CN105973626A - 中央空调系统主机运行能效评估及预测方法以及装置 - Google Patents
中央空调系统主机运行能效评估及预测方法以及装置 Download PDFInfo
- Publication number
- CN105973626A CN105973626A CN201610357439.9A CN201610357439A CN105973626A CN 105973626 A CN105973626 A CN 105973626A CN 201610357439 A CN201610357439 A CN 201610357439A CN 105973626 A CN105973626 A CN 105973626A
- Authority
- CN
- China
- Prior art keywords
- main frame
- coefficient
- performance
- described main
- cop
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种中央空调系统主机运行能效评估及预测方法以及装置,方法包括以下步骤:S1、采集中央空调系统中主机及冷冻水侧的运行参数;S2、根据运行参数计算主机的实际制冷量;S3、根据实际制冷量计算主机的部分负荷率和实际性能系数;S4、采集主机的历史运行数据,结合主机的部分负荷率和实际性能系数,依据遗传算法拟合获得主机的性能拟合系数及预测性能系数;S5、根据获得的主机的性能拟合系数计算主机的综合部分负荷性能系数,根据综合部分负荷性能系数评估主机的运行能效。本发明不仅能对实测COP进行统计分析,而且可以运用COP历史数据进行训练学习和迭代,从而实现对主机运行能效做出实时预测。
Description
技术领域
本发明涉及中央空调技术领域,尤其涉及一种中央空调系统主机运行能效评估及预测方法以及装置。
背景技术
在我国,2014年建筑能耗总量超过12.5亿吨标准煤,占社会总能耗30%。中央空调能耗占建筑总能耗65%,其中空调机房能耗占空调系统能耗70%左右。因此针对中央空调系统机房的主要设备,特别是制冷主机的能效水平进行实时监测,评估及预测对中央空调的节能运行是十分必要的。
传统的中央空调系统主机运行能效通常使用COP(Coefficient of performance,性能系数)定义根据实时测量值进行计算,所计算的COP只能用作实时监测及事后统计分析,不能对主机运行能效做出预测,因此难以实现中央空调系统节能。
发明内容
本发明要解决的技术问题在于,针对上述现有的缺陷,提供一种不仅能对实测COP进行统计分析,还能对中央空调系统主机进行实时预测的中央空调系统主机运行能效评估及预测方法以及装置。
本发明解决其技术问题所采用的技术方案是:提供一种中央空调系统主机运行能效评估及预测方法,包括以下步骤:
S1、采集中央空调系统中主机及冷冻水侧的运行参数;
S2、根据所述运行参数计算所述主机的实际制冷量;
S3、根据所述实际制冷量计算所述主机的部分负荷率和实际性能系数;
S4、采集所述主机的历史运行数据,结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数及预测性能系数;
S5、根据获得的所述主机的性能拟合系数计算所述主机的综合部分负荷性能系数,根据所述综合部分负荷性能系数评估所述主机的运行能效。
优选地,步骤S1中,所述运行参数包括冷冻水的供水温度Trtn、冷冻水的回水温度Tsup、冷冻水的水流量Mw、主机名义制冷量Q以及主机实际运行功率Pac;
步骤S2中,所述主机的实际制冷量Qac:
Qac=ρwCwMw(Trtn-Tsup)
其中,ρw为冷冻水的密度,Cw为冷冻水的比热容;
步骤S3中,所述主机的部分负荷率PLR:
所述主机的实际性能系数COPac:
优选地,步骤S4中,所述主机的性能拟合系数包括a0、a1、a2、a3及a4;
所述主机的预测性能系数COPest:
COPest=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4
结合下方公式:
其中,N为历史运行数据总样本数,k为历史运行数据中的一个样本数;
计算J(a0,a1,a2,a3,a4)趋近于0时对应的COPest,依据遗传算法拟合获得性能拟合系数a0、a1、a2、a3及a4的数值。
优选地,步骤S5中,所述主机的综合部分负荷性能系数IPLV:
IPLV=a×A+b×B+c×C+d×D
其中,a、b、c、d为与所述中央空调系统所在地区气候相关的加权系数;
A为部分负荷率为1时的性能系数,B为部分负荷率为0.75时的性能系数,C为部分负荷率为0.5时的性能系数,D为部分负荷率为0.25时的性能系数;即:
