[发明专利]一种基于支持向量机模型的冷水机组高能效控制方法在审

专利信息
申请号: 201910748293.4 申请日: 2019-08-14
公开(公告)号: CN110567101A 公开(公告)日: 2019-12-13
发明(设计)人: 管晓晨;牛洪海;陈霈;杨玉;耿欣;李兵 申请(专利权)人: 南京南瑞继保工程技术有限公司;南京南瑞继保电气有限公司
主分类号: F24F11/46 分类号: F24F11/46;F24F11/64;F24F140/20
代理公司: 32200 南京经纬专利商标代理有限公司 代理人: 葛潇敏
地址: 211102 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 能效比 冷水机组 运行参数 历史数据 关键运行参数 支持向量机模型 历史运行参数 归一化处理 支持向量机 聚类算法 训练数据 支持向量 高能效 能耗 采集 输出 挖掘 预测
【权利要求书】:

1.一种基于支持向量机模型的冷水机组高能效控制方法,其特征在于包括如下步骤:

步骤1,从冷水机组的运行参数中选取对冷水机组能效比影响明显的多种运行参数,采集这些运行参数的历史数据;

步骤2,对冷水机组的各个运行参数、能效比的历史数据进行归一化处理,再通过聚类算法获取多组基于支持向量机能效比模型的训练数据;

步骤3,采用支持向量机方法建立冷水机组能效比模型,以历史运行参数作为模型的输入,以历史能效比数据作为模型的输出;

步骤4,利用能效比模型提前预测未来某工况下的冷水机组能耗。

2.如权利要求1所述的基于支持向量机模型的冷水机组高能效控制方法,其特征在于:所述步骤1中,选取对冷水机组能效比影响明显的多种运行参数包括机组负荷Qload、蒸发器进口温度te_in、蒸发器出口温度te_out、冷凝器进口温度tc_in和冷凝器出口温度tc_out

3.如权利要求2所述的基于支持向量机模型的冷水机组高能效控制方法,其特征在于:所述步骤1中,蒸发器和冷凝器的进/出口温度直接采集。

4.如权利要求2所述的基于支持向量机模型的冷水机组高能效控制方法,其特征在于:所述步骤1中,机组负荷Qload利用如下公式计算:

Qload=C·q·(te_in-te_out)/3.6/3.517

其中:Qload——机组负荷,单位RT

C——水的比热容,值为4.2kJ/(kg·℃)

q—冷冻水流量,单位t/h

te_in——蒸发器进口温度,单位℃

te_out——蒸发器出口温度,单位℃

3.6——kg/s与t/h换算系数

3.517——RT与kW换算系数。

5.如权利要求2所述的基于支持向量机模型的冷水机组高能效控制方法,其特征在于:所述步骤2中,对各组历史数据分别进行归一化处理,具体的方法是:

其中:x,y∈Rn,xmin=min(x)为历史数据中的最小值,xmax=max(x)为历史数据中的最大值,原始数据x经归一化处理后得到y;每组运行参数历史数据分别经过归一化处理之后,所有的y均转化到[0,1]之间。

6.如权利要求2所述的基于支持向量机模型的冷水机组高能效控制方法,其特征在于:所述步骤2中,对数据进行归一化处理后,得到N组训练样本集A={a1,a2,…,aN},其中ai为一组训练样本,i=1,2,··,N,通过聚类算法获得n组聚类中心,作为支持向量回归的训练样本:{ω12,…,ωn}。

7.如权利要求2所述的基于支持向量机模型的冷水机组高能效控制方法,其特征在于:所述步骤4的具体内容是,将一组冷水机组的运行参数(Qload,te_in,te_out,tc_in,tc_out)使用原始训练数据的归一化处理,作为输入向量,利用建立的冷水机组能效比模型预测获得输出数据,经反归一化处理后得到在该运行参数下的冷水机组能效比预测值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京南瑞继保工程技术有限公司;南京南瑞继保电气有限公司,未经南京南瑞继保工程技术有限公司;南京南瑞继保电气有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910748293.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top