[发明专利]一种基于GRNN的冷机台数控制方法及其控制系统

说明书

本发明属于空调冷水机组技术领域，针对现有技术中在中央空调启动后，其多台冷水机组同时启动，导致能耗高，不能根据运行工况智能启动冷水机组的数量的问题，提出一种基于GRNN的冷机台数控制方法及其控制系统；所述方法包括，按照预设规则获取冷水机组的运行特征；计算冷水机组Ti时刻的能效比、外部效率和内部效率；建立冷水机组的内部效率预测模型；其中，所述内部效率预测模型通过GRNN网络训练模型推算得到；根据所述冷水机组的运行特征，结合所述冷水机组的内部效率预测模型，根据Ti+1时刻的空调负荷需求，预测并选择内部效率最高的工况启动对应冷水机组。

技术领域

本发明属于空调冷水机组技术领域，具体涉及一种基于GRNN的冷机台数控制方法及其控制系统。

背景技术

建筑能耗占社会总能耗的约1/4～1/3，并且随着城镇化进程的发展，仍在不断增加中。建筑行业节能减排意义重大。

在建筑的全生命周期中，运营阶段的能耗占绝大部分。建筑运营能耗中，空调和照明能耗占主要部分。尤其是大型公共建筑的中央空调机组，能耗非常高，因此需要针对中央空调的多台冷水机组进行监控，做好空调系统节能。

发明内容

本发明实施方式的目的在于提供的一种基于GRNN的冷机台数控制方法及其控制系统，解决了现有技术中，在中央空调启动后，其多台冷水机组同时启动，导致能耗高，不能根据运行工况智能启动冷水机组的数量的问题。

为解决上述技术问题，本发明的实施方式提供了一种基于GRNN的冷机台数控制方法，包括：

按照预设规则获取冷水机组的运行特征，所述冷水机组的运行特征包括当前时刻、当前工作冷机台数、冷机内部的负载率、流量、冷冻水回水温度、冷冻水出水温度、冷凝温度、蒸发温度、压缩机频率、制冷剂充罐量、制冷量、耗电量中至少一项；

筛选出影响冷水机组Ti时刻的能效比的相关特征组成第一特征集，并计算冷水机组Ti时刻的能效比；

筛选出影响冷水机组Ti时刻的外部效率和内部效率的相关特征组成第二特征集，并计算冷水机组Ti时刻的外部效率和内部效率；

建立冷水机组的内部效率预测模型；其中，所述内部效率预测模型通过GRNN网络训练模型推算得到；

根据所述冷水机组的运行特征，结合所述冷水机组的内部效率预测模型，根据Ti+1时刻的空调负荷需求，预测并选择内部效率最高的工况启动对应冷水机组。

有益效果：本方案采集中央空调的冷水机组的运行特征，结合GRNN网络训练模型得到冷水机组的内部效率预测模型；采用人工智能机器学习算法，对已有的数据进行总结，从而采用该GRNN网络训练模型推算出各个工况时刻下的最佳内部效率，根据下一时刻的冷水机组的运行负荷，计算出该工况下最佳的内部效率控制冷水机组的运行。相比现有技术而言，本方案整合历史记录，根据当前时刻的运行工况，预测下一时刻的运行负荷，并计算出最佳的内部效率控制冷水机组的运行，使得冷水机组的启动运行在满足负荷需求的情况下，尽可能的降低能耗。

进一步地，预设规则为冷水机组不少于六个月内运行特征的数据，所述运行特征的采样间隔为五分钟。

进一步地，按照预设规则设置冷水机组的运行特征后，从运行特征中筛选第一特征集和第二特征集之前，还包括：

处理运行特征中的缺失值和异常值，并更新冷水机组的运行特征。

进一步地，根据第一特征集计算冷水机组Ti时刻的能效比，包括：

从冷水机组的运行特征中筛选相关运行特征组成第一特征集，所述第一特征集包括制冷量和耗电量；

利用以下公式计算Ti时刻的能效比：