冷水机组回归模型的分析与评价

王 群

上海碳索能源服务股份有限公司

0 引言

冷水机组是暖通空调系统主要耗能设备，最高可达60%～70%的比例，因此对冷水机组开展节能及故障诊断的工作意义重大。

冷水机组的模型分为黑箱、灰箱模型[1]。黑箱为纯数据驱动模型，随着人工智能发展，黑箱模型在实际工程中的应用越来越广，但其解释性较差。灰箱模型建立了冷水机组的物理模型，通过数据统计的方式确定其中的因子，比较常见的灰箱模型包括SL、BQ、MP、GNU、GNS 及LS 模型，本文采用实际项目数据对该6种灰箱模型进行评价。

1 实验数据

实验数据采用项目数据，数据字段为810-814，602，601，719，739，此外还采用杭州气象数据（字段1078）。原始数据见表1。

2 数据预处理

建立模型需要的数据包括：冷冻水供回水温度T_rchw、T_schw，冷冻水流量F_chw，冷冻机主机功率P，冷却水回水温度T_rcow。采用的项目数据中缺少冷却水数据，因此根据虹桥机场气象数据进行推测。在此处假设冷却水回水温度比湿球温度高3 ℃。除此之外，原始数据的预先处理还包括：

1)去除冷冻水流量、冷冻水供回水温度无数据点，若此行有一个数据无效点，则删除此行；

2)判断冷机单独运行的时间。判断依据为：如果该数据点的有功功率小于10 kW，则判断该时间点冷机没有运行。如果一数据点只有1台有功功率大于10 kW，则认为该时间点该冷机单独工作。经处理后，1～4 号主机单独工作的数据点分别有861、1 932、714、1 862个；

3) 根据时间，将不同字段的数据进行链接，链接后再次去除无数据点。此项处理之后，1～4号冷机的数据点数量分别有120、741、13、162 个，根据结果，选择2号冷机进行试验；……