CN104134100A - 一种基于云计算的节能管理系统 - Google Patents
一种基于云计算的节能管理系统 Download PDFInfo
- Publication number
- CN104134100A CN104134100A CN201410350443.3A CN201410350443A CN104134100A CN 104134100 A CN104134100 A CN 104134100A CN 201410350443 A CN201410350443 A CN 201410350443A CN 104134100 A CN104134100 A CN 104134100A
- Authority
- CN
- China
- Prior art keywords
- energy
- water
- module
- data
- saving
- 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
Abstract
本发明公开了一种基于云计算的节能管理系统,包括所述基于云计算的节能管理系统包括云平台中心单元和与其相连的节能控制单元;其中,所述云平台中心单元通过云平台对接收的该节能控制单元的能耗数据、状态数据和节能策略参数进行训练和学习,调整节能策略参数并反馈给该节能控制单元,以实现对整个系统的动态的智能节能管理;所述的节能控制单元能够采集能耗数据、状态数据和节能策略参数,并将采集到的数据实时传送给该云平台中心单元,并且所述节能控制单元根据该云平台中心单元调整后的节能策略参数自动的对节能策略进行调整,并实施节能操作。因此,本发明所述的基于云计算的节能管理系统能够适用于制冷机房能源管理和安全运营。
Description
技术领域
本发明涉及计算机网络技术领域,特别是指一种基于云计算的节能管理系统。
背景技术
对制冷机房进行节能改造,降低建筑中的空调系统能耗,具有非常重要的意义。制冷机房的能耗包括制冷机组的能耗,冷冻水泵、冷却水泵以及冷却塔的能耗,其中空调系统中,约60%~65%用电负荷消耗于冷水机组,约25%~30%用电负荷消耗于冷冻水泵和冷却水泵,剩余的用电负荷消耗于风机的输配上。当运行在部分负荷时,制冷量减小,冷水机组群控需根据建筑所需冷负荷,机组瞬时功率,机组运行能效比瞬态值COP、机组运行能效比累计值及差压旁通阀开度自动调整冷水机组运行台数,达到最佳节能目的。当制冷量减小,冷水机组的能耗随之降低,冷却水泵、冷水水泵及冷却塔的能耗比例随之提高,采用变流量系统,减小冷却水泵,冷冻水泵及冷却塔能耗,但有可能由于流量的降低,使得冷水机组的蒸发器和冷凝器侧换热变差,制冷机组能耗上升。所以,部分负荷时,冷水机组和水泵风机之间需综合优化,应以整个空调系统能耗之和最小为目标,而不是以某一种设备或子系统的能耗最小为目标。
目前影响节能的因素有很多,需要综合考虑多种因素进行节能管理。但是目前普遍的节能措施是通过一些简单的策略并辅助人工进行调整,对使用者的要求较高,且效果较差。重要的是,目前的节能管理系统有以下几个明显的缺陷:
1.由于影响节能的因素较多,目前大部分节能管理系统仅仅能够针对特定的、局部的系统进行自动节能,无法提供较大的解决方案。
2.目前大部分的节能系统还不够智能,必须根据具体情况进行调整,并且往往无法提供比较实用的节能建议,仅仅是为人工节能提供参考。
3.目前大部分的节能系统的计算能力有限,只能对少量关键数据进行分析。
发明内容
有鉴于此,本发明的目的在于提出一种基于云计算的节能管理系统,能够适用于制冷机房能源管理和安全运营。
基于上述目的本发明提供的一种基于云计算的节能管理系统,所述基于云计算的节能管理系统包括云平台中心单元和与其相连的节能控制单元;其中,所述云平台中心单元通过云平台对接收的该节能控制单元的能耗数据、状态数据和节能策略参数进行训练和学习,调整节能策略参数并反馈给该节能控制单元,以实现对整个系统的动态的智能节能管理;
所述的节能控制单元能够采集能耗数据、状态数据和节能策略参数,并将采集到的数据实时传送给该云平台中心单元,并且所述节能控制单元根据该云平台中心单元调整后的节能策略参数自动的对节能策略进行调整,并实施节能操作。
可选地,所述的基于云计算的节能管理系统工作过程包括步骤:
第一步:当所述基于云计算的节能管理系统需要对节能策略进行调整时,所述节能控制单元将本系统当前的状态、调整后节能策略参数和当前能耗比,通过网络上传到所述云平台中心单元;
第二步:所述的云平台中心单元在接收到所述节能控制单元发送的系统状态数据和节能参数后,将其作为一组输入数据,传递到机器学习算法程序中;
第三步:所述云平台中心单元运行机器学习算法,计算出本次策略调整后预期的能耗比,将其与所述节能控制单元的当前能耗比相比较。
第四步:所述云平台中心单元判断如果预期能耗比优于当前能耗比,则执行步骤五;如果预期能耗比差于当前能耗比,则对节能策略参数在一定范围内进行微调,然后重复步骤二;
第五步:所述云平台中心单元将最终得出的节能策略参数反馈给所述节能控制单元,该节能控制单元实施本次调整。
进一步地,所述节能控制单元在实施节能策略调整之后,定期将本系统当前的状态、当前节能策略、当前能耗比上传到所述云平台中心单元;所述云平台中心单元在接收到这些数据之后,将其作为一个样本,进行训练,以提高机器学习算法的准确度,同时将上述数据存储在系统中。
可选地,所述云平台中心单元包括数据存储模块、数据分析模块、能耗预测模块和数据报告模块;
其中,所述数据存储模块接收所述节能控制单元上传的能耗数据、状态数据以及节能策略参数并且进行存储,同时提供数据管理;
所述数据分析模块与所述数据存储模块相连,将能耗数据、状态数据以及节能策略参数进行训练和学习,在下次需要调整策略时,给出最优的节能策略,反馈给所述节能控制单元;
所述能耗预测模块与所述数据分析模块相连,在所述数据分析模块处理后的基础上,根据历史能耗数据、现阶段的各种能耗数据以及状态数据,对下一个能耗周期的能耗进行预测,并提供节能策略;
所述数据报告模块与所述数据存储模块相连,能够用于综合分析云平台中现有的能耗数据,定期给出本段时间内节能子系统和整个系统的能耗状态,以便于管理者对整个系统的能耗水平进行评估。
进一步地,所述节能控制单元包括冷水机组群控模块、冷冻水温度控制模块、冷冻水变流量控制模块、冷却水变流量控制模块、冷却水温度控制模块、主机系统诊断模块、水泵运营诊断模块、冷冻水和冷却水旁通控制模块、系统COP优化控制模块,其中:
所述冷水机组群控模块,用于使冷水机组在预定负荷范围内运行,以使冷水机组能效比瞬态值COP最大;
所述冷冻水温度控制模块,用于在部分负荷时,若供水温度不变而回水温度降低,则延时一段时间后再判断回水温度是否继续降低,回水温度继续降低则提高供水温度,以提高冷水机组效率;
所述冷冻水变流量控制模块,用于保证冷水机组的最低流量,当部分负荷时,空调末端需求降低,则将旁通阀门调小,从而使分集水器之间的压差增大,冷冻水水泵降频,保持分集水器之间的压差,当冷冻水水泵降频至最低频率时,频率不再减小,调节旁通阀开度,以保持分集水器之间的压差;
所述冷却水变流量控制模块,用于当空调部分负荷时,若冷却水流量不变,则冷却水进口温度和出口温度之间的温差降低,此时降低冷却水泵频率,调节冷却水流量,使进出口温差稳定在设计温度;
所述冷却水温度控制模块,用于根据冷却水回水温度和室外湿球温度的差值来控制冷却塔风机频率;
所述主机系统诊断模块,用于通过判断冷水机组蒸发温度与冷冻水出水温度的差值是否超出预定温度范围,以及冷凝器温度与冷水机组冷却水出水温度的差值是否超出预定温度范围,来判断蒸发器或冷凝器是否故障;
所述水泵运营诊断模块,用于通过判断冷冻水泵和冷却水泵的实际功率是否大于预定倍数的理论功率来判断冷冻水泵和冷却水泵效率是否偏低,从而判断是否需要对冷冻水泵和冷却水泵进行检查;
所述冷冻水和冷却水旁通控制模块,用于监控制冷机组不运行时冷冻水、冷却水总管的供水温度以及各制冷机组的供水温度,当冷冻水、冷却水总管的供水温度与各制冷机组的供水温度相差大于预定温度差时,判断有旁通现象,发出报警信息;
所述系统COP优化控制模块,用于实时监测总供水温度、回水温度、流量、制冷机组功率、冷冻水泵功率、冷却水泵功率、冷却塔功率,以计算当前的冷负荷、总耗功量及系统COP值,根据总负荷分别计算在每种运行模式下各冷水机组的负荷率,再根据数据库中各冷水机组的COP负载率数据表和辅助设备计算系数,计算整个冷水机组系统的COP;不断重复上述计算过程,平衡各运行机组的负荷率。
进一步地,所述节能控制模块还包括数据采集转换模块,用于将采集的能耗数据和状态数据转换为统一的数据格式,并自动保存在数据库中,供云平台分析使用。
进一步地,所述节能控制模块还包括报警规则设定模块和报警模块;所述报警规则设定模块用于根据节能控制对象的重要程度进行不同报警规则的设定,设定报警规则包括最大值、最小值、报警持续时间、报警延迟时间、报警恢复时间、报警最大次数、报警级别、报警方式等的设定,以实现根据管理对象的重要程度进行不同规则的监测;所述报警模块用于在异常出现时进行报警,在异常出现时进行报警,以方便即使对异常进行处理。
进一步地,所述冷水机组群控模块根据建筑所需冷负荷、机组瞬时功率、机组运行能效比瞬态值COP、机组运行能效比累计值及差压旁通阀开度自动调整冷水机组运行台数,达到最佳节能;冷机COP瞬态值可通过如下方法测得:
其中Q=CM(tin-tout);
其中tin和tout为冷冻水进出口温度;
M为冷冻水流量kg/s;
C为水的比热4.18kJ/kg.k;
Q为冷冻水制冷量kW;
W为冷水机组瞬时功率kW。
进一步地,所述冷水机组群控模块的运行策略:
每增加新一组设备时,判断冷量条件为计算冷量高于机组总标准冷量的110%,如果是,则延时30分钟后再判断计算冷量是否继续增大,继续增大则开启新一组设;关闭一组设备时,则判断计算冷量是否低于机组总标准冷量的70%,如果是,则延时30分钟后再判断冷量是否继续减小,继续减小则关闭其中一组运行时间较长的冷水机组及附属设备。
进一步地,所述水泵运营诊断模块用于通过判断冷冻水泵和冷却水泵的实际功率是否大于预定倍数的理论功率来判断冷冻水泵和冷却水泵效率是否偏低,从而判断是否需要对冷冻水泵和冷却水泵进行检查包括:
水泵的实际功率N与理论功率Nz对比。水泵的理论功率Nz计算:
Nz=G*H*9.8/η
其中:G为水泵流量m3/s;
H为水泵扬程mH2O;
η为水泵效率,取0.6;
当水泵的实际功率N大于1.3倍理论功率Nz时,说明水泵效率偏低,需要对水泵进行检查。
从上面所述可以看出,本发明提供的一种基于云计算的节能管理系统,通过所述基于云计算的节能管理系统包括云平台中心单元和与其相连的节能控制单元;其中,所述云平台中心单元通过云平台对接收的该节能控制单元的能耗数据、状态数据和节能策略参数进行训练和学习,调整节能策略参数并反馈给该节能控制单元,以实现对整个系统的动态的智能节能管理;所述的节能控制单元能够采集能耗数据、状态数据和节能策略参数,并将采集到的数据实时传送给该云平台中心单元,并且所述节能控制单元根据该云平台中心单元调整后的节能策略参数自动的对节能策略进行调整,并实施节能操作。从而,本发明所述的基于云计算的节能管理系统能够实现制冷机房的能源监测、能源计量、能源优化、安全运营的数字化和网络化。
附图说明
图1为本发明实施例基于云计算的节能管理系统的结构示意图;
图2为本发明实施例云平台中心单元的结构示意图;
图3为本发明实施例节能控制单元的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
参阅图1所示,为本发明实施例基于云计算的节能管理系统的结构示意图,所述基于云计算的节能管理系统包括云平台中心单元101和与其相连的节能控制单元102。其中,云平台中心单元101通过云平台对接收的节能控制单元102的能耗数据、状态数据和节能策略参数进行训练和学习,调整节能策略参数并反馈给节能控制单元102,以实现对整个系统的动态的智能节能管理。而节能控制单元102能够采集能耗数据、状态数据和节能策略参数,并将采集到的数据实时传送给云平台中心单元101。另外,节能控制单元102根据云平台中心单元101调整后的节能策略参数自动的对节能策略进行调整,并实施节能操作。
优选地,所述的基于云计算的节能管理系统工作过程如下:
步骤1:当所述基于云计算的节能管理系统需要对节能策略进行调整时,节能控制单元102将本系统当前的状态(包括环境温度、湿度、如水温度、出水温度、机组负载、机组数量、当前功率、当前COP等)、调整后节能策略参数和当前能耗比,通过网络上传到云平台中心单元101。
步骤2:所述的云平台中心单元101在接收到所述节能控制单元102发送的系统状态数据和节能参数后,将其作为一组输入数据,传递到机器学习算法程序中。
步骤3:云平台中心单元101运行机器学习算法,计算出本次策略调整后预期的能耗比,将其与节能控制单元102的当前能耗比相比较。
步骤4:云平台中心单元101判断如果预期能耗比优于当前能耗比,则执行步骤5;如果预期能耗比差于当前能耗比,则对节能策略参数在一定范围内进行微调,然后重复步骤2,重新进行预测。
步骤5:云平台中心单元101将最终得出的节能策略参数反馈给节能控制单元102,该节能控制单元102实施本次调整。
作为本发明的另一个实施例,节能控制单元102在实施节能策略调整之后,定期将本系统当前的状态、当前节能策略、当前能耗比上传到云平台中心单元101;云平台中心单元101在接收到这些数据之后,将其作为一个样本,进行训练,以提高机器学习算法的准确度。同时将上述数据存储在系统中。
作为本发明的一个实施例,如图2所示,为本发明实施例云平台中心单元的结构示意图,所述云平台中心单元101包括数据存储模块201、数据分析模块202、能耗预测模块203和数据报告模块204。其中,数据存储模块201接收节能控制单元102上传的能耗数据、状态数据以及节能策略参数并且进行存储,同时提供数据管理。数据分析模块202与数据存储模块201相连,将能耗数据、状态数据以及节能策略参数进行训练和学习,在下次需要调整策略时,给出最优的节能策略,反馈给节能控制单元102。能耗预测模块203与数据分析模块202相连,在数据分析模块202处理后的基础上,根据历史能耗数据、现阶段的各种能耗数据以及状态数据,对下一个能耗周期的能耗进行预测,并提供节能策略。数据报告模块204,与数据存储模块201相连,能够用于综合分析云平台中现有的能耗数据,定期给出本段时间内节能子系统和整个系统的能耗状态,以便于管理者对整个系统的能耗水平进行评估。
在实施例中,数据存储模块201需要对上传的能耗数据进行存储,同时提供高效的数据管理。为了方便大数据的处理,数据存储模块201在将数据存储到数据库时采用列存储的方式,并尽量将每列数据存储在不同的磁盘上,以提高读写效率,避免磁盘竞争。
在实施例中,数据分析模块202主要采用机器学习算法中的支持向量机来实现。支持向量机方法是一种建立在统计学习理论的VC维理论和结构风险最小原理基础之上,可以根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷。本模块能够根据每个子系统的状态、策略、能耗比等数据训练和智能学习,在下次需要调整策略时,给出当前最优的节能策略,反馈给子系统,帮助子系统进行节能策略的调节。
