基于机器学习的风冷式冷水机组的能耗优化方法与系统技术方案

本发明专利技术涉及一种基于机器学习的风冷式冷水机组的能耗优化方法与系统，通过传感器与机器学习预测算法，预测出在不同天气环境和不同制冷负荷下，风冷式冷水机组的散热风扇在各种运行频率或运行台数下的冷水机组的系统整体能耗，求解出能耗最优的散热风扇的运行频率或运行台数，并实时控制到设备。本发明专利技术可以最大程度的优化风冷式冷水机组的能耗、实现高效节能目的。

Energy consumption optimization method and system of air-cooled chiller based on machine learning

【技术实现步骤摘要】
基于机器学习的风冷式冷水机组的能耗优化方法与系统
本专利申请属于能耗优化
，更具体地说，是涉及一种基于机器学习的风冷式冷水机组的能耗优化方法与系统。
技术介绍
现有技术通过PID(比例积分)控制等反馈控制方法，通过调节风冷式冷水机组的散热风扇的运行频率或运行台数来维持固定的冷凝器冷媒温度，使冷机处于相对高能效比区间，从而产生局部节能效果。缺点：现有技术的优化目标为优化冷机的局部能耗，没有考虑散热风扇的能耗，并非优化冷水机组整体的能耗，使系统无法达到整体能耗最优。
技术实现思路
本专利技术需要解决的技术问题是提供一种基于机器学习的风冷式冷水机组的能耗优化方法与系统，使系统达到整体能耗最优。为了解决上述问题，本专利技术所采用的技术方案是：一种基于机器学习的风冷式冷水机组的能耗优化方法，过程为：通过传感器与机器学习预测算法，预测出在不同天气环境和不同制冷负荷下，风冷式冷水机组的散热风扇在各种运行频率或运行台数下的冷水机组的系统整体能耗，求解出能耗最优的散热风扇的运行频率或运行台数，并实时控制到本文档来自技高网...

【技术保护点】
1.一种基于机器学习的风冷式冷水机组的能耗优化方法，其特征在于，过程为：通过传感器与机器学习预测算法，预测出在不同天气环境和不同制冷负荷下，风冷式冷水机组的散热风扇在各种运行频率或运行台数下的冷水机组的系统整体能耗，求解出能耗最优的散热风扇的运行频率或运行台数，并实时控制到设备。/n

【技术特征摘要】
1.一种基于机器学习的风冷式冷水机组的能耗优化方法，其特征在于，过程为：通过传感器与机器学习预测算法，预测出在不同天气环境和不同制冷负荷下，风冷式冷水机组的散热风扇在各种运行频率或运行台数下的冷水机组的系统整体能耗，求解出能耗最优的散热风扇的运行频率或运行台数，并实时控制到设备。


2.根据权利要求1所述的基于机器学习的风冷式冷水机组的能耗优化方法，其特征在于，具体过程为：
S1、对风冷式冷水机组的冷机和散热风扇的设备运行数据、传感器的数据进行收集；
S2、利用收集出的数据对冷机和散热风扇的系统整体能耗通过机器学习预测算法进行预测；
S3、对预测出的整体能耗进行最优化求解，从而求解出整体能耗最优的散热风扇的运行频率或运行台数；
S4、利用最优化求解得出的数据对散热风扇的设备运行参数进行控制。


3.根据权利要求2所述的基于机器学习的风冷式冷水机组的能耗优化方法，其特征在于：S1中，传感器获得的数据包括天气环境数据和设备运行数据，天气环境数据包括干球温度，设备运行数据包括冷冻水回水温度、冷冻水出水温度、冷冻水回水压力。


4.根据权利要求3所述的基于机器学习的风冷式冷水机组的能耗优化方法，其特征在于：传感器数据的采集方法包括：通过BACnet网关读取设备数据、通过串口服务器读取传感器数据、通过第三方BMS系统或动环系统读取设备与传感器数据。


5.根据权利要求2所述的基于机器学习的风冷式冷水机组的能耗优化方法，其特征在于：S2中，机器学习预测算法包括深度神经网络、深度循环神经网络、...

【专利技术属性】
技术研发人员：张发恩，徐凤逸，
申请(专利权)人：创新奇智重庆科技有限公司，
类型：发明
国别省市：重庆;50