一种基于人工智能的多制冷系统联合控制方法与流程

本发明涉及制冷系统，具体来说是一种基于人工智能的多制冷系统联合控制方法。

背景技术：

1、现有的冷机群控系统主要是基于冷机温度或者冷冻水压力控制的冷机pid反馈的冷机控制系统，现有的冷机群控系统，在解决tieriv等级数据中心中,多个冷冻站同时向末端空调供冷的场景,不能根据负载和室外温度变化,联动it机房末端机房控制和前端多个联合供冷的冷源站，实时动态选择不同冷冻站协同关系，以及末端空调的送、回风模式及最佳控制参数,造成数据中心运行pue较高。

2、传统基于机器学习的能耗优化系统,仅能面向单个冷源和末端进行制冷输出匹配限定下的能效优化。

技术实现思路

1、本发明要解决的技术问题是克服现有技术的不足，提供一种基于人工智能的多制冷系统联合控制方法。

2、为了实现上述目的，设计一种基于人工智能的多制冷系统联合控制方法，其特征在于包括第一路制冷系统，所述第一路制冷系统包括冷却塔、冷却水冷机组和冷却或冻水泵；第二路制冷系统，所述第二路制冷系统包括冷却塔、板式换热器和冷却或冻水泵；冷源群控系统，用于控制第一路制冷系统和第二路制冷系统的冷却塔、水泵、冷却水冷机组、阀门、温度和压力；空调群控系统，用于控制机房内的空调温度和风机转速控制；ai系统，基于机房内it服务器功率，通过模型训练给出制冷输出分配策略和设备的优化参数；所述ai系统的控制方法具体如下：s1.同时采集第一路冷水系统、第二路冷水系统、机房末端双冷源空调双路水路系统和机房内风机实时运行参数，进行双冷源系统的统一建模；s2.对第一路制冷系统内冷却塔、冷却或冻水泵、冷水机组组合系统建模，对第二路系统内冷却塔、冷却或冻水泵、板式换热器进行建模，寻找单个系统在不同室外环境温度和制冷负载率下的最佳效率点；s3.对末端双盘管或冷源空调进行建模，分析不同it服务器分布和负载情况下，建立对第一路制冷系统和第二路制冷系统的负载分配模型；s4.根据it服务器负载，结合步骤s3的模型，确定送风温度、回风温度和开启的空调数量；s5.根据空调输出工况，确定第一路制冷系统和第二路制冷系统冷冻侧供回水温度、流量、压力和制冷量；s6.根据第一路制冷系统和第二路制冷系统分别分配到的制冷量需求和工况需求，选择第一路制冷系统和/或第二路制冷系统的投运时间。

3、优选的，第二路制冷系统还包括水冷冷水机组。

4、优选的，末端空调选自双盘管空调、双冷源空调或双系统同时供冷空调中的一种。

5、优选的，负载分配模型根据室外环境和it负载情况，选择最佳的供冷系统组合，所述供冷系统组合选自第一路冷水系统和第二路冷水系统中的一种或多种。

6、本发明同现有技术相比，其优点在于：

7、能够根据实际负载和室外温度变化情况，实时优化末端空调制冷输出，第一/第二路制冷量分配以及不同模式下的灵活切换，通过ai技术实时优化空调运行工况、第一/第二制冷量分配、完善模式切换机制，大大节约制冷系统用电。

技术特征：

1.一种基于人工智能的多制冷系统联合控制方法，其特征在于包括

2.根据权利要求1所述的一种基于人工智能的多制冷系统联合控制方法，其特征在于所述第二路制冷系统还包括水冷冷水机组。

3.根据权利要求1所述的一种基于人工智能的多制冷系统联合控制方法，其特征在于所述制冷系统选自水冷冷冻水系统、风冷冷冻水系统、dx直膨系统、间接蒸发冷却系统和直接蒸发冷却系统中的一种。

4.根据权利要求1所述的一种基于人工智能的多制冷系统联合控制方法，其特征在于所述末端空调选自双盘管空调、双冷源空调或双系统同时供冷空调中的一种。

5.根据权利要求1所述的一种基于人工智能的多制冷系统联合控制方法，其特征在于所述负载分配模型根据室外环境和it负载情况，选择最佳的供冷系统组合，所述供冷系统组合选自第一路冷水系统和第二路冷水系统中的一种或多种。

技术总结
本发明涉及制冷系统技术领域，具体来说是一种基于人工智能的多制冷系统联合控制方法，包括包括第一路制冷系统，包括冷却塔、冷却水冷机组和冷却或冻水泵；第二路制冷系统包括冷却塔、板式换热器和冷却或冻水泵；冷源群控系统；空调群控系统，用于控制机房内的空调温度和风机转速控制；AI系统，基于机房内IT服务器功率，通过模型训练给出制冷输出分配策略和设备的优化参数。本发明现有技术相比，其优点在于：能够根据实际负载和室外温度变化情况，实时优化末端空调制冷输出，第一/第二路制冷量分配以及不同模式下的灵活切换，通过AI技术实时优化空调运行工况、第一/第二制冷量分配、完善模式切换机制，大大节约制冷系统用电。

技术研发人员：洪伟,周嘉伟,卜东洁,熊经纬,沈意成,陈德华,孙经臣
受保护的技术使用者：上海上证数据服务有限责任公司
技术研发日：
技术公布日：2024/1/25