在实施例中,能耗预测模块203在数据分析模块202的基础上,根据历史能耗数据和现阶段中的各种能耗数据、节能控制单元102的状态等等,对下一个能耗周期的能耗进行预测,并提供节能策略,方便管理者制定节能措施。
在实施例中,数据报告模块204能够综合分析云平台中心单元101中现有的能耗数据,定期给出本段时间内的能耗状态,以方便管理者对整个系统的能耗水平进行评估。
作为本发明的另一个实施例,如图3所示,为本发明实施例节能控制单元的结构示意图,所述节能控制单元102包括冷水机组群控模块301、冷冻水温度控制模块302、冷冻水变流量控制模块303、冷却水变流量控制模块304、冷却水温度控制模块305、主机系统诊断模块306、水泵运营诊断模块307、冷冻水和冷却水旁通控制模块308、系统COP优化控制模块309。其中:
冷水机组群控模块301,用于使冷水机组在预定负荷范围内运行,以使冷水机组能效比瞬态值COP最大。其具体功能包括:
冷水机组群控需根据建筑所需冷负荷、机组瞬时功率、机组运行能效比瞬态值COP、机组运行能效比累计值及差压旁通阀开度自动调整冷水机组运行台数,达到最佳节能目的。冷水机组群控策略的目的是尽量让冷水机组处于最高的效率下运行。冷机COP瞬态值可通过如下方法测得:
其中Q=CM(tin-tout);
其中tin和tout为冷冻水进出口温度;
M为冷冻水流量kg/s;
C为水的比热4.18kJ/kg.k;
Q为冷冻水制冷量kW;
W为冷水机组瞬时功率kW。
另外,冷机群控策略是否节能,最终还需考察冷水机组群控的COP值。冷机群控要尽量使冷机的COP值最大,从而使冷机在能源使用率最高的状态运行。
优选地,运行策略:
每增加新一组设备时,判断冷量条件为:计算冷量高于机组总标准冷量的110%。如果是,则延时30分钟后再判断计算冷量是否继续增大,继续增大则开启新一组设。关闭一组设备时,则判断计算冷量是否低于机组总标准冷量的70%,如果是,则延时30分钟后再判断冷量是否继续减小,继续减小则关闭其中一组运行时间较长的冷水机组及附属设备。
由于冷水机组COP值最高的区域在70%-100%负荷。因此,机组群控应该尽量让冷水机组在COP值最高的区域在70%-100%负荷内运行。尽量减少冷水机组运行台数。
优选地,机组联锁控制:
启动:冷却塔蝶阀开启,开冷却塔风机,冷却水蝶阀开启,开冷却水泵,冷冻水蝶阀开启 开冷冻水泵,开冷水机组。
停止:停冷水机组,关冷冻泵,关冷冻水蝶阀,关冷却水泵,关冷却水蝶阀,关冷却塔风机、蝶阀。
冷冻水温度控制模块302,用于在部分负荷时,若供水温度不变而回水温度降低,则延时一段时间后再判断回水温度是否继续降低,回水温度继续降低则提高供水温度,以提高冷水机组效率。其具体功能包括:
冷冻水供水温度的优化控制用来优化冷水机组和冷冻水分配系统的运行,在满足建筑冷负荷需要的同时,实现制冷水机组和冷冻水泵能耗的最小。当冷冻水的供水温度升高时,空调末端系统的传热效果将会恶化,因此需要更多的冷冻水量,冷冻水泵能耗将增加。当冷冻水供水温度降低时,末端的传热效果将会改善,因此需要较少的冷冻水量,但是随着冷冻水量的减少,制冷水机组蒸发温度及蒸发压力也会降低,会增加制冷压缩机的能耗。
合理的优化方法应该使冷水机组和冷冻泵的总能耗最小。优选地,运行策略:
在设计负荷时冷冻水供水温度7℃,回水温度12℃,在部分负荷时,如果供水温度不变,则回水温度会降低,此时可以提高供水温度,以提高冷水机组效率。例如,现在供水温度7℃,回水温度10℃,再延时30分钟后判断回水温度是否继续降低,即提高供水温度,按设计回水温度和实际回水温度之差的一半,即提高供水温度至8℃。
冷冻水变流量控制模块303,用于保证冷水机组的最低流量,当部分负荷时,空调末端需求降低,则将旁通阀门调小,从而使分集水器之间的压差增大,冷冻水水泵降频,保持分集水器之间的压差,当冷冻水水泵降频至最低频率时,频率不再减小,调节旁通阀开度,以保持分集水器之间的压差。其具体功能包括:
冷冻水系统中存在水泵选型过大问题,工作点严重偏移,泵的效率只有40%-50%左右,造成的结果是功率偏大,浪费了大量的水泵能量。水泵选型过大还会造成末端空调机组电动调节阀两端压降过大,水泵的能量都消耗在阀门的压降上,同时还会造成空调机组电动调节阀调节温度时,在很小的行程上工作,对末端设备的控制精度也会造成影响。此外空调末端水量不足,往往不是水泵功率不够的原因,系统水力平衡做得不好会直接造成分末端水力不足,其中这里的空调末端包括如风机盘管,新风机组,组合式空调机组等。
采用变流量控制系统,即采用变频器控制冷冻水流量,代替电动调节阀起到调节作用。冷冻泵的动力消耗与流量的三次方成正比,比如当冷冻水流量为额定流量70%时,泵的能源消耗为35%,泵的动力消耗可以减少65%。冷冻水流量随系统变化,这样避免了旁通流量产生的能量损失又可以保证系统压差。
应用变流量控制系统,需保证冷冻机组蒸发器冷冻水最低流量,否则会破坏冷冻机的正常工作状态甚至引起制冷机损坏。
优选地,运行策略:
采用分集水器(本发明用来当做分水器和集水器的简称)间的压差控制及调节旁通阀开度,保证冷水机组的最低流量。当部分负荷时,末端需求降低,阀门调小,分集水器之间的压差增大,水泵降频,保持分集水器之间的压差,当水泵降频至最低频率时,频率不再减小,调节旁通阀开度,以保持分集水器之间的压差。
冷却水变流量控制模块304,用于当空调部分负荷时,若冷却水流量不变,则冷却水进口温度和出口温度之间的温差降低,此时降低冷却水泵频率,调节冷却水流量,使进出口温差稳定在设计温度。其具体功能包括:
当空调系统对冷冻水流量需求降低时,冷却水流量需求也会降低。此时可以利用变频器降低冷却水泵频率,从而降低系统能耗。当空调系统负荷降低时,可以采取降低冷却水流量、降低冷却塔风机转速、减少冷却塔风机台数,提高冷却水进水温度多种方式降低能耗。
优选地,运行策略:
采用定温差和最低流量的方法,优化冷却水变流量控制。例如,设计时冷却水进出口温差5℃,当空调部分负荷时,如果冷却水流量不变,则进出口温差降低(这里进出口温差用来指代冷却水进口温度和出口温度之间的差值),此时降低冷却水泵频率,调节冷却水流量,使进出口温差稳定在5℃,冷却水泵频率有最低限制,以保障最低冷却水流量。
冷却水温度控制模块305,用于根据冷却水回水温度和室外湿球温度的差值来控制冷却塔风机频率。其具体功能包括:
冷却塔功能是排除冷水机组冷凝器侧的热量,依据冷却水回水温度室外湿球温度的差值控制冷却塔风机频率(例如,冷却水回水温度与室外空气湿球温度之间的温差小,说明风量过大,则可以降低风机频率),对于冷水机组而言,冷却水温越低,冷水机组的冷凝压力越低,所以在一定范围内尽量降低冷却水进水温度,可以提高冷水机组效率。
主机系统诊断模块306,用于通过判断冷水机组蒸发温度与冷冻水出水温度的差值是否超出预定温度范围,以及冷凝器温度与冷水机组冷却水出水温度的差值是否超出预定温度范围,来判断蒸发器或冷凝器是否故障。其具体功能包括:
冷水机组蒸发温度应比冷冻水出水温度低3-4℃,冷凝器温度应比冷水机组冷却水出水温度高2-4℃,如果超过这个数值,说明蒸发器或冷凝器存在问题应及时清理。例如,当冷凝器水侧污垢系数0.086(m2.℃/kw),机组的饱和冷凝温度tk比污垢系数为0.044(m2.℃/kw)时提高了2℃,机组制冷量减少了约2%,耗功量增加了约3.5%,显然机组的性能系数COP也随着污垢系数的增大而下降。
水泵运营诊断模块307,用于通过判断冷冻水泵和冷却水泵的实际功率是否大于预定倍数的理论功率来判断冷冻水泵和冷却水泵效率是否偏低,从而判断是否需要对冷冻水泵和冷却水泵进行检查。其具体功能包括:
水泵的实际功率N与理论功率Nz对比。水泵的理论功率Nz计算:
Nz=G*H*9.8/η
其中:G为水泵流量m3/s;
H为水泵扬程mH2O;
η为水泵效率,取0.6;
