一种冷站系统运行优化方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种冷站系统运行优化方法。

背景技术

目前很多公共车间的供冷设施都选择了冷站供冷，例如大型超市、酒店、火车站。相较于分散式中小型中央空调系统，在一定区域内使用集成冷站进行制冷，使用大型制冷机组，其机组能效远优于中小型制冷机组。但是冷站系统作为一个给车间供冷的系统，全年超过70%的时间是在50%负荷以下运行的，这就造成了很大的能源浪费，并且随着能源价格的增长，降低能耗已成为全社会的共识。

但是市场中基本上根据暖通空调、楼宇自动化的技术积累的工程经验，来进行冷站内设备的台数及性能进行控制，而能够基于冷站工作环境和实际运行数据建立的冷站能效模型来实现节能优化的方法相对较少。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种冷站系统运行优化方法，所采用的技术方案具体如下：

采集在设定时间段内不同时刻的室外温度和室内生产机器的能耗；将室内区域均匀划分为多个子区域，并获取各子区域在设定时间段内不同时刻的温度；根据设定时间段内室外温度和室内生产机器能耗、所有子区域的温度得到供冷需求指数；

将供冷需求指数与阈值进行比较确定冷站的工作负荷，并将冷站系统中的冷冻水泵处于额定转速下运行；并根据所有子区域在各时刻的温度均值，得到设定时间段内不同时刻的室内温度，根据所述室内温度的方差得到冷站系统在额定转速下的供冷效能；利用冷站系统不同转速对应的供冷效能与转速的关系确定当前工作负荷下的转速范围，基于转速范围确定当前工作负荷下的基础转速；

将冷站系统以基础转速进行运行，并获取设定时间段内各子区域不同时刻的温度和冷站系统的能耗，根据各子区域与其他所有子区域温度极差的差值得到各子区域的温度差异；根据所有子区域的温度差异的均值和冷站系统的能耗的极差得到冷站功效评价指数；

将冷站功效评价指数和冷站系统的能耗输入神经网络得到冷站系统在当前工作负荷下的最优转速。

优选地，所述供冷需求指数的获取方法具体为：根据设定时间段内室外温度的均值和室内生产机器能耗的均值、所有子区域在设定时间段内温度均值的方差，得到供冷需求指数。

优选地，所述将供冷需求指数与阈值进行比较确定冷站的工作负荷具体为：若供冷需求指数大于第一阈值，则冷站系统的工作负荷为低负荷；若供冷需求指数小于第一阈值且大于第二阈值，则冷站系统的工作负荷为中负荷；若供冷需求指数小于第二阈值，则冷站系统的工作负荷为高负荷。

优选地，所述利用冷站系统不同转速对应的供冷效能与转速的关系确定当前工作负荷下的转速范围具体为：

获取冷站系统在不同转速下的供冷效能，并拟合获得供冷效能和转速的函数关系；以供冷效能为0时的转速为高负荷下的转速下限，以额定转速为高负荷下的转速上限，进而得到高负荷下的转速范围。

优选地，述基于转速范围确定当前工作负荷下的基础转速具体为：设置权重，并根据所述权重对转速范围的转速上限和转速下限进行加权求和得到基础转速。

优选地，所述神经网络的训练过程为：

根据基础转速调节转速，并计算转速调节后的冷站功效评价指数；若调节后的冷站功效评价指数大于调节前的，则将在基础转速下的冷站功效评价指数和室内生产机器能耗作为网络的输入，将调节后的转速作为网络的输出，对网络进行训练。

优选地，所述神经网络的训练过程还包括：

计算最优转速下的冷站功效评价指数，若最优转速下的冷站功效评价指数大于转速调节前的冷站功效评价指数，则将最优转速下的冷站功效评价指数和冷站系统的能耗作为输入数据，最优转速作为输出数据，对网络进行训练。

本发明实施例至少具有如下有益效果：

本发明结合了室外温度和室内生产机器的能耗以及室内不同区域的温度，对室内供冷需求进行计算，并确定一个转速可调节范围，同时，根据不同区域的温度变化对选定的调节转速进行评价，并对其进行修正调节得到最优转速，能够避免冷站系统一直处于较高的负荷下进行工作，在保证了室内温度适宜的情况下，同时符合节能减排的理念。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明的一种冷站系统运行优化方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种冷站系统运行优化方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种冷站系统运行优化方法的具体方案。

实施例：

本发明所针对的场景具体为：以一大型综合车间为例，对冷站系统的供冷能效进行分析，为其它车间的冷站系统进行节能优化提供参考和指导。

请参阅图1，其示出了本发明一个实施例提供的一种冷站系统运行优化方法的步骤流程图，该方法包括以下步骤：

步骤一，采集在设定时间段内不同时刻的室外温度和室内生产机器的能耗；将室内区域均匀划分为多个子区域，并获取各子区域在设定时间段内不同时刻的温度；根据设定时间段内室外温度的均值和室内生产机器能耗的均值、所有子区域在设定时间段内温度均值的方差，得到供冷需求指数。

