CN104089362A - 一种中央空调冷却水系统冷却效率极大化方法及控制装置 - Google Patents
一种中央空调冷却水系统冷却效率极大化方法及控制装置 Download PDFInfo
- Publication number
- CN104089362A CN104089362A CN201410244377.1A CN201410244377A CN104089362A CN 104089362 A CN104089362 A CN 104089362A CN 201410244377 A CN201410244377 A CN 201410244377A CN 104089362 A CN104089362 A CN 104089362A
- Authority
- CN
- China
- Prior art keywords
- cooling water
- cooling
- water pump
- cooling tower
- switch board
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000498 cooling water Substances 0.000 title claims abstract description 167
- 238000001816 cooling Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000005494 condensation Effects 0.000 claims abstract description 50
- 238000009833 condensation Methods 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000005057 refrigeration Methods 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 230000007935 neutral effect Effects 0.000 claims description 18
- 238000004378 air conditioning Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 5
- 210000005036 nerve Anatomy 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及中央空调系统节能领域，旨在提供一种中央空调冷却水系统冷却效率极大化方法及控制装置。本发明包括冷却水泵控制柜、冷却塔控制柜、主控制器和信息采集模块；所述信息采集模块、冷却水泵控制柜和冷却塔控制柜分别通过信号线与主控制器双向连接，实现数据传递与信号控制；所述冷却水泵控制柜包括冷却水泵智能控制器，且冷却水泵智能控制器上设有通讯端口；所述冷却塔控制柜包括冷却塔智能控制器，且冷却塔智能控制器上设有通讯端口。本发明的有益效果是：根据不同负荷、不同室外湿球温度下的最佳冷凝温度对冷却水系统进行动态调节，且基于神经网络的自组织模糊控制方式与模糊控制相比，改善了动态性能，更能紧跟目标值。
Description
技术领域
本发明涉及中央空调系统节能领域，特别涉及一种中央空调冷却水系统冷却效率极大化方法及控制装置。
背景技术
在中央空调系统节能领域中，有相当一部分人认为与冷冻水系统相比，冷却水系统内冷却水泵和冷却塔风机进行变频节能会引起制冷主机的效率下降，从而造成制冷主机的能耗上升，是件得不偿失的事。所以中央空调系统节能基本会围绕冷冻水系统进行改造。但是越来越多的研究指出，尽管冷却水系统的节能率比不上冷冻水系统，却仍有节能空间。
在冷却水系统节能中，大致有3种方法，1)根据设定的冷却塔出水温度模糊控制冷却塔风机台数和频率；根据设定的冷却水供回水温差模糊控制冷却水泵的台数和频率；2)根据不同工况下，最佳制冷主机效率对应的最佳冷却水入口温度控制冷却水泵和冷却塔风机的台数和频率；3)根据不同工况下，制冷主机和冷却水泵功率总和的最低值对应的最佳冷凝压力，控制冷却水泵和冷却塔风机的台数和频率。
其中，第1种方法基于不变的设定值进行模糊控制，因而无法达到真正的冷却水系统节能；第2种方法考虑了冷却水系统节能对制冷主机的影响，但却仅仅关注最佳的主机效率，忽略了冷却水泵和冷却塔风机功耗；第3种方法仅考虑了冷却水系统中的制冷主机和冷却水泵，忽略了冷却塔风机功耗。因而中央空调冷却水系统节能必须从冷却水系统综合能效最优的方向，即冷却效率极大化进行控制。
发明内容
本发明要解决的技术问题是，克服现有技术中的不足，提供一种中央空调冷却水系统冷却效率极大化方法及控制装置。
为解决技术问题，本发明的解决方案是：
提供一种中央空调冷却水系统冷却效率极大化方法，包括如下步骤：
步骤A：最佳冷凝温度算法：在不同的中央空调系统负荷和室外湿球温度下，不同的冷凝温度对应不同冷却水系统功率值；因而存在一个最佳冷凝温度，使冷却水系统的运行功率达到最低，用下式计算冷却水系统功率：
N＝f(tc，Q，ts)，
式中，N为运行的制冷机组功率N1、冷却水泵功率N2、冷却塔风机功率N3的和，单位符号为kW；tc为冷凝温度，单位符号为℃；Q为中央空调系统负荷值，单位符号为kW；ts为室外湿球温度，单位符号为℃；
首先，根据制冷机组的设计参数，确定蒸发温度在温度区间7℃～15℃内情况下，当冷凝温度tc不同时，不同中央空调系统负荷值Q下的制冷机组功率N1，即N1＝f1(tc，Q)；
其次，根据冷却水泵特性曲线，计算出不同冷却水流量G下的冷却水泵功率N2，即N2＝f2(G)；
然后，根据在不同室外湿球温度ts下的冷却塔特性曲线，在冷却量Q冷却下，计算出不同冷却水流量G和冷凝温度tc下，所需消耗的冷却塔风机功率N3；其中冷却量Q冷却为中央空调系统负荷值Q与制冷机组功率N1的和，即Q冷却＝Q+f1(tc，Q)，则N3＝f3(ts，tc，Q，G)，其中冷却量Q冷却和冷却水流量G的单位符号分别为kW、m3/h；
最后，计算出在上述室外湿球温度ts、负荷量Q下，不同冷却水流量G和冷凝温度tc搭配，所需的制冷机组功率N1、冷却水泵功率N2、冷却塔风机功率N3的和N，获得N最小时的冷凝温度tc；
因此，根据以上计算结果数据，进行二次多项式回归获得N＝f(tc，Q，ts)，则当室外湿球温度ts和中央空调系统负荷值Q已知时，偏导计算出最低冷却水系统功率N对应的最佳冷凝温度；
步骤B：冷却水系统基于BP神经网络的自组织模糊控制：其中包括
(1)初始模糊控制规则的离线BP神经网络训练：
首先，将初始的冷却水系统模糊控制规则进行离线BP神经网络学习训练；当所述BP神经网络的最大相对误差的绝对值不超过0.2时，即BP神经网络性能满足控制要求；
(2)数据采集、处理：
通过传感器采集实时室外湿球温度，能量表采集中央空调系统实时负荷值，通过步骤A的最佳冷凝温度算法计算获得最佳冷凝温度，并将其作为冷凝温度的设定温度；通过水温传感器采集实时的冷却水供、回水温度，计算实时冷凝温度，最后计算出冷凝温度偏差和偏差变化率；利用最大相对误差的绝对值不超过0.2的离线BP神经网络在线计算控制输出量；
(3)性能测量、增量处理、规则修正：
首先，对上述获得的冷凝温度偏差和偏差变化率利用性能判决表进行性能测量；其中性能判决表是通过利用梯度下降法构建模糊控制规则后进而构建，其设计原则是当冷凝温度偏差是负/正时，给定的修正增量为正/负，而修正增量的大小取决于当前偏差下的偏差变化率；具体操作方法如下：
1)对冷凝温度偏差E的模糊论域取八个语言值，为{NB,NM,NS,NO,PO,PS,PM,PB}；并分别给论域上的八个子集添加集注：-3,-2,-1,-0,+0,+1,+2,+3这八个整数；对偏差变化率EC和输出的冷却水流量G所对应的模糊论域取七个语言值，为{NB,NM,NS,ZO,PS,PM,PB}；分别给论域上的七个子集添加集注：-3,-2,-1,0,+1,+2,+3这七个整数；则每一个模糊变量所对应的论域表示：
E＝{NB-3,NM-2,NS-1,NO-0,PO+0,PS+1,PM+2,PB+3}，
EC＝{NB-3,NM-2,NS-1,ZO0,PS+1,PM+2,PB+3}，
G＝{NB-3,NM-2,NS-1,ZO0,PS+1,PM+2,PB+3}，
其中，NB,NM,NS,NO,ZO,PO,PS,PM,PB分别表示负大、负中、负小、负零、零、正零、正小、正中、正大；
2)利用函数计算输出的冷却水流量G所对应的模糊子集，其中sat(n，x)表示饱和函数，n＝3；
3)则修正增量r=k·f(E，EC)，其中k为比例因子，范围在(0，1)区间；
然后，通过提前修改BP神经网络的权值来修正初始设定的冷却水系统模糊控制规则，使输出的控制结果满足冷却水系统功率N最小的期望；
(4)输出处理：利用线性函数LM将神经网络的归一化输出映射到冷却水流量区间；最后计算出对应的冷却水泵和冷却塔风机的频率控制量。
本发明中，所述冷凝温度为制冷机组冷却水供、回水温度的平均值。
本发明中，还提供一种基于所述中央空调冷却水系统冷却效率极大化方法的控制装置，包括冷却水泵控制柜、冷却塔控制柜、主控制器和信息采集模块；所述信息采集模块、冷却水泵控制柜和冷却塔控制柜分别通过信号线与主控制器双向连接，实现数据传递与信号控制；所述冷却水泵控制柜包括冷却水泵智能控制器，且冷却水泵智能控制器上设有通讯端口；所述冷却塔控制柜包括冷却塔智能控制器，且冷却塔智能控制器上设有通讯端口。
本发明中，所述信息采集模块的输入端包括铂电阻输入端、模拟量输入端和通讯接口，其中铂电阻输入端与安装在冷却水供水总管的温度传感器、冷却水回水总管上的温度传感器、室外湿球温度传感器相连，用于获取冷却水供回水温度、室外湿球温度；模拟量输入端与冷却水回水总管上的流量计连接，用于获取冷却水流量信息；通讯接口与冷冻水回水总管上能量表连接，用于获取负荷信息。
本发明中，所述冷却水泵智能控制器输入端口包含数字量输入端口、模拟量输入端口，其中数字量输入端口与冷却水泵控制柜内的水泵变频器和电表相连，用于采集水泵变频器的运行/故障信息和电表电量信息，模拟量输入端口与冷却水泵控制柜内的水泵变频器相连，用于采集变频器频率信息；所述冷却水泵智能控制器输出端口包含数字量输出端口和模拟量输出端口，其中数字量输出端口与冷却水泵控制柜面板上信号灯相连，用于向信号灯输出水泵变频器的运行/故障指令，模拟量输出端口与冷却水泵控制柜内的水泵变频器相连，用于向水泵变频器输出频率控制指令；
所述冷却水泵控制柜还安装有电表、开关电源、空气断路器和继电器，所述的空气断路器经开关电源连接至冷却水泵智能控制器。
本发明中，所述冷却塔智能控制器输入端口包含数字量输入端口、模拟量输入端口，其中数字量输入端口与冷却塔控制柜内的风机变频器和电表相连，用于采集风机变频器的运行/故障信号和电表电量信息，模拟量输入端口与冷却塔控制柜内的风机变频器、冷却塔进水管上的电动二通阀和旁通管上的电动二通阀相连，用于采集变频器频率信息和阀门的开度信息；所述冷却塔智能控制器输出端口包含数字量输出端口和模拟量输出端口，其中数字量输出端口与冷却塔控制柜面板上信号灯相连，用于向信号灯输出风机变频器的运行/故障指令，模拟量输出端口与冷却塔控制柜内的风机变频器冷却塔进水管上的电动二通阀和旁通管上的电动二通阀相连，用于向风机变频器输出频率控制指令、冷却塔电动二通阀开度控制指令和旁通管上的电动二通阀开度控制指令；所述冷却塔控制柜还安装有电表、开关电源、空气断路器和继电器，所述空气断路器经开关电源连接至冷却塔智能控制器。