当水泵的实际功率N大于1.3倍理论功率Nz时,说明水泵效率偏低,需要对水泵进行检查(这里水泵是指与冷水机组一一对应的冷冻水泵和冷却水泵)。
冷冻水和冷却水旁通控制模块308,用于监控制冷机组不运行时冷冻水、冷却水总管的供水温度以及各制冷机组的供水温度,当冷冻水、冷却水总管的供水温度与各制冷机组的供水温度相差大于预定温度差时,判断有旁通现象,发出报警信息。其具体功能包括:
在空调系统中,部分冷水机组停止运行时,冷冻水和冷却水依然流经不运行的冷水机组,在自控系统中设置一些电动开关型水阀杜绝这些问题,例如,两台冷水机组和两台冷冻泵,如果仅有一台冷水机组和冷冻泵运行,而冷冻水流经未开启冷水机组,则依据水力工况可知,流经工作冷水机组的流量仅为冷冻泵流量的一半,若按常规空调系统冷冻水回水温度为12℃,供水温度为7℃,实际冷冻水总供水平均温度仅为9.5℃。如果停止冷水机组水阀关闭,冷冻水没有旁通,则达到同样的空调输送冷量,运行冷水机组送水温度可以提高2.5℃,水量达到额定水量,冷水机组COP可提高。
也就是说,该模块监测制冷机组在不运行条件下,冷冻水和冷却水的流通情况。监测冷冻水、冷却水总管的供水温度,及各制冷机组的供水温度,当总管的供水温度与各制冷机组的供水温度相差大于2度时,说明有旁通现象,系统提出报警。
系统COP优化控制模块309,用于实时监测总供水温度、回水温度、流量、制冷机组功率、冷冻水泵功率、冷却水泵功率、冷却塔功率,以计算当前的冷负荷、总耗功量及系统COP值,根据总负荷分别计算在每种运行模式下各冷水机组的负荷率,再根据数据库中各冷水机组的COP负载率数据表和辅助设备计算系数,计算整个冷水机组系统的COP;不断重复上述计算过程,平衡各运行机组的负荷率。其具体功能包括:
以系统COP为性能指标,通过网络平台系统,实时监测总供水温度、回水温度,流量,制冷机组功率,冷冻水泵功率,冷却水泵功率,冷却塔功率,计算当前的冷负荷,总耗功量及系统COP,然后,COP优化程序将根据总负荷分别计算在每种运行模式下各冷水机组的负荷率(%),再根据数据库中各种冷水机组的COP负载率(%)数据表和辅助设备计算系数(例如水泵风机的),计算整个冷水机组系统的COP。COP优化程序在冷水机组系统运行时,不断重复上述计算过程,平衡各运行机组的负荷率(%)。当系统总的负荷发生变化以至于需要启停机组变换运行模式时(该不同运行模块可以是台数组合,如开两台75%,还是开三台50%等等),优化程序将会自动调用机组启停程序,实现模式切换。这样就可以使冷水机组系统一直工作在COP的最优状态下,达到优化性能、节约能源的目的。通常冷水机组的COP负载率(%)数据表和辅助设备计算系数的原始数据是根据机组的性能测试报告以及经验公式而得的,但是实验数据并不能完全反应机组实际的运行参数,也不可能覆盖所有的运行工况;另外,随着机组运行时间的增加,机组的性能也会有所变化。因此使用固定不变的数据表计算出的系统COP会与实际情况发生一定程度的偏差。为此,优化程序应该具有自适应功能,通过实时监测整个系统的运行参数,计算在当前工况条件下实际的系统COP、机组COP和计算参数;然后将这实际的机组COP和计算参数存储到对应机组、对应工况、对应的COP负荷(%)的数据表以及系数中。这样随着系统的运行,优化程序不断的计算实际的系统COP,并同步更新这些数据表。经过一段时间后,数据表就会被实际运行的参数所替代,而且在数据表中经常运行的工况点保存的也是最新的数据。
优化程序通过自适应不断更新并积累系统最新的实际运行参数,然后在这些参数的基础上选择系统COP的最优运行模式。所以,系统就能随时适应环境和自身的变换,确保整个冷水机组系统始终工作在最优工况。在实际的工程项目中,COP优化程序及其数据库将被植入系统控制器硬件中。这样不仅可以提高程序运行速度,而且可以加强系统运行的稳定性。但这就要求控制器有较快的运算速度和较大的内存,优化程序更精练、高效,且必须经过严格的性能和可靠性测试。
在本发明的另一个实施例中,所述节能控制模块102还包括数据采集转换模块310,用于将采集的能耗数据和状态数据转换为统一的数据格式,并自动保存在数据库中,供云平台分析使用。本模块可以识别兼容多种常见协议,如modbus,bacnet等。可以将不同的协议数据进行采集,并转换为统一的数据格式,并自动保存在数据库中,供上层模块分析使用。
在本发明的另一个实施例中,所述节能控制模块102还包括报警规则设定模块311和报警模块312。其中,报警规则设定模块311用于根据节能控制对象的重要程度进行不同报警规则的设定。设定报警规则包括最大值、最小值、报警持续时间、报警延迟时间、报警恢复时间、报警最大次数、报警级别、报警方式等的设定,以实现根据管理对象的重要程度进行不同规则的监测。报警模块312用于在异常出现时进行报警。在异常出现时进行报警,以方便即使对异常进行处理。较佳地。报警模块312集成了多种报警方式,包括发送报警邮件、发送报警短信、发送声音报警等。
由此可以看出,本发明实现的基于云计算的节能管理系统,创造性的提出了云平台中心单元和与其相连的节能控制单元,实现对制冷机房的实时动态的节能调整;通过利用云平台的强大的计算能力,通过机器学习的算法对所有模块的数据进行训练和分析,给出优化策略,反馈回各个模块,这样就实现了对整个系统的动态的智能节能管理;而且,所述基于云计算的节能管理系统以众多的节能模块集成的一个“云系统”;每一个节能模块是一个自治系统,可以根据当前采集的状态数据,综合预设的节能策略,自动对节能策略进行调整;最后,整个所述的基于云计算的节能管理系统简便、紧凑,易于实现。
所属领域的普通技术人员应当理解:以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于云计算的节能管理系统,其特征在于,所述基于云计算的节能管理系统包括云平台中心单元和与其相连的节能控制单元;其中,所述云平台中心单元通过云平台对接收的该节能控制单元的能耗数据、状态数据和节能策略参数进行训练和学习,调整节能策略参数并反馈给该节能控制单元,以实现对整个系统的动态的智能节能管理;
所述的节能控制单元能够采集能耗数据、状态数据和节能策略参数,并将采集到的数据实时传送给该云平台中心单元,并且所述节能控制单元根据该云平台中心单元调整后的节能策略参数自动的对节能策略进行调整,并实施节能操作。
2.根据权利要求1所述的节能管理系统,其特征在于,所述的基于云计算的节能管理系统工作过程包括步骤:
第一步:当所述基于云计算的节能管理系统需要对节能策略进行调整时,所述节能控制单元将本系统当前的状态、调整后节能策略参数和当前能耗比,通过网络上传到所述云平台中心单元;
第二步:所述的云平台中心单元在接收到所述节能控制单元发送的系统状态数据和节能参数后,将其作为一组输入数据,传递到机器学习算法程序中;
第三步:所述云平台中心单元运行机器学习算法,计算出本次策略调整后预期的能耗比,将其与所述节能控制单元的当前能耗比相比较。
第四步:所述云平台中心单元判断如果预期能耗比优于当前能耗比,则执行步骤五;如果预期能耗比差于当前能耗比,则对节能策略参数在一定范围内进行微调,然后重复步骤二;
第五步:所述云平台中心单元将最终得出的节能策略参数反馈给所述节能控制单元,该节能控制单元实施本次调整。
3.根据权利要求2所述的节能管理系统,其特征在于,所述节能控制单元在实施节能策略调整之后,定期将本系统当前的状态、当前节能策略、当前能耗比上传到所述云平台中心单元;所述云平台中心单元在接收到这些数据之后,将其作为一个样本,进行训练,以提高机器学习算法的准确度,同时将上述数据存储在系统中。
4.根据权利要求1所述的节能管理系统,其特征在于,所述云平台中心单元包括数据存储模块、数据分析模块、能耗预测模块和数据报告模块;
