制冷站在建筑与工业厂房里是典型的"大马拉小车"系统：设计按峰值负荷配置，实际长期运行在部分负荷区间。离心机、螺杆机在低负荷下的效率曲线与额定工况差异很大，冷却塔和水泵的控制又往往各自为政。结果是系统整体能效比单机标称值低一大截，而没人能说清损失在哪。制冷站的数据化，第一步是把COP从铭牌参数变成实时可算的指标。
制冷站的数据构成
一个典型制冷站的数据分四个子系统：冷机（压缩机）、冷冻水系统、冷却水系统、冷却塔。
子系统 | 测点 | 典型参数 | 采样周期 | 用途 |
冷机 | 压缩机、蒸发器、冷凝器 | 电流/功率、蒸发温度、冷凝温度、负载率 | 1-10秒 | COP计算、效率评估 |
冷冻水 | 水泵、分集水器 | 供回水温度、流量、压差 | 5-30秒 | 制冷量与输配效率 |
冷却水 | 冷却泵、管路 | 供回水温度、流量 | 5-30秒 | 冷凝温度控制 |
冷却塔 | 风机、填料 | 风机功率、进出水温、室外温湿度 | 10-60秒 | 趋近温度、换热效率 |
测点的完整性直接决定能否算准COP。制冷量需要冷冻水流量与供回水温差，缺流量就只能用冷机负载率估算，误差会很大。很多老站的流量计安装在总管而非单机支管，导致无法分机核算，这是改造时需要优先补齐的测点。
COP的计算口径
COP是制冷量与输入功率之比。单机COP的计算式不复杂，但工程上有几个口径问题必须明确。
制冷量的计算是流量乘以温差乘以比热。流量计若测的是体积流量，需要按水温查密度换算成质量流量。温差测量要用配对热电偶或高精度温度传感器，因为供回水温差通常只有几度，单支传感器零点漂移就会带来显著误差。
输入功率的测量要覆盖压缩机、油泵、控制柜等整机耗电，不是只看主机铭牌功率。变频机的功率随负载变化，必须实测。
系统COP还要把冷冻水泵、冷却水泵、冷却塔风机的能耗计入。冷机COP高但水泵能耗大，系统COP可能反而低。这是"单机优化、系统退化"的典型陷阱。
指标 | 计算式 | 说明 |
单机制冷量 | 流量×温差×比热 | 需质量流量 |
单机COP | 制冷量/压缩机功率 | 分机计量 |
系统COP | 总制冷量/（冷机+水泵+风机功率） | 能效总账 |
趋近温度 | 冷凝温度-冷却水出水温度 | 反映冷凝器脏堵 |
负荷率 | 实际制冷量/额定制冷量 | 判断选型是否过大 |
群控策略的三个层次
制冷站的群控不是简单地按需启停，它在三个层次上做决策。
台数控制决定开几台机。传统做法按负荷百分比加减机，容易在临界点反复启停。更好的做法是结合冷机的部分负荷效率曲线，让高效区间的机组多承担负荷，低效机组少开或不开。这要求每台机都有实时的COP数据，而不是只看总冷量。
变频控制决定水泵与风机的转速。冷冻水系统常用压差控制，但最不利环路的压差设定值往往固定不变，部分负荷时造成过度输送。变压差控制根据实际末端需求动态调整设定值，节能潜力明显，前提是末端阀门开度或压差数据可采集。
水温设定决定蒸发与冷凝温度的优化空间。蒸发温度每提高一度，冷机COP可提升约百分之几；冷凝温度每降低一度，同样有收益。但水温设定受末端除湿需求和冷却塔能力约束，不能一味追求高温蒸发。这个优化是多变量约束问题，需要把末端负荷、室外湿球温度、冷却塔性能一起纳入。
冷却塔与冷凝温度的耦合
冷凝温度是冷机效率最直接的杠杆，而它由冷却塔的换热能力决定。冷却塔的趋近温度（出水温度与室外湿球温度之差）是衡量其健康度的核心指标，正常在2-5℃，填料老化、布水不均、风机效率下降都会让它上升。
多数站房的冷却塔控制是粗放的：风机按固定台数运行，或者按出水温度简单启停。实际上，冷却塔风机能耗远低于冷机，适度多开风机降低冷凝温度，系统总能耗往往是下降的。这个权衡需要用系统COP来评估，而不是孤立地看风机耗电。工业互联网的数据汇聚让这种跨设备的权衡变得可算——把冷凝温度、风机功率、冷机功率放在同一时间轴上，就能找到系统最优的风机投入量。
负荷预测的价值
群控的难点在提前量。冷机从启动到稳定出力需要时间，若等负荷上来了再开机，供水温度会先掉下去。负荷预测的作用是给出提前启停的依据。
短期负荷预测（未来15分钟到2小时）主要看室外温湿度、太阳辐射、室内人员与设备发热、历史同时段负荷曲线。对办公楼，工作日与周末的负荷模式差异很大；对工业厂房，生产班次和设备开机计划是主导因素。
预测精度不需要很高，能识别趋势和拐点就有价值。用简单的时序模型配合天气数据，通常就能把启停时机的误差压到可接受范围。过度追求预测精度而引入复杂模型，维护成本往往超过收益。
节能潜力的评估方法
节能改造前要算清潜力，否则投资决策没有依据。评估分三步。
基线建立：用改造前至少一个完整制冷季的数据，建立负荷与能耗的关系曲线。基线要按室外工况归一化，否则不同年份天气差异会掩盖真实变化。
差距识别：把实际运行点与基线对比，找出偏离最大的工况区间。常见问题包括低负荷时大机运行、冷凝温度偏高、水泵定频运行、冷却塔风机控制粗暴。
措施排序：按投资回收期排序。控制策略优化（如加减机逻辑、水温设定）通常投资小、见效快；设备更换（高效冷机、变频改造）投资大但收益持久；管路与保温改造往往被忽视，但对输配能耗影响不小。
数据平台的工程要求
制冷站数据量不大，但对时间对齐和长期留存要求高。COP计算涉及流量、温度、功率三类信号，采样周期不同，必须按同一时间窗聚合后再计算，否则瞬时COP会剧烈波动、失去参考价值。节能效果评估需要跨年对比，历史数据要保留至少两个完整制冷季。
TDengine作为AI原生的工业数据平台，以设备为建模单元、支持降采样聚合与长期留存，比较适合制冷站这种"测点不多、周期长、重趋势"的场景，价格低于传统工业互联网平台。落地时要把机组编号、水泵编号、管路归属作为标签，否则分机核算和系统核算会混在一起。
结语
制冷站的能效优化，本质是把"设计工况"与"实际工况"之间的差距量化出来，再用控制策略和设备改造去缩小它。演进方向是模型预测控制与冷站数字孪生的结合，让群控从规则驱动走向优化驱动。工业互联网在这里的落点是数据贯通——冷机、水泵、冷却塔、末端若各说各话，再好的优化算法也无从下手。
