CN106403207A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN106403207A
CN106403207A CN201610924961.0A CN201610924961A CN106403207A CN 106403207 A CN106403207 A CN 106403207A CN 201610924961 A CN201610924961 A CN 201610924961A CN 106403207 A CN106403207 A CN 106403207A
Authority
CN
China
Prior art keywords
load
data
prediction
ventilation air
heating ventilation
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.)
Pending
Application number
CN201610924961.0A
Other languages
English (en)
Inventor
孙栋军
王升
王娟
刘国林
刘羽松
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.)
Zhuhai Hengqin Energy Developments Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201610924961.0A priority Critical patent/CN106403207A/zh
Publication of CN106403207A publication Critical patent/CN106403207A/zh
Pending legal-status Critical Current

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
    • F24F11/30—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
    • F24F11/00—Control or safety arrangements
    • F24F11/89—Arrangement or mounting of control or safety devices
    • 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
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • 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
    • 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
    • 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

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

本发明涉及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。根据本发明的一个方面，提供一种用于暖通空调系统的基于负荷预测的控制系统(CS)。控制系统包括基础数据库(10)、感测系统(20)、负荷预测部(30)和中央控制器(40)，基础数据库存储有与暖通空调系统相关的数据，感测系统提供与暖通空调系统相关的实测数据，负荷预测部计算暖通空调系统的预测负荷值，中央控制器基于实测数据计算暖通空调系统的实际负荷量。中央控制器基于预测负荷值与实际负荷量的差值发出用于控制暖通空调系统的运行的控制指令。根据本发明，能够实现用于暖通空调系统的稳定、优化的节能控制。

