[发明专利]基于实测分项计量数据的冷站运维多层节能潜力诊断方法

权利要求书

1.基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，包括如下步骤：

确定目标分析建筑的能耗数据情况，根据所述能耗数据情况对冷站运维能效进行浅诊断和/或深诊断；

对于冷机群总能耗数据，采用所述浅诊断的方法，通过最优黑箱模型，对冷机群能耗推测关键变量，以便对冷站能效问题进行诊断，所述最优黑箱模型为预先训练的、用于获取所述目标分析建筑的建筑负荷分布的模型，所述关键变量为影响冷机群能耗的关键参数；

对于分项计量数据，采用所述深诊断的方法，基于交叉验证的方式对所述分项计量数据进行数据清洗，利用清洗后的数据对冷站能效问题进行诊断；

采用所述深诊断的方法对冷站能效问题进行诊断，具体包括：

获取不同楼宇的各分项计量数据；

对所述各分项计量数据进行数据交叉验证，在对单个设备和系统层级数据进行验证的过程中进行数据清洗；

利用验证通过后的对冷站能效问题进行诊断；

数据交叉验证具体包括：

以不同楼宇的各个设备群的分项能耗数据为交叉验证的起点，首先分别验证与单个设备相关的数据，然后验证系统层级的数据；

验证与单个设备相关的数据，具体包括：

对于冷却水泵，依次验证单台冷却水泵能耗、单台冷却水泵频率和干管冷却水流量；

对于冷却塔，依次验证单个冷却塔风机的能耗和单个冷却塔风机的频率；

对于冷机，依次验证单台冷机能耗和单台冷机启停状态。

2.根据权利要求1所述的基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，采用所述浅诊断的方法对冷站能效问题进行诊断，具体包括：

获取所述目标分析建筑的冷机群总能耗数据；

对所述冷机群总能耗数据中的各分项能耗数据进行预处理；

基于预处理后的能耗数据，通过所述最优黑箱模型推测冷机群能耗关键变量并得到所述目标分析建筑的负荷分布；

利用全局搜索算法确定与所述目标分析建筑负荷分布最优匹配的冷机选型方案，以完成冷站能效问题的诊断。

3.根据权利要求2所述的基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，所述关键变量具体包括：

冷机制冷性能、风系统类型和水系统类型，其中，所述风系统类型和水系统类型作为静态变量信息进行处理，所述冷机制冷性能划分为冷机制冷系数和冷机劣化系数，且所划分的两个系数值作为所述浅诊断中需要推测的所述关键变量。

4.根据权利要求2所述的基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，所述最优黑箱模型的建立过程，具体包括：

获取影响冷机总能耗的历史关键变量信息；

对所述历史关键变量信息中除静态变量信息以外的其他相关变量信息进行抽样；

结合所述静态变量信息和抽样得到的其他关键变量信息建立建筑能耗模型；

利用建筑-冷机能耗数据库作为训练数据来源，训练黑箱模型；

对所训练的所述黑箱模型进行超参数优化，得到所述最优黑箱模型。

5.根据权利要求2所述的基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，通过所述最优黑箱模型推测冷机群能耗关键变量，具体包括：

采用粒子群算法或遗传算法对所述冷机群能耗关键变量进行推测，其中，衡量分别根据关键变量真实值和抽样得到的关键变量值所计算的能耗值之间的偏差时，采用模拟校准导则指标或动态时间规整指标来进行衡量。

6.根据权利要求1所述的基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，在对所述单台冷机启停状态进行验证时，所述单台冷机启停状态数据由单台冷机的能耗数据映射得到。

7.根据权利要求1所述的基于实测分项计量数据的冷站运维多层节能潜力诊断方法，其特征在于，所述系统层级的数据，具体包括：

干管冷冻水供水温度、干管冷冻水回水温度和冷负荷以及单台冷机冷冻水供水、单台冷机冷冻水回水、单台冷机冷却水供水温度和单台冷机冷却水回水温度。