基于大数据与动态仿真的中央空调系统运行策略优化方法技术方案

本发明专利技术公开一种基于大数据与动态仿真的中央空调系统运行策略优化方法，该方法针对室外不断变化的天气情况和室内负荷变化情况，通过对运行数据进行挖掘，建立最优控制模型，动态调整系统中的设定值或控制策略，从而在满足被控区域内人员舒适度需求的前提下，尽可能地降低空调系统能耗。本发明专利技术对空调系统能耗预测和优化控制进行深入研究，对建筑负荷进行预测，建立多种预测模型，基于强化学习方法，实现全局系统最优节能控制。本发明专利技术通过仿真验证控制策略对空调节能的有效性和可靠性，实现温度能够根据负荷需要以及环境变化实时调整，达到节能和降低空调系统能耗。节能和降低空调系统能耗。节能和降低空调系统能耗。

【技术实现步骤摘要】
基于大数据与动态仿真的中央空调系统运行策略优化方法


[0001]本专利技术属于大数据、策略优化、智能控制领域，尤其涉及大数据中央空调系统节能运行强化，具体为一种基于大数据与动态仿真的中央空调系统运行策略优化方法。

技术介绍

[0002]能源消耗一直是经久不衰的热门话题，全球每年的建筑能耗正在逐渐升高。数据显示，我国能耗主要分为三个部分：工业能耗、建筑能耗和交通能耗。根据我国的统计数据显示，我国建筑能耗在能源总消费量所占的比例已从上世纪末的10％上升到了近年的30％以上。在大型公共建筑能耗中，中央空调系统的总能耗所占的比例约为40％～60％，在有些夏季炎热地区甚至达到了70％以上。
[0003]通过研究发现，中央空调系统的能耗主要分布在冷水机组、水泵和冷却塔上。如今，国家对能源问题的重视程度和对节能工作的要求越来越越高，降低中央空调系统能耗就有着重大的社会意义。
[0004]中央空调的负荷、系统分区等问题引发冷热不均，冷冻水系统水力不平衡、冷水机组装机容量偏大等问题，是造成运行能耗大量浪费的原因。中央空调系统现场设备众多，合理的配置、合理的安装及合理的运行控制是机组健康运行的保证。目前国内设计商用空调、中央空调等主要是依据国家标准、行业标准及相关经验数据来进行的，设计出来的机组常常留有较大余量，不利于节能。与此同时，随着计算机技术、互联网技术的高速发展，大数据时代的到来已经势不可挡，数据量的爆炸式增长为各行各业带来了新的机遇和挑战。通过大数据分析则可以针对建筑不同地点、不同室内外环境、建筑的不同功能来设计机组以及其他现场设备(水泵、风机、冷却塔等)，计算机可以模拟出设计的空调机组的运行工况，预测系统能耗及能够达到的室内环境品质，这将大大节省新产品研发的时间及成本。
[0005]经检索，公开号CN109084415B的中国专利于2021年4月2日公开一种基于神经网络和遗传算法的中央空调运行参数寻优方法，其通过BP神经网络建模、遗传算法优化的方式来寻找中央空调运行参数的最优变量，但其未在BP神经网络模型中引入中央空调关联规则模型，未考虑稳定运行数据中的关联规则对策略优化的影响。
[0006]公开号CN108954680A的中国专利于2018年12月7日一种基于运行数据的中央空调能耗预测方法，其公开了采用Boruta特征选择算法和BP神经网络相结合的方法，通过Boruta特征选择算法对运行数据进行能耗特征选择，得到能耗特征子集，且将能耗特征子集作为BP神经网络的输入参数，对中央空调能耗进行预测。但该专利申请同样未考虑稳定运行数据中的关联规则对策略优化的影响。
[0007]因此，本专利技术对于现有的中央空调系统，在神经网络模型的基础上引入关联规则模型构建混合遗传关联算法，通过大数据分析与动态仿真调整运行策略，从而取得良好的节能效果，达到空调系统节能的优化控制。

