[发明专利]基于运行大数据的中央空调制冷站运行优化方法和系统

权利要求书

1.一种基于运行大数据的中央空调制冷站运行优化方法，其特征在于，包括以下步骤：

获取中央空调制冷站的运行数据和环境数据；所述运行数据包括：开机运行数据、调节运行数据和关机运行数据；

根据所述开机运行数据和环境数据，并基于预测训练算法模型进行训练以输出预测冷量；

根据所述开机运行数据和所述环境数据、所述预测冷量，确定制冷机组的开机策略；

根据所述调节运行数据和所述环境数据、所述预测冷量，并通过加减机判断逻辑获得加减机标志；

根据冷量表、所述预测冷量以及所述加减机标志，确定所述制冷机组的调节策略；

根据所述关机运行数据和所述环境数据，确定所述制冷机组的关机策略；

其中，所述调节运行数据包括：实际冷量、制冷机的出水温度、制冷机的出水温度设定值；所述环境数据包括：当前室内温度、当前室外温度和室外预报温度；

所述根据所述调节运行数据和所述环境数据、所述预测冷量，并通过加减机判断逻辑获得加减机标志包括：

判断所述当前室内温度是否大于室内温度上限值；

若是，基于所述预测冷量和所述实际冷量确定所述加减机标志；

若否，基于所述预测冷量、所述实际冷量、所述当前室内温度、所述当前室外温度、所述室外预报温度、所述制冷机的出水温度和所述制冷机的出水温度设定值确定所述加减机标志。

2.根据权利要求1所述的基于运行大数据的中央空调制冷站运行优化方法，其特征在于，所述开机运行数据包括：开机小时数；所述环境数据包括：当前室内温度、室内目标温度、当前室外湿球温度；

所述根据所述开机运行数据和环境数据，并基于预测训练算法模型进行训练以输出预测冷量包括：

根据所述开机小时数、所述当前室内温度、室内目标温度以及所述当前室外湿球温度，并基于所述预测训练算法模型进行训练，获得所述预测冷量。

3.根据权利要求2所述的基于运行大数据的中央空调制冷站运行优化方法，其特征在于，所述开机运行数据还包括：目标营业时间、设定的最早开机时间和设定的最晚开机时间；

所述根据所述开机运行数据和所述环境数据、所述预测冷量，确定制冷机组的开机策略包括：

根据所述当前室内温度、所述室内目标温度、所述目标营业时间、所述设定的最早开机时间、所述设定的最晚开机时间，预测所述制冷机组的开机时间；

根据所述预测冷量和所述冷量表，确定所述制冷机组的开机组合；

根据所述开机时间和所述制冷机组的开机组合，获得所述制冷机组的开机策略。

4.根据权利要求3所述的基于运行大数据的中央空调制冷站运行优化方法，其特征在于，所述根据所述预测冷量和所述冷量表，确定所述制冷机组的开机组合包括：

根据所述冷量表，获得所述制冷机组开启的所有排列组合以及对应的供冷量；

基于所述预测冷量，确定所述所有排列组合中满足冷量阈值的排列组合；

根据所述满足冷量阈值的排列组合，获取所述满足冷量阈值的排列组合中系统COP最大的开启组合；

所述满足冷量阈值的排列组合中系统COP最大的开启组合为所述制冷机组的开机组合。

5.根据权利要求1所述的基于运行大数据的中央空调制冷站运行优化方法，其特征在于，所述基于所述预测冷量和所述实际冷量确定所述加减机标志包括：

判断所述实际冷量是否小于或者等于所述预测冷量；

若是，确定所述加减机标志为加机。

6.根据权利要求1所述的基于运行大数据的中央空调制冷站运行优化方法，其特征在于，所述基于所述预测冷量、所述实际冷量、所述当前室内温度、所述当前室外温度和所述室外预报温度确定所述加减机标志包括：

判断所述当前室内温度是否在预设温度范围内；

若是，判断所述实际冷量是否小于或者等于所述预测冷量；

若所述实际冷量小于或者等于所述预测冷量，则确定所述加减机标志为加机；

若所述实际冷量大于所述预测冷量，则根据所述当前室外温度和所述室外预报温度确定所述加减机标志；

若所述当前室内温度在所述预设温度范围之外，则确定所述加减机标志为减机。