一种中央空调水系统节能方法技术方案

本发明专利技术是一种中央空调水系统节能方法，利用中央空调水系统历史运行数据，基于FCM聚类分析方法将特性识别和BP神经网络融合建立了中央空调水系统节能优化模型。在已知负荷需求和环境温度的条件下，以优化模型可控输入变量为优化运行参数，对中央空调水系统进行节能优化，得到中央空调水系统最优运行参数。在负荷和环境动态变化的情况下，实时对水系统各运行参数进行优化，及时对设备进行控制，保证了水系统在满足负荷需求的同时运行效率最高。另一方面，本发明专利技术的节能优化模型结合了特性识别和BP神经网络的优势，能够实时获取水系统运行数据对模型进行修正，使空调水系统持续运行在高效状态，实现中央空调水系统的节能优化。

【技术实现步骤摘要】
一种中央空调水系统节能方法
本专利技术涉及一种中央空调水系统节能优化方法，具体属于中央空调水系统在负荷和室外环境动态变化下的运行过程中对其进行寻找最优运行参数的节能方法。
技术介绍
随着城市化和工业化的不断进展，建筑耗能在社会总能耗中的比例不断增大，目前，建筑耗能已经占到社会总耗能的33％，而其中36％来自于中央空调水系统的耗能。在能源紧缺不断加剧的现状下，建筑中央空调系统节能成为广泛关注的热点，而中央空调水系统作为中央空调系统最主要的耗能部分，对其采取节能措施具有重要的社会意义和经济意义。目前，中央空调水系统设计多数依据满足全年绝大部分工况而设计，因此中央空调系统设计容量基本接近全年最不利工况的负荷，并且目前控制方法多为人工经验调控和简单的开闭控制设备。随着环境参数和建筑内人流量等变化，空调水系统的运行负荷和运行环境是动态变化的，但常规中央空调水系统各设备运行参数不能随负荷和室外环境的动态变化进行合适地调整，使系统各设备在某一冷负荷下的运行效率达到最高。中央空调水系统各设备运行参数不能随负荷变化进行恰当地调节，使系统各设备不能运行最优工况之下，从而导致了空调水系统的能耗增加。目前，对于常规的中央空调水系统的节能方法主要是结合水泵、机组、冷却塔中的某一类设备进行调节，并且对设备进行节能调控的运行变量进行单一的变流量或变温度调节，没有综合考虑各设备之间的相互影响和系统适合调控的所有变量间的耦合性，这种单一的设备调控和单一的变量调控方式并不能有效地降低系统的能耗，并且缺乏对系统全局考虑的单一的节能方法可能使水系统运行在低效的状态，甚至导致系统设备故障。比如，市场上单一地对冷却水泵进行变频控制，通过简陋的逻辑调节水泵频率达到水泵变流量调节效果，但没有考虑到冷却水泵变流量后对冷水机组运行工况和冷却塔运行工况的影响，水泵的能耗降低，但会导致冷水机组和冷却塔能耗的升高，甚至当冷却水流量过低而无法满足与冷水机组和冷却塔的换热基本需求时会导致冷机电机的电流过大甚至烧毁。此外，常规的中央空调水系统的节能方法对于工程实际的应用，其节能方法所采用的模型主要为经验模型。经验模型不能很好的反映系统各设备运行的真实状态，不具有通用性和统一性，并且随着水系统地长久运行，各设备的性能曲线发生变化，常规节能控制方法不能对空调水系统的实时运行的相关信息进行积累并对其节能控制策略进行修正，在实际的中央空调水系统运行过程中并不能取得较好的节能效果，具有很大的局限性。
技术实现思路
技术问题：针对现有中央空调水系统节能方法存在的问题，本专利技术提出基于FCM的特性识别和BP神经网络融合的中央空调水系统节能方法。本专利技术的节能思想为：结合中央空调水系统运行特性和历史运行参数，建立中央空调水系统特性识别和BP神经网络能耗模型，并利用FCM聚类方法将特性识别和BP神经网络能耗模型高精度区间进行融合形成本专利技术的中央空调水系统节能优化模型。节能优化模型以负荷需求、环境参数和优化变量为输入参数，基于各优化变量在调节范围内的可调性形成模型的多组输入参数组合，然后利用模型进行节能优化，得到该负荷下中央空调水系统运行能耗最低的优化变量组合，即系统最优运行参数，进一步对水系统进行节能优化调节。技术方案：本专利技术的一种中央空调水系统节能方法包括如下步骤：第一步，建立水系统BP神经网络能耗模型P＝BPnet(Xi)；其中，P为水系统运行总能耗，Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)为模型输入参数，依次对应为：冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq，冷负荷Q，室外湿球温度Td；收集水系统各设备运行状态、冷负荷和环境状态历史参数，整理为能耗模型训练数据集；利用训练数据集中数据对BP神经网络模型进行训练，得到BP神经网络能耗模型；第二步，基于特性识别建立水系统能耗模型P＝f(AXi)，其中P为水系统运行总能耗，A为未知模型系数，能耗模型输入参数为Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，其中依次对应为：冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq，冷负荷Q，室外湿球温度Td；利用第一步中的训练数据集中数据对未知模型系数进行特性识别，得到特性识别能耗模型；第三步，利用FCM聚类分析方法将特性识别能耗模型和BP神经网络能耗模型高精度区间相融合，形成更为精确的能耗融合模型；通过将模型可控输入变量作为优化变量，结合融合模型的能耗预测，形成中央空调水系统节能优化模型，进行水系统节能优化；第四步，在已知冷负荷Q和室外环境湿球温度Td条件下，基于各优化变量冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq在调节范围内的可调性，形成水系统各设备在相同冷负荷和室外环境参数下的多组优化变量组合；结合负荷需求、环境参数与优化变量组合形成水系统节能优化模型的多组输入参数Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，利用第三步所建立的节能优化模型对每组优化变量组合的水系统运行总能耗进行预测，以最低运行总能耗为目标输出其对应优化变量组合作为水系统各设备运行的最优参数；通过节能优化模型输出的最优运行参数对水系统各设备运行进行调控，使中央空调水系统在负荷和环境参数动态变化的情况下始终处于最优运行状态；第五步，在中央空调水系统长期运行过程中，持续收集系统各设备运行数据，对能耗模型训练数据集进行不断积累更新；通过数据集的更新，节能优化模型能够不断地完善修正，使中央空调水系统长期保持优化运行状态。所述的能耗模型训练数据集，其中的数据包括：冷负荷Q，室外湿球温度Td，冷水机组能耗P1，冷冻水供水温度Tld，冷冻水供回水温差ΔTld，冷冻水泵流量Glds，冷冻水泵能耗P2，冷却水进水温度Tlq，冷却水进出水温差ΔTlq，冷却水泵流量Glqs，冷却水泵能耗P3，冷却塔风机风量Glqt，冷却塔能耗P4。利用FCM聚类分析方法将特性识别能耗模型和BP神经网络能耗模型高精度区间相融合，形成更为精确的能耗模型，进行水系统节能优化的具体步骤如下：步骤一：将训练数据集中模型输入数据进行FCM聚类，得到聚类中心：(v1,v2,v3,v4,v5,v6)；其中，v1,v2,v3,v4,v5,v6为训练数据集模型输入数据的6个聚类中心，每个聚类中心表示为输入参数的变量；步骤二：在已知冷负荷和室外环境湿球温度的前提下，结合在调节范围内可变的各优化变量形成节能优化模型的n组输入参数组合Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，其中各优化变量的调节区间如下：Tld,min≤Tld,i≤Tld,max(i＝1,2,…,n1)ΔTld,min≤ΔTld,j≤ΔTld,max(j＝1,2,…,n2)ΔTlq,min≤ΔTlq,k≤ΔTlq,max(k＝1,2,…,n3)Tlq,min≤Tlq,h≤Tlq,max(h＝1,2,…,n4)n组输入参数组合如下所示：(Tld,i,ΔTld,j,Tlq,k,ΔTlq,h,Q,Td)i＝1,2,…,n1j＝1,2,…,n2k＝1,2,…,n3h＝本文档来自技高网...

【技术保护点】
1.一种中央空调水系统节能方法，其特征在于该节能方法包括如下步骤：第一步，建立水系统BP神经网络能耗模型P＝BPnet(Xi)；其中，P为水系统运行总能耗，Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)为模型输入参数，依次对应为：冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq，冷负荷Q，室外湿球温度Td；收集水系统各设备运行状态、冷负荷和环境状态历史参数，整理为能耗模型训练数据集；利用训练数据集中数据对BP神经网络模型进行训练，得到BP神经网络能耗模型；第二步，基于特性识别建立水系统能耗模型P＝f(AXi)，其中P为水系统运行总能耗，A为未知模型系数，能耗模型输入参数为Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，其中依次对应为：冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq，冷负荷Q，室外湿球温度Td；利用第一步中的训练数据集中数据对未知模型系数进行特性识别，得到特性识别能耗模型；第三步，利用FCM聚类分析方法将特性识别能耗模型和BP神经网络能耗模型高精度区间相融合，形成更为精确的能耗融合模型；通过将模型可控输入变量作为优化变量，结合融合模型的能耗预测，形成中央空调水系统节能优化模型，进行水系统节能优化；第四步，在已知冷负荷Q和室外环境湿球温度Td条件下，基于各优化变量冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq在调节范围内的可调性，形成水系统各设备在相同冷负荷和室外环境参数下的多组优化变量组合；结合负荷需求、环境参数与优化变量组合形成水系统节能优化模型的多组输入参数Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，利用第三步所建立的节能优化模型对每组优化变量组合的水系统运行总能耗进行预测，以最低运行总能耗为目标输出其对应优化变量组合作为水系统各设备运行的最优参数；通过节能优化模型输出的最优运行参数对水系统各设备运行进行调控，使中央空调水系统在负荷和环境参数动态变化的情况下始终处于最优运行状态；第五步，在中央空调水系统长期运行过程中，持续收集系统各设备运行数据，对能耗模型训练数据集进行不断积累更新；通过数据集的更新，节能优化模型能够不断地完善修正，使中央空调水系统长期保持优化运行状态。...

