CN117515859A - 集中式水冷制冷系统的控制方法、装置、系统及存储介质 - Google Patents
集中式水冷制冷系统的控制方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN117515859A CN117515859A CN202311710197.3A CN202311710197A CN117515859A CN 117515859 A CN117515859 A CN 117515859A CN 202311710197 A CN202311710197 A CN 202311710197A CN 117515859 A CN117515859 A CN 117515859A
- Authority
- CN
- China
- Prior art keywords
- detected
- infrared image
- preset
- region
- current
- 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.)
- Granted
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 123
- 238000005057 refrigeration Methods 0.000 claims abstract description 91
- 230000002159 abnormal effect Effects 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 239000007788 liquid Substances 0.000 claims description 147
- 239000012530 fluid Substances 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 65
- 239000007789 gas Substances 0.000 description 50
- 239000003570 air Substances 0.000 description 45
- 238000001931 thermography Methods 0.000 description 22
- 238000009826 distribution Methods 0.000 description 20
- 239000000110 cooling liquid Substances 0.000 description 17
- 230000017525 heat dissipation Effects 0.000 description 17
- 230000001965 increasing effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000005514 two-phase flow Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000001704 evaporation Methods 0.000 description 6
- 230000008020 evaporation Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000003507 refrigerant Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000012071 phase Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Radiation Pyrometers (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请提供了集中式水冷制冷系统的控制方法、装置、系统及存储介质，该方法包括：获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；根据当前红外检测信息生成待检测区域对应的至少一张当前红外图像；获取待检测区域对应的至少一张预设红外图像，并基于预设红外图像对当前红外图像进行图像对比分析，得到目标检测结果；若目标检测结果中存在异常数据，则对异常数据对应的至少一个待检测区域进行调整，以使集中式水冷制冷系统正常工作。通过对多个待检测区域分别进行相应的图像对比，及生成每个区域对应的目标预测红外图像，以此达到精准获取集中式水冷制冷系统的各项参数数据并及时做出调整以维持集中式水冷制冷系统的运行。
Description
技术领域
本申请涉及计算机领域，尤其涉及集中式水冷制冷系统的控制方法、装置、系统及存储介质。
背景技术
集中式水冷制冷系统作为一种水冷型压缩机制冷系统，涵括工业应用的水冷压缩机制冷循环系统、民用建筑集中式水冷冷水中央空调系统等。集中式水冷制冷系统主要部件包含(室内侧二次侧换热器、冷冻侧流体循环泵装置及管道、壳管式蒸发器、压缩机、壳管式冷凝器，冷却侧流体调节装置及管道、室外侧开式冷却塔(含循环液体输送水泵)及附属阀件。)通过集中式水冷制冷系统可以控制物体或系统的温度确保其在安全范围内运行。比如，在化工厂领域中用于冷却高温气体或液体以控制温度维持反应的理想条件并保护设备免受高温的损害。
相关技术中，常规的检测手段存在一定缺陷，如在集中式水冷制冷系统内部或者管道上开口焊接传感器，但可能导致泄露风险，且基于传感器的单点测量只能获得某个单点位数值，无法反映全局数据。此外由于制造工艺、环境条件变化、元器件老化等因素会导致检测结果出现偏差或误判。此外，通过传感器设备无法及时检测冷却装置中的流体中是否存在杂质，换热器填料表面是否存在附着物，导致效率下降不节能。然而如果杂质大量堆积会干扰集中式水冷制冷系统的正常运行影响检测数据的准确性。
发明内容
本申请提供了一种集中式水冷制冷系统的控制方法、装置、系统及存储介质，该方法能够提高数据处理的速度且易于集中式水冷制冷系统的维护。
第一方面，提供了一种集中式水冷制冷系统的控制方法，所述方法包括：
获取所述集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；
根据所述当前红外检测信息生成所述待检测区域对应的至少一张当前红外图像；
获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果；
若所述目标检测结果中存在异常数据，则对所述异常数据对应的至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作。
第二方面，提供了一种集中式水冷制冷系统的控制装置，所述装置包括：
获取模块，用于获取所述集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；
生成模块，用于根据所述当前红外检测信息生成所述待检测区域对应的至少一张当前红外图像；
分析模块，用于获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果；
调整模块，用于若所述目标检测结果中存在异常数据，则对所述异常数据对应的至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作。
第三方面，本申请实施例提供一种集中式水冷制冷系统，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上任意一项所述的集中式水冷制冷系统的控制方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上任意一项所述的集中式水冷制冷系统的控制方法。
本申请一些实施例提供的技术方案带来的有益效果至少包括：本申请提供的集中式水冷制冷系统的控制方法通过将集中式水冷制冷系统中的红外信息转换为对应的红外图像，使得相关操作人员能够直观地了解各个不同区域的实时数据。通过将红外检测信息与预设红外图像进行分析，能够精准定位出异常区域并及时针对异常区域进行预警或调整，从而达到数据精准识别并降低安全隐患的技术效果。通过实时采集数据及图像，比对历史最优的节能开机策略，达到降低能耗的要求，实现用电省、制冷效果好的要求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的集中式水冷制冷系统的控制方法的第一种流程示意图。
图2是本申请实施例提供的集中式水冷制冷系统的控制方法的第二种流程示意图。
图3是本申请实施例提供的集中式水冷制冷系统的控制方法的第三种流程示意图。
图4是本申请实施例提供的集中式水冷制冷系统的控制方法的第四种流程示意图。
图5是本申请实施例提供的集中式水冷制冷系统的控制方法的第五种流程示意图。
图6是本申请实施例提供的集中式水冷制冷系统的控制装置的结构示意图。
图7是本申请实施例提供的集中式水冷制冷系统的结构示意图。
具体实施方式
为使得本申请的特征和优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或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一个或者多个该特征。
相关技术中，通常通过单点传感器进行数据采集并分析，但是在一些特殊工业环境下，如高温、高湿度或腐蚀性介质等条件下，传感器的检测可靠性可能会受到影响，因此需要频繁更换传感器，造成维护成本增加，且传感器安装位置选择不当，可能无法充分覆盖关键区域，而影响检测效果。
为提高数据获取准确性和及时性以及降低维护难度，本申请实施例提供了一种集中式水冷制冷系统的控制方法，该集中式水冷制冷系统的控制方法的执行主体可以是服务器端，也可以是智能终端。
以下分别进行详细说明，需要说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。请参阅图1，图1是本申请实施例提供的集中式水冷制冷系统的控制方法的第一种流程示意图。该集中式水冷制冷系统的控制方法的具体流程可以如下：
S101，获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息。
本实施例中，集中式水冷制冷系统可以包括、室内换热设备、制冷系统节流装置、蒸发器、压缩机、冷凝器、冷却侧冷却塔及冷冻侧泵送循环装置及其他功能组件。其中，蒸发器作为集中式水冷制冷系统的主设备用于与室内的热量进行热交换以确保室内温度正常，冷凝器用于将提供冷却传热液体与制冷工质进行热交换，而冷却塔(含循环液体输送水泵)用于将冷凝器中的传热液体携带的热量散发到室外，通过蒸发吸热及风冷带走热量。可以分别在集中式水冷制冷系统中的(蒸发器、冷凝器、冷却塔(含循环液体输送水泵))三个中至少一个待检测区域设置对应的红外热成像相机组来获取不同待检测区域的精确数据，其中，冷却塔(含循环液体输送水泵)、冷凝器、蒸发器及其他功能组件可以分别对应一待检测区域。从而使得每个不同待检测区域都有一组红外热成像相机组来实时检测该区域的相关数据，如液体温度数据、液体流速数据、气体温度数据以及气体流速数据等，其中，液体可以包括但不限于(压缩蒸汽循环制冷工质液态氟利昂、液态水)等。
可以理解的是，当液体在管道内流动时液体会带走管道表面的热量导致管道表面温度的变化。红外热成像技术可以通过检测各个待检测区域的管道表面的温度变化来间接地推断待检测区域的管道内液体的流速，比如氟利昂管道，冷却水管道等。通过红外热成像相机组拍摄管道或者裸露的换热器(包含蒸发器和冷凝器)金属表面的热成像从而进行管道内的流体流速的推算。
在一些实施例中，将蒸发器区域作为待检测区域，在蒸发器区域设置第第一组红外热成像相机组，用于实时检测蒸发器铜管管束内的气液两相流温度和气液两相流速数据。具体的，第一组红外热成像相机可以测量蒸发器内部气液两相流的温度分布，并基于温度及气液两相流态分布评估其蒸发吸热制冷效果。
具体的，基于蒸发器内部的气体或液体会通过与室内气体或液体热交换导致温度的变化。例如，使用第一组红外热成像相机组对蒸发器内部/表面进行拍摄获取热成像图，并通过分析热成像图可以观察到蒸发器内部/表面不同区域的温度及流速分布情况，其中，可以根据实际需求选取特定区域进行监测，以获取不同区域气体及液体的温度信息及流速信息，比如，选取高功耗运行区间进行监测或选取低功耗运行区间进行监测。
在一些实施例中，将冷凝器区域作为待检测区域，在冷凝器区域设置第第二组红外热成像相机组，用于实时检测(氟利昂)气液两相流温度和气液两相流流速数据以及采集冷凝器换热器裸露的金属部件外部的温度信息，以及获取冷凝器裸露的金属部件外部的面积与温度的乘积积分算法，得出积算值，通过该积算值的预设值比较，(计量单位为：焦耳每秒每平方米*平方米＝焦耳每秒＝瓦)以比对冷凝器是否处于正常状态。
需要说明的是，通过判断表面温度传感器或者红外线测温点单点数值是否过大及其表征冷凝器是否处于过热状态也是控制系统判断是否需要清洗维修以及加水泵流量和/或风机流量的一个重要判断参数。
具体的，第二组红外热成像相机可以测量冷凝器内(氟利昂及其他制冷工质)气液两相流的温度分布，并基于温度分布评估其冷却效果。同时，可以在冷凝器冷却液体出口或者进口设置如标定后的流速仪等其他校准传感器，通过其他传感器可以测量出所冷却的液体的流速，进一步判断冷凝器的第二组红外线热成像相机及控制算法工作状态正常与否和准确性。以及方便校准第二组相机的输出的数值表征是否正确以及学习实时修正准确度。
在一些实施例中，将冷却塔(含循环液体输送水泵)作为待检测区域，在冷却塔(含循环液体输送水泵)区域设置第三组红外热成像相机组，以实时监测冷却塔(含循环液体输送水泵)区域的户外大气中(主要是空气中水、气体温度，其中包括大气中用质量含量来表征的含湿量。具体的，第三组红外热成像相机能够通过测量气、液体表面的温度分布来获取液体温度信息，此外，冷却塔填料处的风和液体流速较快的地方温度可能较低，而流速较慢的地方温度可能较高。这些数据可以用于检测冷却塔(含循环液体输送水泵)的运行状态，确保正常的热交换效果。
可选的，当气体通过待检测区域时会加快待检测区域的液体的热量散发，因此如果气体流速过快会导致待检测区域内部液体温度的快速下降。具体的，利用待检测区域中红外热成像相机组来监测气体的流速。比如在非人为手动设置下检测到冷凝器区域内风速超出了预设范围，如出风速30米/秒此时会导致冷凝器内部液体温度快速降低，从而导致整个集中式水冷制冷系统处于散热良好状态，但是风机耗能过大，也属于需要调整的范围，可以降低风机功率到低功率区间，以实现节能控制。
S102，根据当前红外检测信息生成所述待检测区域对应的至少一张当前红外图像。
根据每个待检测区域的当前红外信息生成当前待检测区域对应的当前红外图像，其中，红外检测信息可以包括待检测区域的热分布数据，该热分布数据可以表示为一个三维矩阵，其中三维矩阵内的每个元素对应当前待检测区域的一个特定位置，而每个元素对应数值则代表特定位置的温度以及流速信息。
可选地，将待检测区域中不同温度范围的数据映射到不同的颜色或灰度级别上，从而使得温度分布能够直观地展现在当前红外图像中，例如可以使用伪彩色的方式来呈现，将低温区域显示为蓝色或绿色(颜色界面参考)，而高温区域显示为红色。
在当前红外图像生成后，可以根据具体需求进行图像增强与调整，例如可以通过增强对比度和锐化图像来提高图像的清晰度和细节表现，以便更好地分析热分布情况。另外，可以对当前红外图像进行校正处理，消除环境因素对测量结果的影响，以确保最终生成的红外图像准确地反映出待检测区域的热分布情况。
S103，获取待检测区域对应的至少一张预设红外图像，并基于预设红外图像对当前红外图像进行图像对比分析，得到目标检测结果。
可以从数据库中获取与待检测区域对应的预设红外图像，预设红外图像为待检测区域的原始标准图像。原始标准图像中包括待检测区域的各项检测数据的标准分布状况，比如标准液体温度、标准液体流速、标准气体温度及标准气体流速等参考数据。当前红外图像中包括当前液体温度数据、液体流速数据、气体温度数据以及气体流速数据等，将当前红外图像与所述原始标准图像进行对比分析，以此得到目标检测结果。
S104，若目标检测结果中存在异常数据，则对异常数据对应的至少一个待检测区域的附属机电设备及控制策略进行调整，以使集中式水冷制冷系统高效节能正常工作。
在本实施例中，由于存在多个待检测区域，通过判断目标检测结果中是否存在异常数据，可以确定异常数据对应的检测区域及分析异常数据产生原因(具体的原因有流量过低、温差过大、天气大气湿度变化、室外风等因素)，然后可以调整检测区域的相关控制设备所对应的设备运行参数、工作状态或工作模式等，以保证整个集中式水冷制冷系统的正常运行。
需要说明的是，每个待检测区域中都可能存在异常数据，若同时出现多个存在异常数据的区域，则可以对多个异常区域进行压缩机、泵及风机及控制策略联动调整。
具体的，若集中式水冷制冷系统检测到目标检测结果中在异常数据，如液体温度过高，此时需要多个区域进行联动调整来维持整个集中式水冷制冷系统的稳定。具体的，例如室内侧的二次换热器(俗称风机盘管末端)降低室内温度。通过将室内热量进行热交换到蒸发器内部，此时判断蒸发器内部液体流速和温差确定蒸发器需要吸收的热量进而影响压缩机的出力大小和吸气排气量进而影响冷凝器需要排热量。通过远程控制冷凝器循环的冷却液体循环泵的功率或调整冷却循环管道上附属管道阀门开度从而加大或者减小管道中冷却液体的输出量和提高冷却液体流速以加快与室内侧蒸发器内部液体的热交换速度使蒸发器液体温度保持在预设温差范围。比如将蒸发器某流体出口温差保持在5℃至10℃，将蒸发器某流体出口流速设定在合理循环经济流速区间例如0.6到1.2米每秒的区间。根据不同的气候条件、环境空气湿度，自学习调整到保证最优集中式水冷制冷效果，同时也保证耗电量处于最优并根据记录用户的使用习惯生成最高能效比的控制策略。
根据冷凝器内部液体流速和温差可以确定冷凝器及冷却塔(含循环液体输送水泵)排热量。具体的，通过调整冷却塔(含循环液体输送水泵)的排风机的功率大小提高或者降低排风机的风速。通过调整冷却液体循环泵的功率大小从而加快减小冷凝器内部热量与冷却塔(含循环液体输送水泵)中的热交换速度使冷凝器内的液体温度保持在温度预设范围保证冷凝器内的冷却循环液体温度不超过压缩制冷机组过热保护停机的最高温度限值，可以用Tmax进行表示，同时将交换到冷却塔(含循环液体输送水泵)区域的热量进行排出，其中冷凝器中的循环冷却液体的流速及温差可以根据蒸发器内部循环液体流速和液体温差计算得到。具体实现方法通过红外线监测装置和内置的计算实现。
由上可知，本实施例通过获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；根据当前红外检测信息生成待检测区域对应的至少一张当前红外图像；获取待检测区域对应的至少一张预设红外图像，并基于预设红外图像对当前红外图像进行图像对比分析，得到目标检测结果；若目标检测结果中存在异常数据，则对异常数据对应的至少一个待检测区域进行调整，以使集中式水冷制冷系统正常工作，以此达到精准获取集中式水冷制冷系统的各项参数数据并及时做出调整以维持集中式水冷制冷系统的运行。
根据前面实施例所描述的方法，以下将举例作进一步详细说明。
可选的，请参阅图2，图2是本申请实施例提供的集中式水冷制冷系统的控制方法的第二种流程示意图。集中式水冷制冷系统可以包括蒸发器、冷凝器、冷却塔(含循环液体输送水泵)以及其他功能组件，本实施例以蒸发器的角度进行描述。其中，该集中式水冷制冷系统的控制方法的具体流程可以包括：
S201，获取第一待检测区域对应的第一预设红外图像。
具体的，将蒸发器作为第一待检测区域。从数据库中获取与第一待检测区域对应的第一预设红外图像，第一预设红外图像为第一待检测区域的原始标准图像原始标准图像中包括第一待检测区域的各项检测数据的标准分布状况，比如标准液体温度、标准液体流速、标准气体温度及标准气体流速等参考数据以及标准液体温度与标准液体流速组合生成的红外状态图。当前红外图像中包括当前液体温度数据、液体流速数据、气体温度数据以及气体流速数据等，将第一待检测区域的当前红外图像与所述原始标准图像进行对比分析，以此得到目标检测结果。
S202，基于第一预设红外图像对当前第一红外图像进行流体分析，得到第一流体检测结果。
在本实施例中，第一红外图像中包括当前液体温度数据、液体流速数据、气体温度数据、气体流速数据等。将第一红外图像与第一预设红外图像的标准液体温度、标准液体流速、标准气体温度及标准气体流速进行对比分析，以此得到第一流体检测结果。
S203，若第一流体检测结果中第一待检测区域对应的流体的第一温度信息超过第一温度预设范围、和/或第一流速信息超过第一速度预设范围，则生成所述第一待检测区域对应的第一异常提示信息。
具体的，将蒸发器作为第一待检测区域。例如蒸发器的第一流体检测结果的第一温度信息10℃，第一流速信息为0.6米每秒。而第一待检测区域的第一温度预设范围为6℃至9℃，第一速度预设范围为0.4-0.9米每秒。由于第一温度信息超过了第一温度预设范围，此时生成第一待检测区域对应的第一异常提示信息以及采取相应的加减压缩机功率、压缩机排气量、水流量等等控制策略。回水温度过高，则加大压缩机出力，打开节流装置更加大的阀门开度。
S204，基于第一异常提示信息对第一待检测区域进行调整，以使蒸发器正常工作。
具体的，将蒸发器作为第一待检测区域。例如蒸发器在与室内区域进行热交换后存在异常提示信息，异常提示信息中第一温度预信息超出了第一温度预设范围，此时确定出蒸发器区域的需要换出的热量，并通过集中式水冷制冷系统(广义的集中式水冷制冷系统)通过远程控制冷凝器的冷却循环液体泵的功率或调整管道阀门开度，从而加大管道中冷却液体的输出量和提高冷却液体流速以加快与蒸发器内部液体的热交换速度使蒸发器液体温度保持在第一温度预设范围。
可选地，为了满足蒸发器内蒸发吸收热大于室内热负荷的实际需求，需要通过第一红红外图像确定蒸发器需要散发的换热量。具体的，确定蒸发器内部循环冷冻液体的流速，通过获取第一红外图像中蒸发器循环冷冻液体管道进口和出口处液体的质量流量，例如千克/秒来确定流速。通过测量蒸发器进口和出口液体的温度差来确定温差。根据热量平衡关系，可以通过Q＝m*Cp*ΔT公式计算蒸发器所需换吸量Q，其中，Q表示吸热量，m表示液体的质量流量，Cp表示液体的比热容，ΔT表示液体的温差。例如，蒸发器内部流体的质量流量为200千克/秒。蒸发器进口和出口液体的温度分别为15摄氏度和5摄氏度，液体的比热容为4.18J/(g·K)。根据下列公式：
Qevaporate＝m*Cp*ΔT
＝200kg/s*4.18kJ/(kg·K)*(15-5)℃
≈8360kW
因此，蒸发器内吸收带走的热量约为8360kW千瓦。
本实施例将蒸发器作为第一待检测区域，通过获取第一待检测区域对应的第一红外图像，将第一红外图像与第一预设红外图像进行对比，判断第一红外图像内的相应数据是否超出预设范围，以此生成第一异常提示信息，并基于第一异常提示信息对蒸发器进行相应调整，同时通过精确获取出第一待检测区域需要散发的散热量并与其他区域的联动调整，能够提高集中式水冷制冷系统的处理速度降低安全风险以及实现避免大马拉小车的情况，压缩机功率控制精准，实时控制冷冻水泵、压缩机电功率处于合理的区间。
可选的，请参阅图3，图3是本申请实施例提供的集中式水冷制冷系统的控制方法的第三种流程示意图。本实施例以冷凝器的角度进行描述，该集中式水冷制冷系统的控制方法的具体流程可以包括：
S301，获取第二待检测区域对应的第二预设红外图像。
具体的，将冷凝器作为第二待检测区域。从数据库中获取与第二待检测区域对应的第二预设红外图像，第二预设红外图像为第二待检测区域的原始标准图像，其中原始标准图像中包括第二待检测区域的各项检测数据的标准分布状况，比如标准液体温度、标准液体流速、标准气体温度及标准气体流速等参考数据。当前红外图像中包括当前液体温度数据、液体流速数据、气体温度数据以及气体流速数据等，将第二待检测区域的当前红外图像与所述原始标准图像进行对比分析，以此得到目标检测结果。
S302，基于第二预设红外图像对当前第二红外图像进行流体分析，得到第二流体检测结果。
在本实施例中，第二红外图像中包括当前冷凝器内循环冷却的循环液体温度数据、循环冷却的液体流速数据、冷凝器铜管内气液两相体温度数据及管内气液两相体流速数据、温度数据等。具体的，将第二红外图像与第二预设红外图像的标准液体温度、标准液体流速、气液两相体温度及标准气体流速进行对比分析，以此得到第二流体检测结果。
S303，若第二流体检测结果中第二待检测区域对应的流体的第二温度信息超过第二温度预设范围、和/或第二流速信息超过第二速度预设范围，则生成所述第二待检测区域对应的第二异常提示信息。
具体的，将冷凝器作为第二待检测区域。例如冷凝器的第二流体检测结果的第二温度信息中冷凝器循环冷却液进口循环冷却液体温度为38℃，第二流速信息为10L/S。而第二待检测区域的循环冷却液体冷凝器进口第二温度预设范围为小于等于32℃，第二速度预设范围为20L/S-640L/S。由于第二流速信息低于了第二流速预设范围，此时生成第二待检测区域对应的第二异常提示信息。
需要说明的是，冷凝器出口进口温差、流速、温度等也可以设定范围、再此不再穷举。由于整个制冷系统是连续工作，所以必须连续监测于储存数据，依据数据存储介质内的控制逻辑策略，实现加减压缩机、水泵、风机等电动机的功率、频率、调整阀门的开度等。
S304，基于第二异常提示信息对第一待检测区域进行调整，以使冷凝器正常工作。
具体的，将冷凝器作为第二待检测区域。例如冷凝器区域在对室内侧区域进行热交换后冷凝器区域的第二温度预信息超出了第二温度预设范围，此时根据冷凝器内部液体流速和温差确定冷凝器需要散发的散热量，通过调整冷却塔(含循环液体输送水泵)的排风机的以及循环液体输送水泵功率，提高排风机的风速，加快与冷凝器内部循环冷却液体及制冷剂工质(制冷剂俗称氟利昂)之间的换热速度，使冷凝内的液体温度保持在第二温度预设范围
可选地，为了满足室内侧(蒸发器+二次换热风机盘管末端等)热负荷换热量需求，需要通过第二红红外图像确定冷凝器内部的当前液体、以及制冷剂管道内的气液两相流的流速及温度差值，并根据蒸发器所吸收热量调整冷凝器内部的冷却侧循环液体的流速以加快冷凝器中冷却液体与铜管内的制冷剂气液两相流的热交换。比如蒸发器吸收的热量大于了8360千瓦，此时通过加大冷凝器的冷却泵的功率，以提高冷却液在管道的流速或通过调整管道的阀门开合度来进一步提高冷却液在管道的流速。冷凝器的排热于蒸发器的系热量匹配。在交换过程中数据是实时变换的，因此需要实时计算调整冷凝器的排热量Qcondenser与前述Qevaporate进行比对。
具体的，根据热量平衡关系，可以利用公式Qcondenser＝m*Cp*ΔT计算冷凝器所需要散发的热量，其中Q表示散热量，m表示冷凝器的冷却循环液体的质量流量，Cp表示液体的比热容，ΔT表示液体的温差单位为摄氏度。例如，冷凝器内部流体的循环冷却液体质量流量为300千克/秒。冷凝器进口和出口液体的温度分别为30摄氏度和40摄氏度，液体的比热容为4.18J/(g·K)。根据公式：
Qcondenser＝m*Cp*ΔT
＝300kg/s*4.18kJ/(kg·K)*(40-30)℃
≈12540kW
可知冷凝器需要散发的热约为12540kW，能够使冷凝器内部的液体从40摄氏度降至30摄氏度。将Qcondenser与Qevaporate比较，若冷凝排热过大，流量过大可以减小冷凝器侧流量，但需要同时保证冷凝器进水温度不能超温。
由上可知，本实施例将冷凝器作为第二待检测区域，通过获取第二待检测区域对应的第二红外图像，将第二红外图像与第二预设红外图像进行对比，判断第二红外图像内的相应数据是否判断超出预设范围，同时通过精确获取出第一待检测区域需要散发的散热量并与其他区域的联动调整，能够提高集中式水冷制冷系统的处理速度降低安全风险。
可选的，请参阅图4，图4是本申请实施例提供的集中式水冷制冷系统的控制方法的第四种流程示意图。本实施例以冷却塔(含循环液体输送水泵)的角度进行描述，该集中式水冷制冷系统的控制方法的具体流程可以包括：
S401，获取第三待检测区域对应的第三预设红外图像。
具体的，将冷却塔(含循环液体输送水泵)作为第三待检测区域。从数据库中获取与第三待检测区域对应的第三预设红外图像，第三预设红外图像为第三待检测区域的原始标准图像，其中原始标准图像中包括第三待检测区域的各项检测数据的标准分布状况，比如标准液体温度、标准液体流速、标准气体温度及标准气体流速等参考数据。当前红外图像中包括当前液体温度数据、液体流速数据、气体温度数据以及气体流速数据等，将第三待检测区域的当前红外图像与所述原始标准图像进行对比分析，以此得到目标检测结果。
S402，基于第三预设红外图像对当前第三红外图像进行流体分析，得到第三流体检测结果。
在本实施例中，第三红外图像中包括当前液体温度数据、液体流速数据、气体温度数据、气体流速数据等。将第三红外图像与第三预设红外图像的标准液体温度、标准液体流速、标准气体温度及标准气体流速进行对比分析，以此得到第三流体检测结果。
S403，若第三流体检测结果中第三待检测区域对应的流体的第三温度信息超过第三温度预设范围，则生成第三待检测区域对应的第三异常提示信息。
具体的，例如冷却塔(含循环液体输送水泵)的当前排热量与质量流量、焓差之间的关系及冷却塔进风口与出风口中含水空气风流速及焓差值可以通过：公式Q＝m*(h2-h1)计算得到，其中，Q表示热量，m表示气相干空气的质量流量，h2表示散热用的空气在冷却塔(含循环液体输送水泵)出口处的焓值，h1表示散热用的空气在冷却塔(含循环液体输送水泵)进口处的焓值。同时可以利用公式Qcondenser＝m*Cp*ΔT计算出排热量并将两者比对，互相校核排热能力。例如冷却塔(含循环液体输送水泵)附近的红外线连续监测装置冷却塔(含循环液体输送水泵)排空气质量流量为278kg/s，(质量流量通过出口风速*出风口截面积*空气密度连续监测计算)进风口与出风口焓差为30kJ/kg.并结和焓湿图辅助进行计算(焓湿图为通用的工程计算图，是普遍通识的热力学数据表可以通过查询空气温度、湿度、焓值中任意两个值得出其余一个，内置于存储装置和计算程序内)计算得出冷却塔(含循环液体输送水泵)排热量为Qcoolingtow1＝278kg/s*30kJ/kg＝8360kJ/s＝8360kW。
将冷却塔(含循环液体输送水泵)作为第三待检测区域。例如冷却塔(含循环液体输送水泵)的第三流体(例如大气空气)检测结果的第三温度信息为40℃。而第三待检测区域的第三温度预设范围为15℃至39℃。由于第三温度信息高于第三温度预设范围，此时生成第三待检测区域对应的第三异常提示信息。
可选地，可以通红外热成像技术记录下冷却塔(含循环液体输送水泵)中各点的温度分布情况，通过分析温度变化来检测第三待检测区域的风道分布是否均匀，以风循环于水分布不均匀的问题。
具体的，使用红外热成像仪对被检测物体表面进行扫描，并记录下得到的红外热成像图。通过观察红外热成像图，分析被检测物体表面的温度分布情况。正常情况下被检测物体表面的温度应该相对均匀没有明显的热点或冷点。若检测到检测第三待检测区域温度区域不均匀，则判断水流道于风流热交换不匹配，需要调整设备参数使得第三待检测区域温度区域均匀。
可选的，可以获取冷却塔(含循环液体输送水泵)当前图像与原始图像进行对比，来检测第三待检测区域的水域是否存在杂质。
具体的，获取当前第三待检测区域的当前图像和数据库中第三待检测区域对应的原始图像。通过像素相减或差异图像生成等方法将当前图像与原始图像进行比对分析，提取第三待检测区域异常区域特征颜色、形状、纹理等特征并与原始图像的区域特征颜色、形状、纹理等特征进行对比以判断第三代监测区域水质是否异常。
S404，基于第三异常提示信息对第三待检测区域进行调整，以使冷却塔(含循环液体输送水泵)正常工作。
具体的，将冷却塔(含循环液体输送水泵)作为第三待检测区域。例冷却塔(含循环液体输送水泵)区域存在异常提示信息，即第三待检测区域温度分布不均匀或在对冷凝器区域进行热交换后冷却塔(含循环液体输送水泵)区域的第三温度预信息超出了第三温度预设范围，此时需要对冷却塔(含循环液体输送水泵)区域的水域进行检测或调整冷却塔(含循环液体输送水泵)的排风机功率提高排风机的风速加快内部散热，使第三温度预信息保持在第三温度预设范围。
可选地，通过第三红外图像确定并调整冷却塔(含循环液体输送水泵)内部的当前气体流速，从而提高对冷凝器的所需散热量的散发速度。例如冷凝器需要散热约为A千瓦，此时增大冷却塔区域的热量排风机的功率，以此加快冷凝器产生的热气体温度与外部气体的热交换。
可选的，利用透光比可以计算出冷却塔(含循环液体输送水泵)区域中气体含湿量。具体的，对每个红外热成像相机组加装两个不同波长的红外滤光片，由于透光比是通过两个不同波长的红外滤光片计算得到的不同波长的红外光在通过含湿气体时会受到不同程度的吸收，利用这一特性可以用来推断冷却塔(含循环液体输送水泵)气体的含湿量。
