一种空调系统碳效/能效管理方法与系统、存储介质技术方案

本发明专利技术涉及一种空调系统碳效/能效管理方法与系统、存储介质，所述方法采用模式运行分析算法，碳排放系数学习算法、模式识别算法、运行优化算法联用，基于系统历史运行数据训练算法，提高算法精确度；基于系统实时运行数据确定系统运行模式，计算系统碳排放的动态评估参数，增加了系统碳排放效率评价的直观性，通过应用数据驱动，使算法具备运行积累持续优化的能力。能力。能力。

【技术实现步骤摘要】
一种空调系统碳效/能效管理方法与系统、存储介质


[0001]本专利技术涉及电力系统
，具体涉及一种空调系统碳效/能效管理方法与系统、存储介质。

技术介绍

[0002]随着社会的发展，空调系统能耗已达建筑能耗一半。中央空调的应用广泛，空调运行节能对降低空调系统能耗，提升系统碳效率越来越重要。当前主流的空调系统中采用的自控策略仍较简单，且控制方案多直接基于系统的能耗，没有体现对碳效的计算与评估，且使用的建模技术和调节方案也没有充分应用数据驱动方法，模型精度不足。

技术实现思路

[0003]针对目前在冷机复杂运行工况下的碳排放效率优化问题，本专利技术提供了一种空调系统碳效/能效管理方法。基于空调系统历史运行数据的进行驱动学习，实现冷机运行模式的划分，分模式换算运行能耗产生的等效碳排放，使算法模型可应对中央空调系统的常见运行场景，在收集运行数据后，达成针对减小碳排放为目标的优化冷机的运行，并随在系统中历史数据积累，提升算法模型的精确度。
[0004]本专利技术解决上述技术问题的方案如下：一种空调系统碳效/能效管理方法，包括以下步骤：
[0005]基于空调系统中各冷机历史运行数据，进行模式运行分类，得到冷机的运行模式标签；运行数据包括多种运行参数；
[0006]运行参数主要包括为冷机的实际耗电量、机组的实际制冷量、机组负荷率、压缩机运行频率、室内温度等；及系统的气象信息，包括室外干球温度、湿球温度。数据应为等时间采集间隔的逐时数据记录，且记录间隔在30min内。
[0007]基于冷机的相关参数和运行模式标签，进行碳排放系数学习，确定各运行模式标签对应的碳排放系数；
[0008]基于运行模式标签和历史运行数据，进行模式识别学习，得到训练好的模式识别算法；
[0009]基于各冷机的实时运行数据随机生成新的指定参数，将实时运行数据中的其他参数和新的指定参数输入模式识别算法，得到各冷机实时运行模式标签；基于各冷机实时运行模式标签获取对应的碳排放系数；基于各冷机实时运行模式标签对应的碳排放系数，通过预先构建的优化模型对运行参数行进优化；
[0010]向空调系统反馈优化后的各冷机运行参数并调控各冷机实时运行状态。
[0011]优选的，所述基于空调系统中各冷机历史运行数据，进行模式运行分类，得到冷机的运行模式标签，具体包括：
[0012]基于空调系统中各冷机历史运行数据，通过K均值模型进行模式运行分类，得到冷机的运行模式标签。
[0013]优选的，基于空调系统中各冷机的历史运行数据，通过K均值模型进行模式运行分析学习，得到冷机的运行模式标签，具体包括：
[0014]将空调系统中各冷机的历史运行数据输入K均值模型，生成样本集T＝{x
u
}
1≤u≤N
，x
u
∈R
n
为样本集中第u个样本的特征向量；在样本集T中先随机选取K个样本作为初始的聚类中心，然后计算每个样本与各个聚类中心之间的距离，把每个样本分配给距离它最近的聚类中心，每个聚类中心代表一种类别，此时样本集中第u个样本分配初始运行模式标签为y
′
u
∈{c1，c2，...c
K
}；
[0015]计算所有样本到其所属聚类的中心点的距离之和D，计算公式如下：
[0016][0017]其中C
i
为第i个聚类的质心；dist函数为设定的距离度量方法；当所有样本都被分配了初始运行模式标签，每个聚类的聚类中心会根据聚类中现有的对象被重新计算；
[0018]返回执行计算每个样本与各个聚类中心之间的距离的步骤，直到每一个聚类的聚类中心不再发生变化，每个样本分配到最终的运行模式标签y
u
∈{c1，c2，...c
K
}。
[0019]优选的，所述基于冷机的相关参数和运行模式标签，进行碳排放系数学习，确定各运行模式标签对应的碳排放系数，具体计算公式为：
[0020][0021]其中，βi为第i种运行模式标签对应的碳排放系数；i为运行模式标签，βr为基准运行模式碳排放系数，COP
r
为基准运行模式参考能效，COP
i
为第i种运行模式标签的参考能效。
[0022]其中，COP
i
的计算公式为：
