研究报告-冷量模型

制冷量与气温、湿度的关系并建立预估模型课题研究报告绪论课题背景1.1.1能源中心介绍虹桥机场能源中心（供冷、供热）系统位于上海虹桥机场西航站楼北侧约300m，主要为虹桥西航站楼、南侧酒店及预留部分（航站楼北侧指廊、北侧酒店）供冷和供热。能源中心内供冷、供热系统及配套电气10KV配电系统、服务对象的建筑面积共47.3万平方米，其中本期服务范围的总建筑面积为38.8万平方米，规划预留的服务范围的总建筑面积为8.5万平方米。能源中心总建筑面积10214平方米（包括市政院设计的S0135KV中心变电所），最高生产类别为丙或丁类，建筑耐火等级为二级，主体为多层框架结构，基础建筑安全等级为二级，结构设计基准期为50年，基地内项目所设计的主体建筑包括冷冻机房、锅炉房、蓄冷水罐以及地下储油罐、地下管线等配套构筑物及共同沟管网。能源中心供冷、供热系统的空调冷、热水通过室外共同沟管道接至热力交换机房，以满足西航站楼空调所需的冷、热水的温度及流量。1.1.2供冷系统介绍能源中心供冷系统包括冷冻系统、蓄冷系统、冷却系统、消防监控系统，其中冷冻系统包括8台约克冷水机组，8台ITT冷冻一次泵以及6台ITT变频冷冻二次泵；蓄冷系统包括2座蓄冷水罐，5台ITT蓄冷循环水泵；冷却系统包括8台组装式两联体BAC冷却塔，8台ITT冷却水泵。能源中心的供冷系统为末端直供系统，摈弃了末端板交，最大程度减少热损失，整个冷冻水系统通过一次水泵（工频）、二次水泵系统（变频）及三次水泵系统（变频）构成循环，供冷时主要通过二次泵的变流量来满足末端的需求，二次变流量泵的变频控制由设在每个系统环路最不利处（三处）的压差值控制。能源中心由于配备了2座蓄冷水罐，具备五种供冷模式，分别是制冷主机单独供冷模式、制冷主机单独蓄冷模式、制冷主机与蓄冷罐联合供冷模式、蓄冷罐单独供冷模式以及制冷主机边蓄冷边供冷模式。蓄冷水罐在夜间利用低谷电价进行充冷，在日间高峰电价时对末端进行供冷，这种削峰填谷的措施能够大大减少能源中心的运行成本。1.1.3现状由于末端负荷的预测受众多因素影响，包括航班流量，建筑结构，天气情况等，末端航站楼内旅客流量的多少及室外气温情况都对用能需求造成直接的影响。对末端负荷量进行预测，可以使我们对当日用能需求做到提前预判，并根据当前系统冷量制定合理、经济的运行策略。然而在我们寻找同类型研究对象后发现：国内外的能源中心基于采集大量数据所需的人员、成本投入,及诸多不确定因素的干扰,此类负荷预测模型并没有深入的实施过。课题意义意义通过前期数据的积累和分析，我们发现对于一个大型航站楼的供冷需求来说，正常供冷状态下各个时段的负荷量并没有明显的波动变化，所以本课题我们不考虑航班量等其他影响制冷量的因素。我们以2010年8月份供冷季运行数据为例，对33℃、36℃、39℃三种不同平均最高气温条件情况下，每日各个时间段的平均供冷负荷百分比、负荷量进行了初步分析。图18月不同气温日平均负荷量8月份平均最高气温≥39℃时，日均供冷量为193527Rt；平均最高气温为36℃时，日均供冷量为166322Rt；平均最高气温为33℃时，日均供冷量为152049Rt。我们可以看到：39℃与33℃气温情况下，日均供冷量相差27%，由此判断气温、湿度的变化可对供冷负荷量产生直接影响。图28月不同气温各时段供冷负荷百分比从上面图表中可以看出，在不同气温条件下每日各个时间段供冷负荷百分比存在着各自的特点。在平均最高气温≥39℃时，其凌晨期间较其他气温条件下的负荷百分比最大，均进行了通宵供冷；其他各时间段负荷百分比相对平稳，波动变化不明显。图38月每日不同气温（各时段）供冷负荷量图48月每日各时段（不同气温）供冷负荷量目前虹桥机场西区能源中心的供冷系统共有5种供冷模式，由监控系统自动控制，可按照时间点设置自动切换供冷模式，原先的运行情况虽然能够满足航站楼的供冷需求，但是对于能耗或者电费开支没有明确的节能措施，通过蓄冷水罐我们的确实现了电价的削峰填谷，并有了可观的经济成本的缩减。而本课题研究的意义在于通过模型的建立,能够根据当天的温湿度情况,估测当日的供冷总量,按照供冷量的需求我们就可以合理安排冷冻机的开启台时及开机时间,充分利用低谷电价的优势。也就是说模型的建立可以直接指导我们日常的生产运行策略，，更加合理的控制冷冻机的开启台时，充分使用蓄冷水罐内的冷量，进一步节能减支。能源中心作为机场的供冷及供热保障，基本都是属于被动的满足末端负荷的需求进行冷量的供应，由于航班、客流量的变化，供冷负荷量完全受控于末端航站楼的用能需求，而整个供冷工作自冷量生产到管网输送至末端需花费50分钟,耗时较长。因此我们需要对末端用能负荷进行提前预判，制定合理、经济的运行策略。然而，对于能源中心来说首要任务应该是保证安全及服务质量，节能研究只能在满足前者的前提下进行。局限性本课题的难点是影响航站楼供冷量的因素有很多，例如建筑结构、旅客流量、室内的温湿度等等，相关的因素越多，考虑的问题越复杂，这样不利于课题的研究，所以我们希望把握一些关键因素。