CN107461881A - 一种医院空调机房的制冷主机能效诊断方法及其系统 - Google Patents
一种医院空调机房的制冷主机能效诊断方法及其系统 Download PDFInfo
- Publication number
- CN107461881A CN107461881A CN201710623967.9A CN201710623967A CN107461881A CN 107461881 A CN107461881 A CN 107461881A CN 201710623967 A CN201710623967 A CN 201710623967A CN 107461881 A CN107461881 A CN 107461881A
- Authority
- CN
- China
- Prior art keywords
- host computer
- refrigeration host
- efficiency
- formula
- refrigeration
- 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
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种医院空调机房的制冷主机能效诊断方法及其系统,该方法包括:在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;计算制冷主机实际统制冷量;计算制冷主机的部分负荷率;计算制冷主机的实际性能系数和预期性能系数;比较制冷主机的实测能效水平和预期能效水平。上述制冷主机能效诊断方法及其系统将一天当中主机运行期间抽样点的实测运行能效与运用COP历史数据进行训练学习和迭代回归的预期能效进行对比,从而判断当天制冷主机的运行效率是高还是低,以及是否需要做进一步的运行检修或控制优化,可协助及指导机房及设备管理人员对主机能耗水平及能效高低进行评估诊断及控制策略进行改善提高,进而实现中央空调系统整体节能。
Description
技术领域
本发明涉及空调制冷系统技术领域,更具体地说,涉及一种医院空调机房的制冷主机能效诊断方法及其系统。
背景技术
在我国,2014年建筑能耗总量超过12.5亿吨标准煤,占社会总能耗30%。中央空调能耗占建筑总能耗65%,其中空调机房能耗占空调系统能耗70%左右。因此针对中央空调系统机房的主要设备,特别是制冷主机的能效水平进行实时监测,评估及预测对中央空调的节能运行是十分必要的。传统的中央空调系统主机运行能效通常使用COP(Coefficientof performance)(即性能系数)定义根据实时测量值进行计算,所计算的COP只能用作实时监测及事后全年统计分析,并不能及时反映制冷主机季节性的运行能效高低。
发明内容
本发明的目的在于提供一种医院空调机房的制冷主机能效诊断方法及其系统,解决了现有技术无法及时反映制冷主机季节性的运行能效高低的问题。
本发明解决技术问题所采用的技术方案是:一种医院空调机房的制冷主机能效诊断方法,包括:
S1、在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;
S2、根据第一公式计算制冷主机实际统制冷量Qk ac,所述第一公式为:
S3、根据第二公式计算制冷主机的部分负荷率PLRk,所述第二公式为:
S4、根据第三公式和第四公式计算制冷主机的实际性能系数COPk ac和预期性能系数COPref,所述第三公式为:所述第四公式为:COPref=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4;
S5、比较制冷主机的实测能效水平和预期能效水平,若则制冷主机能效偏低;
其中,Qac和Q表示制冷主机实际统制冷量和名义制冷量,ρw、Cw、Mw分别表示冷冻水的密度、比热容和水流量;Trtn和Tsup分别表示冷冻水的回水温度及供水温度;PLR表示制冷主机的部分负荷率;COPac,COPref分别表示制冷主机的实测性能系数和预期性能系数;Pac表示制冷主机的实际功率;k和n分别表示一天当中第k次采样及总样本数;a0、a1、a2、a3、a4分别为拟合系数。
在本发明的制冷主机能效诊断方法中,在步骤S1之前还包括步骤S0:根据制冷主机历史运行数据和遗传算法拟合计算出所述第四公式中的参数a0、a1、a2、a3、a4。
在本发明的制冷主机能效诊断方法中,在步骤S5之后还包括步骤S6:确定制冷主机能效偏低时,则发送预警信号。
在本发明的制冷主机能效诊断方法中,在步骤S1中,所述时间间隔为1小时或0.5小时。
在本发明的制冷主机能效诊断方法中,在步骤S1中,所述运行参数包括冷冻水供水温度Tk sup、冷冻水回水温度Tk rtn、冷冻水水流量Mk w、制冷主机名义制冷量Q和制冷主机实际运行功率Pk ac。
本发明还提供一种医院空调机房的制冷主机能效诊断系统,所述制冷主机能效诊断系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的制冷主机能效诊断程序,所述制冷主机能效诊断程序被所述处理器执行时实现如下步骤:
S1、在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;
S2、根据第一公式计算制冷主机实际统制冷量Qk ac,所述第一公式为:
S3、根据第二公式计算制冷主机的部分负荷率PLRk,所述第二公式为:
S4、根据第三公式和第四公式计算制冷主机的实际性能系数COPk ac和预期性能系数COPref,所述第三公式为:所述第四公式为:COPref=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4;
S5、比较制冷主机的实测能效水平和预期能效水平,若则制冷主机能效偏低;
其中,Qac和Q表示制冷主机实际统制冷量和名义制冷量,ρw、Cw、Mw分别表示冷冻水的密度、比热容和水流量;Trtn和Tsup分别表示冷冻水的供水温度及回水温度;PLR表示制冷主机的部分负荷率;COPac,COPref分别表示制冷主机的实测性能系数和预期性能系数;Pac表示制冷主机的实际功率;k和n分别表示一天当中第k次采样及总样本数;a0、a1、a2、a3、a4分别为拟合系数。
在本发明的制冷主机能效诊断系统中,在步骤S1之前,所述制冷主机能效诊断程序还被所述处理器执行时实现如下步骤:
S0、根据制冷主机历史运行数据和遗传算法拟合计算出所述第四公式中的参数a0、a1、a2、a3、a4。
在本发明的制冷主机能效诊断系统中,在步骤S5之后,所述制冷主机能效诊断程序还被所述处理器执行时实现如下步骤:
S6、确定制冷主机能效偏低时,则发送预警信号。
在本发明的制冷主机能效诊断系统中,所述时间间隔为1小时或0.5小时;所述运行参数包括冷冻水供水温度Tk sup、冷冻水回水温度Tk rtn、冷冻水水流量Mk w、制冷主机名义制冷量Q和制冷主机实际运行功率Pk ac。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有制冷主机能效诊断程序,所述制冷主机能效诊断程序被处理器执行时实现上述的制冷主机能效诊断方法的步骤。
实施本发明的医院空调机房的制冷主机能效诊断方法及其系统,具有以下有益效果:本发明提出的医院空调机房的制冷主机能效诊断方法及其系统针对空调季节每一天的运行结果进行能效复盘,将一天当中主机运行期间抽样点的实测运行能效与运用COP历史数据进行训练学习和迭代回归的预期能效进行对比,从而判断当天制冷主机的运行效率是高还是低,以及是否需要做进一步的运行检修或控制优化,无需额外添加硬件设备,只需在数据存储器上采集足够的历史运行数据,通过规划求解,拟合生成求解公式,操作上极其简单易用而且有效,可协助及指导机房及设备管理人员对主机能耗水平及能效高低进行评估诊断及控制策略进行改善提高,进而实现中央空调系统整体节能。
附图说明
图1为本发明的医院空调机房的制冷主机能效诊断方法的流程示意图;
图2为本发明的医院空调机房的制冷主机能效诊断系统的功能模块示意图。
具体实施方式
下面结合附图和实施例,对本发明的医院空调机房的制冷主机能效诊断方法及其系统作进一步说明:
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
如图1所示,本实施例提供了一种快速而简化的医院空调机房的制冷主机能效诊断方法,该方法包括:
S1、在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;即采集并记录一天内制冷主机的运行参数,如时间间隔为1小时,共有n=12个时间间隔,或者时间间隔为0.5小时,共有n=24个时间间隔,其中运行参数包括如冷冻水供水温度Tk sup、冷冻水回水温度Tk rtn、冷冻水水流量Mk w、制冷主机名义制冷量Q、制冷主机实际运行功率Pk ac等,但不限于此;
S2、根据第一公式计算制冷主机实际统制冷量Qk ac,所述第一公式为:
S3、根据第二公式计算制冷主机的部分负荷率PLRk,所述第二公式为:
S4、根据第三公式和第四公式计算制冷主机的实际性能系数COPk ac和预期性能系数COPref,所述第三公式为:所述第四公式为:COPref=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4;
在该步骤中需要说明的是,a0、a1、a2、a3、a4拟合系数若已有相关数据则可以直接使用,若没有相关数据,则在步骤S1之前,根据制冷主机历史运行数据和遗传算法(GA,Genetic Algorithm)拟合计算出参数a0、a1、a2、a3、a4;
S5、比较判断当天运行的制冷主机的实测能效水平和预期能效水平,若则制冷主机能效偏低;
在该步骤中需要说明的是,若则可以利用A值来表示,此时Acop=1,A表示预警,当其值为1时表示制冷主机能效偏低警报触发。
其中,Qac和Q表示制冷主机实际统制冷量和名义制冷量,ρw、Cw、Mw分别表示冷冻水的密度、比热容和水流量;Trtn和Tsup分别表示冷冻水的供水温度及回水温度;PLR表示制冷主机的部分负荷率;COPac,COPref分别表示制冷主机的实测性能系数和预期性能系数;Pac表示制冷主机的实际功率;k和n分别表示一天当中第k次采样(其相邻时刻间隔可设置为0.5小时或1小时)及总样本数;a0、a1、a2、a3、a4分别为拟合系数。
在步骤S5之后还包括步骤S6:确定制冷主机能效偏低时,则发送预警信号至报警器,通知物业管理人员进行运维及控制优化跟进。
上述方法根据制冷主机的运行特点,通过对制冷主机历史运行数据(如用电量、制冷量、额定制冷量等)进行归纳拟合,预测主机在不同工况和负荷下的性能系数COP,并将一天当中主机运行期间抽样点的实测运行能效与拟合回归的预期能效进行对比,进而判断当天制冷主机的运行效率是高还是低。该方法适用于医院中央空调领域,相较于传统的中央空调系统现场运行参数采集及统计方法,无需额外添加硬件设备,只需在数据存储器上采集足够的历史运行数据,通过规划求解,拟合生成求解公式,操作上极其简单易用而且有效,可协助及指导机房及设备管理人员对主机能耗水平及能效高低进行评估诊断及控制策略进行改善提高,进而实现中央空调系统整体节能。
本发明还提供一种医院空调机房的制冷主机能效诊断系统,该制冷主机能效诊断系统包括存储在存储器上并可在处理器上运行的制冷主机能效诊断程序100,该制冷主机能效诊断程序100可以被分割成一个或多个模块,所述一个或多个模块存储于制冷主机能效诊断系统的存储器中,并由一个或多个处理器所执行,以完成本发明。例如,在图2中,制冷主机能效诊断程序100被分割成采集模块101、实际统制冷量计算模块102、负荷率计算模块103、实际性能系数计算模块104、预期性能系数计算模块105、比较判断模块106、预警信号发送模块107。本发明所称的模块是指一种能够完成特定功能的一系列计算机程序指令段,比计算机程序更适合于描述软件在所述制冷主机能效诊断系统中的执行过程。以下将就上述各功能模块的具体功能进行详细描述。
其中,概率值获取模块101用于在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;即采集并记录一天内制冷主机的运行参数,如时间间隔为1小时,共有n=12个时间间隔,或者时间间隔为0.5小时,共有n=24个时间间隔,其中运行参数包括如冷冻水供水温度Tk sup、冷冻水回水温度Tk rtn、冷冻水水流量Mk w、制冷主机名义制冷量Q、制冷主机实际运行功率Pk ac等,但不限于此。
实际统制冷量计算模块102用于根据第一公式计算制冷主机实际统制冷量Qk ac,第一公式为:
负荷率计算模块103用于根据第二公式计算制冷主机的部分负荷率PLRk,第二公式为:
实际性能参数计算模块104用于根据第三公式计算制冷主机的实际性能系数COPk ac,第三公式为:
预期性能系数计算模块105用于根据第四公式计算制冷主机的预期性能系数COPref,所述第四公式为:COPref=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4;其中,a0、a1、a2、a3、a4拟合系数若已有相关数据则可以直接使用,若没有相关数据,则可根据制冷主机历史运行数据和遗传算法(GA,Genetic Algorithm)拟合计算出参数a0、a1、a2、a3、a4。
比较判断模块106用于比较判断当天运行的制冷主机的实测能效水平和预期能效水平,若则制冷主机能效偏低;
需要说明的是,若则可以利用A值来表示,此时Acop=1,A表示预警,当其值为1时表示制冷主机能效偏低警报触发。
预警信号发送模块107用于确定制冷主机能效偏低时,发送预警信号至报警器,通知物业管理人员进行运维及控制优化跟进。
上述参数中,Qac和Q表示制冷主机实际统制冷量和名义制冷量,ρw、Cw、Mw分别表示冷冻水的密度、比热容和水流量;Trtn和Tsup分别表示冷冻水的供水温度及回水温度;PLR表示制冷主机的部分负荷率;COPac,COPref分别表示制冷主机的实测性能系数和预期性能系数;Pac表示制冷主机的实际功率;k和n分别表示一天当中第k次采样(其相邻时刻间隔可设置为0.5小时或1小时)及总样本数;a0、a1、a2、a3、a4分别为拟合系数。
上述系统根据制冷主机的运行特点,通过对制冷主机历史运行数据(如用电量、制冷量、额定制冷量等)进行归纳拟合,预测主机在不同工况和负荷下的性能系数COP,并将一天当中主机运行期间抽样点的实测运行能效与拟合回归的预期能效进行对比,进而判断当天制冷主机的运行效率是高还是低。该方法适用于医院中央空调领域,相较于传统的中央空调系统现场运行参数采集及统计方法,无需额外添加硬件设备,只需在数据存储器上采集足够的历史运行数据,通过规划求解,拟合生成求解公式,操作上极其简单易用而且有效,可协助及指导机房及设备管理人员对主机能耗水平及能效高低进行评估诊断及控制策略进行改善提高,进而实现中央空调系统整体节能。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
