一种基于智能计算的冷却塔工况的预测和降耗方法技术

本发明专利技术公开一种基于智能计算的冷却塔工况的预测和降耗方法，利用机器学习建立并训练环境温度预测模型、环境湿度预测模型、工况预测模型和系统能耗模型；然后使用训练后的环境温、湿度预测模型预测未来周期的环境温湿度变化，并基于未来周期的环境温湿度变化，使用训练后的工况预测模型对冷却塔工况进行预测，通过工况和环境温湿度变化，确定冷却塔系统在未来周期的做功需求；最后以冷却塔系统在未来周期的做功需求和能耗最小化为优化目标，建立对应的目标函数和优化模型；使用优化算法，求解优化模型，获取冷却塔运行的最优解。该方法能使冷却塔系统能够跟随外部环境的变化来智能的调节自身运转方式，降低能源浪费。降低能源浪费。降低能源浪费。

【技术实现步骤摘要】
一种基于智能计算的冷却塔工况的预测和降耗方法


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于智能计算的冷却塔工况的预测和降耗方法。

技术介绍

[0002]在工业冷却塔系统中有以下几个特点：节能空间大、应用范围广、电能消耗大。冷却水的冷却温度不仅与回水温度和回水流量相关，还与室外温度相关，有些地区昼夜温差较大，室外温度变化大，由于操作人员习惯性操作，大冷天冷却风机常开的状况极为普遍，造成极大的能源浪费，传统的PID控制通过回水温度来控制风机的开停，只满足了送水温度要求，没有考虑各个设备的能耗状态。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供一种基于智能计算的冷却塔工况的预测和降耗方法，该方法能使冷却塔系统能够跟随外部环境的变化来智能的调节自身运转方式，降低能源浪费，使系统持续处于最佳运行状态。
[0004]本专利技术的目的通过如下的技术方案来实现：
[0005]一种基于智能计算的冷却塔工况的预测和降耗方法，包括如下步骤：
[0006]步骤一：利用机器学习建立并训练环境温度预测模型、环境湿度预测模型、工况预测模型和系统能耗模型；所述环境温度预测模型、环境湿度预测模型为时间序列模型，所述工况预测模型和系统能耗模型使用回归模型；
[0007]步骤二：使用训练后的环境温度预测模型、环境湿度预测模型预测未来周期的环境温湿度变化，并基于未来周期的环境温湿度变化，使用训练后的工况预测模型对冷却塔工况进行预测，通过工况和环境温湿度变化，确定冷却塔系统在未来周期的做功需求；
[0008]步骤三：以冷却塔系统在未来周期的做功需求和能耗最小化为优化目标，建立对应的目标函数和优化模型；
[0009]步骤四：使用优化算法，求解优化模型，通过不断地调用训练后的环境温度预测模型、环境湿度预测模型、工况预测模型和系统能耗模型进行迭代，获取冷却塔运行的最优解。
[0010]进一步地，所述步骤一包括如下子步骤：
[0011](1.1)按照一定的时间间隔采集环境温度数据，并按照单变量时间序列数据进行处理，基于处理后的数据，使用时间序列模型构建环境温度预测模型F
at
；
[0012](1.2)按照一定的时间间隔采集环境湿度数据，并按照单变量时间序列数据进行处理，基于处理后的数据，使用时间序列模型构建环境湿度预测模型F
ah
；
[0013](1.3)以冷却泵频率为特征，使用回归模型构建流量模型S
f
；
[0014]以冷却塔风机频率冷却泵频率采集的回水总管温度T
T
、根据环境温度预测模型F
at
预测得到的未来一周期的温度、根据环环境湿度预测模型F
ah
预测得到的未来一周期的湿度为特征，使用回归模型构建出水温度模型S
dt
；
[0015]所述所述流量模型S
f
、出水温度模型S
dt
构成工况预测模型S；
[0016]以冷却塔风机频率和冷却泵频率为特征，利用回归模型构建系统能耗模型F
e
。
[0017]进一步地，所述步骤二包括如下子步骤：
[0018](2.1)按照构建模型时相同的时间间隔为一个周期，使用未来一个周期之前的多个环境温度样本，输入步骤(1.1)中建立的环境温度预测模型F
at
，预测未来一个周期的环境温度值
[0019](2.2)按照构建模型时相同的时间间隔为一个周期，使用未来一个周期之前的多个环境湿度样本，使用步骤(1.1)中建立的环境湿度预测模型F
ah
，预测未来一个周期的环境湿度值
[0020](2.3)将n台风机的运行频率、m台水泵的运行频率、当前总管回水温度(2.3)将n台风机的运行频率、m台水泵的运行频率、当前总管回水温度输入步骤(1.3)中建立的出水温度模型S
dt
，预测得到未来一个周期的冷却塔出水温度
[0021]将m台水泵的运行频率输入步骤(1.3)中建立的流量模型S
f
，预测未来一个周期的冷却水流量
[0022]将n台风机的运行频率、m台水泵的运行频率输入能耗模型F
e
，预测得到系统能耗预测值e。
[0023]进一步地，当需要满足冷却端温度时，所述步骤一还包括：
[0024]以出水温度模型S
dt
预测得到的未来一周期的出水温度、流量模型S
f
预测得到的未来一周期的流量、环境温度预测模型F
at
预测得到的未来一周期的温度、环境温度预测模型F
at
预测得到的未来一周期的湿度为特征，使用回归模型构建冷却端温度模型S
tt
；
[0025]此时，所述流量模型S
f
、出水温度模型S
dt
、冷却端温度模型S
tt
共同构成工况预测模型S：
[0026]此时，所述步骤二还包括：
[0027]将未来一个周期的冷却塔出水温度冷却水流量环境温度值环境湿度值输入冷却端温度模型S
tt
，预测得到未来一个周期的冷却端温度
[0028]进一步地，所述步骤三包括如下子步骤：
[0029]设置冷却端温度约束为其中和是被冷却设备所需要的降温温度；
[0030]设置优化变量为冷却塔风机频率和冷却泵频率和冷却泵频率和的搜索范围固定为[0，100]，优化变量使用整数，最小更新大小为1；
[0031]设置目标函数一：
[0032]设置目标函数二：obj2＝min(e)
[0033]设置适应度函数为
[0034]通过适应度函数来进化寻找优化变量的最佳值，使得适应度最低。
[0035]进一步地，所述步骤四包括如下步骤：
[0036](4.1)选择粒子群优化算法，初始化算法的参数，包括总迭代次数iter
max
、种群大小N、粒子速度和位置的变化范围、粒子的初始速度和位置，将每一组优化变量都看作一个粒子，随机初始化优化变量和种群中每个粒子的表示方法为
[0037](4.2)使用步骤(2.1)和步骤(2.2)获取环境变量和按照步骤(2.3)的方法对冷却水出水温度冷却水流量系统能耗e进行预测，其中所需要的n台风机的运行频率和m台水泵的运行频率由粒子群优化算法生成；首次迭代使用步骤(4.1)中初始化的优化变量；
[0038](4.3)将步骤(4.2)中计算出的和带入到冷却端温度模型S
tt
中，计算出冷却端温度t
tt
；
[0039](4.4)使用步骤(4.2)和步骤(4.3)中得到的系统能耗e和冷却端温度t
tt
，计算obj1和obj2，并计算该粒子的适应度；
[0040](4.5)对所有种群中的每一组优化变量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能计算的冷却塔工况的预测和降耗方法，其特征在于，包括如下步骤：步骤一：利用机器学习建立并训练环境温度预测模型、环境湿度预测模型、工况预测模型和系统能耗模型；所述环境温度预测模型、环境湿度预测模型为时间序列模型，所述工况预测模型和系统能耗模型使用回归模型；步骤二：使用训练后的环境温度预测模型、环境湿度预测模型预测未来周期的环境温湿度变化，并基于未来周期的环境温湿度变化，使用训练后的工况预测模型对冷却塔工况进行预测，通过工况和环境温湿度变化，确定冷却塔系统在未来周期的做功需求；步骤三：以冷却塔系统在未来周期的做功需求和能耗最小化为优化目标，建立对应的目标函数和优化模型；步骤四：使用优化算法，求解优化模型，通过不断地调用训练后的环境温度预测模型、环境湿度预测模型、工况预测模型和系统能耗模型进行迭代，获取冷却塔运行的最优解。2.根据权利要求1所述的基于智能计算的冷却塔工况的预测和降耗方法，其特征在于，所述步骤一包括如下子步骤：(1.1)按照一定的时间间隔采集环境温度数据，并按照单变量时间序列数据进行处理，基于处理后的数据，使用时间序列模型构建环境温度预测模型F
at
；(1.2)按照一定的时间间隔采集环境湿度数据，并按照单变量时间序列数据进行处理，基于处理后的数据，使用时间序列模型构建环境湿度预测模型F
ah
；(1.3)以冷却泵频率为特征，使用回归模型构建流量模型S
f
；以冷却塔风机频率冷却泵频率采集的回水总管温度T
r
、根据环境温度预测模型F
at
预测得到的未来一周期的温度、根据环环境湿度预测模型F
ah
预测得到的未来一周期的湿度为特征，使用回归模型构建出水温度模型S
dt
；所述所述流量模型S
f
、出水温度模型S
dt
构成工况预测模型S；以冷却塔风机频率和冷却泵频率为特征，利用回归模型构建系统能耗模型F
e
。3.根据权利要求2所述的基于智能计算的冷却塔工况的预测和降耗方法，其特征在于，所述步骤二包括如下子步骤：(2.1)按照构建模型时相同的时间间隔为一个周期，使用未来一个周期之前的多个环境温度样本，输入步骤(1.1)中建立的环境温度预测模型F
at
，预测未来一个周期的环境温度值(2.2)按照构建模型时相同的时间间隔为一个周期，使用未来一个周期之前的多个环境湿度样本，使用步骤(1.1)中建立的环境湿度预测模型F
ah
，预测未来一个周期的环境湿度值(2.3)将n台风机的运行频率、m台水泵的运行频率、当前总管回水温度(2.3)将n台风机的运行频率、m台水泵的运行频率、当前总管回水温度输入步骤(1.3)中建立的出水温度模型S
dt
，预测得到未来一个周期的冷却塔出水温度将m台水泵的运行频率输入步骤(1.3)中建立的流量模型S
f
，预测未来一个周期的冷却
水流量将n台风机的运行频率、m台水泵的运行频率输入能耗模型F
e
，预测得到系统能耗预测值e。4.根据权利要求3所述的基于智能计算的冷却塔工况的预测和降耗方法，其特征在于，当需要满足冷却端温度时，所述步骤一还包括：以出水温度模型S
dt
预测得到的未来一周期的出水温度、流量模型S
f
预测得到的未来一周期的流量、环境温度预测模型F
at
预测得到的未来一周期的温度、环境温度预测模型F
at
预测得到的未来一周期的湿度为特征，使用回归模型构建冷却端温度模型S
tt
；此时，所述流量模型S
f
...

【专利技术属性】
技术研发人员：张舟洋，张文强，寇腾跃，赵洁颖，杨镐泽，贾莉芳，
申请(专利权)人：之江实验室，
类型：发明
国别省市：