一种基于大数据分析的冷却塔能效诊断方法技术

本发明专利技术提供一种基于大数据分析的冷却塔能效诊断方法，包括获取冷却塔的运行数据；计算冷却塔的输送系数；判断冷却塔的输送系数与预设冷却塔输送系数之间的量化关系；若冷却塔的输送系数小于预设，进入下一步骤；若冷却塔的输送系数大于预设，判定冷却能效正常；步骤三、计算冷却塔的运行功率与额定功率的比值；计算冷却塔的运行频率和额定频率的比值；步骤四、计算运行参数区间；判断故障。本发明专利技术所述的方法解决了冷却塔中现有运行不合理、造成系统能效低等难题，推动了高效机房空调系统的技术进步。进步。进步。

【技术实现步骤摘要】
一种基于大数据分析的冷却塔能效诊断方法


[0001]本专利技术属于吊装工装领域，具体涉及一种基于大数据分析的冷却塔能效诊断方法。

技术介绍

[0002]目前传统冷却塔一般采用常规的定频控制，能耗较高，同时现场监测数据少，缺乏能效诊断的方法，冷却塔出现异常不易发现，造成系统能效问题。冷却塔的输送系数高低直接影响着冷却塔的能效，冷却塔控制不合理将影响冷却塔的出水温度，进而影响到冷机的能效，导致整个中央空调系统能效降低。
[0003]冷却塔风机在使用中山千不平衡惯量、松动、腐蚀等原因，引起设备磨损加剧、振动增大，若不能及时发现处理，将引起轴承烧毁、机件损坏，甚至叶片断裂、传动轴甩出等恶性事故。因此，为保证风机的可靠运行，对风机叶片、传动轴、齿轮箱汕温、油位等参数进行有效的监测就十分必要。随着高效机房的逐渐发展，冷却塔能耗在整个空调系统中能耗占比越来越大，及时诊断冷却塔的设备故障并进行合理控制，可有效提高冷却塔和冷机运行能效，对提高整个中央空调系统的运行节能水平具有重要意义。根据目前冷却塔运行情况的性质，在能效诊断过程中，影响因素较多，可能多种因素造成同一个问题，因此给诊断带来相当大的难度。
[0004]鉴于此，目前亟待提出一种基于大数据分析的冷却塔能效诊断方法，实现冷却塔的能效诊断。

技术实现思路

[0005]为此，本专利技术提供一种，基于大数据分析的冷却塔能效诊断方法，解决了冷却塔中现有运行不合理、造成系统能效低等难题，推动了高效机房空调系统的技术进步。
[0006]本专利技术的方法，包括：
[0007]步骤一、获取冷却塔的运行数据；
[0008]步骤二、计算冷却塔的输送系数；判断冷却塔的输送系数与预设冷却塔输送系数之间的量化关系；
[0009]若冷却塔的输送系数小于预设，进入下一步骤；
[0010]若冷却塔的输送系数大于预设，判定冷却能效正常；
[0011]步骤三、计算冷却塔的运行功率与额定功率的比值ε；计算冷却塔的运行频率和额定频率的比值ξ；
[0012]步骤四、计算关于ε、ξ的边界条件，得到关于两者的上边界εu和下边εd界，以得到(εu，1)、(εd，εu)、(0，εd)三个运行参数区间，得到关于εu，1)、(εd，εu)、(0，εd)的占比u％，m％和d％；
[0013]步骤五、若u％+m％>1，执行下一步骤；
[0014]u％+m％＜1，判断故障；
[0015]步骤六、若u％>2，冷却塔能效正常；
[0016]u％>2，判断故障；
[0017]步骤七，若步骤五或步骤六中判断故障，诊断故障类型。
[0018]优选地，步骤四中计算关于ε、ξ的边界条件的具体过程为：
[0019]确定冷却塔的最佳运行区间ε＝ξ^3；
[0020]计算运行参数区间的上边界和下边界：
[0021]εu＝(1+Δ％)ξ^3,
[0022]εd＝(1
‑
Δ％)ξ^3。
[0023]进一步优选地，步骤七中的故障类型包括：
[0024]由步骤五诊断的，包括叶轮故障，输出间距小；风口故障，风量小；叶轮仰角出厂未调或偏大；进风口堵塞或皮带松动；
[0025]由步骤六诊断的，包括电流偏大；输出转矩变大；转差力变小；电机电压未达到额定电压；欠相、缺相或三相不平衡；电机轴故障或机械故障。
[0026]进一步优选地，所述冷却塔的输送系数通过如下公式计算：
[0027][0028]其中，
[0029]α
i
为采集时间间隔内，第i个冷却塔的瞬时输送系数；
[0030]Q为采集时间间隔内的冷却塔散热量；
[0031]N为采集时间间隔内，冷却塔的运行总台数；
[0032]P
i，j
为采集时间间隔内，第i个冷却塔的第j个风机的耗电功率。
[0033]进一步优选地，在所述步骤一之后，还包括：
[0034]数据预处理，剔除运行数据中的负值、缺失值和运行过程中的不稳定值。
[0035]进一步优选地，步骤一所采集的数据包括：
[0036]冷却塔的运行台数N,风机运行功率Pij、频率fij以及额定风机功率Pe、频率fe和冷却总管供回水温差ΔT。
[0037]本专利技术海提供一种基于大数据分析的冷却塔能效诊断系统，包括：
[0038]数据预处理模块，用于获取冷却塔运行过程中的数据，并对数据进行预处理；
[0039]数据关联性分析模块，接收来自数据预处理模块的数据，计算关于冷却塔运行的最佳参数区间和运行参数区间；
[0040]诊断模块，接收来来自数据关联性分析模块的数据并根据预设参数的比较，进行能效诊断。
[0041]本专利技术还提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行所述的基于大数据分析的冷却塔能效诊断方法。
[0042]本专利技术还提供一种电子设备，所述电子设备包括：
[0043]处理器；
[0044]用于存储所述处理器可执行指令的存储器；
[0045]所述处理器用于执行所述的基于大数据分析的冷却塔能效诊断方法。
[0046]本专利技术的上述技术方案，相比现有技术具有以下优点：
[0047]本专利技术通过通过考虑诊断冷却塔的输送系数，利用大数据分析平台，对冷却塔风机的功率和频率进行分析，诊断出冷却塔运行过程中设备故障、控制不合理的原因，进而对运行参数进行调控，实现冷却塔的高效运行，进一步提高冷却塔的换热效率，极大地降低整个空调系统的能耗，提高中央空调系统的节能水平。
附图说明
[0048]图1是本专利技术实施例提供的方法的流程示意图；
[0049]图2是本专利技术实施例提供的方法的运行区间示意图；
[0050]图3是本专利技术实施例提供的系统的数据处理模块的工作流程示意图；
[0051]图4是本专利技术实施例提供的系统的数据关联性分析模块的工作流程示意图；
[0052]图5是本专利技术实施例提供的诊断模块的工作流程示意图；
[0053]图6是本专利技术实施例提供的电子设备的模块示意图。
具体实施方式
[0054]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0055]本实施例的方法，如图1所示，由如下步骤实现。
[0056]首先对冷却塔能效进行诊断，判断冷却塔输送系数较低的原因。
[0057]利用数据传输平台收集冷却塔的运行台数N,风机运行功率Pij、频率fij以及额定风机功率Pe、频率fe和冷却总管供回水温差ΔT等参数，并进行数据预处理，处理负值、缺失值和设备开启过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的冷却塔能效诊断方法，其特征在于，包括如下步骤：步骤一、获取冷却塔的运行数据；步骤二、计算冷却塔的输送系数；判断冷却塔的输送系数与预设冷却塔输送系数之间的量化关系；若冷却塔的输送系数小于预设，进入下一步骤；若冷却塔的输送系数大于预设，判定冷却能效正常；步骤三、计算冷却塔的运行功率与额定功率的比值ε；计算冷却塔的运行频率和额定频率的比值ξ；步骤四、计算关于ε、ξ的边界条件，得到关于两者的上边界εu和下边εd界，以得到(εu，1)、(εd，εu)、(0，εd)三个运行参数区间，得到关于εu，1)、(εd，εu)、(0，εd)的占比u％，m％和d％；步骤五、若u％+m％>1，执行下一步骤；u％+m％＜1，判断故障；步骤六、若u％>2，冷却塔能效正常；u％>2，判断故障；步骤七，若步骤五或步骤六中判断故障，诊断故障类型。2.根据权利要求1中所述的基于大数据分析的冷却塔能效诊断方法，其特征在于，步骤四中计算关于ε、ξ的边界条件的具体过程为：确定冷却塔的最佳运行区间ε＝ξ^3；计算运行参数区间的上边界和下边界：εu＝(1+Δ％)ξ^3,εd＝(1
‑
Δ％)ξ^3。3.根据权利要求2中所述的基于大数据分析的冷却塔能效诊断方法，其特征在于，步骤七中的故障类型包括：由步骤五诊断的，包括叶轮故障，输出间距小；风口故障，风量小；叶轮仰角出厂未调或偏大；进风口堵塞或皮带松动；由步骤六诊断的，包括电流偏大；输出转矩变大；转差力变小；电机电压未达到额定电压；欠相、缺相或三相不平衡；电机轴故障或机械故障。4.根据权利要求1中...

【专利技术属性】
技术研发人员：胡博智，严琨，曾贺湛，唐伟，杨哲，包可心，郑质凡，秦礼鹏，杨禹，
申请(专利权)人：珠海横琴能源发展有限公司，
类型：发明
国别省市：