应当理解的是,对本领域技术人员来说,可以根据上述说明加以改进或变换,但这些改进或变换都应属于本发明所附权利要求的保护范围之内。
Claims (10)
1.一种医院空调机房的制冷主机能效诊断方法,其特征在于,包括:
S1、在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;
S2、根据第一公式计算制冷主机实际统制冷量Qk ac,所述第一公式为:
S3、根据第二公式计算制冷主机的部分负荷率PLRk,所述第二公式为:
S4、根据第三公式和第四公式计算制冷主机的实际性能系数COPk ac和预期性能系数COPref,所述第三公式为:所述第四公式为:COPref=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4;
S5、比较制冷主机的实测能效水平和预期能效水平,若则制冷主机能效偏低;
其中,Qac和Q表示制冷主机实际统制冷量和名义制冷量,ρw、Cw、Mw分别表示冷冻水的密度、比热容和水流量;Trtn和Tsup分别表示冷冻水的回水温度及供水温度;PLR表示制冷主机的部分负荷率;COPac,COPref分别表示制冷主机的实测性能系数和预期性能系数;Pac表示制冷主机的实际功率;k和n分别表示一天当中第k次采样及总样本数;a0、a1、a2、a3、a4分别为拟合系数。
2.根据权利要求1所述的制冷主机能效诊断方法,其特征在于,在步骤S1之前还包括步骤S0:根据制冷主机历史运行数据和遗传算法拟合计算出所述第四公式中的参数a0、a1、a2、a3、a4。
3.根据权利要求1所述的制冷主机能效诊断方法,其特征在于,在步骤S5之后还包括步骤S6:确定制冷主机能效偏低时,则发送预警信号。
4.根据权利要求1所述的制冷主机能效诊断方法,其特征在于,在步骤S1中,所述时间间隔为1小时或0.5小时。
5.根据权利要求1所述的制冷主机能效诊断方法,其特征在于,在步骤S1中,所述运行参数包括冷冻水供水温度Tk sup、冷冻水回水温度Tk rtn、冷冻水水流量Mk w、制冷主机名义制冷量Q和制冷主机实际运行功率Pk ac。
6.一种医院空调机房的制冷主机能效诊断系统,其特征在于,所述制冷主机能效诊断系统包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的制冷主机能效诊断程序,所述制冷主机能效诊断程序被所述处理器执行时实现如下步骤:
S1、在设定时间间隔的每一相邻时刻采集制冷主机的运行参数;
S2、根据第一公式计算制冷主机实际统制冷量Qk ac,所述第一公式为:
S3、根据第二公式计算制冷主机的部分负荷率PLRk,所述第二公式为:
S4、根据第三公式和第四公式计算制冷主机的实际性能系数COPk ac和预期性能系数COPref,所述第三公式为:所述第四公式为:COPref=a0PLR4+a1PLR3+a2PLR2+a3PLR+a4;
S5、比较制冷主机的实测能效水平和预期能效水平,若则制冷主机能效偏低;
其中,Qac和Q表示制冷主机实际统制冷量和名义制冷量,ρw、Cw、Mw分别表示冷冻水的密度、比热容和水流量;Trtn和Tsup分别表示冷冻水的供水温度及回水温度;PLR表示制冷主机的部分负荷率;COPac,COPref分别表示制冷主机的实测性能系数和预期性能系数;Pac表示制冷主机的实际功率;k和n分别表示一天当中第k次采样及总样本数;a0、a1、a2、a3、a4分别为拟合系数。
7.根据权利要求6所述的制冷主机能效诊断系统,其特征在于,在步骤S1之前,所述制冷主机能效诊断程序还被所述处理器执行时实现如下步骤:
S0、根据制冷主机历史运行数据和遗传算法拟合计算出所述第四公式中的参数a0、a1、a2、a3、a4。
8.根据权利要求6所述的制冷主机能效诊断系统,其特征在于,在步骤S5之后,所述制冷主机能效诊断程序还被所述处理器执行时实现如下步骤:
S6、确定制冷主机能效偏低时,则发送预警信号。
9.根据权利要求6所述的制冷主机能效诊断系统,其特征在于,所述时间间隔为1小时或0.5小时;所述运行参数包括冷冻水供水温度Tk sup、冷冻水回水温度Tk rtn、冷冻水水流量Mk w、制冷主机名义制冷量Q和制冷主机实际运行功率Pk ac。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有制冷主机能效诊断程序,所述制冷主机能效诊断程序被处理器执行时实现如权利要求1至5中任一项所述的制冷主机能效诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710623967.9A CN107461881B (zh) | 2017-07-27 | 2017-07-27 | 一种医院空调机房的制冷主机能效诊断方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710623967.9A CN107461881B (zh) | 2017-07-27 | 2017-07-27 | 一种医院空调机房的制冷主机能效诊断方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107461881A true CN107461881A (zh) | 2017-12-12 |
CN107461881B CN107461881B (zh) | 2020-04-21 |
Family
ID=60547582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710623967.9A Active CN107461881B (zh) | 2017-07-27 | 2017-07-27 | 一种医院空调机房的制冷主机能效诊断方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107461881B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611141A (zh) * | 2020-12-24 | 2021-04-06 | 上海能誉科技股份有限公司 | 一种制冷主机的节能控制方法、系统和计算机可读存储介质 |
CN113137708A (zh) * | 2021-03-09 | 2021-07-20 | 青岛海尔空调电子有限公司 | 空调系统的除霜控制方法、存储介质及空调系统 |
CN113757943A (zh) * | 2021-09-17 | 2021-12-07 | 广东电网有限责任公司 | 一种基于故障判断规则的空调系统故障诊断方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130127697A (ko) * | 2012-05-15 | 2013-11-25 | 성균관대학교산학협력단 | 유전자 알고리즘 기반 에너지 제어 시스템 및, 그 제어 방법 |
CN104048390A (zh) * | 2014-07-04 | 2014-09-17 | 国家电网公司 | 一种风冷热泵型中央空调机组的能效诊断方法 |
CN104596033A (zh) * | 2015-01-04 | 2015-05-06 | 深圳市奥宇节能技术股份有限公司 | 在线检测中央空调主机能效cop的方法 |
CN105973626A (zh) * | 2016-05-25 | 2016-09-28 | 深圳达实智能股份有限公司 | 中央空调系统主机运行能效评估及预测方法以及装置 |
CN106920006A (zh) * | 2017-02-23 | 2017-07-04 | 北京工业大学 | 一种基于isoa‑lssvm的地铁站空调系统能耗预测方法 |
CN106931603A (zh) * | 2017-03-27 | 2017-07-07 | 重庆市计量质量检测研究院 | 基于物联网技术的中央空调冷却水系统能效监测系统 |
-
2017
- 2017-07-27 CN CN201710623967.9A patent/CN107461881B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130127697A (ko) * | 2012-05-15 | 2013-11-25 | 성균관대학교산학협력단 | 유전자 알고리즘 기반 에너지 제어 시스템 및, 그 제어 방법 |
CN104048390A (zh) * | 2014-07-04 | 2014-09-17 | 国家电网公司 | 一种风冷热泵型中央空调机组的能效诊断方法 |
CN104596033A (zh) * | 2015-01-04 | 2015-05-06 | 深圳市奥宇节能技术股份有限公司 | 在线检测中央空调主机能效cop的方法 |
CN105973626A (zh) * | 2016-05-25 | 2016-09-28 | 深圳达实智能股份有限公司 | 中央空调系统主机运行能效评估及预测方法以及装置 |
CN106920006A (zh) * | 2017-02-23 | 2017-07-04 | 北京工业大学 | 一种基于isoa‑lssvm的地铁站空调系统能耗预测方法 |
CN106931603A (zh) * | 2017-03-27 | 2017-07-07 | 重庆市计量质量检测研究院 | 基于物联网技术的中央空调冷却水系统能效监测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611141A (zh) * | 2020-12-24 | 2021-04-06 | 上海能誉科技股份有限公司 | 一种制冷主机的节能控制方法、系统和计算机可读存储介质 |
CN112611141B (zh) * | 2020-12-24 | 2021-11-02 | 上海能誉科技股份有限公司 | 一种制冷主机的节能控制方法、系统和计算机可读存储介质 |
CN113137708A (zh) * | 2021-03-09 | 2021-07-20 | 青岛海尔空调电子有限公司 | 空调系统的除霜控制方法、存储介质及空调系统 |
CN113757943A (zh) * | 2021-09-17 | 2021-12-07 | 广东电网有限责任公司 | 一种基于故障判断规则的空调系统故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107461881B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108592352B (zh) | 水冷空调系统运行状态健康度的预测方法、装置及系统 | |
CN110320892B (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
US11397010B2 (en) | Heating adjustment method and device | |
CN103912966B (zh) | 一种地源热泵制冷系统优化控制方法 | |
CN103403463B (zh) | 故障检测和诊断算法 | |
CN105973626A (zh) | 中央空调系统主机运行能效评估及预测方法以及装置 | |
CN105956752A (zh) | 用于绿色公共建筑运营阶段的能效评估与诊断分析方法 | |
CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
CA3066206C (en) | Methods and systems for hvac inefficiency prediction | |
Shan et al. | Development and In-situ validation of a multi-zone demand-controlled ventilation strategy using a limited number of sensors | |
Jiang et al. | Applying grey forecasting to predicting the operating energy performance of air cooled water chillers | |
CN104570973A (zh) | 一种企业能源管理方法及装置 | |
CN107461881A (zh) | 一种医院空调机房的制冷主机能效诊断方法及其系统 | |
CN111306706B (zh) | 一种空调联动控制方法及系统 | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
CN112413831A (zh) | 一种中央空调节能控制系统及方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN113175700A (zh) | 一种热网智能设备管理及大数据预警分析系统及方法 | |
Ma et al. | Online fault detection and robust control of condenser cooling water systems in building central chiller plants | |
CN107062559A (zh) | 一种空调器缺氟检测方法、装置及空调系统 | |
CN110363404A (zh) | 一种干式空心电抗器状态数据分析方法 | |
CN112101519A (zh) | 一种基于lstm的换流阀冷却裕度预测运维方法及系统 | |
CN110953687B (zh) | 一种空调的健康度评价方法、系统及存储介质 | |
CN117032120A (zh) | 集成一体式空压站智能云控制系统及控制方法 | |
Rosato et al. | Experimental assessment of ground-truth faults in a typical single-duct dual-fan air-handling unit under Mediterranean climatic conditions: Impact scenarios of sensors’ offset and fans’ failure |
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 |