中央空调冷站群控节能控制方法、装置、设备及存储介质与流程

1.本发明涉及中央空调运行控制技术领域，特别是涉及一种中央空调冷站群控节能控制方法、装置、设备及存储介质。


背景技术：

2.中央空调冷站控制是指对中央空调系统冷站中各设备(如冷机、冷冻泵、冷却泵、冷却塔风机等)的集中优化控制，在实际应用中，冷站各设备之间的运行参数通常是相互耦合的，且控制变量较多，既包括连续型控制变量，也包括离散型控制变量，因此，中央空调冷站的运行控制往往非常复杂。
3.常规的中央空调系统冷站控制方法主要是对水泵、机组或冷却塔中的某一类设备进行调节，未考虑各设备的运行参数间的耦合性，因而并不能有效降低中央空调能耗，另一方面，中央空调冷站系统各设备的运行参数无法随冷负荷实时变化进行准确调节，中央空调冷站设备往往难以运行于最优工况，进而导致中央空调能耗进一步增加。


技术实现要素：

4.为了克服现有技术存在的上述技术问题，本发明提供一种中央空调冷站群控节能控制方法、装置、设备及存储介质。
5.第一方面，本发明提供一种中央空调冷站群控节能控制方法，包括：
6.获取中央空调的总能耗预测模型，所述总能耗预测模型用于表征所述中央空调的总能耗与所述中央空调冷站设备运行参数之间的关系；
7.获取中央空调冷站的负荷预测模型，以确定预测时刻所述中央空调冷站的预测负荷；
8.将所述预测负荷发送至所述中央空调冷站设备，得到所述中央空调冷站设备的约束条件；
9.根据所述总能耗预测模型和所述约束条件，基于预设优化算法确定所述中央空调冷站设备的最优运行参数，以使所述中央空调的总能耗满足优化条件；并使所述中央空调冷站设备根据所述最优运行参数运行。
10.可选地，所述获取中央空调的总能耗预测模型，具体为：
11.获取所述中央空调冷站设备的历史数据，所述中央空调冷站设备包括冷水机组、冷冻水泵、冷却水泵和冷却塔；
12.建立所述中央空调冷站各设备的初始预测子模型；
13.利用所述历史数据对所述初始预测子模型进行模型训练，生成所述中央空调冷站各设备对应的能耗预测模型；
14.基于所述中央空调冷站各设备对应的能耗预测模型，确定所述中央空调的总能耗预测模型。
15.可选地，所述中央空调冷站设备的历史数据包括：
16.所述冷水机组的冷却水进水温度、冷冻水供水温度和冷水机组负荷；
17.所述冷冻水泵的冷冻水泵转速比、冷冻水泵流量；
18.所述冷却水泵的冷却水泵流量比；
19.所述冷却塔的冷却水流量、冷却塔进水温度和冷却塔风机风量比。
20.可选地，所述获取所述中央空调冷站的负荷预测模型，以确定预测时刻所述中央空调冷站的预测负荷，具体为：
21.获取预测时刻的室内外气象信息；
22.根据所述负荷预测模型和所述室内外气象信息确定所述预测时刻所述中央空调冷站的预测负荷。
23.可选地，所述中央空调的总能耗满足优化条件包括：
24.所述总能耗满足最小化条件；或，
25.所述总能耗小于预设能耗阈值。
26.第二方面，本发明提供一种中央空调冷站群控节能控制装置，包括：
27.能耗预测模块，用于获取中央空调的总能耗预测模型，所述总能耗预测模型用于表征所述中央空调的总能耗与所述中央空调冷站设备运行参数之间的关系；
28.负荷预测模块，用于获取中央空调冷站的负荷预测模型，以确定预测时刻所述中央空调冷站的预测负荷；
29.约束确定模块，用于将所述预测负荷发送至所述中央空调冷站设备，得到所述中央空调冷站设备的约束条件；
30.优化控制模块，用于根据所述总能耗预测模型和所述约束条件，基于预设优化算法确定所述中央空调冷站设备的最优运行参数，以使所述中央空调的总能耗满足优化条件；并使所述中央空调冷站设备根据所述最优运行参数运行。
31.可选地，所述负荷预测模块具体用于：
32.获取预测时刻的室内外气象信息；
33.根据所述负荷预测模型和所述室内外气象信息确定所述预测时刻所述中央空调冷站的预测负荷。
34.可选地，所述中央空调的总能耗满足优化条件包括：
35.所述总能耗满足最小化条件；或，
36.所述总能耗小于预设能耗阈值。
37.第三方面，本发明提供一种电子设备，其包括多个处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的中央空调冷站群控节能控制方法。
38.第四方面，本发明提供一种计算机存储介质，所述计算机存储介质有计算机指令，所述计算机指令用于执行第一方面所述的中央空调冷站群控节能控制方法。
39.相比现有技术，本发明的有益效果在于：
40.本发明提供的中央空调冷站群控节能控制方法、装置、设备及存储介质通过综合考虑中央空调冷站的冷负荷对能耗的影响，对应建立能耗预测模型和负荷预测模型，再通过预设的优化算法找到负荷约束条件下使中央空调能耗最低的设备运行参数，并确保中央空调冷站高效运行，达到最优节能状态。
附图说明
41.为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1是本发明实施例提供的中央空调冷站群控节能控制方法的流程示意图；
43.图2是本发明实施例提供的中央空调冷站群控节能控制装置的结构示意图；
44.图3是本发明实施例提供的电子设备结构示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
47.应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
48.术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
49.术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
50.如图1所示，本发明一个实施例提供一种中央空调冷站群控节能控制方法，包括下述步骤：
51.s1：获取中央空调的总能耗预测模型，所述总能耗预测模型用于表征所述中央空调的总能耗与所述中央空调冷站设备运行参数之间的关系。
52.对于大型建筑而言，中央空调系统的能耗可占建筑总能耗的40％，中央空调冷站作为中央中央空调系统的核心，主要用于为建筑提供中央空调冷冻水，其能耗约占整个中央空调设备能耗的60％，因此，对中央空调冷站进行节能优化运行控制策略研究具有重要的现实意义，对于现有的中央空调设备，在不改变原设备的情况下，中央空调冷站的优化控制将直接影响整个中央空调系统的能效。
53.中央空调冷站通常由冷水机组(冷机)、冷却水泵、冷冻水泵和冷却塔四类设备组成，中央空调冷站的能耗主要由这四类设备产生，其中，每个设备运行状况的改变都会引起其他设备的能耗变化，四类设备参数之间互相耦合，共同影响中央空调的总能耗。
54.对于中央空调冷站运行效率的评估，一般采用某段时间内提供的总冷量除以总能耗得到，因此，本发明通过综合考虑中央空调冷站的冷负荷量和总能耗两个因素，对四类设备的运行参数进行优化控制，实现中央空调冷站高效运行。
55.s2：获取中央空调冷站的负荷预测模型，以确定预测时刻所述中央空调冷站的预测负荷。
56.中央空调的负荷具体为冷负荷量，是指为了保持建筑所要求的室内温度必须由中央空调从建筑内带走的热量，或在某一时刻需向建筑供应的制冷量。
57.负荷预测模型可用于预测未来某个时刻建筑物的负荷情况，建筑的负荷通常与室内外气象信息、建筑结构以及建筑内部的设备和人员有关，一般情况下，建筑结构往往固定不变，建筑内部的设备与人员均有一定规律可循，因而，影响建筑温度变化的主要因素是室内外气象参数，具体包括室内外温度和室内外湿度，因此，预测中央空调冷站在某一目标时刻/时段的冷负荷量时，需结合室内外气象参数进行计算。
58.s3：将所述预测负荷发送至所述中央空调冷站设备，得到所述中央空调冷站设备的约束条件。
59.具体地，通过将预测得到的负荷值分别发送至冷水机组、冷却水泵、冷冻水泵和冷却塔，并计算得到冷水机组、冷却水泵、冷冻水泵和冷却塔对应运行参数的允许运行范围，进而确定中央空调四类设备的约束条件，确保中央空调冷站运行稳定且达到目标制冷量。
60.s4：根据所述总能耗预测模型和所述约束条件，基于预设优化算法确定所述中央空调冷站设备的最优运行参数，以使所述中央空调的总能耗满足优化条件；并使所述中央空调冷站设备根据所述最优运行参数运行。
61.在基于预测负荷的中央空调冷站设备约束条件下，选择中央空调冷站设备不同的运行参数组合对应得到中央空调的总能耗，当总能耗满足优化条件时，满足所述约束条件下的运行参数组合即为中央空调的最优能效运行参数，并使中央空调冷站设备根据所述最优能效运行参数运行。
62.具体地，中央空调的总能耗满足优化条件包括：总能耗满足最小化条件；或总能耗小于预设的能耗阈值。
63.在一个实施例中，获取中央空调的总能耗预测模型，具体为：获取所述中央空调冷站设备的历史数据，所述中央空调冷站设备包括冷水机组、冷冻水泵、冷却水泵和冷却塔；建立所述中央空调冷站各设备的初始预测子模型；利用所述历史数据对所述初始预测子模型进行模型训练，生成所述中央空调冷站各设备对应的能耗预测模型；基于所述中央空调冷站各设备对应的能耗预测模型，确定所述中央空调的总能耗预测模型。
64.在本实施例中，可通过机器学习算法或深度学习算法建立初始预测子模型，这一过程通常需要大量的数据进行训练，因此，本实施例从数据库中提取中央空调冷站设备的历史数据，以对四类设备的初始预测子模型进行训练，具体地，数据库中所记录的历史数据包括冷水机组运行参数、冷冻水泵运行参数、冷却水泵运行参数、冷却塔运行参数、气象参数、各设备的功率数据以及中央空调冷站的制冷量或冷量表数据等；上述列举的数据仅做举例说明，并不代表本实施例中的数据库中只包括上述数据，本实施例所提取的数据量应尽量多且详细，且尽量至少包含一个完整的供冷期，用于训练的数据越多，训练的效果越好，同时，本实施例对数据库中所包含的数据不做具体限定，应用时取决于建立预测模型的需要。
65.具体地，冷水机组的运行参数包括冷却水进出水温度、冷冻水供水温度和冷水机组负荷等；冷冻水泵的运行参数包括冷冻水泵转速比和冷冻水泵流量等；冷却水泵的运行参数包括冷却水泵流量比；冷却塔的运行参数则包括冷却塔排热量、空气流量、冷却水流量、冷却塔进水温度和冷却塔风机风量比等。
66.在本实施例中，分别将数据库中的冷水机组、冷却水泵、冷冻水泵和冷却塔对应的历史数据作为训练数据，对四类设备对应的初始预测子模型进行训练，构建四个独立的能耗预测子模型。
67.例如，从数据库中提取出冷水机组的输出负荷、功率和冷却水进出水温度等历史数据，以冷水机组的功率为输出，其他历史数据的对应参数设置为输入层，建立相应的训练样本和标签；再设置适当的隐含层个数、神经元个数、激活函数和学习率，对冷水机组的初始预测子模型进行计算，得到冷水机组的能耗预测子模型，所述能耗预测子模型用于表征冷水机组的能耗与冷水机组设备的运行参数之间的关系。
68.需要说明的是，冷却水泵、冷冻水泵和冷却塔所对应的能耗预测子模型的具体训练、构建过程与上述冷水机组的能耗预测子模型一致，此处不再赘述。
69.基于上述四类设备的能耗预测子模型，能够确定中央空调的总能耗预测模型；具体地，中央空调的总能耗预测模型可通过四类设备的能耗预测子模型加权求和得到，即：分别设置四类设备的能耗预测子模型的权重系数，将各能耗预测子模型的输出结果乘以对应权重系数后，加总求和得到中央空调的总能耗预测模型；在一些实施例中，四类设备的能耗预测子模型的权重系数可直接设置为1：1：1：1，或根据控制要求个性化设置权重系数。
70.在一个实施例中，获取所述中央空调冷站的负荷预测模型，以确定预测时刻所述中央空调冷站的预测负荷，具体为：获取预测时刻的室内外气象信息；根据所述负荷预测模型和所述室内外气象信息确定所述预测时刻所述中央空调冷站的预测负荷。
71.可以理解的是，数据中的中央空调冷站历史数据还包括与历史负荷对应的历史信息，包括室内外气象信息、建筑结构信息、建设内发热设备信息和人员信息等；具体地，可利用人工智能算法建立初始负荷预测模型，再将数据库中的历史冷负荷数据作为标签，室内外气象信息等其他数据作为输入训练样本，设置隐含层个数、神经元个数和学习率等网络模型参数后，进行初始负荷预测模型训练，建立基于神经网络的负荷预测模型。
72.上述负荷预测模型所使用的人工智能网络可为长短时记忆网络(long short
‑
term memory，lstm)、卷积神经网络或门控循环神经网络(gated recurrent neural network，grn)等深度神经网络模型，以提高目标时刻的冷负荷值的预测准确度。
73.基于上述负荷预测模型得到目标预测时刻的预测负荷后，将该预测负荷分别传递至中央空调冷站的四类设备，得到对应的冷水机组约束条件、冷却水泵约束条件、冷冻水泵约束条件和冷却塔约束条件。
74.设置设备的约束条件可限制设备运行参数的控制调整范围，确保中央空调冷站设备稳定运行；例如，冷冻水温度受中央空调制冷能力的限制，温度值不能过低，以防止蒸发器冻裂，但温度过高又无法满足中央空调冷负荷的要求，另一方面，冷却水温度的范围也需确保冷凝压力在压力容器设备的安全标准之内；又如，冷冻水泵要求冷冻水流量不能过低，以防止蒸发器冻裂，冷却水泵流量也不应过小，避免影响冷凝器的换热性能，从而影响冷冻水泵或冷却水泵的运行能效；另一方面，冷冻水泵和冷却水泵的流量也受到设备性能的限制。
75.在一个实施例中，分别根据冷水机组、冷却水泵、冷冻水泵和冷却塔的能耗预测子模型计算四类设备在不同运行参数下的能耗值后，再通过预设的优化算法找到基于冷水机组约束条件、冷却水泵约束条件、冷冻水泵约束条件和冷却塔约束条件四个约束条件下，使
中央空调的总能耗最低的设备运行参数，其中，中央空调总能耗通过四类设备的能耗值计算得到。
76.具体地，预设的优化算法包括遗传算法、蚁群算法或粒子群算法；其中，遗传算法是一种以生物进化过程中优存劣亡为原理的基础上发展起来的优化搜索技术。
77.示例性的，当利用遗传算法进行参数寻优时，可利用冷水机组、冷却水泵、冷冻水泵和冷却塔的能耗预测子模型及对应约束条件计算种群的个体适应度值，并判断是否符合优化标准；如果符合优化标准，则输出最优个体及其代表的最优解，并结束寻优计算；否则，执行遗传算法中的选择、交叉及变异操作，以产生新一代种群，并计算新一代种群的个体适应度值，判断是否优化标准；如此循环，直至符合优化标准，输出最优个体及其代表的最优解。
78.在一个实施例中，得到中央空调冷站设备在目标预测时刻的最优运行参数后，可利用传感器获取目标预测时刻对应的运行参数信息，并根据所述运行参数信息计算得到目标预测时刻的实际中央空调负荷和中央空调冷站设备的实际运行输出参数，再将预测中央空调负荷、预测最优运行参数、实际中央空调负荷以及实际运行输出参数一同上传至数据库中进行存储，以为下一次优化控制提供修正依据，进而提高中央空调运行控制的准确率。
79.本发明上述实施例提供的中央空调冷站群控节能控制方法通过综合考虑中央空调冷站的冷负荷及设备能耗的影响，对应建立能耗预测模型和负荷预测模型，再通过优化算法找到负荷约束条件下，使中央空调总能耗最低的最佳设备运行参数，利用此最佳运行参数进行中央空调群控节能控制，使其能耗最低，同时确保了中央空调冷站高效运行，达到最优节能效果。
80.如图2所示，本发明一个实施例提供一种中央空调冷站群控节能控制装置，包括能耗预测模块101、负荷预测模块102、约束确定模块103和优化控制模块104。
81.能耗预测模块101用于获取中央空调的总能耗预测模型，所述总能耗预测模型用于表征所述中央空调的总能耗与所述中央空调冷站设备运行参数之间的关系。
82.负荷预测模块102用于获取中央空调冷站的负荷预测模型，以确定预测时刻所述中央空调冷站的预测负荷。
83.约束确定模块103用于将所述预测负荷发送至所述中央空调冷站设备，得到所述中央空调冷站设备的约束条件。
84.优化控制模块104用于根据所述总能耗预测模型和所述约束条件，基于预设优化算法确定所述中央空调冷站设备的最优运行参数，以使所述中央空调的总能耗满足优化条件；并使所述中央空调冷站设备根据所述最优运行参数运行。
85.在一个实施例中，能耗预测模块101具体还用于：分别将数据库中的冷水机组、冷却水泵、冷冻水泵和冷却塔的对应历史数据作为训练数据，对四类设备对应的初始预测子模型进行训练，建立四个独立的能耗预测子模型；基于所述四个能耗预测子模型确定中央空调的总能耗预测模型。
86.在一个实施例中，负荷预测模块102具体还用于：将数据库中的历史冷负荷数据作为标签，室内外气象信息等其他数据作为输入训练样本，设置隐含层个数、神经元个数和学习率等网络模型参数后，进行模型训练，建立负荷预测模型。
87.需要说明的是，本发明实施例中提供的中央空调冷站群控节能控制装置部分与本
发明实施例中中央空调冷站群控节能控制方法部分是相对应的，中央空调冷站群控节能控制装置部分的描述具体参考中央空调冷站群控节能控制方法部分，在此不再赘述。
88.如图3所示，根据本发明实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理；处理器801例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等；处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
89.在ram 803中，存储有系统800操作所需的各种程序和数据；处理器801、rom802以及ram 803通过总线804彼此相连；处理器801通过执行rom 802和/或ram 803中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意的是，所述程序也可以存储在除rom 802和ram 803以外的一个或多个存储器中；处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
90.根据本发明的实施例，电子设备800还可以包括输入/输出(i/o)接口805，输入/输出(i/o)接口805也连接至总线804；电子设备800还可以包括连接至i/o接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
91.根据本发明的实施例，本发明实施例的方法流程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装；在该计算机程序被处理器801执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
92.本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
93.根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
94.例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的rom802和/
或ram803和/或rom802和ram803以外的一个或多个存储器。
95.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。