很显然，影响供冷量最关键的因素应该是室内的温湿度，其他诸如建筑结构和旅客流量等因素反应到深层面也就是影响到了室内的温湿度，所以我们如果能够收集到航站楼内的温湿度数据就能够比较客观的反应我们供冷量需求的大小。这里我们课题的另一个问题就是，我们无法采集到航站楼室内的温湿度数据，只能以虹桥地区的温湿度来替代，这样导致室内的影响因素包括旅客流量等因素无法反应在我们收集的温湿度数据中，也就是说，我们研究的课题有一定的局限性，在建筑结构一定的基础上，假定旅客流量不会突变的前提下，进行的供冷量的模型建立，这也是我们后期数据处理中剔除数据的依据。研究方法本课题主要采用以下三种研究方法a.现场实时数据采集方法收集数据包括当日制冷量、当日平均温度、当日平均湿度。平均温度和湿度是由每10分钟采集的数据的平均值，能够较为准确的代表一天的天气情况。b.数据拟合方法通过数学软件对曲线、曲面进行拟合。通过运行过程中收集的温度、湿度及制冷量的数据点，在三维空间中寻找一个曲面，使得收集的离散点到该曲面的残差平方和达到最小。c.指导运行过程中的验证方法通过拟合的模型指导日常的供冷运行,并在实际运行中修正偏差,完善模型。创新点我们寻找同类型研究对象后发现：国内外的能源中心基于采集大量数据所需的人员、成本投入,及诸多不确定因素的干扰,此类负荷预测模型并没有深入的实施过。通过模型建立，配合能源中心蓄冷水罐的使用，能够建立完善的开停机策略，通过对负荷的预判，合理分配峰平谷不同时段的冷机用电，能够大大节省运行成本。基础数据收集和处理数据收集确定收集对象温度：我们所说的温度，也就是大气层中气体的温度，即气温，是气象学常用名词。它直接受日射所影响：日射越多，气温越高。湿度：表示大气干燥程度的物理量。在一定的温度下在一定体积的空气里含有的水汽越少，则空气越干燥；水汽越多，则空气越潮湿。空气的干湿程度叫做“湿度”。在此意义下，常用绝对湿度、相对湿度、比较湿度、混合比、饱和差以及露点等物理量来表示，我们课题所涉及的温度，也就是天气预报中，常用到的相对湿度。它反映了降雨、有雾的可能性。在炎热的天气之下，高的相对湿度会让人类（和其他动物）感到更热，因为这妨碍了汗水的挥发。人类可以从而制定出酷热指数。所以按照课题内容，我们确定数据收集的对象为虹桥地区的当日温度、当日湿度、当日供冷量，其中温度和湿度为了能够反映当日的整体情况，以上海是气象站发布的虹桥地区的气象数据为主，以能源中心内自有的气象站数据为参考，求取各时段的平均值作为数据分析中用到的温湿度数据。供冷量按照能源中心自身安装的能量计数据为依据，作为课题中得供冷量值。简单处理经过一段时间的数据收集，发现每日供冷量数据受到航班等影响因素限制，考虑到能源中心供冷模式的特殊性，在夜间低谷时段会开启冷水机组进行蓄冷工作，所以在供冷量处理过程中将原先0：00至24:00的数据修改成6:00至22:00的日供冷量数据，这样能够最大限度避免其他干扰因素，对于课题本身来说，6:00-22:00也是常规的供冷时间，研究这段时间段的供冷量符合课题本身的意义，可以在日后指导运行。数据处理软件介绍——Matlab、1stopt本课题涉及到数据的处理、分析、拟合，主要用到2个数学软件Matlab以及1stopt。首先对这2个软件进行简单的介绍，通过介绍可以大致了解其在课题中得作用。MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。1stOpt（FirstOptimization）是七维高科有限公司（7D-SoftHighTechnologyInc.）独立开发，拥有完全自主知识产权的一套数学优化分析综合工具软件包。在非线性回归，曲线拟合，非线性复杂工程模型参数估算求解等领域傲视群雄，首屈一指，居世界领先地位。除去简单易用的界面，其计算核心是基于七维高科有限公司科研人员十数年的革命性研究成果【通用全局优化算法】(UniversalGlobalOptimization-UGO)，该算法之最大特点是克服了当今世界上在优化计算领域中使用迭代法必须给出合适初始值的难题，即用户勿需给出参数初始值，而由1stOpt随机给出，通过其独特的全局优化算法，最终找出最优解。以非线性回归为例，目前世界上在该领域最有名的软件工具包诸如OriginPro，Matlab，SAS，SPSS，DataFit，GraphPad，TableCurve2D，TableCurve3D等，均需用户提供适当的参数初始值以便计算能够收敛并找到最优解。如果设定的参数初始值不当则计算难以收敛，其结果是无法求得正确结果。而在实际应用当中，对大多数用户来说，给出(猜出)恰当的初始值是件相当困难的事，特别是在参数量较多的情况下，更无异于是场噩梦。而1stOpt凭借其超强的寻优，容错能力，在大多数情况下（大于90%)，从任一随机初始值开始，都能求得正确结果。