与现有技术相比，本发明的有益效果是：
本发明根据不同负荷、不同室外湿球温度下的最佳的冷凝温度对冷却水系统进行动态调节，且基于神经网络的自组织模糊控制方式与单纯的模糊控制相比，改善了动态性能，更能紧跟目标值。确保当前工况下，冷却水系统消耗的功率最低，从而实现冷却效率极大化的目标。
附图说明
图1中央空调冷却水系统通讯原理图；
图2冷却水泵控制柜示意图；
图3冷却塔控制柜示意图；
附图标记：0、室外湿球温度传感器；1、制冷机组，2、冷却水泵，3、冷却塔，4、冷却塔风机，5、风机变频器，6、水泵变频器，7、冷却水供水温度传感器，8、冷却水回水温度传感器，9、流量计，10、能量表，11、电动二通阀，12、冷却塔电动二通阀，13、主控制器，14、冷却水泵智能控制器，15、冷却塔智能控制器，16、信息采集模块，17、冷却水泵控制柜，18、电表；19、开关电源；20、空气断路器；21、继电器；22、冷却塔控制柜。
具体实施方式
以下的实施例可以使本专业技术领域的技术人员更全面的了解本发明，但不以任何方式限制本发明。
本发明实施例提供一种中央空调冷却水系统冷却效率极大化方法，包括如下步骤：
步骤A：最佳冷凝温度算法：在不同的中央空调系统负荷和室外湿球温度下，不同的冷凝温度对应不同冷却水系统功率值；因而存在一个最佳冷凝温度，使冷却水系统的运行功率达到最低，用下式计算冷却水系统功率：
N＝f(tc，Q，ts)，
式中，N为运行的制冷机组功率N1、冷却水泵功率N2、冷却塔风机功率N3的和，单位符号为kW；tc为冷凝温度，单位符号为℃；Q为中央空调系统负荷值，单位符号为kW；ts为室外湿球温度，单位符号为℃；
首先，根据制冷机组的设计参数，确定蒸发温度在温度区间7℃～15℃内情况下，当冷凝温度tc不同时，不同中央空调系统负荷值Q下的制冷机组功率N1，即N1＝f1(tc，Q)；
其次，根据冷却水泵特性曲线，计算出不同冷却水流量G下的冷却水泵功率N2，即N2＝f2(G)；
然后，根据在不同室外湿球温度ts下的冷却塔特性曲线，在冷却量Q冷却下，计算出不同冷却水流量G和冷凝温度tc下，所需消耗的冷却塔风机功率N3；其中冷却量Q冷却为中央空调系统负荷值Q与制冷机组功率N1的和，即Q冷却＝Q+f1(tc，Q)，则N3＝f3(ts，tc，Q，G)，其中冷却量Q冷却和冷却水流量G的单位符号分别为kW、m3/h；
最后，计算出在上述室外湿球温度ts、负荷量Q下，不同冷却水流量G和冷凝温度tc搭配，所需的制冷机组功率N1、冷却水泵功率N2、冷却塔风机功率N3的和N，获得N最小时的冷凝温度tc；
因此，根据以上计算结果数据，进行二次多项式回归获得N＝f(tc，Q，ts)，则当室外湿球温度ts和中央空调系统负荷值Q已知时，偏导计算出最低冷却水系统功率N对应的最佳冷凝温度；
步骤B：冷却水系统基于BP神经网络的自组织模糊控制：其中包括
(1)初始模糊控制规则的离线BP神经网络训练：
首先，冷却水系统的模糊控制规则可根据经验编制或直接利用下表进行设置。将冷凝温度偏差E、冷凝温度偏差变化率EC和输出的冷却水流量G的实际论域通过量化因子转化到离散的模糊论域[-n,n]。其中E和EC的模糊论域为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}；G的论域为{-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7}。
然后，将此控制规则表中的182条规则形成182个样本，送入神经网络进行离线训练，当训练的BP神经网络与182个样本的最大相对误差的绝对值不超过0.2时，即表示训练结束，BP神经网络性能满足控制要求。
(2)数据采集、处理：
通过传感器采集实时室外湿球温度，能量表采集中央空调系统实时负荷值，通过步骤A的最佳冷凝温度算法计算获得最佳冷凝温度，并将其作为冷凝温度的设定温度；通过水温传感器采集实时的冷却水供、回水温度，计算实时冷凝温度，最后计算出冷凝温度偏差和偏差变化率；利用最大相对误差的绝对值不超过0.2的离线BP神经网络在线计算控制输出量；
(3)性能测量、增量处理、规则修正：
首先，对上述获得的冷凝温度偏差和偏差变化率利用性能判决表进行性能测量；其中性能判决表是通过利用梯度下降法构建模糊控制规则后进而构建，其设计原则是当冷凝温度偏差是负/正时，给定的修正增量为正/负，而修正增量的大小取决于当前偏差下的偏差变化率；具体操作方法如下：
1)对冷凝温度偏差E的模糊论域取八个语言值，为{NB,NM,NS,NO,PO,PS,PM,PB}；并分别给论域上的八个子集添加集注：-3,-2,-1,-0,+0,+1,+2,+3这八个整数。对偏差变化率EC和输出的冷却水流量G所对应的模糊论域取七个语言值，为{NB,NM,NS,ZO,PS,PM,PB}；分别给论域上的七个子集添加集注：-3,-2,-1,0,+1,+2,+3这七个整数。则每一个模糊变量所对应的论域表示：
E＝{NB-3,NM-2,NS-1,NO-0,PO+0,PS+1,PM+2,PB+3}，
EC＝{NB-3,NM-2,NS-1,ZO0,PS+1,PM+2,PB+3}，
G＝{NB-3,NM-2,NS-1,ZO0,PS+1,PM+2,PB+3}，
其中，NB,NM,NS,NO,ZO,PO,PS,PM,PB分别表示负大、负中、负小、负零、零、正零、正小、正中、正大。
2)利用函数计算输出的冷却水流量G所对应的模糊子集，其中sat(n，x)表示饱和函数，n＝3；
3)则修正增量r=k·f(E，EC)，其中k为比例因子，范围在(0，1)区间。
然后，通过提前修改BP神经网络的权值来修正初始设定的冷却水系统模糊控制规则，使输出的控制结果满足冷却水系统功率N最小的期望；
(4)输出处理：利用线性函数LM将神经网络的归一化输出映射到冷却水流量区间；最后计算出对应的冷却水泵和冷却塔风机的频率控制量。
本发明实施例中还提供一种基于中央空调冷却水系统冷却效率极大化方法的控制装置，包括冷却水泵控制柜17、冷却塔控制柜22、主控制器13和信息采集模块16。
所述信息采集模块16设有铂电阻输入端、模拟量输入端和通讯端口，其中铂电阻输入端与安装在冷却水供水总管的温度传感器7、冷却水回水总管上的温度传感器8、室外湿球温度传感器0相连，用于获取冷却水供回水温度、室外湿球温度；所述信息采集模块16的模拟量输入端与冷却水回水总管上的流量计9连接，用于获取冷却水流量信息；所述信息采集模块16的通讯端口与冷冻水回水总管上能量表10连接，用于获取负荷信息；并将所有采集数据与主控制器13进行通讯传递。
所述安装在冷却水泵控制柜17上的冷却水泵智能控制器14、安装在冷却塔控制柜22上的冷却塔智能控制器15分别与主控制器13双向连接，实现数据交换。
所述冷却水泵智能控制器14通过水泵变频器6与冷却水泵2相连，所述冷却塔智能控制器15与风机变频器5、冷却塔电动二通阀12、安装在旁通管上的电动二通阀11相连，其中风机变频器5与冷却塔风机4相连，且冷却塔电动二通阀12安装在冷却塔3的进水管上。
所述主控制器13包含工业计算机、输入电路、输出电路、通讯端口电路、电源电路及控制程序，所述主控制器13内嵌有控制程序实现最佳的冷凝温度算法和基于神经网络的自组织模糊控制算法。
如图2所示，所述冷却水泵控制柜17的主要布局：机柜主要分3层，上安装板上左侧安装冷却水泵智能控制器14；中安装板从左至右安装电表18、开关电源19、空气断路器20、继电器21；下安装板右侧安装水泵变频器6，左侧为接线端子排。所述冷却水泵智能控制器14左上为通讯端口，与主控制器13进行数据交换并获取经过主控制器13计算的优化控制量对相应的冷却水泵2进行变频、启停控制；右上为数字量输入端口，接收水泵变频器6的运行/故障等信号；左下为数字量输出端口，向冷却水泵控制柜17面板信号灯输出水泵变频器6的运行/故障指令；右下为模拟量端口，向水泵变频器6输出频率控制指令。
如图3所示，所述冷却塔控制柜22的主要布局：机柜主要分3层，上安装板左侧安装冷却塔智能控制器15；中安装板从左至右电表18、开关电源19、空气断路器20、继电器21；下安装板右侧安装风机变频器5，左侧为接线端子排。冷却塔智能控制器15左上为通讯端口，与主控制器13进行数据交换并获取通过主控制器13计算的优化控制量对多台冷却塔风机4进行变频和台数控制、冷却塔电动二通阀12开度控制、旁通管电动二通阀11开度控制；右上为数字量输入端口，接收风机变频器5的运行/故障等信号；左下为数字量输出端口，向冷却塔控制柜22面板信号灯输出风机变频器5的运行/故障指令；右下为模拟量端口，向风机变频器5输出频率控制指令和冷却塔电动二通阀12开度控制指令、旁通管上的电动二通阀11开度控制指令。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种中央空调冷却水系统冷却效率极大化方法，其特征在于，包括如下步骤：
步骤A：最佳冷凝温度算法：在不同的中央空调系统负荷和室外湿球温度下，不同的冷凝温度对应不同冷却水系统功率值；因而存在一个最佳冷凝温度，使冷却水系统的运行功率达到最低，用下式计算冷却水系统功率：
N＝f(tc，Q，ts)，
式中，冷却水系统功率N为运行的制冷机组功率N1、冷却水泵功率N2、冷却塔风机功率N3的和，单位符号为kW；tc为冷凝温度，单位符号为℃；Q为中央空调系统负荷值，单位符号为kW；ts为室外湿球温度，单位符号为℃；
首先，根据制冷机组的设计参数，确定蒸发温度在温度区间7℃～15℃内情况下，当冷凝温度tc不同时，不同中央空调系统负荷值Q下的制冷机组功率N1，即N1＝f1(tc，Q)；
其次，根据冷却水泵特性曲线，计算出不同冷却水流量G下的冷却水泵功率N2，即N2＝f2(G)；
然后，根据在不同室外湿球温度ts下的冷却塔特性曲线，在冷却量Q冷却下，计算出不同冷却水流量G和冷凝温度tc下，所需消耗的冷却塔风机功率N3；其中冷却量Q冷却为中央空调系统负荷值Q与制冷机组功率N1的和，即Q冷却＝Q+f1(tc，Q)，则N3＝f3(ts，tc，Q，G)，其中冷却量Q冷却和冷却水流量G的单位符号分别为kW、m3/h；
最后，计算出在上述室外湿球温度ts、负荷量Q下，不同冷却水流量G和冷凝温度tc搭配，所需的制冷机组功率N1、冷却水泵功率N2、冷却塔风机功率N3的和为冷却水系统功率N，获得冷却水系统功率N最小时的冷凝温度tc；
因此，根据以上计算结果数据，进行二次多项式回归获得N＝f(tc，Q，ts)，则当室外湿球温度ts和中央空调系统负荷值Q已知时，偏导计算出最低冷却水系统功率N对应的最佳冷凝温度；
步骤B：冷却水系统基于BP神经网络的自组织模糊控制：其中包括
(1)初始模糊控制规则的离线BP神经网络训练：
将初始的冷却水系统模糊控制规则进行离线BP神经网络学习训练，当所述BP神经网络的最大相对误差的绝对值不超过0.2时，即BP神经网络性能满足控制要求；
(2)数据采集、处理：
通过传感器采集实时室外湿球温度，能量表采集中央空调系统实时负荷值，通过步骤A的最佳冷凝温度算法计算获得最佳冷凝温度，并将其作为冷凝温度的设定温度；通过水温传感器采集实时的冷却水供、回水温度，计算实时冷凝温度，最后计算出冷凝温度偏差和偏差变化率；利用最大相对误差的绝对值不超过0.2的离线BP神经网络在线计算控制输出量；
(3)性能测量、增量处理、规则修正：
首先，对上述获得的冷凝温度偏差和偏差变化率利用性能判决表进行性能测量；其中性能判决表是通过利用梯度下降法构建模糊控制规则后进而构建，其设计原则是当冷凝温度偏差是负/正时，给定的修正增量为正/负，而修正增量的大小取决于当前偏差下的偏差变化率；具体操作方法如下：
1)对冷凝温度偏差E的模糊论域取八个语言值，为{NB,NM,NS,NO,PO,PS,PM,PB}；并分别给论域上的八个子集添加集注：-3,-2,-1,-0,+0,+1,+2,+3这八个整数；对偏差变化率EC和输出的冷却水流量G所对应的模糊论域取七个语言值，为{NB,NM,NS,ZO,PS,PM,PB}；分别给论域上的七个子集添加集注：-3,-2,-1,0,+1,+2,+3这七个整数；则每一个模糊变量所对应的论域表示：
E＝{NB-3,NM-2,NS-1,NO-0,PO+0,PS+1,PM+2,PB+3}，
EC＝{NB-3,NM-2,NS-1,ZO0,PS+1,PM+2,PB+3}，
G＝{NB-3,NM-2,NS-1,ZO0,PS+1,PM+2,PB+3}，
其中，NB,NM,NS,NO,ZO,PO,PS,PM,PB分别表示负大、负中、负小、负零、零、正零、正小、正中、正大；
2)利用函数计算输出的冷却水流量G所对应的模糊子集，其中sat(n，x)表示饱和函数，n＝3；
3)则修正增量r=k·f(E，EC)，其中k为比例因子，在(0，1)区间内；
然后，通过提前修改BP神经网络的权值来修正初始设定的冷却水系统模糊控制规则，使输出的控制结果满足冷却水系统功率N最小的期望；
4)输出处理：利用线性函数LM将神经网络的归一化输出映射到冷却水流量区间；最后计算出对应的冷却水泵和冷却塔风机的频率控制量。
2.根据权利要求1中所述的中央空调冷却水系统冷却效率极大化方法，其特征在于，所述冷凝温度为制冷机组冷却水供、回水温度的平均值。
3.一种基于权利要求1中所述的中央空调冷却水系统冷却效率极大化方法的控制装置，包括冷却水泵控制柜、冷却塔控制柜、主控制器和信息采集模块；其特征在于，所述信息采集模块、冷却水泵控制柜和冷却塔控制柜分别通过信号线与主控制器双向连接，实现数据传递与信号控制；所述冷却水泵控制柜包括冷却水泵智能控制器，且冷却水泵智能控制器上设有通讯端口；所述冷却塔控制柜包括冷却塔智能控制器，且冷却塔智能控制器上设有通讯端口。
4.根据权利要求3中所述的控制装置，其特征在于，所述信息采集模块的输入端包括铂电阻输入端、模拟量输入端和通讯接口，其中铂电阻输入端与安装在冷却水供水总管的温度传感器、冷却水回水总管上的温度传感器、室外湿球温度传感器相连，用于获取冷却水供回水温度、室外湿球温度；模拟量输入端与冷却水回水总管上的流量计连接，用于获取冷却水流量信息；通讯接口与冷冻水回水总管上能量表连接，用于获取负荷信息。
5.根据权利要求3中所述的控制装置，其特征在于，所述冷却水泵智能控制器输入端口包含数字量输入端口、模拟量输入端口，其中数字量输入端口与冷却水泵控制柜内的水泵变频器和电表相连，用于采集水泵变频器的运行/故障信息和电表电量信息，模拟量输入端口与冷却水泵控制柜内的水泵变频器相连，用于采集变频器频率信息；所述冷却水泵智能控制器输出端口包含数字量输出端口和模拟量输出端口，其中数字量输出端口与冷却水泵控制柜面板上信号灯相连，用于向信号灯输出水泵变频器的运行/故障指令，模拟量输出端口与冷却水泵控制柜内的水泵变频器相连，用于向水泵变频器输出频率控制指令；
所述冷却水泵控制柜还安装有电表、开关电源、空气断路器和继电器，所述空气断路器经开关电源连接至冷却水泵智能控制器。
6.根据权利要求3中所述的控制装置，其特征在于，所述冷却塔智能控制器输入端口包含数字量输入端口、模拟量输入端口，其中数字量输入端口与冷却塔控制柜内的风机变频器和电表相连，用于采集风机变频器的运行/故障信号和电表电量信息，模拟量输入端口与冷却塔控制柜内的风机变频器、冷却塔进水管上的电动二通阀和旁通管上的电动二通阀相连，用于采集变频器频率信息和阀门的开度信息；所述冷却塔智能控制器输出端口包含数字量输出端口和模拟量输出端口，其中数字量输出端口与冷却塔控制柜面板上信号灯相连，用于向信号灯输出风机变频器的运行/故障指令，模拟量输出端口与冷却塔控制柜内的风机变频器冷却塔进水管上的电动二通阀和旁通管上的电动二通阀相连，用于向风机变频器输出频率控制指令、冷却塔电动二通阀开度控制指令和旁通管上的电动二通阀开度控制指令；
所述冷却塔控制柜还安装有电表、开关电源、空气断路器和继电器，所述空气断路器经开关电源连接至冷却塔智能控制器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410244377.1A CN104089362B (zh) | 2014-06-03 | 2014-06-03 | 一种中央空调冷却水系统冷却效率极大化方法及控制装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410244377.1A CN104089362B (zh) | 2014-06-03 | 2014-06-03 | 一种中央空调冷却水系统冷却效率极大化方法及控制装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104089362A true CN104089362A (zh) | 2014-10-08 |
