CN108489013A - 基于遗传算法和负荷在线修正的中央空调控制方法及装置 - Google Patents
基于遗传算法和负荷在线修正的中央空调控制方法及装置 Download PDFInfo
- Publication number
- CN108489013A CN108489013A CN201810091391.0A CN201810091391A CN108489013A CN 108489013 A CN108489013 A CN 108489013A CN 201810091391 A CN201810091391 A CN 201810091391A CN 108489013 A CN108489013 A CN 108489013A
- Authority
- CN
- China
- Prior art keywords
- model
- cooling
- chilling units
- genetic algorithm
- temperature
- 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
- F24F11/62—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
-
- 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
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于遗传算法和负荷在线修正的中央空调控制方法及装置,包括:采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息;根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型;利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数;根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。根据本发明实施例提供的基于遗传算法和负荷在线修正的中央空调控制方法及装置,可实现对中央空调系统的自动寻优计算,提高中央空调控制系统的运行速度和稳定性,实现空调系统的自动化节能运行。
Description
技术领域
本发明涉及空调控制技术领域,尤其涉及一种基于遗传算法和负荷在线修正的中央空调控制方法及装置。
背景技术
随着社会经济的发展,建筑能耗在整个社会总能耗中所占的比例越来越高,达到30%左右,而在整个建筑能耗中,中央空调能耗占了约40%~50%,因此充分挖掘中央空调系统的节能空间,不仅可以带来巨大的节能收益,同时也有利于实现当前日益艰巨的节能减排目标,发展绿色工业。
自动化控制理论及技术作为节能控制技术手段,在中央空调系统控制中越来越重要,传统的自动化控制理论中的PID(比例、积分、微分)控制算法适用于单变量线性算法,不太适应多变量非线性的场合。此外,相关技术中的中央空调控制系统运行的稳定性差,节能效果有待进一步提高。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种基于遗传算法和负荷在线修正的中央空调控制方法。
本发明的另一个目的在于提出一种基于遗传算法和负荷在线修正的中央空调控制装置。
为实现上述目的,一方面,根据本发明实施例的基于遗传算法和负荷在线修正的中央空调控制方法,包括:
采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息;
根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型,所述冷负荷包括人员、电气设备、照明设备、新风系统及围护结构中的至少一种,所述冷源系统包括多个冷水机组,所述冷水机组包括制冷主机、冷却水泵、冷冻水泵、冷却塔及风柜中的至少一种;
利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数;
根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。
另一方面,根据本发明实施例的基于遗传算法和负荷在线修正的中央空调控制装置,包括:
采集单元,用于采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息;
模型建立单元,用于根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型,所述冷负荷包括人员、电气设备、照明设备、新风系统及围护结构中的至少一种,所述冷源系统包括多个冷水机组,所述冷水机组包括制冷主机、冷却水泵、冷冻水泵、冷却塔及风柜中的至少一种;
优化单元,用于利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数;
在线调节单元,用于根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。
根据本发明实施例提供的基于遗传算法和负荷在线修正的中央空调控制方法及装置,可实现对中央空调系统的自动寻优计算,提高中央空调控制系统的运行速度和稳定性,实现空调系统的自动化节能运行。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1是本发明实施例基于遗传算法和负荷在线修正的中央空调控制方法的流程图;
图2是本发明实施例基于遗传算法和负荷在线修正的中央空调控制方法中步骤S103的流程图;
图3是本发明实施例基于遗传算法和负荷在线修正的中央空调控制方法中步骤S203的流程图;
图4是本发明实施例基于遗传算法和负荷在线修正的中央空调控制方法中步骤S104的流程图;
图5是本发明实施例基于遗传算法和负荷在线修正的中央空调控制装置的结构示意图;
图6是本发明实施例基于遗传算法和负荷在线修正的中央空调控制装置中优化单元的结构示意图;
图7是本发明实施例基于遗传算法和负荷在线修正的中央空调控制装置中在线调节单元的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面参照附图详细描述本发明实施例的基于遗传算法和负荷在线修正的中央空调控制方法及装置。
参照图1所示,根据本发明实施例提供的一种基于遗传算法和负荷在线修正的中央空调控制方法,该控制方法在能效模型的基础上,以遗传算法和负荷在线修正技术进行系统的寻优计算,实现中央空调整体能效的优化控制,其中,以总能耗最低为目标,用遗传算法将中央空调系统优化问题进行无约束处理,用以解决中央空调系统中单一设备节能运行时对其它设备产生的能效制约情况,实现中央空调系统整体能效的最优化。
该控制方法包括以下步骤:
S101、采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息。
S102、根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型,所述冷负荷包括人员、电气设备、照明设备、新风系统及围护结构中的至少一种,所述冷源系统包括多个冷水机组,所述冷水机组包括制冷主机、冷却水泵、冷冻水泵、冷却塔及风柜中的至少一种。
S103、利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数。
S104、根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。
也就是说,先根据人员、电气、设备、新风以及围护结构等建立冷源系统的冷负荷预测模型,以及根据冷源系统各设备的运行参数以及冷负荷预测值建立冷源能效模型,再利用遗传算法实现能效模型的运行最优化,接着运用智能控制实现冷源系统各设备参数的在线调节修正。整个过程中,冷负荷模型与冷源能效模型是节能控制的基础,其是不断运行和优化的,其中冷负荷模型是根据能耗和冷量来不断修正的,而冷源能效模型是根据运行参数及冷负荷预测值来不断修正的,而整个过程的最终目的是实现冷源能效的最优化,并能保证其随负荷变化而实现整个系统的高效运行。
根据本发明实施例提供的基于遗传算法和负荷在线修正的中央空调控制方法,可实现对中央空调系统的自动寻优计算,提高中央空调控制系统的运行速度和稳定性,实现空调系统的自动化节能运行。
参照图2所示,根据本发明的一个实施例,步骤S103可以包括:
S201、利用所述冷源能效模型运行的实验数据,辨识各个设备的模型参数,并根据各个设备的模型参数建立各个设备的设备能效模型。
S202、根据冷源系统的运行约束条件和优化控制变量建立冷源能效优化模型。
S203、利用冷源能效优化模型及所述运行约束条件计算种群的个体适应度值,并判断是否符合优化标准。
S204、如果符合优化标准,则输出最优个体及其代表的最优解,并结束寻优计算,否则,执行遗传算法中的选择、交叉及变异操作,以产生新一代种群,并计算新一代种群的个体适应度值,判断是否优化标准,如此循环,直至符合优化标准,输出最优个体及其代表的最优解。
也就是说,首先,基于冷源能效模型运行的实验数据,辨识冷源系统中各设备的模型参数,利用这些模型参数分别建立各设备能效模型,并对各个能效模型的准确性进行验证;其次,在各设备能效模型的基础上,结合能源系统的运行约束条件与优化控制变量建立冷源能效优化模型。最后,利用冷源能效优化模型和运行约束条件计算种群的个体适应度值,并判断是否符合优化准则,如果符合优化准则,则输出最佳个体及其代表的最优解,并结束寻优计算,否则执行遗传算法中选择、交叉、变异等操作,产生新一代的种群,进入下一次循环,直到符合优化准则为止。
参照图3所示,根据本发明的一个实施例,步骤S203可以包括:
S301、根据所述冷负荷预测模型的参数及冷源系统的优化控制变量确定冷水机组的负荷分配及冷水机组的开启台数及频率大小。
S302、根据冷水机组、冷冻水泵及冷却水泵能量守恒计算出相应的冷凝热量、冷却水流量及冷却水的出水温度。
S303、根据蒸发器的传热特性计算得到相应蒸发温度、蒸发压力,以及根据冷凝器的传热特性计算得到冷凝温度、冷凝压力。
S304、结合冷水机组的负荷率,并利用冷水机组的能效模型求解冷水机组对应的能效比及冷水机组的能耗。
S305、根据冷却塔在室外气象条件下的散热模型,计算冷却塔排放冷凝热所需风量。
在中央空调冷源系统运行参数的寻优过程中,通过优化模型计算种群个体的适应度,也就是优化模型的求解过程,当获得空调负荷及室外气象参数后,可以计算在五个寻优变量(主机、冷冻水泵、冷却水泵、冷却塔、末端设备)下中央空调冷源的总能耗,由此便算出遗传优化算法中种群个体的适应度值。
参照图4所示,根据本发明的一个实施例,步骤S104可以包括:
S401、获取冷水机组中各设备的优化参数,对用户用冷负荷进行动态分析计算,确定冷水机组运行数量。
S402、依据冷负荷需求并利用智能数据库制定冷水机组中各设备的运行参数,所述运行参数包括冷冻出水温度、冷冻水出回水温差、冷却水出回水温差、冷却水回水温度、冷却塔风机风量、室外温度、新回风量、空调区域温度。
S403、在线计算并调节输出控制水泵运行频率、阀门工作位置。
S404、在线计算冷源系统的整体功耗,并在线修正智能数据库,使冷源系统工作逐步稳定在满足“最小约束条件”下的最佳工作点。
由于空调冷负荷需求的变化,系统某一负荷条件下的最佳工作点,肯定不是其它负荷条件下的最佳工作点,而是以多目标输入函数为依据,经过系统设定进行结果输出,期间过程是复杂的、非线性的动态耦合。为此,根据智能动态控制的原理,通过在控制器中建立知识库、智能控制模型和智能运算法则,最后得出相应的智能智能控制,通过采集影响中央空调运行的各种参数,经智能运算,得到相应的控制参数,再把这些参数与变频技术结合起来,从而根据负荷变化实现其动态的在线修正。该理论方法提出了模型参数动态辨识方法,建立了中央空调系统的在线修正模型及优化管理控制平台,进行中央空调系统的在线优化控制,做到真正意义上中央空调系统的整体节能。
参照图5所示,根据本发明实施例提供的一种基于遗传算法和负荷在线修正的中央空调控制装置,包括:
采集单元101,用于采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息。
模型建立单元102,用于根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型,所述冷负荷包括人员、电气设备、照明设备、新风系统及围护结构中的至少一种,所述冷源系统包括多个冷水机组,所述冷水机组包括制冷主机、冷却水泵、冷冻水泵、冷却塔及风柜中的至少一种。
优化单元103,用于利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数。
在线调节单元104,用于根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。
参照图6所示,根据本发明的一个实施例,所述优化单元103包括:
第一建模模块1031,用于利用所述冷源能效模型运行的实验数据,辨识各个设备的模型参数,并根据各个设备的模型参数建立各个设备的设备能效模型;
第二建模模块1032,用于根据冷源系统的运行约束条件和优化控制变量建立冷源能效优化模型;
计算模块1033,用于利用冷源能效优化模型及所述运行约束条件计算种群的个体适应度值,并判断是否符合优化标准;
执行模块1034,用于如果符合优化标准,则输出最优个体及其代表的最优解,并结束寻优计算,否则,执行遗传算法中的选择、交叉及变异操作,以产生新一代种群,并计算新一代种群的个体适应度值,判断是否优化标准,如此循环,直至符合优化标准,输出最优个体及其代表的最优解。
还是参照图6所示,根据本发明的一个实施例,所述计算模块1033包括:
确认子模块10331,用于根据所述冷负荷预测模型的参数及冷源系统的优化控制变量确定冷水机组的负荷分配及冷水机组的开启台数及频率大小;
第一计算子模块10332,用于根据冷水机组、冷冻水泵及冷却水泵能量守恒计算出相应的冷凝热量、冷却水流量及冷却水的出水温度;
第二计算子模块10333,根据蒸发器的传热特性计算得到相应蒸发温度、蒸发压力,以及根据冷凝器的传热特性计算得到冷凝温度、冷凝压力;
求解子模块10334,用于结合冷水机组的负荷率,并利用冷水机组的能效模型求解冷水机组对应的能效比及冷水机组的能耗;
第三计算子模块10335,用于根据冷却塔在室外气象条件下的散热模型,计算冷却塔排放冷凝热所需风量。
参照图7所示,根据本发明的一个实施例,所述在线调节单元104包括:
获取模块1041,用于获取冷水机组中各设备的优化参数,对用户用冷负荷进行动态分析计算,确定冷水机组运行数量。
制定模块1042,用于依据冷负荷需求并利用智能数据库制定冷水机组中各设备的运行参数,所述运行参数包括冷冻出水温度、冷冻水出回水温差、冷却水出回水温差、冷却水回水温度、冷却塔风机风量、室外温度、新回风量、空调区域温度。
调节模块1043,用于在线计算并调节输出控制水泵运行频率、阀门工作位置。
修正模块1044,用于在线计算冷源系统的整体功耗,并在线修正智能数据库,使冷源系统工作逐步稳定在满足“最小约束条件”下的最佳工作点。
根据本发明实施例提供的基于遗传算法和负荷在线修正的中央空调控制装置,可实现对中央空调系统的自动寻优计算,提高中央空调控制系统的运行速度和稳定性,实现空调系统的自动化节能运行。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置或系统类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于遗传算法和负荷在线修正的中央空调控制方法,其特征在于,包括:
采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息;
根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型,所述冷负荷包括人员、电气设备、照明设备、新风系统及围护结构中的至少一种,所述冷源系统包括多个冷水机组,所述冷水机组包括制冷主机、冷却水泵、冷冻水泵、冷却塔及风柜中的至少一种;
利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数;
根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。
2.根据权利要求1所述的基于遗传算法和负荷在线修正的中央空调控制方法,其特征在于,所述利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数包括:
利用所述冷源能效模型运行的实验数据,辨识各个设备的模型参数,并根据各个设备的模型参数建立各个设备的设备能效模型;
根据冷源系统的运行约束条件和优化控制变量建立冷源能效优化模型;
利用冷源能效优化模型及所述运行约束条件计算种群的个体适应度值,并判断是否符合优化标准;
如果符合优化标准,则输出最优个体及其代表的最优解,并结束寻优计算,否则,执行遗传算法中的选择、交叉及变异操作,以产生新一代种群,并计算新一代种群的个体适应度值,判断是否优化标准,如此循环,直至符合优化标准,输出最优个体及其代表的最优解。
3.根据权利要求2所述的基于遗传算法和负荷在线修正的中央空调控制方法,其特征在于,所述利用冷源能效优化模型及所述运行约束条件计算种群的个体适应度值包括:
根据所述冷负荷预测模型的参数及冷源系统的优化控制变量确定冷水机组的负荷分配及冷水机组的开启台数及频率大小;
根据冷水机组、冷冻水泵及冷却水泵能量守恒计算出相应的冷凝热量、冷却水流量及冷却水的出水温度;
根据蒸发器的传热特性计算得到相应蒸发温度、蒸发压力,以及根据冷凝器的传热特性计算得到冷凝温度、冷凝压力;
结合冷水机组的负荷率,并利用冷水机组的能效模型求解冷水机组对应的能效比及冷水机组的能耗;
根据冷却塔在室外气象条件下的散热模型,计算冷却塔排放冷凝热所需风量。
4.根据权利要求2所述的基于遗传算法和负荷在线修正的中央空调控制方法,其特征在于,所述根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正包括:
获取冷水机组中各设备的优化参数,对用户用冷负荷进行动态分析计算,确定冷水机组运行数量;
依据冷负荷需求并利用智能数据库制定冷水机组中各设备的运行参数,所述运行参数包括冷冻出水温度、冷冻水出回水温差、冷却水出回水温差、冷却水回水温度、冷却塔风机风量、室外温度、新回风量、空调区域温度;
在线计算并调节输出控制水泵运行频率、阀门工作位置;
在线计算冷源系统的整体功耗,并在线修正智能数据库,使冷源系统工作逐步稳定在满足“最小约束条件”下的最佳工作点。
5.一种基于遗传算法和负荷在线修正的中央空调控制装置,其特征在于,包括:
采集单元,用于采集冷源系统的能耗信息、冷量信息、运行信息及室外气象信息;
模型建立单元,用于根据所述能耗信息、冷量信息及室外气象信息建立冷负荷预测模型,以及根据所述运行信息及所述冷负荷预测模型的冷负荷预测值建立冷源能效模型,所述冷负荷包括人员、电气设备、照明设备、新风系统及围护结构中的至少一种,所述冷源系统包括多个冷水机组,所述冷水机组包括制冷主机、冷却水泵、冷冻水泵、冷却塔及风柜中的至少一种;
优化单元,用于利用遗传算法对冷源能效模型的运行参数作寻优处理以得到优化参数;
在线调节单元,用于根据所述优化参数并利用智能控制对冷源系统中各个设备的运行参数进行在线调节修正。
6.根据权利要求5所述的基于遗传算法和负荷在线修正的中央空调控制装置,其特征在于,所述优化单元包括:
第一建模模块,用于利用所述冷源能效模型运行的实验数据,辨识各个设备的模型参数,并根据各个设备的模型参数建立各个设备的设备能效模型;
第二建模模块,用于根据冷源系统的运行约束条件和优化控制变量建立冷源能效优化模型;
计算模块,用于利用冷源能效优化模型及所述运行约束条件计算种群的个体适应度值,并判断是否符合优化标准;
执行模块,用于如果符合优化标准,则输出最优个体及其代表的最优解,并结束寻优计算,否则,执行遗传算法中的选择、交叉及变异操作,以产生新一代种群,并计算新一代种群的个体适应度值,判断是否优化标准,如此循环,直至符合优化标准,输出最优个体及其代表的最优解。
7.根据权利要求6所述的基于遗传算法和负荷在线修正的中央空调控制装置,其特征在于,所述计算模块包括:
确认子模块,用于根据所述冷负荷预测模型的参数及冷源系统的优化控制变量确定冷水机组的负荷分配及冷水机组的开启台数及频率大小;
第一计算子模块,用于根据冷水机组、冷冻水泵及冷却水泵能量守恒计算出相应的冷凝热量、冷却水流量及冷却水的出水温度;
第二计算子模块,根据蒸发器的传热特性计算得到相应蒸发温度、蒸发压力,以及根据冷凝器的传热特性计算得到冷凝温度、冷凝压力;
求解子模块,用于结合冷水机组的负荷率,并利用冷水机组的能效模型求解冷水机组对应的能效比及冷水机组的能耗;
第三计算子模块,用于根据冷却塔在室外气象条件下的散热模型,计算冷却塔排放冷凝热所需风量。
8.根据权利要求6所述的基于遗传算法和负荷在线修正的中央空调控制方法,其特征在于,所述在线调节单元包括:
获取模块,用于获取冷水机组中各设备的优化参数,对用户用冷负荷进行动态分析计算,确定冷水机组运行数量;
制定模块,用于依据冷负荷需求并利用智能数据库制定冷水机组中各设备的运行参数,所述运行参数包括冷冻出水温度、冷冻水出回水温差、冷却水出回水温差、冷却水回水温度、冷却塔风机风量、室外温度、新回风量、空调区域温度;
调节模块,用于在线计算并调节输出控制水泵运行频率、阀门工作位置;
修正模块,用于在线计算冷源系统的整体功耗,并在线修正智能数据库,使冷源系统工作逐步稳定在满足“最小约束条件”下的最佳工作点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091391.0A CN108489013A (zh) | 2018-01-30 | 2018-01-30 | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091391.0A CN108489013A (zh) | 2018-01-30 | 2018-01-30 | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108489013A true CN108489013A (zh) | 2018-09-04 |
Family
ID=63344015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810091391.0A Pending CN108489013A (zh) | 2018-01-30 | 2018-01-30 | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108489013A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110392515A (zh) * | 2019-07-23 | 2019-10-29 | 上海朗绿建筑科技股份有限公司 | 一种基于历史数据的冷热源机房节能控制方法及系统 |
CN110553351A (zh) * | 2019-09-06 | 2019-12-10 | 珠海格力电器股份有限公司 | 空调器设备负荷率的优化方法与空调云群控系统 |
CN110705756A (zh) * | 2019-09-07 | 2020-01-17 | 创新奇智(重庆)科技有限公司 | 一种基于输入凸神经网络的电力能耗优化控制方法 |
CN110836512A (zh) * | 2019-11-14 | 2020-02-25 | 南京亚派软件技术有限公司 | 一种基于负荷预测的中央空调群控方法 |
CN110895038A (zh) * | 2019-12-06 | 2020-03-20 | 创新奇智(重庆)科技有限公司 | 基于机器学习的水冷式冷水机组的能耗优化方法与系统 |
CN110906519A (zh) * | 2019-12-06 | 2020-03-24 | 创新奇智(重庆)科技有限公司 | 基于机器学习的风冷式冷水机组的能耗优化方法与系统 |
CN111125933A (zh) * | 2020-01-02 | 2020-05-08 | 珠海格力电器股份有限公司 | 中央空调仿真模型的修正方法及系统 |