其中,所述数据存储模块接收所述节能控制单元上传的能耗数据、状态数据以及节能策略参数并且进行存储,同时提供数据管理;
所述数据分析模块与所述数据存储模块相连,将能耗数据、状态数据以及节能策略参数进行训练和学习,在下次需要调整策略时,给出最优的节能策略,反馈给所述节能控制单元;
所述能耗预测模块与所述数据分析模块相连,在所述数据分析模块处理后的基础上,根据历史能耗数据、现阶段的各种能耗数据以及状态数据,对下一个能耗周期的能耗进行预测,并提供节能策略;
所述数据报告模块与所述数据存储模块相连,能够用于综合分析云平台中现有的能耗数据,定期给出本段时间内节能子系统和整个系统的能耗状态,以便于管理者对整个系统的能耗水平进行评估。
5.根据权利要求4所述的节能管理系统,其特征在于,所述节能控制单元包括冷水机组群控模块、冷冻水温度控制模块、冷冻水变流量控制模块、冷却水变流量控制模块、冷却水温度控制模块、主机系统诊断模块、水泵运营诊断模块、冷冻水和冷却水旁通控制模块、系统COP优化控制模块,其中:
所述冷水机组群控模块,用于使冷水机组在预定负荷范围内运行,以使冷水机组能效比瞬态值COP最大;
所述冷冻水温度控制模块,用于在部分负荷时,若供水温度不变而回水温度降低,则延时一段时间后再判断回水温度是否继续降低,回水温度继续降低则提高供水温度,以提高冷水机组效率;
所述冷冻水变流量控制模块,用于保证冷水机组的最低流量,当部分负荷时,空调末端需求降低,则将旁通阀门调小,从而使分集水器之间的压差增大,冷冻水水泵降频,保持分集水器之间的压差,当冷冻水水泵降频至最低频率时,频率不再减小,调节旁通阀开度,以保持分集水器之间的压差;
所述冷却水变流量控制模块,用于当空调部分负荷时,若冷却水流量不变,则冷却水进口温度和出口温度之间的温差降低,此时降低冷却水泵频率,调节冷却水流量,使进出口温差稳定在设计温度;
所述冷却水温度控制模块,用于根据冷却水回水温度和室外湿球温度的差值来控制冷却塔风机频率;
所述主机系统诊断模块,用于通过判断冷水机组蒸发温度与冷冻水出水温度的差值是否超出预定温度范围,以及冷凝器温度与冷水机组冷却水出水温度的差值是否超出预定温度范围,来判断蒸发器或冷凝器是否故障;
所述水泵运营诊断模块,用于通过判断冷冻水泵和冷却水泵的实际功率是否大于预定倍数的理论功率来判断冷冻水泵和冷却水泵效率是否偏低,从而判断是否需要对冷冻水泵和冷却水泵进行检查;
所述冷冻水和冷却水旁通控制模块,用于监控制冷机组不运行时冷冻水、冷却水总管的供水温度以及各制冷机组的供水温度,当冷冻水、冷却水总管的供水温度与各制冷机组的供水温度相差大于预定温度差时,判断有旁通现象,发出报警信息;
所述系统COP优化控制模块,用于实时监测总供水温度、回水温度、流量、制冷机组功率、冷冻水泵功率、冷却水泵功率、冷却塔功率,以计算当前的冷负荷、总耗功量及系统COP值,根据总负荷分别计算在每种运行模式下各冷水机组的负荷率,再根据数据库中各冷水机组的COP负载率数据表和辅助设备计算系数,计算整个冷水机组系统的COP;不断重复上述计算过程,平衡各运行机组的负荷率。
6.根据权利要求5所述的节能管理系统,其特征在于,所述节能控制模块还包括数据采集转换模块,用于将采集的能耗数据和状态数据转换为统一的数据格式,并自动保存在数据库中,供云平台分析使用。
7.根据权利要求5所述的节能管理系统,其特征在于,所述节能控制模块还包括报警规则设定模块和报警模块;所述报警规则设定模块用于根据节能控制对象的重要程度进行不同报警规则的设定,设定报警规则包括最大值、最小值、报警持续时间、报警延迟时间、报警恢复时间、报警最大次数、报警级别、报警方式等的设定,以实现根据管理对象的重要程度进行不同规则的监测;所述报警模块用于在异常出现时进行报警,在异常出现时进行报警,以方便即使对异常进行处理。
8.根据权利要求5所述的节能管理系统,其特征在于,所述冷水机组群控模块根据建筑所需冷负荷、机组瞬时功率、机组运行能效比瞬态值COP、机组运行能效比累计值及差压旁通阀开度自动调整冷水机组运行台数,达到最佳节能;冷机COP瞬态值可通过如下方法测得:
其中Q=CM(tin-tout);
其中tin和tout为冷冻水进出口温度;
M为冷冻水流量kg/s;
C为水的比热4.18kJ/kg.k;
Q为冷冻水制冷量kW;
W为冷水机组瞬时功率kW。
9.根据权利要求8所述的节能管理系统,其特征在于,所述冷水机组群控模块的运行策略:
每增加新一组设备时,判断冷量条件为计算冷量高于机组总标准冷量的110%,如果是,则延时30分钟后再判断计算冷量是否继续增大,继续增大则开启新一组设;关闭一组设备时,则判断计算冷量是否低于机组总标准冷量的70%,如果是,则延时30分钟后再判断冷量是否继续减小,继续减小则关闭其中一组运行时间较长的冷水机组及附属设备。
10.根据权利要求5所述的节能管理系统,其特征在于,所述水泵运营诊断模块用于通过判断冷冻水泵和冷却水泵的实际功率是否大于预定倍数的理论功率来判断冷冻水泵和冷却水泵效率是否偏低,从而判断是否需要对冷冻水泵和冷却水泵进行检查包括:
水泵的实际功率N与理论功率Nz对比。水泵的理论功率Nz计算:
Nz=G*H*9.8/η
其中:G为水泵流量m3/s;
H为水泵扬程mH2O;
η为水泵效率,取0.6;
当水泵的实际功率N大于1.3倍理论功率Nz时,说明水泵效率偏低,需要对水泵进行检查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410350443.3A CN104134100B (zh) | 2014-07-22 | 2014-07-22 | 一种基于云计算的节能管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410350443.3A CN104134100B (zh) | 2014-07-22 | 2014-07-22 | 一种基于云计算的节能管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104134100A true CN104134100A (zh) | 2014-11-05 |
CN104134100B CN104134100B (zh) | 2017-06-13 |
Family
ID=51806773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410350443.3A Expired - Fee Related CN104134100B (zh) | 2014-07-22 | 2014-07-22 | 一种基于云计算的节能管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104134100B (zh) |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460615A (zh) * | 2014-11-19 | 2015-03-25 | 北京百度网讯科技有限公司 | 数据中心自控系统的运行控制方法和装置 |
CN105115113A (zh) * | 2015-09-22 | 2015-12-02 | 山东广成节能科技有限公司 | 一种中央空调机房能效优化系统 |
CN105425750A (zh) * | 2015-12-18 | 2016-03-23 | 合肥市恒昌自动化控制有限责任公司 | 基于云端平台的能源管理系统 |
CN106055882A (zh) * | 2016-05-24 | 2016-10-26 | 珠海格力电器股份有限公司 | 水冷螺杆热泵机组选型计算方法及装置 |
