本发明涉及能源效率管理，具体涉及冷热源系统ai能源效率管理系统。
背景技术：
1、冷热源系统ai能源效率管理是指利用人工智能（ai）技术来优化和管理冷热源系统中能源的使用，以提高系统的能源效率。这一概念涵盖了多个方面，包括传感器技术的应用、数据分析和预测算法的开发以及智能控制系统的实施。
2、首先，通过安装各种传感器，系统可以实时监测和收集关于能源使用、环境条件和设备性能的数据。然后，ai算法通过对这些数据进行分析和学习，能够预测系统运行的最佳模式，并自动调整各个组件的工作参数，以最大程度地减少能源浪费和提高整个系统的运行效率。这种智能化的管理方法有助于降低能源成本、减少环境影响，并提高系统的可持续性。
3、其次，冷热源系统ai能源效率管理还包括对系统的整体优化和智能控制。通过综合考虑不同设备之间的协同工作，ai系统可以制定最佳的能源分配策略，以确保整个系统在满足需求的同时最大程度地减少能源浪费。智能控制系统可以根据外部环境条件、用能需求和能源价格等因素进行实时调整，以实现最佳的节能效果。这种综合的管理方式不仅提高了冷热源系统的能源利用效率，还有助于实现可持续能源管理的目标。
4、冷热源系统ai能源效率管理系统通常会对制冷机进行精确的能源效率管理。制冷机在冷热源系统中占据关键地位，其高效运行直接影响整个系统的性能和能源利用。通过利用人工智能技术，系统可以实时监测制冷机的运行状态、环境条件和用能需求，并利用先进的算法进行优化调整。这种智能化管理使得制冷机能够在最佳效能范围内运行，从而降低能源浪费，提高系统的整体能源效率。
5、现有技术存在以下不足：
6、冷热源系统ai能源效率管理系统对制冷机进行能源效率管理时，若制冷机出现低效率运行但是ai能源效率管理系统未能智能化感知，长时间的低效率运行可能引起制冷机的过度负荷和磨损，加速设备寿命的缩短，这将增加维修和更换设备的成本，同时降低整个系统的可靠性，其次，制冷机低效率运行会导致制冷效果下降，温度控制不稳定，影响系统的整体性能，对于对稳定温度和湿度要求较高的应用，如实验室和医疗设备房间，这可能引发设备损坏或产品质量问题。
7、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本发明的目的是提供冷热源系统ai能源效率管理系统，通过信息采集模块、异常感知模块和智能优化调整模块的协同作用，系统能够实时采集、分析制冷机的关键性能数据，并通过异常检测算法识别潜在的低效率运行问题，一旦系统检测到低效率运行的异常情况，智能优化调整模块会生成实时运行效率曲线和标准运行效率曲线，为运维人员提供了全面的性能分析，使其能够迅速响应并采取措施以避免潜在的设备过度负荷和磨损，同时确保制冷机的制冷效果，以解决上述背景技术中的问题。
2、为了实现上述目的，本发明提供如下技术方案：冷热源系统ai能源效率管理系统，包括信息采集模块、信息预处理与异常量化模块、算法分析模块、智能优化和调整模块、影响分析模块以及提示模块；
3、信息采集模块，实时采集制冷机运行相关的数据，其中，制冷机运行相关的数据包括热力学数据和运行性能数据；
4、信息预处理与异常量化模块，将采集到的制冷机运行相关的数据先进行预处理，确保输入到管理系统的数据准确可靠，再对热力学数据和运行性能数据进行异常量化处理；
5、算法分析模块，基于异常检测算法，实时监测制冷机的运行状态，通过对采集的数据进行分析，使系统检测到潜在的低效率运行问题；
6、智能优化和调整模块，一旦检测到低效率运行异常隐患情况，通过管理系统生成实时运行效率曲线和标准运行效率曲线，通过实时运行效率曲线和标准运行效率曲线对运行效率进行综合分析；
7、影响分析模块，通过对制冷机运行效率进行分析，判断异常隐患是否对制冷机运行效率造成影响。
8、优选的，制冷机运行相关的热力学数据包括压缩机排气温度、压缩机吸气温度以及压缩机压缩比，制冷机运行相关的运行性能数据包括冷却水温度，对获取到的压缩机排气温度、压缩机吸气温度、压缩机压缩比以及冷却水温度进行预处理后，通过对压缩机排气温度、压缩机吸气温度处理后生成压缩机排吸气增量隐患，通过对压缩机压缩比处理后生成压缩比浮动隐患，通过对冷却水温度处理后生成冷却水温度差异隐患。
9、优选的，压缩机排吸气增量隐患获取的逻辑如下：
10、在固定时长窗口内，获取制冷机运行时的实时压缩机排气温度和实时压缩机吸气温度，实时压缩机排气温度和实时压缩机吸气温度按照时间序列分别用函数和进行表示；
11、将制冷机运行时在固定时长窗口内获取的实时压缩机排气温度和实时压缩机吸气温度分别与压缩机正常工作排气温度上限值和压缩机正常工作吸气温度上限值进行比对参考，计算压缩机排吸气增量隐患，计算的表达式为：
