CN105091209B - 一种基于空调负荷预测的控制系统及方法 - Google Patents

一种基于空调负荷预测的控制系统及方法 Download PDF

Info

Publication number
CN105091209B
CN105091209B CN201410223729.5A CN201410223729A CN105091209B CN 105091209 B CN105091209 B CN 105091209B CN 201410223729 A CN201410223729 A CN 201410223729A CN 105091209 B CN105091209 B CN 105091209B
Authority
CN
China
Prior art keywords
mrow
msup
humidity
mtd
indoor temperature
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.)
Active
Application number
CN201410223729.5A
Other languages
English (en)
Other versions
CN105091209A (zh
Inventor
周自强
么利中
谷大丰
安学民
张宇
杨大哲
孙刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Shanxi Electric Power Co Ltd
Priority to CN201410223729.5A priority Critical patent/CN105091209B/zh
Publication of CN105091209A publication Critical patent/CN105091209A/zh
Application granted granted Critical
Publication of CN105091209B publication Critical patent/CN105091209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F24F2110/22—Humidity of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/50—Load

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供了一种基于空调负荷预测的控制系统及方法，该系统包括：数据采集器，用于按照设定的时间间隔采集空调所在现场的室内温湿度信息和室外温湿度信息，将其发送给空调负荷预测器；空调负荷预测器，包括预测步长调节单元，用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定；当前空调负荷计算单元，用于根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据；空调负荷预测单元，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值；本发明能够提供更精确的温湿度控制，实现较大程度的节能。