数据收集情况通过本次供冷季的数据收集，整合上一个供冷季时整理出的部分数据，我们总共收集到的数据包括2010年供冷季8月至2010年10月以及2011年6月至2011年8月,期间每日的日平均气温,日平均湿度,日供冷量，共210组原始数据。我们可以将经过初步处理过的数据集中在一个三维散点图中，如下：图5三维散点图对于一个曲面来说，虽然收集了2个供冷季的数据，但是点的数量还是显得不够丰富，这样对于直接曲面拟合来说难度是很大的，我们可以通过插值的方法先得到一个基于目前收集数据的理想三维曲面，如下图：图6插值曲面图7插值曲面可以看到由于有部分毛刺使得插值曲面也不是很光滑，这是由于数据变化幅度大，没有有效的处理方式所导致。上图的曲面如果需要得到函数解析式，必然是多个曲面在不同区间范围内的累积才能够形成，解析式过于复杂也不适应后期模型建立后对日常生产运行的指导。平均值处理本课题是建立在大量数据上的数学模型建立，所以数据处理是根本。如何对收集到的数据进行处理也就成了关键问题。一般最简单的就是平均值的处理方法，确保每个温湿度只对应一个供冷量，满足函数特性。在1stOpt中，共有13种有化算法，一般而言对于我们非线形回归，曲面拟合问题，采用其中的麦夸特法Levenberg-Marquardt法(LM)+通用全局优化算法(UniversalGlobalOptimization-UGO)，在软件自带的928个函数解析式库中，寻找最佳拟合，也就是相关系数R最接近1，通过软件计算得到函数解析式：Z=p1*(0.5+atan((x-p2)/p3)/pi)+p4*(0.5+atan((y-p5)/p6)/pi)+p7*(0.5+atan((x-p2)/p3)/pi)*(0.5+atan((y-p5)/p6)/pi)其中p1=375.370387311268;p2=49.2371132439171;p3=6.74695848655198;p4=-182.151525065764;p5=61.0471679478364;p6=13.8786546503806;p7=2577.07306406573;然后我们可以绘出该三维曲面，并和我们收集数据的散点进行比较，如下：图8拟合曲面图图9拟合曲面图图10拟合曲面图拟合的具体参数为：拟合方法Algorithms:麦夸特法(Levenberg-Marquardt)+通用全局优化法均方根误差RootofMeanSquareError(RMSE):10.315278723204误差项平方和SumofSquareError(SSE):12236.5721407993相关系数CorrelationCoef.(R):0.960005080824189方差R-Square:0.921609755208259决定系数DeterminationCoef.(DC):0.921609201481085该函数解析式是通过全局优化法得出的相关系数最接近1的，所以被选定为阶段性的最佳拟合方程。下图为计算Z值与我们数据处理后的Z值的残差图：图11残差图可以看到部分区域的残差偏高，原因应当是没有建立有效的异常数据筛选方法，仅通过平均值的处理还是不能满足拟合的需求。下表为供冷量也就是Z值的误差表，其中供冷量单位为冷吨，并为了方便参数选定，做了缩小1000倍的处理，并不影响函数本身的特性：表1误差表收集计算误差收集计算误差收集计算误差26.29624.6196.81%48.3443.08012.21%106.243104.4491.72%25.49628.110-9.30%36.34247.249-23.08%87.02995.934-9.28%32.88528.21216.57%44.43347.985-7.40%96.26699.778-3.52%33.99728.26820.27%66.75650.79031.43%130.68103.24426.57%28.3629.689-4.48%55.46854.5571.67%104.617104.826-0.20%36.08829.75421.29%64.18157.36811.88%100.069106.308-5.87%10.48629.975-65.02%57.18858.161-1.67%111.48107.6913.52%11.40730.140-62.15%73.0458.78124.26%102.868108.982-5.61%21.56430.316-28.87%55.74843.49128.18%108.642110.183-1.40%39.77930.45330.63%56.15252.6776.60%101.855111.302-8.49%41.00832.44226.41%58.3763.757-8.45%106.917112.342-4.83%28.75533.370-13.83%70.90365.7237.88%128.21113.31113.15%38.26636.2085.68%42.17761.904-31.87%96.444114.213-15.56%41.15436.66812.24%58.02665.931-11.99%106.814115.837-7.79%13.27832.720-59.42%64.29273.016-11.95%101.216108.438-6.66%42.57834.13524.74%95.62873.42830.23%91.35108.438-15.76%42.09235.99416.94%77.95175.3953.39%113.977114.572-0.52%33.77837.905-10.89%65.26264.8820.59%140.825116.38721.00%35.56538.291-7.12%71.07570.2011.25%124.653118.0885.56%38.92439.731-2.03%73.12372.6200.69%144.012119.67620.34%35.20240.052-12.11%78.34683.185-5.82%105.437127.160-17.08%41.93540.9072.51%78.36468.57614.27%115.272106.3928.35%39.70341.389-4.07%73.01870.1654.07%116.208112.0393.72%45.45341.3899.82%76.12982.223-7.41%119.145122.505-2.74%41.59342.332-1.75%79.48783.472-4.77%113.131124.842-9.38%28.34942.756-33.70%83.13286.773-4.20%108.886127.047-14.29%46.49842.9958.15%100.44489.45312.29%107.967131.061-17.62%49.96343.20415.64%79.68291.614-13.02%141.402132.8756.42%25.00843.389-42.36%89.51492.238-2.95%110.619132.880-16.75%54.94343.55326.15%104.5592.81912.64%150.818140.8447.08%56.07443.83027.93%88.77993.362-4.91%110.186105.8054.14%34.50233.1524.07%89.97193.870-4.15%109.942118.710-7.39%41.6340.0373.98%94.9794.7900.19%119.898125.872-4.75%45.94147.050-2.36%94.71695.600-0.92%143.466136.8134.86%47.68648.335-1.34%95.87295.5700.32%168.204143.81616.96%41.92450.464-16.92%105.09396.7678.60%166.737150.31210.93%64.950.93427.42%106.47297.8848.77%127.066134.884-5.80%31.78536.961-14.00%102.11298.9243.22%41.51839.1875.95%111.733103.8167.63%可以看到，拟合得到的函数解析式计算的供冷量值同收集得到的供冷量数据之间存在一定的误差,在某些区间段内误差较大,由于之前数据处理时只是才用平均值的处理方式,并没有异常值的过滤方式,所以最终的处理值受到异常值的干扰较大。数据分布情况由于数据采集本身的误差，加之我们课题本身的局限性，对于客观条件的变化无法及时反映，使得数据处理变得较为复杂，但是我们可以通过天气情况和供冷量的概率分布情况，大致的看出一些规律，找到剔除异常数据的规律。图12湿度概率分布情况图13温度概率分布情况图14供冷量概率分布情况可以看到，温湿度及供冷量概率密度图都接近正态分布，可以从图中看到，整个供冷季气温主要集中在28℃～32℃，所以供冷量需求也是集中在某段区间内，这对于负荷预测是有指导意义的，在数据处理时可以以此为出发点，剔除异常的数据值。当然由于目前的数据点有限，概率密度图只是提供了一个直观的分布状态，随着数据的不断收集，分布状况能够更明显，我们也能够通过最优化的分布函数进行预估。通过分布情况来筛选数据的过程中，我们发现无法对特定数值进行剔除，也就是无法找到合理的筛选数据的依据。由于温湿度的数据我们的来源是固定可靠的，供冷量的变化是由于我们假定条件产生变化所引起的，也有部分是能量计的误差引起的，但是作为一组[温度，湿度，供冷量]的数据，负荷现有分布情况，在目前数据量不大的前提下，只能作为负荷预测的一种方法。趋势筛选既然课题存在一定的局限性，那么我们就从这点出发，在假定建筑结构、旅客流量等因素不变的情况下，我们的供冷量与温湿度一定是存在影响关系的。对于偏离这种关系的数据点，我们归为由于客观条件引起的数据变化，直接予以剔除，我们的模型意义就是能够指导运行，所以能够承受适当的误差率。我们将所有210组数据按照温度进行排列，得到了同一温度下不同湿度对应的不同制冷量，通过计算这些供冷量的平均值我们发现，温度确实是影响供冷量的首要因素，不同温度下的平均供冷量变化趋势如下图：图15不同温度下的平均供冷量趋势很明显，随着温度的上升，供冷量也随之增加了。对于同一温度下，不同湿度所引起的供冷量变化，我们也希望能够限定范围，允许在平均供冷量上下浮动，但是对于偏离程度大得值就予以剔除。在温度一定的情况下，湿度的变化会影响供冷量的变化，通过将同一温度下的湿度进行升序排列，绘出供冷量变化趋势，如下图：图1623℃下湿度升序排列时的供冷量变化图1724℃下湿度升序排列时的供冷量变化图1827℃下湿度升序排列时的供冷量变化上面列举了三种不同温度下，湿度升序排列时供冷量的变化趋势图，可以看出，在温度一定的情况下，随着湿度的上升，供冷量的需求是逐渐增大的。这是由于在一定气温下，大气中相对湿度越小，水汽蒸发也就越快；反之，大气中相对湿度越大，水汽蒸发也就越慢。所以在人们实际生活中，冬春季会感到空气干燥，夏季出现天气闷热的现象，这都是由于大气中湿度的变化在起作用。那么在这样一种供冷需求随湿度变化的趋势下，我们可以找到筛选数据的依据，对于明显偏离上升趋势的点予以剔除，较为接近的可以仍旧采用平均值处理。这里就要考虑到我们课题的意思，由于供冷量对于温湿度，特别是我们收集到的室外温湿度数据并没有真正与之对应的一个数学模型，我们的目的是希望能够找到一个相对接近，能够用于指导运行的模型，所以具体数据处理时筛选的度可自由掌握，考虑到本课题本身数据收集量不多，所以在处理时，尽可能的保留了数据。最终数据经过数据处理之后，原有的210组数据变为128组数据，数据量显得有些不足，所以在之后的很长一段时间内，收集数据扩充数据库将成为本课题的延续工作，也只有在满足数据量的基础上，模型本身才会更加具有指导意义。表2最终数据序号温度湿度供冷量序号温度湿度供冷量120482549665278178346220503288566285978364320513399767286068987420582254868286876129520692836069286984857.56207036088.57028709108472091397797128728806882145253447228739249292148362567328751004451021584100874287996708112162310737528801045501221803826676288196356132187411547728828997114225142578782883964921522554073079288494970162257420928028851071221722623377881288694716182263355658229691054061922673892483297195872202268352028429721050932122714193585297310462222227339703862974102022232278415938729759632624228346498882977112863252285499638929791048882622895494390298011173327229356074912981106243282328345029230658702929235741630933066973323023655418494306798805.531237145941953068101184322375476869630701061923323896685297307110218534239064900983072111480352439317859930731074563624474151810030741086433724554834010130751063883824613634210230761090513924624443310330771057724024685268410430789644441247355468105308010681442247665152106316610121643248269824.5107316810894044248574928108316911642945249073040109317112465346249281578110317213173447254955748111326111527248255565670112326210983549256156152113326311790750257