| CN104089362B CN104089362B (zh) | 2016-09-28 |
Family
ID=51637101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410244377.1A Active CN104089362B (zh) | 2014-06-03 | 2014-06-03 | 一种中央空调冷却水系统冷却效率极大化方法及控制装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104089362B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104374052A (zh) * | 2014-11-18 | 2015-02-25 | 柳州市金旭节能科技有限公司 | 基于神经网络的中央空调节能控制方法及系统 |
| CN105157177A (zh) * | 2015-09-18 | 2015-12-16 | 广州市设计院 | 根据室外空气状态控制冷却塔出水温度的方法 |
| CN106369772A (zh) * | 2016-11-07 | 2017-02-01 | 深圳市奥宇节能技术股份有限公司 | 一种中央空调冷却水系统变流量运行的安全保护方法 |
| CN106979717A (zh) * | 2016-11-04 | 2017-07-25 | 深圳达实智能股份有限公司 | 冷却塔供水温度设定值的控制方法及装置 |
| CN107023966A (zh) * | 2017-04-14 | 2017-08-08 | 北京工业大学 | 一种地铁站空调冷却水出水温度设定值优化方法 |
| CN107560086A (zh) * | 2017-09-19 | 2018-01-09 | 广东美的暖通设备有限公司 | 中央空调冷却水系统的控制方法、装置以及中央空调 |
| CN108895618A (zh) * | 2018-09-30 | 2018-11-27 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
| CN109323425A (zh) * | 2018-11-15 | 2019-02-12 | 广东美的制冷设备有限公司 | 空调的控制方法、装置及可读存储介质 |
| CN110118426A (zh) * | 2019-05-31 | 2019-08-13 | 同方泰德国际科技(北京)有限公司 | 一种适用于地铁车站的冷却塔塔群控制装置 |
| CN110953684A (zh) * | 2019-12-20 | 2020-04-03 | 珠海格力电器股份有限公司 | 空调冷却系统的控制方法及空调 |
| CN112329338A (zh) * | 2020-10-26 | 2021-02-05 | 中国移动通信集团内蒙古有限公司 | 基于鱼群优化bp神经网络的冷源系统控制方法及装置 |
| CN112747626A (zh) * | 2020-12-31 | 2021-05-04 | 广州市昊铭机电科技有限公司 | 一种变参量冷却塔组节能自动控制系统及控制方法 |
| CN114279235A (zh) * | 2021-12-29 | 2022-04-05 | 博锐尚格科技股份有限公司 | 基于黑箱模型与灰箱模型切换的冷却塔运行控制方法 |
| CN114279042A (zh) * | 2021-12-27 | 2022-04-05 | 苏州科技大学 | 一种基于多智能体深度强化学习的中央空调控制方法 |
| CN114659236A (zh) * | 2022-04-29 | 2022-06-24 | 深圳市英维克信息技术有限公司 | 节能控制方法、装置、设备及存储介质 |
| CN114828543A (zh) * | 2021-01-27 | 2022-07-29 | 辉达公司 | 用于数据中心冷却系统的智能制冷剂辅助液体-空气热交换器 |
| CN114828544A (zh) * | 2021-01-22 | 2022-07-29 | 辉达公司 | 用于数据中心冷却系统中的局部冷却回路的智能后门板热交换器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1598428A (zh) * | 2004-09-09 | 2005-03-23 | 贵州汇诚科技有限公司 | 中央空调冷却水系统自适应优化控制方法及装置 |
| CN1598426A (zh) * | 2004-07-20 | 2005-03-23 | 贵州华城楼宇科技有限公司 | 中央空调冷却水节能装置 |
| CN101413709A (zh) * | 2008-11-26 | 2009-04-22 | 湖南工程学院 | 一种优化制冷机与冷却水泵总能耗的冷却水流量控制方法 |
| CN102012077A (zh) * | 2010-12-06 | 2011-04-13 | 北京星达技术开发公司 | 一种中央空调冷冻站节能控制系统及控制方法 |
| KR101385584B1 (ko) * | 2013-10-30 | 2014-04-16 | 로지시스템(주) | 지능형 전력망을 이용한 실내의 냉난방과 기압 자동 제어 시스템 |
