一种基于数据驱动的冷冻水循环优化节能方法与流程

1.本发明涉及制冷站节能优化技术领域，具体涉及一种基于数据驱动的冷冻水循环优化节能方法。


背景技术：

2.冷水机组和冷冻水泵是制冷站冷冻水循环系统的核心设备，在冷冻水系统的循环制冷过程中冷水机组和冷冻水泵占用了制冷工艺中的大部分电能。随着办公楼与厂房制冷站的普及，不可避免地会消耗更多的电能。能耗水平是冷水机组和冷冻水泵运行控制的关键指标之一，制冷站的运行一般在每年的6月到10月，每年的制冷季的能耗都会进行目标统计，该目标的指定需要考虑对能耗提升的管理、设备系统的管理等因素。在制冷站的冷冻水循环系统中，除了室外温度、室内温度对能耗的影响，实际的用冷量也会对能耗产生一定的影响。冷冻水供回水温度及设备的启停组合通常是通过人工经验来判断，如果能基于对温度、冷量与能耗的关系，对冷水机组和冷冻水泵的能耗进行预测，就能得到最优的设备启停组合，已达到降低冷冻水循环系统的运行成本、提高运行效率，因此亟需开发一种冷冻水循环优化节能方法。


技术实现要素：

3.本发明的目的在于提供一种基于数据驱动的冷冻水循环优化节能方法，基于冷水机组和冷冻水泵等耗能设备与能耗的关系，对制冷站冷冻水循环系统的能耗进行预测，实现对制冷站冷冻水循环系统的节能优化。
4.为解决上述的技术问题，本发明采用以下技术方案：
5.一种基于数据驱动的冷冻水循环优化节能方法，包括下列步骤：
6.s10、获取待预测制冷站的历史数据，数据包括冷水机组启停，冷冻水泵启停，冷冻水主管供水温度，冷冻水主管回水温度，冷冻水泵总能耗，冷水机组总能耗；
7.s101、获取冷水机组启停数据、冷冻水泵启停及频率数据、冷水机组冷冻水出水温度设定值与实际值、冷冻水主管供回水温度、冷冻水主管流量与制冷量、室外温湿度、室内温湿度、冷水机组冷却水出水温度、冷却水主管供回水温度、冷却水主管流量、冷水机组总能耗e1、冷冻水泵总能耗e2；
8.s102、冷冻系统能耗为冷冻水泵总能耗与冷水机组总能耗的和e，即e＝e
1+
e2；
9.s103、使用数据获取模块按照时间将步骤s101与步骤s102中获取的数据收集汇总；
10.s104、数据存储模块将数据以时间为主键存储在数据库中；
11.s20、将经过数据处理的制冷站数据使用支持向量回归算法训练出冷冻水主管供水温度和冷冻水循环能耗模型，利用平均绝对百分比误差mape和r2拟合优度来衡量模型的准确性；
12.s30、将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频
率作为遗传算法的变量进行编码并设定范围，经过初始化种群，将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率输入能耗模型将得到的能耗作为适应度评估值，然后进行选择，交叉和变异的迭代循环，直至寻找到在当前设备启停、温度设定值与频率组合的最低能耗e。
13.作为优选的技术方案，所述步骤s101中获取数据的时间间隔为30分钟，获取冷冻水主管流量与制冷量、冷却水主管流量、冷水机组总能耗、冷冻水泵总能耗，以上数据为非实时结果，其获取值为累计量，需要计算半个小时内的累计量，即本次数值减去前一次的数值，即为30分钟的累计量。
14.作为优选的技术方案，所述步骤s20的具体步骤如下：
15.s201、对所有的冷冻系统数据进行数据预处理，包括缺失值处理、重复值处理、异常值处理操作；
16.s202、建立冷冻水主管供水温度模型与冷冻水循环能耗模型。
17.作为优选的技术方案，所述步骤s202的具体步骤如下所示：
18.1)将冷冻水主管供水温度特征输入冷冻水主管供水温度模型训练模块中，使用支持向量回归算法进行模型训练，使用平均绝对百分比误差mape和r2拟合优度进行算法参数调整，使模型准确度达到要求；
19.2)将冷冻水循环能耗特征输入冷冻水循环能耗模型训练模块中，使用支持向量回归算法进行模型训练，使用平均绝对百分比误差mape和r2拟合优度进行算法参数调整，使模型准确度达到要求；
20.3)保存冷冻水主管供水温度模型和冷冻水循环能耗模型。
21.作为优选的技术方案，所述步骤s30的具体步骤如下：
22.s301、冷冻水系统要求，获取冷冻水主管供水温度的限制要求，即冷冻水高报警温度th与冷冻水低报警温度t
l
；
23.s302、设计遗传算法的适应度函数；
24.s303、进行遗传算法的流程；
25.经过初始化种群，再进行适应度评估，选择，交叉和变异的迭代循环；