Description

一种基于空调负荷预测的控制系统及方法
技术领域
本发明涉及控制技术领域，具体涉及一种基于空调负荷预测的控制系统及方法。
背景技术
能源问题日益得到广泛重视，而目前，建筑能耗已经占到社会总能耗的27％以上，在建筑物中，空调的能耗占建筑能耗的40％以上。建筑中空调系统节能已经成为节能领域的一个热点，加大空调节能技术的研究具有巨大的理论和实际意义。
随着科学的发展，生产过程对恒温恒湿的要求逐步提高，例如针织品、造纸、医药、食品、数据中心机房等。中央空调系统是一个具有时滞、时变、非线性和大惰性的复杂系统，其复杂性导致中央空调系统难以用精确的数学模型或方法来描述，若要空调系统很好的发挥作用，一定程度上依赖于空调自动控制系统准确、灵敏的调节。传统的自控方法是通过仪器、仪表和调节器进行控制，这种控制方法简单，易于实现，但缺点是控制精度低且故障率高。
综上所述，现有技术的空调系统可能会导致制冷量与负荷的变化不一致的问题，因此空调系统无法在最佳能效状态下运行，无法保证恒温恒湿和节能要求。
发明内容
针对现有技术的不足，本发明提供一种基于空调负荷预测的控制系统及方法，能够提供更精确的温湿度控制，实现较大程度的节能。
为实现上述目的，本发明通过以下技术方案予以实现：
一种基于空调负荷预测的控制系统，该系统包括：
数据采集器，用于按照设定的时间间隔采集空调所在现场的室内 温湿度信息和室外温湿度信息，将其发送给空调负荷预测器；
空调负荷预测器，包括预测步长调节单元，用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定；
当前空调负荷计算单元，用于根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据；
空调负荷预测单元，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值；
空调温湿度调节器，用于根据空调负荷预测器预测的空调负荷值对空调提前进行温湿度控制。
优选地，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长包括：
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度增大时，增加预测步长。
优选地，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度变小时，减小预测步长。
优选地，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度增大时，保持当前预测步长；
或，
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度变小时，保持当前预测步长。
优选地，所述调负荷预测单元，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值包括：
设x代表当前空调负荷数据，设X(0)＝(x(0)(1),x(0)(2),....x(0)(n))为当前空调负荷数据序列，X(1)＝(x(1)(1),x(1)(2),....x(1)(n))为当前空调负荷数据序列的1次累加生成序列，有
记X(r)＝(x(r)(1),x(r)(2),....x(r)(n))为原始序列的r次累加序列，其中r∈(1,2,3....)，有
生成累加序列后，带入灰色预模型计算：
微分方程的最小二乘估计参数满足下式：
式中
γN＝[x(m-1)(2) x(m-1)(3) x(m-1)(n)]T；
按累减还原得到根据预测步长调节单元输出的预测步长t0得到预测负荷值
一种应用所述系统的基于空调负荷预测的控制方法，该方法包括：
S1.按照设定的时间间隔采集空调所在现场的室内温湿度信息和室外温湿度信息；
S2.根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定；
S3.根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据；
S4.根据所述当前空调负荷数据和所述预测步长预测空调负荷值；
S5.根据预测的空调负荷值对空调提前进行温湿度控制。
优选地，所述步骤S2中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长包括：
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度增大时，增加预测步长。
优选地，所述步骤S2中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度变小时，减小预测步长。
优选地，所述步骤S2中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度增大时，保持当前预测步长；
或，
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度变小时，保持当前预测步长。
优选地，所述步骤S4中根据所述当前空调负荷数据和所述预测步长预测空调负荷值包括：
设x代表当前空调负荷数据，设X(0)＝(x(0)(1),x(0)(2),....x(0)(n))为当前空调负荷数据序列，X(1)＝(x(1)(1),x(1)(2),....x(1)(n))为当前空调负荷数据序列的 1次累加生成序列，有
记X(r)＝(x(r)(1),x(r)(2),....x(r)(n))为原始序列的r次累加序列，其中r∈(1,2,3....)，有
生成累加序列后，带入灰色预模型计算：
微分方程的最小二乘估计参数满足下式：
式中
γN＝[x(m-1)(2) x(m-1)(3) x(m-1)(n)]T；
按累减还原得到根据步骤S2输出的预测步长t0得到预测负荷值
本发明至少具有如下的有益效果：
本发明根据空调所在现场的当前室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息计算当前空调负荷并调节预测步长，利用当前空调负荷与预测步长预测下一时刻空调负荷值，从而更精确的控制空调的温湿度输出，实现最大程度的节能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例中基于空调负荷预测的控制系统的结构示意图；
图2是本发明一个实施例中基于空调负荷预测的控制方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提出了一种基于空调负荷预测的控制系统，参见图1，该系统包括：
数据采集器101，用于按照设定的时间间隔采集空调所在现场的室内温湿度信息和室外温湿度信息，将其发送给空调负荷预测器；
空调负荷预测器102，包括预测步长调节单元1020，用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定；在实际中，预测步长的初始值一般选择8～10。
当前空调负荷计算单元1021，用于根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据；
更进一步地，根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值、并考虑空调所在现场的环境因素，例如通风效果、人口流动量、机器散热规律等环境因素，计算当前空调负荷数据。
空调负荷预测单元1022，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值；
空调温湿度调节器103，用于根据空调负荷预测器预测的空调负荷值对空调提前进行温湿度控制。
其中，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长包括：
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度增大时，增加预测步长。
其中，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度变小时，减小预测步长。
其中，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度增大时，保持当前预测步长；
或，
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度变小时，保持当前预测步长。
