工业洁净厂房制冷负荷的预测方法与流程

本发明涉及工业洁净厂房领域，尤其涉及一种工业洁净厂房制冷负荷的预测方法。

背景技术：

1、工业洁净厂房已经被广泛地应用于半导体制造、led生产和航空航天等高科技制造行业，这对室内的温度、湿度和颗粒物浓度等环境控制提出了更为严格的要求。也正为如此，工业洁净厂房的能源消耗远高于普通商业建筑或办公楼。其中，暖通空调系统是工业洁净厂房中能耗最高的子系统之一，约占工业洁净厂房总能耗的50％以上。因此，减少工业洁净厂房中的暖通空调系统的能耗对实现工业部门的节能减排目标至关重要。

2、现有的工业洁净厂房通常采用区域制冷系统，这些制冷系统通常由水侧系统、空气侧系统和生产车间三个部分组成。水侧系统通过消耗能量生产冷冻水，然后由空气侧系统利用水侧系统生产的冷冻水进行冷却和除湿生产车间。在这种复杂的制冷系统中，水侧系统和空气侧系统通过一系列集成反馈控制器共同维持生产车间环境的稳定。

3、为了减少工业洁净厂房中暖通空调系统的能耗，目前主要通过对处于需求侧的暖通空调系统进行建模，再优化诸如冷冻水流量、供水温度和设备排序等水侧系统的控制配置，以完成对工业洁净厂房制冷负荷的预测，从而达到减少能耗的目标。

4、不过，现有的工业洁净厂房制冷负荷的预测方法存在不足：在构建需求侧的暖通空调系统模型时，仅仅将空气侧模型或者房间模型作为相互独立的模型考虑，但是没有考虑空气侧模型与房间模型之间的复杂相互作用，无法构建出更加反映真实特性的暖通空调系统模型，也就无法对工业洁净厂房的制冷负荷做出准确预测。

技术实现思路

1、本发明所要解决的技术问题是针对上述现有技术提供一种充分考虑空气侧模型与房间模型之间相互作用以提高预测精度的工业洁净厂房制冷负荷的预测方法。

2、本发明解决上述技术问题所采用的技术方案为：工业洁净厂房制冷负荷的预测方法，其特征在于，包括如下步骤：

3、步骤1，构建包括房间热模型、新风处理机组模型、干冷盘管模型和风机过滤单元模型的暖通空调系统模型；

4、步骤2，对已构建暖通空调系统模型的各输入参数做全局敏感性分析，分别计算各输入参数对该暖通空调系统模型所输出冷负荷的影响值，并根据所得所有影响值选出对该暖通空调系统模型所输出冷负荷具有重要影响程度的多个输入参数，以由被选出的该多个输入参数组成敏感输入参数集；其中，输入参数对暖通空调系统模型所输出冷负荷的影响值与其重要影响程度呈正相关；

5、步骤3，基于暖通空调系统模型，利用预先获取的预设历史时段内的冷负荷实际测量数据，且采用pid控制器对位于敏感输入参数集内且缺失的输入参数做反馈调节及反推处理，得到反推后所得缺失的输入参数，并由该反推后所得缺失的输入参数与敏感输入参数集内的其他所有输入参数共同形成训练集数据；

6、步骤4，将形成的训练集数据和任意时间段内的敏感输入参数集输入到机器学习模型中做预测处理，预测得到该任意时间段内缺失的输入参数；

7、步骤5，利用位于敏感输入参数集内且除去预测所得该缺少的输入参数后剩余的各输入参数形成多个不完全相同的输入参数组合，且分别将各输入参数组合输入到暖通空调系统模型中，分别得到对应每一个输入参数组合的暖通空调系统模型输出值；

8、步骤6，利用遗传算法工具分别计算各暖通空调系统模型输出值与已获取的预设历史时段内的冷负荷实际测量数据之间的输出误差值，并选择具有最小误差值的输出误差值所对应的输入参数组合作为暖通空调系统模型的最优输入参数组合；

9、步骤7，将最优输入参数组合内各输入参数对应的输入参数实际值输入到暖通空调系统模型，将该暖通空调系统模型输出的冷负荷作为工业洁净厂房制冷负荷的预测值。

10、改进地，在所述工业洁净厂房制冷负荷的预测方法中，在步骤1中：

11、所述房间热模型采用电容-电阻模型来描述室内温度的动态变化，该房间热模型的瞬态能量平衡方程如下：

12、

13、其中，croom为房间的热容量，troom为房间的室内温度，text为房间的室外温度，rth为房间的热阻，qint为房间的内部热负荷对室内温度的影响值，表示表示房间的室内温度随时间的变化率，表示房间内热量的瞬态变化值，表示通过热阻传导的外界热量对房间的室内温度的影响值；

14、所述新风处理机组模型包括湿冷盘管模型、再热盘管模型和风机模型，该新风处理机组模型实现对空气中的显热和潜热进行处理；所述干冷盘管模型和所述风机过滤单元模型共同等效形成风机盘管单元，该风机盘管单元所对应的瞬态能量平衡方程如下：

15、

16、其中，为干冷盘管中冷冻水的质量流量，cpw为干冷盘管中冷冻水的比热容，tcw,in为冷冻水在干冷盘管入口处的入口温度，tcw,out为冷冻水在干冷盘管出口处的出口温度，为冷冻水在干冷盘管中传递的热量；为新风处理机组模型中的空气质量流量，cpa为空气的比热容，tair,in表示流经干冷盘管前的空气温度，tair,out表示流经干冷盘管后的空气温度；

17、干冷盘管模型所对应传热过程的瞬态能量平衡方程如下：

18、

19、所述新风处理机组模型的湿冷盘管模型的瞬态能量平衡方程如下：

20、

21、h＝cpa·tair+ω·hfg；

22、hin＝cpa·tin+ωin·hfg；

23、hout＝cpa·tout+ωout·hfg；

24、其中，hin为进入湿冷盘管内的空气的焓值，hout为离开湿冷盘管的空气的焓值，hin-hout包含湿冷盘管模型中显热和潜热的变化量，h为空气的焓，tair为空气的温度，ω为空气的湿度比，hfg为水的汽化潜热；tin为进入湿冷盘管的空气温度，ωin是进入湿冷盘管内空气的湿度比，tout是离开湿冷盘管的空气温度，ωout是离开湿冷盘管的空气的湿度比。

25、进一步地，在所述工业洁净厂房制冷负荷的预测方法中，在步骤2中，所述暖通空调系统模型所输出冷负荷对任一个输入参数的敏感值表示如下：

26、

27、θ＝(θ1,θ2,…,θn)；θ'＝(θ1,θ2,…,θi-1,θi+△,θi+1，…,θn)；

28、

29、其中，d(θi)表示暖通空调系统模型所输出冷负荷对第i个输入参数θi的敏感值，θi为暖通空调系统模型中对该暖通空调系统模型所输出冷负荷具有影响的第i个输入参数，n为暖通空调系统模型中对该暖通空调系统模型所输出冷负荷具有影响的输入参数总数量，△为在全局敏感性分析中对暖通空调系统模型的输入参数进行扰动的步长，θ为基准参数集，θ'为基准参数集θ内第i个输入参数θi经扰动一个步长△后的新参数集；f(θ)表示暖通空调系统模型的输入参数集为基准参数集θ时所对应输出的冷负荷；f(θ')表示暖通空调系统模型在其输入参数集为新参数集θ'时所对应输出的冷负荷；h表示暖通空调系统模型的每个输入参数在所述全局敏感性分析中被离散化划分后的细致程度级；

30、输入参数θi对暖通空调系统模型所输出冷负荷的影响值标记为

31、

32、其中，为输入参数θi对暖通空调系统模型所输出冷负荷影响的平均效应值，r为进行全局敏感性分析时所对应选择的轨迹总数目，dij(θ)表示r条轨迹中的第j条轨迹对输入参数θi的基本效应的扰动效应值，σi为输入参数θi对暖通空调系统模型所输出冷负荷影响的标准差。

33、再改进，在所述工业洁净厂房制冷负荷的预测方法中，在步骤3中，所述pid控制器的控制公式如下：

34、

35、其中，il(t)为推断后所得到的缺失的输入参数，e(t)为观察到的冷负荷与已构建暖通空调系统模型所输出冷负荷之间的误差值，kp为比例增益，ki为pid控制器中的积分增益。

36、再进一步地，在所述工业洁净厂房制冷负荷的预测方法中，在步骤4中，所述机器学习模型为xgboos模型，使用xgboos模型对位于所述敏感输入参数集内且缺失的输入参数进行机器学习推断，该xgboos模型的目标函数表示如下：

37、

38、其中，l(φ)是xgboost模型的目标函数，表示衡量第v个样本的真实值yv与第v个样本的预测值之间误差的损失函数，k表示形成xgboost训练模型的决策回归树的总数量，fk表示k个决策回归树中的第k个决策回归树，ω(fk)为第k个决策回归树所对应的模型复杂度惩罚项。

39、与现有技术相比，本发明的优点在于：

40、首先，该发明的工业洁净厂房制冷负荷的预测方法通过构建包括房间热模型、新风处理机组模型、干冷盘管模型和风机过滤单元模型的暖通空调系统模型，建立空气侧与房间模型之间的相互作用关系，利用全局敏感性分析方法选出深度影响暖通空调系统模型所输出冷负荷的多个输入参数集以形成敏感输入参数集，采用pid控制器和反馈反推方式得到缺失的输入参数并进一步形成训练集数据，基于机器学习模型预测得到任意时间段内缺失的输入参数，再形成不同的输入参数组合以输入到暖通空调系统模型，基于遗传算法计算处理选出最优输入参数组合，并将该最优输入参数组合输入暖通空调系统模型后，将暖通空调系统模型对应输出的冷负荷作为工业洁净厂房制冷负荷的预测值。如此，构建的暖通空调系统模型充分考虑空气侧模型与房间模型之间的相互作用，且对需求侧hvac系统做了高效、精准建模，更加准确地捕捉到暖通空调系统的真实特性，提高了工业洁净厂房制冷负荷的预测精度。

41、其次，利用机器学习模型对输入的训练集数据和任意时间段内的敏感输入参数集做处理，以预测得到该任意时间段内缺失的输入参数，克服了传统建模方法在数据缺失和系统复杂性方面的局限性，避免了数据缺失，提高了模型的鲁棒性和制冷负荷预测精度。