3. 设备能耗特性建模基础

要对高耗能设备做运行策略优化，第一步不是调参数，而是把“能耗随什么变化”这件事说清楚。设备能耗特性建模，本质上是建立一个从可控变量（负荷、转速、启停方式）和不可控变量（环境温度、湿度、来料条件）到能耗指标（功率、单位产品能耗、效率）的映射关系。只有这个映射足够可信，后续的优化算法才知道往哪个方向调、能调多少、调了之后能耗会怎么变。

一、能耗与负荷的关系：非线性是常态

负荷是最主要的能耗影响因素。以电机拖动类设备为例，轴功率与转速近似满足相似定律：流量与转速成正比，扬程与转速平方成正比，轴功率与转速三次方成正比。这意味着把转速降到 80%，理论轴功率只剩约 51%。但这条关系只在相似工况下成立，实际设备还叠加了变频器损耗、机械损耗和最低转速限制。

更常见的是“负荷—能耗”曲线呈现明显的非线性与分段特征。以一台 75 kW 空压机为例（示例参数，非实测）：

可以看到，负载率从 100% 降到 30%，输入功率只降了约 49%，但比功率上升了 71%。这说明低负载运行并不等于低能耗，单位产出的能耗反而恶化。建模时必须把“绝对能耗”和“单位能耗”区分开，否则优化目标会选错。

二、工况与环境参数的影响

工况指设备当前所处的运行状态组合，例如空压机的加载/卸载/待机、锅炉的高火/低火/停炉、制冷机组的定频/变频。不同工况下，同一负荷对应的能耗可能相差很大。环境参数则通过热力学边界条件影响能耗：环境温度每升高 1℃，空冷式冷凝器的冷凝压力上升，制冷压缩机功耗约增加 2%～3%；对空压机而言，进气温度升高会降低实际产气量，间接抬高比功率。

因此，一个可用的能耗模型至少应包含三类输入：负荷类变量（流量、转矩、产量）、工况类变量（运行模式、启停状态）、环境类变量（温度、湿度、压力）。忽略环境项，模型在冬夏两季会出现系统性偏差。

三、机理模型与数据驱动模型的选择

机理模型从能量守恒、热力学定律、电机等效电路出发，用公式描述能耗。它的优点是外推能力强、参数有物理意义、小样本即可建立；缺点是高耗能设备往往结构复杂，精确机理模型难以获取，且部分参数（如摩擦系数、换热系数）随运行时间漂移。

数据驱动模型用回归、神经网络、梯度提升树等方法从历史数据中拟合映射关系。它的优点是能捕捉未建模的非线性与耦合，实施门槛低；缺点是需要足够覆盖各种工况的数据，外推能力弱，且容易把“相关”当成“因果”。

四、建模流程与结果判断

无论选哪条路线，建模都遵循相似闭环：确定能耗指标口径 → 选取输入变量 → 采集或构造样本 → 拟合/标定参数 → 用独立数据验证 → 判断是否满足精度要求。验证时不能只看整体 R²，还要看分区误差：高效区、低负载区、极端环境区的误差是否都在可接受范围。若低负载区误差偏大，说明模型没有抓住卸载能耗或效率拐点，需要补充工况变量或分段建模。

下面这张图给出本节的核心关系：负荷、工况、环境三类输入如何共同作用于能耗，以及机理模型与数据驱动模型在建模链路中的分工与融合位置。

实际建模时，建议先用机理模型给出能耗的基准量级和趋势，再用运行数据拟合修正项。例如空压机比功率可写成“理论等温功率 + 机械损耗项 + 环境修正项”，其中机械损耗项和环境修正项由数据标定。这样既保留了物理可解释性，又能吸收实际设备的个体差异。判断模型是否可用，关键看它在优化将要触及的工况区间内误差是否足够小，而不是全工况平均精度有多高。