首先，车间外部的环境温度会对车间内部的供冷需求产生影响，当车间外部环境温度不高或者下雨天的时候，车间内的供冷需求减小，此时可对冷站的工作转速进行调整，以达到节能的目的。利用温度传感器可以直接获取车间外部环境的温度变化情况，即采集在设定时间段内不同时刻的室外温度，构成室外温度序列，记为

同时，车间内部的生产机器在工作时会产生能耗，机器以不同功率工作时其能耗也不同，机器单位时间内造成的能耗越大，其产生的热量也越多，这些热量是导致车间内部温度升高的重要原因，尤其是机器在大功率工作时，其单位时间内产生的热量更多。一般情况下，机器发电机组的功率越大，其产生的能耗就越大，通过对其能耗数据的采集可以估算当前车间内生产机器的负荷情况，机器如果在满负荷下工作，其产生的热量就越多，供冷需求就越高，并将生产机器在满负荷下工作产生的能耗记为

具体地，生产机器的能耗信息以电能的形式表示，则可利用电能表采集设定时间段内不同时刻生产机器的能耗，构成能耗序列，记为

需要说明的是，在供冷的过程中车间内部的温度会逐渐降低，可根据车间内部的温度变化情况获取车间内的供冷需求，进而可以确定冷站系统的工作效率。同时，在对车间进行供冷时，还需要满足国家节能减排的要求，大型车间在夏季的供冷温度应当不得低于标准温度

然后，将车间的室内区域均匀划分为多个子区域，并对每个子区域进行标记，获取各子区域的温度变化情况，利用温度传感器采集车间内部各子区域在设定时间段内不同时刻的温度，构成子区域的温度子序列。在理想情况下，车间内的每个子区域的温度都应该较为接近，若出现某一部分区域的温度高于其他子区域，则意味着车间内出现了积热的问题。

其中，将设定时间段设定为5分钟，设定时间段对应的时刻设定为2秒，实施者可根据实际情况调整设定时间段和时刻对应的值。

最后，根据设定时间段内室外温度和室内生产机器能耗、所有子区域的温度得到供冷需求指数，用公式表示为：

其中，U表示车间内的供冷需求指数，

车间内的供冷需求指数的值域为[0,1]，当供冷需求指数的值趋近于0时，说明车间的供冷需求较大，冷站需处于高负荷工作，当供冷需求指数的值趋近于1时，说明车间的供冷需求较小，冷站系统可处于低负荷工作。根据供冷需求指数的值可以对车间当前的冷负荷进行分析，确定其供冷需求，进而对冷站系统的相关工作参数进行调整，以达到节能的目的。

步骤二，将供冷需求指数与阈值进行比较确定冷站的工作负荷，并将冷站系统中的冷冻水泵处于额定转速下运行；并根据所有子区域在各时刻的温度均值，得到设定时间段内不同时刻的室内温度，根据所述室内温度的方差得到冷站系统在额定转速下的供冷效能；利用冷站系统不同转速对应的供冷效能与转速的关系确定当前工作负荷下的转速范围，基于转速范围确定当前工作负荷下的基础转速。

首先，根据车间内的供冷需求指数对冷站系统的工作负荷情况进行分级，若供冷需求指数大于第一阈值，则冷站系统的工作负荷为低负荷；若供冷需求指数小于第一阈值且大于第二阈值，则冷站系统的工作负荷为中负荷；若供冷需求指数小于第二阈值，则冷站系统的工作负荷为高负荷。

其中，在本实施例中，第一阈值和第二阈值的取值分别为0.8和0.3。则当

需要说明的是，一般情况下，冷站系统在设计安装时，需考虑冷站系统的最高负荷，一般按照车间在最极端的条件下获取最高负荷，其中所述极端条件包括但不限于气候条件和认为因素条件。而在实际运行中车间出现最极端条件的时间是较短的，在大部分情况下都是在中负荷下进行工作。所以当确定冷站系统的负荷情况后，使输送冷冻水的水泵跟随冷站系统负荷的变化做出相应的调节，避免冷冻水泵一直处于额定转速下运行。

然后，在本实施例中，以冷站系统在高负荷下的工作情况进行分析。将冷站系统中的冷冻水泵处于额定转速下运行，此时冷站系统的供冷能力是最强的，冷冻水泵的额定转速是由水泵自身决定的。在冷站系统供冷过程中，依次减小冷冻水泵的工作转速，转速每次减小的值是一样的，再结合采集的车间内部温度变化情况分析不同负荷下冷冻水泵的合理工作转速范围。

其中，冷站系统中冷冻水泵的转速可以利用转速传感器直接获取，冷冻水泵的转速越快，其功率就越大，产生的能耗就越多。可以降低其转速以减少能耗，或者增加其转速以提高供冷效能。

具体地，将冷站系统中的冷冻水泵处于额定转速下运行，采用均值化的方法对设定时间段内不同时刻的室内所有子区域的温度进行预处理，根据所有子区域在各时刻的温度均值，得到设定时间段内不同时刻的室内温度，构成室内温度序列，记为

根据所述室内温度的方差得到冷站系统在额定转速下的供冷效能，用公式表示为：

其中，

进一步的，获取冷站系统在不同转速下的供冷效能，并拟合获得供冷效能和转速的函数关系。冷冻水泵的转速越快，其工作功率越高，设定时间段内的供冷效能越好，反之越差。根据冷冻水泵的转速和供冷效能之间的关系，拟合出二者的函数关系f(x)。

具体地，供冷效能的值域为[0,1]，随着冷冻水泵转速的增大，供冷效能的值也会逐渐增大，供冷效能与冷冻水泵的转速是正相关的关系，对二者进行关系函数的欠拟合。供冷效能作为y值，冷冻水泵转速作为x值，因为供冷效能的值域范围较小，所以二者的数据构成的坐标点在关系函数的特征上表现出的离散度较小。在这种情况下，拟合二者的关系函数时可以将其欠拟合成一个线性的关系函数。将采集到的冷冻水泵转速数据和供冷效能数据作为数据对进行处理，得到最终的函数关系。

同时，以供冷效能为0时的转速为高负荷下的转速下限，记为

需要说明的是，由于在本实施例中，预先设定了冷冻水泵处于额定转速下进行工作，在理论情况下，若冷站系统不发生故障，则在额定转速下工作一定时间，车间室内温度应呈逐渐下降的趋势，故当供冷效能为0时，说明此时车间内达到了一种冷热交替的平衡状态，且此时室内温度较为适宜，若将冷冻水泵的转速继续减小，在供冷效能上能够达到需求，但是并不符合节能减排的理念。因此，将供冷效能为0时的冷冻水泵的转速为高负荷工作下的转速下限。

最后，基于转速范围确定当前工作负荷下的基础转速，设置节能权重和舒适权重，并根据所述权重对转速范围的转速上限和转速下限进行加权求和得到基础转速，用公式表示为：

其中，

需要说明的是，调整冷冻水泵的转速是为了节能，但是不能因为过度节能而影响了车间的整体降温舒适度，所以根据车间实际情况对节能和舒适度分别赋予不同的权重，节能权重记为a，舒适权重记为b。例如：若倾向于节能时可选择舒适权重的取值为0.3，节能权重的取值为0.7；而倾向于优先保证车间室内舒适度时，则可设定舒适权重取值为0.7，节能权重取值为0.3。且节能权重和舒适权重的和不一定为1。

步骤三，将冷站系统以基础转速进行运行，并获取设定时间段内各子区域不同时刻的温度和冷站系统的能耗，根据各子区域与其他所有子区域温度极差的差值得到各子区域的温度差异；根据所有子区域的温度差异的均值和冷站能耗的极差得到冷站功效评价指数。

具体地，将冷站系统以基础转速进行运行，并获取在该转速下设定时间段内各子区域不同时刻的温度和冷站系统的能耗。其中，冷站系统的能耗一般以电能的形式表示，故可利用电能表直接获取，即设定时间段内不同时刻的冷站系统的能耗构成冷站能耗序列，记为

当冷冻水泵以一定的转速进行工作时，理论情况下各子区域处于同样的供冷负荷环境下，每一个子区域的温度变化情况应该是相似的，如果出现某一子区域的温度变化和其他子区域出现差异，则需要考虑当前的供冷情况是否合适。首先计算各子区域的温度差异，用公式表示为：

其中，

根据所有子区域的温度差异的均值和冷站能耗的极差得到冷站功效评价指数，用公式表示为：

其中，Q表示冷站功效评价指数，

步骤四，将冷站功效评价指数和冷站能耗输入神经网络得到冷站系统在当前工作负荷下的最优转速。

需要说明的是，计算得到的调节转速，可能并不是冷站系统冷冻水泵的最优的转速，可能是当前调节转速达到了一定程度较好的供冷效果，但是仍存在可调节的空间，使其转速调低的同时保持当前的供冷效果，既满足了供冷效果较好的要求，又能够较大程度的达到节能的效果，故需对调节转速进行修正，以得到一个最优的转速。

所述神经网络的训练过程为：根据基础转速调节转速，并计算转速调节后的冷站功效评价指数；若调节后的冷站功效评价指数大于调节前的，则将在基础转速下的冷站功效评价指数和室内生产机器能耗作为网络的输入，将调节后的转速作为网络的输出，对网络进行训练。

具体地，将冷冻水泵的转速在基础转速的基础上调高或者调低，并获取调节后的相关数据计算冷站功效评价指数，对冷冻水泵的转速进行修正调节后，可能会产生以下四种结果：

当

当

当

当

其中，

上述四种结果中，只有前两种结果代表冷冻水泵在经过修正之后，对冷站功效造成了积极的影响，意味着冷冻水泵的转速修正是合理的，只有当修正之后的冷站功效高于前一时间段内的功效，证明调整的趋势是正确的。而后两种结果是经过修正后对冷站功效造成了消极的影响，证明调整趋势是错误的。故只需考虑前两种正确的情况，因此通过神经网络训练可以得到正确的结果。

同时，计算

所述神经网络的训练还包括：将冷站功效评价指数和冷站系统的能耗输入神经网络得到冷站系统的最优转速，将冷站系统以最优转速运行，并计算最优转速下的冷站功效评价指数，若最优转速下的冷站功效评价指数大于转速调节前的冷站功效评价指数，则将最优转速下的冷站功效评价指数和冷站系统的能耗作为输入数据，最优转速作为输出数据，对网络进行训练。同时，每次对冷冻水泵的转速进行修正调节之后，若满足其对应的冷站功效评价指数增大的条件，则将其对应的数据作为神经网络的训练集数据，对网络继续进行训练。

所述神经网络的损失函数为：

其中，

在本实施例中，所述神经网络采用的是BP神经网络，对BP神经网络的相关描述具体为：

BP神经网络包含了一层输入层，一层输出层以及至少一层隐含层。它的基本原理是通过计算输出层与期望输出之间的误差，然后从输出层开始反向调整各神经元的权值和偏置值，最终使得网络的输出与期望输出之间的误差满足预先设定的要求确定神经网络训练需要的输入层数据。

由于数学上已经证明三层的BP神经网络可以处理任意的非线性问题，在本实施例中把BP神经网络的层数定为三层。现在常用的BP神经网络隐含层节点数的确定方法是试凑法，所谓试凑法，即是系统开发人员根据神经网络处理的数据量，大致估计需要多少个隐含层节点，然后在这个区间内依次取值并计算结果，最后取误差最小的节点数作为最终网络的隐含层节点数，输出层仅设置一个节点即可。

将一个设定时间段内冷站系统的功效评价指数和冷站系统的能耗作为输入层数据，输入层节点数为2。输入层数据与修正调节后的冷冻水泵转速满足一个函数关系式，即

同时，在训练过程中考虑到了越往前的冷站系统的功效对修正调节后的冷冻水泵转速的影响越小，越靠近当前时间节点的冷站功效对修正调节后的冷冻水泵转速的影响越大，因此通过对神经元设定不同的偏置值来表征这种不同的影响，对于影响越小的数据节点，设置较大的偏置值，这个偏置值是随机设置的，这种方法是BP神经网络的常用方法。在节点得到计算结果之后，再利用该结果减去偏置值，这样可以更多的衰减其影响，对于影响较大的数据节点，则设置较小的偏置值以保留其大部分的影响，训练完成之后得到的神经网络可以用作预测函数的逼近。

经过BP神经网络的训练之后可以建立冷站功效与修正调节后的冷冻水泵转速之间的映射关系。当需要对冷冻水泵转速进行预测时，只需要输入当前的冷站功效就能通过训练好的神经网络得到相应的最佳冷冻水泵转速，实现对冷冻水泵转速的快速修正调节。利用这点特性，BP神经网络可以直接利用输入数据做出准确的预测，而不需要随着输入数据的变化重新调整网络。

需要说明的是，对于在中负荷下进行工作的冷站系统来说，其对应的车间内的供冷需求是低于高负荷的，所以可以将高负荷下的冷冻水泵转速下限作为中负荷下的转速上限（在此处是做了模糊上限的处理），实际运行时先对此模糊转速上限进行供冷效能的估算，估算方式和高负荷下的估算方式是相同的，最终得到中负荷下的冷冻水泵的最优转速。

对于在低负荷下进行工作的冷站系统来说，对应的车间内的供冷需求是低于中负荷的，所以可以将中负荷下的冷冻水泵转速下限作为低负荷下的转速上限（在此处是做了模糊上限的处理），实际运行时先对此模糊转速上限进行供冷效能的估算，估算方式和高负荷下的估算方式是相同的，最终得到低负荷下的冷冻水泵的最优转速。

本实施例通过调整不同负荷下的冷冻水泵转速，使其避免一直处于满负荷的工作状态，但是其具体节能效果要跟之前的能耗数据进行对比，最终确认最优的冷冻水泵转速。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。