【技术实现步骤摘要】
本专利技术涉及制冷机房，尤其是涉及一种基于制冷机房运行数据的能效评价与诊断方法及介质。
技术介绍
1、据统计，暖通空调系统在建筑能耗中占据一定的比重，其中的制冷机房各类设备约占整个空调系统能耗的70％，可见制冷机房的能耗水平对于整个建筑的节能运行十分关键。能效是用来评价制冷机房单位制冷量能耗的指标，对于制冷机房能效的评价，ashrae认为，制冷机房的整体能效eer高于5.0为高效，低于3.5则需要改进。在空调系统的设计过程中，为了确保使用效果，设备的选型通常会偏大，这使得空调在部分负荷下的运行时间变长，造成系统运行长期处于非高效区间，因此制冷机房的运维也是非常重要的一环，需要对运行能效进行监控。
2、现有技术中，常采用大数据技术进行处理。建筑行业中的大数据技术是指通过收集、存储和分析建筑相关数据，如能源消耗、设备运行、设计参数等，以优化建筑能效、维护、设计和用户体验，实现节能环保、降低成本、提高安全和满足用户需求的关键技术。通过对采集到的建筑设备运行数据进行分析，有助于对建筑运行阶段各设备的性能进行评估，并制定改进策略，使其满足性能目标。然而现有的大数据方法中并不能同时实现建筑设备的能效评价和异常诊断。
技术实现思路
1、本专利技术的目的就是为了提供一种同时实现能效评价和异常诊断的基于制冷机房运行数据的能效评价与诊断方法及介质。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种基于制冷机房运行数据的能效评价与诊断方法，包括以下步骤：p>
4、获取制冷机房各个设备的运行数据并进行预处理；
5、采用分类方法对预处理后的运行数据进行分类，根据分类结果确定运行模式；
6、根据预处理后的运行数据计算每种运行模式下的能效数据，进行先验分布，并利用绝对中位差方法确定每种运行模式的评级区间及评级；
7、根据评级结果判断制冷机房各个设备的能效是否为高能效，若是，则将高能效对应的评级结果作为能效评价并输出，若否，则将低能效对应的评级结果作为能效评价并输出，并进一步根据低效设备的运行数据诊断低效原因。
8、进一步地，采用lof算法进行数据预处理，以剔除空值与离群值。
9、进一步地，采用k-means聚类算法进行分类。
10、进一步地，所述绝对中位差方法和评级区间的计算表达式为：
11、mad＝1.4826×ma|copi-ma(cop)|
12、exupper＝ma(cop)+k1mad
13、exlower＝ma(cop)+k2mad＝gdupper
14、gdlower＝ma(cop)+k3mad＝frupper
15、frlower＝ma(cop)+k4mad＝prupper
16、prlower＝ma(cop)+k5mad
17、式中，mad为绝对中位差，copi为能效比，ma(cop)为每种运行模式下能效比的中位数；exupper、exlower、gdupper、gdlower、frupper、frlower、prupper和prlower分别为优秀、良好、中等、不及格评价区间的最大值和最小值；k1～k5为评级系数。
18、进一步地，所述评级包括优秀、良好、中等和不及格。
19、进一步地，诊断低效原因的具体步骤包括：
20、基于评级结果，将优秀评级对应的运行数据整合成优秀样本库；
21、从优秀样本库选取与低效设备的运行数据相似的优秀相似样本；
22、计算低效设备的运行数据与选取的优秀相似样本之间的离散程度，确定低效原因。
23、进一步地，所述优秀相似样本为：
24、{sd}＝10％{d}
25、{d}＝sort({dt})
26、
27、式中，{sd}为优秀相似样本集合；{d}为排序后的样本集合；d为欧式距离；t为优秀样本库内样本数；xi为目标样本的判别特征；xi为优秀样本库内的判别特征；n为判别特征数；sort为排序函数。
28、进一步地，选取优秀相似样本的具体步骤包括：
29、计算低效设备的运行数据与优秀样本库中的优秀样本的判别特征；
30、计算低效运行数据的判别特征与优秀样本的判别特征之间的欧式距离，选取前一定比例的优秀样本为优秀相似样本。
31、进一步地，采用pca方法计算判别特征。
32、本专利技术还提供一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于制冷机房运行数据的能效评价与诊断方法的指令。
33、与现有技术相比，本专利技术具有以下有益效果：
34、(1)本专利技术利用大数据技术，基于获取的设备运行数据进行分析处理，能够通过运行数据判断等级结果，也即能效评价，并进一步针对能效较低的运行数据进行诊断确定低效的原因，从而同时实现了能效评价和诊断。
35、(2)本专利技术能够诊断低效原因，可及时根据诊断结果对制冷机房进行调控，更有针对性的改进制冷机房的整体能效，确保高效制冷机房的使用效果。
36、(3)本专利技术有助于提高设备可靠性、延长设备寿命和降低建筑的能源使用成本，对建筑可持续运行具有重要的意义。
本文档来自技高网...【技术保护点】
1.一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，采用LOF算法进行数据预处理，以剔除空值与离群值。
3.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，采用k-means聚类算法进行分类。
4.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，所述绝对中位差方法和评级区间的计算表达式为：
5.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，所述评级包括优秀、良好、中等和不及格。
6.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，诊断低效原因的具体步骤包括：
7.根据权利要求6所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，所述优秀相似样本为：
8.根据权利要求6所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，选取优秀相似样本的具体步骤包括
9.根据权利要求8所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，采用PCA方法计算判别特征。
10.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于制冷机房运行数据的能效评价与诊断方法的指令。
...【技术特征摘要】
1.一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，采用lof算法进行数据预处理，以剔除空值与离群值。
3.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，采用k-means聚类算法进行分类。
4.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，所述绝对中位差方法和评级区间的计算表达式为：
5.根据权利要求1所述的一种基于制冷机房运行数据的能效评价与诊断方法，其特征在于，所述评级包括优秀、良好、中等和不及格。
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：鞠辰，王健，刘建，张玉洁，陈岱维，
申请(专利权)人：同济大学建筑设计研究院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。