A=a0+a1+a2+a3+a4;
B=0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4;
C=0.0625a0+0.125a1+0.25a2+0.5a3+a4;
D=0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4。
优选地,所述主机的综合部分负荷性能系数IPLV>0;所述主机的运行能效与所述综合部分负荷性能系数成正比。
优选地,所述中央空调系统主机运行能效评估及预测方法还包括以下步骤:
S6、根据所述主机的预测性能系数COPest计算所述主机的预测制冷量Qest:
Qest=COPest×Pac。
本发明还提供一种中央空调系统主机运行能效评估及预测装置,包括:
数据采集模块,用于采集中央空调系统中主机及冷冻水侧的运行参数;
第一计算模块,用于根据所述运行参数计算所述主机的实际制冷量;
第二计算模块,用于根据所述实际制冷量计算所述主机的部分负荷率和实际性能系数;
拟合计算模块,用于采集所述主机的历史运行数据,结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数及预测性能系数;
性能系数计算模块,用于根据获得的所述主机的性能拟合系数计算所述主机的综合部分负荷性能系数,根据所述综合部分负荷性能系数评估所述主机的运行能效。
优选地,所述数据采集模块采集的运行参数包括冷冻水的供水温度Trtn、冷冻水的回水温度Tsup、冷冻水的水流量Mw、主机名义制冷量Q以及主机实际运行功率Pac;
所述第一计算模块依据公式Qac=ρwCwMw(Trtn-Tsup)计算所述主机的实际制冷量Qac;
所述第二计算模块依据公式计算所述主机的部分负荷率PLR,依据公式计算所述主机的实际性能系数COPac。
优选地,所述拟合计算模块包括:
采集模块,用于采集所述主机的历史运行数据;
拟合求解模块,用于结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数a0、a1、a2、a3、a4以及预测性能系数COPest;拟合时结合:
COPest=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4
其中,N为历史运行数据总样本数,k为历史运行数据中的一个样本数;
计算J(a0,a1,a2,a3,a4)趋近于0时对应的COPest,依据遗传算法拟合获得性能拟合系数a0、a1、a2、a3及a4的数值。
优选地,所述性能系数计算模块依据下式计算所述主机的综合部分负荷性能系数IPLV:
IPLV=a×A+b×B+c×C+d×D
其中,a、b、c、d为与所述中央空调系统所在地区气候相关的加权系数;
A为部分负荷率为1时的性能系数,B为部分负荷率为0.75时的性能系数,C为部分负荷率为0.5时的性能系数,D为部分负荷率为0.25时的性能系数;即:
A=a0+a1+a2+a3+a4;
B=0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4;
C=0.0625a0+0.125a1+0.25a2+0.5a3+a4;
D=0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4。
本发明不仅能对实测COP进行统计分析,而且可以运用COP历史数据进行训练学习和迭代,从而实现对主机运行能效做出实时预测。本发明同时也给出了部分负荷率PLR(Part Load Ratio)与综合部分负荷性能系数IPLV(Integrated Part Load Value)关系及快速计算方法。操作简单易用而且有效,可协助及指导机房及设备管理人员对主机能耗水平及能效高低进行评估及控制策略进行改善提高,进而实现中央空调系统整体节能。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明一实施例的中央空调系统主机运行能效评估及预测方法的流程图;
图2是通过本发明获得的主机的实际性能系数和预测性能系数的坐标图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
参考图1,本发明一实施例的中央空调系统主机运行能效评估及预测方法,包括以下步骤:
S1、采集中央空调系统中主机及冷冻水侧的运行参数。
其中,运行参数包括冷冻水的供水温度Trtn、冷冻水的回水温度Tsup、冷冻水的水流量Mw、主机名义制冷量Q以及主机实际运行功率Pac。
S2、根据上述的运行参数计算主机的实际制冷量。
