本发明涉及一种高效机房全局寻优控制方法，属于机房节能的。
背景技术：
1、公共建筑和工业厂房中，中央空调系统能耗占整体能耗的30-60％，制冷机房能耗占中央空调能耗的65-75％。因此，探索高效的制冷机房运行方式，耗费更少的能源，对达成节能减排目标有重要意义。
2、制冷系统是个高度耦合系统，设备间存在复杂的参数依赖。单独调节某个设备的状态或参数以减少该设备的能耗，可能会增大机房其它设备能耗，最终导致系统总体能耗反而升高。传统机房群控仅实现冷机、水泵、冷却塔的设备级的控制和简单的控制策略，如根据温差/压差调节水泵频率或根据逼近度调节冷却塔风扇台数和频率等，无法从整体系统能效角度考虑控制策略，这必然会降低其能耗控制的效果。
3、制冷机房高效运行控制核心问题是在满足冷负荷需求的前提下，以制冷机房所有设备的整体能效最高为目标，实现机电设备的整体节能高效运行。相关控制目标参数包括冷机台数、冷冻水泵台数、冷却水泵台数、冷却塔台数、冷冻水出水温度设定值、冷冻水泵频率、冷却水泵频率、冷却塔频率等。
技术实现思路
1、为了解决上述存在的问题，本发明公开了一种高效机房全局寻优控制方法，其具体技术方案如下：
2、一种高效机房全局寻优控制方法，包括以下步骤：
3、步骤s1，基于历史运行数据，构建冷水机组能耗模型、冷冻水泵组能耗模型、冷却水泵组能耗模型、冷却塔组能耗模型和冷却塔热力模型；
4、步骤s2，随着运行数据积累，基于实测值和模型预测值差异，定期修正步骤s1各模型参数；
5、步骤s3，确定调控时间周期t，基于时序预测得到下一个调控周期的冷负荷需求qc；
6、步骤s4，将每个目标控制参数进行等间距离散处理，形成控制参数笛卡尔积组合；
7、步骤s5，根据冷负荷需求qc、室外干球温度、室外湿球温度作为输入，遍历每个控制参数笛卡尔积组合，结合步骤s1的冷机能耗模型、冷冻水泵能耗模型、冷却水泵能耗模型、冷却塔组能耗模型、冷却塔热力模型协同计算得到每个组合对应的系统能效值eer；
8、步骤s6，满足计算约束条件前提下,检索寻找系统最高能效值对应的控制参数集合；
9、步骤s7，步骤s6得到的控制参数集合，经由策略安全过滤处理后，输出各机电设备最佳运行状态和参数；
10、步骤s8，每间隔固定调控时间周期t，循环执行一次步骤s3-s7计算。
11、进一步的，所述步骤s1中冷水机组能耗模型表达式为：
12、
13、其中，copi为第i台机组的能效值，plr是冷机的单机负载率，dt*是冷机两器出水温度之差百分比，t*dev是冷机蒸发器出水温度之差百分比，mi为第i台机组的额定制冷量，m为所有机组的额定制冷量之和,wiche为第i台冷水机组的能耗；
14、
15、
16、进一步的，步骤s1所述冷水机组的能耗模型，用于计算出冷水机组群在当前遍历运行工况下的能耗值wche，
17、
18、其中，{a,b,c,…,l}为冷水机组能耗预测模型的目标参数。
19、进一步的，所述述冷水机组能耗模型参数{a,b,c,…,l}是基于冷水机组实测运行数据，得到plr、dt*，t*dev，进而通过回归拟合获得。
20、进一步的，所述步骤s1中冷冻水泵组的能耗模型，在加装变频装置的情况下，所述冷冻水泵组的能耗表示为：
21、wchwe＝nchw*fchw(qchw)*fchwc(qchw,nchw,δp)
22、其中：wchwe表示冷冻水泵组功率；nchw表示为冷冻水泵运行台数；fchw表示为单台冷冻水泵功率；qchw表示为冷冻水流量比例；fchwx表示为冷冻水泵组功率修正模型；δp表示为冷冻水控制压差。
23、进一步的，步骤s1所述冷冻水泵组的能耗模型，用于计算出冷冻水泵组在当前遍历运行工况下的能耗；在加装变频装置的情况下所述冷冻水泵组的能耗表示为：
24、
25、其中：{c1,c2,c3,c4}是冷冻水泵组能耗预测模型的目标参数，
26、所述冷冻水泵组能耗模型参数{c1,c2,c3,c4}由实测单台水泵运行数据通过回归拟合获得。
27、进一步的，所述冷冻水泵组功率修正模型fchwc,基于冷冻水泵组实测数据作为输入样本，训练构建冷冻水泵组功率修正模型，训练工具采用bp人工神经网络，其中输入层为qchw、nchw、δp，输出层为冷冻水泵组功率修正系数；
28、将冷冻水泵组能耗模型预测功率与实际采集的功率进行对比，并将实测冷冻水泵组修正系数和冷冻水泵组功率修正模型得到的预测值进行比较，当相对误差超过预定值时，则对冷冻水泵组功率修正模型进行修正。
29、进一步的，所述步骤s1中冷却水泵组的能耗模型,在加装变频装置的情况下，所述冷却水泵组的能耗表示为：
