CN104571034B - 一种智能管控设备及其控制方法 - Google Patents
一种智能管控设备及其控制方法 Download PDFInfo
- Publication number
- CN104571034B CN104571034B CN201410836396.3A CN201410836396A CN104571034B CN 104571034 B CN104571034 B CN 104571034B CN 201410836396 A CN201410836396 A CN 201410836396A CN 104571034 B CN104571034 B CN 104571034B
- Authority
- CN
- China
- Prior art keywords
- heat source
- cold
- user side
- weather
- hot
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 74
- 238000004378 air conditioning Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 96
- 238000001816 cooling Methods 0.000 claims description 71
- 230000007613 environmental effect Effects 0.000 claims description 54
- 238000005265 energy consumption Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 21
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010438 heat treatment Methods 0.000 abstract description 10
- 238000013480 data collection Methods 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000009423 ventilation Methods 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000033999 Device damage Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种暖通空调系统冷热联合供给的智能管控设备及其控制方法。本发明的智能管控设备包括：用户侧环境数据采集系统、用户侧监控系统和热源侧监控系统。本发明的冷热联合供给的智能管控设备，通过改进的末端温度的负荷预测算法和最低能耗冷热量均衡分配算法，实现清洁能源最大化利用，彻底解决现有系统仅以环境温度为依据的负荷预测不准的问题，从而实现冷热供需平衡，同时解决冷热供给实时的最大能效比追踪问题；同时可以对外部传感器以及冷热源设备进行有效保护，还有触摸屏上非常形象的画面实时显示系统、环境、设备参数，让用户对整个联供系统了如指掌。
Description
技术领域
本发明涉及建筑节能技术，具体涉及一种暖通空调系统冷热联合供给的智能管控设备及其控制方法。
背景技术
能源是人类生存和发展的重要物质基础，目前我国的能源利用率相对较低，而暖通空调中的供冷、供热是建筑主要能耗点，合理匹配用户侧冷热源负荷偏差值是实现暖通空调系统的节能点。如今很多耗能单位选择太阳能热水系统、水地源热泵系统等实现降低能耗，但面临系统不稳定、人力投入过多，冷热供给不匹配等问题，导致本该节能的设备反而成为更加耗能设备。
现有市场冷热联供控制系统仅根据环境温度预测冷热源负荷偏差值，由于建筑冷热需求不仅仅跟环境温度有关，还与建筑内部人员情况、末端空调设备运行情况、天气变化密切相关，因此无法准确预测实际冷热量值，实现系统超前控制。学者提出的将每个房间空调设备运行情况与人员分布情况等等全部接入系统，会导致系统非常庞大，成本成比例增加，让用户无法接受。冷热源控制策略方面多采用温度闭环，调节流量的方式实现，这种控制策略滞后时间很长，根本无法满足末端需求，往往需要人员干预，更无法使冷热源系统达到最大能效比。
发明内容
为了解决冷热联合供给系统滞后时间长，非线性，强耦合而使系统冷热供给供需不平衡，系统能效比低下的问题，本发明提出一种暖通空调系统冷热联合供给的智能管控设备及其控制方法，应用于多种能源供给相互补充的节能建筑，充分利用清洁能源和廉价能源的优势，实现冷热供给需求平衡，达到建筑节省能耗的目的。
本发明的目的在于提供一种暖通空调系统冷热联合供给的智能管控设备。