12、，式中，表示压缩机排吸气增量隐患，表示制冷机运行时在固定时长窗口内实时压缩机排气温度超过压缩机正常工作排气温度上限值的时段，，表示制冷机运行时在固定时长窗口内实时压缩机吸气温度超过压缩机正常工作吸气温度上限值的时段，表示压缩机正常工作排气温度上限值，表示压缩机正常工作吸气温度上限值。
13、优选的，压缩比浮动隐患获取的逻辑如下：
14、在固定时长窗口内，获取制冷机运行时在不同时刻的实时压缩机压缩比，并将实时压缩机压缩比标定为， y表示制冷机运行时在固定时长窗口内不同时刻的实时压缩机压缩比的编号， y=1、2、3、4、……、 n， n为正整数；
15、通过制冷机运行时在固定时长窗口内获取的实时压缩机压缩比计算压缩比浮动隐患，计算的表达式为：，式中，表示压缩比浮动隐患， n表示制冷机运行时在固定时长窗口内获取的实时压缩机压缩比的总数量。
16、优选的，冷却水温度差异隐患获取的逻辑如下：
17、获取制冷机不同位置的实际冷却水温度，并将实际冷却水温度标定为， x表示制冷机不同位置的实际冷却水温度的编号， x=1、2、3、4、……、 m， m为正整数；
18、通过制冷机不同位置的实际冷却水温度计算冷却水温度标准差，计算的表达式为：，式中，表示冷却水温度标准差，；
19、在固定时长窗口内，获取制冷机运行时在不同时刻的实时冷却水温度标准差，将获取的实时冷却水温度标准差建立数据集合，再将数据集合内的实时冷却水温度标准差按照顺序排序，筛选出实时冷却水温度标准差最大值，并将实时冷却水温度标准差最大值标定为；
20、计算冷却水温度差异隐患，计算的表达式为：，式中，表示冷却水温度差异隐患。
21、优选的，将热力学数据和运行性能数据进行异常量化处理生成的压缩机排吸气增量隐患、压缩比浮动隐患、冷却水温度差异隐患进行公式化分析，生成运行效率指数，依据的公式为：，式中，分别为压缩机排吸气增量隐患、压缩比浮动隐患、冷却水温度差异隐患的预设比例系数，且均大于0。
22、优选的，将制冷机运行时在固定时长窗口内生成的运行效率指数与预先设定的运行效率指数参考阈值进行比对分析，比对分析的结果如下：
23、若运行效率指数小于等于运行效率指数参考阈值，则生成隐患信号；
24、若运行效率指数大于运行效率指数参考阈值，则生成正常信号。
25、优选的，当制冷机运行时在固定时长窗口内生成隐患信号时，通过管理系统生成对应时长窗口内的实时运行效率曲线和标准运行效率曲线，通过实时运行效率曲线和标准运行效率曲线综合分析生成效率指数，生成的逻辑如下：
26、将实时运行效率曲线和标准运行效率曲线按照相同的时间点进行划分，将实时运行效率和标准运行效率按照时间序列分别用函数和进行表示；
27、计算效率指数，计算的表达式为：，式中，表示效率指数，表示制冷机生成隐患信号时对应时长窗口内实时运行效率超过标准运行效率的时段，，表示制冷机运行时在生成隐患信号时对应时长窗口内实时运行效率低于标准运行效率的时段，。
28、优选的，将制冷机生成隐患信号时对应时长窗口内生成的效率指数与预先设定的效率指数参考阈值进行比对分析，比对分析的结果如下：
29、若效率指数大于等于效率指数参考阈值，则通过影响分析模块生成高效信号，并将信号传递至提示模块，不通过提示模块发出提示；
30、若效率指数小效率指数参考阈值，则通过影响分析模块生成低效信号，并将信号传递至提示模块，通过提示模块发出提示，通知相关人员知晓。
31、在上述技术方案中，本发明提供的技术效果和优点：
32、本发明通过信息采集模块、异常感知模块和智能优化调整模块的协同作用，系统能够实时采集、分析制冷机的关键性能数据，并通过异常检测算法识别潜在的低效率运行问题，一旦系统检测到低效率运行的异常情况，智能优化调整模块会生成实时运行效率曲线和标准运行效率曲线，为运维人员提供了全面的性能分析，使其能够迅速响应并采取措施以避免潜在的设备过度负荷和磨损，同时确保制冷机的制冷效果；
33、本发明引入了智能优化和调整模块，通过管理系统生成实时运行效率曲线和标准运行效率曲线，实时运行效率曲线反映了制冷机在实际运行中的效率变化，而标准运行效率曲线则代表了理论上的最佳性能水平，通过对比这两条曲线，系统能够综合分析制冷机在出现异常隐患下的运行效率，及时发现和解决低效率运行异常隐患，这有助于保持制冷机的高效运行，避免制冷效果下降，确保对温度和湿度要求较高的应用，如实验室和医疗设备房间，不受低效率运行的影响，防止设备损坏或产品质量问题的发生，因此，系统的智能优化和调整模块为整个冷热源系统提供了实时的性能监测和优化管理，提高了系统的整体性能和稳定性。