基于逐步回归的冷水机组能效模型通用建模方法
专利汇可以提供基于逐步回归的冷水机组能效模型通用建模方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了基于逐步回归的冷 水 机组能效模型通用建模方法，由于影响冷水机组能效的可测参数在不同的实际工程中会存在差别，因此本发明 专利 在编制表征机组能效的模型因子项集合 基础 上，提出采用逐步回归法对模型因子项进行优化筛选，构建满足当前机组不同运行工况下的最优能效模型(SR)。并且由于数据 质量 提升是保证仿真模型 精度 的基础，因此本发明提出了多指标融合小波去噪方法有效去除集中在 信号 (即可测参数的监测数据)高频部分的噪声成分。该方法创新性地解决了传统黑/灰箱模型仿真精度偏低以及使用范围受限的 缺陷 ，进而为机组运行策略的优化以及冷水机组的节能诊断奠定基础。，下面是基于逐步回归的冷水机组能效模型通用建模方法专利的具体信息内容。
1.基于逐步回归的冷水机组能效模型通用建模方法，其特征在于包括以下步骤：
步骤一、确定能效模型的模型因子项集合，所述的模型因子项集合包括以下三类模型因子项，第一类模型因子项由载冷剂侧参数构成、第二类模型因子项由制冷剂侧参数构成，第三类模型因子项由压缩机调节参数构成；
其中所述的第一类模型因子项通过现有冷水机组能耗回归模型中模型因子项的收集整理得到，所述的第二类模型因子项和第三类模型因子项由影响参数作用机理分析得到；
步骤二、针对某一实际工程，收集冷水机组现场可测参数的历史运行数据；
步骤三、判断步骤二中的现场可测参数是否为所述的模型因子项集合中的模型因子项的构成参数，若是，则对该现场可测参数进行数据预处理，具体步骤为：
(1)通过与冷水机组相连的监测平台在设定的测试周期内读取每个可测参数的数据形成数据序列；
(2)对每个可测参数的数据序列中的数据进行筛选去掉其中的不理想数据，形成各个可测参数筛选后的数据序列；
(3)将经过上述步骤处理后的每类可测参数的初筛数据进行多指标融合的小波去噪，采用多指标融合的综合评价指标确定每类可测参数数据对应的最佳分解重构尺度，并使用均方根误差RMSE和信噪比SNR指标确定每类可测参数数据对应的最佳小波基函数，在此基础上，针对每个分解层次构建一个合理的阈值，并使用软阈值法对高频系数进行处理，去除集中在高频部分的噪声成分，最后对低频系数和阈值量化后的高频系数进行小波重构，即获得采用多指标融合小波去噪方法去除噪声后的数据序列；
其中最佳分解重构尺度确定的步骤为：
(a)采用每个可测参数筛选后的数据序列中的数值分别求解均方根误差变化量Cvrm、信噪比变化量Csnr以及平滑度变化量Cvr；
(b)将每类可测参数的均方根误差变化量Cvrm、信噪比变化量Csnr以及平滑度变化量Cvr数值采用熵值法进行加权融合得到标准小波去噪效果的综合评价指标序列，每类可测参数的综合评价指标序列由10个综合评价指标构成，所述的综合评价指标计算公式为：
CEI(m)＝wvrm·Cvrm(m)+wvsnr·Cvsnr(m)+wvr·Cvr(m)
式中m为小波分解重构尺度，取值为1～10的正整数；wvrm(m)、wvsnr(m)、wvr(m)分别为m尺度下Cvrm、Csnr以及Cvr所占的权重；
(c)将每类可测参数的综合评价指标序列中的各个综合评价指标分别减去该序列中的最大值进行反转，并使用最小二乘法进行4阶拟合对序列整体变化趋势进行分析，剔除偏离整体的异常值，用相对应的拟合值代替；
(d)根据每个综合评价指标序列中的数值做出曲线，寻找该曲线变化中明显的拐点，此节点对应的分解重构尺度即为初筛数据的最佳分解重构尺度；
最佳小波基的确定方法为：使用均方根误差RMSE和信噪比SNR指标选择适合冷水机组实际运行数据的最佳小波基，其计算方程如下：
SNR＝10×lg(powersignal/powernoise)
式中f(i)为初筛后的监测数据；m为小波分解重构尺度，取值为1～10的正整数； 为m尺度下的分解重构数据；n为数据个数，并且
每个分解层次所对应的阈值λ采用长度对数阈值法计算得到：
式中 为噪声估计，N为每一层小波系数的个数；
步骤四、若现场可测参数中包含冷冻水出口温度Teo、冷冻水进口温度Tei以及冷冻水流量Me，则通过制冷量的计算公式Qe＝CpMe(Tei-Teo)计算Qe，其中Cp为水定压比热，其取值为
4.2kJ/(K·kg)，将经过步骤三处理后的现场可测参数以及由处理后的可测参数计算得到的制冷量作为已知参数，从模型因子项集合中挑选出由这些已知参数构成的模型因子项构建冷水机组能效模型COP的初始表达式，若Teo、Tei以及Me不都是现场可测参数，则将经过步骤三处理后的现场可测参数作为已知参数构建COP的初始表达式：
COP＝β0X0+β1X1+…+βmXm
式中m为从模型因子项集合中挑选的因子项个数；β0,β1,…,βm为各个因子项对应的拟合系数；X0,X1,...Xm分别为经过步骤三处理后的现场可测参数；
步骤五、采用逐步回归法，根据冷水机组能效模型中各模型因子项自变量对COP贡献率大小对各模型因子项进行筛选，去掉对COP的影响不显著的模型因子项，使得最终回归方程中各因子项对COP的影响都是显著的；
步骤六、各模型因子项前的拟合系数采用多元线性回归进行求解，将筛选后的各项模型因子乘以相应的系数后求和得到冷水机组能效模型COP的最优能效模型；
步骤七、收集冷水机组当前运行工况下COP最优能效模型中各模型因子项涉及的可测参数，并将每个可测参数采用步骤三中(2)-(3)进行数据预处理，然后将所述的数据预处理后的可测参数代入COP最优能效模型中，进行冷水机组运行性能预测。
2.根据权利要求1所述的基于逐步回归的冷水机组能效模型通用建模方法，其特征在于：在所述的逐步回归法中采用各变量的离差矩阵S进行各模型因子项贡献系数计算。
3.根据权利要求1或者2所述的基于逐步回归的冷水机组能效模型通用建模方法，其特征在于：所述的不理想数据包括格式错误数据、不合理数据以及暂态数据。
4.根据权利要求3所述的基于逐步回归的冷水机组能效模型通用建模方法，其特征在于：所述的格式错误数据为数值小于等于0的数据以及非数值型数据；
所述的不合理数据为不能通过参数阈值检验以及简单能量平衡关系校验的数据；
所述的暂态数据为冷冻水供水温度的前后两个监测数据数值的差值大于0.5℃，或压缩机电流的前后两个监测数据的百分比之差大于10％，即判定该前后两个监测数据为暂态数据。
基于逐步回归的冷水机组能效模型通用建模方法
技术领域
背景技术
断显 得至关重要。目前多采用模拟仿真评估冷水机组性能，通过合理准确的能效模型反映机 组的实际运行特性，进而为机组运行策略优化奠定基础。一般而言，冷水机组能效仿真 模型开发主要包括影响参数剖析、建模方法选择以及实验数据处理三个部分。
题。目前，依托于冷水机组性能影响参数及不同建模方法所构建的仿真模型主要分为机 理模型、灰箱模型、黑箱模型以及人工智能模型。灰箱模型和黑箱模型可使研究焦点从 关注模型的内部特性、复杂的热动力方程转移到直接考虑系统的输出表现上，对机组各 种工况的性能模拟十分简单快捷，非常适合现场工程师使用，因此使用数据驱动方法构 建冷水机组的黑/灰箱模型是研究冷水机组运行性能的最佳选择。但针对某一灰箱/黑箱 模型，若实际工程中无法完整地测量模型所需的输入参数或机组运行在该模型不适用的 工况，则会
导致当前模型不可用或精度较低的情况。因此如何构建适用于不同冷水机组 及运行工况
的性能仿真模型显得尤为重要。黑箱或灰箱模型在实际应用过程中需要大量 反映冷机性
能特性的样本或实测数据用于求解模型系数，验证模型对于不同类型机组的 适用性，此时数据质量的提升可有效地保证模型精度。传统数据预处理中主要包括格式 错误、不合理数据以及暂态数据的剔除，但由于监测过程中会存在仪器仪表精度或机械 工装偏差、电/磁
场干扰以及电路噪声，这些采样信号(即监测数据)将不可避免地受到 噪声污染，并且噪声信号的大小与变化规律无法预知。因此需要在传统数据预处理方法 上研究噪声信号有效
剔除的手段。
发明内容
在此基础上，针对每个分解层次构建一个合理的阈值，并使用软阈值法对高频系数进行 处理，去除集中在高频部分的噪声成分，最后对低频系数和阈值量化后的高频系数进行 小波重构，即获得采用多指标融合小波去噪方法去除噪声后的数据序列；
可 测参数的综合评价指标序列由10个综合评价指标构成，所述的综合评价指标计算公式
为：
子项构建冷水机组能效模型COP的初始表达式，若Teo、Tei以及Me不都是现场可测 参数，则将经过步骤三处理后的现场可测参数作为已知参数构建COP的初始表达式：
分。
选，构建满足当前机组不同运行工况下的最优能效模型(SR)。从而有效地解决传统能 效模型因结构形式或输入变量固定导致模型使用范围会受限的问题。
(SR)，极大程度地扩大模型的使用范围。
附图说明
具体实施方式
征机组能效的模型因子项集合，其主要通过传统模型因子项整理以及影响参数机理分 析
获得；其次根据现场机组可测影响参数从所编制的模型因子项集合中挑选由这些参数 构
成的因子项，并组建初始冷水机组能效模型；最后利用逐步回归的方法解决模型因子 项冗余的问题，通过因子项间的竞争关系构建满足当前实际工程的最优能效模型。
功耗评估的经验模型)》、2006年中国建筑工业出版社出版的《建筑环境系统模拟分析 方
法:DeST》、2002年发表在《Ashrae Transactions(美国采暖、制冷与空调工程师学会 标
准)》期刊上的《Models forvariable-speed centrifugal chillers(变速离心式冷水机组的 模型)》、2003年发表在《Applied Thermal Engineering(实用热力工程)》期刊上的《A comparison of empirically based steady-state models forvapor-compression
liquid chillers(蒸 汽压缩式冷水机组稳态经验模型的比较)》、2010年发表在《Applied Energy(应用能源)》 期刊上的《An evaluation of empirically-based models for
predicting energy performance of vapor-compression water chillers(用于蒸汽压
缩式冷水机组性能预测的冷水机组经验模型 评估)》以及2014年同济大学硕士学位论文
《离心式冷水机组数值模型建立及在线修正》；
法:DeST》和1986年发表在《Internationale Journal of Refrigeration(国际制冷学报)》期 刊上的《Computer subroutines for rapid evaluation of refrigerant
thermodynamic properties (制冷剂热力学性质快速计算的计算机子程序)》。
据为 暂态数据并允以剔除。
在此基础上，针对每个分解层次构建一个合理的阈值，并使用软阈值法对高频系数进行 处理，去除集中在高频部分的噪声成分，最后对低频系数和阈值量化后的高频系数进行 小波重构，即可获得采用多指标融合小波去噪方法去除噪声后的数据序列。
可 测参数的综合评价指标序列由10个综合评价指标构成，所述的综合评价指标计算公式
为：
子项构建冷水机组能效模型COP的初始表达式。若Teo、Tei以及Me不都是现场可测 参数，则将经过步骤三处理后的现场可测参数作为已知参数构建COP的初始表达式：
子项进行筛选，去掉对COP的影响不显著的模型因子项，使得最终回归方程中各 因子项对
COP的影响都是显著的。
噪比变化量Csnr以及平滑度变化量Cvr。并使用熵值法分别得到haar、db8以及sym6 小波去噪效果的综合评价指标序列。
水出口温度Teo、冷冻水进口温度Tei、冷冻水流量Me、冷却水进口温度Tci所示。
2.28×10-5(Me)2 +4.93×10-5(Mc)2+1.17×10-2Teo·Tci-5.85×10-5Tei·Qe+3.56(Tei-Teo)-
2 2
0.11(Tei-Teo) +0.19(Tco-Tci)
知，GNU模型中COP实测值与模拟值的离散程度最大，模型精度最低；由对 比结果图3(f)可知，SR模型COP实测值与预测值的离散程度最低，且两组数据最为接近， 该对比结果也可以证明所提供方法的可行性与准确性。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 包含表达IL-12的慢病毒载体的组合物及其使用方法 | 2020-07-14 | 2 |
| 一种高效节能的水泥用干粉防水剂及其制备方法 | 2022-06-04 | 1 |
| 三角胶条打捆装置 | 2020-12-02 | 5 |
| 四方向调节快速连接检测装置 | 2020-12-14 | 0 |
| 阀门及特别是散热器阀门 | 2020-10-16 | 3 |
| 两键输入法及其应用 | 2020-07-12 | 2 |
| 一种防摔背包 | 2020-12-24 | 2 |
| 可生物再吸收支架的压握方法 | 2021-12-14 | 0 |
| 工业废料吸附剂用于硼酸生产的结晶控制及增白控制方法 | 2021-01-07 | 3 |
| 外国专利申请的中国优先权数据库建立方法和装置 | 2020-07-03 | 4 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