CN111649464A (zh) * | 2020-05-14 | 2020-09-11 | 深圳市华阳国际工程设计股份有限公司 | 智能制冷系统的控制方法、系统、服务器以及计算机存储介质 |
CN112327965A (zh) * | 2020-11-13 | 2021-02-05 | 南京百敖软件有限公司 | 基于遗传算法的温度调节自适应分布式装置的优化方法 |
CN112413762A (zh) * | 2020-11-27 | 2021-02-26 | 上海碳索能源服务股份有限公司 | 一种制冷机房冷却水系统参数优化方法和系统 |
CN112747419A (zh) * | 2021-01-21 | 2021-05-04 | 长江慧控科技(武汉)有限公司 | 中央空调风水联动控制方法、装置、设备及存储介质 |
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 |
CN113028610A (zh) * | 2021-04-12 | 2021-06-25 | 北京信息科技大学 | 中央空调动态负荷全局优化与节能控制的方法和装置 |
CN113654215A (zh) * | 2021-09-03 | 2021-11-16 | 上海美控智慧建筑有限公司 | 中央空调系统处理方法、装置和电子设备 |
CN114251753A (zh) * | 2021-12-29 | 2022-03-29 | 西安建筑科技大学 | 一种冰蓄冷空调冷负荷需求预测分配方法及系统 |
CN114396712A (zh) * | 2022-01-17 | 2022-04-26 | 北京英沣特能源技术有限公司 | 一种数据中心节能系统及其控制方法 |
CN115597182A (zh) * | 2022-10-19 | 2023-01-13 | 深圳昌恩智能股份有限公司(Cn) | 一种中央空调智能控制设备及中央空调系统 |
CN115755628A (zh) * | 2022-12-19 | 2023-03-07 | 成都迅宏自控设备有限公司 | 基于遗传算法的中央空调节能控制方法 |
CN115839536A (zh) * | 2022-10-31 | 2023-03-24 | 清华大学 | 基于电力调节的分体空调和冷水机组远端响应及控制方法 |
CN116772369A (zh) * | 2023-08-24 | 2023-09-19 | 南通华信中央空调有限公司 | 一种智能环保节能供冷系统及方法 |
EP4073438A4 (en) * | 2019-12-11 | 2023-12-20 | Baltimore Aircoil Company, Inc. | MACHINE LEARNING OPTIMIZED HEAT EXCHANGER SYSTEM |
CN117366810A (zh) * | 2023-10-26 | 2024-01-09 | 中国建筑科学研究院有限公司 | 一种空调系统控制方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251291A (zh) * | 2008-04-03 | 2008-08-27 | 上海交通大学 | 基于模型的集中空调系统全局优化节能控制方法及装置 |
WO2012048443A1 (zh) * | 2010-10-13 | 2012-04-19 | 日滔贸易(上海)有限公司 | 一种冷冻机房节能优化控制系统及方法 |
CN104101062A (zh) * | 2013-11-30 | 2014-10-15 | 深圳市作夏科技有限公司 | 一种冰蓄冷中央空调节能管理系统 |
CN104566868A (zh) * | 2015-01-27 | 2015-04-29 | 徐建成 | 一种中央空调控制系统及其控制方法 |
CN104633857A (zh) * | 2014-10-16 | 2015-05-20 | 联和环保科技有限公司 | 一种空调节能优化控制方法及装置 |
-
2018
- 2018-01-30 CN CN201810091391.0A patent/CN108489013A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251291A (zh) * | 2008-04-03 | 2008-08-27 | 上海交通大学 | 基于模型的集中空调系统全局优化节能控制方法及装置 |
WO2012048443A1 (zh) * | 2010-10-13 | 2012-04-19 | 日滔贸易(上海)有限公司 | 一种冷冻机房节能优化控制系统及方法 |
CN104101062A (zh) * | 2013-11-30 | 2014-10-15 | 深圳市作夏科技有限公司 | 一种冰蓄冷中央空调节能管理系统 |
CN104633857A (zh) * | 2014-10-16 | 2015-05-20 | 联和环保科技有限公司 | 一种空调节能优化控制方法及装置 |
CN104566868A (zh) * | 2015-01-27 | 2015-04-29 | 徐建成 | 一种中央空调控制系统及其控制方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110392515A (zh) * | 2019-07-23 | 2019-10-29 | 上海朗绿建筑科技股份有限公司 | 一种基于历史数据的冷热源机房节能控制方法及系统 |
CN110553351B (zh) * | 2019-09-06 | 2020-08-11 | 珠海格力电器股份有限公司 | 空调器设备负荷率的优化方法与空调云群控系统 |
CN110553351A (zh) * | 2019-09-06 | 2019-12-10 | 珠海格力电器股份有限公司 | 空调器设备负荷率的优化方法与空调云群控系统 |
WO2021042847A1 (zh) * | 2019-09-06 | 2021-03-11 | 珠海格力电器股份有限公司 | 空调器设备负荷率的优化方法与空调云群控系统 |
CN110705756A (zh) * | 2019-09-07 | 2020-01-17 | 创新奇智(重庆)科技有限公司 | 一种基于输入凸神经网络的电力能耗优化控制方法 |
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 |
CN110836512A (zh) * | 2019-11-14 | 2020-02-25 | 南京亚派软件技术有限公司 | 一种基于负荷预测的中央空调群控方法 |
CN110906519A (zh) * | 2019-12-06 | 2020-03-24 | 创新奇智(重庆)科技有限公司 | 基于机器学习的风冷式冷水机组的能耗优化方法与系统 |
CN110895038A (zh) * | 2019-12-06 | 2020-03-20 | 创新奇智(重庆)科技有限公司 | 基于机器学习的水冷式冷水机组的能耗优化方法与系统 |
EP4073438A4 (en) * | 2019-12-11 | 2023-12-20 | Baltimore Aircoil Company, Inc. | MACHINE LEARNING OPTIMIZED HEAT EXCHANGER SYSTEM |
CN111125933B (zh) * | 2020-01-02 | 2021-04-27 | 珠海格力电器股份有限公司 | 中央空调仿真模型的修正方法及系统 |
CN111125933A (zh) * | 2020-01-02 | 2020-05-08 | 珠海格力电器股份有限公司 | 中央空调仿真模型的修正方法及系统 |
CN111649464A (zh) * | 2020-05-14 | 2020-09-11 | 深圳市华阳国际工程设计股份有限公司 | 智能制冷系统的控制方法、系统、服务器以及计算机存储介质 |
CN112327965B (zh) * | 2020-11-13 | 2021-09-10 | 南京百敖软件有限公司 | 基于遗传算法的温度调节自适应分布式装置的优化方法 |
CN112327965A (zh) * | 2020-11-13 | 2021-02-05 | 南京百敖软件有限公司 | 基于遗传算法的温度调节自适应分布式装置的优化方法 |
CN112413762A (zh) * | 2020-11-27 | 2021-02-26 | 上海碳索能源服务股份有限公司 | 一种制冷机房冷却水系统参数优化方法和系统 |
CN112747419A (zh) * | 2021-01-21 | 2021-05-04 | 长江慧控科技(武汉)有限公司 | 中央空调风水联动控制方法、装置、设备及存储介质 |
CN113028610A (zh) * | 2021-04-12 | 2021-06-25 | 北京信息科技大学 | 中央空调动态负荷全局优化与节能控制的方法和装置 |
CN113654215A (zh) * | 2021-09-03 | 2021-11-16 | 上海美控智慧建筑有限公司 | 中央空调系统处理方法、装置和电子设备 |
CN114251753A (zh) * | 2021-12-29 | 2022-03-29 | 西安建筑科技大学 | 一种冰蓄冷空调冷负荷需求预测分配方法及系统 |
CN114396712A (zh) * | 2022-01-17 | 2022-04-26 | 北京英沣特能源技术有限公司 | 一种数据中心节能系统及其控制方法 |
CN115597182A (zh) * | 2022-10-19 | 2023-01-13 | 深圳昌恩智能股份有限公司(Cn) | 一种中央空调智能控制设备及中央空调系统 |