具体地,主机的实际制冷量Qac:
Qac=ρwCwMw(Trtn-Tsup)
其中,ρw为冷冻水的密度,Cw为冷冻水的比热容。
S3、根据实际制冷量计算主机的部分负荷率和实际性能系数。
主机的部分负荷率PLR:
主机的实际性能系数COPac:
通常,PLR=0-1,COPac>0;从获得的实际性能系数COPac对主机运行能效进行评估,COPac越大,则说明运行能效越好。
S4、采集主机的历史运行数据,结合主机的部分负荷率和实际性能系数,依据遗传算法拟合获得主机的性能拟合系数及预测性能系数。
其中,主机历史运行数据可包括主机实际运行功率、冷冻水的供水温度、冷冻水的回水温度、冷冻水的水流量以及主机名义制冷量等。
主机的性能拟合系数包括a0、a1、a2、a3及a4;
主机的预测性能系数COPest:
COPest=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4
结合下方公式:
其中,N为历史运行数据总样本数,k为历史运行数据中的一个样本数;
计算J(a0,a1,a2,a3,a4)趋近于0时对应的COPest,依据遗传算法拟合获得性能拟合系数a0、a1、a2、a3及a4的数值。
遗传算法中,开始先给定一个a0到a4的初始值,例如a0=a1=a2=a3=a4=1,用计算机内置算法不断迭代更新,使得J(a0,a1,a2,a3,a4)最小(趋近于0),最后得出a0、a1、a2、a3及a4的确切值以及COPest。其中,可根据获得的COPest预测主机的性能系数。COPest>0,数值越高则说明性能越高。
在一个具体实施例中,性能拟合系数a0、a1、a2、a3及a4的数值如下表:
S5、根据获得的主机的性能拟合系数计算主机的综合部分负荷性能系数,根据综合部分负荷性能系数评估主机的运行能效。
主机的综合部分负荷性能系数IPLV:
IPLV=a×A+b×B+c×C+d×D
其中,a、b、c、d为与中央空调系统所在地区气候相关的加权系数。
加权系数a、b、c、d与各地区气候关系表
a | b | c | d | |
严寒地区 | 1.0% | 32.7% | 51.2% | 15.1% |
寒冷地区 | 0.7% | 36.2% | 53.4% | 9.8% |
夏热冬冷地区 | 2.3% | 38.6% | 47.2% | 11.9% |
夏热冬暖地区 | 0.7% | 46.3% | 41.7% | 11.3% |
全国加权平均 | 1.3% | 40.1% | 47.3% | 11.3% |
根据《公共建设节能设计标准》(GB50189-2005),其中,A=机组100%负荷时(即PLR=1.0)的效率(COP,kW/kW),即A为部分负荷率为1时的性能系数;B=机组75%负荷时(即PLR=0.75)的效率,即B为部分负荷率为0.75时的性能系数;C=机组50%负荷时(即PLR=0.5)的效率,即C为部分负荷率为0.5时的性能系数,即D为部分负荷率为0.25时的性能系数;即:
A=a0+a1+a2+a3+a4;
B=0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4;
C=0.0625a0+0.125a1+0.25a2+0.5a3+a4;
D=0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4。
因此,主机的综合部分负荷性能系数IPLV:
IPLV=a×(a0+a1+a2+a3+a4)+b×(0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4)+c×(0.0625a0+0.125a1+0.25a2+0.5a3+a4)+d×(0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4)
主机的综合部分负荷性能系数IPLV>0;主机的运行能效与综合部分负荷性能系数成正比。
进一步地,中央空调系统主机运行能效评估及预测方法还包括以下步骤:
S6、根据主机的预测性能系数COPest计算主机的预测制冷量Qest:
Qest=COPest×Pac。
本发明一实施例的中央空调系统主机运行能效评估及预测装置,包括:
数据采集模块,用于采集中央空调系统中主机及冷冻水侧的运行参数;
第一计算模块,用于根据所述运行参数计算所述主机的实际制冷量;
第二计算模块,用于根据所述实际制冷量计算所述主机的部分负荷率和实际性能系数;
拟合计算模块,用于采集所述主机的历史运行数据,结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数及预测性能系数;