上面所述预测步长调节单元提供的几种自动自适应调节步长方式，都需要结合考虑空调时滞特性，从而最终确定预测步长。
当然，预测步长调节单元也提供手动调节方式，手动调节方式主 要用于特殊场合，如停机后重启阶段或温湿度设定值更改等。
其中，所述调负荷预测单元，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值包括：
设x代表当前空调负荷数据，设X(0)＝(x(0)(1),x(0)(2),....x(0)(n))为当前空调负荷数据序列，X(1)＝(x(1)(1),x(1)(2),....x(1)(n))为当前空调负荷数据序列的1次累加生成序列，有
记X(r)＝(x(r)(1),x(r)(2),....x(r)(n))为原始序列的r次累加序列，其中r∈(1,2,3....)，有
生成累加序列后，带入灰色预模型计算：
微分方程的最小二乘估计参数满足下式：
式中
γN＝[x(m-1)(2) x(m-1)(3) x(m-1)(n)]T；
按累减还原得到根据预测步长调节单元输出的预测步长t0得到预测负荷值
本发明实施例根据空调所在现场的当前室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息计算当前空调负荷并调节预测步长，利用当前空调负荷与预测步长预测下一时刻空调负荷值，从而更精确的控制空调的温湿度输出，实现最大程度的节能。
本发明实施例根据预测的空调负荷值，实现对空调温度和湿度的提前控制，使得空调的制冷量随着负荷的变化而变化，从而保证了恒温恒湿和节能的要求。
本发明另一个实施例还提出了一种基于空调负荷预测的控制方法，参见图2，该方法包括：
步骤201：按照设定的时间间隔采集空调所在现场的室内温湿度信息和室外温湿度信息。
步骤202：根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定。
在本步骤中，预测步长的初始值一般选择8～10。
步骤203：根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据。
在本步骤中，一般情况下，根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据，但是更进一步地，也可以根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值、并考虑空调所在现场的环境因素，例如通风效果、人口流动量、机器散热规律等环境因素，计算当前空调负荷数据。
步骤204：根据所述当前空调负荷数据和所述预测步长预测空调负荷值。
步骤205：根据预测的空调负荷值对空调提前进行温湿度控制。
在本步骤中，例如，当空调预测负荷值大于当前空调负荷值时，增加空调的制冷量，当空调预测负荷值小于当前空调负荷值时，降低空调的制冷量，因而可以做到提前控制，保证空调现场的环境恒温恒湿。
其中，所述步骤202中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长包括：
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度增大时，增加预测步长。
其中，所述步骤202中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度变小时，减小预测步长。
其中，所述步骤202中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度增大时，保持当前预测步长；
或，
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度变小时，保持当前预测步长。
上面步骤202所述的几种自动自适应调节预测步长方式，都需要结合考虑空调时滞特性，最终确定预测步长。
当然，预测步长调节单元也提供手动调节方式，手动调节方式主要用于特殊场合，如停机后重启阶段或温湿度设定值更改等。
其中，所述步骤204中根据所述当前空调负荷数据和所述预测步长预测空调负荷值包括：
设x代表当前空调负荷数据，设X(0)＝(x(0)(1),x(0)(2),....x(0)(n))为当前空调负荷数据序列，X(1)＝(x(1)(1),x(1)(2),....x(1)(n))为当前空调负荷数据序列的1次累加生成序列，有
记X(r)＝(x(r)(1),x(r)(2),....x(r)(n))为原始序列的r次累加序列，其中 r∈(1,2,3....)，有
生成累加序列后，带入灰色预模型计算：
微分方程的最小二乘估计参数满足下式：
式中
γN＝[x(m-1)(2) x(m-1)(3) x(m-1)(n)]T；
按累减还原得到根据步骤202输出的预测步长t0得到预测负荷值
本发明实施例根据空调所在现场的当前室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息计算当前空调负荷并调节预测步长，利用当前空调负荷与预测步长预测下一时刻空调负荷值，从而更精确的控制空调的温湿度输出，实现最大程度的节能。
本发明实施例根据预测的空调负荷值，实现对空调温度和湿度的提前控制，使得空调的制冷量随着负荷的变化而变化，从而保证了恒温恒湿和节能的要求。
以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改， 或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于空调负荷预测的控制系统，其特征在于，该系统包括：
数据采集器，用于按照设定的时间间隔采集空调所在现场的室内温湿度信息和室外温湿度信息，将其发送给空调负荷预测器；
空调负荷预测器，包括预测步长调节单元、当前空调负荷计算单元和空调负荷预测单元；
其中，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定；
所述当前空调负荷计算单元，用于根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据；
所述空调负荷预测单元，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值；
空调温湿度调节器，用于根据空调负荷预测单元预测的空调负荷值对空调提前进行温湿度控制。
2.根据权利要求1所述的系统，其特征在于，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长包括：
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度增大时，增加预测步长。
3.根据权利要求1所述的系统，其特征在于，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度变小时，减小预测步长。
4.根据权利要求1所述的系统，其特征在于，所述预测步长调节单元用于根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度增大时，保持当前预测步长；
或，
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度变小时，保持当前预测步长。
5.根据权利要求1所述的系统，其特征在于，所述空调负荷预测单元，用于根据所述当前空调负荷数据和所述预测步长预测空调负荷值包括：
设x代表当前空调负荷数据，设X(0)＝(x(0)(1),x(0)(2),....x(0)(n))为当前空调负荷数据序列，X(1)＝(x(1)(1),x(1)(2),....x(1)(n))为当前空调负荷数据序列的1次累加生成序列，有
<mrow> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> </mrow>
记X(r)＝(x(r)(1),x(r)(2),....x(r)(n))为原始序列的r次累加序列，其中r∈(1,2,3....)，有
<mrow> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> </mrow>
生成累加序列后，带入灰色预模型计算：
<mrow> <mfrac> <mrow> <msup> <mi>dx</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msup> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>+</mo> <msup> <mi>ax</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mi>b</mi> </mrow>
<mrow> <mover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msup> <mi>&amp;Lambda;</mi> </mover> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <mi>b</mi> <mo>/</mo> <mi>a</mi> <mo>&amp;rsqb;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>a</mi> <mi>t</mi> </mrow> </msup> <mo>+</mo> <mi>b</mi> <mo>/</mo> <mi>a</mi> </mrow>
微分方程的最小二乘估计参数满足下式：
<mrow> <mover> <mi>a</mi> <mi>&amp;Lambda;</mi> </mover> <mo>=</mo> <msup> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>a</mi> </mtd> <mtd> <mi>b</mi> </mtd> </mtr> </mtable> </mfenced> <mi>T</mi> </msup> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msup> <mi>B</mi> <mi>T</mi> </msup> <mi>B</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msup> <mi>B</mi> <mi>T</mi> </msup> <msub> <mi>&amp;gamma;</mi> <mi>N</mi> </msub> </mrow>
式中
<mrow> <mi>B</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
γN＝[x(m-1)(2) x(m-1)(3) x(m-1)(n)]T；
按累减还原得到根据预测步长调节单元输出的预测步长t0得到预测负荷值
6.一种应用权利要求1所述系统的基于空调负荷预测的控制方法，其特征在于，该方法包括：
S1.按照设定的时间间隔采集空调所在现场的室内温湿度信息和室外温湿度信息；
S2.根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长，其中预测步长的初始值为预先设定；
S3.根据空调所在现场的室内温湿度与预先设定的室内温湿度标准值的差值得到当前空调负荷数据；
S4.根据所述当前空调负荷数据和所述预测步长预测空调负荷值；
S5.根据预测的空调负荷值对空调提前进行温湿度控制。
7.根据权利要求6所述的系统，其特征在于，所述步骤S2中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长包括：
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度增大时，增加预测步长。
8.根据权利要求6所述的系统，其特征在于，所述步骤S2中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度变小时，减小预测步长。
9.根据权利要求6所述的系统，其特征在于，所述步骤S2中根据空调所在现场的室内温湿度、预先设定的室内温湿度标准值和室外温湿度信息调节预测步长还包括：
当室内温湿度低于预先设定的室内温湿度标准值，且室外温湿度增大时，保持当前预测步长；
或，
当室内温湿度高于预先设定的室内温湿度标准值，且室外温湿度变小时，保持当前预测步长。
10.根据权利要求6所述的系统，其特征在于，所述步骤S4中根据所述当前空调负荷数据和所述预测步长预测空调负荷值包括：
设x代表当前空调负荷数据，设X(0)＝(x(0)(1),x(0)(2),....x(0)(n))为当前空调负荷数据序列，X(1)＝(x(1)(1),x(1)(2),....x(1)(n))为当前空调负荷数据序列的1次累加生成序列，有
<mrow> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> </mrow>
记X(r)＝(x(r)(1),x(r)(2),....x(r)(n))为原始序列的r次累加序列，其中r∈(1,2,3....)，有
<mrow> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> </mrow>
生成累加序列后，带入灰色预模型计算：
<mrow> <mfrac> <mrow> <msup> <mi>dx</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msup> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>+</mo> <msup> <mi>ax</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mi>b</mi> </mrow>
<mrow> <mover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msup> <mi>&amp;Lambda;</mi> </mover> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <mi>b</mi> <mo>/</mo> <mi>a</mi> <mo>&amp;rsqb;</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>a</mi> <mi>t</mi> </mrow> </msup> <mo>+</mo> <mi>b</mi> <mo>/</mo> <mi>a</mi> </mrow>
微分方程的最小二乘估计参数满足下式：
<mrow> <mover> <mi>a</mi> <mi>&amp;Lambda;</mi> </mover> <mo>=</mo> <msup> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>a</mi> </mtd> <mtd> <mi>b</mi> </mtd> </mtr> </mtable> </mfenced> <mi>T</mi> </msup> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msup> <mi>B</mi> <mi>T</mi> </msup> <mi>B</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msup> <mi>B</mi> <mi>T</mi> </msup> <msub> <mi>&amp;gamma;</mi> <mi>N</mi> </msub> </mrow>
式中
<mrow> <mi>B</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>&amp;lsqb;</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
γN＝[x(m-1)(2) x(m-1)(3) x(m-1)(n)]T；
按累减还原得到根据步骤S2输出的预测步长t0得到预测负荷值
CN201410223729.5A 2014-05-23 2014-05-23 一种基于空调负荷预测的控制系统及方法 Active CN105091209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410223729.5A CN105091209B (zh) 2014-05-23 2014-05-23 一种基于空调负荷预测的控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410223729.5A CN105091209B (zh) 2014-05-23 2014-05-23 一种基于空调负荷预测的控制系统及方法

