一种基于人工智能的制冷机房节能监管系统及方法与流程

本发明属于节能监管领域，涉及人工智能技术，具体为一种基于人工智能的制冷机房节能监管系统及方法。

背景技术：

1、制冷机房是通过压缩制冷剂、冷凝制冷剂、膨胀制冷剂、蒸发制冷剂这一循环过程来实现室内温度的降低，达到制冷的效果来保持作业需求，而在制冷过程中冷却水、冷冻水的供水温度会很大程度上影响整个冷水系统的能耗。

2、传统的工业制冷机房系统，在实际的生产运行过程中为了达到终端制冷的最低需求通常是通过中央控制台直接对各单元的局部能源进行粗放调整，如对制冷机组冷水系统的冷却水温度设定一个固定值和偏差工作范围，在范围内进行自动运行。而在我国部分地区，因为地理环境问题导致昼夜温差过大，通过这种粗放调整虽然可以达到制冷恒温的最终需求效果，但在实际生产中这种粗放调整并不能很好的适应这种大幅度的温差改变，往往会伴随过量供冷这一现象，造成建筑能耗过高，不能达到理想的节能预期效果。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的制冷机房节能监管系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的制冷机房节能监管方法，该方法包括以下步骤：

3、步骤s1、采集制冷机房机组的性能数据，构建制冷机房历史数据库，对所述制冷机房历史数据库的数据进行分析，将工作区域内的制冷机房机组划分为两个区域，对所述两个区域进行分区管理；

4、步骤s2、通过检测工作区域内昼夜温度的变化极值和对应温度下时长，划分出两个时间阶段；

5、步骤s3、构建算法模型，通过制冷机房机组的各项数值和对应的输出功率以及相应能耗，得出在所述时间阶段内两个区域的产能系数；

6、步骤s4、将通过算法模型得出的产能系数，根据产能系数选择出两个时间阶段内最佳区域工作方式和节能模式，并根据两个区域内制冷机房机组的损耗情况对节能模式进行调整。

7、根据上述技术方案，在步骤s1中，所述性能数据包括制冷机房的能耗数据wh、制冷数据ch和制冷机房机组内的风机、水泵、压缩机性能数据以及冷却水温度tq、冷冻水温度td、环境温度t；

8、根据制冷机房机组的能耗数据wh、制冷数据ch求出制冷机房机组的产能系数p，将工作区域内的制冷机房机组按照所得产能系数进行区域划分，使得最终area1区域和area2区域产能系数相等，即：py1＝py2，其中区域内机组数量y1+区域内机组数量y2＝区域内机组总数量y,区域总产能系数py＝py1+py2。

9、根据上述技术方案，在步骤s2中，通过监控工作区域内的tn内的温度变化，记录其温度变化数据，得出区域内温度变化极值tmax、tmin和对应温度下时长ttmax、ttmin，以及相对应的时间点ta、tb、tc、td，划分出在tn内的高温阶段stageh和低温阶段stagec。

10、根据上述技术方案，在步骤s3中，构建算法模型的过程为：

11、检测制冷机房机组内机房机组内的风机、水泵、压缩机性能数据以及冷却水温度tq、冷冻水温度td、环境温度t，并对数据储存；

12、通过结合线性回归方程：

13、pn＝β0+β1t+β2tq+β3td+ε，

14、其中，β0、β1、β2、β3代表回归系数；ε代表常数项；可得在高温阶段stageh和低温阶段stagec下所需要的产能系数pn；

15、将area1区域和area2区域的产能系数最小值pmin设定为区域内的产能系数阈值，通过对比区域内的产能系数p和产能系数最小值pmin的关系来判断区域此时的工作状态；当区域内产能系数p＞产能系数最小值pmin时，此时的区域工作方式即为性能模式，当区域内产能系数p＝产能系数最小值pmin时，此时的区域工作方式即为节能模式。

16、根据上述技术方案，在步骤s4中，阶段内最佳区域工作方式：

17、在高温阶段stageh下，area1区域和area2区域的工作方式均为性能模式，在区域内总产能系数py满足高温阶段stageh所需的产能系数的pn的条件下，通过在训练模型得到的产能系数pn数据集合，提取集合中产能系数py最小的值，并得到对应的area1区域和area2区域的产能系数和对应的风机、水泵、压缩机数据，最后对制冷机房机组的性能数据进行输出；

18、在低温阶段stagec下，area1区域和area2区域的工作方式，需要通过比对最优产能输出的结果之后进行对制冷机房机组的性能数据的输出，具体过程为：

19、将area1区域和area2区域的工作方式均为节能模式设为第一优先级，判断此时区域内总产能系数py是否满足低温阶段stagec所需的产能系数的pn；

20、当满足条件时，对制冷机房机组的性能数据进行输出；

21、当此时区域内总产能系数py不满足低温阶段stagec所需的产能系数的pn时，进行设置第二优先级：在area1区域的产能系数py1和area2区域的产能系数py2构成的数据范围内找到区域内总产能系数py最大的匹配对象，对制冷机房机组的各项性能数据进行输出，并判断此时输出条件下的area1区域的产能系数py1和area2区域的产能系数py2大小；

22、当area1区域的产能系数py1大于area2区域的产能系数py2时，为节能模式a状态；

23、当area2区域的产能系数py2大于area1区域的产能系数py1时，为节能模式b状态；

24、节能模式a状态和节能模式b状态的时间阈值均设置为tm，从判断area1区域和area2区域的工作方式均为节能模式不满足条件时开始计时，并记录此时的节能模式，当达到时间阈值时判断此时的工作区域方式，更换节能模式，具体过程为：

25、若在tm开始时为节能模式a状态，即area1区域的产能系数py1大于area2区域的产能系数py2，那么在tm结束时切换为节能模式b状态，即area2区域的产能系数py2大于area1区域的产能系数py1。

26、通过检测制冷机房机组原始效率η和制冷机房机组现在的效率η0计算出制冷机房机组的损耗率，其计算公式为：

27、

28、其中area1区域的整体损耗程度为：

29、

30、area2区域的整体损耗程度为：

31、

32、ωi表示为第i台设备的损耗率；

33、根据区域的整体损耗程度改变节能模式a状态和节能模式b状态的时间阈值；

34、当ω1＞ω2时，按照损耗程度比减小节能模式a状态的时间阈值，此时的时间阈值

35、

36、当ω1＜ω2时，按照损耗程度比减小节能模式b状态的时间阈值，此时的时间阈值

37、

38、根据损耗程度将时间tm变更为tm1或tm2。

39、基于人工智能的制冷机房节能监管方法的监管系统，其特征在于：该系统包括：预处理模块、区域控制模块、检测模块、数据处理模块、分析模块以及执行模块；

40、所述预处理模块用于构建制冷机房历史数据库，基于历史数据对区域内的制冷机房机组进行区域划分；

41、所述区域控制模块对划分区域进行分区合并管理，将区域内的制冷机房机组各数值按照产能需求进行统一设置；

42、所述检测模块用于检测目标终端空间内的各项环境数值、制冷机房机组的各项输入输出数值，以及工作区域内昼夜温度的变化极值和对应时间点；

43、所述数据处理模块用于接收检测模块的反馈数据，并对各项反馈数据进行保存；所述分析模块基于算法模型和产能优化设置结果分析出最佳区域工作方式；

44、所述执行模块用于接收分析模块最终分析出的最佳区域工作方式，并将其对应的各项数据传递给区域控制模块对制冷机房机组进行调整；

45、所述预处理模块的输出端电性连接区域控制模块的输入端；所述区域控制模块的输出端电性连接数据处理模块的输入端；所述检测模块的输出端电性连接数据处理模块的输入端；所述数据处理模块的输出端电性连接分析模块的输入端；所述分析模块的输出端电性连接执行模块的输入端；所述执行模块与所述区域控制模块、数据处理模块之间电性连接，检测模块和分析模块之间电性连接。

46、所述检测模块包括传感器单元和阶段单元；所述传感器单元检测制冷机房机组内机房机组内的风机、水泵、压缩机性能数据以及冷却水温度tq、冷冻水温度td、环境温度t，并设置阶段性数据存储；所述阶段单元监控工作区域内的tn的温度变化，记录其温度变化数据，得出区域内温度变化极值和对应时间点，划分出在tn内的高温阶段stageh和低温阶段stagec；并在节能模式状态设置、记录节能模式阶段时间。

47、与现有技术相比，本发明所达到的有益效果是：本发明旨在昼夜温差较大的环境背景下通过对制冷机房系统划分区域，并对其各区域内的能耗及制冷机房机组内性能数据进行监管，在不同时段内通过模型分析出最佳的区域工作方式，在满足产能要求的前提下对分区域的节能模式进行调整，通过监控机组损耗程度改变机组输出时间，从而有效减小制冷机房系统的能耗，减少人力资源投入。