[0023][0024]式中，u为第u条样本系统运行数据记录序号，Q
j
为第j条记录的系统实际供冷量，P第u条记录的系统实际功率，h为被分为第i种运行模式标签的记录总条数。
[0025]其中，COP
r
的设置方法为：根据冷机铭牌标定的名义制冷量和能效等级，根据机组冷量和能效的国家标准(GB19577
‑
2004)读取各冷机的能效等级COP，取各冷机的读表所得最小值为基准参考能效COP
r
。
[0026]其中，β
r
的设置方法为：参考当地发电部门提供的每度用电等效碳排放，或参考省级温室气体清单编制指南提出的指数计算单位，单位为Kg/(kW.h)。
[0027]优选的，所述基于运行模式标签和历史运行数据，进行模式识别学习，得到训练好的模式识别算法，具体包括：
[0028]基于运行模式标签和历史运行数据构建集训练样本集T＝{(x
u
，y
u
)}
1≤u≤N
，y
u
∈{+1，
‑
1}，x
u
∈R
n
，R
n
指实数向量空间；
[0029]SVM模型采用径向基核函数，输入训练样本集对SVM模型进行软间隔最大化和核技巧进行优化与训练，并以如下参数范围为约束条件：
[0030][0031]s.t.y
u
(<w，φ(x
u
)>+b)
‑
1≥0，u＝1，2，...，N
[0032]ξ
u
≥0，u＝1，2，...，N
[0033]式中，x
u
为训练集中第u个样本的特征向量；y
u
为训练集中第u个样本的运行模式标签，N为样本的类别总数；φ()为原始输入空间到高维特征空间的非线性映射，非线性支持向量机通过该映射将输入映射为特征向量，w为特征空间的超平面的法向量，b为超平面的偏置，<，>表示两向量的內积，ξ
u
为松弛变量，C为惩罚参数；
[0034]训练好的模式识别算法SVM模型如下：
[0035]i＝SVM(x,θ)
[0036]式中，i为运行模式标签，x为冷机运行数据中负荷率参数，θ为冷机运行数据中气象参数及其他运行参数。
[0037]优选的，所述基于各冷机的实时运行数据随机生成新的指定参数，将实时运行数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调系统碳效/能效管理方法，其特征在于，包括以下步骤：基于空调系统中各冷机历史运行数据，进行运行模式分类，得到冷机的运行模式标签；运行数据包括多种运行参数；基于冷机的相关参数和运行模式标签，进行碳排放系数学习，确定各运行模式标签对应的碳排放系数；基于运行模式标签和历史运行数据，进行模式识别学习，得到训练好的模式识别算法；基于各冷机的实时运行数据随机生成新的指定参数，将实时运行数据中的其他参数和新的指定参数输入模式识别算法，得到各冷机实时运行模式标签；基于各冷机实时运行模式标签获取对应的碳排放系数；基于各冷机实时运行模式标签对应的碳排放系数，通过预先构建的优化模型对运行参数行进优化；向空调系统反馈优化后的各冷机运行参数并调控各冷机实时运行状态。2.根据权利要求1所述一种空调系统碳效/能效管理方法，其特征在于，所述基于空调系统中各冷机历史运行数据，进行运行模式分类，得到冷机的运行模式标签，具体包括：基于空调系统中各冷机历史运行数据，通过K均值模型进行模式运行分类，得到冷机的运行模式标签。3.根据权利要求2所述一种空调系统碳效/能效管理方法，其特征在于，基于空调系统中各冷机历史运行数据，通过K均值模型进行模式运行分析学习，得到冷机的运行模式标签，具体包括：将空调系统中各冷机的历史运行数据输入K均值模型，生成样本集T＝{x
u
}
1≤u≤N
，x
u
∈R
n
为样本集中第u个样本的特征向量；在样本集T中先随机选取K个样本作为初始的聚类中心，然后计算每个样本与各个聚类中心之间的距离，把每个样本分配给距离它最近的聚类中心，每个聚类中心代表一种类别，此时样本集中第u个样本分配初始运行模式标签为y
′
u
∈{c1，c2，...c
K
}；计算所有样本到其所属聚类的中心点的距离之和D，计算公式如下：其中C
i
为第i个聚类的质心；dist函数为设定的距离度量方法；当所有样本都被分配了初始运行模式标签，每个聚类的聚类中心会根据聚类中现有的对象被重新计算；返回执行计算每个样本与各个聚类中心之间的距离的步骤，直到每一个聚类的聚类中心不再发生变化，每个样本分配到最终的运行模式标签y
u
∈{c1，c2，...c
K
}。4.根据权利要求1所述一种空调系统碳效/能效管理方法，其特征在于，所述基于冷机的相关参数和运行模式标签，进行碳排放系数学习，确定各运行模式标签对应的碳排放系数，具体计算公式为：其中，βi为第i种运行模式标签对应的碳排放系数；i为运行模式标签，βr为基准运行模式碳排放系数，COP