【技术特征摘要】
1.一种中央空调水系统节能方法，其特征在于该节能方法包括如下步骤：第一步，建立水系统BP神经网络能耗模型P＝BPnet(Xi)；其中，P为水系统运行总能耗，Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)为模型输入参数，依次对应为：冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq，冷负荷Q，室外湿球温度Td；收集水系统各设备运行状态、冷负荷和环境状态历史参数，整理为能耗模型训练数据集；利用训练数据集中数据对BP神经网络模型进行训练，得到BP神经网络能耗模型；第二步，基于特性识别建立水系统能耗模型P＝f(AXi)，其中P为水系统运行总能耗，A为未知模型系数，能耗模型输入参数为Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，其中依次对应为：冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq，冷负荷Q，室外湿球温度Td；利用第一步中的训练数据集中数据对未知模型系数进行特性识别，得到特性识别能耗模型；第三步，利用FCM聚类分析方法将特性识别能耗模型和BP神经网络能耗模型高精度区间相融合，形成更为精确的能耗融合模型；通过将模型可控输入变量作为优化变量，结合融合模型的能耗预测，形成中央空调水系统节能优化模型，进行水系统节能优化；第四步，在已知冷负荷Q和室外环境湿球温度Td条件下，基于各优化变量冷冻水供水温度Tld、冷冻水供回水温差ΔTld、冷却水进出水温差ΔTlq、冷却水进水温度Tlq在调节范围内的可调性，形成水系统各设备在相同冷负荷和室外环境参数下的多组优化变量组合；结合负荷需求、环境参数与优化变量组合形成水系统节能优化模型的多组输入参数Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，利用第三步所建立的节能优化模型对每组优化变量组合的水系统运行总能耗进行预测，以最低运行总能耗为目标输出其对应优化变量组合作为水系统各设备运行的最优参数；通过节能优化模型输出的最优运行参数对水系统各设备运行进行调控，使中央空调水系统在负荷和环境参数动态变化的情况下始终处于最优运行状态；第五步，在中央空调水系统长期运行过程中，持续收集系统各设备运行数据，对能耗模型训练数据集进行不断积累更新；通过数据集的更新，节能优化模型能够不断地完善修正，使中央空调水系统长期保持优化运行状态。2.如权利要求1中所述的中央空调水系统节能优化方法，其特征在于所述的能耗模型训练数据集，其中的数据包括：冷负荷Q，室外湿球温度Td，冷水机组能耗P1，冷冻水供水温度Tld，冷冻水供回水温差ΔTld，冷冻水泵流量Glds，冷冻水泵能耗P2，冷却水进水温度Tlq，冷却水进出水温差ΔTlq，冷却水泵流量Glqs，冷却水泵能耗P3，冷却塔风机风量Glqt，冷却塔能耗P4。3.如权利要求1中所述的中央空调水系统节能优化方法，其特征在于所述利用FCM聚类分析方法将特性识别能耗模型和BP神经网络能耗模型高精度区间相融合，形成更为精确的能耗模型，进行水系统节能优化的具体步骤如下：步骤一：将训练数据集中模型输入数据进行FCM聚类，得到聚类中心：(v1,v2,v3,v4,v5,v6)；其中，v1,v2,v3,v4,v5,v6为训练数据集模型输入数据的6个聚类中心，每个聚类中心表示为输入参数的变量；步骤二：在已知冷负荷和室外环境湿球温度的前提下，结合在调节范围内可变的各优化变量形成节能优化模型的n组输入参数组合Xi＝(Tld,i,ΔTld,i,ΔTlq,i,Tlq,i,Q,Td)，其中各优化...

【专利技术属性】
技术研发人员：李舒宏，周志豪，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32