臺灣博碩士論文加值系統

依能源局資料，空調耗能佔整體建築物能耗的40%以上，而冰水主機的能耗又約佔空調系統能耗的50~60%，因此，如何減少冰水主機不必要的能源消耗，使得能源得以有效運用是件相當重要與迫切的研究課題。長久以來，中央空調系統運轉人員均以外氣溫度及以往操作經驗，決定冰水主機開機組合；除了夏季白天因負載量大時，需開啟全部主機外，夜間及其他季節低負載時段，均由運轉人員自行判斷開機組合，是否達到最佳運轉效率，並無真正可靠數據可解讀與分析。本研究利用R語言軟體配合隨機森林套件，針對北部某建築物之中央空調系統之冰水主機實際運轉數據，建立模型與性能評估後，在不同的溼球溫度區間與趨近溫度的設定下，分析出最佳開機組合並評估冰水主機後續的操作策略，依不同的溼球溫度區間計算，於冷凍噸數200~400 RT及2000~2200 RT，節能率可達3.40~20.62%，此結果證明冰水主機開機操作策略的重要性，此技術若能深根發展，除可提供運轉人員真正操作策略外，亦可真正降低本國能源的使用。

According to the Energy Bureau of the Ministry of Economic Affairs, air-conditioning energy consumption accounts for more than 40% of the energy consumption of the entire building, and the energy consumption of chiller plant accounts for about 50 to 60% of the energy consumption of air-conditioning systems. Therefore, how to reduce the need for chiller plant is unnecessary. The energy consumption has made the effective use of energy a very important and urgent research topic. For a long time, the operating personnel of the central air-conditioning system have determined the start-up combination of the chiller and the previous operating experience. However, in addition to the large summer load during the daytime, all chiller need to be turned on, and during the night and other seasons, the load is low. It is up to the operator to judge the start-up combination and whether it has achieved the best operating efficiency. There is no real reliable data to interpret and analyze. In this study, R software was used in conjunction with the Random Forests package to simulate the actual operating data of the chiller in a central air-conditioning system in a northern building. After the model and performance evaluation were established, the wet-bulb temperature range and approach temperature were set. Analyze the optimal start-up combination and evaluate the follow-up operation strategy of the ice-water master. Calculate the wet-bulb temperature range according to the different loading 200~400 RT and 2000~2200 RT. The energy-saving rate can reach 3.40(2000~2200 RT)~20.62%(200~400 RT). The results prove the importance of chiller start-up operation strategies. If this technology can be deeply rooted, besides providing real operational strategies for operating personnel, it can also truly reduce the use of domestic energy sources.

摘要 i
Abstract ii
誌謝 iv
目錄 v
圖目錄 vii
表目錄 ix
1. 第一章 緒論 1
1.1 前言 1
1.2 研究動機、目的與目標 2
1.2.1 動機 2
1.2.2 目的 3
1.2.3 目標 3
1.3 文獻回顧 4
1.3.1 冰水主機性能分析文獻回顧 4
1.3.2 隨機森林演算法文獻回顧 5
1.4 研究流程 6
2. 第二章 理論分析 8
2.1 中央空調系統架構 8
2.2 冰水主機系統基本構造 10
2.3 離心式冰水主機 10
2.4 多部冰水主機系統 11
2.5 冰水主機性能表示 13
2.6 空調系統節能效益之量測與驗證方法 15
2.6.1 收集改善前冰水主機量測數據 15
2.6.2 改善後冰水主機量測數據 15
2.6.3 建立改善前冰水主機性能方程式 15
2.6.4 改善後冰水主機節能效益計算 17
3. 第三章 研究方法 18
3.1 機器學習 18
3.2 隨機森林 19
3.3 研究工具：R語言與隨機森林模型 23
4. 第四章 實證分析 26
4.1 資料前處理 26
4.2 冰水主機負載與溼球溫度區間 28
4.3 隨機森林分析結果 35
4.3.1 CASE 1：200~400 RT/Twb 19~21 ℃ 35
4.3.2 CASE 2：200~400 RT/Twb 21~23 ℃ 37
4.3.3 CASE 3：200~400 RT/Twb 23~25 ℃ 38
4.3.4 CASE 4：200~400 RT/Twb 25~27 ℃ 40
4.3.5 CASE 5：200~400 RT/Twb 27~29 ℃ 41
4.3.6 CASE 6：2000~2200 RT/Twb 25~27 ℃ 42
4.3.7 CASE 7：2000~2200 RT/Twb 27~29 ℃ 43
4.4 最佳開機組合分析彙總 44
5. 第五章 結論與建議 46
5.1 結論 46
5.2 建議 47
參考文獻 48

[1] 經濟部能源局網站，105年能源統計手冊，
https://www.moeaboe.gov.tw/ecw/populace/content/SubMenu.aspx?menu_id=5427
[2] 能源資訊網，2017年非生產性質行業能源查核年報，
http://www.ecct.org.tw/Knowledge/knowledge_more?id=c9c4ba0635464429bf1386363b33520d
[3] YanJunwei, ChenCheng, PanDongmei, ZhouXuan, “A numerical study on the optimization method to optimize the cooling load sharing for a multi-chiller system in a shopping mall ” , Energy Procedia, vol.142, pp. 1977-1984,2017.
[4] Yik, F.H.W., Lam, V.K.C., “Chiller model for plant design studies ” , Building Services Engineering Research and Technology, vol.19, no.4, pp.233-242, 1998.
[5] A. Beghi, L. Cecchinato, G. Cosi, M. Rampazzo, “A PSO-based algorithm for optimal multiple chiller systems operation”, Applied Thermal Engineering, Vol. 32, 2012, pp.31–40.
[6] Sreedharan, P., and Haves, P., “Comparison of Chiller Models for Use in Model-Based Fault Detection,” Lawrence Berkeley National Laboratory, no. LBNL-48149, 2001.
[7] 徐維志，2015，以隨機森林為模式之美金/歐元匯率交易預測研究，碩士論文輔仁大學統計資訊學系。
[8] 郭家妏，2014，隨機森林在河川水位即時預報之應用，，國立成功大學水利及海洋工程研究所。
[9] 郭佩棻、周文生、徐晨剛、闞迺璇，「以資料探勘技術建構巨觀酒駕肇事預測模型」，105年道路交通安全與執法研討會，中央警察大學，105年9月29日。
[10] 牟雪娣、何丹妮、關馨、唐國議、歐陽慧，基於時間序列和隨機森林的機場客流量預測，http://person.zju.edu.cn/fck_filebrowser.php?cmd=download&id=709987
[11] 趙李英記，隨機森林運用於白血病基因分類。第九屆知識社群國際研討會，台北市，2013年6月1日。
[12] 謝忠和，2012，以機器學習技術改造傳統臨床決策輔具工具─應用隨機森林、支援向量機器與類神經網路於急性闌尾炎診斷與乳癌風險評估，博士論文，國立陽明大學生物醫學資訊研究所。
[13] ASHRAE Handbook System and Equipment, SI ed.,“Liquid Chilling System”,Inc.,chapter 38, 2000.
[14] 經濟部能源局，空調系統能源查核與節約能源案例手冊。