26.选择采用随机竞争选择，其方法为每次按照轮盘赌选择机制选取两个个体，然后让其进行竞争，选择适应度高的个体进入下一代；
27.交叉采用两点交叉，其方法为在个体中随机设置两个交叉点，然后对交叉点中间的基因进行交换；
28.变异采用均匀变异，其方法为在基因范围内小概率的对各个基因进行替换；
29.选取适应度最小的个体作为最佳个体；
30.s304、经过步骤s303中遗传算法的迭代循环后，寻找到在当前工况下，最低能耗所对应的设备启停组合及冷水机组出水温度设定值。
31.作为优选的技术方案，所述步骤302的具体步骤如下：
32.1)首先将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率作为遗传算法的变量进行编码并设定范围；
33.2)将种群中的每个个体进行冷冻水主管供水温度预测，将超出冷冻水主管供水温度范围的个体的适应度直接标记为999999；
34.3)经过所述步骤2)中符合冷冻水主管供水温度范围的个体继续进行冷冻水循环能耗预测，将能耗值赋予适应度。
35.由于采用上述技术方案一种基于数据驱动的冷冻水循环优化节能方法，包括下列步骤：s10、获取待预测制冷站的历史数据，数据包括冷水机组启停，冷冻水泵启停，冷冻水主管供水温度，冷冻水主管回水温度，冷冻水泵总能耗，冷水机组总能耗；s101、获取冷水机组启停数据、冷冻水泵启停及频率数据、冷水机组冷冻水出水温度设定值与实际值、冷冻水主管供回水温度、冷冻水主管流量与制冷量、室外温湿度、室内温湿度、冷水机组冷却水出水温度、冷却水主管供回水温度、冷却水主管流量、冷水机组总能耗e1、冷冻水泵总能耗e2；s102、冷冻系统能耗为冷冻水泵总能耗与冷水机组总能耗的和e，即e＝e
1+
e2；s103、使用数据获取模块按照时间将步骤s101与步骤s102中获取的数据收集汇总；s104、数据存储模块将数据以时间为主键存储在数据库中；s20、将经过数据处理的制冷站数据使用支持向量回归算法训练出冷冻水主管供水温度和冷冻水循环能耗模型，利用平均绝对百分比误差mape和r2拟合优度来衡量模型的准确性；s30、将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率作为遗传算法的变量进行编码并设定范围，经过初始化种群，将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率输入能耗模型将得到的能耗作为适应度评估值，然后进行选择，交叉和变异的迭代循环，直至寻找到在当前设备启停、温度设定值与频率组合的最低能耗e。
36.与现有技术相比，本发明的有益效果为：针对不同设备与工况下进行冷冻水循环能耗准确预测，在冷冻水主管供水温度限制条件内，以最佳能耗为目标，寻找最优设备启停及频率组合与冷水机组冷冻水出水温度设定值，以控制冷冻水循环设备，在一定程度上降低冷冻水循环系统的能耗水平，降低运行成本，提高制冷效率。
附图说明
37.图1为本发明中冷冻水循环能耗的预测方法的流程图；
38.图2为本发明实施例的冷冻水循环能耗预测值与真实值比较曲线图；
39.图3为本发明实施例的冷冻水循环能耗节能优化值与实际值比较曲线图。
具体实施方式
40.为了弥补以上不足，本发明提供了一种基于数据驱动的冷冻水循环优化节能方法以解决上述背景技术中的问题。
41.一种基于数据驱动的冷冻水循环优化节能方法，包括如下步骤：
42.s1、获取待预测制冷站的历史数据，包括冷水机组启停，冷冻水泵启停，冷冻水主管供水温度，冷冻水主管回水温度，冷冻水泵总能耗，冷水机组总能耗；
43.s1-1、获取冷水机组启停数据、冷冻水泵启停及频率数据，冷水机组冷冻水出水温度设定值与实际值，冷冻水主管供回水温度，冷冻水主管流量和制冷量，室外温湿度，室内温湿度，冷水机组冷却水出水温度，冷却水主管供回水温度，冷却水主管流量，冷水机组总能耗e1，冷冻水泵总能耗e2；
44.s1-2、冷冻系统能耗为冷冻水泵总能耗与冷水机组总能耗的和e，即e＝e
1+
e2；
45.s1-3、使用数据获取模块按照时间将第s1-1与s1-2步骤中获取的数据收集汇总；
46.s1-4、数据存储模块将数据以时间为主键存储在数据库中；
47.s2、将经过数据处理的制冷站数据使用支持向量回归算法训练出冷冻水主管供水温度和冷冻水循环能耗模型，利用平均绝对百分比误差mape和r2拟合优度来衡量模型的准确性；