将数据库中原始热成像图作为比较基准与待检测区域的热成像图进行比对可从而精准计算冷却塔(含循环液体输送水泵)的散热量。
具体的，将待检测区域的热成像图中含湿量低于预设值的区域作为干燥区域，比如低于预设值20％。通过冷却塔(含循环液体输送水泵)区域的热成像图的数据确定冷却塔(含循环液体输送水泵)中干燥区域气体的质量流量。通过将冷却塔(含循环液体输送水泵)排热风机的进风温度和出风温度对应，得到冷却塔进出风口的大气(单位为：公斤)空气的焓值计算出单位公斤空气焓差，即Ia-Ib，其中Ia为出风焓值Ib为进风焓值单位为kJ/kg。利用公式Qcoolingtow2＝Q1+Q2＝(Ia-Ib)*V*S*ρ计算冷却塔的排热量，其中V代表风速、S代表面积、ρ代表干空气密度。将Qcoolingtow2与前述Qcoolingtow1存在互相校准优化至收敛度小于某个设定值的关系。
根据透光比得到冷却塔(含循环液体输送水泵)区域的近似液体蒸发速度，使用透光比计算冷却塔(含循环液体输送水泵)内部循环冷却液体在单位质量气体的线性或者其他函数(内置公式算法于控制器)关系，得出冷却塔(含循环液体输送水泵)内的冷却循环液体气化蒸发吸热带走的热量标记为Q1。将冷却塔进出风口干燥气体的焓差乘以干燥区域气体的质量流量，得到干燥区域气体的散热量标记为Q2。
将这两部分散热量求和，即可得到冷却塔(含循环液体输送水泵)在该时间点的总散热量Q1+Q2。即可判断冷却塔系统是否能够满足冷凝器的排热需求。如果满足不了，则要加大风机、水泵功率；如果冷却塔水泵风机开度过大，过量冷却，超出了预设范围，则缩小功率，实现节能优化。同时生成优化的红外线热力图像和功率值储存，以实现比对，优化节能策略，风机水泵开机启停策略等。
具体的，假设在某一时刻，冷却塔(含循环液体输送水泵)排风机进口处气体温度为25摄氏度排风机出口气体温度为35摄氏度。再例如通过冷却塔(含循环液体输送水泵)的红外图像确定冷却塔(含循环液体输送水泵)进出风口空气中水含量从20克水蒸汽/1千克干空气增加到了40克水蒸汽/1千克干空气。根据进出口风速度、面积等参数进行流速及截面积计算，得出冷却塔瞬时干空气质量流量为13.8公斤每秒。排出空气中，进风口与出风口出干空气流量一致为13.8kg/s。通过干空气结合被蒸发的水蒸气，进而计算得出那么冷却塔瞬时蒸发掉的水的重量标记为WEvaporate，具体的：
WEvaporate＝13.8kg/s*20g(H2O)/1kg(air)＝276g(H2O)/s
Q1＝276g(H2O)/s*2260J/g(水汽化热)＝623kJ/s＝623kW。
Q2＝13.8kg/s*Cp(1.4kJ/kg.K)*ΔT(10K)＝193kW
其中，当Cp等于1.4kJ/kg.K时视为干空气理想比热容，10K为进出风口空气温度绝对温差。冷却塔瞬时排热量为：Q1+Q2＝816kW。
针对以上第三待检测区域对应的第三红外图像以及算出的Q1\Q2\Q1+Q2,把数值和图像对应起来存储，作为比对的图片、数值参考。以优化控制风机于水泵以及发布维修报警预警。
由上可知，本实施例将冷却塔(含循环液体输送水泵)作为第三待检测区域，通过获取第三待检测区域对应的第三红外图像，将第三红外图像与第三预设红外图像和计算数值进行对比，判断第三红外图像内的冷却塔(含循环液体输送水泵)散热量Qcoolingtow与Qcondense之间的差值，是否存在热不平衡，散热不好，是否超出预设范围，能够及时发现冷却塔(含循环液体输送水泵)中的问题(蒸发量过小/过大或者风速过小过大)。并及时调整排热风机、水泵的功率从而维持集中式水冷制冷系统的的正常运行。
可选的，请参阅图5，图5是本申请实施例提供的集中式水冷制冷系统的控制方法的第五种流程示意图。该集中式水冷制冷系统的控制方法的具体流程可以包括：
S501，获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息。
S502，根据当前红外检测信息生成待检测区域对应的至少一张当前红外图像。
所述S501-S502各个操作的具体实施可参见S101-S102的实施例，在此不再赘述。
S503，将待检测区域对应的当前红外图像按照预设坐标系划分为多个第一子图像；获取待检测区域对应的至少一张预设红外图像，将每一当前红外图像对应的预设红外图像按照预设坐标系划分为多个第二子图像。
在本实施例中，将当前红外图像及每一当前红外图像对应的预设红外图像看作是一个平面直角坐标系中的点集合，通过确定坐标轴的起点和方向，就可以对图像进行划分。
具体的，对当前红外图像及每一当前红外图像对应的预设红外图像转换为三维数组或矩阵，然后根据预设坐标系确定坐标轴的起点和方向。坐标轴的起点可以选取当前红外图像和每一当前红外图像对应的预设红外图像的左上角或左下角，坐标轴的方向可以选择向右和向下，也可以选择向左和向上。将当前红外图像和每一当前红外图像对应的预设红外图像分成若干个区域或格子，每个区域或格子对应一个坐标范围，例如xstart,ystart,zstart，xend,yend，zend三元组来表示，其中xstart,ystart,zstart表示该区域或格子的左上角坐标，区域或格子的右下角坐标则用xend,yend,zend表示。
S504，基于多个第一子图像对多个第二子图像进行图像对比分析，得到多个子检测结果。
具体的，对于每个第一子图像选择一个对应的第二子图像进行对比。例如使用均方差(MSE)、结构相似性指数(SSIM)等方法计算两个图像之间的相似度或差异度。将相似度较高的区域或格子标记为匹配区域，或者提取出差异较大的区域标记为异常区域。
S505，判断多个子检测结果中是否存在异常数据。
在本实施例中，通过多个子检测结果进行温度分布的差异检测，从而确定出异常数据。通过预设范围或者其他规则来对子检测结果处理，比如在至少一个子检测结果中检测出液体温度差异值大与液体温度、流速预设范围，则认为子检测结果中存在异常数据。具体比较方法在此不作具体限定，可以根据实际情况进行相应设置。
S506，若不存在异常数据，则将至少一个待检测区域对应的当前红外图像输入至预设预测模型中，输出待检测区域对应的目标预测红外图像，其中，目标预测红外图像为当前红外图像在预设时间段后的红外图像。
可选的，将训练好的预测模型应用到至少一个待检测区域的当前红外图像上进行预测，得到目标预测红外图像。
具体的，将准备好的红外图像数据，对预设预测模型进行训练，例如可以采用时间序列预测的方法，如循环神经网络(RNN)或长短期记忆网络(LSTM)进行预测模型训练训练。对训练好的预测模型进行验证确保预测模型具有良好的泛化能力，对得到的目标预测红外图像进行分析并检查预测结果是否符合预期。
S507，基于预设红外图像对目标预测红外图像进行图像对比分析，得到目标预测分析结果。
具体的，计算预设红外图像与目标预测红外图像之间的相似度或差异度。可以使用图像相似性度量方法。根据相似度/差异度的阈值，判断目标预测红外图像与预设红外图像的相似度差值是否处于预设值。如果相似度差值处于预设值可以认为目标预测红外图像是正确的。
由上可知，本实施例通过将第一子图像与第二子图像按照相同坐标系进行划分后逐一对比得到多个子检测结果以此达到精准获取集中式水冷制冷系统的各项参数数据的效果，通过获得各个区域的在预设时间段后的目标预测红外图像，可以及时对集中式水冷制冷系统的运行状态作为预处理以此维护整个系统的稳定性。
在一些实施例中，若不存在异常数据，则将至少一个待检测区域对应的当前红外图像输入至预设预测模型中，输出待检测区域对应的目标预测红外图像，其中，目标预测红外图像为当前红外图像在预设时间段后的红外图像，包括：
获取至少一个待检测区域对应的当前红外检测信息，以及至少一个待检测区域对应的预设红外图像；将当前红外检测信息作为输入数据、将预设红外图像作为输出数据进行训练，得到预设预测模型。
在本实施例中，采集当前红外检测信息和预设红外图像数据。可以使用红外相机或红外传感器来获取红外图像数据，同时记录对应的检测信息作为标签。数据中包括待检测区域的各种状态和情况，以便训练模型。对采集的红外图像数据和检测信息进行预处理，包括去噪、增强、配准等操作，以确保数据质量和一致性。将采集到的红外图像数据与对应的检测信息进行标注，以便后续的监督学习训练。将当前红外检测信息作为输入数据将预设红外图像作为输出数据以此对预测模型进行训练。可以选择适合任务的机器学习算法，如卷积神经网络(CNN)等并通过大量的数据进行训练以建立输入数据和输出数据之间的映射关系。对训练好的预测模型进行评估，通过测试数据集验证模型的准确性和泛化能力，调整模型参数以提高性能。将训练好的预测模型应用到实际的红外检测任务中，通过输入当前红外检测信息，模型可以输出预测的红外图像，从而实现对待检测区域的预测和分析。根据差错率是否低于预设值判断模型是否收敛，比如，将预设值设置为0.5，若模型的差错率低于0.5则认为模型此时收敛。
由上可知，将至少一个待检测区域对应的当前红外图像输入到预设预测模型中，可以输出该区域在预设时间段后的目标预测红外图像。这个目标预测红外图像可以用于分析该区域的热态变化趋势，有助于及早发现潜在问题并进行相应的处理和维护。
另外，本申请实施例还提供了一种集中式水冷制冷系统的控制装置。请参阅图6，图6是本申请实施例提供的集中式水冷制冷系统的控制装置的结构示意图。其中，该数据处理装置600可以包括获取模块601、生成模块602以及调整模块603，具体如下：
获取模块601，用于获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；
生成模块602，用于根据当前红外检测信息生成待检测区域对应的至少一张当前红外图像；
分析模块603，用于获取待检测区域对应的至少一张预设红外图像，并基于预设红外图像对当前红外图像进行图像对比分析，得到目标检测结果；
调整模块604，用于若目标检测结果中存在异常数据，则对异常数据对应的至少一个待检测区域进行调整，以使集中式水冷制冷系统正常工作。
在一些实施例中，所述获取模块601还包括第一预设红外图像模块，用于获取所述第一待检测区域对应的第一预设红外图像。
在一些实施例中，所述获取模块601还包括第一流体检测模块，用于基于所述第一预设红外图像对所述当前第一红外图像进行流体分析，得到第一流体检测结果。
在一些实施例中，所述调整模块604还包括第一异常提示模块，用于若所述第一流体检测结果中所述第一待检测区域对应的流体的第一温度信息超过第一温度预设范围、和/或第一流速信息超过第一速度预设范围，则生成所述第一待检测区域对应的第一异常提示信息。
在一些实施例中，所述调整模块604还用于：基于所述第一异常提示信息对所述第一待检测区域进行调整，以使所述蒸发器正常工作。
在一些实施例中，所述获取模块601还包括第二预设红外图像模块，用于获取所述第二待检测区域对应的第二预设红外图像。
在一些实施例中，所述获取模块601还包括第二流体检测模块，用于基于所述第二预设红外图像对所述当前第二红外图像进行流体分析，得到第二流体检测结果。
在一些实施例中，所述调整模块604还包括第二异常提示模块，用于若所述第二流体检测结果中所述第二待检测区域对应的流体的第二温度信息超过第二温度预设范围、和/或第二流速信息超过第一速度预设范围，则生成所述第二待检测区域对应的第二异常提示信息。
在一些实施例中，所述调整模块604还用于：基于所述第二异常提示信息对所述第二待检测区域进行调整，以使所述蒸发器正常工作。
在一些实施例中，所述获取模块601还包括第三预设红外图像模块，用于获取所述第三待检测区域对应的第三预设红外图像。
在一些实施例中，所述获取模块601还包括第三流体检测模块，用于基于所述第三预设红外图像对所述当前第三红外图像进行流体分析，得到第二流体检测结果。
在一些实施例中，所述调整模块604还包括第三异常提示模块，用于若所述第三流体检测结果中所述第三待检测区域对应的流体的第三温度信息超过第三温度预设范围，则生成所述第三待检测区域对应的第三异常提示信息。
在一些实施例中，所述调整模块604还用于：基于所述第三异常提示信息对所述第三待检测区域进行调整，以使所述冷却塔(含循环液体输送水泵)正常工作。
在一些实施例中，所述分析模块603还包括划分模块，用于将所述待检测区域对应的所述当前红外图像按照预设坐标系划分为多个第一子图像；将每一所述当前红外图像对应的所述预设红外图像按照所述预设坐标系划分为多个第二子图像。
在一些实施例中，所述分析模块603还包括子检测结果模块，用于基于多个所述第一子图像对多个所述第二子图像进行图像对比分析，得到多个子检测结果。
在一些实施例中分析模块603还包括判断模块，用于判断多个所述子检测结果中是否存在异常数据。
在一些实施例中分析模块603还包括目标预测红外图像模块，用于若不存在异常数据，则将至少一个所述待检测区域对应的所述当前红外图像输入至预设预测模型中，输出所述待检测区域对应的目标预测红外图像，其中，所述目标预测红外图像为所述当前红外图像在预设时间段后的红外图像。
在一些实施例中分析模块603还包括目标预测分析结果模块，用于基于所述预设红外图像对所述目标预测红外图像进行图像对比分析，得到目标预测分析结果；若所述目标预测分析结果中存在异常数据，则对所述异常数据对应的至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作。
在一些实施例中分析模块603还包括输入模块，用于获取至少一个所述待检测区域对应的所述当前红外检测信息，以及至少一个所述待检测区域对应的预设红外图像；将所述当前红外检测信息作为输入数据、将所述预设红外图像作为输出数据进行训练，得到所述预设预测模型。
在本实施例中，该集中式水冷制冷系统的控制装置600通过获取模块601获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；通过生成模块602根据当前红外检测信息生成待检测区域对应的至少一张当前红外图像；通过分析模块603获取待检测区域对应的至少一张预设红外图像，并基于预设红外图像对当前红外图像进行图像对比分析，得到目标检测结果；通过调整模块604若目标检测结果中存在异常数据，则对异常数据对应的至少一个待检测区域进行调整，以使集中式水冷制冷系统正常工作。以此达到精准获取集中式水冷制冷系统的各项参数数据并及时做出调整以维持集中式水冷制冷系统的运行。
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行上述相关方法步骤实现上述实施例提供的一种集中式水冷制冷系统的控制方法。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种集中式水冷制冷系统的控制方法中的步骤，因此，可以实现本申请实施例所提供的任一种集中式水冷制冷系统的控制方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
相应的，本申请实施例还提供了一种集中式水冷制冷系统700，该集中式水冷制冷系统700可以包括车载终端等设备。请参阅图7，图7是本申请实施例提供的集中式水冷制冷系统的第一种结构示意图。该集中式水冷制冷系统700包括处理器701和存储器702。其中，处理器701与存储器702电性连接。
处理器701是集中式水冷制冷系统700的控制中心，利用各种接口和线路连接整个集中式水冷制冷系统的各个部分，通过运行或调用存储在存储器702内的计算机程序，以及调用存储在存储器702内的数据，执行集中式水冷制冷系统的各种功能和处理数据，从而对集中式水冷制冷系统进行整体监控。
存储器702可用于存储软件程序以及模块，处理器701通过运行存储在存储器702的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的计算机程序等；存储数据区可存储根据集中式水冷制冷系统的使用所创建的数据等。
此外，存储器702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器702还可以包括存储器控制器，以提供处理器701对存储器702的访问。
在本实施例中，集中式水冷制冷系统700中的处理器701会按照如下步骤将一个或一个以上的计算机程序的进程对应的指令加载到存储器702中，并由处理器701来运行存储在存储器702中的计算机程序，从而实现各种功能，如下：
获取集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；
根据当前红外检测信息生成待检测区域对应的至少一张当前红外图像；
获取待检测区域对应的至少一张预设红外图像，并基于预设红外图像对当前红外图像进行图像对比分析，得到目标检测结果；
若目标检测结果中存在异常数据，则对异常数据对应的至少一个所述待检测区域进行调整，以使集中式水冷制冷系统正常工作。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
对本申请实施例的数据处理装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。该集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
以上对本申请实施例所提供的集中式水冷制冷系统的控制方法、装置、集中式水冷制冷系统及存储介质进行了详细介绍。本文中应用具体个例对本申请的原理及实施方式进行了阐述，以上实施例说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种集中式水冷制冷系统的控制方法，其特征在于，包括：
获取所述集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；
根据所述当前红外检测信息生成所述待检测区域对应的至少一张当前红外图像；
获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果；
若所述目标检测结果中存在异常数据，则对所述异常数据对应的至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作。
2.根据权利要求1所述的集中式水冷制冷系统的控制方法，其特征在于，所述集中式水冷制冷系统包括蒸发器，至少一个所述待检测区域包括所述蒸发器对应的第一待检测区域，所述第一待检测区域对应当前第一红外图像；
获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果，包括：
获取所述第一待检测区域对应的第一预设红外图像；
基于所述第一预设红外图像对所述当前第一红外图像进行流体分析，得到第一流体检测结果；
所述若所述目标检测结果中存在异常数据，则基于所述异常数据对至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作，包括：
若所述第一流体检测结果中所述第一待检测区域对应的流体的第一温度信息超过第一温度预设范围、和/或第一流速信息超过第一速度预设范围，则生成所述第一待检测区域对应的第一异常提示信息；
基于所述第一异常提示信息对所述第一待检测区域进行调整，以使所述蒸发器正常工作。
3.根据权利要求1所述的集中式水冷制冷系统的控制方法，其特征在于，所述集中式水冷制冷系统包括冷凝器，至少一个所述待检测区域包括所述冷凝器对应的第二待检测区域，所述第二待检测区域对应当前第二红外图像；
获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果，包括：
获取所述第二待检测区域对应的第二预设红外图像；
基于所述第二预设红外图像对所述当前第二红外图像进行流体分析，得到第二流体检测结果；
所述若所述目标检测结果中存在异常数据，则基于所述异常数据对至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作，包括：
若所述第二流体检测结果中所述第二待检测区域对应的流体的第二温度信息超过第二温度预设范围、和/或第二速度信息超过第二速度预设范围，则生成所述第二待检测区域对应的第二异常提示信息；
基于所述第二异常提示信息对所述第二待检测区域进行调整，以使所述冷凝器正常工作。
4.根据权利要求1所述的集中式水冷制冷系统的控制方法，其特征在于，所述集中式水冷制冷系统包括冷却塔(含循环液体输送水泵)，至少一个所述待检测区域包括所述冷却塔(含循环液体输送水泵)对应的第三待检测区域，所述第三待检测区域对应当前第三红外图像；
获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果，包括：
获取所述第三待检测区域对应的第三预设红外图像；
基于所述第三预设红外图像对所述当前第三红外图像进行流体分析，得到第三流体检测结果；
所述若所述目标检测结果中存在异常数据，则基于所述异常数据对至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作，包括：
若所述第三流体检测结果中所述第三待检测区域对应的流体的第三温度信息超过第三温度预设范围，则生成所述第三待检测区域对应的第三异常提示信息；
基于所述第三异常提示信息对所述第三待检测区域进行调整，以使所述冷却塔处于正常工作状态。
5.根据权利要求1所述的冷却塔(含循环液体输送水泵)的控制方法，其特征在于，所述获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果，包括：
将所述待检测区域对应的所述当前红外图像按照预设坐标系划分为多个第一子图像；
将每一所述当前红外图像对应的所述预设红外图像按照所述预设坐标系划分为多个第二子图像；
基于多个所述第一子图像对多个所述第二子图像进行图像对比分析，得到多个子检测结果。
6.根据权利要求5所述的集中式水冷制冷系统控制方法，其特征在于，在所述基于多个所述第一子图像对多个所述第二子图像进行图像对比分析，得到多个子检测结果之后，所述方法还包括：
判断多个所述子检测结果中是否存在异常数据；
若不存在异常数据，则将至少一个所述待检测区域对应的所述当前红外图像输入至预设预测模型中，输出所述待检测区域对应的目标预测红外图像，其中，所述目标预测红外图像为所述当前红外图像在预设时间段后的红外图像；
基于所述预设红外图像对所述目标预测红外图像进行图像对比分析，得到目标预测分析结果；
若所述目标预测分析结果中存在异常数据，则对所述异常数据对应的至少一个所述待检测区域进行调整，以使所述集中式水冷制冷系统正常工作。
7.根据权利要求6所述的集中式水冷制冷系统的控制方法，其特征在于，若不存在异常数据，则将至少一个所述待检测区域对应的所述当前红外图像输入至预设预测模型中，输出所述待检测区域对应的目标预测红外图像，其中，所述目标预测红外图像为所述当前红外图像在预设时间段后的红外图像，包括：
获取至少一个所述待检测区域对应的所述当前红外检测信息，以及至少一个所述待检测区域对应的预设红外图像；
将所述当前红外检测信息作为输入数据、将所述预设红外图像作为输出数据进行训练，得到所述预设预测模型。
8.一种集中式水冷制冷系统的控制装置，其特征在于，包括：
获取模块，用于获取所述集中式水冷制冷系统中至少一个待检测区域对应的当前红外检测信息；
生成模块，用于根据所述当前红外检测信息生成所述待检测区域对应的至少一张当前红外图像；
分析模块，用于获取所述待检测区域对应的至少一张预设红外图像，并基于所述预设红外图像对所述当前红外图像进行图像对比分析，得到目标检测结果；
调整模块，用于若所述目标检测结果中存在异常数据，则对所述异常数据对应的至少一个所述待检测区域进行调整，以使所述集中式水冷制冷冷却系统正常工作。
9.一种集中式水冷制冷系统，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现根据权利要求1至7任意一项所述的集中式水冷制冷系统的控制方法。
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1至7任意一项所述的集中式水冷制冷系统的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311710197.3A CN117515859B (zh) | 2023-12-12 | 2023-12-12 | 集中式水冷制冷系统的控制方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311710197.3A CN117515859B (zh) | 2023-12-12 | 2023-12-12 | 集中式水冷制冷系统的控制方法、装置、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117515859A true CN117515859A (zh) | 2024-02-06 |