技术实现思路

[0008]针对现有技术的以上缺陷或改进需求，本专利技术提出一种基于大数据与动态仿真的中央空调系统运行策略优化方法，该方法针对室外不断变化的天气情况和室内负荷变化情况，通过对运行数据进行挖掘，建立最优控制模型，动态调整系统中的设定值或控制策略，从而在满足被控区域内人员舒适度需求的前提下，尽可能地降低空调系统能耗。
[0009]根据本专利技术说明书的一方面，提供一种基于大数据与动态仿真的中央空调系统运行策略优化方法，所述方法包括：
[0010]获取中央空调运行数据并进行数据预处理；
[0011]对中央空调运行数据进行能耗分析和能耗特征选择，得到能耗特征子集；
[0012]基于能耗特征子集，构建中央空调BP神经网络模型，所述BP神经网络模型以能效比作为模型输出；
[0013]基于能耗特征子集，利用中央空调系统稳定运行数据建立中央空调关联规则模型；
[0014]基于BP神经网络模型和关联规则模型构建混合遗传关联算法；
[0015]利用构建的混合遗传关联算法对机组控制参数寻优；
[0016]对混合遗传关联算法的优化数据拟合，得到不同控制变量随负荷率和能效比变化的趋势图，对优化后的中央空调控制系统参数趋势图进行分析。
[0017]作为进一步的技术方案，所述中央空调运行数据包括：中央空调主机、水泵、冷却塔、离心机、水冷机组的运行数据。
[0018]作为进一步的技术方案，所述方法采用皮尔逊积矩相关系数获取中央空调运行数据中各变量之间的相关性。
[0019]作为进一步的技术方案，当系统负荷变化，空调主机及水系统工作状态偏离最佳状态时，根据采集到的水系统运行参数(如系统供回水温度、供回水流量、供回水压差及环境温度等)，推导得到系统在当前时刻所需的冷量或热量；依据系统在当前时刻所需的冷量或热量，优化系统的运行参数，并利用变频技术自动控制水泵类动力设备的功率、转速，以调节空调系统的循环流量，对系统运行参数进行动态调整。
[0020]作为进一步的技术方案，所述方法进一步包括：获取室外环境数据，并结合所述室外环境数据和中央空调系统运行大数据计算得到系统负荷的需求数据，基于所述需求数据优化系统设备的运行模式。
[0021]作为进一步的技术方案，所述方法进一步包括：在人工智能终端基于运行大数据进行系统自学习，并利用人工智能终端控制空调主机及水系统的运行模式。
[0022]作为进一步的技术方案，所述方法使用分区动态压差人工智能算法，减少空调总管能量的无端浪费。
[0023]作为进一步的技术方案，所述分区动态压差人工智能算法进一步包括：在线采集集水器各区域的最不利点水压差，低负荷或零负荷时间段自动减小或关闭此区域阀门开度，同时自适应旁通增大动态压差平衡阀门开度，在保障主机定水流量工况基础上，调整减小泵的用能投入。
[0024]与现有技术相比，本专利技术针对室外不断变化的天气情况和室内负荷变化情况，通过对运行数据进行挖掘，建立最优控制模型，动态调整系统中的设定值或控制策略，从而在
满足被控区域内人员舒适度需求的前提下，尽可能地降低空调系统能耗。本专利技术对空调系统能耗预测和优化控制进行深入研究，对建筑负荷进行预测，建立多种预测模型，基于强化学习方法，实现全局系统最优节能控制。本专利技术通过仿真验证控制策略对空调节能的有效性和可靠性，实现温度能够根据负荷需要以及环境变化实时调整，达到节能和降低空调系统能耗。
附图说明
[0025]图1是根据本专利技术实施例的中央空调系统运行策略优化方法流程图。
[0026]图2是根据本专利技术实施例的空气流传图。
[0027]图3是根据本专利技术实施例的冷热控制系统结构图。
[0028]图4是根据本专利技术实施例的模糊控制器基本结构。
[0029]图5是根据本专利技术实施例的中央空调系统温度模糊控制系统。
[0030]图6是根据本专利技术实施例的中央空调负荷图。
[0031]图7是根据本专利技术实施例的中央空调系统原理示意图。
[0032]图8是根据本专利技术实施例的空调系统及室内耦合因素分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据与动态仿真的中央空调系统运行策略优化方法，其特征在于，所述方法包括：获取中央空调运行数据并进行数据预处理；对预处理后的中央空调运行数据进行能耗分析和能耗特征选择，得到能耗特征子集；基于能耗特征子集，构建中央空调BP神经网络模型，所述BP神经网络模型以能效比作为模型输出；基于能耗特征子集，利用中央空调系统运行数据建立中央空调关联规则模型；基于BP神经网络模型和关联规则模型构建混合遗传关联算法；利用构建的混合遗传关联算法对机组控制参数寻优；对混合遗传关联算法的优化数据拟合，得到不同控制变量随负荷率和能效比变化的趋势图，对优化后的中央空调控制系统参数趋势图进行分析。2.根据权利要求1所述基于大数据与动态仿真的中央空调系统运行策略优化方法，其特征在于，所述中央空调运行数据包括：中央空调主机和水系统的运行数据，其水系统包括水泵、冷却塔、离心机、水冷机组。3.根据权利要求2所述基于大数据与动态仿真的中央空调系统运行策略优化方法，其特征在于，所述方法采用皮尔逊积矩相关系数获取中央空调运行数据中各变量之间的相关性。4.根据权利要求2所述基于大数据与动态仿真的中央空调系统运行策略优化方法，其特征在于，当系统负荷变化，空调主机及水系统工作状态偏离最佳状态时，根据采集到的水系统运行参数，推导得...

【专利技术属性】
技术研发人员：潘林，肖敏，王升，王雷冲，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：