48.s3、将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率作为遗传算法的变量进行编码并设定范围，经过初始化种群，将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率输入能耗模型将得到的能耗作为适应度评估值，然后进行选择，交叉和变异的迭代循环，直至寻找到在当前设备启停、温度设定值和频率组合的最低能耗e。
49.所述步骤s1的具体过程如下：
50.s1-1：获取数据的时间间隔为30分钟，获取冷冻水主管流量和制冷量、冷却水主管流量、冷水机组总能耗、冷冻水泵总能耗，以上数据位非实时结果，其获取值为累计量，需要计算半个小时内的累计量，即本次数值减去前一次的数值，即为30分钟的累计量；
51.更进一步的技术方案是所述步骤s2的具体过程如下：
52.s2-1、对所有的冷冻系统数据进行数据预处理，包括缺失值处理、重复值处理、异常值处理操作；
53.s2-2、建立冷冻水主管供水温度模型与冷冻水循环能耗模型；
54.(1)将冷冻水主管供水温度特征输入冷冻水主管供水温度模型训练模块中，使用支持向量回归算法进行模型训练，使用平均绝对百分比误差mape和r2拟合优度进行算法参数调整，使模型准确度达到要求；
55.(2)将冷冻水循环能耗特征输入冷冻水循环能耗模型训练模块中，使用支持向量回归算法进行模型训练，使用平均绝对百分比误差mape和r2拟合优度进行算法参数调整，使模型准确度达到要求；
56.(3)保存冷冻水主管供水温度模型和冷冻水循环能耗模型。
57.所述步骤s3的具体过程如下：
58.s3-1、根据冷冻水系统要求，获取冷冻水主管供水温度的限制要求，即冷冻水高报警温度th与冷冻水低报警温度t
l
；
59.s3-2、设计遗传算法的适应度函数；
60.(1)首先将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率作为遗传算法的变量进行编码并设定范围；
61.(2)将种群中的每个个体进行冷冻水主管供水温度预测，将超出冷冻水主管供水温度范围的个体的适应度直接标记为999999；
62.(3)经过s3-2.(2)步骤中符合冷冻水主管供水温度范围的个体继续进行冷冻水循环能耗预测，将能耗值赋予适应度；
63.s3-3、进行遗传算法的流程；
64.经过初始化种群，再进行适应度评估，选择，交叉和变异的迭代循环；
65.选择采用随机竞争选择，其方法为每次按照轮盘赌选择机制选取两个个体，然后让其进行竞争，选择适应度高的个体进入下一代；
66.交叉采用两点交叉，其方法为在个体中随机设置两个交叉点，然后对交叉点中间
的基因进行交换；
67.变异采用均匀变异，其方法为在基因范围内小概率的对各个基因进行替换；
68.选取适应度最小的个体作为最佳个体。
69.s3-4、经过s3-3中遗传算法的迭代循环后，寻找到在当前工况下，最低能耗所对应的设备启停组合及冷水机组出水温度设定值。
70.所述步骤s2-1中对所有的冷冻系统数据进行数据预处理为通过数据预处理模块进行主成分分析，对数据进行降维，具体步骤为：
71.1)对原始数据矩阵中的每一个特征字段进行零均值化；
72.2)求协方差矩阵，特征值和特征向量；
73.3)将特征向量按其对应的特征值大小从大到小排列，取前k个特征向量，组成降维后的数据矩阵；其中，k表示降维后的维度。
74.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
75.实施例
76.如图1所示，一种基于数据驱动的冷冻水循环优化节能方法，具体实施步骤为：
77.s1：首先对待预测冷冻水循环系统进行数据获取，具体步骤为：
78.s1-1、通过dcs获取冷冻水循环设备运行时各种设备及管路数据xi，包括冷水机组启停数据、冷冻水泵启停及频率数据，冷水机组冷冻水出水温度设定值与实际值，冷冻水主管供回水温度，冷冻水主管流量和制冷量，室外温湿度，室内温湿度，冷水机组冷却水出水温度，冷却水主管供回水温度，冷却水主管流量，冷水机组总能耗e1，冷冻水泵总能耗e2；
79.s1-2、冷冻系统能耗为冷冻水泵总能耗与冷水机组总能耗的和e，即e＝e
1+
e2；
80.s1-3、常规数据采集周期为1分钟或2分钟，需要将数据进行整合，主要整合内容为累计量，瞬时量取平均值；
81.瞬时值主要包括主管冷冻水供回水温度、主管冷却水供回水温度、室外温湿度及室内温湿度、冷冻水泵运行频率，该类数据取30分钟内的平均值作为整合数据；
82.累计值主要包括冷水机组总能耗、冷冻水泵总能耗、冷冻水流量、冷冻水冷量、冷却水流量，该类数据获取30分钟首尾数据的差值作为整合数据；
83.冷却水泵及冷水机组的启停数据，统计30分钟内启停数据数量，如果启动数据大于等于一半则按照启动统计，反之按照停止统计；
84.s1-4、数据存储使用mysql数据库，通过数据库连接工具保存到数据库内。
85.s2：通过数据预处理，建立2套模型，一套为冷冻水主管供水温度模型，另一套为冷冻循环能耗模型，并且对两套模型进行参数调整，提高准确性，具体步骤为：
86.s2-1、对统计完成的数据进行数据预处理，具体步骤如下：
87.(1)启停数据均为0/1格式，如果超出该格式，则根据对应的功率、能耗、频率数据确认是否开启；
88.(2)温度数据(包含室内外温度、冷却水和冷冻水温度)一般的取值范围均为0-50℃，删掉明显不符合逻辑的数据；
89.(3)对于流量、冷量和能耗数据，使用箱型图方法对数据进行异常值处理；
90.(4)对重复的日期时间数据进行删除；
91.(5)对缺失部分超过三分之一的数据进行删除，低于三分之一的数据按照按照前一条数据值进行填充；
92.s2-2、冷冻循环系统需要预测能耗，因此需要计算能耗模型，需要对冷冻水主管供水温度做出限定范围，因此需要做出冷冻水主管供水温度模型，具体步骤如下：
93.(1)冷冻水主管供水温度模型中，根据特征选择出对应数据特征，将特征数据划分为训练集与测试集，按照3:1的比例进行划分(根据数据集的数量进行调整，调整为4:1或5:1)。使用支持向量回归算法对划分好的训练集数据进行拟合，并使用网格搜索对支持向量回归的参数进行优化，利用平均绝对百分比误差mape和r2两个标准，对优化后的模型进行评价，获取到准确高的模型；
94.(2)冷冻水循环能耗模型中，根据特征选择出对应数据特征，将特征数据划分为训练集与测试集，按照3:1的比例进行划分。使用支持向量回归算法对划分好的训练集数据进行拟合，并使用网格搜索对支持向量回归的参数进行优化，利用平均绝对百分比误差mape和r2两个标准，对优化后的模型进行评价，获取到准确高的模型；
95.s2-3、将训练好的模型进行保存，格式为txt文件。
96.s3：优化的主要目的是在冷冻水主管供水温度达到要求的前提下使冷冻水循环的整体能耗最小化，方式使用遗传算法选出最优组合，具体步骤为：
97.s3-1、根据冷冻水系统要求，获取冷冻水主管供水温度的限制要求，即冷冻水高报警温度th与冷冻水低报警温度t
l
，该要求一般可以从现场的集控系统中获取；
98.s3-2、设计遗传算法的适应度函数；
99.(1)首先将冷水机组的启停、冷水机组冷冻水出水温度设定值、冷冻水泵的启停和频率作为遗传算法的变量进行编码，该编码为实数编码，范围根据每个设置点进行单独设置；
100.(2)将种群中的每个个体进行冷冻水主管供水温度预测，将超出冷冻水主管供水温度范围的个体的适应度直接标记为999999；
101.(3)根据现场情况，确认最少开启设备及最多开启设备的数量，将超出数量的组合的适应度直接标记为999999；
102.(4)经过s3-2.(2)步骤中符合冷冻水主管供水温度范围的个体继续进行冷冻水循环能耗预测，将能耗值赋予适应度；
103.s3-3、进行遗传算法的流程；
104.经过初始化种群，再进行适应度评估，选择，交叉和变异的迭代循环；
105.选择采用随机竞争选择，其方法为每次按照轮盘赌选择机制选取两个个体，然后让其进行竞争，选择适应度高的个体进入下一代；
106.交叉采用两点交叉，其方法为在个体中随机设置两个交叉点，然后对交叉点中间的基因进行交换；
107.变异采用均匀变异，其方法为在基因范围内小概率的对各个基因进行替换；
108.选取适应度最小的个体作为最佳个体。
109.s3-4、经过s3-3中遗传算法的迭代循环后，寻找到在当前工况下，最低能耗所对应的设备启停组合及冷水机组出水温度设定值。
110.为验证本发明支持向量回归算法所训练出的能耗模型的准确性，将步骤s2-2中的测试集用来预测，将模型预测值与实际生产中单位能耗对比，图2为冷冻水循环能耗真实值与预测值的对比，证明了本发明中支持向量回归算法预测的可行性与准确性。本发明中遗传算法的节能优化效果如图3所示，为冷冻水循环能耗优化前和优化后的对比。
111.以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。