于所述测试精度对所述训练模型进行校验,若校验成功,则基于所述训练模型获得所述更新模型。
可选的,所述基于所述测试精度对所述训练模型进行校验,包括:
将所述测试精度与精度阈值进行比对;同时,获取所述初始模型的初始精度,并获得所述初始精度与所述测试精度的差值绝对值,将所述差值绝对值与差值阈值进行比对;
若所述测试精度大于所述精度阈值,且所述差值绝对值小于所述差值阈值,则校验成功。
本申请的实施例还提供一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
本申请的实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的方法。
另外,本申请实施例的装置的其他构成及作用对本领域的技术人员来说是已知的,为减少冗余,此处不做赘述。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本申请中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种能效评估方法,其特征在于,包括:
获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;
基于所述目标工况数据集,计算获得参考条件;
若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;
或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
2.根据权利要求1所述的方法,其特征在于,所述历史工况数据集,包括冷凝器的第一历史工况数据、蒸发器的第二历史工况数据、冷水机组的运行状态数据以及所述冷水机组的累计运行时间。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标工况数据集,计算获得参考条件,包括:
基于所述初始模型对所述目标工况数据进行识别,获得第一子参考条件;基于所述冷水机组的所述累计运行时间,获得第二子参考条件;基于所述冷水机组的所述运行状态数据,获得第三子参考条件;其中,所述参考条件包括所述第一子参考条件、第二子参考条件以及第三子参考条件;
基于第一子预设条件对所述第一子参考条件进行判断;基于第二子预设条件对所述第二子参考条件进行判断,基于所述第三子预设条件对所述第三子参考条件进行判断;其中,预设条件包括第一子预设条件、第二子预设条件以及第三子预设条件。
4.根据权利要求3所述的方法,其特征在于,所述若所述参考条件不满足预设条件,包括:
若所述第一子参考条件不满足所述第一子预设条件、所述第二子参考条件不满足所述第二子预设条件以及所述第三子参考条件不满足所述第三子预设条件中的任意一项存在,则所述参考条件不满足所述预设条件。
5.根据权利要求3所述的方法,其特征在于,所述若所述参考条件不满足所述预设条件,包括,包括:
若所述第一子参考条件满足所述第一子预设条件、所述第二子参考条件满足所述第二子预设条件以及所述第三子参考条件满足所述第三子预设条件,则所述参考条件不满足所述预设条件。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型,包括:
对所述目标工况数据集进行划分,获得训练工况数据集以及测试工况数据集;
基于所述训练工况数据集对所述初始模型进行训练,获得更新模型。
7.根据权利要求6所述的方法,其特征在于,所述基于所述训练工况数据集对所述初始模型进行训练,获得更新模型,包括:
基于所述训练工况数据集对所述初始模型进行训练,获得训练模型;
基于测试工况数据集对所述训练模型进行测试,获得所述训练模型的测试精度;
基于所述测试精度对所述训练模型进行校验,若校验成功,则基于所述训练模型获得所述更新模型。
8.根据权利要求7所述的方法,其特征在于,所述基于所述测试精度对所述训练模型进行校验,包括:
将所述测试精度与精度阈值进行比对;同时,获取所述初始模型的初始精度,并获得所述初始精度与所述测试精度的差值绝对值,将所述差值绝对值与差值阈值进行比对;
若所述测试精度大于所述精度阈值,且所述差值绝对值小于所述差值阈值,则校验成功。
9.一种能效评估装置,其特征在于,包括:
获取模块,用于获取历史工况数据集,并对所述历史工况数据集进行处理,获得目标工况数据集;
判断模块,用于基于所述目标工况数据集,计算获得参考条件,并基于预设条件对所述参考值进行判断;
计算模块,用于若所述参考条件不满足所述预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;
更新模块,用于或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
10.一种能效评估系统,其特征在于,包括:
通信连接的数据采集单元以及数据评估单元;
数据采集单元,用于采集并获取历史工况数据集;
数据评估单元,用于对所述历史工况数据集进行处理,获得目标工况数据集;基于所述目标工况数据集,计算获得参考条件;若所述参考条件不满足预设条件,则基于初始模型计算获得初始理想电流百分比,并基于实际电流百分比以及所述初始理想电流百分比,计算获得初始能效比;或若所述参考值不满足所述预设条件,则基于所述目标工况数据集对所述初始模型进行训练,并获得更新模型。
11.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211599564.2A CN116068304A (zh) | 2022-12-12 | 2022-12-12 | 能效评估方法、装置、系统、设备及存储介质 |
PCT/CN2023/108150 WO2024124904A1 (zh) | 2022-12-12 | 2023-07-19 | 能效评估方法、装置、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211599564.2A CN116068304A (zh) | 2022-12-12 | 2022-12-12 | 能效评估方法、装置、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116068304A true CN116068304A (zh) | 2023-05-05 |
Family
ID=86179444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211599564.2A Pending CN116068304A (zh) | 2022-12-12 | 2022-12-12 | 能效评估方法、装置、系统、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116068304A (zh) |