Description

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
技术领域
本发明涉及暖通空调领域，具体涉及一种能够改善控制品质的用于暖通空调系统的基于负荷预测的控制系统以及一种相关联的控制方法。
背景技术
在例如现代大型建筑中，暖通空调系统(例如中央空调系统)能耗通常占据建筑总能耗60％以上。因此，在确保楼宇建筑环境舒适性的前提下进一步降低中央空调系统能耗水平具有重要现实意义。集成冷站采用传统PID控制具有控制滞后、抗扰动能力差等固有缺点。采用基于建筑冷负荷预测的集成冷站控制策略，则可以有效避免以上两种缺点。
然而，基于负荷预测的集成冷站控制方法有两个前提。其一是精确可靠的负荷预测模型，其二是合理可行的冷站系统控制策略。现有建筑冷负荷预测模型以人工神经网络算法为主，人工神经网络预测方法具有模型复杂、样本数据更新困难、工程应用成本高等缺点。
另外，在CN101424436A中，提出一种基于负荷预测的中央空调控制方法。然而，所提出的基于负荷预测的负荷增减趋势来加减冷机的控制方法过于简单，无法真正实现中央空调的节能优化控制。
这里，应当指出的是，本部分中所提供的技术内容旨在有助于本领域技术人员对本发明的理解，而不一定构成现有技术。
发明内容
为了解决或部分地解决相关技术中所存在的上述问题中的至少一个问题，本发明提供一种用于暖通空调系统的基于负荷预测的控制系统以及一种相关联的控制方法，以实现暖通空调系统的稳定、优化的节能控制。
根据本发明的一个方面，提供一种用于暖通空调系统的基于负荷预测的控制系统。所述控制系统包括基础数据库、感测系统、负荷预测部和中央控制器，所述基础数据库存储有与所述暖通空调系统相关的数据，所述感测系统提供与所述暖通空调系统相关的实测数据，所述负荷预测部计算所述暖通空调系统的预测负荷值，所述中央控制器基于所述实测数据计算所述暖通空调系统的实际负荷量。所述中央控制器基于所述预测负荷值与所述实际负荷量的差值发出用于控制所述暖通空调系统的运行的控制指令。
优选地，在上述控制系统中，所述中央控制器配置成：将所述差值与预设值进行比较并且根据比较结果发出控制指令。
优选地，在上述控制系统中：所述暖通空调系统为建筑冷站，所述建筑冷站包括下述冷站装置中的至少一者：冷机、冷冻水泵、冷却水泵和冷却塔，所述冷站装置中的每一者为一台或多台，以及，所述中央控制器配置成：根据所述比较结果发出控制指令以增减所述冷站装置的开启台数并且/或者调整所述冷站装置的单机负荷率。
优选地，在上述控制系统中：所述预设值包括正侧限值和负侧限值，以及，所述中央控制器配置成：在所述预测负荷值大于所述实际负荷量的负荷正趋势下，当所述差值的绝对值大于所述正侧限值时增加所述冷站装置的开启台数，当所述差值的绝对值小于等于所述正侧限值时增大处于开启状态的冷站装置的单机负荷率，在所述预测负荷值小于所述实际负荷量的负荷负趋势下，当所述差值的绝对值大于所述负侧限值时减少所述冷站装置的开启台数，当所述差值的绝对值小于等于所述负侧限值时减小处于开启状态的冷站装置的单机负荷率。
优选地，在上述控制系统中：为所述冷站装置中的每一者确定并存储各自的运行性能曲线，以及，所述中央控制器配置成：在综合地考虑所述各自的运行性能曲线的情况下基于与所述预测负荷值相对应的目标负荷量发出控制指令，使得在所述建筑冷站的总能耗最低的情况下实现所述目标负荷量。
优选地，在上述控制系统中：所述冷机、所述冷冻水泵、所述冷却水泵和所述冷却塔分别设置有冷机控制器、冷冻水泵控制器、冷却水泵控制器和冷却塔控制器，以及，所述冷机控制器、所述冷冻水泵控制器、所述冷却水泵控制器和所述冷却塔控制器存储有所述各自的运行性能曲线并且分别接收来自所述中央控制器的控制指令，以便使所述冷机、所述冷冻水泵、所述冷却水泵和所述冷却塔分别以各自的目标运行参数运行。
优选地，在上述控制系统中，所述感测系统的感测数据被分类地存储在所述基础数据库中的根据季节、日期和/或时刻特性分类的相应数据文件夹中。
优选地，在上述控制系统中，所述数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹，每类数据文件夹包含室外温度数据、室内人数数据、预测负荷值数据和/或实际负荷量数据。
优选地，在上述控制系统中：所述基础数据库中存储的与所述暖通空调系统相关的数据包括历史数据，所述负荷预测部基于所述历史数据和所述实测数据计算所述预测负荷值，以及，所述负荷预测部配置成：调取与当前日期相对应的数据文件夹中的数据以进行负荷预测。
优选地，在上述控制系统中，所述负荷预测部配置成：在负荷预测中，将来自所述感测系统的当前室内人数数据和当前环境温度数据分别与同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得负荷预测的室内人数修正系数和环境温度修正系数。
优选地，在上述控制系统中，所述基础数据库中存储的与所述暖通空调系统相关的数据包括历史数据，所述基础数据库中的所述历史数据为基于时间序列的逐时数据，以及，所述负荷预测部通过指数平滑法进行负荷预测。
优选地，在上述控制系统中，所述负荷预测部配置成：基于所述实际负荷量与上一个预测负荷值的差对负荷预测进行修正。
根据本发明的另一方面，提供一种用于暖通空调系统的控制方法。所述控制方法通过如上所述的控制系统来控制所述暖通空调系统的运行。
根据本发明，在一个层面中，基于预测负荷值与实际负荷量的差值控制暖通空调系统的运行。特别地，基于预测负荷值与实际负荷量的差值增减冷机的开启台数并且/或者调整冷机的单机负荷率。因此，与简单地基于负荷正负趋势(通过简单地比较预测负荷值与实际负荷量的大小而非具体差值来判定负荷正负趋势)控制暖通空调系统的运行的相关方案相比，根据本发明的控制方法更加优化并且控制品质更高。另外，根据本发明的控制方法综合地考虑各冷站装置的运行性能曲线，以暖通空调系统的全局性能最优为基准对建筑冷站进行控制，从而实现综合系统节能并且确保控制品质稳定。
根据本发明，在另一层面中，所提出的基于负荷预测的控制系统(集成冷站节能控制系统)的建筑冷负荷预测模型建立有易存取的基础数据库。基础数据库可以包括工作日、星期六、星期日和节假日数据文件夹而方便存取和管理。而且，在负荷预测中，还根据当前室内人数数据和环境温度数据与同一时刻的历史室内人数数据和环境温度数据进行比较以及根据对应的实际负荷量与预测负荷值的差来对负荷预测进行修正。由此，实现了基于改进型指数平滑法的负荷预测模型从而获得更精确的负荷预测结果，进而为实现优化控制提供了基础。
总之，根据本发明，利用基于历史相似数据的建筑负荷预测模型来实现建筑冷负荷的精确预测，以中央空调系统综合能耗最低为原则实现中央空调系统的稳定、优化的节能控制。
附图说明
通过以下参照附图对本发明实施方式的详细描述，本发明的上述以及其它的目的、特征和优点将更为清楚，在附图中：
图1为示出根据本发明示例性实施方式的控制系统的结构框图；以及
图2为示出根据本发明示例性实施方式的基础数据库的示意图。
附图标记清单：
10---基础数据库
20---感测系统
30---负荷预测部
40---中央控制器
42---冷机控制器
44---冷冻水泵控制器
46---冷却水泵控制器
48---冷却塔控制器
CS---控制系统
具体实施方式
下面参照附图、借助示例性实施方式对本发明进行详细描述。对本发明的以下详细描述仅仅是出于说明目的，而绝不是对本发明及其应用或用途的限制。
参照图1(图1为示出根据本发明示例性实施方式的控制系统的结构框图)，根据本发明示例性实施方式的控制系统CS可以用于建筑物(例如大型建筑物)的暖通空调系统。在一些示例中，暖通空调系统可以为中央空调系统特别是建筑冷站。在其它示例中，暖通空调系统可以为其它系统(比如热泵供热系统)。
建筑冷站可以包括一种或多种冷站装置。冷站装置可以包括冷机、冷冻水泵、冷却水泵和冷却塔。当然，冷站装置还可以阀门(比如电动蝶阀)等其它装置。
控制系统CS可以包括基础数据库10、感测系统20、负荷预测部30和中央控制器40。
基础数据库10可以存储有与暖通空调系统相关的历史数据。感测系统20可以提供与暖通空调系统相关的实测数据。例如，感测系统20可以包括多种不同的温度传感器、压力传感器和流量传感器。
在优选的示例中，感测系统20所提供的感测数据例如经由通信模块而被分类地存储在基础数据库10中的根据季节、日期和/或时刻特性分类的相应数据文件夹中。例如，参见图2(图2为示出根据本发明示例性实施方式的基础数据库的示意图)，根据日期特性分类，数据文件夹可以包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹。每类数据文件夹可以包含气象数据(比如室外温度数据和室外湿度数据)、室内人数数据(人员密度数据)、预测负荷值数据和/或实际负荷量数据。当然，根据具体情况，基础数据库10还可以存储有例如由感测系统20提供的与暖通空调系统相关的其它数据，比如冷冻水供水温度数据、冷冻水回水温度数据和冷冻水流量数据。
负荷预测部30可以基于历史数据和实测数据计算暖通空调系统的预测负荷值。中央控制器40可以基于实测数据计算暖通空调系统的实际负荷量。这里，可以构想，负荷预测部的负荷预测可以以其它方式进行而不必然基于历史数据和实测数据。
在一些示例中，负荷预测部30可以配置成：调取与当前日期相对应的数据文件夹中的数据以进行负荷预测。例如，如果是在工作日进行负荷预测，则调取基础数据库10中的工作日数据文件夹中的历史数据，而如果在星期日进行负荷预测，则调取基础数据库10中的星期日数据文件夹中的历史数据。这样，由于相似日历史数据做预测日样本数据，可以提高预测精度。负荷预测部30还可以配置成：在负荷预测中，将来自感测系统20的当前室内人数数据和当前环境温度数据分别与同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得负荷预测的室内人数修正系数和环境温度修正系数。
在一些示例中，基础数据库10中的历史数据可以为基于时间序列的逐时数据，以及，负荷预测部30可以通过指数平滑法进行负荷预测。
在一些示例中，负荷预测部30可以配置成：基于实际负荷量与上一个预测负荷值的差对负荷预测进行修正。这里，上一个预测负荷值即为：在上次负荷预测中所预测出的当前时刻的负荷值，也就是与实际负荷量(当前时刻实际负荷量)相对应的预测负荷值。
下面描述由负荷预测部30进行的示例性负荷预测方法。
示例性负荷预测方法可以包括如下步骤。
从基础数据库10中提取近两日或更多日的负荷量，然后分别计算近两日或更多日的逐时负荷量平均值。
基于逐时负荷量平均值计算近两日或更多日的水平因子。
基于逐时负荷量平均值计算近两日或更多日的趋势因子。
计算近两日或更多日中每日的周期因子，然后取平均并进行正态化处理而获得正态化周期因子。
从感测系统20将实时感测到的室内人数数据和环境温度数据传输至负荷预测部30，然后负荷预测部30计算第一个负荷预测的室内人数修正系数和环境温度修正系数。这里，特别地，如上所述，将来自感测系统20的当前室内人数数据和当前环境温度数据分别与前一日或前几日同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得第一个预测负荷的室内人数修正系数和环境温度修正系数。
基于水平因子、正态化周期因子以及第一个负荷预测的室内人数修正系数和环境温度修正系数计算第一个预测负荷值。
另外，在第一个负荷预测结束之后，由中央控制器40(例如中央控制器40中的负荷量确定部)基于感测系统20的感测数据确定(计算)实际负荷量。这里，例如，中央控制器40可以根据中央空调系统总管供回水两侧温度和流量(冷冻水供水温度、冷冻水供水流量、冷冻水回水温度和冷冻水回水流量)而计算出实际负荷量(当前时刻供冷量)。
负荷预测部30基于第一个预测负荷值与从中央控制器40反馈的实际负荷量的差修正水平因子和正态化周期因子而获得更新的水平因子和更新的正态化周期因子。
从感测系统20将实时感测到的室内人数数据和环境温度数据传输至负荷预测部30，然后负荷预测部30计算第二个预测负荷的室内人数修正系数和环境温度修正系数。
基于更新的水平因子、更新的正态化周期因子以及第二个预测负荷的室内人数修正系数和环境温度修正系数计算第二个预测负荷值。
根据本发明，中央控制器40基于预测负荷值与实际负荷量的差值发出用于控制暖通空调系统的运行的控制指令，以控制(调整或维持)各冷站装置的运行参数。这里，预测负荷值指的是通过本次负荷预测过程而预测出的下一时刻的预测负荷值，而实际负荷量指的是通过本次负荷计算(确定)过程而计算出的这一时刻的实际负荷量(当前实际负荷量)。
中央控制器40可以配置成：将差值与预设值进行比较并且根据比较结果发出控制指令。特别地，多种冷站装置中的每种装置可以为一台或多台，并且中央控制器40可以配置成：根据比较结果发出控制指令以增减冷站装置的开启台数(比如冷机的开启台数)并且/或者调整冷站装置的单机负荷率(比如处于开启状态的冷机的单机负荷率)。
在优选的示例中，预设值包括正侧限值和负侧限值。中央控制器40可以配置成：在预测负荷值大于实际负荷量的负荷正趋势下，当差值的绝对值大于正侧限值时增加冷站装置的开启台数(例如加开一台冷机)，当差值的绝对值小于等于正侧限值时增大处于开启状态的冷站装置的单机负荷率(例如使当前开启的冷机加载)，在预测负荷值小于实际负荷量的负荷负趋势下，当差值的绝对值大于负侧限值时减少冷站装置的开启台数(例如停开一台冷机)，当差值的绝对值小于等于负侧限值时减小处于开启状态的冷站装置的单机负荷率(例如使当前开启的冷机卸载)。
在一些示例中，除了正侧限值和负侧限值，预设值还可以包括小于正侧限值和负侧限值的一系列阈值(多级阈值)，以便中央控制器40基于差值与一系列阈值的比较结果来方便地确定单机负荷率的调整量。
在优选的示例中，预先为冷站装置中的每一者确定并存储各自的运行性能曲线。例如，对于冷机，运行性能曲线可以是冷机在多个不同的运行参数下的COP曲线，运行参数可以是冷冻水出口温度、冷却水进口温度、负荷率、冷冻水流量和冷却水流量等。中央控制器40可以配置成：在综合地考虑各个冷站装置的各自的运行性能曲线的情况下基于与预测负荷值相对应的目标负荷量发出控制指令，使得在建筑冷站的总能耗最低的情况下实现目标负荷量。这里，总能耗(总功率)可以是建筑冷站中各冷站装置的能耗(功率)之和，例如，总能耗＝冷机能耗+冷冻水泵能耗+冷却水泵能耗+冷却塔能耗。
冷机、冷冻水泵、冷却水泵和冷却塔可以分别设置有冷机控制器42、冷冻水泵控制器44、冷却水泵控制器46和冷却塔控制器48(这些智能控制器构成智能控制系统CS的一部分)。冷机控制器42、冷冻水泵控制器44、冷却水泵控制器46和冷却塔控制器48可以存储有各自的运行性能曲线并且分别接收来自中央控制器40的控制指令，以便使冷机、冷冻水泵、冷却水泵和冷却塔分别在各自的目标运行参数下或附近运行。这里，需要指出的是，对于某一冷站装置，用于实现建筑冷站总能耗最低的目标运行参数并不一定是该冷站装置本身能耗最低的运行参数。然而，通过使各冷站装置在各自的目标运行参数(频率、温度和流量等)下或附近运行，能够使建筑冷站的总能耗最低。
根据本发明，还提供一种用于暖通空调系统的控制方法。该控制方法通过如上所述的控制系统CS来控制暖通空调系统的运行。
根据本发明，在一个层面中，基于预测负荷值与实际负荷量的差值控制暖通空调系统的运行。特别地，基于预测负荷值与实际负荷量的差值增减冷机的开启台数并且/或者调整冷机的单机负荷率。因此，与简单地基于负荷正负趋势(通过简单地比较预测负荷值与实际负荷量的大小而非具体差值来判定负荷正负趋势)控制暖通空调系统的运行的相关方案相比，根据本发明的控制方法更加优化并且控制品质更高。另外，根据本发明的控制方法综合地考虑各冷站装置的运行性能曲线，以暖通空调系统的全局性能最优为基准对建筑冷站进行控制，从而实现综合系统节能并且确保控制品质稳定。
根据本发明，在另一层面中，所提出的基于负荷预测的控制系统(集成冷站节能控制系统)的建筑冷负荷预测模型建立有易存取的基础数据库。基础数据库可以包括工作日、星期六、星期日和节假日数据文件夹而方便存取和管理。而且，在负荷预测中，还根据当前室内人数数据和环境温度数据与同一时刻的历史室内人数数据和环境温度数据进行比较以及根据对应的实际负荷量与预测负荷值的差来对负荷预测进行修正。由此，实现了基于改进型指数平滑法的负荷预测模型从而获得更精确的负荷预测结果，进而为实现优化控制提供了基础。
总之，根据本发明，利用基于历史相似数据的建筑负荷预测模型来实现建筑冷负荷的精确预测，以中央空调系统综合能耗最低为原则实现中央空调系统的稳定、优化的节能控制。
应当说明的是，在本说明书中，每当提及“一些示例”和“优选的示例”等时意味着针对该示例描述的具体的特征、结构或特点包括在本发明的至少一个示例中。这些用词在本说明书中不同地方的出现不一定都指代同一示例。此外，当针对任一示例描述具体的特征、结构或特点时，应当认为本领域技术人员也能够在所有所述示例中的其它示例中实现这种特征、结构或特点。
另外，在本申请文件中，术语“包括”、“包含”或者其任何其它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，而且还可以包括没有明确列出的其它要素，或者是还可以包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：显然，上述实施方式/示例仅仅是为清楚地说明本发明所作的举例，而并非对本发明的限制。对于本领域技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式/示例予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (13)

1.一种用于暖通空调系统的基于负荷预测的控制系统(CS)，其特征在于，
所述控制系统(CS)包括基础数据库(10)、感测系统(20)、负荷预测部(30)和中央控制器(40)，所述基础数据库(10)存储有与所述暖通空调系统相关的数据，所述感测系统(20)提供与所述暖通空调系统相关的实测数据，所述负荷预测部(30)计算所述暖通空调系统的预测负荷值，所述中央控制器(40)基于所述实测数据计算所述暖通空调系统的实际负荷量，
所述中央控制器(40)基于所述预测负荷值与所述实际负荷量的差值发出用于控制所述暖通空调系统的运行的控制指令。
2.根据权利要求1所述的控制系统(CS)，其特征在于，所述中央控制器(40)配置成：将所述差值与预设值进行比较并且根据比较结果发出控制指令。
3.根据权利要求2所述的控制系统(CS)，其特征在于：
所述暖通空调系统为建筑冷站，所述建筑冷站包括下述冷站装置中的至少一者：冷机、冷冻水泵、冷却水泵和冷却塔，
所述冷站装置中的每一者为一台或多台，以及
所述中央控制器(40)配置成：根据所述比较结果发出控制指令以增减所述冷站装置的开启台数并且/或者调整所述冷站装置的单机负荷率。
4.根据权利要求3所述的控制系统(CS)，其特征在于：
所述预设值包括正侧限值和负侧限值，以及
所述中央控制器(40)配置成：在所述预测负荷值大于所述实际负荷量的负荷正趋势下，当所述差值的绝对值大于所述正侧限值时增加所述冷站装置的开启台数，当所述差值的绝对值小于等于所述正侧限值时增大处于开启状态的冷站装置的单机负荷率，在所述预测负荷值小于所述实际负荷量的负荷负趋势下，当所述差值的绝对值大于所述负侧限值时减少所述冷站装置的开启台数，当所述差值的绝对值小于等于所述负侧限值时减小处于开启状态的冷站装置的单机负荷率。
5.根据权利要求3所述的控制系统(CS)，其特征在于：
为所述冷站装置中的每一者确定并存储各自的运行性能曲线，以及
所述中央控制器(40)配置成：在综合地考虑所述各自的运行性能曲线的情况下基于与所述预测负荷值相对应的目标负荷量发出控制指令，使得在所述建筑冷站的总能耗最低的情况下实现所述目标负荷量。
6.根据权利要求5所述的控制系统(CS)，其特征在于：
所述冷机、所述冷冻水泵、所述冷却水泵和/或所述冷却塔分别设置有冷机控制器(42)、冷冻水泵控制器(44)、冷却水泵控制器(46)和/或冷却塔控制器(48)，以及
所述冷机控制器(42)、所述冷冻水泵控制器(44)、所述冷却水泵控制器(46)和/或所述冷却塔控制器(48)存储有所述各自的运行性能曲线并且分别接收来自所述中央控制器(40)的控制指令，以便使所述冷机、所述冷冻水泵、所述冷却水泵和所述冷却塔分别以各自的目标运行参数运行。
7.根据权利要求1至6中任一项所述的控制系统(CS)，其特征在于，所述感测系统(20)的感测数据根据季节、日期和/或时刻特性分类地存储在所述基础数据库(10)中的相应数据文件夹中。
8.根据权利要求7所述的控制系统(CS)，其特征在于，所述数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹，每类数据文件夹包含室外温度数据、室内人数数据、预测负荷值数据和/或实际负荷量数据。
9.根据权利要求8所述的控制系统(CS)，其特征在于：
所述基础数据库(10)中存储的与所述暖通空调系统相关的数据包括历史数据，所述负荷预测部(30)基于所述历史数据和所述实测数据计算所述预测负荷值，以及
所述负荷预测部(30)配置成：调取与当前日期相对应的数据文件夹中的数据以进行负荷预测。
10.根据权利要求9所述的控制系统(CS)，其特征在于，所述负荷预测部(30)配置成：在负荷预测中，将来自所述感测系统(20)的当前室内人数数据和当前环境温度数据分别与同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得负荷预测的室内人数修正系数和环境温度修正系数。
11.根据权利要求1至6中任一项所述的控制系统(CS)，其特征在于，所述基础数据库(10)中存储的与所述暖通空调系统相关的数据包括历史数据，所述基础数据库(10)中的所述历史数据为基于时间序列的逐时数据，以及，所述负荷预测部(30)通过指数平滑法进行负荷预测。
12.根据权利要求1至6中任一项所述的控制系统(CS)，其特征在于，所述负荷预测部(30)配置成：基于所述实际负荷量与上一个预测负荷值的差对负荷预测进行修正。
13.一种用于暖通空调系统的控制方法，其特征在于，所述控制方法通过如权利要求1至12中任一项所述的控制系统(CS)来控制所述暖通空调系统的运行。
CN201610924961.0A 2016-10-24 2016-10-24 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 Pending CN106403207A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610924961.0A CN106403207A (zh) 2016-10-24 2016-10-24 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610924961.0A CN106403207A (zh) 2016-10-24 2016-10-24 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

Publications (1)

Publication Number Publication Date
CN106403207A true CN106403207A (zh) 2017-02-15

Family

ID=58013302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610924961.0A Pending CN106403207A (zh) 2016-10-24 2016-10-24 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

Country Status (1)

Country Link
CN (1) CN106403207A (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107036238A (zh) * 2016-10-26 2017-08-11 中华电信股份有限公司 动态预测外气与负载智慧节能控制方法
CN107220514A (zh) * 2017-06-14 2017-09-29 四川省建筑科学研究院 基于大数据的空调负荷预测方法及系统
CN107246705A (zh) * 2017-05-02 2017-10-13 青岛海尔空调器有限总公司 一种空调功耗估算方法及装置
CN107781947A (zh) * 2017-09-21 2018-03-09 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
CN107940705A (zh) * 2017-11-20 2018-04-20 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
CN108709283A (zh) * 2018-05-29 2018-10-26 浙江盾安自控科技有限公司 系统调节方法及使用该调节方法的空气调节系统
CN108758980A (zh) * 2018-06-28 2018-11-06 湖南湖大瑞格能源科技有限公司 一种地下水源热泵系统的节能控制方法及系统
CN108759011A (zh) * 2018-06-22 2018-11-06 沈阳建筑大学 一种用于暖通空调系统的控制装置及其方法
CN108800431A (zh) * 2018-06-28 2018-11-13 湖南湖大瑞格能源科技有限公司 一种空气源热泵系统的节能控制方法及系统
CN108895717A (zh) * 2018-06-28 2018-11-27 湖南湖大瑞格能源科技有限公司 一种土壤源热泵系统的节能控制方法及系统
CN108931031A (zh) * 2018-06-28 2018-12-04 湖南湖大瑞格能源科技有限公司 一种深湖水源热泵系统的节能控制方法及系统
CN108931030A (zh) * 2018-06-28 2018-12-04 湖南湖大瑞格能源科技有限公司 一种江水源热泵系统的节能控制方法及系统
CN108954679A (zh) * 2018-06-28 2018-12-07 湖南湖大瑞格能源科技有限公司 一种污水源热泵系统的节能控制方法及系统
CN108981088A (zh) * 2018-06-11 2018-12-11 江苏联宏智慧能源股份有限公司 一种基于酒店业态分析的中央空调系统节能控制方法
CN109237988A (zh) * 2018-08-28 2019-01-18 南京从容信息科技有限公司 物联网平台技术的冷却水温实时自寻优变流量方法
CN109543903A (zh) * 2018-11-21 2019-03-29 珠海格力电器股份有限公司 一种空气源热泵能耗预测方法及系统
CN109708258A (zh) * 2018-12-20 2019-05-03 南京达实能源技术有限公司 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法
CN109871987A (zh) * 2019-01-28 2019-06-11 中建八局第三建设有限公司 一种智能建筑暖通设备综合节能控制方法
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
CN109945420A (zh) * 2019-03-26 2019-06-28 南京南瑞继保电气有限公司 基于负荷预测的空调控制方法、装置及计算机存储介质
CN110186156A (zh) * 2019-06-03 2019-08-30 西安锦威电子科技有限公司 制冷站模糊控制系统
CN110425685A (zh) * 2019-08-16 2019-11-08 珠海格力电器股份有限公司 空调系统控制方法、装置及空调系统
CN110701732A (zh) * 2019-12-10 2020-01-17 南昌掘策数据服务有限公司 能耗数据分析方法、系统及中央空调的节能方法和系统
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
CN111197846A (zh) * 2019-12-31 2020-05-26 国网河北省电力有限公司雄安新区供电公司 一种建筑内冷热负荷自适应调节方法及系统
CN111380184A (zh) * 2018-12-28 2020-07-07 麦克维尔空调制冷(武汉)有限公司 压缩机运行控制方法、控制装置和换热系统
CN111928450A (zh) * 2020-07-21 2020-11-13 国网电力科学研究院武汉能效测评有限公司 一种楼宇用能优化控制方法
CN112050346A (zh) * 2020-08-31 2020-12-08 珠海格力电器股份有限公司 一种空调系统开机数量控制方法、装置、设备及空调系统
CN112665125A (zh) * 2020-12-14 2021-04-16 珠海格力电器股份有限公司 空调系统控制方法、装置及中央空调
CN112747413A (zh) * 2019-10-31 2021-05-04 北京国双科技有限公司 空调系统负荷预测方法及装置
CN113339941A (zh) * 2020-07-06 2021-09-03 浙江大学 一种变频空调器控制方法
CN113706337A (zh) * 2021-09-06 2021-11-26 天津宏达瑞信科技有限公司 一种基于相似时段的供热负荷预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006029607A (ja) * 2004-07-12 2006-02-02 Mitsubishi Electric Corp 空調熱源設備の熱負荷予測装置および方法
JP2006078009A (ja) * 2004-09-07 2006-03-23 Shimizu Corp 空調負荷予測方法
CN101021914A (zh) * 2006-03-22 2007-08-22 侯春海 暖通空调负荷预测方法和系统
CN201463177U (zh) * 2009-01-16 2010-05-12 深圳职业技术学院 基于负荷预测的中央空调优化节能控制系统
CN101929721A (zh) * 2010-09-25 2010-12-29 上海建坤信息技术有限责任公司 中央空调节能控制ar模型负荷预测系统的预测方法
CN104075402A (zh) * 2014-06-19 2014-10-01 珠海格力电器股份有限公司 智能空调控制方法和系统
CN105091209A (zh) * 2014-05-23 2015-11-25 国网山西省电力公司电力科学研究院 一种基于空调负荷预测的控制系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006029607A (ja) * 2004-07-12 2006-02-02 Mitsubishi Electric Corp 空調熱源設備の熱負荷予測装置および方法
JP2006078009A (ja) * 2004-09-07 2006-03-23 Shimizu Corp 空調負荷予測方法
CN101021914A (zh) * 2006-03-22 2007-08-22 侯春海 暖通空调负荷预测方法和系统
CN201463177U (zh) * 2009-01-16 2010-05-12 深圳职业技术学院 基于负荷预测的中央空调优化节能控制系统
CN101929721A (zh) * 2010-09-25 2010-12-29 上海建坤信息技术有限责任公司 中央空调节能控制ar模型负荷预测系统的预测方法
CN105091209A (zh) * 2014-05-23 2015-11-25 国网山西省电力公司电力科学研究院 一种基于空调负荷预测的控制系统及方法
CN104075402A (zh) * 2014-06-19 2014-10-01 珠海格力电器股份有限公司 智能空调控制方法和系统

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107036238A (zh) * 2016-10-26 2017-08-11 中华电信股份有限公司 动态预测外气与负载智慧节能控制方法
CN107036238B (zh) * 2016-10-26 2019-07-30 中华电信股份有限公司 动态预测外气与负载智慧节能控制方法
CN107246705A (zh) * 2017-05-02 2017-10-13 青岛海尔空调器有限总公司 一种空调功耗估算方法及装置
CN107246705B (zh) * 2017-05-02 2019-11-05 青岛海尔空调器有限总公司 一种空调功耗估算方法及装置
CN107220514B (zh) * 2017-06-14 2020-05-08 四川省建筑科学研究院有限公司 基于大数据的空调负荷预测方法及系统
CN107220514A (zh) * 2017-06-14 2017-09-29 四川省建筑科学研究院 基于大数据的空调负荷预测方法及系统
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
CN107781947A (zh) * 2017-09-21 2018-03-09 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
CN107940705A (zh) * 2017-11-20 2018-04-20 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
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
CN108709283B (zh) * 2018-05-29 2020-11-17 浙江盾安自控科技有限公司 系统调节方法及使用该调节方法的空气调节系统
CN108709283A (zh) * 2018-05-29 2018-10-26 浙江盾安自控科技有限公司 系统调节方法及使用该调节方法的空气调节系统
CN108981088A (zh) * 2018-06-11 2018-12-11 江苏联宏智慧能源股份有限公司 一种基于酒店业态分析的中央空调系统节能控制方法
CN108759011A (zh) * 2018-06-22 2018-11-06 沈阳建筑大学 一种用于暖通空调系统的控制装置及其方法
CN108931031A (zh) * 2018-06-28 2018-12-04 湖南湖大瑞格能源科技有限公司 一种深湖水源热泵系统的节能控制方法及系统
CN108954679A (zh) * 2018-06-28 2018-12-07 湖南湖大瑞格能源科技有限公司 一种污水源热泵系统的节能控制方法及系统
CN108800431A (zh) * 2018-06-28 2018-11-13 湖南湖大瑞格能源科技有限公司 一种空气源热泵系统的节能控制方法及系统
CN108895717A (zh) * 2018-06-28 2018-11-27 湖南湖大瑞格能源科技有限公司 一种土壤源热泵系统的节能控制方法及系统
CN108931030A (zh) * 2018-06-28 2018-12-04 湖南湖大瑞格能源科技有限公司 一种江水源热泵系统的节能控制方法及系统
CN108758980A (zh) * 2018-06-28 2018-11-06 湖南湖大瑞格能源科技有限公司 一种地下水源热泵系统的节能控制方法及系统
CN109237988A (zh) * 2018-08-28 2019-01-18 南京从容信息科技有限公司 物联网平台技术的冷却水温实时自寻优变流量方法
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
CN109543903A (zh) * 2018-11-21 2019-03-29 珠海格力电器股份有限公司 一种空气源热泵能耗预测方法及系统
CN109543903B (zh) * 2018-11-21 2021-04-27 珠海格力电器股份有限公司 一种空气源热泵能耗预测方法及系统
CN109708258A (zh) * 2018-12-20 2019-05-03 南京达实能源技术有限公司 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法
CN111380184A (zh) * 2018-12-28 2020-07-07 麦克维尔空调制冷(武汉)有限公司 压缩机运行控制方法、控制装置和换热系统
CN109871987A (zh) * 2019-01-28 2019-06-11 中建八局第三建设有限公司 一种智能建筑暖通设备综合节能控制方法
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
CN109945420A (zh) * 2019-03-26 2019-06-28 南京南瑞继保电气有限公司 基于负荷预测的空调控制方法、装置及计算机存储介质
CN110186156A (zh) * 2019-06-03 2019-08-30 西安锦威电子科技有限公司 制冷站模糊控制系统
CN110425685A (zh) * 2019-08-16 2019-11-08 珠海格力电器股份有限公司 空调系统控制方法、装置及空调系统
CN112747413A (zh) * 2019-10-31 2021-05-04 北京国双科技有限公司 空调系统负荷预测方法及装置
CN112747413B (zh) * 2019-10-31 2022-06-21 北京国双科技有限公司 空调系统负荷预测方法及装置
CN110701732A (zh) * 2019-12-10 2020-01-17 南昌掘策数据服务有限公司 能耗数据分析方法、系统及中央空调的节能方法和系统
CN111197846A (zh) * 2019-12-31 2020-05-26 国网河北省电力有限公司雄安新区供电公司 一种建筑内冷热负荷自适应调节方法及系统
CN113339941A (zh) * 2020-07-06 2021-09-03 浙江大学 一种变频空调器控制方法
CN111928450A (zh) * 2020-07-21 2020-11-13 国网电力科学研究院武汉能效测评有限公司 一种楼宇用能优化控制方法
CN112050346A (zh) * 2020-08-31 2020-12-08 珠海格力电器股份有限公司 一种空调系统开机数量控制方法、装置、设备及空调系统
CN112665125A (zh) * 2020-12-14 2021-04-16 珠海格力电器股份有限公司 空调系统控制方法、装置及中央空调
CN113706337A (zh) * 2021-09-06 2021-11-26 天津宏达瑞信科技有限公司 一种基于相似时段的供热负荷预测方法

Similar Documents

Publication Publication Date Title
CN106403207A (zh) 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
CN106338127B (zh) 用于地铁暖通空调系统的负荷预测和控制系统及其方法
US20240044541A1 (en) Systems and methods of optimizing hvac control in a building or network of buildings
CN108413567B (zh) 基于物联网的中央空调节费优化方法与系统
CN101782258B (zh) 空调节能方法
US11193689B2 (en) Building HVAC system with predictive temperature and humidity control
CN111520883B (zh) 一种基于目标房间负荷预测的空调控制方法及系统
CN107192097A (zh) 空调冷冻水系统的控制方法和装置
Xu et al. An intermittent heating strategy by predicting warm-up time for office buildings in Beijing
CN109871987A (zh) 一种智能建筑暖通设备综合节能控制方法
CN105320118A (zh) 基于云平台的空调系统电力需求响应控制方法
WO2011121299A1 (en) Building occupancy dependent control system
CN111047117B (zh) 一种基于末端负荷预测的压差旁通阀节能优化方法
CN109341010B (zh) 一种电制冷机空调系统用供能一体化的控制方法和装置
CN110186156A (zh) 制冷站模糊控制系统
Afram et al. Effects of dead-band and set-point settings of on/off controllers on the energy consumption and equipment switching frequency of a residential HVAC system
CN112747419B (zh) 中央空调风水联动控制方法、装置、设备及存储介质
CN111076378A (zh) 一种基于负荷预测的地铁车站通风空调节能系统及方法
CN105674487A (zh) 一种中央空调系统动态水力平衡调节方法
CN111197846A (zh) 一种建筑内冷热负荷自适应调节方法及系统
Zhang et al. On the joint control of multiple building systems with reinforcement learning
CN110895029A (zh) 一种基于冷冻水的温度的建筑负荷预测方法
JP4178786B2 (ja) 空調・熱源設備最適抑制制御システム
EP3967937A1 (en) System and method for temperature management of buildings
US12000607B2 (en) HVAC control system and method

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zeng Hezhan

Inventor after: Li Haibo

Inventor after: Sun Dongjun

Inventor after: Wang Sheng

Inventor after: Wang Juan

Inventor after: Liu Guolin

Inventor after: Liu Yusong

Inventor before: Sun Dongjun

Inventor before: Wang Sheng

Inventor before: Wang Juan

Inventor before: Liu Guolin

Inventor before: Liu Yusong

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190122

Address after: 519031 Second Floor, No. 6 Production Building, Qinhai West Road, Hengqin New District, Zhuhai City, Guangdong Province

Applicant after: Zhuhai Hengqin Energy Developments Ltd

Applicant after: GREE ELECTRIC APPLIANCES Inc. OF ZHUHAI

Address before: 519070, Jinji Hill Road, front hill, Zhuhai, Guangdong

Applicant before: GREE ELECTRIC APPLIANCES Inc. OF ZHUHAI

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170215