一种中央空调制冷系统中冷却水循环能耗的预测方法与流程

本发明涉及冷却水循环能耗预测技术领域，具体涉及一种中央空调制冷系统中冷却水循环能耗的预测方法。

背景技术：

工业制冷(中央空调制冷系统)在工业生产的能耗中一直占据着较大的比重。随着工业化进程的飞速发展，为满足不断扩大的生产需求，工业上需要中央空调制冷系统产生更多的制冷量对设备进行降温。因此，更多的电能将会被消耗，而节能减排也成为了各个企业的一大重要目标。

在现有的中央空调制冷系统中，冷却水循环主要由冷却水泵、冷却塔风机等组成。然而，冷却水系统的能耗并没有很有效的管理方式。企业往往会制定年度、季度或者月度的能耗计划目标，该目标的制定既考虑到中央空调系统的结构特点、运行条件以及以往的能耗水平，也考虑到对能耗管理提升的目标、设备系统的技术改革等因素。

现有技术的能耗完成情况的分析，通常是通过在能耗控制目标所规定的时间段内，通过统计该时间段已经累计产生的平均能耗数据，分析该能耗水平与能耗控制目标的差距。

如果能对冷却水循环能耗进行提前预测，则可在一定程度上降低中央空调制冷系统的能耗水平，降低成本，提高制冷系统的制冷效率。

技术实现要素：

本发明的目的在于提供一种中央空调制冷系统中冷却水循环能耗的预测方法，实现对冷却水循环能耗的提前预测。

为解决上述的技术问题，本发明采用以下技术方案：一种中央空调制冷系统中冷却水循环能耗的预测方法，其特征在于包括如下步骤：

s1、获取待预测冷却水循环历史数据：

s1-1、获取冷却水循环中各冷却水泵的泵速ps、各冷却塔风机的风机转速fs、冷却水回水温度rt、冷却水供水温度st、冷却水流量f、室外温度ot、冷却水循环的总能耗e；

s1-2、使用数据获取模块按照时间间隔t将第s1-1步骤中获取的数据收集汇总；

s1-3、数据存储模块将数据以时间戳为主键存储在数据库中；

s2、数据预处理模块对历史数据进行预处理，得到冷却水循环能耗特征向量v，对冷却水循环能耗特征向量v进行预处理后，存储在数据库中；

s3、将冷却水循环能耗特征向量v输入能耗模型训练模块，计算得到冷却水循环能耗预测模型；

s4、获取待预测冷却水循环当前各冷却水泵的泵速ps′、各冷却塔风机的风机转速fs′、冷却水回水温度rt′、冷却水供水温度st′、冷却水流量f′、室外温度ot′，对数据进行预处理后，得到能耗预测特征向量数据v′，将能耗预测特征向量数据v′输入冷却水循环能耗预测模型中，得到冷却水循环下一时间间隔的总能耗e′。

更进一步的技术方案是步骤s1所述时间间隔t不小于10分钟。

更进一步的技术方案是所述步骤s2的具体过程如下，

s2-1、将历史数据中的冷却水循环总能耗转换为一个时间段内的总能耗，公式为

e′t＝et-et-t，

s2-2、将历史数据以时间戳为主键，转换为冷却水循环能耗特征向量v：

v＝(et，ps1，t，ps2，t，...psn，t，ps1，t-t，ps2，t-t，...psn，t-t，fs1，t，fs2，t，...fsn，t，fs1，t-t，fs2，t-t，...fsn，t-t，rtt，rtt-t，stt，stt-t，ft，ft-t，ott，ott-t)

其中，et为t时前一个时间间隔冷却水循环总能耗，ps1，t为t时刻编号为1的冷却水泵的转速，ps1，t-t为t-t时刻编号为1的冷却水泵的转速，ps2，t为t时刻编号为2的冷却水泵的转速，ps2，t-t为t-t时刻编号为2的冷却水泵的转速，psn，t为t时刻编号为n的冷却水泵的转速，psn，t-t为t-t时刻编号为n的冷却水泵的转速，fs1，t为t时刻编号为1的冷却塔风机的转速，fs1，t-t为t-t时刻编号为1的冷却塔风机的转速，fs2，t为t时刻编号为2的冷却塔风机的转速，fs2，t-t为t-t时刻编号为2的冷却塔风机的转速，fsn，t为t时刻编号为n的冷却塔风机的转速，fsn，t-t为t-t时刻编号为n的冷却塔风机的转速，rtt为t时刻的冷却水回水温度，rtt-t为t-t时刻的冷却水回水温度，stt为t时刻的冷却水供水温度，stt-t为t-t时刻的冷却水供水温度，ft为t时刻冷却水流量，ft-t为t-t时刻冷却水流量，ott为t时刻的室外温度，ott-t为t-t时刻的室外温度，t为时间间隔，n为冷却水循环中设备的个数；

