CN107401816A - 空调系统能耗的确定方法和装置 - Google Patents
空调系统能耗的确定方法和装置 Download PDFInfo
- Publication number
- CN107401816A CN107401816A CN201710667583.7A CN201710667583A CN107401816A CN 107401816 A CN107401816 A CN 107401816A CN 201710667583 A CN201710667583 A CN 201710667583A CN 107401816 A CN107401816 A CN 107401816A
- Authority
- CN
- China
- Prior art keywords
- air
- energy consumption
- time interval
- factor
- conditioning system
- 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
- 238000004378 air conditioning Methods 0.000 title claims abstract description 104
- 238000005265 energy consumption Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
- G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种空调系统能耗的确定方法和装置,其中,该方法包括:获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。通过上述方案解决了现有方式中确定预定时段内的能耗值过于复杂,结果不准确的技术问题,达到了简单准确预测预定建筑中空调系统在预定时段内能耗的技术效果。
Description
技术领域
本发明涉及空调系统技术领域,具体而言,涉及一种空调系统能耗的确定方法和装置。
背景技术
对于某一建筑物,在装载了某种类型的中央空调的情况下,在正式使用之前,希望可以对该建筑物使用这些中央空调未来预定时间内的能耗进行计算。
为了确定预定时间内的能耗,一般采用如下几种方式进行:
1)根据经验估算
这种方式一般结果较为不准确。
2)寻找一个在同一个地方、建筑类型与大小类似的、并且装了同样的空调系统建筑物进行类比,看其此前某一年的能耗情况。
这种方式很难找到可以类比的相似的建筑物。
针对如何简单准确的确定能耗,目前尚未提出有效的解决方式。
发明内容
本发明实施例提供了一种空调系统能耗的确定方法,以达到简单准确预测预定建筑中空调系统在预定时段内能耗的技术效果,该方法包括:
获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;
根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。
在一个实施方式中,所述影响因子包括以下至少之一:空调系统型号、空调系统所在区域的气象参数、建筑物参数、运行时间、运行参数。
在一个实施方式中,所述空调系统所在区域的气象参数包括以下至少之一:空气的干球温度、空气的湿球温度;建筑物参数包括以下至少之一:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度;运行参数包括以下至少之一:室内平均温度、风速、空气平均湿度。
在一个实施方式中,根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值,包括:
确定时间间隔;
根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗;
对所述每个时间间隔的能耗进行积分,确定出所述目标空调系统在预定时段内的功耗值。
在一个实施方式中,在根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗的过程中,以每个时间间隔内计算得到的如下参数至少之一作为下一个时间间隔的计算条件:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
本发明实施例还提供了一种空调系统能耗的确定装置,以达到简单准确预测预定建筑中空调系统在预定时段内能耗的技术效果,该装置包括:
获取模块,用于获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;
确定模块,用于根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。
在一个实施方式中,所述影响因子包括以下至少之一:空调系统型号、空调系统所在区域的气象参数、建筑物参数、运行时间、运行参数。
在一个实施方式中,所述空调系统所在区域的气象参数包括以下至少之一:空气的干球温度、空气的湿球温度;建筑物参数包括以下至少之一:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度;运行参数包括以下至少之一:室内平均温度、风速、空气平均湿度。
在一个实施方式中,所述确定模块包括:
确定单元,用于确定时间间隔;
计算单元,用于根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗;
积分单元,用于对所述每个时间间隔的能耗进行积分,确定出所述目标空调系统在预定时段内的功耗值。
在一个实施方式中,所述计算单元在根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗的过程中,以每个时间间隔内计算得到的如下参数至少之一作为下一个时间间隔的计算条件:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
在上述实施例中,通过获取影响空调系统能耗的因素的参数值,预测得到目标空调系统在预定时段内的能耗,从而可以解决现有方式中确定预定时段内的能耗值过于复杂,结果不准确的技术问题,达到了简单准确预测预定建筑中空调系统在预定时段内能耗的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的空调系统能耗的确定方法的方法流程图;
图2是根据本发明实施例的能耗计算系统的实施流程图;
图3是根据本发明实施例的迭代运算的方法流程图;
图4是根据本发明实施例的空调系统能耗的确定装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
为了可以准确并且快速地确定出某一建筑使用了某型号空调后预定时间内(例如:一年内)的能耗情况。在本例中提供了一种空调系统能耗的确定方法,如图1所示,可以包括如下步骤:
步骤101:获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;
其中,影响因子可以包括但不限于以下至少之一:空调系统型号、空调系统所在区域的气象参数、建筑物参数、运行时间、运行参数。
例如,可以确定出需要计算的空调系统的机型为定频单冷离心机机组,型号为A,台数为2台。选择本次计算的空调系统所在的地理位置为广东省珠海市,可以加载珠海市在2016年一年内的气象参数.
其中,上述空调系统所在区域的气象参数可以包括但不限于以下至少之一:空气的干球温度、空气的湿球温度;建筑物参数可以包括但不限于以下至少之一:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度;运行参数可以包括但不限于以下至少之一:室内平均温度、风速、空气平均湿度。
上述的空气的干球温度(即,温度计在普通空气中所测出的温度,也就是一般天气预报里常说的气温)与湿球温度(即,同等焓值空气状态下,空气中水蒸汽达到饱和时的空气温度,在空气焓湿图上是由空气状态点沿等焓线下降至100%相对湿度线上,对应点的干球温度)。具体地,可以以一定的时间间隔取一组数据,例如:10秒取一组数据。其中,建筑物参数可以是例如:某一建筑面积截面面积100平方米,高度50米,日均人流量为10人、朝向是正南方向、纬度23度、经度是东经110度。运行时间可以是例如:每天早上8点开机、晚上7点整关机,其中,周六、周日不开机;运行参数可以是例如:室内平均温度为27摄氏度、风速为定为二级、平均空气湿度定为30%。
步骤102:根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。
具体的,可以按照如下步骤根据影响因子的参数值,确定目标空调系统在预定时段内的能耗值:
S1:确定时间间隔;
S2:根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗;
具体的,在根据时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗的过程中,可以以每个时间间隔内计算得到的如下参数至少之一作为下一个时间间隔的计算条件:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
S3:对所述每个时间间隔的能耗进行积分,确定出所述目标空调系统在预定时段内的功耗值。
下面结合一个具体实施例对上述方法进行说明,然而值得注意的是,该具体实施例仅是为了更好地说明本申请,并不构成对本申请的不当限定。
在本例中提出了一种基于计算机软件仿真的中央空调建筑能耗计算系统,该系统采用计算机软件仿真实现建筑数据化仿真与中央空调数据化仿真,在计算机仿真的情况下,实现建筑仿真、环境仿真、中央空调系统仿真,以模拟出中央空调的真实运行情况,从而可以在模拟的情况下,计算出某一个时间段内某中央空调在某地区的某建筑内一定时间内的能耗情况。
考虑到中央空调的能耗与中央空调的类型与型号、建筑物类型、空调每天运行的时间、中央空调所在地区的气象条件等相关,因此,在进行仿真的时候,可以基于这些参数进行仿真,以确定空调能耗。
该能耗计算系统的主要实施步骤可以如图2所示,包括:
S1:进行空调设备的选型,例如:确定出需要计算的空调的机型为定频单冷离心机机组,型号为A,台数为2台。
S2:在数据库中加载对应型号的中央空调机组的计算参数,并且设置计算时间间隔,例如,设置为10秒一次。
S3:选择需要计算的时间段,例如:计算从2016年1月1号到2016年12月31号,一年的中央空调能耗值。进一步的,还可以选择本次计算的中央空调所在的地理位置,例如:选择的地区为广东省珠海市。
S4:加载气象参数。
具体的,可以从数据库中加载步骤S3中选择的珠海市的气象参数,其中,该气象参数可以包含珠海市在2016年一年内的气象参数(例如:要计算未来某一年,那么可以选择已经存在的某一年该地区的气象参数,因为,对于一个地区而言,每一年的气象参数都差不多,因此,可以以此进行近似计算)。
其中,气象参数可以包括:空气的干球温度(即,温度计在普通空气中所测出的温度,也就是一般天气预报里常说的气温)与湿球温度(即,同等焓值空气状态下,空气中水蒸汽达到饱和时的空气温度,在空气焓湿图上是由空气状态点沿等焓线下降至100%相对湿度线上,对应点的干球温度)。具体地,可以以一定的时间间隔(该时间间隔与步骤S2中设置的时间间隔一致)取一组数据,例如:10秒取一组数据。
S5:导入建筑物参数。
其中,建筑物参数可以包含:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度。例如:某一建筑面积截面面积100平方米,高度50米,日均人流量为10人、朝向是正南方向、纬度23度、经度是东经110度。
S6:导入控制逻辑。
在实现的时候,可以根据建筑的使用类型,给该中央空调机组定一个固定的控制逻辑(也可根据用户需要进行修改)。例如:办公大楼是每天早上8点开机、晚上7点整关机,其中,周六、周日不开机,保持室内平均温度为27摄氏度、风速为定为二级、平均空气湿度定为30%;而商场是每天早上9点整开机,晚上11点关机,保持室内温度为26摄氏度、风速定为三级、平均湿度定为30%。
即,根据建筑物的不同作用,可以设置不同的控制逻辑,且该逻辑切合实际情况,模拟的中央空调机组在运行时就按照这种预设的控制逻辑运行。
S7:根据上述输入的条件,可以进行耗能计算。具体的,在计算的时候,可以采用迭代计算的方式,即,上一次的计算结果作为下一次计算的计算条件。计算步长可以选择步骤S2中设置的计算时间间隔,例如:取10秒一次。
举例而言,设定的是每天早上八点开机,那么可以每天八点开始计算,计算结果保存下来,其中,计算结果可以包括:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
将本次的计算结果作为下一次计算的计算条件,将空调系统的各个运行参数保存下来,作为下一次计算的计算条件,进行迭代计算,从而使得计算结果更为精准。
通过上述迭代运算的方式,可以用十几分钟的时间计算出空调系统一年的运行情况。迭代计算的计算流程可以如图3所示。
S8:利用积分计算的方式,将每一个时间点的能耗值连接成线,从而计算出总能耗值。
S9:利用该系统统计得出该中央空调运行一年的总能耗,并利用系统生成各种曲线、图形,形象化进行能耗分析和预估。
在上例中,提出了一种基于计算机软件仿真的中央空调建筑能耗计算系统,实现准确预估中央空调系统的建筑能耗的目的。该系统具有采用历史气象参数、根据建筑使用类型自动加载适合的控制逻辑、精确的迭代计算方式等优点,以采用软件模拟的方式准确预算出某中央空调在某时间段内的能耗。
基于同一发明构思,本发明实施例中还提供了一种空调系统能耗的确定装置,如下面的实施例所述。由于空调系统能耗的确定装置解决问题的原理与空调系统能耗的确定方法相似,因此空调系统能耗的确定装置的实施可以参见空调系统能耗的确定方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图4是本发明实施例的空调系统能耗的确定装置的一种结构框图,如图4所示,可以包括:获取模块401、确定模块402,下面对该结构进行说明。
获取模块401,用于获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;
确定模块402,用于根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。
在一个实施方式中,上述影响因子可以包括但不限于以下至少之一:空调系统型号、空调系统所在区域的气象参数、建筑物参数、运行时间、运行参数。
在一个实施方式中,所述空调系统所在区域的气象参数可以包括但不限于以下至少之一:空气的干球温度、空气的湿球温度;建筑物参数可以包括但不限于以下至少之一:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度;运行参数包括以下至少之一:室内平均温度、风速、空气平均湿度。
在一个实施方式中,所述确定模块402可以包括:确定单元,用于确定时间间隔;计算单元,用于根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗;积分单元,用于对所述每个时间间隔的能耗进行积分,确定出所述目标空调系统在预定时段内的功耗值。
在一个实施方式中,计算单元在根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗的过程中,可以以每个时间间隔内计算得到的如下参数至少之一作为下一个时间间隔的计算条件:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
在另外一个实施例中,还提供了一种软件,该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施例中,还提供了一种存储介质,该存储介质中存储有上述软件,该存储介质包括但不限于:光盘、软盘、硬盘、可擦写存储器等。
从以上的描述中,可以看出,本发明实施例实现了如下技术效果:通过获取影响空调系统能耗的因素的参数值,预测得到目标空调系统在预定时段内的能耗,从而可以解决现有方式中确定预定时段内的能耗值过于复杂,结果不准确的技术问题,达到了简单准确预测预定建筑中空调系统在预定时段内能耗的技术效果。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
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,本发明实施例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。
Claims (10)
1.一种空调系统能耗的确定方法,其特征在于,包括:
获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;
根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。
2.根据权利要求1所述的方法,其特征在于,所述影响因子包括以下至少之一:空调系统型号、空调系统所在区域的气象参数、建筑物参数、运行时间、运行参数。
3.根据权利要求2所述的方法,其特征在于,所述空调系统所在区域的气象参数包括以下至少之一:空气的干球温度、空气的湿球温度;建筑物参数包括以下至少之一:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度;运行参数包括以下至少之一:室内平均温度、风速、空气平均湿度。
4.根据权利要求1所述的方法,其特征在于,根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值,包括:
确定时间间隔;
根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗;
对所述每个时间间隔的能耗进行积分,确定出所述目标空调系统在预定时段内的功耗值。
5.根据权利要求4所述的方法,其特征在于,在根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗的过程中,以每个时间间隔内计算得到的如下参数至少之一作为下一个时间间隔的计算条件:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
6.一种空调系统能耗的确定装置,其特征在于,包括:
获取模块,用于获取影响因子的参数值,其中,所述影响因子为影响空调系统能耗的因素;
确定模块,用于根据所述影响因子的参数值,确定目标空调系统在预定时段内的能耗值。
7.根据权利要求6所述的装置,其特征在于,所述影响因子包括以下至少之一:空调系统型号、空调系统所在区域的气象参数、建筑物参数、运行时间、运行参数。
8.根据权利要求7所述的装置,其特征在于,所述空调系统所在区域的气象参数包括以下至少之一:空气的干球温度、空气的湿球温度;建筑物参数包括以下至少之一:建筑截面面积、建筑高度、日均人流量、建筑朝向、所在的经纬度;运行参数包括以下至少之一:室内平均温度、风速、空气平均湿度。
9.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
确定单元,用于确定时间间隔;
计算单元,用于根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗;
积分单元,用于对所述每个时间间隔的能耗进行积分,确定出所述目标空调系统在预定时段内的功耗值。
10.根据权利要求9所述的装置,其特征在于,所述计算单元在根据所述时间间隔,采用迭代运算方式,确定所述目标空调系统每个时间间隔的能耗的过程中,以每个时间间隔内计算得到的如下参数至少之一作为下一个时间间隔的计算条件:制冷量、消耗功率、水流量、送风温度干球温度、送风湿球温度、回风干球温度、回风湿球温度、末端制冷量、末端功率、建筑物室内温度、建筑物室内湿度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710667583.7A CN107401816B (zh) | 2017-08-07 | 2017-08-07 | 空调系统能耗的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710667583.7A CN107401816B (zh) | 2017-08-07 | 2017-08-07 | 空调系统能耗的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107401816A true CN107401816A (zh) | 2017-11-28 |
CN107401816B CN107401816B (zh) | 2019-07-09 |
Family
ID=60402051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710667583.7A Active CN107401816B (zh) | 2017-08-07 | 2017-08-07 | 空调系统能耗的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107401816B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111720954A (zh) * | 2020-06-17 | 2020-09-29 | 珠海格力电器股份有限公司 | 产品的节能方法及节能运算系统 |
CN112781177A (zh) * | 2021-01-05 | 2021-05-11 | 广东美的暖通设备有限公司 | 预测空调运行功率的方法、装置、电子设备及存储介质 |
CN112836946A (zh) * | 2021-01-22 | 2021-05-25 | 南京天溯自动化控制系统有限公司 | 一种建筑物能耗基准确定方法、装置、介质及电子设备 |
CN113495487A (zh) * | 2020-03-18 | 2021-10-12 | 海信集团有限公司 | 一种调节目标设备运行参数的终端和方法 |
CN114017908A (zh) * | 2021-10-20 | 2022-02-08 | 深圳达实智能股份有限公司 | 一种空调末端出风口冷量控制方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101392939A (zh) * | 2008-11-18 | 2009-03-25 | 天津大学 | 一种建筑物独立供能温度非线性预测控制方法 |
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
US20150046104A1 (en) * | 2011-06-30 | 2015-02-12 | Mark M. Chang | Techniques for utilizing energy usage information |
CN104613602A (zh) * | 2015-02-02 | 2015-05-13 | 河海大学 | 一种中央空调精细化控制方法 |
CN104778503A (zh) * | 2015-03-16 | 2015-07-15 | 国家电网公司 | 一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法 |
CN105473354A (zh) * | 2013-08-18 | 2016-04-06 | 森思博有限公司 | Hvac系统的功耗评价 |
CN105975385A (zh) * | 2016-04-28 | 2016-09-28 | 浪潮(北京)电子信息产业有限公司 | 一种基于模糊神经网络的虚拟机能耗预测方法及系统 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN106682764A (zh) * | 2016-12-02 | 2017-05-17 | 河海大学 | 一种基于并行预测策略的公共楼宇日前空调负荷预测方法 |
-
2017
- 2017-08-07 CN CN201710667583.7A patent/CN107401816B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101392939A (zh) * | 2008-11-18 | 2009-03-25 | 天津大学 | 一种建筑物独立供能温度非线性预测控制方法 |
US20150046104A1 (en) * | 2011-06-30 | 2015-02-12 | Mark M. Chang | Techniques for utilizing energy usage information |
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN105473354A (zh) * | 2013-08-18 | 2016-04-06 | 森思博有限公司 | Hvac系统的功耗评价 |
CN104613602A (zh) * | 2015-02-02 | 2015-05-13 | 河海大学 | 一种中央空调精细化控制方法 |
CN104778503A (zh) * | 2015-03-16 | 2015-07-15 | 国家电网公司 | 一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法 |
CN105975385A (zh) * | 2016-04-28 | 2016-09-28 | 浪潮(北京)电子信息产业有限公司 | 一种基于模糊神经网络的虚拟机能耗预测方法及系统 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN106682764A (zh) * | 2016-12-02 | 2017-05-17 | 河海大学 | 一种基于并行预测策略的公共楼宇日前空调负荷预测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495487A (zh) * | 2020-03-18 | 2021-10-12 | 海信集团有限公司 | 一种调节目标设备运行参数的终端和方法 |
CN111720954A (zh) * | 2020-06-17 | 2020-09-29 | 珠海格力电器股份有限公司 | 产品的节能方法及节能运算系统 |
CN112781177A (zh) * | 2021-01-05 | 2021-05-11 | 广东美的暖通设备有限公司 | 预测空调运行功率的方法、装置、电子设备及存储介质 |
CN112836946A (zh) * | 2021-01-22 | 2021-05-25 | 南京天溯自动化控制系统有限公司 | 一种建筑物能耗基准确定方法、装置、介质及电子设备 |
CN112836946B (zh) * | 2021-01-22 | 2022-05-31 | 南京天溯自动化控制系统有限公司 | 一种建筑物能耗基准确定方法、装置、介质及电子设备 |
CN114017908A (zh) * | 2021-10-20 | 2022-02-08 | 深圳达实智能股份有限公司 | 一种空调末端出风口冷量控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107401816B (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107401816B (zh) | 空调系统能耗的确定方法和装置 | |
Ahmad et al. | Short and medium-term forecasting of cooling and heating load demand in building environment with data-mining based approaches | |
Byrne et al. | Land–ocean warming contrast over a wide range of climates: Convective quasi-equilibrium theory and idealized simulations | |
Byrne et al. | Understanding decreases in land relative humidity with global warming: Conceptual model and GCM simulations | |
De Ridder et al. | UrbClim–A fast urban boundary layer climate model | |
Kuang et al. | A mass-flux scheme view of a high-resolution simulation of a transition from shallow to deep cumulus convection | |
CN112800700B (zh) | 低温表面干模态结霜模拟方法、装置、电子设备和介质 | |
O’Gorman et al. | Scaling of precipitation extremes over a wide range of climates simulated with an idealized GCM | |
Wang et al. | A hybrid ETKF–3DVAR data assimilation scheme for the WRF model. Part I: Observing system simulation experiment | |
US10353355B2 (en) | Indoor environment model creation device | |
Byrne et al. | Energetic constraints on the width of the intertropical convergence zone | |
Wu et al. | A physics-based linear parametric model of room temperature in office buildings | |
Nie et al. | Responses of tropical deep convection to the QBO: Cloud-resolving simulations | |
Reed et al. | An analytic vortex initialization technique for idealized tropical cyclone studies in AGCMs | |
Rismanchi et al. | Modeling and simulation to determine the potential energy savings by implementing cold thermal energy storage system in office buildings | |
Gutiérrez et al. | On the anthropogenic heat fluxes using an air conditioning evaporative cooling parameterization for mesoscale urban canopy models | |
Fuentes-Franco et al. | Sensitivity of tropical cyclones to resolution, convection scheme and ocean flux parameterization over Eastern Tropical Pacific and Tropical North Atlantic Oceans in the RegCM4 model | |
Zhang et al. | Development of an ambient air temperature prediction model | |
CN108205713A (zh) | 一种区域风电功率预测误差分布确定方法和装置 | |
Levine et al. | A mechanism for the response of the zonally asymmetric subtropical hydrologic cycle to global warming | |
Mayer et al. | A Lagrangian particle model to predict the airborne spread of foot-and-mouth disease virus | |
Koster et al. | Using a simple water balance framework to quantify the impact of soil moisture initialization on subseasonal evapotranspiration and air temperature forecasts | |
Dagan et al. | Shallow convective cloud field lifetime as a key factor for evaluating aerosol effects | |
Rostkier-Edelstein et al. | The roles of surface-observation ensemble assimilation and model complexity for nowcasting of PBL profiles: A factor separation analysis | |
Frolov et al. | First application of the local ensemble tangent linear model (LETLM) to a realistic model of the global atmosphere |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |