CN106091270B - 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 - Google Patents
基于联网门禁系统的中央空调系统冷负荷预测方法及装置 Download PDFInfo
- Publication number
- CN106091270B CN106091270B CN201610451649.4A CN201610451649A CN106091270B CN 106091270 B CN106091270 B CN 106091270B CN 201610451649 A CN201610451649 A CN 201610451649A CN 106091270 B CN106091270 B CN 106091270B
- Authority
- CN
- China
- Prior art keywords
- central air
- air conditioner
- conditioner system
- office
- refrigeration duty
- 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
Classifications
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- 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
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及基于联网门禁系统的中央空调系统冷负荷预测方法及装置,该方法包括以下步骤:采集前一天进入办公室工作的人数和中央空调系统的运行参数;根据前一天中央空调系统的运行参数初步设定当天中央空调系统的运行参数;统计当天开始办公时的人数、计算此时中央空调系统室内冷负荷,并根据冷负荷修正中央空调系统的运行参数;每隔n分钟统计一次进入办公室工作的人数、计算该时刻中央空调系统室内冷负荷,并根据该时刻冷负荷修正中央空调系统的运行参数。该方法实现了对室内冷负荷的预测,实现对中央空调系统的主动控制,大大减少了响应时间,提高了室内的舒适度。
Description
技术领域
本发明涉及中央空调的技术领域,更具体地说,涉及基于联网门禁系统的中央空调系统冷负荷预测方法及装置。
背景技术
随着社会的发展,人们对建筑舒适性的要求越来越高。据统计,近年来中国的建筑能耗已经占社会总能耗的30%以上。其中,大型建筑的中央空调系统往往占建筑能耗的65%左右。因此,中央空调系统的节能就成了商用建筑节能的重中之重。
中央空调系统多采用水作为热量转移的媒介,因此具有大惰性、时滞性等特点。传统的中央空调控制方法为随着其冷负荷变化来调节其各种参数。由于中央空调大惰性、时滞性的特点,这种控制方法的响应时间很长,从而导致对中央空调系统的控制很被动,室内温湿度调节响应较慢,使得室内的舒适度难以满足要求。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述中央空调系统调节响应慢,室内舒适度差的缺陷,提供一种基于联网门禁系统的中央空调系统冷负荷预测方法。该方法包括以下步骤:
S1:采集前一天进入办公室工作的人数和中央空调系统的运行参数;
S2:根据所述前一天中央空调系统的运行参数初步设定当天所述中央空调系统的运行参数;
S3:统计当天开始办公时的人数、计算此时中央空调系统室内冷负荷,并根据所述冷负荷修正所述中央空调系统的运行参数;
S4:每隔n分钟统计一次进入办公室工作的人数、计算该时刻所述中央空调系统室内冷负荷,并根据所述冷负荷修正所述中央空调系统的运行参数。
优选地,所述步骤S1包括以下步骤:
S10:采集前一天进入办公室工作的人数并保存数据,其中,所述前一天进入办公室工作的人数为前一天整天在办公室工作的工作人员的数量;
S11:采集前一天中央空调系统的运行参数并保存。
优选地,所述步骤S2包括以下步骤:
S20:根据所述采集前一天中央空调系统的运行参数获得当天中央空调系统运行参数的预测值;
S21:将所述中央空调运行参数的预测值,在开始办公前输入中央空调系统中,初步设定当天中央空调系统的运行参数。
优选地,所述步骤S3包括以下步骤:
S30:统计当天开始办公时进入办公室工作的人数并保存数据;
S31:根据所述步骤S30保存的数据,计算当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值k0;
S32:根据所述步骤S31中的k0及中央空调系统冷负荷的计算公式,计算当天开始办公时中央空调系统室内的冷负荷并保存;
S33:根据所述步骤S32得到的所述当天开始办公时中央空调系统室内的冷负荷对中央空调系统的运行参数进行修正。
