CN107632524B - 一种通信机房温度模型预测控制方法和系统 - Google Patents

一种通信机房温度模型预测控制方法和系统 Download PDF

Info

Publication number
CN107632524B
CN107632524B CN201711012202.8A CN201711012202A CN107632524B CN 107632524 B CN107632524 B CN 107632524B CN 201711012202 A CN201711012202 A CN 201711012202A CN 107632524 B CN107632524 B CN 107632524B
Authority
CN
China
Prior art keywords
machine room
model
temperature
communication machine
output
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
Application number
CN201711012202.8A
Other languages
English (en)
Other versions
CN107632524A (zh
Inventor
彭刚
周晨阳
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.)
Huazhong University of Science and Technology
Shenzhen Huazhong University of Science and Technology Research Institute
Original Assignee
Huazhong University of Science and Technology
Shenzhen Huazhong University of Science and Technology Research Institute
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 Huazhong University of Science and Technology, Shenzhen Huazhong University of Science and Technology Research Institute filed Critical Huazhong University of Science and Technology
Priority to CN201711012202.8A priority Critical patent/CN107632524B/zh
Publication of CN107632524A publication Critical patent/CN107632524A/zh
Application granted granted Critical
Publication of CN107632524B publication Critical patent/CN107632524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Feedback Control In General (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种通信机房温度模型预测控制方法和系统，方法包括：根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；利用通信机房温度场三维模型依次进行稳态和瞬态模拟求解，得到输入输出温度的单位阶跃响应数据；根据输入输出温度的单位阶跃响应数据，通过系统辨识得到通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数；根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，生成控制量，利用控制量进行通信机房温度控制。本发明方法能够有效地建立通信机房温度的数学模型，并具有良好的控制品质。

Description

一种通信机房温度模型预测控制方法和系统
技术领域
本发明属于节能领域，更具体地，涉及一种通信机房温度模型预测控制方法和系统。
背景技术
随着大数据时代的到来，各大电信企业和IT企业都建立起规模较大的通信机房，为保持通信机房温度恒定，空调往往工作在长时间定温制冷模式，造成了能源的极大浪费，增加了企业的成本。因此，优化通信机房温度的控制方法会给社会和企业带来巨大效益。
研究通信机房室温的控制方法，需要采集大量实时温度数据，以建立机房温度的数学模型。该方法需要在室内布置大量的传感器等硬件设施，这在实际中实施困难。并且室温具有滞后性，很难采集到精确的数据。同时，通信机房温度控制方法主要采用传统的PID控制，存在超调量大、响应速度慢等缺点。
由此可见，现有技术存在通信机房温度数学模型建立困难、传统控制方法控制品质差的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种通信机房温度模型预测控制方法和系统，由此解决现有技术存在通信机房温度数学模型建立困难、传统控制方法控制品质差的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种通信机房温度模型预测控制方法，包括：
(1)根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；
(2)利用通信机房温度场三维模型依次进行稳态和瞬态模拟求解，得到输入输出温度的单位阶跃响应数据；
(3)根据输入输出温度的单位阶跃响应数据，通过系统辨识得到通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数；
(4)根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，生成控制量，利用控制量进行通信机房温度控制。
进一步的，边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。
进一步的，步骤(2)的具体实现方式为：
基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场，将平衡后机房内的温度场作为瞬态求解的初始条件，然后改变边界条件进行瞬态求解得到输入输出温度的单位阶跃响应数据。
进一步的，步骤(3)的具体实现方式为：
利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数。
进一步的，目标函数J(k)为：
Figure BDA0001444855210000021
其中，
Figure BDA0001444855210000031
为k时刻对k+j时刻的输出预测；yr(k+j)为参考轨迹；λ1为输出误差加权系数；λ2为控制加权系数；Np为预测时域长度；Nc为控制时域长度，Np＞Nc；Δu(k+j-1)为k时刻的未来控制输入增量。
按照本发明的另一个方面，提供了一种通信机房温度模型预测控制系统，包括：
温度场三维模型建立模块，用于根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；
稳态和瞬态模拟求解模块，用于利用通信机房温度场三维模型依次进行稳态和瞬态模拟求解，得到输入输出温度的单位阶跃响应数据；
系统辨识模块，用于根据输入输出温度的单位阶跃响应数据，通过系统辨识得到通信机房温度的数学模型；将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数，
模型预测控制器设计模块，用于根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，得到控制量，利用控制量进行通信机房温度控制。
进一步的，边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。
进一步的，稳态和瞬态模拟求解模块包括稳态模拟求解模块和瞬态模拟求解模块，
稳态模拟求解模块，用于基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场，
瞬态模拟求解模块，用于将平衡后机房内的温度场作为瞬态求解的初始条件，然后改变边界条件进行瞬态求解得到输入输出温度的单位阶跃响应数据。
进一步的，系统辨识模块包括曲线拟合对比模块和数学模型选取模块，
曲线拟合对比模块，用于利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，
数学模型选取模块，用于选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型。
进一步的，目标函数J(k)为：
Figure BDA0001444855210000041
其中，
Figure BDA0001444855210000042
为k时刻对k+j时刻的输出预测；yr(k+j)为参考轨迹；λ1为输出误差加权系数；λ2为控制加权系数；Np为预测时域长度；Nc为控制时域长度，Np＞Nc；Δu(k+j-1)为k时刻的未来控制输入增量。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明使用计算流体动力学(Computational Fluid Dynamics，CFD)对通信机房温度场进行了建模，便于实施。尽管建立的模型会存在误差，但模型预测控制(ModelPredictive Control，MPC)采用滚动优化策略，而非全局一次性优化，能及时弥补由于模型失配等引起的不确定性，克服模型精度对系统稳定性的影响，对系统模型精度要求较低。
(2)对通信机房的温度进行模型预测控制，相对于长时间定温制冷能够节约大量能耗，与传统PID控制相比，模型预测控制鲁棒性好，无稳态误差，控制品质较佳，具有明显的优势。
附图说明
图1是本发明实施例提供的一种通信机房温度模型预测控制方法的流程图；
图2是本发明实施例提供的使用本发明方法的仿真结果图；
图3是本发明实施例提供的使用传统方法的仿真结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种通信机房温度模型预测控制方法，包括：
(1)根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；
(2)基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场，将平衡后机房内的温度场作为瞬态求解的初始条件，然后改变边界条件进行瞬态求解得到输入输出温度的单位阶跃响应数据。
(3)利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数。
(4)根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，生成控制量，利用控制量进行通信机房温度控制。
所述边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。所述J(k)目标函数为：
Figure BDA0001444855210000061
其中，
Figure BDA0001444855210000062
为k时刻对k+j时刻的输出预测；yr(k+j)为参考轨迹；λ1为输出误差加权系数；λ2为控制加权系数；Np为预测时域长度；Nc为控制时域长度，Np＞Nc；Δu(k+j-1)为k时刻的未来控制输入增量。目标函数的约束条件为-4≤Δu(k+j-1)≤4。
一种通信机房温度模型预测控制系统，包括：
温度场三维模型建立模块，用于根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。
稳态和瞬态模拟求解模块，用于利用通信机房温度场三维模型依次进行稳态和瞬态模拟求解，得到输入输出温度的单位阶跃响应数据；稳态和瞬态模拟求解模块包括稳态模拟求解模块和瞬态模拟求解模块，
稳态模拟求解模块，用于基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场，
瞬态模拟求解模块，用于将平衡后机房内的温度场作为瞬态求解的初始条件，然后改变边界条件进行瞬态求解得到输入输出温度的单位阶跃响应数据。