性能系数计算模块,用于根据获得的所述主机的性能拟合系数计算所述主机的综合部分负荷性能系数,根据所述综合部分负荷性能系数评估所述主机的运行能效。
具体地,数据采集模块采集的运行参数包括冷冻水的供水温度Trtn、冷冻水的回水温度Tsup、冷冻水的水流量Mw、主机名义制冷量Q以及主机实际运行功率Pac。
第一计算模块依据公式Qac=ρwCwMw(Trtn-Tsup)计算主机的实际制冷量Qac。
第二计算模块依据公式计算主机的部分负荷率PLR,依据公式计算所述主机的实际性能系数COPac。
拟合计算模块包括:
采集模块,用于采集主机的历史运行数据;
拟合求解模块,用于结合主机的部分负荷率和实际性能系数,依据遗传算法拟合获得主机的性能拟合系数a0、a1、a2、a3、a4以及预测性能系数COPest;拟合时结合:
COPest=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4
其中,N为历史运行数据总样本数,k为历史运行数据中的一个样本数;
计算J(a0,a1,a2,a3,a4)趋近于0时对应的COPest,依据遗传算法拟合获得性能拟合系数a0、a1、a2、a3及a4的数值。
遗传算法中,开始先给定一个a0到a4的初始值,例如a0=a1=a2=a3=a4=1,用计算机内置算法不断迭代更新,使得J(a0,a1,a2,a3,a4)最小(趋近于0),最后得出a0、a1、a2、a3及a4的确切值以及COPest。其中,可根据获得的COPest预测主机的性能系数。
性能系数计算模块依据下式计算主机的综合部分负荷性能系数IPLV:
IPLV=a×A+b×B+c×C+d×D
其中,a、b、c、d为与中央空调系统所在地区气候相关的加权系数(具体数值参考上表)。
根据《公共建设节能设计标准》(GB50189-2005),A为部分负荷率为1时的性能系数,B为部分负荷率为0.75时的性能系数,C为部分负荷率为0.5时的性能系数,D为部分负荷率为0.25时的性能系数;即:
A=a0+a1+a2+a3+a4;
B=0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4;
C=0.0625a0+0.125a1+0.25a2+0.5a3+a4;
D=0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4。
中央空调系统主机运行能效评估及预测装置还包括:
第三计算模块,用于根据主机的预测性能系数COPest计算主机的预测制冷量Qest:
Qest=COPest×Pac。
第一计算模块、第二计算模块和第三计算模块均可集成在一个计算装置中,通过一个计算装置实现。
如图2所示,其为主机的实际性能系数和预测性能系数的坐标图,其中x轴为预测性能系数COPest,y轴为实际性能系数COPac;通过本发明获得的多个测性能系数COPest,与实际性能系数COPac误差小,基本在x=y的坐标连线附近,预测准确率高。
综上,本发明操作简单易用而且有效,可协助及指导机房及设备管理人员对主机能耗水平及能效高低进行评估及控制策略进行改善提高,进而实现中央空调系统整体节能。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种中央空调系统主机运行能效评估及预测方法,其特征在于,包括以下步骤:
S1、采集中央空调系统中主机及冷冻水侧的运行参数;
S2、根据所述运行参数计算所述主机的实际制冷量;
S3、根据所述实际制冷量计算所述主机的部分负荷率和实际性能系数;
S4、采集所述主机的历史运行数据,结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数及预测性能系数;
S5、根据获得的所述主机的性能拟合系数计算所述主机的综合部分负荷性能系数,根据所述综合部分负荷性能系数评估所述主机的运行能效。
2.根据权利要求1所述的中央空调系统主机运行能效评估及预测方法,其特征在于,步骤S1中,所述运行参数包括冷冻水的供水温度Trtn、冷冻水的回水温度Tsup、冷冻水的水流量Mw、主机名义制冷量Q以及主机实际运行功率Pac;
步骤S2中,所述主机的实际制冷量Qac:
Qac=ρwCwMw(Trtn-Tsup)
其中,ρw为冷冻水的密度,Cw为冷冻水的比热容;
步骤S3中,所述主机的部分负荷率PLR:
所述主机的实际性能系数COPac:
3.根据权利要求2所述的中央空调系统主机运行能效评估及预测方法,其特征在于,步骤S4中,所述主机的性能拟合系数包括a0、a1、a2、a3及a4;
所述主机的预测性能系数COPest:
COPest=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4
结合下方公式:
其中,N为历史运行数据总样本数,k为历史运行数据中的一个样本数;
计算J(a0,a1,a2,a3,a4)趋近于0时对应的COPest,依据遗传算法拟合获得性能拟合系数a0、a1、a2、a3及a4的数值。
4.根据权利要求3所述的中央空调系统主机运行能效评估及预测方法,其特征在于,步骤S5中,所述主机的综合部分负荷性能系数IPLV:
IPLV=a×A+b×B+c×C+d×D
其中,a、b、c、d为与所述中央空调系统所在地区气候相关的加权系数;
A为部分负荷率为1时的性能系数,B为部分负荷率为0.75时的性能系数,C为部分负荷率为0.5时的性能系数,D为部分负荷率为0.25时的性能系数;即:
A=a0+a1+a2+a3+a4;
B=0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4;
C=0.0625a0+0.125a1+0.25a2+0.5a3+a4;
D=0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4。
5.根据权利要求4所述的中央空调系统主机运行能效评估及预测方法,其特征在于,所述主机的综合部分负荷性能系数IPLV>0;所述主机的运行能效与所述综合部分负荷性能系数成正比。
6.根据权利要求3所述的中央空调系统主机运行能效评估及预测方法,其特征在于,所述中央空调系统主机运行能效评估及预测方法还包括以下步骤:
S6、根据所述主机的预测性能系数COPest计算所述主机的预测制冷量Qest:
Qest=COPest×Pac。
7.一种中央空调系统主机运行能效评估及预测装置,其特征在于,包括:
数据采集模块,用于采集中央空调系统中主机及冷冻水侧的运行参数;
第一计算模块,用于根据所述运行参数计算所述主机的实际制冷量;
第二计算模块,用于根据所述实际制冷量计算所述主机的部分负荷率和实际性能系数;
拟合计算模块,用于采集所述主机的历史运行数据,结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数及预测性能系数;
性能系数计算模块,用于根据获得的所述主机的性能拟合系数计算所述主机的综合部分负荷性能系数,根据所述综合部分负荷性能系数评估所述主机的运行能效。
8.根据权利要求7所述的中央空调系统主机运行能效评估及预测装置,其特征在于,所述数据采集模块采集的运行参数包括冷冻水的供水温度Trtn、冷冻水的回水温度Tsup、冷冻水的水流量Mw、主机名义制冷量Q以及主机实际运行功率Pac;
所述第一计算模块依据公式Qac=ρwCwMw(Trtn-Tsup)计算所述主机的实际制冷量Qac;
所述第二计算模块依据公式计算所述主机的部分负荷率PLR,依据公式计算所述主机的实际性能系数COPac。
9.根据权利要求8所述的中央空调系统主机运行能效评估及预测装置,其特征在于,所述拟合计算模块包括:
采集模块,用于采集所述主机的历史运行数据;
拟合求解模块,用于结合所述主机的部分负荷率和实际性能系数,依据遗传算法拟合获得所述主机的性能拟合系数a0、a1、a2、a3、a4以及预测性能系数COPest;拟合时结合:
COPest=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4
其中,N为历史运行数据总样本数,k为历史运行数据中的一个样本数;
计算J(a0,a1,a2,a3,a4)趋近于0时对应的COPest,依据遗传算法拟合获得性能拟合系数a0、a1、a2、a3及a4的数值。
10.根据权利要求9所述的中央空调系统主机运行能效评估及预测装置,其特征在于,所述性能系数计算模块依据下式计算所述主机的综合部分负荷性能系数IPLV:
IPLV=a×A+b×B+c×C+d×D
其中,a、b、c、d为与所述中央空调系统所在地区气候相关的加权系数;
A为部分负荷率为1时的性能系数,B为部分负荷率为0.75时的性能系数,C为部分负荷率为0.5时的性能系数,D为部分负荷率为0.25时的性能系数;即:
A=a0+a1+a2+a3+a4;
B=0.31640625a0+0.421875a1+0.5625a2+0.75a3+a4;
C=0.0625a0+0.125a1+0.25a2+0.5a3+a4;
D=0.00390625a0+0.015625a1+0.0625a2+0.25a3+a4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610357439.9A CN105973626B (zh) | 2016-05-25 | 2016-05-25 | 中央空调系统主机运行能效评估及预测方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610357439.9A CN105973626B (zh) | 2016-05-25 | 2016-05-25 | 中央空调系统主机运行能效评估及预测方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105973626A true CN105973626A (zh) | 2016-09-28 |
CN105973626B CN105973626B (zh) | 2018-11-30 |
Family
ID=56956656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610357439.9A Active CN105973626B (zh) | 2016-05-25 | 2016-05-25 | 中央空调系统主机运行能效评估及预测方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105973626B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107036232A (zh) * | 2017-03-07 | 2017-08-11 | 深圳达实智能股份有限公司 | 一种医院水蓄冷空调系统冷机运行能效优化控制方法及装置 |
CN107461881A (zh) * | 2017-07-27 | 2017-12-12 | 深圳达实智能股份有限公司 | 一种医院空调机房的制冷主机能效诊断方法及其系统 |
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 |
WO2018188430A1 (zh) * | 2017-04-13 | 2018-10-18 | 青岛海尔空调器有限总公司 | 在线检测空调制热能效比和制热量的方法 |
CN109000334A (zh) * | 2018-06-29 | 2018-12-14 | 广州能迪能源科技股份有限公司 | 一种冷水机组节能控制策略的获得方法 |
CN109711029A (zh) * | 2018-12-20 | 2019-05-03 | 同济大学建筑设计研究院(集团)有限公司 | 一种设计阶段测算冷水机组实际部分负荷性能系数的方法 |
CN109726896A (zh) * | 2018-12-05 | 2019-05-07 | 新奥数能科技有限公司 | 能源能效的计算方法及装置、存储介质、电子装置 |
CN109781447A (zh) * | 2019-02-01 | 2019-05-21 | 上海理工大学 | 获得地铁车站中空调箱能效随运营年限演化特性的方法 |
CN111914404A (zh) * | 2020-07-09 | 2020-11-10 | 东南大学 | 一种基于实测数据的空调系统冷机性能曲线的获取方法 |
CN112163699A (zh) * | 2020-09-21 | 2021-01-01 | 西安建筑科技大学 | 一种基于负荷匹配的冷水机组台数控制优化方法 |
EP3862649A4 (en) * | 2018-10-02 | 2022-01-12 | Mitsubishi Electric Corporation | REFRIGERATION CIRCUIT DEVICE |
CN115048822A (zh) * | 2022-08-15 | 2022-09-13 | 天津市气象科学研究所 | 一种空调制冷能耗的评估方法及其系统 |
CN117350086A (zh) * | 2023-12-05 | 2024-01-05 | 珠海格力电器股份有限公司 | 风冷机组能效仿真模型的搭建方法、装置及电子设备 |
CN117450636A (zh) * | 2023-12-25 | 2024-01-26 | 珠海格力电器股份有限公司 | 冷站性能预测方法及装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201547914U (zh) * | 2009-11-13 | 2010-08-11 | 深圳达实智能股份有限公司 | 中央空调能耗远程监测系统 |
CN101975673A (zh) * | 2010-09-07 | 2011-02-16 | 区峰 | 中央空调系统能效实时监测系统及方法 |
JP2011144970A (ja) * | 2010-01-13 | 2011-07-28 | Shin Nippon Air Technol Co Ltd | 換気空調システムの省エネルギー性能の評価方法 |
CN103759961A (zh) * | 2014-01-23 | 2014-04-30 | 国家电网公司 | 一种电制冷冷水机组中央空调系统能效评估方法 |
CN104503403A (zh) * | 2014-12-12 | 2015-04-08 | 北京百度网讯科技有限公司 | 制冷系统运行能效的管理系统及方法 |
CN104566765A (zh) * | 2013-10-16 | 2015-04-29 | 嘉日国际集团控股有限公司 | 中央空调整体节能控制方法 |
-
2016
- 2016-05-25 CN CN201610357439.9A patent/CN105973626B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201547914U (zh) * | 2009-11-13 | 2010-08-11 | 深圳达实智能股份有限公司 | 中央空调能耗远程监测系统 |
JP2011144970A (ja) * | 2010-01-13 | 2011-07-28 | Shin Nippon Air Technol Co Ltd | 換気空調システムの省エネルギー性能の評価方法 |
CN101975673A (zh) * | 2010-09-07 | 2011-02-16 | 区峰 | 中央空调系统能效实时监测系统及方法 |
CN104566765A (zh) * | 2013-10-16 | 2015-04-29 | 嘉日国际集团控股有限公司 | 中央空调整体节能控制方法 |
CN103759961A (zh) * | 2014-01-23 | 2014-04-30 | 国家电网公司 | 一种电制冷冷水机组中央空调系统能效评估方法 |
CN104503403A (zh) * | 2014-12-12 | 2015-04-08 | 北京百度网讯科技有限公司 | 制冷系统运行能效的管理系统及方法 |
Non-Patent Citations (1)
Title |
---|
练斯甄等: "基于改进BP神经网络的冷水机组IPLV预测方法", 《建筑科学》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN107036232B (zh) * | 2017-03-07 | 2019-12-06 | 深圳达实智能股份有限公司 | 一种医院水蓄冷空调系统冷机运行能效优化控制方法及装置 |
CN107036232A (zh) * | 2017-03-07 | 2017-08-11 | 深圳达实智能股份有限公司 | 一种医院水蓄冷空调系统冷机运行能效优化控制方法及装置 |
WO2018188430A1 (zh) * | 2017-04-13 | 2018-10-18 | 青岛海尔空调器有限总公司 | 在线检测空调制热能效比和制热量的方法 |
CN107461881A (zh) * | 2017-07-27 | 2017-12-12 | 深圳达实智能股份有限公司 | 一种医院空调机房的制冷主机能效诊断方法及其系统 |
CN107461881B (zh) * | 2017-07-27 | 2020-04-21 | 深圳达实智能股份有限公司 | 一种医院空调机房的制冷主机能效诊断方法及其系统 |
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 |
CN109000334A (zh) * | 2018-06-29 | 2018-12-14 | 广州能迪能源科技股份有限公司 | 一种冷水机组节能控制策略的获得方法 |
EP3862649A4 (en) * | 2018-10-02 | 2022-01-12 | Mitsubishi Electric Corporation | REFRIGERATION CIRCUIT DEVICE |
CN109726896A (zh) * | 2018-12-05 | 2019-05-07 | 新奥数能科技有限公司 | 能源能效的计算方法及装置、存储介质、电子装置 |
CN109711029A (zh) * | 2018-12-20 | 2019-05-03 | 同济大学建筑设计研究院(集团)有限公司 | 一种设计阶段测算冷水机组实际部分负荷性能系数的方法 |
CN109781447A (zh) * | 2019-02-01 | 2019-05-21 | 上海理工大学 | 获得地铁车站中空调箱能效随运营年限演化特性的方法 |
CN111914404A (zh) * | 2020-07-09 | 2020-11-10 | 东南大学 | 一种基于实测数据的空调系统冷机性能曲线的获取方法 |
CN112163699A (zh) * | 2020-09-21 | 2021-01-01 | 西安建筑科技大学 | 一种基于负荷匹配的冷水机组台数控制优化方法 |
CN112163699B (zh) * | 2020-09-21 | 2023-06-16 | 西安建筑科技大学 | 一种基于负荷匹配的冷水机组台数控制优化方法 |
CN115048822A (zh) * | 2022-08-15 | 2022-09-13 | 天津市气象科学研究所 | 一种空调制冷能耗的评估方法及其系统 |
CN115048822B (zh) * | 2022-08-15 | 2022-10-28 | 天津市气象科学研究所 | 一种空调制冷能耗的评估方法及其系统 |
CN117350086A (zh) * | 2023-12-05 | 2024-01-05 | 珠海格力电器股份有限公司 | 风冷机组能效仿真模型的搭建方法、装置及电子设备 |
CN117350086B (zh) * | 2023-12-05 | 2024-04-05 | 珠海格力电器股份有限公司 | 风冷机组能效仿真模型的搭建方法、装置及电子设备 |
CN117450636A (zh) * | 2023-12-25 | 2024-01-26 | 珠海格力电器股份有限公司 | 冷站性能预测方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105973626B (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105973626A (zh) | 中央空调系统主机运行能效评估及预测方法以及装置 | |
CN104048390B (zh) | 一种风冷热泵型中央空调机组的能效诊断方法 | |
CN104633857B (zh) | 一种空调节能优化控制方法及装置 | |
CN102818337B (zh) | 一种基于物联网的地源热泵系统监测装置 | |
CN105387665B (zh) | 一种以空气源热泵综合性能最佳为目标的除霜控制方法 | |
CN103486693B (zh) | 一种中央空调冷冻水系统的节能控制方法 | |
CN105571073A (zh) | 一种地铁站空调水系统变频控制节能方法 | |
CN105465946B (zh) | 一种中央空调制冷站能耗分析的方法和系统 | |
CN103912966A (zh) | 一种地源热泵制冷系统优化控制方法 | |
CN105549516A (zh) | 一种公共建筑能耗监测系统 | |
CN102043907A (zh) | 空调房间实时冷负荷确定方法 | |
CN106529167A (zh) | 一种非供暖季空调系统综合能耗的分析方法 | |
Yu et al. | Energy signatures for assessing the energy performance of chillers | |
CN108426354A (zh) | 基于辐射时间序列方法的空调负荷预测系统 | |
CN106979717A (zh) | 冷却塔供水温度设定值的控制方法及装置 | |
CN106931600B (zh) | 一种用于确定建筑物空调水泵节能运行方案的方法 | |
CN101788395B (zh) | 地源热泵中央空调系统房间过热故障诊断检测方法及设备 | |
CN110895029A (zh) | 一种基于冷冻水的温度的建筑负荷预测方法 | |
CN111397934B (zh) | 一种地源热泵系统性能检测及优化控制方法、装置 | |
CN110953687B (zh) | 一种空调的健康度评价方法、系统及存储介质 | |
Li et al. | Night ventilation scheme optimization for an Ultra-low energy consumption building in Shenyang, China | |
CN110848889A (zh) | 一种中央空调系统主机运行能效评估方法 | |
CN105299846A (zh) | 一种基于全局关联优化的机房群控装置及其控制方法 | |
CN107461881A (zh) | 一种医院空调机房的制冷主机能效诊断方法及其系统 | |
CN117490193A (zh) | 一种中央空调水系统群控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |