[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

说明书

本发明提供了一种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，通过浅诊断和深诊断结合的方式对冷站运维能效问题进行诊断，其中，浅诊断利用冷机总能耗数据，通过建模和变量推断的方式分析冷机自身性能劣化的问题。深诊断则在对分项计量数据清洗后，分析设备以及系统的能效问题。本发明通过基于实测分项计量数据的冷站运维节能潜力分析的方法，根据不同的数据情况进行浅诊断和深诊断，可以适应不同建筑能耗数据的差异性，对常见的冷站能效问题进行有效诊断分析。

技术领域

本发明属于建筑能耗分析技术领域，具体涉及一种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。

背景技术

针对既有建筑进行节能潜力分析是完成“双碳”目标的重要一环，全国公共建筑能耗监测平台的快速发展以及数据驱动算法在全行业的深度应用有助于数据挖掘技术应用于建筑节能潜力分析，这样不仅缩短传统建筑能源审计的周期，而且辅助技术人员快速定位节能潜力点。

用模拟数据填充真实数据的空白，用模拟数据进行颗粒度的转化，这类数据融合方法目前只能填补暖通空调建筑总能耗等“宏观”数据。面对目前既有建筑没有分项电表的情况，现有常采用基于事件驱动的非侵入式负荷拆分方法，该方法的核心在于需要知道不同的设备的启停以及工作状态转换的电信号。

然而，既有建筑信息化程度不同，若想用相同的数据结构对不同建筑进行全方面、无差异的建筑节能潜力分析是相对困难的，因为不同建筑的数据差异性大。用模拟数据填充和混合是一种“治标不治本”的方法，这种方法在一定程度上纵容了目前建筑能耗计量平台或BAS数据良莠不齐的问题，倘若一味用填充方法补全本身可以实际监测得到的数据，这样可能会导致目前兴起的建筑运维相关的物联网平台没有发挥其应有的价值。而非侵入式负荷拆分方法大多都集中在对于住宅建筑的研究，主要是因为住宅建筑中的主要用电设备的运行特性相对规律，例如电冰箱为间歇性工作，而商业建筑中相对少的采用非侵入式负荷拆分方法进行拆分，主要是其用电设备复杂且多样，设备使用的不确定性会因为人员的不确定性而增加。

发明内容

有鉴于此，本发明旨在解决考虑到不同建筑能耗数据的差异性，针对建筑冷站运维节能潜力进行分析时采用现有分析方法存在的上述问题。

为了解决上述技术问题，本发明提供以下技术方案：

一种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，包括如下步骤：

确定目标分析建筑的能耗数据情况，根据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，最优黑箱模型为预先训练的、用于获取目标分析建筑的建筑负荷分布的模型，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，采用深诊断的方法，基于交叉验证的方式对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。

进一步的，采用浅诊断的方法对冷站能效问题进行诊断，具体包括：

获取目标分析建筑的冷机群总能耗数据；

对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，通过最优黑箱模型推测冷机群能耗关键变量并得到目标分析建筑的负荷分布；

利用全局搜索算法确定与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。

进一步的，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，风系统类型和水系统类型作为静态变量信息进行处理，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浅诊断中需要推测的关键变量。