优选地,所述步骤S31中的比值k0的计算公式为:
k0=Nd/Nd-1
其中:
Nd:当天开始办公时进入办公室工作的人数
Nd-1:前一天进入办公室工作的人数
优选地,所述中央空调系统冷负荷的计算公式为:
Qd,c=Qd-1,c,cst+k0Qd-1,c,var
其中:
k0:当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值
Qd,c:当天开始办公时中央空调室内的冷负荷;
Qd-1,c,cst:前一天不随人员变化而变化的冷负荷;
Qd-1,c,var:前一天随人员变化而变化的冷负荷。
优选地,所述步骤S4包括以下步骤:
S40:从开始办公后每隔n分钟统计一次该时刻在办公室工作的人数并保存数据;
S41:根据所述步骤S40保存的数据,计算该时刻在办公室工作的人数与上一统计时刻的人数的比值kn;
S42:根据所述步骤S41中的km及中央空调系统冷负荷的计算公式,计算该时刻中央空调室内的冷负荷并保存;
S43:根据所述步骤S42得到的该时刻中央空调室内的冷负荷对中央空调系统的运行参数进行修正。
优选地,所述步骤S41中的比值kn的计算公式为:
kn=Nt/Nt-1
其中:
Nt:该时刻办公室的统计人数;
Nt-1:上一统计时刻办公室的统计人数。
优选地,所述步骤S42中的中央空调系统冷负荷的计算公式为:
Qt,c=Qt-1,c,cst+knQt-1,c,var
其中:
kn:该时刻在办公室工作的人数与上一统计时刻的人数的比值
Qt,c:该时刻的室内冷负荷;
Qt-1,c,cst:上一时刻不随人员变化而变化的冷负荷;
Qt-1,c,var:上一时刻随人员变化而变化的冷负荷。
本发明还提供一种基于联网门禁系统的中央空调系统冷负荷预测装置,该装置包括:
采集模块:用于采集前一天进入办公室工作的人数和中央空调系统的运行参数;
设定模块:用于根据所述前一天中央空调系统的运行参数初步设定当天所述中央空调系统的运行参数;
第一处理模块:用于统计开始办公时的人数、计算此时中央空调系统室内冷负荷,并根据所述冷负荷修正中央空调系统的运行参数;
第二处理模块:用于每隔n分钟统计一次进入办公室工作的人数、计算该时刻中央空调系统室内冷负荷,并根据所述冷负荷修正中央空调系统的运行参数。
实施本发明的基于联网门禁系统的中央空调系统冷负荷预测方法及装置,具有以下有益效果:本发明通过联网的门禁系统对进入办公室工作的人员数据进行采集,并通过对数据进行分析、处理,实现对中央空调系统冷负荷的预测,从而实现对中央空调系统的主动控制,大大减少了中央空调系统的响应时间,提高了室内的舒适度。
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是本发明基于联网门禁系统的中央空调系统冷负荷预测方法一实施例的方法流程示意图;
图2是本发明基于联网门禁系统的中央空调系统冷负荷预测装置一实施例的结构示意图。
具体实施方式
如图1所示,为本发明基于联网门禁系统的中央空调系统冷负荷预测方法的流程示意图,该基于联网门禁系统的中央空调系统冷负荷预测方法包括以下步骤:
S1:采集前一天进入办公室工作的人数和中央空调系统的运行参数。具体地,步骤S1包括以下步骤:
S10:采集前一天进入办公室工作的人数并保存数据,其中,所述前一天进入办公室工作的人数为前一天整天在办公室工作的工作人员的数量;可以理解地,进入办公室工作的工作人员从早上到办公室打卡开始,一直到下班出办公室打卡,在这一时间段工作人员都会进出办公室,每一次进出办公室都需要在门禁处打卡,门禁系统都有相应的记录,基于此,在采集前一天进入办公室工作的人数时,则根据每一个员工早上第一次打卡到下班最后一次打卡记录进行统计,一般地,当两次记录的时间间隔大于7小时,则可认为该员工一天都在办公室内上班。进一步地,两次记录的时间间隔可以根据每一个公司的公司制度进行变化,即如果公司要求每天工作时间为7小时30分钟,则当某员工当天第一次打卡与最后一次打卡时间间隔大于或等于7小时,则可认为该员工当天一整天都在公司工作。根据该统计原则进而采集前一天进入办公室工作的人员数据。
S11:采集前一天中央空调系统的运行参数并保存。可以理解地,中央空调系统的运行参数可以为主机、冷冻水泵或冷却水泵运行的台数,冷冻水供回水温度,冷却塔进出水的温度,冷水主机的运行功率等。
S2:根据前一天中央空调系统的运行参数初步设定当天中央空调系统的运行参数。具体地,步骤S2包括以下步骤:
S20:根据采集前一天中央空调系统的运行参数获得当天中央空调系统运行参数的预测值;即根据前一天采集的中央空调系统的运行参数数据,将该数据作为当天开始办公前中央空调系统的运行参数,依据该方法即可获取当天中央空调系统运行参数的预测值,记录该中央空调系统运行参数的预测值。
S21:将中央空调运行参数的预测值,在开始办公前输入中央空调系统中,初步设定当天中央空调系统的运行参数。由于中央空调系统的启动都有一定的延时,所以在办公人员开始进入办公室工作之前,先根据采集到的前一天中央空调系统的运行参数作为当天中央空调系统的运行参数,将记录的数据输入到中央空调系统对应的设备中,初步设定当天中央空调系统的运行状态。
S30:统计当天开始办公时进入办公室工作的人数并保存数据。在步骤S2中,将前一天中央空调的运行参数作为当天中央空调系统的运行参数对中央空调系统进行设定后,在开始办公时,由于进入办公室工作的人数与前一天进入办公空工作的人数会出现不一致的情况,此时需在当天开始办公时对进入办公室工作的人员进行数量统计,并根据该数据进行相应的分析处理。具体地,在开始办公前,可以理解地,假设每天早上8点开始上班,每位员工在进入办公室前都需在门禁处打卡,门禁系统就会记录该员工的相关信息,通常在8点后30分钟内当天进入办公室工作的人员已基本全部打卡,此时可依据门禁系统的记录统计当天开始办公时进入办公室工作的人数,并记录保存该数据。
S31:根据步骤S30保存的数据,计算当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值k0。具体地,假设当天开始办公时进入办公室工作的人数为Nd,前一天进入办公室工作的人数为Nd-1,则根据k0的计算公式可以算出k0的值,即k0=Nd/Nd-1。
S32:根据步骤S31中的k0及中央空调系统冷负荷的计算公式,计算当天开始办公时中央空调系统室内的冷负荷并保存。具体地,中央空调系统冷负荷的计算公式为:
Qd,c=Qd-1,c,cst+k0Qd-1,c,var
其中:
k0:当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值
Qd,c:当天开始办公时中央空调室内的冷负荷;
Qd-1,c,cst:前一天不随人员变化而变化的冷负荷;
Qd-1,c,var:前一天随人员变化而变化的冷负荷。
可以理解地,Qd-1,c,cst为前一天不随人员变化而变化的冷负荷,即为中央空调系统的静态冷负荷,静态冷负荷一般有两种获取方式:一种比较粗犷的方法是根据人为经验设定几个数值,再用模糊控制的方法进行调节。例如,人为认定天气为凉爽时,认为静态冷负荷为Akw;人为认定天气为热时,认为静态冷负荷为Bkw。另一种较为精细的方法是根据建筑原始数据(如建筑面积、墙体厚度、建筑热阻、日照强度、天气状况等)进行建模,再利用软件对该建筑进行数值模拟,得出外部可变数据(如室外温度、湿度、光照强度等)与该建筑静态冷负荷之间的关系。从而可以实时根据外部可变数据计算出建筑的静态冷负荷。进一步地,这时所应用的软件可以为TRNSYS、eQuest、EnergyPlus等。
Qd-1,c,var为前一天随人员变化而变化的冷负荷,即为中央空调系统的动态冷负荷。动态冷负荷的获取方法可以为,根据历史冷负荷数据的统计,已知总冷负荷和室内静态冷负荷,则动态冷负荷为总冷负荷与室内静态冷负荷的差值。通常动态冷负荷会受到室内人体散热量、人员配置设备(如电脑等)、照明等因素的影响。
S33:根据步骤S32得到的当天开始办公时中央空调系统室内的冷负荷对中央空调系统的运行参数进行修正。具体地,根据当天进入办公室工作的人数与前一天进入办公室工作的人数的比值,并采用中央空调系统冷负荷的计算公式算出当天开始办公时中央空调系统室内的冷负荷,并将获得的中央空调系统室内的冷负荷对中央空调系统的运行参数进行修正。
S4:每隔n分钟统计一次进入办公室工作的人数、计算该时刻中央空调系统室内冷负荷,并根据冷负荷修正中央空调系统的运行参数。具体地,步骤S4包括以下步骤:
S40:从开始办公后每隔n分钟统计一次该时刻在办公室工作的人数并保存数据;
S41:根据步骤S40保存的数据,计算该时刻在办公室工作的人数与上一统计时刻的人数的比值kn;
S42:根据步骤S41中的km及中央空调系统冷负荷的计算公式,计算该时刻中央空调室内的冷负荷并保存;
S43:根据步骤S42得到该时刻中央空调室内的冷负荷对中央空调系统的运行参数进行修正。
可以理解地,在每隔n分钟统计一次该时刻在办公室工作的人数时,只取每一员工在该时间段内(开始办公时刻至本次统计的时刻)内最后一次进出记录。例如,某名员工在该时间段内多次出入,若在该时间段内的最后一次门禁记录为进入,则认为该名员工在办公室内;若在该时间段内的最后一次门禁记录为离开,则认为该名员工不在办公室内。进而根据此统计原则,统计该时刻在办公室工作的人数并保存数据,根据所获得的该时刻统计的在办公室工作的人数与上一统计时刻统计的人数进行计算,得出相应的比值,其中该比值的计算公式为:
kn=Nt/Nt-1
其中:
Nt:该时刻办公室的统计人数;
Nt-1:上一统计时刻办公室的统计人数。
根据所获得的比值kn及中央空调系统冷负荷的计算公式,算得该时刻中央空调系统的冷负荷,其中,该时刻的冷负荷的计算公式为:
Qt,c=Qt-1,c,cst+knQt-1,c,var
其中:
kn:该时刻在办公室工作的人数与上一统计时刻的人数的比值
Qt,c:该时刻的室内冷负荷;
Qt-1,c,cst:上一时刻不随人员变化而变化的冷负荷;
Qt-1,c,var:上一时刻随人员变化而变化的冷负荷。
进而,根据所获得的该时刻中央空调系统的冷负荷Qt,c对中央空调系统的运行参数进行修正。可以理解地,上述每隔n分钟所指的n可以为15、30、35等等,即可以每隔15分钟或每隔30分钟或每隔35分钟对办公室内的人数进行一次统计,进而获取每个统计时刻中央空调系统室内冷负荷,并根据所获取的冷负荷对中央空调系统的运行参数进行修正。从而实现了对室内冷负荷的预测,实现对中央空调系统的主动控制,缩短了中央空调系统的响应时间,提高了室内的舒适度。
如图2所示,本发明还提供一种基于联网门禁系统的中央空调系统冷负荷预测装置,包括:
采集模块201:用于采集前一天进入办公室工作的人数和中央空调系统的运行参数。
具体地,采集前一天进入办公室工作的人数并保存数据,其中,所述前一天进入办公室工作的人数为前一天整天在办公室工作的工作人员的数量;可以理解地,进入办公室工作的工作人员从早上到办公室打卡开始,一直到下班出办公室打卡,在这一时间段工作人员都会进出办公室,每一次进出办公室都需要在门禁处打卡,门禁系统都有相应的记录,基于此,在采集前一天进入办公室工作的人数时,则根据每一个员工早上第一次打卡到下班最后一次打卡记录进行统计,一般地,当两次记录的时间间隔大于7小时,则可认为该员工一天都在办公室内上班。进一步地,两次记录的时间间隔可以根据每一个公司的公司制度进行变化,即如果公司要求每天工作时间为7小时30分钟,则当某员工当天第一次打卡与最后一次打卡时间间隔大于或等于7小时,则可认为该员工当天一整天都在公司工作。根据该统计原则进而采集前一天进入办公室工作的人员数据。
采集前一天中央空调系统的运行参数并保存。可以理解地,中央空调系统的运行参数可以为主机、冷冻水泵或冷却水泵运行的台数,冷冻水供回水温度,冷却塔进出水的温度,冷水主机的运行功率等。
设定模块202:用于根据所述前一天中央空调系统的运行参数初步设定当天所述中央空调系统的运行参数。
具体地,根据前一天采集的中央空调系统的运行参数获得当天中央空调系统运行参数的预测值;即根据前一天采集的中央空调系统的运行参数数据,将该数据作为当天开始办公前中央空调系统的运行参数,依据该方法即可获取当天中央空调系统运行参数的预测值,记录该中央空调系统运行参数的预测值。
将中央空调运行参数的预测值,在开始办公前输入中央空调系统中,初步设定当天中央空调系统的运行参数。由于中央空调系统的启动都有一定的延时,所以在办公人员开始进入办公室工作之前,先根据采集到的前一天中央空调系统的运行参数作为当天中央空调系统的运行参数,将记录的数据输入到中央空调系统对应的设备中,初步设定当天中央空调系统的运行状态。
第一处理模块203:用于统计开始办公时的人数、计算此时中央空调系统室内冷负荷,并根据所述冷负荷修正中央空调系统的运行参数。
具体地,统计当天开始办公时进入办公室工作的人数并保存数据。在步骤S2中,将前一天中央空调的运行参数作为当天中央空调系统的运行参数对中央空调系统进行设定后,在开始办公时,由于进入办公室工作的人数与前一天进入办公空工作的人数会出现不一致的情况,此时需在当天开始办公时对进入办公室工作的人员进行数量统计,并根据该数据进行相应的分析处理。具体地,在开始办公前,可以理解地,每天早上8点开始上班,每位员工在进入办公室前都需在门禁处打卡,门禁系统就会记录该员工的相关信息,通常在8点后30分钟内当天进入办公室工作的人员已基本全部打卡,此时可依据门禁系统的记录统计当天开始办公时进入办公室工作的人数,并记录保存该数据。
根据步骤S30保存的数据,计算当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值k0。具体地,假设当天开始办公时进入办公室工作的人数为Nd,前一天进入办公室工作的人数为Nd-1,则根据k0的计算公式可以算出k0的值,即k0=Nd/Nd-1。
根据步骤S31中的k0及中央空调系统冷负荷的计算公式,计算当天开始办公时中央空调系统室内的冷负荷并保存。具体地,中央空调系统冷负荷的计算公式为:
Qd,c=Qd-1,c,cst+k0Qd-1,c,var
其中:
k0:当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值
Qd,c:当天开始办公时中央空调室内的冷负荷;
Qd-1,c,cst:前一天不随人员变化而变化的冷负荷;
Qd-1,c,var:前一天随人员变化而变化的冷负荷。
可以理解地,Qd-1,c,cst为前一天不随人员变化而变化的冷负荷,即为中央空调系统的静态冷负荷,静态冷负荷一般有两种获取方式:一种比较粗犷的方法是根据人为经验设定几个数值,再用模糊控制的方法进行调节。例如,人为认定天气为凉爽时,认为静态冷负荷为Akw;人为认定天气为热时,认为静态冷负荷为Bkw。另一种较为精细的方法是根据建筑原始数据(如建筑面积、墙体厚度、建筑热阻、日照强度、天气状况等)进行建模,再利用软件对该建筑进行数值模拟,得出外部可变数据(如室外温度、湿度、光照强度等)与该建筑静态冷负荷之间的关系。从而可以实时根据外部可变数据计算出建筑的静态冷负荷。进一步地,这时所应用的软件可以为TRNSYS、eQuest、EnergyPlus等。
Qd-1,c,var为前一天随人员变化而变化的冷负荷,即为中央空调系统的动态冷负荷。动态冷负荷的获取方法可以为,根据历史冷负荷数据的统计,已知总冷负荷和室内静态冷负荷,则动态冷负荷为总冷负荷与室内静态冷负荷的差值。通常动态冷负荷会受到室内人体散热量、人员配置设备(如电脑等)、照明等因素的影响。
根据步骤S32得到的当天开始办公时中央空调系统室内的冷负荷对中央空调系统的运行参数进行修正。具体地,根据当天进入办公室工作的人数与前一天进入办公室工作的人数的比值,并采用中央空调系统冷负荷的计算公式算出当天开始办公时中央空调系统室内的冷负荷,并将获得的中央空调系统室内的冷负荷对中央空调系统的运行参数进行修正。
第二处理模块204:用于每隔n分钟统计一次进入办公室工作的人数、计算该时刻中央空调系统室内冷负荷,并根据所述冷负荷修正中央空调系统的运行参数。
从开始办公后每隔n分钟统计一次该时刻在办公室工作的人数并保存数据;
S41:根据步骤S40保存的数据,计算该时刻在办公室工作的人数与上一统计时刻的人数的比值kn;
S42:根据步骤S41中的km及中央空调系统冷负荷的计算公式,计算该时刻中央空调室内的冷负荷并保存;
S43:根据步骤S42得到的该时刻中央空调室内的冷负荷对中央空调系统的运行参数进行修正。
可以理解地,在每隔n分钟统计一次该时刻在办公室工作的人数时,只取每一员式在该时间段内(开始办公时刻至本次统计的时刻)内最后一次进出记录。例如,某名员工在该时间段内多次出入,若在该时间段内的最后一次门禁记录为进入,则认为该名员工在办公室内;若在该时间段内的最后一次门禁记录为离开,则认为该名员工不在办公室内。进而根据此统计原则,统计该时刻在办公室工作的人数并保存数据,根据所获得的该时刻统计的在办公室工作的人数与上一统计时刻统计的人数进行计算,得出相应的比值,其中该比值的计算公式为:
kn=Nt/Nt-1
其中:
Nt:该时刻办公室的统计人数;
Nt-1:上一统计时刻办公室的统计人数。
根据所获得的比值kn及中央空调系统冷负荷的计算公式,算得该时刻中央空调系统的冷负荷,其中,该时刻的冷负荷的计算公式为:
Qt,c=Qt-1,c,cst+knQt-1,c,var
其中:
kn:该时刻在办公室工作的人数与上一统计时刻的人数的比值
Qt,c:该时刻的室内冷负荷;
Qt-1,c,cst:上一时刻不随人员变化而变化的冷负荷;
Qt-1,c,var:上一时刻随人员变化而变化的冷负荷。
进而,根据所获得的该时刻中央空调系统的冷负荷Qt,c对中央空调系统的运行参数进行修正。可以理解地,上述每隔n分钟所指的n可以为15、30、35等等,即可以每隔15分钟或每隔30分钟或每隔35分钟对办公室内的人数进行一次统计,进而获取每个统计时刻中央空调系统室内冷负荷,并根据所获取的冷负荷对中央空调系统的运行参数进行修正。从而实现了对室内冷负荷的预测,实现对中央空调系统的主动控制,缩短了中央空调系统的响应时间,提高了室内的舒适度。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,该方法包括以下步骤:
S1:采集前一天进入办公室工作的人数和中央空调系统的运行参数;
S2:根据所述前一天中央空调系统的运行参数初步设定当天所述中央空调系统的运行参数;
S3:统计当天开始办公时的人数、计算此时中央空调系统室内冷负荷,并根据所述冷负荷修正所述中央空调系统的运行参数;
所述步骤S3包括以下步骤:
S30:统计当天开始办公时进入办公室工作的人数并保存数据;
S31:根据所述步骤S30的数据,计算当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值k0;
S32:根据所述步骤S31中的k0及中央空调系统冷负荷的计算公式,计算当天开始办公时中央空调系统室内的冷负荷并保存;
S33:根据所述步骤S32得到的所述当天开始办公时中央空调系统室内的冷负荷对中央空调系统的运行参数进行修正;
所述中央空调系统冷负荷的计算公式为:
Qd,c=Qd-1,c,cst+k0Qd-1,c,var
其中:
k0:当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值
Qd,c:当天开始办公时中央空调室内的冷负荷;
Qd-1,c,cst:前一天不随人员变化而变化的冷负荷;
Qd-1,c,var:前一天随人员变化而变化的冷负荷;
S4:每隔n分钟统计一次进入办公室工作的人数、计算该时刻所述中央空调系统室内冷负荷,并根据所述冷负荷修正所述中央空调系统的运行参数。
2.根据权利要求1所述的基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,所述步骤S1包括以下步骤:
S10:采集前一天进入办公室工作的人数并保存数据,其中,所述前一天进入办公室工作的人数为前一天整天在办公室工作的工作人员的数量;
S11:采集前一天中央空调系统的运行参数并保存。
3.根据权利要求2所述的基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,所述步骤S2包括:
S20:根据所述采集前一天中央空调系统的运行参数获得当天中央空调系统运行参数的预测值;
S21:将所述当天中央空调运行参数的预测值,在开始办公前输入中央空调系统中,初步设定当天中央空调系统的运行参数。
4.根据权利要求1所述的基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,所述步骤S31中的比值k0的计算公式为:
k0=Nd/Nd-1
其中:
Nd:当天开始办公时进入办公室工作的人数;
Nd-1:前一天进入办公室工作的人数。
5.根据权利要求1所述的基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,所述步骤S4包括以下步骤:
S40:从开始办公后每隔n分钟统计一次该时刻在办公室工作的人数并保存数据;
S41:根据所述步骤S40统计的数据,计算该时刻在办公室工作的人数与上一统计时刻的人数的比值kn;
S42:根据所述步骤S41中的kn及中央空调系统冷负荷的计算公式,计算该时刻中央空调室内的冷负荷并保存;
S43:根据所述步骤S42得到的该时刻中央空调室内的冷负荷对中央空调系统的运行参数进行修正。
6.根据权利要求5所述的基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,所述步骤S41中的比值kn的计算公式为:
kn=Nt/Nt-1
其中:
Nt:该时刻办公室的统计人数;
Nt-1:上一统计时刻办公室的统计人数。
7.根据权利要求6所述的基于联网门禁系统的中央空调系统冷负荷预测方法,其特征在于,所述步骤S42中的中央空调系统冷负荷的计算公式为:
Qt,c=Qt-1,c,cst+knQt-1,c,var
其中:
kn:该时刻在办公室工作的人数与上一统计时刻的人数的比值;
Qt,c:该时刻的室内冷负荷;
Qt-1,c,cst:上一时刻不随人员变化而变化的冷负荷;
Qt-1,c,var:上一时刻随人员变化而变化的冷负荷。
8.一种基于联网门禁系统的中央空调系统冷负荷预测装置,其特征在于,包括:
采集模块:用于采集前一天进入办公室工作的人数和中央空调系统的运行参数;
设定模块:用于根据所述前一天中央空调系统的运行参数初步设定当天所述中央空调系统的运行参数;
第一处理模块:用于统计开始办公时的人数、计算此时中央空调系统室内冷负荷,并根据所述冷负荷修正中央空调系统的运行参数;其中,所述第一处理模块用于统计当天开始办公时进入办公室工作的人数并保存数据,并根据所保存的数据计算当天开始办公时进入办公室工作的人数与前一天进入办公室工作的人数的比值k0;其中,
k0=Nd/Nd-1;
所述第一处理模块还根据所计算的比值k0及中央空调系统冷负荷的计算公式,计算当天开始办公时中央空调系统室内的冷负荷并保存;
其中,中央空调系统冷负荷的计算公式为:
Qd,c=Qd-1,c,cst+k0Qd-1,c,var
Qd,c:当天开始办公时中央空调室内的冷负荷;
Qd-1,c,cst:前一天不随人员变化而变化的冷负荷;
Qd-1,c,var:前一天随人员变化而变化的冷负荷;
第二处理模块:用于每隔n分钟统计一次进入办公室工作的人数、计算该时刻中央空调系统室内冷负荷,并根据所述冷负荷修正中央空调系统的运行参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610451649.4A CN106091270B (zh) | 2016-06-21 | 2016-06-21 | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610451649.4A CN106091270B (zh) | 2016-06-21 | 2016-06-21 | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106091270A CN106091270A (zh) | 2016-11-09 |
CN106091270B true CN106091270B (zh) | 2019-02-05 |
Family
ID=57238685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610451649.4A Expired - Fee Related CN106091270B (zh) | 2016-06-21 | 2016-06-21 | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106091270B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106362178B (zh) * | 2016-11-18 | 2022-05-03 | 安徽农业大学 | 一种养殖场人员消毒通道 |
CN106874604A (zh) * | 2017-02-21 | 2017-06-20 | 天津大学 | 一种办公室内部冷负荷的计算方法 |
CN107726548B (zh) * | 2017-09-30 | 2020-08-14 | 广东美的制冷设备有限公司 | 空调器控制方法、电子设备和计算机可读存储介质 |
CN108181884A (zh) * | 2017-12-29 | 2018-06-19 | 深圳市欧瑞博科技有限公司 | 一种饮水设备控制方法及装置 |
CN110953679A (zh) * | 2018-09-26 | 2020-04-03 | 珠海格力电器股份有限公司 | 调节空调的方法、装置以及空调装置 |
CN109974218B (zh) * | 2019-03-27 | 2020-09-08 | 福建工程学院 | 一种基于预测的多联机空调系统调控方法 |
CN110762732B (zh) * | 2019-10-30 | 2021-05-07 | 南京亚派软件技术有限公司 | 中央空调系统制冷主机的冷冻水供水温度设定方法及系统 |
CN111998505B (zh) * | 2020-08-10 | 2021-07-30 | 武汉蜗牛智享科技有限公司 | 基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统 |
CN112432315B (zh) * | 2020-10-28 | 2021-10-29 | 青岛海尔空调器有限总公司 | 空调器及其控制方法 |
CN114636276B (zh) * | 2022-05-18 | 2022-07-15 | 深圳市长誉科技有限公司 | 基于物联网技术的冷冻站自动降低功耗方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1851338A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的中央空调节能控制装置 |
CN102542637A (zh) * | 2010-12-15 | 2012-07-04 | 中兴保全股份有限公司 | 以门禁为基础的节能装置及其方法 |
CN102831683A (zh) * | 2012-08-28 | 2012-12-19 | 华南理工大学 | 一种基于人流量统计的室内动态冷负载智能检测方法 |
CN203464443U (zh) * | 2013-08-29 | 2014-03-05 | 苏州科技学院 | 一种智能化中央空调系统 |
CN104864559A (zh) * | 2015-05-06 | 2015-08-26 | 上海申瑞继保电气有限公司 | 公共建筑人均空调能耗计算方法 |
WO2015170414A1 (ja) * | 2014-05-09 | 2015-11-12 | 三菱電機株式会社 | 空調換気システム |
-
2016
- 2016-06-21 CN CN201610451649.4A patent/CN106091270B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1851338A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的中央空调节能控制装置 |
CN102542637A (zh) * | 2010-12-15 | 2012-07-04 | 中兴保全股份有限公司 | 以门禁为基础的节能装置及其方法 |
CN102831683A (zh) * | 2012-08-28 | 2012-12-19 | 华南理工大学 | 一种基于人流量统计的室内动态冷负载智能检测方法 |
CN203464443U (zh) * | 2013-08-29 | 2014-03-05 | 苏州科技学院 | 一种智能化中央空调系统 |
WO2015170414A1 (ja) * | 2014-05-09 | 2015-11-12 | 三菱電機株式会社 | 空調換気システム |
CN104864559A (zh) * | 2015-05-06 | 2015-08-26 | 上海申瑞继保电气有限公司 | 公共建筑人均空调能耗计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106091270A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106091270B (zh) | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 | |
US20210123625A1 (en) | Low-cost commissioning method for the air-conditioning systems in existing large public buildings | |
US11002457B2 (en) | Variable refrigerant flow, room air conditioner, and packaged air conditioner control systems with cost target optimization | |
EP1866575B1 (en) | Method and system for controlling a climate in a building | |
CN104698843B (zh) | 一种基于模型预测控制的数据中心节能控制方法 | |
Lam et al. | An occupant-participatory approach for thermal comfort enhancement and energy conservation in buildings | |
CN109800066A (zh) | 一种数据中心节能调度方法及系统 | |
CN107169606A (zh) | 一种办公建筑冷负荷的预测方法 | |
CN109974218B (zh) | 一种基于预测的多联机空调系统调控方法 | |
CN101929721B (zh) | 中央空调节能控制ar模型负荷预测系统的预测方法 | |
CN104791903A (zh) | 一种热网智能调度系统 | |
CN107315884A (zh) | 一种基于线性回归的建筑能耗建模方法 | |
CN104063766A (zh) | 基于云计算和大数据技术的建筑能效管理系统 | |
CN107860102A (zh) | 一种控制中央空调的方法及装置 | |
CN106874604A (zh) | 一种办公室内部冷负荷的计算方法 | |
CN109737574A (zh) | 中央空调能耗监测方法和系统 | |
CN110472892A (zh) | 建筑人流量、冷热电负荷评估方法及系统、设备和介质 | |
Dulce-Chamorro et al. | An advanced methodology to enhance energy efficiency in a hospital cooling-water system | |
CN112815486A (zh) | 空调管理方法及装置、电子设备、存储介质 | |
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 | |
Habib et al. | Automatic occupancy prediction using unsupervised learning in buildings data | |
Avotins et al. | IoT Solution Approach for Energy Consumption Reduction in Buildings: Part 3. Mathematical Model of Building and Experimental Results | |
Yang et al. | Prediction research on the energy consumption of public building based on mlr-bp neural network | |
US20220221828A1 (en) | Methods, Systems and Computer Program Products for Measuring, Verifying and Controlling the Energy Efficiency of a Building | |
TW202236198A (zh) | 人工智慧生產製造節能管理系統及其方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190205 Termination date: 20190621 |