Publications (2)

Publication Number Publication Date
CN105091209A CN105091209A (zh) 2015-11-25
CN105091209B true CN105091209B (zh) 2018-03-02

Family

ID=54572205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410223729.5A Active CN105091209B (zh) 2014-05-23 2014-05-23 一种基于空调负荷预测的控制系统及方法

Country Status (1)

Country Link
CN (1) CN105091209B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105546768A (zh) * 2016-02-02 2016-05-04 丁迩 一种集中空调节能方法及节能系统
CN106196423B (zh) * 2016-06-30 2018-08-24 西安建筑科技大学 一种基于模型预测的室内环境品质控制优化方法
CN106403207A (zh) * 2016-10-24 2017-02-15 珠海格力电器股份有限公司 用于暖通空调系统的基于负荷预测的控制系统和控制方法
CN106779179B (zh) * 2016-11-28 2018-10-19 新奥泛能网络科技有限公司 一种空调机组的负荷预测方法及设备
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
CN107940705B (zh) * 2017-11-20 2020-02-07 广东美的暖通设备有限公司 主机负荷分配的控制方法、控制系统和空调器
TWI699500B (zh) * 2019-06-20 2020-07-21 群光電能科技股份有限公司 空調負荷調整系統及空調負荷調整方法
CN110319549B (zh) * 2019-05-21 2021-05-18 深圳达实智能股份有限公司 组合式空气处理机组的新风节能控制方法及系统
CN111520883B (zh) * 2020-04-29 2022-03-04 宁波溪棠信息科技有限公司 一种基于目标房间负荷预测的空调控制方法及系统
CN113739397B (zh) * 2021-08-31 2022-09-02 广州汇电云联互联网科技有限公司 一种中央空调系统及其节能控制方法、可读存储介质
CN113803853A (zh) * 2021-09-13 2021-12-17 哈尔滨工业大学 变电站分布式空调节能系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101392939A (zh) * 2008-11-18 2009-03-25 天津大学 一种建筑物独立供能温度非线性预测控制方法
CN101603751A (zh) * 2009-07-15 2009-12-16 北京科技大学 一种制冷系统的变频节能控制方法
CN102997374A (zh) * 2012-12-31 2013-03-27 深圳市奥宇控制系统有限公司 一种空调负荷预测方法，装置及空调

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2617444B2 (ja) * 1985-12-13 1997-06-04 株式会社日立製作所 蓄熱冷暖房装置の空調負荷予測運転方法
JPH07269926A (ja) * 1994-02-14 1995-10-20 Daikin Ind Ltd 空気調和装置の制御装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101392939A (zh) * 2008-11-18 2009-03-25 天津大学 一种建筑物独立供能温度非线性预测控制方法
CN101603751A (zh) * 2009-07-15 2009-12-16 北京科技大学 一种制冷系统的变频节能控制方法
CN102997374A (zh) * 2012-12-31 2013-03-27 深圳市奥宇控制系统有限公司 一种空调负荷预测方法，装置及空调

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
灰色预测模型及中长期电力负荷预测应用研究;王大鹏;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20140228;全文 *

Also Published As

Publication number Publication date
CN105091209A (zh) 2015-11-25

Similar Documents

Publication Publication Date Title
CN105091209B (zh) 一种基于空调负荷预测的控制系统及方法
CN105091217B (zh) 空调器智能控制方法
US20170206615A1 (en) Optimizing and controlling the energy consumption of a building
JP5572799B2 (ja) 空調システム制御装置
CN104864568B (zh) 空调睡眠模式控制方法及空调
US20150310461A1 (en) Operating method and apparatus of smart system for power consumption optimization
CN107781947A (zh) 一种建筑空调系统冷热源预测控制方法和装置
US20150345812A1 (en) Method and apparatus for selective componentized thermostatic controllable loads
CN112013521B (zh) 一种基于天气预报的空调系统调节方法和系统
CN104359195A (zh) 基于动态响应末端总负荷变化的中央空调冷冻水控制方法
CN103884075A (zh) 基于计算流体力学和能量预测混合的温室节能控制方法
CN102043907A (zh) 空调房间实时冷负荷确定方法
CN101916094B (zh) 一种地源热泵预警控制器及其控制方法
CN103471171A (zh) 一种集中供热质量调节智能控制系统及方法
CN107270384A (zh) 用于供暖调节的方法及装置
CN104571034A (zh) 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
CN108197404A (zh) 一种基于时间遗传特性的建筑负荷预测方法
CN106091247A (zh) 远程控制单冷空调器智能控制运行方法
CN202647980U (zh) 基于无线室温调节换热站阀门开度的远程监控系统
CN114154677A (zh) 空调运行负荷模型构建和预测方法、装置、设备和介质
CN109612047A (zh) 变风量空调系统的送风温度控制方法
CN110736231A (zh) 空调控制方法、装置、空调、存储介质以及处理器
CN105546768A (zh) 一种集中空调节能方法及节能系统
CN111102646A (zh) 基于数据驱动的智能气候补偿方法及装置
CN107655160B (zh) 一种基于神经网络预测的中央空调调节系统

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