本发明的暖通空调系统冷热联合供给的智能管控设备包括：用户侧环境数据采集系统、用户侧监控系统和热源侧监控系统；其中，外部的传感器采集建筑内的环境数据，传输至用户侧环境数据采集系统；用户侧环境数据采集系统根据环境数据、以及天气信息和外部的末端空调设备的能耗值，基于末端温度的负荷预测算法，分析数据，预测下一时刻室内环境的冷热源负荷偏差值，传输至用户侧监控系统；用户侧监控系统根据下一时刻室内环境的冷热源负荷偏差值，按照最低能耗冷热量均衡分配算法，控制外部的冷热源设备。
用户侧环境数据采集系统包括：电源、数据采集器、传感器保护设备和用户侧环境通信仪器；其中，数据采集器、用户侧环境通信仪器和传感器保护设备分别连接至电源；外部的传感器分别连接至数据采集器以及传感器保护设备；数据采集器连接至用户侧环境通信仪器。传感器采集用户的温度、湿度和CO2等环境数据，然后将环境数据传输至数据采集器，数据采集器对环境数据进行处理，还原成环境数据的实际值，传输至用户侧环境通信仪器，用户侧环境通信仪器传输至用户侧监控系统。传感器保护设备保护外部的传感器不受供电波动而影响采集数据的真实性，以及防止因传感器短路或雷击导致损坏。用户侧环境数据采集系统安装在壳体中，壳体底部有开口，安装接线端子。多个外部的传感器分别放置在建筑内的需要监测的区域，分别采集建筑内的典型区域的环境数据。进一步，在建筑外也设置有外部的传感器，用以采集建筑物周围的天气信息。
用户侧监控系统包括：电源、处理器、用户侧监控通信仪器、系统自检仪和用户侧触摸屏；其中，处理器、用户侧监控通信仪器、系统自检仪和用户侧触摸屏分别连接至电源；用户侧监控通信仪器、系统自检仪和用户侧触摸屏分别与处理器连接；系统自检仪还分别与用户侧监控通信仪器和用户侧触摸屏连接；用户侧监控通信仪器还与外部的末端空调设备相连接。电源为各个设备提供电源。用户侧环境通信仪器将数据传输至用户侧监控通信仪器，并且外部的末端空调设备通过能耗采集接口，将末端空调设备的实时能耗值传输至用户侧监控通信仪器；用户侧监控通信仪器将数据传输至处理器；处理器根据用户的环境数据自学习和优化用户习惯及需求，分析数据，预测下一时刻室内环境的冷热源负荷偏差值，然后再通过用户侧环境通信仪器将下一时刻室内环境的冷热源负荷偏差值传送到热源侧监控系统。用户侧触摸屏通过逼真的3D画面实时显示建筑当前环境参数，以及显示当前系统运行状况。系统自检仪用于对整个系统运行状况进行不定时或异常触发的巡检，确定系统当前运转情况，并将自检结果传输至用户侧触摸屏显示。用户侧监控系统安装在壳体中，壳体的底部有开口，安装接线端子，壳体的表面有开口，安装用户侧触摸屏。外部的末端空调设备包括空调机组、新风机组和风机盘管。
热源侧监控系统包括：电源、主控设备、热源侧触摸屏、系统自检装置、冷热源设备保护装置和热源侧通信仪器；其中，主控设备、热源侧通信仪器、系统自检装置、热源侧触摸屏和冷热源设备保护装置分别连接至电源；热源侧通信仪器、系统自检仪和热源侧触摸屏分别与主控设备连接；系统自检仪还分别与热源侧通信仪器和热源侧触摸屏连接；热源侧通信仪器还与外部的冷热源设备相连接；冷热源设备保护装置与外部的冷热源设备连接。主控设备根据下一时刻室内环境的冷热源负荷偏差值，按照最低能耗冷热量均衡分配算法，通过热源侧通信仪器，控制外部的冷热源设备，从而实现冷热联供多种能源供给智能协调管控的功能。热源侧触摸屏可以通过3D画面实时显示当前热源系统运转情况、用户侧需求状况以及热源侧调控方式，还有系统本身运行状况。系统自检仪用于对整个系统运转状况进行不定时或异常触发的巡检工作，诊断系统运转状况并传输至触摸屏显示。冷热源设备保护装置用于保护冷热源设备以及热量传输设备，防止因不正常操作以及误操作或电网波动而使冷热源设备损坏。热源侧监控系统安装在壳体中，壳体的底部有开口，安装接线端子，壳体的表面有开口，安装热源侧触摸屏。外部的冷热源设备包括太阳能热水器、空气源热泵、冷却塔、水箱和水源热泵。
本发明采用用户侧环境数据采集系统采集用户需要，用户侧监控系统分析用户需要，热源侧监控系统控制外部的冷热源设备，从而提升了耗能建筑的舒适度，降低了建筑能耗。实现了功能、耗能之间供需平衡，且在线数据采集分析超前控制避免了常规控制系统控制滞后的问题。
本发明可以有效管控外部的冷热源设备输出与用户侧需求匹配的能源供给，通过实时优化学习用户侧用能习惯以及在线监视耗能设备运行状态；有效解决多种能源供给中供能与用能之间的冲突，实现能耗供给平衡。同时可以对外部的传感器以及冷热源设备进行有效保护，还有触摸屏上非常形象的画面实时显示系统、环境、设备参数，让用户对整个联供系统了如指掌。
本发明的暖通空调系统冷热联合供给的智能管控设备的控制方法，包括以下步骤：
1)外部的传感器采集建筑内的环境数据，然后将环境数据传输至数据采集器，数据采集器对环境数据进行处理，传输至用户侧环境通信仪器；
2)用户侧环境通信仪器将环境数据传输至用户侧监控通信仪器，用户侧监控通信仪器将数据传输至处理器；
3)处理器基于末端温度的负荷预测算法，引入天气信息和末端空调设备的能耗值，分析数据，预测下一时刻室内环境的冷热源负荷偏差值，然后再通过用户侧环境通信仪器将下一时刻室内环境的冷热源负荷偏差值传送至热源侧监控系统；
4)热源侧通信仪器接收来自用户侧环境通信仪器的下一时刻室内环境的冷热源负荷偏差值，并传输至主控设备，主控设备根据下一时刻室内环境的冷热源负荷偏差值，按照最低能耗冷热量均衡分配算法，通过热源侧通信仪器，控制外部的冷热源设备，从而实现冷热联供多种能源供给智能协调管控的功能。
其中，在步骤1)中，多个外部的传感器分别放置在建筑内的需要监测的区域，分别采集建筑内典型区域的环境数据，环境数据包括温度、湿度和CO2，然后将环境数据传输至数据采集器，数据采集器对环境数据进行处理，将传感器采集的数据还原成环境数据的实际值。
在步骤3)中，处理器基于末端温度的负荷预测算法，包括以下步骤：
a)处理器通过气象台天气预报接口，实时地采集中国气象局发布的天气信息，得到建筑外的天气焓值，计算当前与昨天同一时刻的天气信息的焓值偏差，求得今天当前由于外部天气的变化引起的冷热需求的变化焓值ΔIN1(T)；
b)处理器根据分布在建筑内的各个外部传感器采集到的环境数据，计算当前与昨天同一时刻的环境数据的偏差值，求得今天当前由于室内环境的变化引起的冷热需求的变化焓值ΔIN2(T)；
c)外部的末端空调设备(包括空调机组、新风机组和风机盘管)通过能耗采集接口，将末端空调设备的实时的能耗值传输至用户侧监控通信仪器，然后传输至处理器，处理器根据昨天同一时刻的能耗值，得到今天当前末端空调设备能耗引起的偏差值ΔPN(T)；
d)用户侧环境通信仪器将人数的信息传输至用户侧监控通信仪器，用户侧监控通信仪器将人数的信息传输至处理器，计算当前与昨天同一时刻由于人数变化引起的人员发热量的偏差值，得到今天当前由于人员发热量的变化值ΔPrN(T)；
e)以历史数据为教师信号，调用神经网络自学习算法，计算分别得到系数S1、S2、S3和S4，然后分别得到今天当前的由于外部天气的变化引起的冷热源负荷偏差值ΔQN1(T)、室内环境变化引起的冷热源负荷偏差值ΔQN2(T)，末端空调设备能耗引起的冷热源负荷偏差值ΔQN3(T)，以及人数的变化引起的冷热源负荷偏差值ΔQN4(T)，其中，ΔQN1(T)＝S1ΔIN1(T)，ΔQN2(T)＝S2ΔIN1(T)，ΔQN3(T)＝S3ΔPN(T)，ΔQN4(T)＝S4ΔPrN(T)；
f)预测今天下一时刻室内环境的冷热源负荷偏差值QN(T+1)，满足关系式(1)
QN(T+1)＝QN(T)+QL(T+1)-QL(T)+ΔQN1(T)+ΔQN2(T)+ΔQN3(T)+ΔQN4(T) (1)
其中，QN(T)为今天当前室内环境的冷热源负荷偏差值，QL(T+1)昨天下一时刻室
内环境的冷热源负荷偏差值，QL(T)为昨天同一时刻室内环境的冷热源负荷偏差值。
其中，在步骤a)中，由于天气预报的外部天气信息，距离建筑很远，并且气象局半个小时发布一次，时滞时间长，因此天气信息存在偏差，需要矫正。在建筑外设置传感器，得到实时的建筑外的天气信息，与天气预报的实时天气信息进行比对，得到建筑外当前的实际天气焓值。
设置在建筑外的传感器采集传感器所在点的建筑外的温湿度，传输至处理器，处理器定期采集并计算，得到传感器所在点的分时天气焓值IOi(T)，计算分时天气焓值的平均值I(T)；然后处理器根据天气预报的天气信息，计算得到天气预报的天气焓值IN0(T)，将二者求差，得到分时天气焓值的平均值与天气预报的天气焓值的偏差值ΔION(T)；处理器根据前m个周期的天气预报的天气焓值与分时天气焓值的平均值，计算当前的偏差系数k1～km，m为自然数，并通过神经网络自学习算法调整偏差系数k1～km，然后根据前m个时刻的偏差值ΔION(T-1)～ΔION(T-m)，计算得到当前建筑外当前的实际天气焓值IN1(T)：
IN1(T)＝I(T)+k1×ΔION(T-1)++k2×ΔION(T-2)+......+km×ΔION(T-m)
步骤e)中，历史数据是指实际的中国气象局发布的天气信息、建筑内的环境数据、末端空调设备的能耗值。
在步骤4)中，外部的冷热源设备包括太阳能热水器、空气源热泵、冷却塔、水箱和水源热泵，最低能耗冷热量均衡分配算法是指，主控设备对外部的冷热源设备按照能耗进行升序排列，能耗越低排序越靠前，主控设备将今天下一时刻室内环境的冷热源负荷偏差值QN(T+1)，计算成外部的冷热源设备的控制参数，优先加载能耗靠前(即能耗低)的冷热源设备，靠前的冷热源设备满载后，依次对后面的冷热源设备进行功率加载，直至满足冷热源负荷偏差值，然后将外部的冷热源设备的控制参数通过热源侧通讯仪器传输至外部的冷热源设备。
进一步，根据冷热源负荷偏差值得到末端空调设备的调节量，并将末端空调设备的调节量传送至用户侧监控通信仪器，再通过用户侧监控通信仪器传送至外部的末端空调设备。
本发明基于末端温度的负荷预测算法和基于最低能耗冷热量均衡分配算法，基于末端温度的负荷预测算法，引入天气信息和末端空调设备的能耗值，以前一日需求为准线采用偏差校准的方法，简单且准确的预测建筑内的冷热源负荷偏差值，解决冷热联供空调系统的超前控制；基于最低能耗冷热量均衡分配算法，根据冷热源负荷偏差值调整冷热源设备的功率，调整中动态扰动在实现冷热供需平衡，同时实现系统的最大能效比追踪。本发明的冷热联合供给的智能管控设备通过改进的负荷预测算法和最低能耗冷热量均衡分配算法控制实现清洁能源最大化利用，彻底解决现有系统仅以环境温度为依据的负荷预测不准的问题，从而实现冷热供需平衡，同时解决冷热供给实时的最大能效比追踪问题。
本发明的优点：
本发明可以有效管控冷热源设备输出与用户侧需求匹配的能源供给，通过实时优化学习用户侧用能习惯以及在线监视耗能设备运行状态；有效解决多种能源供给中供能与用能之间的冲突，实现能耗供给平衡。同时可以对外部传感器以及冷热源设备进行有效保护，还有触摸屏上非常形象的画面实时显示系统、环境、设备参数，让用户对整个联供系统了如指掌。
附图说明
图1为本发明的暖通空调系统冷热联合供给的智能管控设备的整体结构框图；
图2(a)为本发明的智能管控设备的用户侧环境数据采集系统的框图，图2(b)为本发明的智能管控设备的用户侧监控系统的框图，图2(c)为本发明的智能管控设备的为热源侧监控系统。
具体实施方式
下面结合附图，通过实施例对本发明做进一步说明。
如图1所示，本实施例的暖通空调系统冷热联合供给的智能管控设备包括：用户侧环境数据采集系统、用户侧监控系统和热源侧监控系统；其中，用户侧环境数据采集系统、用户侧监控系统和热源侧监控系统分别安装在各自的壳体内；外部的传感器连接至用户侧环境数据采集系统；用户侧环境数据采集系统连接至用户侧监控系统，用户侧监控系统与外部的末端空调设备相连接；用户侧监控系统连接至热源侧监控系统，热源侧监控系统与外部的冷热源设备相连接。
如图2(a)所示，用户侧环境数据采集系统1包括电源11、数据采集器12、用户侧环境通信仪器13、传感器保护设备14；数据采集器12、用户侧环境通信仪器13、传感器保护设备14分别连接至电源11，外部的传感器连接分别至数据采集器12和传感器保护设备14连接，数据采集器12连接至用户侧环境通信仪器13。数据采集器12通过外部的传感器采集温湿度、CO2、PM2.5环境数据，将传感器的电压信号转换为具有实际意义的物理量。然后数据采集器12将环境数据实际值与传感器编号、传感器安装位置、房间编号、建筑编号信息封装为一个具有详细地址信息的环境数据包，通过用户侧环境通信仪器13把数据包传送到用户侧监控系统。用户侧环境通信仪器13连接至用户侧监控系统2的用户侧监控通信仪器23连接，将数据采集12采集的环境数据包通过无线通讯方式传输给用户侧监控系统2的用户侧监控通信仪器23。传感器保护设备14与外部的传感器连接，防止外部传感器因电源波动、电击、雷击而损坏。用户侧环境数据采集系统1安装在壳体中，壳体的下侧开口，安装接线端子，壳体的正面不开孔。
如图2(b)所示，用户侧监控系统2包括电源21、处理器22、用户侧监控通信仪器23、系统自检仪24和用户侧触摸屏25。其中，处理器22、用户侧监控通信仪器23、系统自检仪24和用户侧触摸屏25分别连接至电源21；用户侧监控通信仪器23、系统自检仪24和用户侧触摸屏25与处理器22连接；系统自检仪24还与用户侧监控通信仪器23和用户侧触摸屏25连接；用户侧监控通信仪器23还连接至外部的末端空调设备。电源21为各个设备提供电源。用户侧监控通信仪器23接受用户侧环境数据采集系统发送的环境数据包，并对数据包反向解析以及数据校验和过滤；进而通过串行通信方式传输至处理器22。处理器22根据基于末端温度的负荷预测算法，引入天气信息和末端空调设备的能耗值，以前一日需求为准线采用偏差校准的方法，简单且准确的预测建筑内的下一时刻室内环境的冷热源负荷偏差值，进一步根据冷热源负荷偏差值控制建筑内的末端空调设备的调节量，并将下一时刻室内环境的冷热源负荷偏差值和末端空调设备的调节量送至用户侧监控通信仪器23。用户侧监控通信仪器23再将下一时刻室内环境的冷热源负荷偏差值传输至热源侧监控系统的热源侧通信仪器33，以及将末端空调设备的调节量传输至外部的末端空调设备。用户侧触摸屏25与处理器22连接，通过串口通信将处理器22中用户侧监控系统2的实时运行数据以及环境数据、环境指数、末端空调设备冷热源设备以3D动态画面的形式显示给用户。系统自检仪24与处理器22、用户侧监控通信仪器23和用户侧触摸屏25连接，根据上次自检时间距当前时间的时间值与历史累计异常频度计算下次巡检时间，或异常触发立即巡检实现自动诊断系统，主要诊断电源21的供电电压、电流是否在正常范围内，有无异常波动；用户侧监控通信仪器23通讯速率、丢包率、错误率有无超限；处理器22有无过热、输出环境指数以及末端空调冷热源设备有无超限；用户侧触摸屏25有无过热、与处理器22串口通信是否正常。用户侧监控系统2安装在壳体中，壳体的下侧开口，安装接线端子，壳体的正面开孔安装用户侧触摸屏25。
如图2(c)所示，热源侧监控系统3包括电源31、主控设备32、热源侧通信仪器33、系统自检装置34、热源侧触摸屏35和冷热源设备保护装置36；其中，主控设备32、热源侧通信仪器33、系统自检装置34、热源侧触摸屏35和冷热源设备保护装置36分别连接至电源31；热源侧通信仪器33、系统自检仪34和热源侧触摸屏35分别与主控设备32连接；系统自检仪34还分别与热源侧通信仪器33和热源侧触摸屏35连接；热源侧通信仪器33还连接至外部的冷热源设备；冷热源设备保护装置36与外部的冷热源设备连接。电源31为各个设备提供电源供给。热源侧通信仪器33连接至主控设备32以及外部的冷热源设备，将从用户侧监控系统的用户侧监控通信仪器23接受的数据以及从外部的冷热源设备接受的冷热源设备运行数据反向解析转化为国际标准单位的物理量值，然后将这些数值通过串口通信方式传送到主控设备32。主控设备32与热源侧通信仪器33和热源侧触摸屏35连接，主控设备32根据用户侧监控系统计算的冷热量负荷采用基于最低能耗的冷热量均衡分配，调整冷热源设备的控制参数，调整中动态扰动在实现冷热供需平衡。最后将外部的冷热源设备控制参数通过热源侧通讯仪器33传输至外部的冷热源设备，实现热源供给与建筑需求匹配。热源侧触摸屏35与主控设备32连接，通过串口通信将主控设备32中热源侧监控系统的实时运行数据以及冷热源设备运行数据、环境指数、冷热源设备控制参数以3D动态画面的形式显示给用户。系统自检仪34与电源31、主控设备32、热源侧通信仪器33、热源侧触摸屏35连接，根据上次自检时间距当前时间的时间值与历史累计异常频度计算下次巡检时间，或异常触发立即巡检实现自动诊断系统，主要诊断电源31的供电电压、电流是否在正常范围内，有无异常波动；用户侧监控通信仪器33通讯速率、丢包率、错误率有无超限；主控设备32有无过热、输出环境指数以及末端空调冷热源设备有无超限；用户侧触摸屏35有无过热、与主控设备32串口通信是否正常。冷热源设备保护装置36与外部的冷热源设备连接，防止冷热源设备因误操作导致设备异常，以及防止因供电波动、电击、雷击导致的设备损坏。热源侧监控系统3安装在壳体中，壳体的下侧开口，安装接线端子，在壳体正面开孔，安装热源触摸屏35。
本实施例的暖通空调系统冷热联合供给的智能管控设备的控制方法，包括以下步骤：
1)多个外部的传感器分别放置在建筑内的需要监测的区域，分别采集建筑内典型区域的环境数据，环境数据包括温度、湿度和CO2，然后将环境数据传输至数据采集器，数据采集器对环境数据进行处理，还原成环境数据的实际值，传输至用户侧环境通信仪器。
2)用户侧环境通信仪器将环境数据传输至用户侧监控通信仪器，用户侧监控通信仪器将数据传输至处理器。
3)处理器基于末端温度的负荷预测算法，引入天气信息和末端空调设备的能耗值，分析数据，预测下一时刻(十分钟后)室内环境的冷热源负荷偏差值，然后再通过用户侧环境通信仪器将下一时刻室内环境的冷热源负荷偏差值传送到热源侧监控系统：
a)处理器通过气象台天气预报接口，实时地采集中国气象局发布的天气信息，得到建筑外当前的实际天气焓值，计算当前与昨天同一时刻的天气信息的焓值偏差，求得今天当前的由于外部天气的变化引起的冷热需求的变化焓值ΔIN1(T)；
b)处理器根据分布在建筑内的各个外部传感器采集到的环境数据，计算当前与昨天同一时刻的环境数据的偏差值，求得今天当前的由于室内环境的变化引起的冷热需求的变化焓值ΔIN2(T)；
c)外部的末端空调设备通过能耗采集接口，将末端空调设备的实时的能耗值传输至用户侧监控通信仪器，然后传输至处理器，处理器根据昨天同一时刻的能耗值，得到今天当前的末端空调设备能耗引起的偏差值ΔPN(T)；
d)用户侧环境通信仪器将人数的信息传输至用户侧监控通信仪器，用户侧监控通信仪器将人数的信息传输至处理器；得到今天当前与昨天同一时刻的由于人数的变化引起的人员发热量的变化值ΔPrN(T)；
e)以实际数据为教师信号，调用神经网络自学习算法，计算得到系数S1、S2、S3和S4，分别得到今天当前的由于外部天气的变化引起的冷热源负荷偏差值ΔQN1(T)、室内环境变化引起的冷热源负荷偏差值ΔQN2(T)，末端空调设备能耗引起的冷热源负荷偏差值ΔQN3(T)，其中，ΔQN1(T)＝S1ΔIN1(T)，ΔQN2(T)＝S2ΔIN1(T)，ΔQN3(T)＝S3ΔPN(T)，ΔQN4(T)＝S4ΔPrN(T)；
f)预测今天下一时刻室内环境的冷热源负荷偏差值QN(T+1)，满足关系式(2)
QN(T+1)＝QN(T)+QL(T+1)-QL(T)+ΔQN1(T)+ΔQN2(T)+ΔQN3(T)+ΔQN4(T) (2)
其中，QN(T)为今天当前室内环境的冷热源负荷偏差值，QL(T+1)昨天下一时刻室内环境的冷热源负荷偏差值，QL(T)为昨天同一时刻室内环境的冷热源负荷偏差值。
4)热源侧通信仪器接收来自用户侧环境通信仪器的下一时刻室内环境的冷热源负荷偏差值，并传输至主控设备，主控设备连接至外部的冷热源设备，外部的冷热源设备包括太阳能热水器、空气源热泵、冷却塔、水箱和水源热泵，主控设备根据下一时刻(十分钟后)室内环境的冷热源负荷偏差值QN(T+1)，计算外部的冷热源设备控制参数，优先加载能耗靠前的冷热源设备，靠前的冷热源设备满载后，依次对后面的冷热源设备进行功率加载，直至满足冷热源负荷偏差值，然后将外部的冷热源设备控制参数通过热源侧通讯仪器传输至外部的冷热源设备，从而实现冷热联供多种能源供给智能协调管控的功能。