WO (1) | WO2024124904A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024124904A1 (zh) * | 2022-12-12 | 2024-06-20 | 广东美的白色家电技术创新中心有限公司 | 能效评估方法、装置、系统、设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101203716B (zh) * | 2006-09-05 | 2011-07-13 | 宝能商贸(上海)有限公司 | 空调装置的节电系统 |
CN104534628A (zh) * | 2015-01-26 | 2015-04-22 | 珠海格力电器股份有限公司 | 变频冷却水泵的控制方法和系统 |
CN108413567B (zh) * | 2018-03-14 | 2020-05-26 | 山东建筑大学 | 基于物联网的中央空调节费优化方法与系统 |
CN110553351B (zh) * | 2019-09-06 | 2020-08-11 | 珠海格力电器股份有限公司 | 空调器设备负荷率的优化方法与空调云群控系统 |
CN110848889A (zh) * | 2019-11-14 | 2020-02-28 | 南京亚派软件技术有限公司 | 一种中央空调系统主机运行能效评估方法 |
JP2021139541A (ja) * | 2020-03-04 | 2021-09-16 | 株式会社竹中工務店 | 空調制御装置、空調制御プログラム |
CN111678247B (zh) * | 2020-06-19 | 2021-10-22 | 上海美控智慧建筑有限公司 | 空调设备的运行控制方法、空调设备和计算机存储介质 |
CN114440403A (zh) * | 2022-01-17 | 2022-05-06 | 深圳市紫衡技术有限公司 | 一种空调系统的控制方法、系统、设备及介质 |
CN114722574A (zh) * | 2022-03-16 | 2022-07-08 | 华南理工大学 | 一种基于ai算法的数据中心中央空调冷冻水参数设定方法 |
CN116068304A (zh) * | 2022-12-12 | 2023-05-05 | 广东美的白色家电技术创新中心有限公司 | 能效评估方法、装置、系统、设备及存储介质 |
-
2022
- 2022-12-12 CN CN202211599564.2A patent/CN116068304A/zh active Pending
-
2023
- 2023-07-19 WO PCT/CN2023/108150 patent/WO2024124904A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024124904A1 (zh) * | 2022-12-12 | 2024-06-20 | 广东美的白色家电技术创新中心有限公司 | 能效评估方法、装置、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024124904A1 (zh) | 2024-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070156373A1 (en) | Equipment diagnosis device, refrigerating cycle apparatus, fluid circuit diagnosis method, equipment monitoring system, and refrigerating cycle monitoring system | |
CN108759991B (zh) | 空调系统中传感器的测量误差诊断方法、装置和空调系统 | |
CN104748327B (zh) | 一种基于电耗数据的公共建筑空调能效诊断系统 | |
US11561019B2 (en) | Performance diagnosis device and performance diagnosis method for air conditioner | |
CN111306706B (zh) | 一种空调联动控制方法及系统 | |
EP4328505A1 (en) | Central air conditioning system processing method and apparatus and electronic device | |
CN108731190B (zh) | 空调主机参数的检测方法、检测装置和检测系统 | |
JP4290705B2 (ja) | 空気調和機の診断方法及び診断システム | |
CN110177980B (zh) | 空调机的性能诊断装置以及性能诊断方法 | |
CN113654182A (zh) | 检测冷媒泄漏的方法和计算机可读存储介质以及空调器 | |
CN116068304A (zh) | 能效评估方法、装置、系统、设备及存储介质 | |
CN111678246B (zh) | 空调设备、控制方法、诊断方法、控制装置和存储介质 | |
CN115854484A (zh) | 制冷剂泄露检测方法、装置、系统、设备及存储介质 | |
CN107560089B (zh) | 多联机系统及其冷媒量的诊断方法和诊断装置 | |
CN111473471A (zh) | 一种多联机能耗计量方法及系统 | |
KR20130065844A (ko) | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 | |
CN111788598B (zh) | 利用高楼能量管理系统数据的能量效率分析系统 | |
CN113934191A (zh) | 一种冷水机组故障诊断系统 | |
CN109059208B (zh) | 空调主机参数的检测方法、检测装置和检测系统 | |
KR20210101955A (ko) | 중앙 제어 장치 | |
CN113899093B (zh) | 螺杆式制冷压缩机回油故障的辨识和预判方法 | |
JP2007026134A (ja) | 異常判定装置 | |
CN110926544B (zh) | 一种换热机组用检测设备及其在线自动检测方法 | |
CN113864999A (zh) | 空调系统能耗预测方法、装置及空调系统 | |
CN114576793A (zh) | 制冷系统及其冷媒泄漏检测方法与装置、设备、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 |