s2-3、对冷却水循环能耗特征向量进行数据的归一化处理；

s2-4、将冷却水循环能耗特征向量存储在数据库中。

更进一步的技术方案是所述步骤s3的具体过程如下，

s3-1、从数据库中读取全部的冷却水循环能耗特征向量v；

s3-2、将冷却水循环能耗特征向量v输入能耗模型训练模块中的支持向量回归算法，算法回归模型为：

et＝f(ps1，t，ps2，t，...psn，t，ps1，t-t，ps2，t-t，...psn，t-t，fs1，t，fs2，t，...fsn，t，fs1，t-t，fs2，t-t，...fsn，t-t，rtt，rtt-t，stt，stt-t，ft，ft-t，ott，ott-t)

其中，et为t时前一个时间间隔冷却水循环总能耗，ps1，t为t时刻编号为1的冷却水泵的转速，ps1，t-t为t-t时刻编号为1的冷却水泵的转速，ps2，t为t时刻编号为2的冷却水泵的转速，ps2，t-t为t-t时刻编号为2的冷却水泵的转速，psn，t为t时刻编号为n的冷却水泵的转速，psn，t-t为t-t时刻编号为n的冷却水泵的转速，fs1，t为t时刻编号为1的冷却塔风机的转速，fs1，t-t为t-t时刻编号为1的冷却塔风机的转速，fs2，t为t时刻编号为2的冷却塔风机的转速，fs2，t-t为t-t时刻编号为2的冷却塔风机的转速，fsn，t为t时刻编号为n的冷却塔风机的转速，fsn，t-t为t-t时刻编号为n的冷却塔风机的转速，rtt为t时刻的冷却水回水温度，rtt-t为t-t时刻的冷却水回水温度，stt为t时刻的冷却水供水温度，stt-t为t-t时刻的冷却水供水温度，ft为t时刻冷却水流量，ft-t为t-t时刻冷却水流量，ott为t时刻的室外温度，ott-t为t-t时刻的室外温度，t为时间间隔，n为冷却水循环中设备的个数；

s3-3、支持向量回归算法结果保存为模型文件。

更进一步的技术方案是所述步骤s4的具体过程如下，

s4-1、通过plc获取冷却水循环的各冷却水泵的泵速ps′、各冷却塔风机的风机转速fs′、冷却水回水温度rt′、冷却水供水温度st′、冷却水流量f′，通过温度计测得室外温度ot′；

s4-2、使用数据获取模块按照时间间隔t将上述数据收集汇总；

s4-3、对实时数据进行预处理，得出能耗预测特征向量数据v′：

v＝(et，ps1，t，ps2，t，...psn，t，ps1，t-t，ps2，t-t，...psn，t-t，fs1，t，fs2，t，...fsn，t，fs1，t-t，fs2，t-t，...fsn，t-t，rtt，rtt-t，stt，stt-t，ft，ft-t，ott，ott-t)

其中，ps1，t为t时刻编号为1的冷却水泵的转速，ps1，t-t为t-t时刻编号为1的冷却水泵的转速，ps2，t为t时刻编号为2的冷却水泵的转速，ps2，t-t为t-t时刻编号为2的冷却水泵的转速，psn，t为t时刻编号为n的冷却水泵的转速，psn，t-t为t-t时刻编号为n的冷却水泵的转速，fs1，t为t时刻编号为1的冷却塔风机的转速，fs1，t-t为t-t时刻编号为1的冷却塔风机的转速，fs2，t为t时刻编号为2的冷却塔风机的转速，fs2，t-t为t-t时刻编号为2的冷却塔风机的转速，fsn，t为t时刻编号为n的冷却塔风机的转速，fsn，t-t为t-t时刻编号为n的冷却塔风机的转速，rtt为t时刻的冷却水回水温度，rtt-t为t-t时刻的冷却水回水温度，stt为t时刻的冷却水供水温度，stt-t为t-t时刻的冷却水供水温度，ft为t时刻冷却水流量，ft-t为t-t时刻冷却水流量，ott为t时刻的室外温度，ott-t为t-t时刻的室外温度，t为时间间隔，n为冷却水循环中设备的个数；

s4-4、将能耗预测特征向量数据v′输入冷却水循环能耗预测模型中，得到冷却水循环下一时间间隔的总能耗et。

更进一步的技术方案是所述数据预处理模块通过主成分分析(pca)，对数据进行降维。

与现有技术相比，本发明的有益效果是：在建立好预测模型之后，提前预测冷却水循环各个设备在不同状态下的能耗，以此可以帮助实现节能、故障诊断等。

附图说明

图1为本发明中中央空调制冷系统中冷却水循环能耗的预测方法的流程图。

图2为本发明中中央空调制冷系统中冷却水循环的预测能耗曲线与实际能耗曲线。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，中央空调制冷系统中冷却水循环能耗预测方法，具体实施步骤为：

s1：首先对待预测冷却水循环进行数据获取，具体步骤为：

s1-1、通过plc获取冷却水循环的各冷却水泵的泵速ps、各冷却塔风机的风机转速fs、冷却水回水温度rt、冷却水供水温度st、冷却水流量f，通过温度计测得室外温度ot，通过电表获得冷却水循环的总能耗e；

s1-2、使用数据获取模块按照时间间隔t将s1-1中获取的数据收集汇总，t为15分钟；

s1-3、数据存储模块将数据以时间戳为主键存储在数据库中；

s2：数据预处理模块对历史数据进行预处理，得到冷却水循环能耗特征向量v，具体步骤为：

s2-1、将历史数据中的冷却水循环总能耗转换为一个时间段内的总能耗，公式为

et＝et-et-t；

s2-2、将历史数据以时间戳为主键，转换为冷却水循环能耗特征向量v：

v＝(et，ps1，t，ps2，t，...psn，t，ps1，t-t，ps2，t-t，...psn，t-t，fs1，t，fs2，t，...fsn，t，fs1，t-t，fs2，t-t，...fsn，t-t，rtt，rtt-t，stt，stt-t，ft，ft-t，ott，ott-t)

其中，et为t时前一个时间间隔冷却水循环总能耗，ps1，t为t时刻编号为1的冷却水泵的转速，ps1，t-t为t-t时刻编号为1的冷却水泵的转速，ps2，t为t时刻编号为2的冷却水泵的转速，ps2，t-t为t-t时刻编号为2的冷却水泵的转速，psn，t为t时刻编号为n的冷却水泵的转速，psn，t-t为t-t时刻编号为n的冷却水泵的转速，fs1，t为t时刻编号为1的冷却塔风机的转速，fs1，t-t为t-t时刻编号为1的冷却塔风机的转速，fs2，t为t时刻编号为2的冷却塔风机的转速，fs2，t-t为t-t时刻编号为2的冷却塔风机的转速，fsn，t为t时刻编号为n的冷却塔风机的转速，fsn，t-t为t-t时刻编号为n的冷却塔风机的转速，rtt为t时刻的冷却水回水温度，rtt-t为t-t时刻的冷却水回水温度，stt为t时刻的冷却水供水温度，stt-t为t-t时刻的冷却水供水温度，ft为t时刻冷却水流量，ft-t为t-t时刻冷却水流量，ott为t时刻的室外温度，ott-t为t-t时刻的室外温度，t为时间间隔，n为冷却水循环中设备的个数；

s2-3、对冷却水循环能耗特征向量进行数据的归一化处理，通过主成分分析，即pca，对数据进行降维；

s2-4、将冷却水循环能耗特征向量存储在数据库中；

s3：将冷却水循环能耗特征向量输入能耗模型训练模块，计算得到冷却水循环能耗模型，具体步骤为：

s3-1、从数据库中读取全部的冷却水循环能耗特征向量；

s3-2、将冷却水循环能耗特征向量输入能耗模型训练模块中的支持向量回归算法，算法回归模型为：

et＝f(ps1，t，ps2，t，...psn，t，ps1，t-t，ps2，t-t，...psn，t-t，fs1，t，fs2，t，...fsn，t，fs1，t-t，fs2，t-t，...fsn，t-t，rtt，rtt-t，stt，stt-t，ft，ft-t，ott，ott-t)

其中，et为t时前一个时间间隔冷却水循环总能耗，ps1，t为t时刻编号为1的冷却水泵的转速，ps1，t-t为t-t时刻编号为1的冷却水泵的转速，ps2，t为t时刻编号为2的冷却水泵的转速，ps2，t-t为t-t时刻编号为2的冷却水泵的转速，psn，t为t时刻编号为n的冷却水泵的转速，psn，t-t为t-t时刻编号为n的冷却水泵的转速，fs1，t为t时刻编号为1的冷却塔风机的转速，fs1，t-t为t-t时刻编号为1的冷却塔风机的转速，fs2，t为t时刻编号为2的冷却塔风机的转速，fs2，t-t为t-t时刻编号为2的冷却塔风机的转速，fsn，t为t时刻编号为n的冷却塔风机的转速，fsn，t-t为t-t时刻编号为n的冷却塔风机的转速，rtt为t时刻的冷却水回水温度，rtt-t为t-t时刻的冷却水回水温度，stt为t时刻的冷却水供水温度，stt-t为t-t时刻的冷却水供水温度，ft为t时刻冷却水流量，ft-t为t-t时刻冷却水流量，ott为t时刻的室外温度，ott-t为t-t时刻的室外温度，t为时间间隔，n为冷却水循环中设备的个数；

s3-3、支持向量回归算法结果保存为模型文件；

s4：获取当前冷却水循环的数据，输入到冷却水循环能耗预测模块中预测冷却水循环能耗，具体步骤为：

s4-1、通过plc获取冷却水循环的各冷却水泵的泵速ps、各冷却塔风机的风机转速fs、冷却水回水温度rt、冷却水供水温度st、冷却水流量f，通过温度计测得室外温度0t；

s4-2、使用数据获取模块按照时间间隔t将第4-1步中获取的数据收集汇总；

s4-3、对实时数据进行预处理，得出能耗预测特征向量数据v′：

v′＝(et，ps1，t，ps2，t，...psn，t，ps1，t-t，ps2，t-t，...psn，t-t，fs1，t，fs2，t，...fsn，t，fs1，t-t，fs2，t-t，...fsn，t-t，rtt，rtt-t，stt，stt-t，ft，ft-t，ott，ott-t)

其中，ps1，t为t时刻编号为1的冷却水泵的转速，ps1，t-t为t-t时刻编号为1的冷却水泵的转速，ps2，t为t时刻编号为2的冷却水泵的转速，ps2，t-t为t-t时刻编号为2的冷却水泵的转速，psn，t为t时刻编号为n的冷却水泵的转速，psn，t-t为t-t时刻编号为n的冷却水泵的转速，fs1，t为t时刻编号为1的冷却塔风机的转速，fs1，t-t为t-t时刻编号为1的冷却塔风机的转速，fs2，t为t时刻编号为2的冷却塔风机的转速，fs2，t-t为t-t时刻编号为2的冷却塔风机的转速，fsn，t为t时刻编号为n的冷却塔风机的转速，fsn，t-t为t-t时刻编号为n的冷却塔风机的转速，rtt为t时刻的冷却水回水温度，rtt-t为t-t时刻的冷却水回水温度，stt为t时刻的冷却水供水温度，stt-t为t-t时刻的冷却水供水温度，ft为t时刻冷却水流量，ft-t为t-t时刻冷却水流量，ott为t时刻的室外温度，ott-t为t-t时刻的室外温度，t为时间间隔，n为冷却水循环中设备的个数；

s4-4、将能耗预测特征向量数据v′输入冷却水循环能耗预测模型中，得到冷却水循环下一时间间隔的总能耗et。

图2为某轮胎公司的制冷系统，此系统的冷却水循环包括12台冷却塔风机，以及3台冷却水泵。按照以上实施过程得到的训练和预测曲线，图中横坐标为测试次数，纵坐标为能耗值。从图中可以看出，在进行的100次测试中，预测模型所预测的能耗曲线与实际能耗曲线高度重合。

以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取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。