其中，在步骤3)的a)中，设置在建筑外的传感器采集传感器所在点的建筑外的温湿度，传输至处理器，处理器每分钟采集10次，每小时采集600个值，得到传感器所在点的分时天气焓值IOi(T)，i为自然数，计算分时天气焓值的平均值I然后处理器根据天气预报的天气信息，计算得到天气预报的天气焓值IN0(T)，将二者求差，得到分时天气焓值的平均值与天气预报的天气焓值的偏差值ΔION(T)＝IN0(T)-I(T)；处理器根据前4个周期的天气预报的天气焓值与分时天气焓值的平均值，计算当前的偏差系数k1～k4，并通过神经网络自学习算法调整偏差系数k1～k4，然后根据前4个时刻的偏差值ΔION(T-1)～ΔION(T-4)，计算得到当前建筑外的实际天气焓值IN1(T)：
IN1(T)＝I(T)+k1×ΔION(T-1)++k2×ΔION(T-2)+k3×ΔION(T-3)+k4×ΔION(T-4)
最后需要注意的是，公布实施方式的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。
Claims (4)
1.一种智能管控设备的控制方法，其特征在于，所述控制方法包括以下步骤：
1)外部的传感器采集建筑内的环境数据，然后将环境数据传输至数据采集器，数据采集器对环境数据进行处理，传输至用户侧环境通信仪器；
2)用户侧环境通信仪器将环境数据传输至用户侧监控通信仪器，用户侧监控通信仪器将数据传输至处理器；
3)处理器基于末端温度的负荷预测算法，引入天气信息和末端空调设备的能耗值，分析数据，预测下一时刻室内环境的冷热源负荷偏差值，然后再通过用户侧环境通信仪器将下一时刻室内环境的冷热源负荷偏差值传送至热源侧监控系统；
4)热源侧通信仪器接收来自用户侧环境通信仪器的下一时刻室内环境的冷热源负荷偏差值，并传输至主控设备，主控设备根据下一时刻室内环境的冷热源负荷偏差值，按照最低能耗冷热量均衡分配算法，通过热源侧通信仪器，控制外部的冷热源设备，从而实现冷热联供多种能源供给智能协调管控的功能；
在步骤3)中，处理器基于末端温度的负荷预测算法，包括以下步骤：
a)处理器通过气象台天气预报接口，实时地采集中国气象局发布的天气信息，得到建筑外的天气焓值，计算当前与昨天同一时刻的天气信息的焓值偏差，求得今天当前由于外部天气的变化引起的冷热需求的变化焓值ΔIN1(T)；
b)处理器根据分布在建筑内的各个外部传感器采集到的环境数据，计算当前与昨天同一时刻的环境数据的偏差值，求得今天当前由于室内环境的变化引起的冷热需求的变化焓值ΔIN2(T)；
c)外部的末端空调设备通过能耗采集接口，将末端空调设备的实时的能耗值传输至用户侧监控通信仪器，然后传输至处理器，处理器根据昨天同一时刻的能耗值，得到今天当前末端空调设备能耗引起的偏差值ΔPN(T)；
d)用户侧环境通信仪器将人数的信息传输至用户侧监控通信仪器，用户侧监控通信仪器将人数的信息传输至处理器，计算当前与昨天同一时刻由于人数变化引起的人员发热量的偏差值，得到今天当前由于人员发热量的变化值ΔPrN(T)；
e)以历史数据为教师信号，调用神经网络自学习算法，计算分别得到系数S1、S2、S3和S4，然后分别得到今天当前的由于外部天气的变化引起的冷热源负荷偏差值ΔQN1(T)、室内环境变化引起的冷热源负荷偏差值ΔQN2(T)，末端空调设备能耗引起的冷热源负荷偏差值ΔQN3(T)，以及人数的变化引起的冷热源负荷偏差值ΔQN4(T)，其中，ΔQN1(T)＝S1ΔIN1(T)，ΔQN2(T)＝S2ΔIN1(T)，ΔQN3(T)＝S3ΔPN(T)，ΔQN4(T)＝S4ΔPrN(T)；
f)预测今天下一时刻室内环境的冷热源负荷偏差值QN(T+1)，满足关系式(1)
QN(T+1)＝QN(T)+QL(T+1)-QL(T)+ΔQN1(T)+ΔQN2(T)+ΔQN3(T)+ΔQN4(T) (1)
其中，QN(T)为今天当前室内环境的冷热源负荷偏差值，QL(T+1)昨天下一时刻室内环境的冷热源负荷偏差值，QL(T)为昨天同一时刻室内环境的冷热源负荷偏差值。
2.如权利要求1所述的控制方法，其特征在于，在步骤a)中，设置在建筑外的传感器采集传感器所在点的建筑外的温湿度，传输至处理器，处理器定期采集并计算，得到传感器所在点的分时天气焓值IOi(T)，计算分时天气焓值的平均值I(T)；然后处理器根据天气预报的天气信息，计算得到天气预报的天气焓值IN0(T)，将二者求差，得到分时天气焓值的平均值与天气预报的天气焓值的偏差值ΔION(T)；处理器根据前m个周期的天气预报的天气焓值与分时天气焓值的平均值，计算当前的偏差系数k1～km，m为自然数，并通过神经网络自学习算法调整偏差系数k1～km，然后根据前m个时刻的偏差值ΔION(T-1)～ΔION(T-m)，计算得到当前建筑外当前的实际天气焓值IN1(T)：
IN1(T)＝I(T)+k1×ΔION(T-1)++k2×ΔION(T-2)+……+km×ΔION(T-m)。