30、wcwe＝ncw*fcw(qcw)*fcwc(qcw,ncw)
31、其中：wcwe表示冷却水泵功率；qcw表示为冷却水流量比例,ncw表示为冷却水泵运行台数；fcwc表示为冷却水泵组功率修正模型。
32、进一步的，所述步骤s1中所述冷却水泵组的能耗模型,用于计算出冷却水泵组在当前遍历运行工况下的能耗；在加装变频装置的情况下所述冷却水泵组的能耗表示为：
33、
34、其中：{c1,c2,c3,c4}是冷却水泵组能耗预测模型的目标参数，
35、所述冷却水泵组能耗模型参数{c1,c2,c3,c4}由实测单台冷却水泵运行数据通过回归拟合获得。
36、进一步的，所述步骤s1中所述冷却水泵组功率修正模型fcwc,基于冷却水泵组实测数据作为输入样本，训练构建冷却水泵组功率修正模型，训练工具采用bp人工神经网络，其中输入层为qcw、ncw，输出层为冷却水泵组功率修正系数，将冷却水泵组能耗模型预测功率与实际采集的功率进行对比，并将实测冷却水泵组修正系数和冷却水泵组功率修正模型得到的预测值进行比较，当相对误差超过预定值时，则对冷却水泵组功率修正模型进行修正。
37、进一步的，所述步骤s1中冷却塔组的能耗模型，在加装变频装置的情况下，所述冷却塔组的能耗表示为：
38、wcte＝nct*fct(qct)
39、其中：wcte表示冷却塔组功率；nct表示为冷却塔运行台数；qct表示为冷却塔风扇流量比例；fct(qcw)表示为单台冷却塔功率。
40、进一步的，所述步骤s1中所述冷却塔组的能耗模型，用于计算出冷却塔组在当前遍历运行工况下的能耗；在加装变频装置的情况下所述冷却塔组的能耗表示为：
41、
42、其中：{c1,c2,c3,c4}是冷却塔组能耗预测模型的目标参数；
43、所述冷却塔组能耗模型参数{c1,c2,c3,c4}由冷却塔实测运行数据通过回归拟合获得。
44、进一步的，所述步骤s1中将冷却塔组能耗模型预测功率与实际采集的功率进行对比，并将实测冷却塔组功率和冷却塔能耗模型得到的预测值进行比较，当相对误差超过预定值时，则对冷却塔组能耗模型的目标参数进行修正。
45、进一步的，所述步骤s1中冷却塔的热力模型，在加装变频装置的情况下，所述冷却塔的热力模型表示为：
46、act＝fct(twb,tr,lgratio)
47、其中，act表示为冷却塔逼近度；twb是室外湿球温度；tr是冷却水温差；lgratio是水气比表达式为：
48、
49、进一步的，所述步骤s1中所述冷却塔组的热力模型，用于计算当前遍历运行工况下的逼近度act，表示为：
50、
51、所述冷却塔热力模型参数{coeff(1)，…coeff(27)}由冷却塔实测运行数据通过回归分析获得。
52、进一步的，将冷却塔热力模型预测逼近度与实际采集的逼近度进行对比，当相对误差超过预定值时，则对冷却塔热力模型参数进行修正。
53、进一步的，所述步骤s3中每间隔一个调控周期t，执行一次遍历寻优计算和控制策略生成，负荷预测是采用时序预测算法得到下一个调控周期t的冷负荷需求qc,作为系统能效寻优计算的一个输入值。
54、进一步的，所述步骤s4中目标控制参数包括冷机台数、冷冻水泵台数、冷却水泵台数、冷却塔台数、冷冻水出水温度设定值、冷冻水泵频率、冷却水泵频率和冷却塔频率；
55、根据预测的冷负荷需求qc，遍历每个控制参数笛卡尔积组合，由冷水机组能耗模型，冷冻水泵组能耗模型，冷却水泵组能耗模型，冷却塔组能耗模型分别计算得到wche、wchwe、wcwe、wcte，进而结合冷负荷qc得到制冷机房运行能效值eer＝qc/(wche+wcwe+wcte+wchwe)，遍历每个组合计算后生成制冷机房能效值结果集eers＝{eer1，eer2，…，eerm}。
56、进一步的，所述步骤s5中协同计算具体为：协调目标控制参数和模型间计算参数传递，辅助冷水机组能耗模型、冷冻水泵组能耗模型、冷却水泵组能耗模型、冷却塔组能耗模型输出结果；
57、目标控制参数“冷却水泵频率、冷却水泵台数、冷却塔风扇台数、冷却塔风扇频率”作为冷却塔热力计算模型的输入，得到冷却塔逼近度act，进一步计算得到冷却水出水温度tcwo作为冷水机组能耗模型的输入，所述冷却水出水温度表达形式为tcwo＝act+twb+tr；
58、目标控制参数“冷机台数”、“冷冻水出水温度”，结合tcwo，qc作为冷水机组能耗模型的输入，得到冷水机组能耗wche；
59、目标控制参数“冷冻水泵频率”、“冷冻水泵台数”作为冷冻水泵组能耗模型的输入，得到冷冻水泵组能耗wchwe；
60、目标控制参数“冷却水泵频率”、“冷却水泵台数”作为冷却水泵组能耗模型的输入，得到冷却水泵组能耗wcwe；
61、目标控制参数“冷却塔风扇频率”、“冷却塔风扇台数”作为冷却塔组能耗模型的输入，得到冷却塔组能耗wcte。
62、进一步的，所述步骤s6中计算约束条件，是计算参数受客观真实物理条件的约束，当不满足约束条件时计算无效，约束条件包括：
63、(1)目标控制参数“冷机运行台数”应满足冷负荷需求，即所有运行冷机额定制冷量之和应大于等于当前冷负荷，
64、(2)目标控制参数“冷却水泵台数”和“冷却水泵频率”对应的冷却水流量应大于冷水机组对冷凝器最小流量限值，
65、(3)计算中间参数“冷机冷却水进水温度”应大于冷水机组冷凝器的最小进水温度限值，“冷机冷却水出水温度”应小于冷凝器最大出水温度限值，
66、(4)计算中间参数“冷水机组单机负载率plr”应大于冷水机组最小负载率限值，且小于冷水机组最大负载率限值，
67、(5)目标控制参数“冷冻/冷却水泵频率”对应的冷冻/冷却水泵流量比例应大于变频水泵最小流量比例限值，
68、(6)供冷量、冷却水泵流量、冷却水温差和冷水机组能耗参数应满足热平衡关系，计算误差应在5％以内，所述热平衡表达式为：
69、
70、其中，c是比热容，fcw是冷却水流量，δt是冷却水温差。
71、进一步的，所述步骤s6中安全过滤处理根据步骤6的计算结果集eers进行倒序排列后，进行策略安全过滤规则处理后，确定最优策略集，所述策略安全过滤规则如下：
72、1.当在线监测到某设备故障报警时，不应将故障设备对应的控制参数作为目标控制参数；计算结果集eers对应的控制参数组合有故障设备相关参数时应排除；
73、2.对于能效值相差不大的策略，优先选择频率调节策略，其次是台数启停策略；能效值相差不大是指能效值差值在±10％范围以内；
74、3.对于台数启停控制策略，优先选择启动能耗低的设备对应的策略，其次选择启动能耗高的设备对应的策略；具体的，优先启动冷却塔，其次是冷冻水泵、冷却水泵，最后启动冷水机组；
75、4.目标控制参数策略应遵守步长约束规则，所述步长约束是指每个调控周期控制参数调节范围约束，各个控制参数在每个调节周期调整步长不超过预定值。
76、本发明的工作原理是：
77、本发明为一种高效机房全局寻优控制方法，是一种全新的高效机房控制策略生成方法，传统群控以单参数预定值为控制目标进行pid实时反馈控制，忽视制冷机房整体能效。本发明提出固定周期以制冷机房整体能效最高为目标进行寻优控制，实现系统整体调控。
78、本发明基于特定的冷负荷需求和室外天气情况，本发明采用正向预测寻找最优的控制策略。将目标控制参数组合作为输入，计算对应的制冷机房能效值，进而找到最优的控制策略。
79、本发明根据制冷机房设备运行数据特征建立能耗和热力模型，可预测设备组的能耗，进一步的可得到制冷机房能效值eer。
80、本发明提出的对于控制策略进行计算约束条件和安全规则过滤处理，充分考虑了真实世界的边界条件，保障制冷系统安全稳定运行。
81、本发明的有益效果是：
82、本发明对各个制冷机房的冷水机组、冷冻水泵、冷却水泵、冷却塔、等相关设备建立能耗及热力模型,根据全局能效寻优计算得出的最优控制参数组合策略，可保证制冷系统在安全、可靠运行的基础上，优化控制机房设备，以达到节约能源及运营成本的目的，营造出符合国家提倡的“节能降碳”举措。
83、本发明对冷水机组能耗模型、冷冻水泵组能耗模型、冷却水泵组能耗模型、冷却塔组能耗模型、冷却塔热力模型进行持续的优化和修正，有利于提升模型精度，保证控制策略在系统长时间运行后的节能效果。
1.一种高效机房全局寻优控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中冷水机组能耗模型表达式为：
3.根据权利要求1或2所述的高效机房全局寻优控制方法，其特征在于，步骤s1所述冷水机组的能耗模型，用于计算出冷水机组群在当前遍历运行工况下的能耗值wche，
4.根据权利要求3所述的高效机房全局寻优控制方法，其特征在于，所述述冷水机组能耗模型参数{a,b,c,…,l}是基于冷水机组实测运行数据，计算得到plr、dt*，t*dev，进而通过回归拟合获得。
5.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中冷冻水泵组的能耗模型，在加装变频装置的情况下，所述冷冻水泵组的能耗表示为：
6.根据权利要求1或5所述的高效机房全局寻优控制方法，其特征在于，步骤s1所述冷冻水泵组的能耗模型，用于计算出冷冻水泵组在当前遍历运行工况下的能耗；在加装变频装置的情况下所述冷冻水泵组的能耗表示为：
7.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述冷冻水泵组功率修正模型fchwc,基于冷冻水泵组实测数据作为输入样本，训练构建冷冻水泵组功率修正模型，训练工具采用bp人工神经网络，其中输入层为qchw、nchw、δp，输出层为冷冻水泵组功率修正系数；
8.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中冷却水泵组的能耗模型,在加装变频装置的情况下，所述冷却水泵组的能耗表示为：
9.根据权利要求1或8所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中所述冷却水泵组的能耗模型,用于计算出冷却水泵组在当前遍历运行工况下的能耗；在加装变频装置的情况下所述冷却水泵组的能耗表示为：
10.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中所述冷却水泵组功率修正模型fcwc,基于冷却水泵组实测数据作为输入样本，训练构建冷却水泵组功率修正模型，训练工具采用bp人工神经网络，其中输入层为qcw、ncw，输出层为冷却水泵组功率修正系数，将冷却水泵组能耗模型预测功率与实际采集的功率进行对比，并将实测冷却水泵组修正系数和冷却水泵组功率修正模型得到的预测值进行比较，当相对误差超过预定值时，则对冷却水泵组功率修正模型进行修正。
11.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中冷却塔组的能耗模型，在加装变频装置的情况下，所述冷却塔组的能耗表示为：
12.根据权利要求1或11所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中所述冷却塔组的能耗模型，用于计算出冷却塔组在当前遍历运行工况下的能耗；在加装变频装置的情况下所述冷却塔组的能耗表示为：
13.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中将冷却塔组能耗模型预测功率与实际采集的功率进行对比，并将实测冷却塔组功率和冷却塔能耗模型得到的预测值进行比较，当相对误差超过预定值时，则对冷却塔组能耗模型的目标参数进行修正。
14.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中冷却塔的热力模型，在加装变频装置的情况下，所述冷却塔的热力模型表示为：
15.根据权利要求1或14所述的高效机房全局寻优控制方法，其特征在于，所述步骤s1中所述冷却塔组的热力模型，用于计算当前遍历运行工况下的逼近度act，表示为：
16.根据权利要求15所述的高效机房全局寻优控制方法，其特征在于，将冷却塔热力模型预测逼近度与实际采集的逼近度进行对比，当相对误差超过预定值时，则对冷却塔热力模型参数进行修正。
17.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s3中每间隔一个调控周期t，执行一次遍历寻优计算和控制策略生成，负荷预测是采用时序预测算法得到下一个调控周期t的冷负荷需求qc,作为系统能效寻优计算的一个输入值。
18.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s4中目标控制参数包括冷机台数、冷冻水泵台数、冷却水泵台数、冷却塔台数、冷冻水出水温度设定值、冷冻水泵频率、冷却水泵频率和冷却塔频率；
19.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s5中协同计算具体为：协调目标控制参数和模型间计算参数传递，辅助冷水机组能耗模型、冷冻水泵组能耗模型、冷却水泵组能耗模型、冷却塔组能耗模型输出结果；
20.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s6中计算约束条件，是计算参数受客观真实物理条件的约束，当不满足约束条件时计算无效，约束条件包括：
21.根据权利要求1所述的高效机房全局寻优控制方法，其特征在于，所述步骤s6中安全过滤处理根据步骤6的计算结果集eers进行倒序排列后，进行策略安全过滤规则处理后，确定最优策略集，所述策略安全过滤规则如下：
