【技术实现步骤摘要】
基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法及系统
本专利技术涉及一种制冷机房节能优化方法，具体涉及一种基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法及系统。
技术介绍
大型公共建筑节能的最主要任务是空调系统的节能，实现空调系统节能必须解决其在部分负荷运行情况下能效偏低的问题。而变流量技术的应用可在一定程度上保证制冷系统高效地运行，因此，在空调水系统变流量研究基础上，对制冷系统进行有效的能源管理，对于公共建筑节能降耗具有重要意义。目前随着对制冷机房节能技术的逐步深化研究，多种新型节能技术及调节措施被应用到制冷机房节能改造当中，但是制冷机房节能优化及调控仍存在部分设备不可调、不稳定、调控策略不科学、节能效果不理想等问题。因此如何在部分负荷运行情况下，确定合理的制冷机房系统设备运行参数，使系统在建筑运行期间都保持在一个相对节能的运行状态，是现在亟待解决的问题。
技术实现思路
针对现有制冷机房节能控制存在的不足，本专利技术提出一种基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法及系统...
【技术保护点】
1.一种基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法，其特征在于，包括以下步骤：/n首先采集冷源系统各设备运行参数，对冷水机组性能系数与影响因素进行相关性分析并选取冷水机组的基本数学模型；并利用广义回归神经网络的非线性映射特性，建立冷却水进水温度模型以此对冷水机组基本数学模型进行改进；/n其次，在建立冷水机组能效模型和水泵功率模型的基础上，将冷冻水和冷却水变流量解耦控制策略植入平台，在平台上进行正交回归试验，采用多项式回归的方法得到制冷机房能耗与各参数之间的经验关系式，通过数据处理得到使制冷机房系统功率最小的最佳运行参数；/n最后对比优化前后水泵、冷水机组和制冷机房系...
【技术特征摘要】
1.一种基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法，其特征在于，包括以下步骤：
首先采集冷源系统各设备运行参数，对冷水机组性能系数与影响因素进行相关性分析并选取冷水机组的基本数学模型；并利用广义回归神经网络的非线性映射特性，建立冷却水进水温度模型以此对冷水机组基本数学模型进行改进；
其次，在建立冷水机组能效模型和水泵功率模型的基础上，将冷冻水和冷却水变流量解耦控制策略植入平台，在平台上进行正交回归试验，采用多项式回归的方法得到制冷机房能耗与各参数之间的经验关系式，通过数据处理得到使制冷机房系统功率最小的最佳运行参数；
最后对比优化前后水泵、冷水机组和制冷机房系统能耗，得到冷冻水和冷却水变流量解耦条件下系统的节能潜力。
2.根据权利要求1所述的方法，其特征在于，所述冷水机组基本数学模型采用以下方法计算：
COP＝D0+D1Qe+D2Tei+D3Tci+D4Qe2+D5Tei2+D6Tci2+D7QeTei+D8QeTci+D9TeiTci；
式中，Qe为冷水机组实时制冷量；Tei为冷冻水回水温度；Tci为冷却水进水温度；D0～D9为与设备物理特性无关的回归系数。
3.根据权利要求1所述的方法，其特征在于，建立冷却水进水温度模型的具体步骤为：
步骤3.1、数据预处理：
将所有数据进行归一化处理，具体计算方法如下：
式中：xi为输入数据；yi为输出数据；xi*为归一化后的输入向量；yi*为归一化后的输出向量；l为输入参数的个数；
步骤3.2、建立GRNN模型
将经过归一化处理后的Tco，Twb，ffan，Mc的学习样本作为网络输入层的输入向量，将Tci作为输出层的输出向量，训练样本数量用N表示；并将输入样本中包含的训练样本和测试样本的比例定为3:1；根据广义回归神经网络理论，构建的4层GRNN冷却水进水温度模型；
步骤3.3、确定网络参数
设定光滑因子σ值，从0.1开始，每次以增量0.01在[0.1,1]内递增；在同样训练样本和测试样本情况下，得到各光滑因子对应误差序列的均方根误差RMSE作为网络性能的评价指标，如式(3)所示，取得最小误差的σ值就是最优的参数；
式中，y分别为冷却水进水温度的预测值、观测值和平均观测值；M为预测数量；
步骤3.4、模型评价指标的确定
采用均方根误差RMSE和决定系数R2两个统计量对冷却水进水温度模型的预测精度进行评价如下：
式中：y和ym分别为冷却水进水温度的预测值、观测值和平均观测值；M为预测数量；
步骤3.5、结果与分析
基于GRNN的冷却水进水温度参数...
【专利技术属性】
技术研发人员：闫秀英，许成炎，景媛媛，范凯兴，许珂，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61
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。