3.如权利要求1所述的控制方法，其特征在于，在步骤4)中，最低能耗冷热量均衡分配算法是指，主控设备对外部的冷热源设备按照能耗进行升序排列，能耗越低排序越靠前，主控设备将今天下一时刻室内环境的冷热源负荷偏差值QN(T+1)，计算成外部的冷热源设备的控制参数，优先加载能耗靠前的冷热源设备，靠前的冷热源设备满载后，依次对后面的冷热源设备进行功率加载，直至满足冷热源负荷偏差值，然后将外部的冷热源设备的控制参数通过热源侧通讯仪器传输至外部的冷热源设备。
4.如权利要求1所述的控制方法，其特征在于，进一步根据冷热源负荷偏差值得到末端空调设备的调节量，并将末端空调设备的调节量传送至用户侧监控通信仪器，再通过用户侧监控通信仪器传送至外部的末端空调设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410836396.3A CN104571034B (zh) | 2014-12-29 | 2014-12-29 | 一种智能管控设备及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410836396.3A CN104571034B (zh) | 2014-12-29 | 2014-12-29 | 一种智能管控设备及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104571034A CN104571034A (zh) | 2015-04-29 |
| CN104571034B true CN104571034B (zh) | 2017-05-03 |
Family
ID=53087362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410836396.3A Expired - Fee Related CN104571034B (zh) | 2014-12-29 | 2014-12-29 | 一种智能管控设备及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104571034B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105910225A (zh) * | 2016-04-18 | 2016-08-31 | 浙江大学 | 一种基于人员信息检测的空调负荷控制系统及方法 |
| CN109407523B (zh) * | 2017-08-16 | 2022-04-12 | 佛山市顺德区美的电热电器制造有限公司 | 加热平台组件的控制方法和加热平台组件的控制系统 |
| CN107781947B (zh) * | 2017-09-21 | 2020-03-31 | 新智能源系统控制有限责任公司 | 一种建筑空调系统冷热源预测控制方法和装置 |
| CN107576015B (zh) * | 2017-09-21 | 2020-06-23 | 新智能源系统控制有限责任公司 | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 |
| CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
| US11268996B2 (en) * | 2018-03-30 | 2022-03-08 | Johnson Controls Tyco IP Holdings LLP | Building energy management system with virtual audit metrics |
| CN109932896A (zh) * | 2019-03-22 | 2019-06-25 | 易科智控科技(北京)有限公司 | 一种建筑能耗的控制方法和系统 |
| CN110750886B (zh) * | 2019-10-10 | 2020-07-14 | 珠海市华星装备信息科技有限公司 | 一种基于自学习算法的智能安全监控和诊断方法 |
| CN112748672B (zh) * | 2020-12-29 | 2022-03-29 | 中国航天空气动力技术研究院 | 一种电弧加热烧蚀状态参数的处理系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0821650A (ja) * | 1994-07-06 | 1996-01-23 | Toshiba Corp | ビル制御装置 |
| JPH09105545A (ja) * | 1995-10-06 | 1997-04-22 | Matsushita Electric Ind Co Ltd | 空調装置 |
| CN201335488Y (zh) * | 2008-11-29 | 2009-10-28 | 深圳市奥宇控制系统有限公司 | 一种中央空调智能优化控制装置 |
| CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
| KR101374044B1 (ko) * | 2012-06-05 | 2014-03-12 | (주)코젠 | 통합형 감시 제어시스템 |
-
2014
- 2014-12-29 CN CN201410836396.3A patent/CN104571034B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0821650A (ja) * | 1994-07-06 | 1996-01-23 | Toshiba Corp | ビル制御装置 |
| JPH09105545A (ja) * | 1995-10-06 | 1997-04-22 | Matsushita Electric Ind Co Ltd | 空調装置 |
| CN201335488Y (zh) * | 2008-11-29 | 2009-10-28 | 深圳市奥宇控制系统有限公司 | 一种中央空调智能优化控制装置 |
| KR101374044B1 (ko) * | 2012-06-05 | 2014-03-12 | (주)코젠 | 통합형 감시 제어시스템 |
| CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于温度检测和神经网络的空调负荷预测;胡昶，曹丽;《仪器仪表学报》;20030831;第24卷(第4期);全文 * |
| 建筑节能管理的重要环节-区域建筑能源规划;龙惟定;《暖通空调》;20081231;第38卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104571034A (zh) | 2015-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104571034B (zh) | 一种智能管控设备及其控制方法 | |
| CN108240679B (zh) | 一种基于建筑供暖负荷预测的供热方法、装置和系统 | |
| US9471070B2 (en) | Environmental control system including distributed control elements | |
| CN104990207B (zh) | 一种动态自适应空调控制系统 | |
| CN104977040A (zh) | 环境监控方法和装置 | |
| CN205807760U (zh) | 基于物联网的空调节能监控系统 | |
| CN207094770U (zh) | 一种基于物联网的智能供暖系统 | |
| CN102865647A (zh) | 基于云计算技术具备云适应功能的云空调及其云适应方法 | |
| CN205279346U (zh) | 一种基于ddc的空调水系统输送能效比在线监测装置 | |
| CN105864881B (zh) | 一种智能家庭采暖系统及其需量控制方法 | |
| CN215724029U (zh) | 一种中央空调自适应控制系统 | |
| CN205992803U (zh) | 基于云计算技术的智能节能供电系统 | |
| CN107036157A (zh) | 一种楼宇供暖控制系统 | |
| CN106642600A (zh) | 空调装置与云控空调系统 | |
| CN103472875A (zh) | 基于gprs的环网柜防潮控温系统及方法 | |
| CN204287952U (zh) | 一种冷热联供自优化控制设备 | |
| CN106152394A (zh) | 数据中心整体能耗解决方案和系统 | |
| CN208269356U (zh) | 用于具有风机的站房的空气循环设备和风机空气循环系统 | |
| CN113007884A (zh) | 一种中央空调智能控制方法及系统 | |
| CN206094290U (zh) | 一种具有通断控制阀的供热管控系统 | |
| CN104536488B (zh) | 基于pmv的温度调节系统及调节方法 | |
| CN208063245U (zh) | 一种基于nb-iot的室内测温系统 | |
| CN208804841U (zh) | 一种用于实验室温湿度监控的装置 | |
| CN106679123A (zh) | 适用于空调的监控系统 | |
| CN205608212U (zh) | 基于wifi的建筑用电监控系统 |
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: 20170503 Termination date: 20211229 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |