一种基于数据驱动的冷冻水出水温度设定值优化方法技术

本发明专利技术公开了一种基于数据驱动的冷冻水出水温度设定值优化方法，涉及商用中央空调电能能耗优化节能技术领域。针对待预测的最佳冷冻水出水温度设定值，获取制冷机系统和冷冻水循环系统相关运行参数数据，包括室内温湿度、室外温度、电表数据、冷冻水回水温度和冷冻水出水温度；对以上数据进行相关性分析，得到最佳的特征数据集，通过LightGBM算法对特征数据进行训练和预测得到预测模型；在当前环境下，通过鱼群算法对冷冻水出水温度进行寻优，得到在满足室内温度需求前提下的最佳冷冻水出水温度，使能耗最低。应用本发明专利技术，能实现在不同环境温度下对制冷机能耗的准确预测并对冷冻水出水温度进行寻优。出水温度进行寻优。出水温度进行寻优。

【技术实现步骤摘要】
一种基于数据驱动的冷冻水出水温度设定值优化方法


[0001]本专利技术涉及商用中央空调能耗优化节能
，具体涉及一种基于数据驱动的冷冻水出水温度设定值优化方法。

技术介绍

[0002]商务办公园区的中央空调系统均采用独立机组运行方式，每栋办公大楼配备一套独立的制冷机组。数据显示，商务办公园区的能耗主要由建筑物的能耗构成，占园区能耗总量的70％，而建筑物的能耗中，空调系统占办公建筑物能耗的59.95％。降低商用中央空调的能耗符合国家节能环保及“双碳”政策，有效降低运营成本。
[0003]通过对室内温度需求和室外温湿度的分析，优化冷冻水出水温度设定值，找到下一时刻环境状态下对应的最佳设定值，可以降低能耗成本，节约电能。

技术实现思路

[0004]本专利技术的目的在于提供一种基于数据驱动的冷冻水出水温度设定值优化方法，实现对最佳设定值的寻优。
[0005]本专利技术的方案是：
[0006]一种基于数据驱动的冷冻水出水温度设定值优化方法，包括下列步骤：
[0007]S10、通过传感器采集制冷机组相关运行数据Data1；
[0008]S20、原始数据Data1通过预处理之后得到建模数据Data2；
[0009]S30、通过使用LightGBM算法对建模数据Data2进行训练预测，得到预测模型；
[0010]S40、对冷冻水出水温度通过鱼群算法进行寻优，得到能耗最低时的最佳出水温度。
[0011]作为优选的技术方案，步骤S10中通过温湿度传感器、电表获取数据。
[0012]作为优选的技术方案，步骤S10中通过温湿度传感器获取当前室外温度，使用粒子滤波算法对室外温度进行预测，得到下一时刻的室外温度数据。
[0013]作为优选的技术方案，所述粒子滤波算法实现室外温度预测的具体步骤为：
[0014]1)粒子群初始化，对于时刻k＝0，由先验条件概率p(x0)中采样N个粒子，得到初始粒子集其中表示k＝0时的第i个粒子；
[0015]2)对于k＝1,2,...,循环执行下列步骤：
[0016]①
通过对重要性概率密度中生成的采样粒子计算权值的方式进行重要性采样，并对结果值进行归一化处理；
[0017]②
对粒子群进行重采样，并输出状态预估值；
[0018]3)输出室外温度预测值。
[0019]作为优选的技术方案，所述步骤S20的具体过程如下，
[0020]S201、由于数据采集周期不同，导致特征数据不匹配，需要通过合并小周期数据达
到数据统一的建模数据Data2；
[0021]S202、对建模数据Data2通过相关性分析得到影响重要的特征；
[0022]S203、将重要特征之后的建模数据Data2存储在CSV表。
[0023]作为优选的技术方案，所述步骤S30的具体过程如下，
[0024]S301、将建模数据Data2按照8:2原则划分为训练集和测试集；
[0025]S302、将建模数据Data2输入到LightGBM算法中，通过R2与均方误差MSE来衡量模型的准确性；
[0026][0027][0028]其中，m表示数据集大小，y
i
表示目标参数真实值，表示目标参数预测值，表示目标参数所有真实值的平均值。
[0029]S303、对LightGBM算法模型文件进行保存。
[0030]作为优选的技术方案，所述步骤S40的具体过程如下，
[0031]S401、通过预测模型对室内温度和室外温度预测；
[0032]S402、在取值范围内通过鱼群算法调整冷冻水出水温度；
[0033]S403、对优化的出水温度结合室外温度进行室内温度和电能预测；
[0034]S404、得到能耗预测最小且满足出水温度取值范围内的数值，该数值即为当前环境下的最佳冷冻水出水温度设定值。
[0035]作为优选的技术方案，数据预处理通过相关性分析，对数据进行筛选，具体步骤为：
[0036]1)确定数据分析的因变量和自变量；
[0037]2)绘制散点图，观察两个变量是否有规律性变化；
[0038]3)根据变量类型或正态性检验，选择皮尔逊相关系数公式进行计算；
[0039][0040]其中，n表示数据集大小，x
i
表示参数真实值，表示参数所有真实值的平均值，y
i
表示参数真实值，表示参数所有真实值的平均值。
[0041]4)计算相关系数r，评估相关程度，如果|r|>0.95，表示存在显著相关性；
[0042]5)从业务层面与业务策略分析和判断给出结论。
[0043]作为优选的技术方案，所述LightGBM算法，通过单边梯度采样、互斥特征合并、直方图算法方式实现。输入模型文件，模型迭代次数进行预测，输出预测结果。
[0044]由于本专利技术采用了一种基于数据驱动的冷冻水出水温度设定值优化方法，包括下列步骤：S10、通过传感器采集制冷机组相关运行数据Data1；S20、原始数据Data1通过预处理之后得到建模数据Data2；S30、通过使用LightGBM算法对建模数据Data2进行训练预测，得到预测模型；S40、对冷冻水出水温度通过鱼群算法进行寻优，得到能耗最低时的最佳出水温度。
[0045]与现有技术相比，本专利技术的有益效果为：针对室内温度的需求和可变的室外温湿度环境下进行能耗预测，以进一步应用在最佳冷冻水出水温度设定值优化中，最终在一定程度上降低制冷机的能耗，降低成本。
附图说明
[0046]图1为本专利技术中最佳冷冻水出水温度设定值优化方法的流程图；
[0047]图2为本专利技术中室外温度预测图；
[0048]图3为本专利技术中LightGBM算法预测流程图；
[0049]图4为制冷机能耗预测值与观测值曲线图。
具体实施方式
[0050]为了弥补以上不足，本专利技术提供了一种基于数据驱动的冷冻水出水温度设定值优化方法以解决上述
技术介绍
中的问题。
[0051]一种基于数据驱动的冷冻水出水温度设定值优化方法，包括下列步骤：
[0052]S10、通过传感器采集制冷机组相关运行数据Data1；
[0053]S20、原始数据Data1通过预处理之后得到建模数据Data2；
[0054]S30、通过使用LightGBM算法对建模数据Data2进行训练预测，得到预测模型；
[0055]S40、对冷冻水出水温度通过鱼群算法进行寻优，得到能耗最低时的最佳出水温度。
[0056]步骤S10中通过温湿度传感器、电表获取数据。
[0057]步骤S10中通过温湿度传感器获取当前室外温度，使用粒子滤波算法对室外温度进行预测，得到下一时刻的室外温度数据。
[0058]所述粒子滤波算法实现室外温度预测的具体步骤为：
[0059]10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的冷冻水出水温度设定值优化方法，其特征在于，包括下列步骤：S10、通过传感器采集制冷机组相关运行数据Data1；S20、原始数据Data1通过预处理之后得到建模数据Data2；S30、通过使用LightGBM算法对建模数据Data2进行训练预测，得到预测模型；S40、对冷冻水出水温度通过鱼群算法进行寻优，得到能耗最低时的最佳出水温度。2.如权利要求1所述的一种基于数据驱动的冷冻水出水温度设定值优化方法，其特征在于：所述步骤S10通过控制柜采集所述传感器的数据，使用粒子滤波算法对室外温度进行预测，得到下一时刻的室外温度数据，汇聚到云平台进行合并存储为原始数据集Data1并展示。3.如权利要求2所述的一种基于数据驱动的冷冻水出水温度设定值优化方法，其特征在于，粒子滤波算法实现预测具体步骤如下：10)粒子群初始化，对于时刻k＝0，由先验条件概率p(x0)中采样N个粒子，得到初始粒子集其中表示k＝0时的第i个粒子；20)对于k＝1,2,...,循环执行201)到202)步骤，201)通过对重要性概率密度中生成的采样粒子计算权值的方式进行重要性采样，并对结果值进行归一化处理；202)对粒子群进行重采样，并输出状态预估值；30)输出室外温度预测值。4.如权利要求1所述的一种基于数据驱动的冷冻水出水温度设定值优化方法，其特征在于，所述步骤S20的具体步骤如下：S201、由于数据采集周期不同，导致特征数据不匹配，需要通过合并小周期数据达到数据统一的建模数据Data2；S202、对建模数据Data2通过相关性分析得到影响重要的特征；S203、将重要特征之后的建模数据Data2存储在CSV表。5.如权利要求1所述的一种基于数据驱动的冷冻水出水温度设定值优化方法，其特征在于，所述步骤S30的具体步骤如下：S301、将建模数据Data2...

【专利技术属性】
技术研发人员：孙延贞，于忠清，
申请(专利权)人：青岛洪锦智慧能源技术有限公司，
类型：发明
国别省市：