【技术实现步骤摘要】
本申请涉及空调技术的，特别是涉及一种冷机出水温度优化方法及装置。
技术介绍
1、空调系统的负荷具有浮动性，会随着季节变换、昼夜交替的变化而出现变化，但常规空调系统制冷机的运行出水温度一般处于额定设计工况，难免会造成冷机负荷与实际运行不适配的问题，针对上述问题，目前广泛应用气候补偿器来进行冷机出水温度控制，但是该方式至少存在以下问题：
2、第一、没有考虑供冷初期、供冷中期、供冷后期对同样室外温度时，其需要冷负荷的差异性；
3、第二、未能充分考虑运营人员丰富的经验和理论知识，单纯采用数据拟合出的数据模型鲁棒性差；
4、第三、温度补偿器是根据实时的室外温度逐时控制冷机出水，没有考虑冷冻水具有热惯性，导致在实时调节冷机出水过程中会增加制冷系统能耗。
5、因此，目前亟需提供一种冷机出水温度优化方法及装置来解决以上提出的技术问题。
技术实现思路
1、本专利技术提供了一种冷机出水温度优化方法及装置，来解决以上提出的技术问题。
2、根据一些实施例，本专利技术提供了一种冷机出水温度优化方法，包括以下步骤：获取整个供冷季室外温度的历史数据；将整个供冷季的月份划分为多组；基于获取的所述室外温度的历史数据将每组月份中的室外温度分别划分为多段温度区间；将每段温度区间的所述室外温度与冷机出水温度进行分段拟合，以分别得到所述室外温度与所述冷机出水温度的映射曲线；基于获取的所述室外温度的历史数据根据多元线性回归算法模型预测室外温度，以得到预测室外温度值；
3、可选的是，所述基于以冷机出水温度的理论额定工况为标准，将整个供冷季的月份划分为多组，包括：基于以冷机出水温度的理论额定工况为标准，将整个供冷季的月份划分为三组；其中，将所述供冷季中的7、8月划分为一组，将所述供冷季中的6、9月划分为一组，将所述供冷季中的5、10月划分为一组；所述理论额定工况能够满足所述供冷季最高冷负荷。
4、可选的是，所述基于获取的所述室外温度的历史数据将每组月份中的室外温度分别划分为多段温度区间，包括：基于冷机的制冷系统功率和室外温度的历史数据得到室外温度与制冷系统功率曲线图；根据得到的所述室外温度与制冷系统功率曲线图将每个月份的所述室外温度定量划分为三段温度区间；基于冷机的制冷系统功率和室外温度的历史数据进行聚类分析，得到聚类分析结果图；根据得到的所述聚类分析结果图将所述第一段温度区间设置为26℃及以下；第二段温度区间设置为26～31℃；第三段温度区间设置为31℃以上。
5、可选的是，所述将每段温度区间的所述室外温度与冷机出水温度进行分段拟合，以分别得到所述室外温度与所述冷机出水温度的映射曲线，包括：利用相关性分析算法得到所述第一段温度区间的室外温度与冷机的制冷系统功率的相关性为第一阈值；所述第二段温度区间的室外温度与冷机的制冷系统功率的相关性为第二阈值；所述第三段温度区间的室外温度与冷机的制冷系统功率的相关性为第三阈值；其中，所述第一阈值小于所述第二阈值，所述第二阈值小于所述第三阈值。
6、可选的是，所述基于获取的所述室外温度的历史数据根据多元线性回归算法模型预测室外温度，以得到预测室外温度值包括：将获取到的所述室外温度的历史数据分别提取为训练数据和测试数据；构建多元线性回归算法模型，并基于得到的所述训练数据对所述多元线性回归算法模型进行训练；基于所述测试数据使用所述多元线性回归算法模型预测室外温度，以得到预测室外温度值。
7、可选的是，所述将获取到的所述室外温度的历史数据提取为训练数据，包括：根据供冷季室外温度的24小时曲线图，将所述室外温度分为三个阶段，分别为平稳下降、快速上升、快速下降；其中，所述平稳下降对应于0点到8点；所述快速上升对应于9点到16点；所述快速下降对应于17点到23点；将整个供冷季的室外温度数据按照上述的三个阶段所对应的时间范围进行数据集分类，并将其作为训练数据。
8、可选的是，所述将获取到的所述室外温度的历史数据提取为测试数据，包括：分析前10个小时的室外温度与当前的室外温度的相关性，得到前6个小时的室外温度与当前的室外温度的相关性高，将前6个小时的室外温度作为多元线性回归算法模型用于室外温度预测的测试数据；和/或获取历史天的室外温度，并分析历史天同一时刻与当前室外温度的相关性，得到历史前1天同一时刻的室外温度与当前的室外温度的相关性高，将前1天同一时刻的室外温度作为多元线性回归算法模型用于室外温度预测的测试数据。
9、可选的是，所述构建多元线性回归算法模型，并基于得到的所述训练数据对所述多元线性回归算法模型进行训练，包括：将每个阶段所收集的训练数据分别训练构建各自相对应的多元线性回归算法模型；当所述多元线性回归算法模型的预测误差超过基准值时，所述多元线性回归算法模型自动利用室外温度的历史数据集进行重新学习；当预测误差小于基准值时，认为所述多元线性回归算法模型满足要求，可以用于室外温度预测。
10、可选的是，所述根据得到的所述预测室外温度值基于所述映射曲线预先调控冷机出水温度，包括：将根据所述多元线性回归算法模型预测得到预测室外温度值与室外温度临界值进行比较；若预测室外温度值低于室外温度临界值时，则根据预测室外温度值基于映射曲线预先调控当前时刻冷机出水温度和未来时刻冷机出水温度。
11、根据一些实施例，本专利技术还提供了一种冷机出水温度优化装置，包括：获取模块，用于获取整个供冷季室外温度的历史数据；第一划分模块，用于将整个供冷季的月份划分为多组；第二划分模块，用于基于获取的所述室外温度的历史数据将每组月份中的室外温度分别划分为多段温度区间；拟合模块，用于将每段温度区间的所述室外温度与冷机出水温度进行分段拟合，以分别得到所述室外温度与所述冷机出水温度的映射曲线；温度预测模块，用于基于获取的所述室外温度的历史数据根据多元线性回归算法模型预测室外温度，以得到预测室外温度值；智能设定出水温度模块，用于根据得到的所述预测室外温度值基于所述映射曲线预先调控冷机出水温度。
12、有益效果：
13、本专利技术中通过分层决策控制策略拟合室外温度与冷机出水温度的映射曲线，来细化供冷初期、供冷中期、供冷后期同样室外温度时，其需要冷负荷的差异性，同时融合了运营人员丰富的经验和理论知识克服智能算法技术瓶颈，来提高模型的鲁棒性；并依据热惯性原理，通过多元线性回归算法模型提前预测室外温度，智能预先上调冷机出水设定温度，继而提前减小空调制冷系统出力，降低系统能耗；通过分层决策控制策略和温度预测相结合，可以增大调控范围实现能源品质梯级利用，提升用户舒适度，减少用户过冷、过热，还可以提示管理人员未来室外温度走势，进行能源储备及制定供冷设备启停策略。
本文档来自技高网...【技术保护点】
1.一种冷机出水温度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的冷机出水温度优化方法，其特征在于，所述将整个供冷季的月份划分为多组，包括：
3.根据权利要求1或者2所述的冷机出水温度优化方法，其特征在于，所述基于获取的所述室外温度的历史数据将每组月份中的室外温度分别划分为多段温度区间，包括：
4.根据权利要求3所述的冷机出水温度优化方法，其特征在于，所述将每段温度区间的所述室外温度与冷机出水温度进行分段拟合，以分别得到所述室外温度与所述冷机出水温度的映射曲线，包括：
5.根据权利要求1所述的冷机出水温度优化方法，其特征在于，所述基于获取的所述室外温度的历史数据根据多元线性回归算法模型预测室外温度，以得到预测室外温度值包括：
6.根据权利要求5所述的冷机出水温度优化方法，其特征在于，所述将获取到的所述室外温度的历史数据提取为训练数据，包括：
7.根据权利要求5所述的冷机出水温度优化方法，其特征在于，所述将获取到的所述室外温度的历史数据提取为测试数据，包括：
8.根据权利要求6所述的
9.根据权利要求1所述的冷机出水温度优化方法，其特征在于，所述根据得到的所述预测室外温度值基于所述映射曲线预先调控冷机出水温度，包括：
10.一种冷机出水温度优化装置，其特征在于，包括：
...【技术特征摘要】
1.一种冷机出水温度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的冷机出水温度优化方法，其特征在于，所述将整个供冷季的月份划分为多组，包括：
3.根据权利要求1或者2所述的冷机出水温度优化方法，其特征在于，所述基于获取的所述室外温度的历史数据将每组月份中的室外温度分别划分为多段温度区间，包括：
4.根据权利要求3所述的冷机出水温度优化方法，其特征在于，所述将每段温度区间的所述室外温度与冷机出水温度进行分段拟合，以分别得到所述室外温度与所述冷机出水温度的映射曲线，包括：
5.根据权利要求1所述的冷机出水温度优化方法，其特征在于，所述基于获取的所述室外温...
【专利技术属性】
技术研发人员：徐前程，段克亮，汲丽冉，
申请(专利权)人：北京晶澳能源科技有限公司，
类型：发明
国别省市：
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。