| CN117515859B CN117515859B (zh) | 2024-08-27 |
Family
ID=89760958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311710197.3A Active CN117515859B (zh) | 2023-12-12 | 2023-12-12 | 集中式水冷制冷系统的控制方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117515859B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118309836A (zh) * | 2024-06-11 | 2024-07-09 | 山东核电有限公司 | 管道阀门泄漏量估测方法、装置、阀门及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150204556A1 (en) * | 2013-05-17 | 2015-07-23 | Panasonic Intellectual Property Corporation Of America | Thermal image sensor and user interface |
| CN105004485A (zh) * | 2015-07-29 | 2015-10-28 | 上海夏普电器有限公司 | 用于检测蒸发器管道焊接缺陷的方法和装置 |
| CN107576111A (zh) * | 2017-09-14 | 2018-01-12 | 天津大学 | 一种基于红外热成像检测空气源热泵除霜方法及控制系统 |
| CN113464387A (zh) * | 2021-06-25 | 2021-10-01 | 广州市力瑞电气机械有限公司 | 风力发电的水冷控制方法、计算机设备及其存储介质 |
| CN113888469A (zh) * | 2021-09-03 | 2022-01-04 | 珠海格力电器股份有限公司 | 换热器故障信息的确定方法及其装置 |
-
2023
- 2023-12-12 CN CN202311710197.3A patent/CN117515859B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150204556A1 (en) * | 2013-05-17 | 2015-07-23 | Panasonic Intellectual Property Corporation Of America | Thermal image sensor and user interface |
| CN105004485A (zh) * | 2015-07-29 | 2015-10-28 | 上海夏普电器有限公司 | 用于检测蒸发器管道焊接缺陷的方法和装置 |
| CN107576111A (zh) * | 2017-09-14 | 2018-01-12 | 天津大学 | 一种基于红外热成像检测空气源热泵除霜方法及控制系统 |
| CN113464387A (zh) * | 2021-06-25 | 2021-10-01 | 广州市力瑞电气机械有限公司 | 风力发电的水冷控制方法、计算机设备及其存储介质 |
| CN113888469A (zh) * | 2021-09-03 | 2022-01-04 | 珠海格力电器股份有限公司 | 换热器故障信息的确定方法及其装置 |
Non-Patent Citations (2)
| Title |
|---|
| 侯华金;古湘龙;杨加政;徐新;贺鹏;: "红外热成像技术在多联机故障检测中的应用", 制冷与空调, no. 03, 28 March 2020 (2020-03-28) * |
| 汪家铭;: "用热图像进行设备状态监测", 设备管理与维修, no. 01 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118309836A (zh) * | 2024-06-11 | 2024-07-09 | 山东核电有限公司 | 管道阀门泄漏量估测方法、装置、阀门及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117515859B (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117515859B (zh) | 集中式水冷制冷系统的控制方法、装置、系统及存储介质 | |
| CN101101239B (zh) | 用于测试空调的设备及方法 | |
| CN106123243B (zh) | 基于多维曲线拟合算法的空调装置制冷量测试方法 | |
| US20110023503A1 (en) | Performance detection method | |
| US20110190946A1 (en) | Method And System Of Energy-Efficient Control For Central Chiller Plant Systems | |
| CN102300444A (zh) | 冷却系统 | |
| CN110107985A (zh) | 故障检测方法、计算机可读存储介质、室内机和空调器 | |
| US20140214365A1 (en) | Method for the diagnostic analysis of a heating, ventilation and air-conditioning system (hvac) | |
| CN200968904Y (zh) | 用于测试空调的设备 | |
| JP4290705B2 (ja) | 空気調和機の診断方法及び診断システム | |
| CN108131755A (zh) | 一种电气设备组件柜温湿度协同控制方法 | |
| JPWO2017033240A1 (ja) | データ取得システム、異常検知システム、冷凍サイクル装置、データ取得方法、及び異常検知方法 | |
| CN107726880A (zh) | 一种间接空冷系统防冻控制方法 | |
| CN110325805A (zh) | 用于确定冷却器的效率的系统和方法 | |
| JP6972468B2 (ja) | 空調装置の評価装置および評価方法 | |
| CN109000949A (zh) | 基于冷水机组热力学模型的冷水机组评估方法及节能方法 | |
| KR101962920B1 (ko) | 냉각 시스템을 진단하는 장치 및 방법 | |
| CN113175735B (zh) | 计算空调器能力能效的方法、计算机存储介质和空调器 | |
| CN104266855B (zh) | 一种热泵热水机询诊器及其控制方法 | |
| CN110207317A (zh) | 一种中央空调节能控制方法、装置 | |
| CN109059208B (zh) | 空调主机参数的检测方法、检测装置和检测系统 | |
| CN114427742B (zh) | 中央空调冷站能效控制方法、装置、设备以及存储介质 | |
| US10670292B2 (en) | Fluid pressure calibration in climate control system | |
| EP3179165B1 (en) | Steam using facility management method, and steam using facility | |
| CN107025353A (zh) | 一种解决机房空调高压报警的设计方法 |
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 |