CN106403166B - 一种冷负荷预测控制方法及装置 - Google Patents
一种冷负荷预测控制方法及装置 Download PDFInfo
- Publication number
- CN106403166B CN106403166B CN201610796843.6A CN201610796843A CN106403166B CN 106403166 B CN106403166 B CN 106403166B CN 201610796843 A CN201610796843 A CN 201610796843A CN 106403166 B CN106403166 B CN 106403166B
- Authority
- CN
- China
- Prior art keywords
- preset time
- time period
- refrigeration duty
- duty value
- difference
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001816 cooling Methods 0.000 title claims abstract description 37
- 238000005057 refrigeration Methods 0.000 claims abstract description 118
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 238000012935 Averaging Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 21
- 238000005096 rolling process Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 239000006185 dispersion Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical group O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
- F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
- F24F5/0017—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using cold storage bodies, e.g. ice
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种冷负荷预测控制方法及装置，应用于动态冰蓄冷空调控制系统。其中，所述方法包括：将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差；根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值；取预设个数的实际冷负荷值求平均作为之后的第二预设时间段内的预测冷负荷值。通过上述设计，能够更为准确地预测次日冷量需求，优化控制。
Description
技术领域
本发明涉及控制技术领域，具体而言，涉及一种冷负荷预测控制方法及装置。
背景技术
现有的动态冰蓄冷控制系统根据末端回水温度变化感知供负荷变化，反应缓慢，无法及时反馈当前末端实时负荷。无法及时响应末端负荷变化需求，导致过冲量及滞后量大从而造成大量的冷量浪费。此外，无法准确预测次日冷量需求，从而导致蓄冰量不足或者大量过剩的情况。
发明内容
有鉴于此，本发明实施例提供一种冷负荷预测控制方法及装置，能够解决上述问题。
为了达到上述目的，本发明实施例采用如下技术方案：
一种冷负荷预测控制方法，应用于动态冰蓄冷空调控制系统，所述方法包括：
将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差；
根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值；
在每次计算出所述实际冷负荷值后，对预设个数的所述第二预设时间段内的实际冷负荷值求平均，并将得出的平均值作为预设个数的所述第二预设时间段之后的所述第二预设时间段内的预测冷负荷值，以得到多个第二预设时间段内的预测冷负荷值；以及
计算获得每个第一预设时间段包括的多个第二预设时间段内的预测冷负荷值的和值，并将所述和值作为该第一预设时间段之后的第一预设时间段内的预测冷负荷值。
优选地，在执行所述将所述和值作为该第一预设时间段之后的第一预设时间段内的预测冷负荷值的步骤之后，所述方法还包括：
对每个第一预设时间段包括的多个第二预设时间段内的实际冷负荷值求和，得到每个第一预设时间段内的实际冷负荷值，并建立当天的实测负荷表；
计算每个第一预设时间段内的预测冷负荷值与实际冷负荷值的差值以及所述差值的变化量；以及
通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数，并按照所述频率控制参数控制所述动态冰蓄冷空调控制系统内的泵的转速。
优选地，所述通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数的步骤，包括：
将所述差值及所述差值的变化量按照预设规则离散化，得到离散的差值和变化量；
根据预设的模糊控制规则对所述离散的差值和变化量进行模糊处理得出频率模糊值；以及
对所述频率模糊值解模糊化得到所述频率控制控制参数。
优选地，所述方法还包括：
将所述实测负荷表中的每个第一预设时间段内的实际冷负荷值作为第二天同一时间段的预测冷负荷值。
优选地，所述冷冻水管路内的水流量和供回水温差通过能量分析仪进行采集。
优选地，所述第一预设时间段为一小时，所述第二预设时间段为十五分钟。
本发明另一实施例还提供一种冷负荷预测控制装置，应用于动态冰蓄冷空调控制系统，所述冷负荷预测控制装置包括采集模块、第一计算模块、移动平均模块和修正模块；
所述采集模块，用于将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差；
所述第一计算模块，用于根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值；
所述移动平均模块，用于在每次计算出所述实际冷负荷值后，对预设个数的所述第二预设时间段内的实际冷负荷值求平均，并将得出的平均值作为预设个数的所述第二预设时间段之后的所述第二预设时间段内的预测冷负荷值，以得到多个第二预设时间段内的预测冷负荷值；
所述修正模块，用于计算获得每个第一预设时间段包括的多个第二预设时间段内的预测冷负荷值的和值，并将所述和值作为第一预设时间段之后的第一预设时间段内的预测冷负荷值。
优选地，所述冷负荷预测控制装置还包括实测负荷表建立模块、第二计算模块及模糊控制模块；
所述实测负荷表建立模块，用于对每个第一预设时间段包括的多个所述第二预设时间段内的实际冷负荷值求和得到所述第一预设时间段内的实际冷负荷值，并建立当天的实测负荷表；
所述第二计算模块，用于计算每个第一预设时间段内的预测冷负荷值与实际冷负荷值的差值以及所述差值的变化量；
所述模糊控制模块，用于通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数，并按照所述频率控制参数控制所述空调控制系统内的泵的转速。
优选地，所述模糊控制模块包括离散化子模块、模糊处理子模块及解模糊化子模块；
所述离散化子模块，用于将所述差值及所述差值的变化量按照预设规则离散化，得到离散的差值和变化量；
所述模糊处理子模块，用于根据预设的模糊控制规则对所述离散的差值和变化量进行模糊处理得出频率模糊值；
所述解模糊化子模块，用于对所述频率模糊值解模糊化得到所述频率控制参数。
优选地，所述冷负荷预测控制装置还包括负荷预测模块；
所述负荷预测模块用于将所述实测负荷表中的每个第一预设时间段内的实际冷负荷值作为第二天同一时间段的预测冷负荷值。
本发明实施例提供的冷负荷预测控制方法及装置通过利用移动平均的方法将多个第二预设时间段内的实际冷负荷值的平均值作为之后的第二预设时间段内的预测冷负荷值，大大提高了预测结果的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提供的一种动态冰蓄冷空调控制系统的方框示意图。
图2为本发明实施例提供的一种冷负荷预测控制方法的流程示意图。
图3为步骤S107的子步骤示意图。
图4为本发明实施例提供的一种冷负荷预测控制装置的连接框图。
图标：100-动态冰蓄冷空调控制系统；101-存储器；102-存储控制器； 103-处理器；104-外设接口；105-输入输出单元；106-检测组件；200-冷负荷预测控制装置；210-采集模块；220-第一计算模块；230-移动平均模块； 240-修正模块；250-实测负荷表建立模块；260-第二计算模块；270-模糊控制模块；271-离散化子模块；272-模糊处理子模块；273-解模糊化子模块； 280-负荷预测模块。
具体实施方式
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，所述描述的实施例是本发明的一部分实施例，而非全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，是本发明较佳实施例提供的动态冰蓄冷空调控制系统100 的方框示意图。所述动态冰蓄冷空调控制系统100包括冷负荷预测控制装置200、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105以及检测组件106。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105以及检测组件106各元件相互之间直接或间接地电性连接，以实现信号的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述冷负荷预测控制装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中的软件功能模块。所述处理器103用于执行存储器101中存储可执行模块，例如所述冷负荷预测控制装置200包括的软件功能模块或计算机程序。
其中，存储器101可以是，但不限于，随机读取存储器(Random Access memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器 (Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序。本发明实施例任一实施方式所揭示的流程定义的方法可以应用于处理器103中，或者由处理器103实现。
处理器103可能是一种集成电路芯片，具有信号的处理能力。上述处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器 101。在一些实施例中，外设接口104、处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实施例中，他们可以分别由独立的芯片实现。
可以理解，图1中所示的结构仅为示意，动态冰蓄冷空调控制系统100 还可以包括比图1中所示更多或者更少的组件，或者具有与图1中所示不同的配置。图1所示的各组件可以采用硬件、软件或其组合实现。
图2是本发明实施例提供的一种冷负荷预测控制方法的流程图，该方法应用于上述动态冰蓄冷空调控制系统100。下面将对图2所示的具体流程和步骤进行详细阐述。
步骤S101，将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差。
所述动态冰蓄冷空调控制系统100将前一天建立的实测负荷表中的实际冷负荷值作为当天的同一时段内的预测冷负荷值。在实施时，需要对每一个预测冷负荷值进行修正。
可选地，所述动态冰蓄冷空调控制系统100可以通过能量分析仪对冷冻水管路内的水流量和供回水温差进行采集。
可选地，所述第一预设时间段可以为一小时的整数倍，其具体值不做限制。在本实施例中，将所述第一预设时间段优选为一小时。所述第一预设时间段可以划分为5个第二预设时间段、4个第二预设时间段或者3个第二预设时间段，本实施例对此不做限制。优选地，本实施例将所述第一预设时间段划分为4个第二预设时间段。
也即，本实施例将第一预设时间段优选为1小时，将第二预设时间段优选为15分钟。下面将以此为例进行说明。
步骤S102，根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值。
从零点开始，采集每个15分钟内的水流量和供回水温差，并计算出相应时间段内的实际冷负荷值。以0:00—0:15这段时间为例，所述动态冰蓄冷空调控制系统100对0:00—0:15这段时间内的冷冻水管路内的水流量和供回水温差进行采集，根据所述水流量和供回水温差计算得出0:00—0:15 这段时间内的实际冷负荷值，并进行存储。其他每个第二预设时间段内的实际冷负荷值的计算原理与此相同，此处不再赘述。
步骤S103，在每次计算出所述实际冷负荷值后，对预设个数的所述第二预设时间段内的实际冷负荷值求平均，并将得出的平均值作为预设个数的所述第二预设时间段之后的所述第二预设时间段内的预测冷负荷值，以得到多个第二预设时间段内的预测冷负荷值。
可选地，所述预设个数可以为4～8个，本实施例优选为5个。下面将以此为例进行说明。
假设所述第二预设时间段为15分钟，以0:00—0:15这段时间为例，在计算出0:00—0:15这段时间内的实际冷负荷值后，对包括0:00—0:15 这段时间内的实际冷负荷值在内的5个15分钟内的实际冷负荷值求平均。需要说明的是，所述5个15分钟的选取可以为连续的5个15分钟，也可以为非连续的5个15分钟。假设选取连续的5个15分钟，即选取前一天的23:00-23:15，23:15-23:30，23:30-23:45，23:45-0:00和当天的0:00-0:15 折五个时间段，并获取每个时间段内的实际冷负荷值，对获取到的5个实际冷负荷值求平均，并将得到的平均值作为0:15-0:30这一时间段内的预测冷负荷值。其他每个第二预设时间段内的预测冷负荷值的计算与上述方法相同，每到达一个第二预设时间段的终点时刻后，开始计算下一第二预设时间段内的预测冷负荷值。
步骤S104，计算获得每个第一预设时间段包括的多个第二预设时间段内的预测冷负荷值的和值，并将所述和值作为该第一预设时间段之后的第一预设时间段内的预测冷负荷值。
假设第一预设时间段为1小时，第二预设时间段为15分钟，以 0:00-1:00这段时间为例，在达到1:00时，已经计算得倒0:00-0:15， 0:15-0:30，0:30-0:45，0:45-1:00这四个15分钟内的预测冷负荷值，将这四个预测冷负荷值相加，并将得到的和值作为1:00-2:00这段时间内的预测冷负荷值。
上述设计以第二预设时间段为单位对预测冷负荷值进行移动平均，从而对每个第二预设时间段内的预测冷负荷值进行修正，减小了所得预测冷负荷值的误差。
可选地，在步骤S104之后所述方法还包括步骤S105、步骤S106以及步骤S107，具体描述如下。
步骤S105，对每个第一预设时间段包括的多个第二预设时间段内的实际冷负荷值求和，得到每个第一预设时间段内的实际冷负荷值，并建立当天的实测负荷表。
假设第一预设时间段为1小时，第二预设时间段为15分钟，以 0:00-1:00这段时间为例，对0:00-0:15，0:15-0:30，0:30-0:45，0:45-1:00 这四个15分钟内的实际冷负荷值求和，得到的和值即为0:00-1:00内的实际冷负荷值。记录每个第一预设时间段即每个小时内的实际冷负荷值并生成实测负荷表，所述动态冰蓄冷空调控制系统100即可根据所述实测负荷表将表格中每个第一预设时间段内的实际冷负荷值作为第二天同一时间段内的预测冷负荷值。
需要说明的是，当所述第一预设时间段为1小时时，所述实测负荷表为逐时实测负荷表。
步骤S106，计算每个第一预设时间段内的预测冷负荷值与实际冷负荷值的差值以及所述差值的变化量。
步骤S107，通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数，并按照所述频率控制参数控制所述动态冰蓄冷空调控制系统100内的泵的转速。
在每次对预测冷负荷值进行修正后，需要根据修正后的预测冷负荷值对所述动态冰蓄冷空调控制系统100中的泵的转速进行调整。
假设第一预设时间段为1小时，第二预设时间段为15分钟，以以 0:00-1:00这段时间为例，计算0:00-1:00内的实际冷负荷值与修正后的预测冷负荷值之间差值。由于0:00之前的每一个小时都做了同样的计算，因而所述动态冰蓄冷空调控制系统100中存储有0:00之前的每个小时内的实际冷负荷值与修正后的预测冷负荷值的差值，计算0:00-1:00内的差值与前一天的23:00-0:00的差值的变化量。
利用预设的模糊控制算法对所述差值和变化量进行处理，得到频率控制参数，将所述频率控制参数输入变频器，以控制所述动态冰蓄冷空调控制系统100的泵的频率。需要说明的是，所述泵包括制融冰泵、冷冻水泵及乙二醇泵。
可选地，所述方法还包括步骤S108，具体描述如下。
将所述实测负荷表中的每个第一预设时间段内的实际冷负荷值作为第二天同一时间段的预测冷负荷值。
需要说明的是，所述动态冰蓄冷空调控制系统100修正的预测冷负荷值即为前一天的实测负荷表中的实际冷负荷值。
可选地，如图3所示，步骤S107可以包括步骤S201、步骤S202及步骤S203三个子步骤，具体描述如下。
步骤S201，将所述差值及所述差值的变化量按照预设规则离散化，得到离散的差值和变化量。
步骤S202，根据预设的模糊控制规则对所述离散的差值和变化量进行模糊处理得出频率模糊值。
用户可以通过所述动态冰蓄冷空调控制系统100输入所述预设规则，以使动态冰蓄冷空调控制系统100按照所述预设规则将所述差值和变化量离散化。假设所述差值为E，根据离散化后的E的范围将所述差值E 的论域确定为(-6，5，-4，-3，-2，-1，0，1，2，3，4，5，6)。假设所述变化量为ΔE，根据离散化后的ΔE的范围将所述变化量ΔE的论域确定为 (-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6)。根据论域中每个元素的隶属度的不同可以定义关于差值E的七个模糊子集及变化量ΔE的七个模糊子集，判断每个离散化的差值和变化量所属的模糊子集。根据每个离散化的差值和变化量所属的模糊子集按照预设的模糊控制规则确定频率模糊值。
需要说明的是，用户可以在所述动态冰蓄冷系统中修改所述模糊控制规则。
步骤S203，对所述频率模糊值解模糊化得到所述频率控制控制参数。
通过上述设计，对已有的预测冷负荷值进行修正，从而提高了预测的准确性。采用模糊控制算法对动态冰蓄冷系统中的泵的转速进行控制，，提高了控制精度和系统稳定性。
本发明实施例还提供一种冷负荷预测控制装置200，应用于上述动态冰蓄冷空调控制系统100。
如图4所示，所述冷负荷预测控制装置200包括采集模块210、第一计算模块220、移动平均模块230和修正模块240。
其中，所述采集模块210用于将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差。关于所述采集模块 210的详细描述具体可参考本发明实施例对图2中所示的步骤S101的描述。也即，步骤S101可以由所述采集模块210来执行。
所述第一计算模块220用于根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值。关于所述第一计算模块220的详细描述具体可参考本发明实施例对图2中所示的步骤 S102的描述。也即，步骤S102可由所述第一计算模块220来执行。
所述移动平均模块230用于在每次计算出所述实际冷负荷值后，对预设个数的所述第二预设时间段内的实际冷负荷值求平均，并将得出的平均值作为预设个数的所述第二预设时间段之后的所述第二预设时间段内的预测冷负荷值，以得到多个第二预设时间段内的预测冷负荷值。
关于所述移动平均模块230的详细描述具体可参考本发明实施例对图2中所示的步骤S103的描述。也即，步骤S103可由所述移动平均模块 230来执行。
所述修正模块240用于计算获得每个第一预设时间段包括的多个第二预设时间段内的预测冷负荷值的和值，并将所述和值作为第一预设时间段之后的第一预设时间段内的预测冷负荷值。关于所述修正模块240的详细描述具体可参考本发明实施例对图2中所示的步骤S104的描述。也即，步骤S104可由所述修正模块240来执行。
可选地，所述冷负荷预测控制装置200还可以包括实测负荷表建立模块250、第二计算模块260、模糊控制模块270及负荷预测模块280。
其中，所述实测负荷表建立模块250用于对每个第一预设时间段包括的多个所述第二预设时间段内的实际冷负荷值求和得到所述第一预设时间段内的实际冷负荷值，并建立当天的实测负荷表。关于所述实测负荷表建立模块250的详细描述具体可参考本发明实施例对图2中所示的步骤 S105的描述。也即，步骤S105可由所述实测负荷表建立模块250来执行。
所述第二计算模块260用于计算每个第一预设时间段内的预测冷负荷值与实际冷负荷值的差值以及所述差值的变化量。关于所述第二计算模块260的详细描述具体可参考本发明实施例对图2中所示的步骤S106的描述。也即，步骤S106可由所述第二计算模块260来执行。
所述模糊控制模块270用于通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数，并按照所述频率控制参数控制所述空调控制系统内的泵的转速。关于所述模糊控制模块270的详细描述具体可参考本发明实施例对图2中所示的步骤S107的描述。也即，步骤S107可由所述模糊控制模块270来执行。
所述负荷预测模块280用于将所述实测负荷表中的每个第一预设时间段内的实际冷负荷值作为第二天同一时间段的预测冷负荷值。关于所述负荷预测模块280的详细描述具体可参考本发明实施例对图2中所示的步骤S108的描述。也即，步骤S108可由所述负荷预测模块280来执行。
可选地，如图4 所示，所述模糊控制模块270包括离散化子模块271、模糊处理子模块272及解模糊化子模块273。
其中，所述离散化子模块271用于将所述差值及所述差值的变化量按照预设规则离散化，得到离散的差值和变化量。关于所述离散化子模块 271的详细描述具体可参考本发明实施例对图3中所示的步骤S201的描述。也即，步骤S201可由所述离散化子模块271来执行。
所述模糊处理子模块272用于根据预设的模糊控制规则对所述离散的差值和变化量进行模糊处理得出频率模糊值。关于所述模糊处理子模块 272的详细描述具体可参考本发明实施例对图3中所示的步骤S202的描述。也即，步骤S202可由所述模糊处理子模块272来执行。
所述解模糊化子模块273用于对所述频率模糊值解模糊化得到所述频率控制参数。关于所述解模糊化子模块273的详细描述具体可参考本发明实施例对图3中所示的步骤S203的描述。也即，步骤S203可由所述解模糊化子模块273来执行。
综上所述，本发明实施例提供的冷负荷预测控制方法及装置通过移动平均算法将预设个数的第二预设时间段内的预测冷负荷值的平均值作为之后的第二预设时间段内的预测冷负荷值，大大提高了预测的准确性。通过计算实际冷负荷值与预测冷负荷值之间差值及所述差值的变化量，并采用模糊控制算法对所述差值及变化量进行处理，从而控制所述动态冰蓄冷空调控制系统100的泵的转速，以达到精确控制和稳定系统的效果。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM， Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种冷负荷预测控制方法，应用于动态冰蓄冷空调控制系统，其特征在于，所述方法包括：
将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差；
根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值；
在每次计算出所述实际冷负荷值后，对预设个数的所述第二预设时间段内的实际冷负荷值求平均，并将得出的平均值作为预设个数的所述第二预设时间段之后的所述第二预设时间段内的预测冷负荷值，以得到多个第二预设时间段内的预测冷负荷值；以及
计算获得每个第一预设时间段包括的多个第二预设时间段内的预测冷负荷值的和值，并将所述和值作为该第一预设时间段之后的第一预设时间段内的预测冷负荷值。
2.根据权利要求1所述的冷负荷预测控制方法，其特征在于，在执行所述将所述和值作为该第一预设时间段之后的第一预设时间段内的预测冷负荷值的步骤之后，所述方法还包括：
对每个第一预设时间段包括的多个第二预设时间段内的实际冷负荷值求和，得到每个第一预设时间段内的实际冷负荷值，并建立当天的实测负荷表；
计算每个第一预设时间段内的预测冷负荷值与实际冷负荷值的差值以及所述差值的变化量；以及
通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数，并按照所述频率控制参数控制所述动态冰蓄冷空调控制系统内的泵的转速。
3.根据权利要求2所述的冷负荷预测控制方法，其特征在于，所述通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数的步骤，包括：
将所述差值及所述差值的变化量按照预设规则离散化，得到离散的差值和变化量；
根据预设的模糊控制规则对所述离散的差值和变化量进行模糊处理得出频率模糊值；以及
对所述频率模糊值解模糊化得到所述频率控制参数。
4.根据权利要求3所述的冷负荷预测控制方法，其特征在于，所述方法还包括：
将所述实测负荷表中的每个第一预设时间段内的实际冷负荷值作为第二天同一时间段的预测冷负荷值。
5.根据权利要求1-4任意一项所述的冷负荷预测控制方法，其特征在于，所述冷冻水管路内的水流量和供回水温差通过能量分析仪进行采集。
6.根据权利要求5所述的冷负荷预测控制方法，其特征在于，所述第一预设时间段为一小时，所述第二预设时间段为十五分钟。
7.一种冷负荷预测控制装置，应用于动态冰蓄冷空调控制系统，所述冷负荷预测控制装置包括采集模块，其特征在于，所述冷负荷预测控制装置还包括第一计算模块、移动平均模块和修正模块；
所述采集模块，用于将一天划分为多个第一预设时间段，将每个第一预设时间段划分为多个第二预设时间段，采集并计算每个第二预设时间段内的冷冻水管路内的水流量和供回水温差；
所述第一计算模块，用于根据每个第二预设时间段内的水流量和供回水温差计算每个第二预设时间段内的实际冷负荷值；
所述移动平均模块，用于在每次计算出所述实际冷负荷值后，对预设个数的所述第二预设时间段内的实际冷负荷值求平均，并将得出的平均值作为预设个数的所述第二预设时间段之后的所述第二预设时间段内的预测冷负荷值，以得到多个第二预设时间段内的预测冷负荷值；
所述修正模块，用于计算获得每个第一预设时间段包括的多个第二预设时间段内的预测冷负荷值的和值，并将所述和值作为该第一预设时间段之后的第一预设时间段内的预测冷负荷值。
8.根据权利要求7所述的冷负荷预测控制装置，其特征在于，所述冷负荷预测控制装置还包括实测负荷表建立模块、第二计算模块及模糊控制模块；
所述实测负荷表建立模块，用于对每个第一预设时间段包括的多个所述第二预设时间段内的实际冷负荷值求和得到所述第一预设时间段内的实际冷负荷值，并建立当天的实测负荷表；
所述第二计算模块，用于计算每个第一预设时间段内的预测冷负荷值与实际冷负荷值的差值以及所述差值的变化量；
所述模糊控制模块，用于通过预设的模糊控制算法对所述差值及所述差值的变化量进行处理得到频率控制参数，并按照所述频率控制参数控制所述动态冰蓄冷空调控制系统内的泵的转速。
9.根据权利要求8所述的冷负荷预测控制装置，其特征在于，所述模糊控制模块包括离散化子模块、模糊处理子模块及解模糊化子模块；
所述离散化子模块，用于将所述差值及所述差值的变化量按照预设规则离散化，得到离散的差值和变化量；
所述模糊处理子模块，用于根据预设的模糊控制规则对所述离散的差值和变化量进行模糊处理得出频率模糊值；
所述解模糊化子模块，用于对所述频率模糊值解模糊化得到所述频率控制参数。
10.根据权利要求9所述的冷负荷预测控制装置，其特征在于，所述冷负荷预测控制装置还包括负荷预测模块；
所述负荷预测模块用于将所述实测负荷表中的每个第一预设时间段内的实际冷负荷值作为第二天同一时间段的预测冷负荷值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610796843.6A CN106403166B (zh) | 2016-08-31 | 2016-08-31 | 一种冷负荷预测控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610796843.6A CN106403166B (zh) | 2016-08-31 | 2016-08-31 | 一种冷负荷预测控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106403166A CN106403166A (zh) | 2017-02-15 |
| CN106403166B true CN106403166B (zh) | 2019-05-10 |
Family
ID=58001871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610796843.6A Active CN106403166B (zh) | 2016-08-31 | 2016-08-31 | 一种冷负荷预测控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106403166B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107192097A (zh) * | 2017-06-06 | 2017-09-22 | 珠海格力电器股份有限公司 | 空调冷冻水系统的控制方法和装置 |
| CN107461886A (zh) * | 2017-07-28 | 2017-12-12 | 深圳达实智能股份有限公司 | 一种医院预冷空调箱冷量输送能效的评估方法及装置 |
| CN108168045A (zh) * | 2017-12-06 | 2018-06-15 | 北京天诚同创电气有限公司 | 空调温度控制方法、装置及液体蓄冷空调系统 |
| TWI678504B (zh) | 2018-10-12 | 2019-12-01 | 群光電能科技股份有限公司 | 儲冰量調整系統與儲冰量調整方法 |
| US10823446B2 (en) | 2018-10-12 | 2020-11-03 | Chicony Power Technology Co., Ltd. | System of adjusting load of air conditioning and method of adjusting the same |
| CN109945370B (zh) * | 2019-04-08 | 2021-01-15 | 四川国锐工程设计有限公司 | 一种冰蓄冷储能系统 |
| CN111256252A (zh) * | 2020-01-19 | 2020-06-09 | 四川通普科技有限公司 | 动态冰蓄冷机房控制系统 |
| CN115264850B (zh) * | 2022-06-30 | 2024-06-04 | 北京小米移动软件有限公司 | 控制方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0518565A (ja) * | 1991-02-07 | 1993-01-26 | Marunouchi Netsu Kiyoukiyuu Kk | 負荷予測方法 |
| CN102519113A (zh) * | 2011-12-10 | 2012-06-27 | 深圳市得益节能科技有限公司 | 一种中央空调蓄冰移峰填谷控制方法 |
| CN102779228A (zh) * | 2012-06-07 | 2012-11-14 | 华南理工大学 | 商场建筑中央空调冷负荷在线预测方法及系统 |
| CN103499136A (zh) * | 2013-09-26 | 2014-01-08 | 中铁建设集团有限公司 | 一种具有次日能耗模拟功能的冰蓄冷控制系统 |
| CN103574845A (zh) * | 2013-11-04 | 2014-02-12 | 国家电网公司 | 一种基于冷负荷预测的冰蓄冷系统优化控制方法 |
| CN105627506A (zh) * | 2015-12-25 | 2016-06-01 | 深圳达实智能股份有限公司 | 一种空调冷机的建筑冷负荷预测方法及装置 |
-
2016
- 2016-08-31 CN CN201610796843.6A patent/CN106403166B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0518565A (ja) * | 1991-02-07 | 1993-01-26 | Marunouchi Netsu Kiyoukiyuu Kk | 負荷予測方法 |
| CN102519113A (zh) * | 2011-12-10 | 2012-06-27 | 深圳市得益节能科技有限公司 | 一种中央空调蓄冰移峰填谷控制方法 |
| CN102779228A (zh) * | 2012-06-07 | 2012-11-14 | 华南理工大学 | 商场建筑中央空调冷负荷在线预测方法及系统 |
| CN103499136A (zh) * | 2013-09-26 | 2014-01-08 | 中铁建设集团有限公司 | 一种具有次日能耗模拟功能的冰蓄冷控制系统 |
| CN103574845A (zh) * | 2013-11-04 | 2014-02-12 | 国家电网公司 | 一种基于冷负荷预测的冰蓄冷系统优化控制方法 |
| CN105627506A (zh) * | 2015-12-25 | 2016-06-01 | 深圳达实智能股份有限公司 | 一种空调冷机的建筑冷负荷预测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106403166A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106403166B (zh) | 一种冷负荷预测控制方法及装置 | |
| US9118219B2 (en) | Methods and systems for determining an association between nodes and phases via a smart grid | |
| US8532836B2 (en) | Demand response load reduction estimation | |
| US20160379319A1 (en) | Systems and methods for measuring and verifying energy usage in a building | |
| EP3245704A1 (en) | Energy storage controller with battery life model | |
| US8949051B2 (en) | Apparatus and method for sub-metering of household devices | |
| CN104636874B (zh) | 检测业务异常的方法及设备 | |
| US9829880B2 (en) | System and method for modelling load in an electrical power network | |
| WO2018022134A1 (en) | Electrical energy storage system with battery resistance estimation | |
| CN104901823A (zh) | 一种告警阈值生成方法、业务性能指标监控方法及装置 | |
| CN106452247B (zh) | 一种永磁同步电机转动惯量辨识的方法及装置 | |
| US20130282331A1 (en) | Detecting abnormal behavior | |
| CN110118509A (zh) | 一种冷却塔风机节能控制方法及系统 | |
| KR101765376B1 (ko) | 섹터그래프로 구성한 시계모양의 에너지 사용상황 제시 기법과 나무자료구조를 활용한 에너지관리시스템 | |
| US11215651B2 (en) | Power consumption estimation device | |
| Bo et al. | Efficient estimation of critical load levels using variable substitution method | |
| CN105573269B (zh) | 半导体制造机台的参数监控系统及方法 | |
| CN110263033A (zh) | 管控对象画像生成方法、终端设备及介质 | |
| CN104915559A (zh) | 一种用电设备确定方法及系统 | |
| CN108765140A (zh) | 批量业务异常监控方法以及第一电子设备 | |
| CN108021723B (zh) | 油泵电机温度估算方法及装置 | |
| RU2611259C1 (ru) | Автоматизированное устройство определения предельных режимов электрических систем | |
| Niranjan et al. | Impact of inventory allocation policies on downstream supply variability in a two-echelon system | |
| CN110851943A (zh) | 一种电池充电性能的建模方法和装置 | |
| CN113484814B (zh) | 一种电能表系统控制方法及装置 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200623 Address after: No.3, 29 / F, unit 1, building 3, no.6, Xihu South Road, Damian Tiane, Longquanyi District, Chengdu, Sichuan 610100 Patentee after: Xiao Jibin Address before: 610000, Sichuan, Chengdu Chenghua District Construction South Branch Road 3, 4, 1, attached to No. 1 Patentee before: CHENGDU ZHONGZHUANG ENERGY SCIENCE & TECHNOLOGY Co.,Ltd. |