| 主权项 |
一种工业现场设备能效评估方法，其特征在于：包括如下步骤：(1)观察能效：查看设备铭牌，根据设备的型号及出厂额定功率η<sub>N</sub>，查看此类别设备的国家标准能效限定值及能效等级标准，判断该设备是否属于国家规定的高效设备；若判断为高效设备，则进入步骤(2)；若判断为非高效设备，则根据当前市场价格对设备的节能改造或者替代更新进行经济性评估，确定设备的简易投资回收期t<sub>r</sub>，如果t<sub>r</sub>>t<sub>l</sub>，则对设备进行节能改造或者替代更新，形成设备的能效评估报告；其中t<sub>r</sub>为设备节能改造或者替代更新的简易投资回收期，t<sub>l</sub>为设备的平均寿命，t<sub>r</sub>和t<sub>l</sub>的单位均为年；(2)测量能效：根据具体设备的不同，测量能力和测量环境的差异，依据下述方法为设备选择步骤(3)、步骤(4)、步骤(5)或者步骤(6)中的一种能效评估方法，对设备的能效测点进行布置，采集数据，并对数据进行预处理，剔除坏数据；若工业现场可以在线直接测量设备的输出功率P<sub>out</sub>，或者可以通过测量精确计算输出功率P<sub>out</sub>＝f<sub>1</sub>(λ<sub>1</sub>,λ<sub>2</sub>...λ<sub>n</sub>)的参数λ<sub>1</sub>,λ<sub>2</sub>...λ<sub>n</sub>，则采用步骤(3)中的精确能效评估方法进行设备的能效评估，其中λ的下标n为计算设备输出功率P<sub>out</sub>时所需要参数的个数；若工业现场不能测量出设备的输出功率，但是可以在线测量国家标准中规定的计算该类设备效率η＝f<sub>2</sub>(α<sub>1</sub>,α<sub>2</sub>...α<sub>n</sub>)的全部参数α<sub>1</sub>,α<sub>2</sub>...α<sub>n</sub>，则采用步骤(4)中的准确能效评估方法进行设备的能效评估，其中α的下标n为计算设备效率η时所需要参数的个数，即采用准确能效评估方法进行设备的能效评估所需要的参数的个数；若设备的输出功率可以测量但是不能在线测量，或者表征设备效率的参数全部可以测量但是不能在线测量，则采用步骤(5)中的概率能效评估方法进行设备的能效评估；若设备的输出功率不可测量，表征设备效率的参数不可全部测量或不可测量，则采用步骤(6)中的能效估算方法进行设备的能效评估；(3)精确能效评估：首先通过在线直接测量设备的输出功率P<sub>out</sub>，或者通过测量精确计算输出功率的参数λ<sub>1</sub>,λ<sub>2</sub>...λ<sub>n</sub>，结合在线测量设备的输入电功率P<sub>in</sub>计算设备的在线能效η：<img file="FDA0000535717130000011.GIF" wi="1311" he="167" />然后根据在线能效η，形成设备的能效评估报告；(4)准确能效评估：根据设备类别，查询国家标准中关于该类设备能效的试验方法，获取设备能效的计算公式，及所需参数α<sub>1</sub>,α<sub>2</sub>...α<sub>n</sub>的测量方法，在线测量所述参数，根据国家标准中的公式计算设备的在线能效η：η＝f<sub>2</sub>(α<sub>1</sub>,α<sub>2</sub>...α<sub>n</sub>)然后根据在线能效η，形成设备的能效评估报告；(5)概率能效评估：通过现场测试，采集可以计算出输出功率P<sub>out</sub>的参数λ<sub>1</sub>,λ<sub>2</sub>...λ<sub>n</sub>，或者采集表征设备效率的全部参数α<sub>1</sub>,α<sub>2</sub>...α<sub>n</sub>，将参数统一表示为η＝f<sub>3</sub>(ξ<sub>1</sub>,ξ<sub>2</sub>...ξ<sub>n</sub>)，其中ξ的下标n为统一参数表示时所需要参数的个数；根据步骤(3)或步骤(4)中的方法计算出对应参数(ξ<sub>1i</sub>,ξ<sub>2i</sub>...ξ<sub>ni</sub>)时的设备效率η<sub>i</sub>，形成用于神经网络训练用的数据源(ξ<sub>1i</sub>,ξ<sub>2i</sub>...ξ<sub>ni</sub>,η<sub>i</sub>)；根据设备现场采集参数的能力，排除不可在线测量的(n‑m)个参数(ξ<sub>m+1</sub>...ξ<sub>n</sub>)，形成用于神经网络训练用的k组数据对{(ξ<sub>11</sub>,ξ<sub>21</sub>...ξ<sub>m1</sub>,η<sub>1</sub>),(ξ<sub>12</sub>,ξ<sub>22</sub>...ξ<sub>m2</sub>,η<sub>2</sub>),...(ξ<sub>1k</sub>,ξ<sub>2k</sub>...ξ<sub>mk</sub>,η<sub>k</sub>)}；进行BP人工神经网络的训练，确定神经网络的权值、阈值以及神经网络模型的误差e；通过在线测量(ξ<sub>1</sub>,ξ<sub>2</sub>...ξ<sub>n</sub>)，输入到已经训练完成的人工神经网络模型，得出设备的能效η以及对应的误差e，形成设备能效评估报告；(6)能效估算：根据设备铭牌上的出厂额定功率η<sub>N</sub>，现场观察或者测量设备的某一特征量，将此特征量区间划分为五档，由高至低依次为：很好档，分值λ＝1；正常档，分值λ＝0.8；一般档，分值λ＝0.6；差档，分值λ＝0.4；较差档，分值λ＝0.2；根据设备当前所属状态，确定λ值，最终计算出设备的估算能效η：η＝λ·η<sub>N</sub>然后根据估算能效η，形成设备的能效评估报告。 |