-
2014
- 2014-06-03 CN CN201410244377.1A patent/CN104089362B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1598426A (zh) * | 2004-07-20 | 2005-03-23 | 贵州华城楼宇科技有限公司 | 中央空调冷却水节能装置 |
| CN1598428A (zh) * | 2004-09-09 | 2005-03-23 | 贵州汇诚科技有限公司 | 中央空调冷却水系统自适应优化控制方法及装置 |
| CN101413709A (zh) * | 2008-11-26 | 2009-04-22 | 湖南工程学院 | 一种优化制冷机与冷却水泵总能耗的冷却水流量控制方法 |
| CN102012077A (zh) * | 2010-12-06 | 2011-04-13 | 北京星达技术开发公司 | 一种中央空调冷冻站节能控制系统及控制方法 |
| KR101385584B1 (ko) * | 2013-10-30 | 2014-04-16 | 로지시스템(주) | 지능형 전력망을 이용한 실내의 냉난방과 기압 자동 제어 시스템 |
Non-Patent Citations (2)
| Title |
|---|
| 刘洋: "基于TRNSYS的中央空调冷却水系统节能优化仿真研究", 《中国优秀硕士学位论文全文数据库》 * |
| 曲凯阳等: "空调冷却水系统最优节能控制策略", 《暖通空调》 * |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104374052A (zh) * | 2014-11-18 | 2015-02-25 | 柳州市金旭节能科技有限公司 | 基于神经网络的中央空调节能控制方法及系统 |
| CN104374052B (zh) * | 2014-11-18 | 2017-07-11 | 珠海富蓝克建设工程有限公司 | 基于神经网络的中央空调节能控制方法及系统 |
| CN105157177B (zh) * | 2015-09-18 | 2021-12-31 | 广州市设计院 | 根据室外空气状态控制冷却塔出水温度的方法 |
| CN105157177A (zh) * | 2015-09-18 | 2015-12-16 | 广州市设计院 | 根据室外空气状态控制冷却塔出水温度的方法 |
| CN106979717B (zh) * | 2016-11-04 | 2019-03-19 | 深圳达实智能股份有限公司 | 冷却塔供水温度设定值的控制方法及装置 |
| CN106979717A (zh) * | 2016-11-04 | 2017-07-25 | 深圳达实智能股份有限公司 | 冷却塔供水温度设定值的控制方法及装置 |
| CN106369772B (zh) * | 2016-11-07 | 2019-06-18 | 深圳市奥宇节能技术股份有限公司 | 一种中央空调冷却水系统变流量运行的安全保护方法 |
| CN106369772A (zh) * | 2016-11-07 | 2017-02-01 | 深圳市奥宇节能技术股份有限公司 | 一种中央空调冷却水系统变流量运行的安全保护方法 |
| CN107023966A (zh) * | 2017-04-14 | 2017-08-08 | 北京工业大学 | 一种地铁站空调冷却水出水温度设定值优化方法 |
| CN107560086A (zh) * | 2017-09-19 | 2018-01-09 | 广东美的暖通设备有限公司 | 中央空调冷却水系统的控制方法、装置以及中央空调 |
| CN107560086B (zh) * | 2017-09-19 | 2020-06-30 | 广东美的暖通设备有限公司 | 中央空调冷却水系统的控制方法、装置以及中央空调 |
| CN108895618A (zh) * | 2018-09-30 | 2018-11-27 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
| CN108895618B (zh) * | 2018-09-30 | 2021-11-26 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
| CN109323425A (zh) * | 2018-11-15 | 2019-02-12 | 广东美的制冷设备有限公司 | 空调的控制方法、装置及可读存储介质 |
| CN109323425B (zh) * | 2018-11-15 | 2021-05-25 | 广东美的制冷设备有限公司 | 空调的控制方法、装置及可读存储介质 |
| CN110118426A (zh) * | 2019-05-31 | 2019-08-13 | 同方泰德国际科技(北京)有限公司 | 一种适用于地铁车站的冷却塔塔群控制装置 |
| CN110953684A (zh) * | 2019-12-20 | 2020-04-03 | 珠海格力电器股份有限公司 | 空调冷却系统的控制方法及空调 |
| CN112329338A (zh) * | 2020-10-26 | 2021-02-05 | 中国移动通信集团内蒙古有限公司 | 基于鱼群优化bp神经网络的冷源系统控制方法及装置 |
| CN112747626A (zh) * | 2020-12-31 | 2021-05-04 | 广州市昊铭机电科技有限公司 | 一种变参量冷却塔组节能自动控制系统及控制方法 |
| CN114828544A (zh) * | 2021-01-22 | 2022-07-29 | 辉达公司 | 用于数据中心冷却系统中的局部冷却回路的智能后门板热交换器 |
| CN114828544B (zh) * | 2021-01-22 | 2026-01-13 | 辉达公司 | 用于数据中心冷却系统中的局部冷却回路的智能后门板热交换器 |
| CN114828543A (zh) * | 2021-01-27 | 2022-07-29 | 辉达公司 | 用于数据中心冷却系统的智能制冷剂辅助液体-空气热交换器 |
| CN114828543B (zh) * | 2021-01-27 | 2026-01-13 | 辉达公司 | 用于数据中心冷却系统的智能制冷剂辅助液体-空气热交换器 |
| CN114279042A (zh) * | 2021-12-27 | 2022-04-05 | 苏州科技大学 | 一种基于多智能体深度强化学习的中央空调控制方法 |
| CN114279042B (zh) * | 2021-12-27 | 2024-01-26 | 苏州科技大学 | 一种基于多智能体深度强化学习的中央空调控制方法 |
| CN114279235A (zh) * | 2021-12-29 | 2022-04-05 | 博锐尚格科技股份有限公司 | 基于黑箱模型与灰箱模型切换的冷却塔运行控制方法 |
| CN114279235B (zh) * | 2021-12-29 | 2024-05-10 | 博锐尚格科技股份有限公司 | 基于黑箱模型与灰箱模型切换的冷却塔运行控制方法 |
| CN114659236A (zh) * | 2022-04-29 | 2022-06-24 | 深圳市英维克信息技术有限公司 | 节能控制方法、装置、设备及存储介质 |
| CN114659236B (zh) * | 2022-04-29 | 2023-11-21 | 深圳市英维克信息技术有限公司 | 节能控制方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104089362B (zh) | 2016-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104089362A (zh) | 一种中央空调冷却水系统冷却效率极大化方法及控制装置 | |
| AU2010362490B2 (en) | Energy-saving optimized control system and method for refrigeration plant room | |
| US8483883B1 (en) | System and method for controlling supply fan speed within a variable air volume system | |
| US20110190946A1 (en) | Method And System Of Energy-Efficient Control For Central Chiller Plant Systems | |
| CN115325682B (zh) | 一种高效智能制冷机房性能监测的优化控制方法及装置 | |
| CN105953353B (zh) | 中央空调冷源系统定额控制方法及系统 | |
| CN101968250A (zh) | 一种冷冻机房节能优化控制系统及方法 | |
| CN102043907A (zh) | 空调房间实时冷负荷确定方法 | |
| CN107477652A (zh) | 采暖系统及其控制方法 | |
| CN103994553A (zh) | 一种制冷系统冷却水节能控制方法、系统及装置 | |
| CN110895029A (zh) | 一种基于冷冻水的温度的建筑负荷预测方法 | |
| CN201318766Y (zh) | 中央空调制冷系统的冷却水泵能耗控制装置 | |
| CN203533800U (zh) | 一种中央空调装置的模糊控制系统 | |
| CN112066520A (zh) | 一种智慧楼宇空调计费及智能管控系统 | |
| CN102062460A (zh) | 一种空调机组的精确送风系统及其实现方法 | |
| Yu et al. | Improved energy management of chiller systems with data envelopment analysis | |
| CN112050272A (zh) | 一种分布式供冷/热系统的精细化控制技术 | |
| CN1687852A (zh) | 中央空调数字化控制节能方法 | |
| CN202648064U (zh) | 空调系统的控制系统及空调器 | |
| CN113757856B (zh) | 一种空调冷却水系统控制方法及装置 | |
| CN201318767Y (zh) | 中央空调制冷系统的冷水机组能耗控制装置 | |
| CN116447736B (zh) | 高效机房控制方法及系统 | |
| CN207247355U (zh) | 智能温度调节装置 | |
| CN205213241U (zh) | 一种基于热空气管理降温的智能网络机柜 | |
| CN106440188B (zh) | 自动空调运转容量调整系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |