CN106839288A - 一种计算机房空调系统的控制方法 - Google Patents
一种计算机房空调系统的控制方法 Download PDFInfo
- Publication number
- CN106839288A CN106839288A CN201710024831.6A CN201710024831A CN106839288A CN 106839288 A CN106839288 A CN 106839288A CN 201710024831 A CN201710024831 A CN 201710024831A CN 106839288 A CN106839288 A CN 106839288A
- Authority
- CN
- China
- Prior art keywords
- temperature
- conditioning system
- control point
- air
- computer
- 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
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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
- F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
-
- 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
- F24F11/62—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
- 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
- F24F11/46—Improving electric energy efficiency or saving
- F24F11/47—Responding to energy costs
-
- 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
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本发明公开一种计算机房空调系统的控制方法。本发明通过将当前时刻的环境数据代入预测函数得到每一监控点下一时刻的预测温度,采用外推法根据当前时刻前的一段环境数据得到每一监控点下一时刻的预测温度,对得到的两个预测温度进行加权平均,并对所有监控点的预测温度加权平均后进行汇总得到汇总值,以所述汇总值对空调系统进行控制以调整计算机房的温度,明显提高了计算机房温度的调整速度,解决了传统方法因温度传感器安装位置不当,从而不能及时获得监控点快速变化的温度,以及采用实时采集的温度数据对空调系统进行控制造成的温度调整速度低,严重时可能损坏计算机芯片,或能耗较高的问题。
Description
技术领域
本发明属于空调系统控制技术领域,具体涉及一种计算机房空调系统的控制方法。
背景技术
随着计算机技术的迅速发展,计算机机房的规模在逐步扩大,机房内各种电子设备传输、存储的信息量不断提高,导致机房内的功率密度及热量密度大幅提高。这将严重影响到设备的使用寿命及运行的安全可靠性。为了满足机房内不断增长的散热需求,降低机房能耗、提高能源利用率,优化空调控制系统以提高空调运行效率显得越来越重要。
传统的计算机房空调控制系统,主要是根据布置在计算机房冷热通道的顶板上的若干个温度传感器来监测机房内的温度分布,并依此对空调系统进行控制。这种方法存在的问题主要是:由于温度传感器距离机房主要发热源电脑的距离较远,当某监控点(如某一电脑)的温度升高速度很快时,温度传感器无法迅速感知该监控点温度的变化,因此不能迅速降低该监控点的温度;另外,传统的控制方法一般是根据实时测得的监控点的温度进行控制的,由于不知道下一时刻监控点的温度,同样不能有效降低该监控点的温度。这些都有可能造成该监控点处的电子设备的损坏。有时为了满足设备安全的需要,不得不采用较大的机房空调送风量和较低的送风温度,最终导致计算机房空调系统的能耗过高。
发明内容
为了解决现有技术中存在的上述问题,本发明提出一种计算机房空调系统的控制方法,通过对各个监控点的温度进行预测,并对各个监控点的温度预测值进行汇总,采用最能反映监控点温度变化的预测温度的汇总值对空调系统进行控制,可以有效提高计算机房温度的调整速度,降低能耗。
为实现上述目的,本发明采用如下技术方案:
本发明提供一种计算机房空调系统的控制方法,包括:
实时采集并存储计算机房的环境数据;
将每一监控点当前时刻的环境数据代入对应每一监控点的预测函数,得到每一监控点下一时刻的预测温度Ai,i=1,2,…,N,N为监控点的数量,N≥1,以下同;
采用外推法根据每一监控点当前时刻前(包括当前时刻)一段时间的环境数据得到每一监控点下一时刻的预测温度Bi;
对Ai、Bi进行加权平均得到Ci;
对Ci进行汇总得到汇总值C,根据C与预设的温度值的差对空调系统进行控制以调整计算机房的温度。
进一步地,所述环境数据包括:监控点温度,监控点处的网络流量,空调风机的转速,送风温度,计算机总功率。
优选地,所述监控点为计算机的中央处理器CPU。
进一步地,所述预测函数是通过采用人工神经网络法或支持向量机法,对环境数据库中的历史数据进行训练得到的。
优选地,每隔一段时间利用加入了最新数据的历史数据重新训练预测函数。
进一步地,所述外推法为三次自然样条外推法或趋势平均外推法或指数平滑外推法或Richardson(人名)外推法。
进一步地,所述对Ci进行汇总得到汇总值C,具体为:汇总值C等于Ci的最大值,即:
C=max(Ci)。
进一步地,通过控制空调风机的转速和送风温度对空调系统进行控制。
与现有技术相比,本发明具有以下有益效果:
本发明通过将当前时刻的环境数据代入预测函数得到每一监控点下一时刻的预测温度,采用外推法根据当前时刻前的一段环境数据得到每一监控点下一时刻的预测温度,对得到的两个预测温度进行加权平均,并对所有监控点加权平均后的预测温度进行汇总得到汇总值,以所述汇总值对空调系统进行控制以调整计算机房的温度,明显提高了计算机房温度的调整速度,解决了传统方法因温度传感器安装位置不当,从而不能及时获得监控点快速变化的温度,以及采用实时采集的温度数据对空调系统进行控制,造成的温度调整速度低,严重时可能损坏计算机芯片,或能耗较高的问题。
附图说明
图1本发明实施例一种计算机房空调系统的控制方法的流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明实施例一种计算机房空调系统的控制方法的流程图如图1所示,所述方法包括:
步骤101,实时采集并存储计算机房的环境数据;
本实施例所述方法由计算机房空调控制系统实现,所述系统的硬件主要包括:主要由中央处理器组成的数据处理与控制单元,主要由传感器组成的数据采集模块,被控空调。数据采集模块主要用于在数据处理与控制单元的控制下,实时采集和存储计算机房的环境数据;数据处理与控制单元主要用于根据数据采集模块获得的环境数据完成各种算法,并输出控制信号至被控空调自动调整计算机房的温度或湿度等。
本步骤实时采集并存储计算机房的环境数据是由数据采集模块实现的。
步骤102,将每一监控点当前时刻的环境数据代入对应每一监控点的预测函数,得到每一监控点下一时刻的预测温度Ai,i=1,2,…,N,N为监控点的数量,N≥1,以下同;
在本步骤中,预测函数是用来根据监控点当前时刻的环境数据预测下一时刻的温度值的。每一监控点对应一个预测函数。所述预测函数是根据历史数据事先建好的数学模型,将当前时刻的环境数据代入预测函数就能得到下一时刻的预测值。
由于只根据当前时刻的数据就能得到预测值,因此这种方法的计算量小,运行速度快。但由于这种方法中的预测函数是根据历史数据建立的数学模型,因此预测精度随着时间的推移会越来越低,需要经常更新预测函数。
步骤103,采用外推法根据当前时刻前一段时间的环境数据得到每一监控点下一时刻的预测温度Bi;
本步骤给出了获得预测温度的另一种方法,即采用外推法根据当前时刻前一段时间的环境数据计算下一时刻的预测温度。这种方法的优点是实时性比较好。外推采用的数据点较多时,精度较高,但代价是计算量明显增加,影响运行速度,因此,数据点的数量应折衷选取。
步骤104,对Ai、Bi进行加权平均得到Ci;
为提高预测温度的精度,本步骤对两种方法求得的预测温度进行加权平均,以加权平均后的值作为下一时刻的预测温度。用公式表示如下:
Ci=aAi+bBi
式中,a、b为加权系数,a+b=1。相对来说,外推法精度较低,而刚刚训练好的预测函数的精度则较高,因此,Ai占较大权重;随着时间的推移,预测函数精度会越来越低(直至需要使用新的预测函数),这时Bi就是对Ai的一种补充。a、b的具体值一般由实验确定。
步骤105,对Ci进行汇总得到汇总值C,根据C与预设的温度值的差对空调系统进行控制以调整计算机房的温度。
本步骤对所有监控点的预测温度进行汇总得到汇总值,根据汇总值与预设的温度值的差对空调系统进行控制。可以采用数据统计的方法进行汇总,如求平均值、中间值、最大值等。
作为一种可选实施例,所述环境数据包括:监控点温度,监控点处的网络流量,空调风机的转速,送风温度,计算机总功率。
本实施例给出了环境数据,包括:监控点温度,监控点处的网络流量,空调风机的转速,送风温度,计算机总功率。所述环境数据由安装在合适位置的传感器获得,比如,监控点温度和送风温度分别由安装在监控点附近和风道中的温度传感器获得;监控点处的网络流量通过加装一些服务器监控软件并开放数据端口获得;空调风机的转速通过读取变频器频率并换算后获得,计算机总功率为计算机房所有计算机消耗的功率总和,由安装在计算机房电源进线的功率传感器获得。很显然,空调风机的转速越大、送风温度越低,监控点温度下降速度越快;计算机总功率越大,散热越多,监控点温度越高;网络流量越大,信号耗能越大,监控点处的温度也越高。因此,监控点温度的预测值是监控点温度、监控点处的网络流量、空调风机的转速、送风温度和计算机总功率的函数。
值得说明的是,本实施例只是给出了影响监控点温度的几个比较重要的环境数据,还可以包含其它环境数据,如环境湿度。因此,在此基础上对环境数据所做的任何增减都属于本发明保护的范围。
优选地,所述监控点为计算机的CPU。CPU是计算机硬件中耗能最大、温升最高的芯片,很容易因温度过高而被烧毁。因此,一般选CPU为监控点。对于多CPU的计算机,选CPU温度最高者为监控点。
作为一种可选实施例,所述预测函数是通过采用人工神经网络法或支持向量机法,对环境数据库的历史数据进行训练得到的。
本实施例中给出了根据环境数据库中的历史数据训练预测函数的两种方法:人工神经网络法或支持向量机法。这两种方法都属于现有技术,下面只介绍一下人工神经网络法。
人工神经网络是由人工神经元组成的运算模型,它可以利用大脑神经突触连接的结构进行信息处理。不同的连接方式、权值和激发函数会得到不同的网络输出值,网络自身通常都是对自然界某种算法或者函数的逼近,也可以是对一种逻辑策略的表达。训练神经网络的方法是:根据由当前权值计算得到的误差不断调整各个连接的权值,直至误差满足精度要求为止。
以一台计算机CPU的温度为预测对象,输入变量为CPU的温度,网络流量,空调风机的转速,送风温度,机房计算机总功率。因此输入节点数为5,输出节点数为1,隐藏层数取11,各隐藏层节点数均取为5个。激发函数方面隐层使用双曲正切函数、输出层使用S型函数。训练模型前,先对训练集中的各输入数据进行线性归一化处理,对输出数据进行滑动加权平均处理。最终训练完成的模型的测试结果表明,最大相对误差绝对值仅为5%左右。
优选地,为了提高预测函数的精度,每隔一段时间利用加入了最新数据的历史数据重新训练预测函数,用新的预测函数预测下一时刻监控点的温度。训练间隔时间越短,训练得到的预测函数的精度越高。
作为一种可选实施例,所述外推法为三次自然样条外推法或趋势平均外推法或指数平滑外推法或Richardson外推法。
本实施例给出了几种常用的外推法:三次自然样条外推法,趋势平均外推法,指数平滑外推法,Richardson外推法。
上述外推法都是成熟的现有技术,这里只简单介绍一下三次自然样条外推法的求解过程:首先根据4个时刻n、n-1、n-2、n-3(n为当前时刻)的数据,建立自然样条插值函数,通过求解线性方程得到三次样条函数;然后利用n和n-1两点间的样条函数预测n+1时刻的数据。
作为一种可选实施例,所述对Ci进行汇总得到汇总值C,具体为:汇总值C等于Ci的最大值,即:
C=max(Ci)。
本实施例给出了一种较佳的汇总方法,以最大值为汇总值。以最大值为汇总值,输出的控制量也最大,可以使温度降低的速度最快,有助于迅速降低温度,保护温度最高的器件不被损坏。
作为一种可选实施例,通过控制空调风机的转速和送风温度对空调系统进行控制。
本实施例给出了对空调系统进行控制的控制量:空调风机的转速和送风温度。具体地,通过改变风机变频器的频率大小可以控制空调风机的转速,频率越高,空调风机的转速越高;通过改变空调中冷媒盘管的开度大小可以控制送风温度,开度越大,送风温度越低。
上述仅对本发明中的几种具体实施例加以说明,但并不能作为本发明的保护范围,凡是依据本发明中的设计精神所做出的等效变化或修饰或等比例放大或缩小等,均应认为落入本发明的保护范围。
Claims (8)
1.一种计算机房空调系统的控制方法,其特征在于,包括:
实时采集并存储计算机房的环境数据;
将每一监控点当前时刻的环境数据代入对应每一监控点的预测函数,得到每一监控点下一时刻的预测温度Ai,i=1,2,…,N,N为监控点的数量,N≥1;
采用外推法根据每一监控点当前时刻前一段时间的环境数据得到每一监控点下一时刻的预测温度Bi;
对Ai、Bi进行加权平均得到Ci;
对Ci进行汇总得到汇总值C,根据C与预设的温度值的差对空调系统进行控制以调整计算机房的温度。
2.根据权利要求1所述的计算机房空调系统的控制方法,其特征在于,所述环境数据包括:监控点温度,监控点处的网络流量,空调风机的转速,送风温度,计算机总功率。
3.根据权利要求1所述的计算机房空调系统的控制方法,其特征在于,所述监控点为计算机的中央处理器。
4.根据权利要求1所述的计算机房空调系统的控制方法,其特征在于,所述预测函数是通过采用人工神经网络法或支持向量机法,对环境数据库中的历史数据进行训练得到的。
5.根据权利要求4所述的计算机房空调系统的控制方法,其特征在于,每隔一段时间利用加入了最新数据的历史数据重新训练预测函数。
6.根据权利要求1所述的计算机房空调系统的控制方法,其特征在于,所述外推法为三次自然样条外推法或趋势平均外推法或指数平滑外推法或Richardson外推法。
7.根据权利要求1所述的计算机房空调系统的控制方法,其特征在于,所述对Ci进行汇总得到汇总值C,具体为:汇总值C等于Ci的最大值,即:
C=max(Ci)。
8.根据权利要求1所述的计算机房空调系统的控制方法,其特征在于,通过控制空调风机的转速和送风温度对空调系统进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710024831.6A CN106839288A (zh) | 2017-01-13 | 2017-01-13 | 一种计算机房空调系统的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710024831.6A CN106839288A (zh) | 2017-01-13 | 2017-01-13 | 一种计算机房空调系统的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106839288A true CN106839288A (zh) | 2017-06-13 |
Family
ID=59124389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710024831.6A Pending CN106839288A (zh) | 2017-01-13 | 2017-01-13 | 一种计算机房空调系统的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106839288A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108518804A (zh) * | 2018-03-21 | 2018-09-11 | 武汉物联远科技有限公司 | 一种机房温湿度环境预测方法及系统 |
CN110094826A (zh) * | 2019-04-10 | 2019-08-06 | 深圳供电局有限公司 | 一种多区域通风温控系统及方法 |
CN110925974A (zh) * | 2019-12-09 | 2020-03-27 | 广东美的暖通设备有限公司 | 空调器及其输出参数的控制方法和控制装置 |
CN112393390A (zh) * | 2020-07-15 | 2021-02-23 | 上海有孚智数云创数字科技有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
CN112556130A (zh) * | 2020-12-11 | 2021-03-26 | 青岛海尔空调器有限总公司 | 空调报警控制方法、装置、电子设备及存储介质 |
CN116202192A (zh) * | 2023-05-05 | 2023-06-02 | 四川科冠电子有限公司 | 一种新型机房温度远程控制方法及系统 |
CN117873221A (zh) * | 2024-03-12 | 2024-04-12 | 广州中科医疗美容仪器有限公司 | 一种灸疗仓的温度监测控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08189683A (ja) * | 1995-01-09 | 1996-07-23 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
CN103197538A (zh) * | 2013-04-24 | 2013-07-10 | 中南林业科技大学 | 一种基于过程神经网络的孵房温度控制方法 |
CN103574829A (zh) * | 2012-07-18 | 2014-02-12 | 同方泰德国际科技(北京)有限公司 | 一种空调机组的节能控制方法 |
CN103940058A (zh) * | 2014-03-31 | 2014-07-23 | 广东美的制冷设备有限公司 | 空调器的控制方法、空调器的控制装置和空调器 |
CN105528650A (zh) * | 2015-12-02 | 2016-04-27 | 江苏省电力公司信息通信分公司 | 基于主成分分析和bp神经网络的机房温湿度预测方法 |
-
2017
- 2017-01-13 CN CN201710024831.6A patent/CN106839288A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08189683A (ja) * | 1995-01-09 | 1996-07-23 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
CN103574829A (zh) * | 2012-07-18 | 2014-02-12 | 同方泰德国际科技(北京)有限公司 | 一种空调机组的节能控制方法 |
CN103197538A (zh) * | 2013-04-24 | 2013-07-10 | 中南林业科技大学 | 一种基于过程神经网络的孵房温度控制方法 |
CN103940058A (zh) * | 2014-03-31 | 2014-07-23 | 广东美的制冷设备有限公司 | 空调器的控制方法、空调器的控制装置和空调器 |
CN105528650A (zh) * | 2015-12-02 | 2016-04-27 | 江苏省电力公司信息通信分公司 | 基于主成分分析和bp神经网络的机房温湿度预测方法 |
Non-Patent Citations (1)
Title |
---|
韩惠婷: "高速公路短时交通流量组合预测", 《江苏科技信息》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108518804A (zh) * | 2018-03-21 | 2018-09-11 | 武汉物联远科技有限公司 | 一种机房温湿度环境预测方法及系统 |
CN108518804B (zh) * | 2018-03-21 | 2021-06-25 | 武汉物联远科技有限公司 | 一种机房温湿度环境预测方法及系统 |
CN110094826A (zh) * | 2019-04-10 | 2019-08-06 | 深圳供电局有限公司 | 一种多区域通风温控系统及方法 |
CN110925974A (zh) * | 2019-12-09 | 2020-03-27 | 广东美的暖通设备有限公司 | 空调器及其输出参数的控制方法和控制装置 |
CN110925974B (zh) * | 2019-12-09 | 2021-08-03 | 广东美的暖通设备有限公司 | 空调器及其输出参数的控制方法和控制装置 |
CN112393390A (zh) * | 2020-07-15 | 2021-02-23 | 上海有孚智数云创数字科技有限公司 | 基于数据分析的云计算数据中心精密空调节能控制方法 |
CN112556130A (zh) * | 2020-12-11 | 2021-03-26 | 青岛海尔空调器有限总公司 | 空调报警控制方法、装置、电子设备及存储介质 |
CN116202192A (zh) * | 2023-05-05 | 2023-06-02 | 四川科冠电子有限公司 | 一种新型机房温度远程控制方法及系统 |
CN117873221A (zh) * | 2024-03-12 | 2024-04-12 | 广州中科医疗美容仪器有限公司 | 一种灸疗仓的温度监测控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106839288A (zh) | 一种计算机房空调系统的控制方法 | |
US11002457B2 (en) | Variable refrigerant flow, room air conditioner, and packaged air conditioner control systems with cost target optimization | |
US20050192680A1 (en) | System and method for optimizing global set points in a building environmental management system | |
US10174963B2 (en) | Smart building HVAC energy management system | |
CN107726442A (zh) | 一种热网平衡调控方法 | |
CN106485339A (zh) | 一种电力系统的负荷特性确定方法及系统 | |
US20210148592A1 (en) | Building cooling systems with energy optimization and model predictive control | |
CN102043907A (zh) | 空调房间实时冷负荷确定方法 | |
CN108036468B (zh) | 一种空调系统聚合控制方法 | |
WO2023030522A1 (zh) | 一种数据中心空调系统诊断方法及装置 | |
CN113339941B (zh) | 一种变频空调器控制方法 | |
CN114383299B (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
CN106969477A (zh) | 空调控制方法及空调控制器 | |
KR102148726B1 (ko) | 공조 시스템의 이코노마이저 제어 방법 및 이를 수행하는 공조 시스템 | |
CN1920427B (zh) | 一种空调机组室温pid控制方法 | |
EP4328505A1 (en) | Central air conditioning system processing method and apparatus and electronic device | |
JP2019163885A (ja) | 空調制御装置、空調制御方法及びコンピュータプログラム | |
CN115013861A (zh) | 一种基于供热系统的室内温度控制方法及装置 | |
CN112990574A (zh) | 一种基于建筑用能柔性调节潜力指标的评估方法及系统 | |
CN116187598A (zh) | 一种基于楼宇的虚拟电厂负荷预测方法 | |
CN109857177B (zh) | 一种建筑电气节能监测方法 | |
AU2021100960A4 (en) | Artificial Intelligence Based Cooling System for Managing the Energy Efficiency | |
CN113821903A (zh) | 温度控制方法和设备、模块化数据中心及存储介质 | |
CN108321801A (zh) | 一种能源基地系统日前发电计划制定方法和系统 | |
TW202100915A (zh) | 空調負荷調整系統及空調負荷調整方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
RJ01 | Rejection of invention patent application after publication |