758370114326411951451258370903115326711914552265768506116326811368453266074726117326911883454266681234118327110888855267479046119327213322556267576032120336611061957267964292121336711275458268096552122336915081859268297058123345411018660268489604124345810994261276165262125346011989862276571075126346314346663276778044.51273465168204642779881741283467166737模型建立曲面解析式经过数据处理后，总共有128组数据可以进行拟合，同样的，我们通过1stOpt来进行三维解析式的求取。在1stOpt中，共有13种有化算法，一般而言对于我们非线形回归，曲面拟合问题，采用其中的麦夸特法Levenberg-Marquardt法(LM)+通用全局优化算法(UniversalGlobalOptimization-UGO)，在软件自带的928个函数解析式库中，寻找最佳拟合，也就是相关系数R最接近1，通过软件计算得到函数解析式：Z=(p1+p2*x+p3*x^2+p4*y+p5*y^2+p6*y^3)/(1+p7*x+p8*x^2+p9*y+p10*y^2+p11*y^3)（Z为供冷量,x为温度，y为湿度）其中p1=-6005216373.44208p2=418583988.404893p3=-7563803.10419317p4=59670738.8392866p5=-1141897.02333113p6=68087=1852.66392972065p8=-45.9375743083245p9=120.129874755811p10=-6.93481069820878p11=0.0519152758326486三维模型根据函数解析式，我们可以得到拟合后的三维曲面与收集到的三维散点之间的关系。图19三维曲面图图20三维曲面图可以看到，相比于通过简单的平均值处理之后得到的曲面图，现在的三维曲面更加贴合所有的散点。应该说在经过一定的数据处理之后，我们对于拟合的优化还是很明显的，具体的拟合参数参数中也能够反应拟合的优劣。模型效果评估拟合效果评价具体的拟合参数如下：Algorithms:麦夸特法(Levenberg-Marquardt)+通用全局优化法RootofMeanSquareError(RMSE):7482.2268891114SumofSquareError(SSE):7165916060.17813CorrelationCoef.(R):0.973447434289781R-Square:0.947599907325358DeterminationCoef.(DC):0.94759989140366从上面数据可以看出，相关系数R值为0.973，相较第一次拟合的0.960提升相关性，可以说，拟合也优于第一次的数据拟合。什么是相关系数？样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。相关系数又称皮（尔生）氏积矩相关系数，说明两个现象之间相关关系密切程度的统计分析指标。相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关；γ的绝对值越大，相关程度越高。两个现象之间的相关程度，一般划分为四级：两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。通常|r|大于0.75时，认为两个变量有很强的线性相关性。所以本课题最终拟合的相关系数R为0.973，对于我们目前作为指导运行来说，应当已经满足需求了。要提高相关系数，就要提高拟合精度，也就需要提高数据处理能力，更重要的还是增加数据收集量，所以本课题可以说是为供冷量需求模型验证了可行性，通过后期的不断投入，真正的供冷负荷预测是完全可以实现的。下图为拟合后Z值也就是供冷量函数计算值与实际散点之间的关系，可以看出拟合解析式能够基本涵盖我们实际运行时的散点，绝对的覆盖也是不现实的，图21拟合函数点-线图图22残差图评价拟合好坏最直观的方法就是参考其残差图。残差图是指以残差为纵坐标，以任何其他指定的量为横坐标的散点图。如在分析测试中常用的散点图是以自变量为横坐标的残差图。可用它来检查回归线的异常点。残差图以回归方程的自变量为横坐标，以残差为纵坐标，将每一个自变量的残差描在该平面坐标上所形成的图形。当描绘的点围绕残差等于0的直线上下随机散布，说明回归图形对原观测值的拟合情况良好。否则，说明回归图形对原观测值的拟合不理想。如果残差图中各点的值差别比较大，说明回归曲线方程与实际值之间差别也比较大。也可以说，残差图的波动幅度，反映了回归方程与实际值之间的差别程度。误差分析本课题的研究意义就是希望能够指导我们的开停机运行，下图是目前能源中心的开机策略简图：图23开机策略上图中★代表冷机运行的时段,按照最大制冷量及实际情况对冷机的开机时段进行了划分,共有以上六种运行模式。目前我们的供冷运行模式主要是通过谷值电价进行蓄冷，也就是夏季时段的22:00至次日早晨6:00，通过课题的模型预估，能够合理利用平价电时段，由于之前缺乏负荷预估的机制，大多靠值班长和调度运行人员的经验做出判断。我们希望能够通过课题模型研究来完善开停机策略，主要思路是以谷值蓄冷为主，当负荷增加时则增加平值时段增加蓄冷时长，随着负荷不断增加再配合平值时段的联合供冷模式进行供冷。尽可能在保障供冷质量的前提下，避免峰值时段开机，合理控制运行成本，这就是设定开机策略的目的。考虑到模型建立初期，仍有一定的误差率，但是对于运行人员来说，供冷量的误差概念是模糊的，所以我们觉得应当以时间来作为单位，也就是以我们能源中心8台冷冻机，每台每小时1900RT制冷量为比较对象，模型计算值与实际采集数值之间的绝对误差，相当于8台冷冻机运行多少时间作为比较。这样可以让运行操作人员直观的了解到按照模型计算值进行提前开停机大致的时间误差范围是多少。表3误差分析实际供冷量计算供冷量误差率绝对误差误差时间（分钟）125496.0023022.90-9.70%-2473.10-10232885.0023179.16-29.51%-9705.84-38333997.0023228.38-31.68%-10768.62-43422548.0023206.232.92%658.233528360.0023458.78-17.28%-4901.22-19636088.5023619.17-34.55%-12469.33-49739779.0039392.34-0.97%-386.66-2825344.0030025.9218.47%4681.9218936256.0030723.16-15.26%-5532.84-221041008.0031999.48-21.97%-9008.52-361131073.0032350.084.11%1277.0851238266.0038320.400.14%54.4001341154.0044545.498.24%3391.49131442578.0038439.33-9.72%-4138.67-161540730.0039328.31-3.44%-1401.69-61642092.0039721.24-5.63%-2370.76-91733778.0040674.6220.42%6896.62271835565.0040877.6114.94%5312.61211938924.0041810.597.42%2886.59112035202.0042086.8619.56%6884.86272141935.0043060.222.68%1125.2242239703.0043854.4910.46%4151.49162341593.0046474.0911.74%4881.09192446498.0050129.787.81%3631.78142549963.0051887.803.85%1924.8082654943.0055856.431.66%913.4342756074.0060298.217.53%4224.21172834502.0031416.71-8.94%-3085.29-122941630.0046806.2912.43%5176.29203054184.0049175.54-9.24%-5008.46-203145941.0051418.1411.92%54770053383.9611.95%5697.96223366852.0064308.92-3.80%-2543.08-103464900.0065304.640.62%404.6423531785.0044557.2140.18%12772.21503641518.0049042.8718.12%7524.87303748340.0052511.998.63%4171.99163836342.0054833.6550.88%18491.65733944433.0055223.4124.28%10790.41434052684.0057734.709.59%5050.70204155468.0060244.728.61%4776.72194265152.0062017.85-4.81%-3134.15-124369824.5066265.39-5.10%-3559.11-144474928.0068730.04-8.27%-6197.96-244573040.0073225.320.25%185.3214681578.0075110.34-7.93%-6467.66-264755748.0055222.81-0.94%-525.19-24865670.0058312.53-11.20%-7357.47-294956152.0061228.879.04%5076.87205058370.0070382.7020.58%12012.70475170903.0074933.355.68%4030.35165268506.0064892.50-5.27%-3613.50-145374726.0066663.93-10.79%-8062.07-325481234.0070302.12-13.46%-10931.88-435579046.0075677.55-4.26%-3368.45-135676032.0076406.780.49%374.7815764292.0079451.5723.58%15159.57605896552.0080241.60-16.89%-16310.40-645997058.0081849.17-15.67%-15208.83-606089604.0083484.06-6.83%-6119.94-246165262.0073033.8111.91%7771.81316271075.0075943.186.85%48685077439.84-0.77%-604.66-26488174.0087118.16-1.20%-1055.84-46578346.0088804.9913.35%10458.99416678364.0076976.08-1.77%-1387.92-56768987.0077826.9412.81%8839.94356876129.0084871.0711.48%8742.07356984857.5085784.941.09%927.4447091084.0086705.62-4.81%-4378.38-177188068.0088564.330.56%496.3327292492.0089500.32-3.23%-2991.68-1273100444.5091378.83-9.03%-9065.67-367496708.0095111.48-1.65%-1596.52-675104550.0096027.10-8.15%-8522.90-347696356.0096930.930.60%574.9327789971.0097820.518.72%7849.51317896492.0098693.352.28%2201.3597994970.0099547.024.82%4577.021880107122.00100379.19-6.29%-6742.81-278194716.00101187.656.83%6471.652682105406.0092944.93-11.82%-12461.07-498395872.0095160.58-0.74%-711.42-384105093.0096271.12-8.39%-8821.88-3585104622.0097380.42-6.92%-7241.58-2986102021.6798485.86-3.47%-3535.81-148796326.0099584.543.38%3258.541388112863.33101748.93-9.85%-11114.41-4489104888.00103846.51-0.99%-1041.49-490111733.00104861.35-6.15%-6871.65-2791106243.00105848.77-0.37%-394.23-29287029.0095478.319.71%8449.31339397332.0096811.97-0.53%-520.03-29498805.5098156.89-0.66%-648.61-395101184.0099511.07-1.65%-1672.93-796106192.00102236.94-3.72%-3955.06-1697102184.67103602.351.39%1417.68698111480.00104964.45-5.84%-6515.55-2699107456.20106318.97-1.06%-1137.23-4100108642.67107661.21-0.90%-981.45-4101106387.50108986.152.44%2598.6510102109051.43110288.441.13%1237.025103105772.00111562.565.47%5790.562310496444.00112802.8316.96%16358.8365105106814.00115159.277.81%8345.2733106101216.00105089.943.83%3873.9415