r
为基准运行模式参考能效，COP
i
为第i种运行模式标签的参考能效；其中，COP
i
的计算公式为：
式中，u为第u条样本系统运行数据记录序号，Q
j
为第j条记录的系统实际供冷量，P第u条记录的系统实际功率，h为被分为第i种运行模式标签的记录总条数。5.根据权利要求1所述一种空调系统碳效/能效管理方法，其特征在于，所述基于运行模式标签和历史运行数据，进行模式识别学习，得到训练好的模式识别算法，具体包括：基于运行模式标签和历史运行数据构建集训练样本集T＝{(x
u
，y
u
)}
1≤u≤N
，y
u
∈{+1，
‑
1}，x
u
∈R
n
，R
n
指实数向量空间；SVM模型采用径向基核函数，输入训练样本集对SVM模型进行软间隔最大化和核技巧进行优化与训练，并以如下参数范围为约束条件：s.t.y
u
(<w，φ(x
u
)>+b)
‑
1≥0，u＝1，2，...，Nξ
u
≥0，u＝1，2，...，N式中，x
u
为训练集中第u个样本的特征向量；y
u
为训练集中第u个样本的运行模式标签，N为样本的类别总数；φ()为原始输入空间到高维特征空间的非线性映射，非线性支持向量机通过该映射将输入映射为特征向量，w为特征空间的超平面的法向量，b为超平面的偏置，<，>表示两向量的內积，ξ
u
为松弛变量，C为惩罚参数；训练好的模式识别算法SVM模型如下：i＝SVM(x,θ)式中，i为运行模式标签，x为冷机运行数据中负荷率参数，θ为冷机运行数据中气象参数及其他运行参数。6.根据权利要求5所述一种空调系统碳效/能效管理方法，其特征在于，所述基于各冷机的实时运行数据随机生成新的指定参数，将实时运行数据中的其他参数和新的指定参数输入模式识别算法，得到各冷机实时运行模式标签；根据各冷机实时运行模式标签获取实时运行模式标签对应的碳排放系数；基于各冷机实时运行模式标签对应的碳排放系数，通过预先构建的优化模型对运行参数行进优化；具体包括；构建以最小化碳排放量为目标的优化模型，优化模型中的损失函数Loss表达式如下：其中，n为冷机序号，m为冷机总台数，i为基于SVM(x
’
,θ)的输出结果运行模式标签，k
i,n
对应第n个冷机设备在第i种运行模式标签下的碳排放系数，P
n
为第n个冷机设备冷机额定功率，x
’
n
为刷选出的第n个冷机设备随机生成的负荷率；在第n个冷机设备的实时负荷率x参数附近，随机生成w个新的冷机负荷率x
’
；将第n个冷机设备实时运行数据中的其他参数、w个新的负荷率x
’
分组输入模式识别算法SVM(x
’
,θ)，得到w组第n个冷机设备的运行模式标签i，根据运行模式标签i获取对应的碳排放系数k
i,n
；输入w组第n个冷机设备的运行模式标签i对应的碳排放系数至优化模型，从w个负荷率x
’
刷选满足第n个冷机设备损失函数Loss最小化的负荷率x”n
，并输出x”n
作为第n个冷机设
备的优化调整后的运行参数。7.根据权利要求6所述一种空调系统碳效/能效管理方法，其特征在于，所述输入w组第n个冷机设备的运行模式标签i对应的碳排放系数至优化模型，从w个负荷率x
’
刷选满足第n个冷机设备损失函数Loss最小化的负荷率x”n
，并输出x”n
作为第n个冷机设备的优化调整后的运行参数；具体包括：输入w组第n个冷机设备的运行模式标签i对应的碳排放系数至优化模型；从w个负荷率x
’
刷选出满足第n个冷机设备损失函数Loss最小化的负荷率x”n
，且x”n
完成输出调整负荷率x”n
前后，空调系统中所有冷机输出的总冷量不变的限制条件，并输出x”n
作为第n个冷机设备的优化调整后的运行参数；其中，限制条件表达式如下：其中，Q
n
为第n个冷机的额定冷量，x
n
为第n个冷机调整前负荷率，x”n
为第n个冷机为调整后负荷率。8.一种空调系统碳效/能效管理系统，其特征在于，包括：模式运行分析学习模块，用于基于空调系统中各冷机历史运行数据，进行运行模式分类，得到冷机的运行模式标签；运行数据包括多种运行参数；碳排放系数学习模块，用于基于冷机的相关参数和运行模式标签，进行碳排放系数学习，确定各运行模式标签对应的碳排放系数；...

【专利技术属性】
技术研发人员：许朝阳，李明，王振宇，李妍，庄重，肖楚鹏，许静，阮文骏，
申请(专利权)人：国网电力科学研究院有限公司国网江苏省电力有限公司国网江苏省电力有限公司营销服务中心国家电网有限公司，
类型：发明
国别省市：