[发明专利]基于机器学习的水冷式冷水机组的能耗优化方法与系统

权利要求书

1.一种基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于过程为：通过传感器与机器学习预测算法，预测出不同天气环境和不同制冷负荷下，水冷式冷水机组的冷却塔和冷却泵在各种运行频率组合下的系统整体能耗，然后求解出能耗最优的冷却塔和冷却泵的运行频率组合，并实时控制到设备。

2.根据权利要求1所述的基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于具体过程为：

S1、对水冷式冷水机组的冷机、冷却塔和冷却泵的设备运行数据，以及传感器的数据进行收集；

S2、利用S1收集出的数据对冷机、冷却塔和冷却泵的系统整体能耗通过机器学习预测算法进行预测；

S3、对预测出的系统整体能耗进行最优化求解，从而求解出整体能耗最优的冷却塔和冷却泵的运行频率组合；

S4、利用最优化求解得出的运行频率组合数据对冷却塔和冷却泵的运行频率进行实时控制。

3.根据权利要求2所述的基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于：S1中，传感器获得的数据包括天气环境数据和设备运行数据，天气环境数据包括干球温度、相对湿度，设备运行数据包括冷却塔运行频率、冷却泵运行频率、冷冻水回水温度、冷冻水回水压力、冷冻水出水温度。

4.根据权利要求3所述的基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于：传感器数据的采集方法包括：通过BACnet网关读取设备数据、通过串口服务器读取传感器数据、通过第三方BMS系统或动环系统读取设备与传感器数据。

5.根据权利要求2所述的基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于：S2中，机器学习预测算法包括深度神经网络、深度循环神经网络、多项式回归的一种或多种；使用机器学习预测算法建立的模型包括冷机能耗预测模型、冷却塔能耗预测模型、冷却泵能耗预测模型，其中冷机能耗预测模型的输入包括：干球温度、相对湿度、冷却塔运行频率、冷却泵运行频率、冷冻水回水温度、冷冻水回水压力、冷冻水出水温度；冷却塔能耗预测模型的输入包括：冷却塔运行频率；冷却泵能耗预测模型的输入包括：冷却泵运行频率。

6.根据权利要求2所述的基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于：S3中，能耗最优求解算法包括：遗传算法、蚁群算法的一种或多种。

7.根据权利要求2所述的基于机器学习的水冷式冷水机组的能耗优化方法，其特征在于：S4中，控制设备运行参数的方法包括：通过BACnet网关控制设备运行参数。

8.一种基于机器学习的水冷式冷水机组的能耗优化系统，用于实现上述权利要求1-7任一项所述的方法，其特征在于：包括水冷式冷水机组、传感器、与水冷式冷水机组和传感器均连接的数据分析处理单元、与数据分析处理单元连接的设备运行参数控制单元，设备运行参数控制单元连接水冷式冷水机组，传感器用于获取水冷式冷水机组和天气环境的数据。

9.根据权利要求8所述的基于机器学习的水冷式冷水机组的能耗优化系统，其特征在于：传感器包括用于获取天气环境数据的室外干球温度传感器和室外相对湿度传感器，以及设置在水冷式冷水机组的冷机上的冷冻水回水温度传感器、冷冻水出水温度传感器、冷冻水回水压力传感器。

10.根据权利要求9所述的基于机器学习的水冷式冷水机组的能耗优化系统，其特征在于：数据分析处理单元为计算机，设备运行参数控制单元为BACnet网关。