CN115839536A (zh) * | 2022-10-31 | 2023-03-24 | 清华大学 | 基于电力调节的分体空调和冷水机组远端响应及控制方法 |
CN115839536B (zh) * | 2022-10-31 | 2023-08-15 | 清华大学 | 基于电力调节的分体空调和冷水机组远端响应及控制方法 |
CN115755628A (zh) * | 2022-12-19 | 2023-03-07 | 成都迅宏自控设备有限公司 | 基于遗传算法的中央空调节能控制方法 |
CN116772369A (zh) * | 2023-08-24 | 2023-09-19 | 南通华信中央空调有限公司 | 一种智能环保节能供冷系统及方法 |
CN117366810A (zh) * | 2023-10-26 | 2024-01-09 | 中国建筑科学研究院有限公司 | 一种空调系统控制方法和装置 |
CN117366810B (zh) * | 2023-10-26 | 2024-06-07 | 中国建筑科学研究院有限公司 | 一种空调系统控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108489013A (zh) | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 | |
US20210123625A1 (en) | Low-cost commissioning method for the air-conditioning systems in existing large public buildings | |
CN110392515B (zh) | 一种基于历史数据的冷热源机房节能控制方法及系统 | |
CN104534627B (zh) | 中央空调冷却水系统综合能效控制方法 | |
CN103062861B (zh) | 用于中央空调的节能监控方法及系统 | |
CN108413567A (zh) | 基于物联网的中央空调节费优化方法与系统 | |
Zhu et al. | Modelling and applications of annual energy-using simulation module of separated heat pipe heat exchanger | |
CN109917646B (zh) | 一种区域供冷供热设备优化运行系统及方法 | |
CN110107989A (zh) | 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法 | |
CN111649457B (zh) | 一种动态预测性机器学习型空调节能控制方法 | |
CN201812187U (zh) | 基于云计算的电子信息系统机房能源管理控制系统 | |
CN105004002A (zh) | 用于中央空调冷却水系统的节能控制系统及方法 | |
CN101655272A (zh) | 一种网络中央空调节能控制管理系统及其方法 | |
CN102193527A (zh) | 基于云计算的电子信息系统机房能源管理控制系统及方法 | |
CN111723533B (zh) | 一种地源热泵系统变频水泵节能计算方法 | |
CN110940061A (zh) | 中央空调控制方法及系统 | |
CN212720195U (zh) | 一种基于系统整体能效比cop最佳的冷却水系统控制装置 | |
CN114046593A (zh) | 一种动态预测性机器学习型空调节能控制方法及系统 | |
CN114154677A (zh) | 空调运行负荷模型构建和预测方法、装置、设备和介质 | |
CN112292013A (zh) | 基于时间序列的微模块数据中心热源预判和冷源调控方法 | |
CN115049141A (zh) | 用于制冷系统的控制方法、控制装置和制冷系统 | |
Xie et al. | Development of a group control strategy based on multi-step load forecasting and its application in hybrid ground source heat pump | |
CN113790516A (zh) | 中央空调制冷站全局优化节能控制方法、系统和电子设备 | |
CN111473480A (zh) | 一种基于决策树分类的中央空调节能控制方法 | |
CN101672510B (zh) | 空调系统优化运行模拟及监控方法 |
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: 20180904 |
|
RJ01 | Rejection of invention patent application after publication |