冷却水塔控制方法及系统技术方案

冷却水塔控制方法，用以控制安装有至少一感测器的一冷却水塔，该冷却水塔控制方法包括：接收与处理所接收到的一感测器数据；根据所接收到的该感测器数据，定时训练一出水温度预测模型；接收一目标出水温度；遍历来找寻符合该目标出水温度的多个控制参数组合；从符合该目标出水温度的该些控制参数组合中，筛选出最节能的一目标控制参数组合；以及根据该目标控制参数组合，来控制该冷却水塔。来控制该冷却水塔。来控制该冷却水塔。

【技术实现步骤摘要】
冷却水塔控制方法及系统


[0001]本专利技术是有关于一种冷却水塔控制方法及系统。

技术介绍

[0002]在工厂内，冷却水塔的用途广泛。冷却水塔的控制机制包括：入水量控制与风扇达电流控制等。透过冷却水塔的控制机制，可以将出水温度控制低于预设温度。
[0003]以目前而言，冷却水塔的控制机制通常是藉由人为控制。由人工量测检测感测器相关数据后，依负载及经验，由人工来调整控制参数。
[0004]但是，此种人工控制/调整方式未必能真正找出最节能情况。亦即，以人工控制/调整，虽然仍可将出水温度控制在低于预设温度，但人工控制所找出的控制参数未必能会是最节能情况。
[0005]故而，业界努力找出透过人工智慧(AI)等方式来进行冷却水塔的控制机制，使冷却水塔的控制可保持在最节能情况下运作。

技术实现思路

[0006]本案提出冷却水塔控制方法及系统，透过感测器撷取冷却水塔资讯如水流量、进水温度、湿球温度和风扇马达电流等，并将此历史数据使用深度学习方法建立模型，定时以最新数据重新训练模型，加强预测准确度。当使用者设定好目标出水温度后，该控制方法与系统会自动最佳化冷却水塔控制参数组合，最后挑出可以符合目标出水温度的最节能(费用最低)控制参数组合反馈给使用者，使冷却水塔能保持在最节能情况下运作。
[0007]根据本案一实例，提出一种冷却水塔控制方法，用以控制安装有至少一感测器的一冷却水塔，该冷却水塔控制方法包括：接收与处理所接收到的一感测器数据；根据所接收到的该感测器数据，定时训练一出水温度预测模型；接收一目标出水温度；遍历来找寻符合该目标出水温度的多个控制参数组合；从符合该目标出水温度的该多个控制参数组合中，筛选出最节能的一目标控制参数组合；以及根据该目标控制参数组合，来控制该冷却水塔。
[0008]根据本案另一实例，提出一种冷却水塔控制系统，用以控制安装有至少一感测器的一冷却水塔，该冷却水塔控制系统包括：一感测器数据接收与处理模块，接收与处理所接收到的一感测器数据；一出水温度预测模块，根据所接收到的该感测器数据，定时训练一出水温度预测模型；一遍历搜索模块，遍历来找寻符合一目标出水温度的多个控制参数组合；以及一筛选模块，从符合该目标出水温度的该多个控制参数组合中，筛选出最节能的一目标控制参数组合，其中，根据该目标控制参数组合，该冷却水塔控制系统控制该冷却水塔。
[0009]为了对本专利技术的上述及其他方面有更佳的了解，下文特举实施例，并配合所附图式详细说明如下：
附图说明
[0010]图1显示根据本案一实施例的冷却水塔控制方法的流程图。
[0011]图2显示根据本案一实施例的接收与处理感测器数据与定时训练「出水温度预测模型」的细节。
[0012]图3显示根据本案一实施例的「透过遍历来找寻符合目标出水温度的所有控制参数」的细节。
[0013]图4显示根据本案一实施例的「筛选出最节能的控制参数组合」的细节。
[0014]图5显示根据本案一实施例的冷却水塔控制系统的功能方块图。
[0015]图6显示根据本案一实施例的冷却水塔系统的操作界面示意图。
[0016]附图标记说明
[0017]110～160:步骤
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
210～250:步骤
[0018]310～350:步骤
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
410～440:步骤
[0019]500:冷却水塔控制系统
[0020]510:感测器数据接收与处理模块
[0021]520:出水温度预测模块
[0022]530:遍历搜索模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
540:筛选模块
[0023]550:冷却水塔
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
560:感测器
具体实施方式
[0024]本说明书的技术用语系参照本
的习惯用语，如本说明书对部分用语有加以说明或定义，该部分用语的解释系以本说明书的说明或定义为准。本揭露的各个实施例分别具有一或多个技术特征。在可能实施的前提下，本
具有通常知识者可选择性地实施任一实施例中部分或全部的技术特征，或者选择性地将这些实施例中部分或全部的技术特征加以组合。
[0025]图1显示根据本案一实施例的冷却水塔控制方法的流程图。冷却水塔安装有多种感测器，例如但不受限于，流量计、温度计、湿球温度计、电流感测器等。
[0026]如图1所示，于步骤110中，接收感测器数据并对于所接收到的感测器数据进行处理。所接收的感测器数据包括，例如但不受限于，入水流量、入水温度、出水温度、湿球温度、风扇马达转速等。在本案一实施例中，感测器数据处理包括，例如但不受限于，异常数据清除、数据正规化等。异常数据清除例如但不受限于，将离群值数据清除，以让模型有更佳表现。
[0027]于步骤120中，以所接收到的感测器数据，定时训练「出水温度预测模型」。于步骤120中，透过深度学习来建立出水温度预测模型，并自动优化神经网路，以达到最佳化预测结果。
[0028]于步骤130中，接收由使用者所设定的目标出水温度。
[0029]于步骤140中，透过遍历来找寻符合目标出水温度的所有控制参数组合。在此，「控制参数组合」包括，例如但不受限于，水流量参数与风扇马达电流(频率)参数等的组合，其中，风扇马达电流(频率)参数可以控制风扇转速。在步骤140中，在进水温度与湿球温度不变下，尝试在既定范围内的各种水流量参数与各种风扇马达电流(频率)参数所组合出的多个控制参数组合，以找出能符合目标出水温度的所有控制参数组合。
[0030]于步骤150中，从符合目标出水温度的所有控制参数组合中，筛选出最节能的控制
参数组合(亦可称为目标控制参数组合)。
[0031]于步骤160中，根据目标控制参数组合，来控制冷却水塔的水流量与风扇转速。在本案一实施例中，根据目标控制参数组合，可用手动或自动来控制冷却水塔的水流量与风扇转速。
[0032]现请参照图2，显示根据本案一实施例的接收与处理感测器数据(步骤110)与定时训练「出水温度预测模型」(步骤120)的细节。如图2所示，接收与处理感测器数据(步骤110)包括：定时更新感测器数据(步骤210)，与清除异常感测器数据(步骤220)。在本案一实施例中，定时更新感测器数据(步骤210)例如但不受限于，每月或每季定时更新感测器数据。
[0033]定时训练「出水温度预测模型」(步骤120)包括：建立深度学习模型(步骤230)、对所建立的深度学习模型进行最佳化(步骤240)，以得到「出水温度预测模型」(步骤250)。
[0034]现请参照图3，显示根据本案一实施例的「透过遍历来找寻符合目标出水温度的所有控制参数」(步骤140)的细节。如图3所示，「透过遍历来找寻符合目标出水温度的所有控制参数」(步骤140)包括：输入由既定范围内的各种水流量参数(亦可称为第一控制参数)与各种风扇马达电流(频率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冷却水塔控制方法，用以控制安装有至少一感测器的一冷却水塔，其特征在于，该冷却水塔控制方法包括：接收与处理所接收到的一感测器数据；根据所接收到的该感测器数据，定时训练一出水温度预测模型；接收一目标出水温度；遍历来找寻符合该目标出水温度的多个控制参数组合；从符合该目标出水温度的该多个控制参数组合中，筛选出最节能的一目标控制参数组合；以及根据该目标控制参数组合，来控制该冷却水塔。2.如权利要求1所述的冷却水塔控制方法，其特征在于，接收与处理所接收到的该感测器数据的该步骤包括：定时更新该感测器数据；以及清除异常的该感测器数据。3.如权利要求2所述的冷却水塔控制方法，其中，定时训练该出水温度预测模型的该步骤包括：建立一深度学习模型；对所建立的该深度学习模型进行最佳化；以及得到该出水温度预测模型。4.如权利要求3所述的冷却水塔控制方法，其特征在于，遍历来找寻符合该目标出水温度的该多个控制参数组合包括：输入由一既定范围内的多个第一控制参数与多个第二控制参数所组成的该多个控制参数组合；输入一当前入水温度与一湿球温度；针对每一种控制参数组合，根据该出水温度预测模型，得到每一种控制参数组合的一相对应预测出水温度；判断所得到的每个该相对应预测出水温度与该目标出水温度之间的一关系；以及记录符合该目标出水温度的该多个控制参数组合。5.如权利要求4所述的冷却水塔控制方法，其特征在于，筛选出最节能的该目标控制参数组合的该步骤包括：接收符合该目标出水温度的该多个控制参数组合；针对各该多个控制参数组合，估算个别水量耗能与电量耗能；针对各该多个控制参数组合，估算个别水费与电费；以及筛选出总费用最低的该目标控制参数组合。6...

【专利技术属性】
技术研发人员：邱谷川，黄宪辉，李联峰，颜嘉宏，吴昌达，谢育霖，
申请(专利权)人：台朔重工股份有限公司，
类型：发明
国别省市：