CN106094764A (zh) * | 2016-08-01 | 2016-11-09 | 南京腾图节能科技有限公司 | 一种基于云计算的工业循环冷却水系统监测系统 |
WO2016184192A1 (zh) * | 2015-05-21 | 2016-11-24 | 中兴通讯股份有限公司 | 数据处理方法及装置 |
CN107247407A (zh) * | 2017-07-11 | 2017-10-13 | 浙江中易和节能技术有限公司 | 一种基于云架构的大数据自我学习修正控制系统及方法 |
CN107560065A (zh) * | 2017-08-14 | 2018-01-09 | 海尔优家智能科技(北京)有限公司 | 一种智能空调控制方法及服务器 |
CN107726683A (zh) * | 2017-09-04 | 2018-02-23 | 珠海格力电器股份有限公司 | 冷水机组及其控制方法和装置 |
CN107830607A (zh) * | 2017-09-27 | 2018-03-23 | 广东美的暖通设备有限公司 | 多联机空调系统及其节能控制方法、装置及存储介质 |
CN107940679A (zh) * | 2017-12-14 | 2018-04-20 | 江苏省邮电规划设计院有限责任公司 | 一种基于数据中心冷水机组性能曲线的群控方法 |
CN108050654A (zh) * | 2017-11-10 | 2018-05-18 | 深圳达实智能股份有限公司 | 医院变风量空调箱能效预警方法、终端及可读存储介质 |
CN108089440A (zh) * | 2017-12-06 | 2018-05-29 | 北京百度网讯科技有限公司 | 节能控制方法和装置 |
CN108168030A (zh) * | 2017-12-14 | 2018-06-15 | 南京师范大学 | 一种基于制冷性能曲线的智能控制方法 |
CN109000949A (zh) * | 2018-06-29 | 2018-12-14 | 广州能迪能源科技股份有限公司 | 基于冷水机组热力学模型的冷水机组评估方法及节能方法 |
CN109028254A (zh) * | 2018-08-10 | 2018-12-18 | 天津六百光年智能科技有限公司 | 一种综合能源高效利用的方法及系统 |
CN109063255A (zh) * | 2018-06-29 | 2018-12-21 | 广州能迪能源科技股份有限公司 | 一种节能控制方法、电子设备、存储介质、装置及系统 |
CN109506344A (zh) * | 2018-10-15 | 2019-03-22 | 平安科技(深圳)有限公司 | 空调制冷量的控制方法、装置及电子设备 |
CN110749049A (zh) * | 2018-07-05 | 2020-02-04 | 青岛海尔空调电子有限公司 | 水冷式空调机组的控制方法 |
CN110879585A (zh) * | 2019-12-03 | 2020-03-13 | 上海市建筑科学研究院有限公司 | 基于能耗监测平台非运行时段建筑电梯支路用能诊断方法 |
CN111047117A (zh) * | 2019-12-31 | 2020-04-21 | 中维通(北京)科技有限公司 | 一种基于末端负荷预测的压差旁通阀节能优化方法 |
CN111336669A (zh) * | 2020-03-12 | 2020-06-26 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN111399420A (zh) * | 2020-03-31 | 2020-07-10 | 北京天成冠通能源科技有限公司 | 一种idc机房能源控制方法及系统 |
CN111561772A (zh) * | 2020-07-15 | 2020-08-21 | 上海有孚智数云创数字科技有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
CN111811110A (zh) * | 2020-08-28 | 2020-10-23 | 创新奇智(南京)科技有限公司 | 制冷机组的控制方法及装置、电子设备、存储介质 |
CN112081754A (zh) * | 2020-09-07 | 2020-12-15 | 河北利万信息科技有限公司 | 一种用于供水泵故障智能诊断方法 |
CN112413831A (zh) * | 2020-11-25 | 2021-02-26 | 中国电力科学研究院有限公司 | 一种中央空调节能控制系统及方法 |
CN112506066A (zh) * | 2020-12-09 | 2021-03-16 | 创维集团有限公司 | 一种智能家居的智能控制系统 |
CN112650335A (zh) * | 2020-12-18 | 2021-04-13 | 山东盛帆蓝海电气有限公司 | 一种基于大数据挖掘的能耗智能管控系统及方法 |
CN112665144A (zh) * | 2020-12-11 | 2021-04-16 | 珠海格力电器股份有限公司 | 暖通群控方法、系统和一种控制器 |
CN112665153A (zh) * | 2020-12-24 | 2021-04-16 | 珠海格力电器股份有限公司 | 制冷系统供冷量的控制方法、装置、控制器和制冷系统 |
CN112728737A (zh) * | 2021-01-05 | 2021-04-30 | 青岛海信日立空调系统有限公司 | 一种空调器及云服务器 |
CN112747418A (zh) * | 2021-01-05 | 2021-05-04 | 青岛海信日立空调系统有限公司 | 空调器及云服务器 |
CN112769908A (zh) * | 2020-12-29 | 2021-05-07 | 煤炭科学研究总院 | 协同控制方法、装置及电子设备 |
CN112781184A (zh) * | 2019-11-11 | 2021-05-11 | 中国铁建电气化局集团有限公司 | 一种空调系统智能降耗方法和系统 |
CN113465442A (zh) * | 2021-06-29 | 2021-10-01 | 青岛海尔空调电子有限公司 | 冷却塔能耗确定方法及系统 |
CN115003140A (zh) * | 2022-08-04 | 2022-09-02 | 浩鲸云计算科技股份有限公司 | 一种数据中心机房水冷机组末端空调协同控制节能方法 |
CN115013943A (zh) * | 2022-01-12 | 2022-09-06 | 武汉舒适易佰科技有限公司 | 一种智能化空调控制系统 |
WO2022213494A1 (zh) * | 2021-04-07 | 2022-10-13 | 厦门邑通智能科技集团有限公司 | 一种中央空调水冷机组节能控制方法、系统和设备 |
CN115325665A (zh) * | 2021-05-11 | 2022-11-11 | 博纳信远能源科技有限公司 | 中央空调的节能优化控制方法、设备及系统 |
CN117450630A (zh) * | 2023-12-21 | 2024-01-26 | 上海安巢在线控制技术股份有限公司 | 一种基于冷水泵流量的空调能耗损失控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080008913A (ko) * | 2006-07-21 | 2008-01-24 | (주)나오디지탈 | 직접부하제어를 이용한 에어컨의 에너지 절감형 제어방법 |
CN201129823Y (zh) * | 2007-11-21 | 2008-10-08 | 厦门立思科技有限公司 | 基于人工神经网络技术的中央空调节能控制装置 |
CN102980272A (zh) * | 2012-12-08 | 2013-03-20 | 珠海派诺科技股份有限公司 | 一种基于负荷预测的空调系统节能优化方法 |
-
2014
- 2014-07-22 CN CN201410350443.3A patent/CN104134100B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080008913A (ko) * | 2006-07-21 | 2008-01-24 | (주)나오디지탈 | 직접부하제어를 이용한 에어컨의 에너지 절감형 제어방법 |
CN201129823Y (zh) * | 2007-11-21 | 2008-10-08 | 厦门立思科技有限公司 | 基于人工神经网络技术的中央空调节能控制装置 |
CN102980272A (zh) * | 2012-12-08 | 2013-03-20 | 珠海派诺科技股份有限公司 | 一种基于负荷预测的空调系统节能优化方法 |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460615A (zh) * | 2014-11-19 | 2015-03-25 | 北京百度网讯科技有限公司 | 数据中心自控系统的运行控制方法和装置 |
WO2016184192A1 (zh) * | 2015-05-21 | 2016-11-24 | 中兴通讯股份有限公司 | 数据处理方法及装置 |
CN106296498A (zh) * | 2015-05-21 | 2017-01-04 | 中兴通讯股份有限公司 | 数据处理方法及装置 |
CN105115113A (zh) * | 2015-09-22 | 2015-12-02 | 山东广成节能科技有限公司 | 一种中央空调机房能效优化系统 |
CN105115113B (zh) * | 2015-09-22 | 2018-08-07 | 山东广成节能科技有限公司 | 一种中央空调机房能效优化系统 |
CN105425750A (zh) * | 2015-12-18 | 2016-03-23 | 合肥市恒昌自动化控制有限责任公司 | 基于云端平台的能源管理系统 |
CN106055882A (zh) * | 2016-05-24 | 2016-10-26 | 珠海格力电器股份有限公司 | 水冷螺杆热泵机组选型计算方法及装置 |
CN106055882B (zh) * | 2016-05-24 | 2019-04-02 | 珠海格力电器股份有限公司 | 水冷螺杆热泵机组选型计算方法及装置 |
CN106094764A (zh) * | 2016-08-01 | 2016-11-09 | 南京腾图节能科技有限公司 | 一种基于云计算的工业循环冷却水系统监测系统 |
CN107247407A (zh) * | 2017-07-11 | 2017-10-13 | 浙江中易和节能技术有限公司 | 一种基于云架构的大数据自我学习修正控制系统及方法 |
CN107560065A (zh) * | 2017-08-14 | 2018-01-09 | 海尔优家智能科技(北京)有限公司 | 一种智能空调控制方法及服务器 |
CN107560065B (zh) * | 2017-08-14 | 2020-05-01 | 海尔优家智能科技(北京)有限公司 | 一种智能空调控制方法及服务器 |
CN107726683A (zh) * | 2017-09-04 | 2018-02-23 | 珠海格力电器股份有限公司 | 冷水机组及其控制方法和装置 |
CN107830607A (zh) * | 2017-09-27 | 2018-03-23 | 广东美的暖通设备有限公司 | 多联机空调系统及其节能控制方法、装置及存储介质 |
CN108050654A (zh) * | 2017-11-10 | 2018-05-18 | 深圳达实智能股份有限公司 | 医院变风量空调箱能效预警方法、终端及可读存储介质 |
CN108089440A (zh) * | 2017-12-06 | 2018-05-29 | 北京百度网讯科技有限公司 | 节能控制方法和装置 |
CN107940679B (zh) * | 2017-12-14 | 2020-07-07 | 中通服咨询设计研究院有限公司 | 一种基于数据中心冷水机组性能曲线的群控方法 |
CN107940679A (zh) * | 2017-12-14 | 2018-04-20 | 江苏省邮电规划设计院有限责任公司 | 一种基于数据中心冷水机组性能曲线的群控方法 |
CN108168030A (zh) * | 2017-12-14 | 2018-06-15 | 南京师范大学 | 一种基于制冷性能曲线的智能控制方法 |
CN108168030B (zh) * | 2017-12-14 | 2020-06-16 | 南京师范大学 | 一种基于制冷性能曲线的智能控制方法 |
CN109063255A (zh) * | 2018-06-29 | 2018-12-21 | 广州能迪能源科技股份有限公司 | 一种节能控制方法、电子设备、存储介质、装置及系统 |
CN109000949A (zh) * | 2018-06-29 | 2018-12-14 | 广州能迪能源科技股份有限公司 | 基于冷水机组热力学模型的冷水机组评估方法及节能方法 |
CN109063255B (zh) * | 2018-06-29 | 2023-08-08 | 广州能迪能源科技股份有限公司 | 一种节能控制方法、电子设备、存储介质、装置及系统 |
CN110749049A (zh) * | 2018-07-05 | 2020-02-04 | 青岛海尔空调电子有限公司 | 水冷式空调机组的控制方法 |
CN109028254A (zh) * | 2018-08-10 | 2018-12-18 | 天津六百光年智能科技有限公司 | 一种综合能源高效利用的方法及系统 |
CN109506344A (zh) * | 2018-10-15 | 2019-03-22 | 平安科技(深圳)有限公司 | 空调制冷量的控制方法、装置及电子设备 |
CN112781184A (zh) * | 2019-11-11 | 2021-05-11 | 中国铁建电气化局集团有限公司 | 一种空调系统智能降耗方法和系统 |
CN110879585A (zh) * | 2019-12-03 | 2020-03-13 | 上海市建筑科学研究院有限公司 | 基于能耗监测平台非运行时段建筑电梯支路用能诊断方法 |
CN111047117B (zh) * | 2019-12-31 | 2021-02-19 | 中维通(北京)科技有限公司 | 一种基于末端负荷预测的压差旁通阀节能优化方法 |
CN111047117A (zh) * | 2019-12-31 | 2020-04-21 | 中维通(北京)科技有限公司 | 一种基于末端负荷预测的压差旁通阀节能优化方法 |
CN111336669A (zh) * | 2020-03-12 | 2020-06-26 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN111336669B (zh) * | 2020-03-12 | 2021-04-13 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN111399420A (zh) * | 2020-03-31 | 2020-07-10 | 北京天成冠通能源科技有限公司 | 一种idc机房能源控制方法及系统 |
CN111561772A (zh) * | 2020-07-15 | 2020-08-21 | 上海有孚智数云创数字科技有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
CN111561772B (zh) * | 2020-07-15 | 2020-10-02 | 上海有孚智数云创数字科技有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
WO2022012542A1 (zh) * | 2020-07-15 | 2022-01-20 | 上海有孚网络股份有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
CN111811110A (zh) * | 2020-08-28 | 2020-10-23 | 创新奇智(南京)科技有限公司 | 制冷机组的控制方法及装置、电子设备、存储介质 |
CN112081754A (zh) * | 2020-09-07 | 2020-12-15 | 河北利万信息科技有限公司 | 一种用于供水泵故障智能诊断方法 |
CN112413831A (zh) * | 2020-11-25 | 2021-02-26 | 中国电力科学研究院有限公司 | 一种中央空调节能控制系统及方法 |
CN112506066A (zh) * | 2020-12-09 | 2021-03-16 | 创维集团有限公司 | 一种智能家居的智能控制系统 |
CN112665144A (zh) * | 2020-12-11 | 2021-04-16 | 珠海格力电器股份有限公司 | 暖通群控方法、系统和一种控制器 |
CN112650335A (zh) * | 2020-12-18 | 2021-04-13 | 山东盛帆蓝海电气有限公司 | 一种基于大数据挖掘的能耗智能管控系统及方法 |
CN112665153A (zh) * | 2020-12-24 | 2021-04-16 | 珠海格力电器股份有限公司 | 制冷系统供冷量的控制方法、装置、控制器和制冷系统 |
CN112769908A (zh) * | 2020-12-29 | 2021-05-07 | 煤炭科学研究总院 | 协同控制方法、装置及电子设备 |
CN112747418A (zh) * | 2021-01-05 | 2021-05-04 | 青岛海信日立空调系统有限公司 | 空调器及云服务器 |
CN112728737A (zh) * | 2021-01-05 | 2021-04-30 | 青岛海信日立空调系统有限公司 | 一种空调器及云服务器 |
WO2022213494A1 (zh) * | 2021-04-07 | 2022-10-13 | 厦门邑通智能科技集团有限公司 | 一种中央空调水冷机组节能控制方法、系统和设备 |
CN115325665A (zh) * | 2021-05-11 | 2022-11-11 | 博纳信远能源科技有限公司 | 中央空调的节能优化控制方法、设备及系统 |
CN115325665B (zh) * | 2021-05-11 | 2023-09-22 | 博纳信远能源科技有限公司 | 中央空调的节能优化控制方法、设备及系统 |
CN113465442A (zh) * | 2021-06-29 | 2021-10-01 | 青岛海尔空调电子有限公司 | 冷却塔能耗确定方法及系统 |
CN115013943A (zh) * | 2022-01-12 | 2022-09-06 | 武汉舒适易佰科技有限公司 | 一种智能化空调控制系统 |
CN115003140A (zh) * | 2022-08-04 | 2022-09-02 | 浩鲸云计算科技股份有限公司 | 一种数据中心机房水冷机组末端空调协同控制节能方法 |
CN117450630A (zh) * | 2023-12-21 | 2024-01-26 | 上海安巢在线控制技术股份有限公司 | 一种基于冷水泵流量的空调能耗损失控制方法及系统 |
CN117450630B (zh) * | 2023-12-21 | 2024-02-27 | 上海安巢在线控制技术股份有限公司 | 一种基于冷水泵流量的空调能耗损失控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104134100B (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104134100A (zh) | 一种基于云计算的节能管理系统 | |
CN102367980B (zh) | 一种中央空调多维度集成优化控制系统及方法 | |
CN101968250B (zh) | 一种冷冻机房节能优化控制系统及方法 | |
CN103062861B (zh) | 用于中央空调的节能监控方法及系统 | |
CN105444356A (zh) | 一种中央空调系统的能效优化智能控制系统及其控制方法 | |
CN102283283B (zh) | 智能化浅层地能低温储粮系统 | |
CN104633857A (zh) | 一种空调节能优化控制方法及装置 | |
CN101363653A (zh) | 中央空调制冷系统的能耗控制方法及装置 | |
CN202734154U (zh) | 中央空调自寻优智能模糊控制装置 | |
CN101655272A (zh) | 一种网络中央空调节能控制管理系统及其方法 | |
CN102062459A (zh) | 一种中央空调的节能控制系统 | |
CN114383299B (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
CN110222398B (zh) | 冷水机组人工智能控制方法、装置、存储介质及终端设备 | |
CN202648063U (zh) | 中央空调能效优化控制管理系统 | |
CN113739371B (zh) | 一种基于云端协同的中央空调系统及其控制方法 | |
CN110940061A (zh) | 中央空调控制方法及系统 | |
CN114963414A (zh) | 基于ai数据分析的空调系统智能调控装置 | |
CN109028447A (zh) | 一种基于云计算的空调制冷机房智能控制系统以及控制方法 | |
CN105299846B (zh) | 一种基于全局关联优化的机房群控装置及其控制方法 | |
CN211903215U (zh) | 一种地铁高效机房节能控制系统 | |
CN201318766Y (zh) | 中央空调制冷系统的冷却水泵能耗控制装置 | |
CN201944984U (zh) | 一种冷冻机房节能优化控制系统 | |
CN204329256U (zh) | 中央空调模糊控制系统 | |
CN203258800U (zh) | 一种中央空调动态跟踪节能管理控制系统 | |
CN210441402U (zh) | 一种空调系统的自动化控制装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170613 Termination date: 20180722 |
|
CF01 | Termination of patent right due to non-payment of annual fee |