[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

说明书

本发明涉及一种基于机器学习的水冷式冷水机组的能耗优化方法与系统，过程为：预测出不同天气环境和不同制冷负荷下，冷却塔和冷却泵的各种运行频率组合下的冷水机组系统整体能耗，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，本发明可以最大程度的优化水冷式冷水机组的能耗、实现高效节能的目的。

技术领域

本专利申请属于能耗优化技术领域，更具体地说，是涉及一种基于机器学习的水冷式冷水机组的能耗优化方法与系统。

背景技术

现有技术通过PID(比例积分)控制等反馈控制方法，通过调节水冷式冷水机组的冷却塔和冷却泵的运行频率来维持固定的冷却水进水温度，使冷机处于相对高能效比区间，从而产生局部节能效果。

缺点：现有技术的优化目标为优化冷机的局部能耗，没有考虑冷却塔和冷却泵的能耗，并非优化冷水机组整体的能耗，使系统无法达到整体能耗最优。

发明内容

本发明需要解决的技术问题是提供一种基于机器学习的水冷式冷水机组的能耗优化方法与系统，可使系统达到整体能耗最优。

为了解决上述问题，本发明所采用的技术方案是：

一种基于机器学习的水冷式冷水机组的能耗优化方法，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。

本发明技术方案的进一步改进在于：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。

本发明技术方案的进一步改进在于：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，天气环境数据包括但不限于干球温度、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。

本发明技术方案的进一步改进在于：传感器数据的采集方法包括但不限于：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。

本发明技术方案的进一步改进在于：S2中，机器学习预测算法包括但不限于深度神经网络(DNN)、深度循环神经网络(LSTM)、多项式回归(Polynomial Regression)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但不限于：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但不限于：冷却塔运行频率；冷却泵能耗预测模型的输入包括但不限于：冷却泵运行频率。

本发明技术方案的进一步改进在于：S3中，能耗最优求解算法包括但不限于：遗传算法、蚁群算法的一种或多种。

本发明技术方案的进一步改进在于：S4中，控制设备运行参数的方法包括但不限于：通过BACnet网关控制设备运行参数。