系统辨识模块，用于根据输入输出温度的单位阶跃响应数据，通过系统辨识得到通信机房温度的数学模型；将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数，系统辨识模块包括曲线拟合对比模块和数学模型选取模块，曲线拟合对比模块，用于利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，数学模型选取模块，用于选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型。
模型预测控制器设计模块，用于根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，得到控制量，利用控制量进行通信机房温度控制。
实施例1
一种通信机房温度模型预测控制方法，包括：
(1)根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；
(2)基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场为空调出风口温度为292K时的机房温度场，将平衡后机房内的温度场作为瞬态求解的初始条件，然后将空调出风口温度由292K改为293K进行瞬态求解得到输入输出温度的单位阶跃响应数据。
(3)利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数。
(4)根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，生成控制量，利用控制量进行通信机房温度控制。
所述边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。所述目标函数J(k)为：
Figure BDA0001444855210000081
其中，
Figure BDA0001444855210000082
为k时刻对k+j时刻的输出预测；yr(k+j)为参考轨迹；λ1为输出误差加权系数；λ2为控制加权系数；Np为预测时域长度；Nc为控制时域长度，Np＞Nc；Δu(k+j-1)为k时刻的未来控制输入增量。目标函数的约束条件为-4≤Δu(k+j-1)≤4。
Np越大，本发明稳定性好，但动态响应过于平缓；Nc越大，控制灵敏度越高，但本发明稳定性和鲁棒性变差，矩阵求逆的计算量增加。仿真实验时，参数设置如下：Np＝20，Nc＝2；控制时间间隔设为10s；输出误差加权系数为1，控制加权系数为0，为使输入量变化平缓，变化率权重设为0.2，并设置输入量约束条件：-4≤Δu≤4。仿真结果如图2所示。由仿真曲线可知，MPC调节时间为230s，无超调量，无稳态误差，控制量变化准确、迅速，控制效果较佳，满足机房室温调节的要求。
对辨识得到的通信机房温度模型进行PID控制仿真。PID控制器的参数分别为：kP＝4.485，kI＝0.02，kD＝43.1594。室温在PID控制作用下的变化曲线如图3所示。由仿真曲线可知，调节时间为325s，超调量为5.62％，无稳态误差，基本满足机房室温调节要求，但是相较于模型预测控制，调节时间和超调量等调节品质较差。因此，模型预测控制在通信机房室温调节方面效果更好。
本发明将模型预测控制应用于通信机房的温度调节。该方法利用计算流体动力学数值模拟代替实际的物理开环实验，无需搭建硬件设施，能够节省人力物力，并提高了数据的精确度。对通信机房温度应用模型预测控制，改变了长期定温制冷的粗放管理模式，与传统PID控制相比，在综合控制品质方面具有明显的优势，具有较高的理论研究和实际应用价值。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种通信机房温度模型预测控制方法，其特征在于，包括：
(1)根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；
(2)利用通信机房温度场三维模型依次进行稳态和瞬态模拟求解，得到输入输出温度的单位阶跃响应数据；
(3)根据输入输出温度的单位阶跃响应数据，通过系统辨识得到通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数；
(4)根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，生成控制量，利用控制量进行通信机房温度控制；
所述步骤(2)的具体实现方式为：
基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场，将平衡后机房内的温度场作为瞬态求解的初始条件，然后改变边界条件进行瞬态求解得到输入输出温度的单位阶跃响应数据；
所述步骤(3)的具体实现方式为：
利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数；
所述目标函数J(k)为：
Figure FDA0004079517190000021
其中，
Figure FDA0004079517190000022
为k时刻对k+j时刻的输出预测；yr(k+j)为参考轨迹；λ1为输出误差加权系数；λ2为控制加权系数；Np为预测时域长度；Nc为控制时域长度，Np＞Nc；Δu(k+j-1)为k时刻的未来控制输入增量。
2.如权利要求1所述的一种通信机房温度模型预测控制方法，其特征在于，所述边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。
3.一种通信机房温度模型预测控制系统，其特征在于，包括：
温度场三维模型建立模块，用于根据通信机房的边界条件，利用CFD建立通信机房温度场三维模型；
稳态和瞬态模拟求解模块，用于利用通信机房温度场三维模型依次进行稳态和瞬态模拟求解，得到输入输出温度的单位阶跃响应数据；
系统辨识模块，用于根据输入输出温度的单位阶跃响应数据，通过系统辨识得到通信机房温度的数学模型，将通信机房温度的数学模型作为模型预测控制器的预测模型传递函数；
模型预测控制器设计模块，用于根据预测输出和参考轨迹的误差得到模型预测控制器的目标函数，模型预测控制器采用滚动优化使目标函数的预测输出和参考轨迹的误差最小，得到控制量，利用控制量进行通信机房温度控制；
所述稳态和瞬态模拟求解模块包括稳态模拟求解模块和瞬态模拟求解模块，
稳态模拟求解模块，用于基于通信机房温度场三维模型设置边界条件，利用标准的k-ε湍流模型进行稳态求解，得到平衡后机房内的温度场，
瞬态模拟求解模块，用于将平衡后机房内的温度场作为瞬态求解的初始条件，然后改变边界条件进行瞬态求解得到输入输出温度的单位阶跃响应数据；
所述系统辨识模块包括曲线拟合对比模块和数学模型选取模块，
曲线拟合对比模块，用于利用最小二乘法进行系统辨识，分别使用ARX、ARMAX、一阶滞后系统、二阶滞后系统对输入输出温度的单位阶跃响应数据进行拟合，
数学模型选取模块，用于选取拟合度最高的二阶滞后系统作为通信机房温度的数学模型；
所述目标函数J(k)为：
Figure FDA0004079517190000031
其中，
Figure FDA0004079517190000032
为k时刻对k+j时刻的输出预测；yr(k+j)为参考轨迹；λ1为输出误差加权系数；λ2为控制加权系数；Np为预测时域长度；Nc为控制时域长度，Np＞Nc；Δu(k+j-1)为k时刻的未来控制输入增量。
4.如权利要求3所述的一种通信机房温度模型预测控制系统，其特征在于，所述边界条件包括空调的出风口温度、空调的送风速度、机架的热通量、墙壁的热通量。
CN201711012202.8A 2017-10-25 2017-10-25 一种通信机房温度模型预测控制方法和系统 Active CN107632524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711012202.8A CN107632524B (zh) 2017-10-25 2017-10-25 一种通信机房温度模型预测控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711012202.8A CN107632524B (zh) 2017-10-25 2017-10-25 一种通信机房温度模型预测控制方法和系统

Publications (2)

Publication Number Publication Date
CN107632524A CN107632524A (zh) 2018-01-26
CN107632524B true CN107632524B (zh) 2023-04-07

Family

ID=61106600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711012202.8A Active CN107632524B (zh) 2017-10-25 2017-10-25 一种通信机房温度模型预测控制方法和系统

Country Status (1)

Country Link
CN (1) CN107632524B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948297B (zh) * 2019-04-09 2023-05-02 深圳市赛为智能股份有限公司 微模块温度场模拟方法、装置、计算机设备及存储介质
CN110456780B (zh) * 2019-09-02 2021-05-04 润电能源科学技术有限公司 自动控制系统的控制品质调整方法、装置和可读存储介质
CN110594983B (zh) * 2019-09-20 2021-04-02 东北大学 一种适用于小型数据中心的温度控制方法
CN112904910A (zh) * 2019-12-04 2021-06-04 青岛海尔智慧厨房电器有限公司 一种烤箱控制系统及其温控方法
CN115875809A (zh) * 2021-09-26 2023-03-31 中国移动通信集团浙江有限公司 机房换热设备的节能方法、装置及计算机可读存储介质
CN114311576A (zh) * 2021-11-19 2022-04-12 深圳先进技术研究院 一种温度控制系统、注塑机
CN114355774B (zh) * 2021-12-27 2023-07-28 中国联合网络通信集团有限公司 模型预测控制方法及装置
CN115776813B (zh) * 2023-02-14 2023-04-28 南京金宁能源科技有限公司 一种高效机房控制方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005249419A (ja) * 2004-03-01 2005-09-15 Mazda Motor Corp エンジン性能の予測解析方法、予測解析システム及びその制御プログラム
CN102629104A (zh) * 2011-12-01 2012-08-08 燕山大学 一种水泥回转窑煅烧预测控制系统及方法
CN103324781A (zh) * 2013-05-27 2013-09-25 华中科技大学 一种平底螺旋立铣刀铣削工件端的三维温度场建模方法
CN103365212A (zh) * 2013-07-16 2013-10-23 上海元亘信息科技有限公司 一种基于cfd数值模拟的温室控制方法
DE102015217177A1 (de) * 2015-09-09 2017-03-09 Bayerische Motoren Werke Aktiengesellschaft Transiente TBS-Berechnung des Gesamtfahrzeugs, Standardlastfälle und Nachheizen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005249419A (ja) * 2004-03-01 2005-09-15 Mazda Motor Corp エンジン性能の予測解析方法、予測解析システム及びその制御プログラム
CN102629104A (zh) * 2011-12-01 2012-08-08 燕山大学 一种水泥回转窑煅烧预测控制系统及方法
CN103324781A (zh) * 2013-05-27 2013-09-25 华中科技大学 一种平底螺旋立铣刀铣削工件端的三维温度场建模方法
CN103365212A (zh) * 2013-07-16 2013-10-23 上海元亘信息科技有限公司 一种基于cfd数值模拟的温室控制方法
DE102015217177A1 (de) * 2015-09-09 2017-03-09 Bayerische Motoren Werke Aktiengesellschaft Transiente TBS-Berechnung des Gesamtfahrzeugs, Standardlastfälle und Nachheizen

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Ming Gao等.Performanceprediction of wet cooling tower using artificial neural networkunder cross-wind conditions.《International Journal of ThermalSciences》.2009,全文. *
刚文杰 ; 王劲柏 ; .土壤换热器预测模型的研究与优化.建筑科学.2011,(12),全文. *
周伟 ; 李永博 ; 汪小旵 ; .基于CFD非稳态模型的温室温度预测控制.农业机械学报.2014,(12),全文. *
周晨阳 ; 彭刚 ; .基于CFD的通信机房流场模型建立与分析.测控技术.2017,(10),全文. *
徐擎天,周建中,常黎.预测水轮机轴瓦温度故障的状态观测器的研究与应用.江西电力.2002,(03),全文. *
袁凤东,由世俊,杨向劲.地铁侧式站台空调气流CFD模拟.西南交通大学学报.2005,(03),全文. *

Also Published As

Publication number Publication date
CN107632524A (zh) 2018-01-26

Similar Documents

Publication Publication Date Title
CN107632524B (zh) 一种通信机房温度模型预测控制方法和系统
CN112128841B (zh) 一种基于负荷预测和室温反馈修正的全网平衡调节方法
CN104359195B (zh) 基于动态响应末端总负荷变化的中央空调冷冻水控制方法
Yuan et al. Multiple-zone ventilation and temperature control of a single-duct VAV system using model predictive strategy
CN108256672B (zh) 一种集中供热系统全网平衡调节方法
Wang et al. A state of art review on methodologies for control strategies in low energy buildings in the period from 2006 to 2016
Gil et al. A feedback control system with reference governor for a solar membrane distillation pilot facility
CN105241029A (zh) 辐射空调的运行控制方法
Gao et al. Model-based space temperature cascade control for constant air volume air-conditioning system
CN114484557B (zh) 一种基于目标能耗管控的建筑群供热负荷调控方法
CN203396032U (zh) 基于模糊自适应pid的室温控制装置
CN109948824A (zh) 一种利用模式识别技术对热力站热负荷进行预测的方法
CN115773569B (zh) 基于自抗扰解耦的海洋平台通风系统风量控制方法
Wang et al. A zoned group control of indoor temperature based on MPC for a space heating building
Sha et al. A control strategy of heating system based on adaptive model predictive control
CN104949283A (zh) 一种控制风量的风阀调节方法及系统
CN109140677B (zh) 一种智能建筑节能控制系统及其控制方法
Liu et al. An on-off regulation method by predicting the valve on-time ratio in district heating system
CN114608065B (zh) 一种新型热力入口阀位调控方法
Yang et al. Modelling and simulation on temperature and humidity decoupling of indoor environment
CN114484556B (zh) 一种基于目标能耗管控的供水温度调控方法
CN115935604A (zh) 一种换流站暖通系统节能控制方法及终端
CN113625557A (zh) 一种在线优化模型的hvac系统模型预测控制方法
CN103353161B (zh) 变风量空调压力无关型末端装置控制系统及其控制方法
Peng et al. Model predictive control of data center temperature based on CFD

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