CN108709287A - 一种空调系统冷负荷预测方法及冷水机组群控的策略 - Google Patents
一种空调系统冷负荷预测方法及冷水机组群控的策略 Download PDFInfo
- Publication number
- CN108709287A CN108709287A CN201810290433.3A CN201810290433A CN108709287A CN 108709287 A CN108709287 A CN 108709287A CN 201810290433 A CN201810290433 A CN 201810290433A CN 108709287 A CN108709287 A CN 108709287A
- Authority
- CN
- China
- Prior art keywords
- refrigeration duty
- air
- conditioning system
- cooling load
- load prediction
- 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
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
- F24F11/30—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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开空调系统冷负荷预测方法及冷水机组群控的策略,包括:计算t和t‑τ时刻冷负荷增量ΔQyx(t);建立模型并采集t‑τ、t、t+τ的气象参数,代入得到上述时刻的冷负荷理论计算值,再计算两个时段的冷负荷理论计算值增量ΔQjs(t)、ΔQjs(t+τ))和t时刻修正系数γ=ΔQjs(t)/ΔQyx(t);根据Qyc(t+τ)=Qyx(t)+ΔQjs(t+τ)/γ得到t+τ的冷负荷预测值。后续基于Qyc(t+τ)确定t+τ时刻的冷水机组群控策略。本发明以t时刻的空调运行实测冷负荷为预测起点,结合冷负荷理论计算模型,预测t+τ时刻的空调冷负荷,再调整冷水机组群控策略,提高了冷水机组运行能效。
Description
技术领域
本发明属于空调能耗控制技术领域,具体涉及一种空调系统冷负荷预测方法,还涉及一种基于冷负荷预测值进行冷水机组群控的策略。
背景技术
我国建筑能耗占全社会能耗高达三分之一,而暖通空调系统能耗占建筑总能耗60%以上,因此空调系统节能是建筑节能的重点任务。采用合理的冷水机组运行控制策略是提高空调系统能源利用效率的主要技术途径,而该途径的实现则需要准确的对空调系统运行过程中的冷负荷进行预测。
传统的空调系统冷水机组运行控制策略主要是通过监测回水温度来决定冷水机组的群控,由于空调冷冻水系统庞大,温度的变化具有较大的滞后性,不能准确反映空调运行过程中负荷动态变化的情况,造成冷水机组控制策略的失效。
因此,为了制订良好的冷水机组群控策略,提高空调系统能源利用效率,亟需一种准确的空调冷负荷预测方法。
发明内容
本发明的目的在于提供一种空调系统冷负荷预测方法,并提供一种基于冷负荷预测值进行冷水机组群控的策略,通过预测并根据预测结果来控制冷水机组的工作状态,提高空调系统能源利用效率。
本发明所采用的一种技术方案是:一种空调系统冷负荷预测方法,包括以下步骤:
步骤1:确定负荷预测周期τ;
步骤2:测得空调系统当前时刻t的实际运行冷负荷Qyx(t)和上一时刻t-τ的实际运行冷负荷Qyx(t-τ),计算其增量ΔQyx(t);
步骤3:建立以室外气象参数为变量的冷负荷理论计算模型;
步骤4:采集空调系统所在区域上一时刻t-τ、当前时刻t、预测时刻t+τ的室外气象参数;
步骤5:将采集的空调系统所在区域上一时刻t-τ、当前时刻t、预测时刻t+τ的室外气象参数输入步骤3建立的冷负荷理论计算模型中,计算得到上一时刻t-τ、当前时刻t、预测时刻t+τ的冷负荷理论计算值Qjs(t-τ)、Qjs(t)、Qjs(t+τ),再分别计算t-τ至t、t至t+τ两个时段的冷负荷理论计算值的增量ΔQjs(t)、ΔQjs(t+τ));
步骤6:将上一时刻t-τ、当前时刻t的实际运行冷负荷增量ΔQyx(t)与冷负荷理论计算值的增量ΔQjs(t)进行比较,计算t时刻冷负荷理论计算值的修正系数γ=ΔQjs(t)/ΔQyx(t),用于对t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)进行修正;
步骤7:基于空调系统在当前时刻t的实际运行冷负荷Qyx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)得到预测时刻t+τ的冷负荷预测值Qyc(t+τ)。
事例性的,所述步骤2中空调系统当前时刻t的实际运行冷负荷Qyx(t)和上一时刻t-τ的实际运行冷负荷Qyx(t-τ)由冷量表测得。
优选的,所述步骤3中以室外气象参数为变量建立的冷负荷理论计算模型为:
Qjs(t)=a×T+b×T2+c×D+d×D2+e×R+f×R2+g,
其中,Qjs(t)为t时刻的冷负荷理论计算值,a,b,c,d,e,f为系数,g为常数;T为室外温度,D为室外空气含湿量,R为太阳辐射量值;
所述步骤4中采用气象参数仪采集空调系统所在区域上一时刻t-τ、当前时刻t的室外温度、室外空气含湿量,太阳辐射量值,通过气象预报获取预测时刻t+τ的室外温度、室外空气含湿量,太阳辐射量值。
事例性的,所述步骤4中采用气象参数仪采集空调系统所在区域上一时刻t-τ、当前时刻t的室外气象参数,通过气象预报获取预测时刻t+τ的室外气象参数。
进一步的,所述步骤7中基于空调系统在当前时刻t的实际运行冷负荷Qyx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)得到预测时刻t+τ的冷负荷预测值Qyc(t+τ),其计算方法为Qyc(t+τ)=Qyx(t)+ΔQjs(t+τ)/γ。
本发明所采用的另一种技术方案是:一种基于冷负荷预测值进行冷水机组群控的策略,其利用如上所述的空调系统冷负荷预测方法得到预测时刻t+τ的冷负荷预测值Qyc(t+τ)后,基于所述预测时刻t+τ的冷负荷预测值Qyc(t+τ)确定t+τ时刻的冷水机组群控策略,具体为:
步骤81:比较当前时刻t的实际运行冷负荷Qyx(t)和预测时刻t+τ的冷负荷预测值Qyc(t+τ);
步骤82:如果Qyc(t+τ)>Qyx(t)时,说明预测时刻t+τ的冷负荷比当前时刻t的冷负荷增加,判断各运行机组的电流值,如果某一运行机组的电流值大于该机组运行电流的限定值,则运行加机策略,否则,继续按原模式运行;
如果Qyc(t+τ)≤Qyx(t)时,说明预测时刻t+τ的冷负荷比当前时刻t的冷负荷减少或不变,则计算Qyc(t+τ)-Qyx(t)的差值,如果计算差值大于某一运行机组的额定冷量,则运行减机策略,否则,继续按原模式运行。
本发明的有益效果是:本发明的本发明公开的一种空调系统冷负荷预测方法及冷水机组群控的策略将空调实际运行负荷和基于室外气象参数的冷负荷理论计算模型相结合,既考虑了空调系统运行的内在规律,又考虑了室外气象参数对空调负荷的外在影响,每一时刻的冷负荷预测都以当前实测空调运行负荷为出发点,冷负荷预测的误差不会累计,冷负荷预测精度更高。因此,基于冷负荷预测值进行冷水机组群控的策略可以有效提高冷水机组运行能效。
附图说明
图1是本发明一种空调系统冷负荷预测方法的流程图;
图2是本发明一种基于冷负荷预测值进行冷水机组群控的策略的流程图。
具体实施方式
为了使本发明方法的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明作进一步详细说明。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。
本发明提供的一种空调系统冷负荷预测方法,其流程图如图1所示,包括以下步骤:
步骤1:确定负荷预测周期τ;
步骤2:测得空调系统当前时刻t的实际运行冷负荷Qyx(t)和上一时刻t-τ的实际运行冷负荷Qyx(t-τ),计算其增量ΔQyx(t);
本实施例中,利用冷量表测量Qyx(t)和Qyx(t-τ)。
步骤3:建立以室外气象参数为变量的冷负荷理论计算模型;
具体地,本实施例的冷负荷理论计算模型为Qjs(t)=a×T+b×T2+c×D+d×D2+e×R+f×R2+g,
其中,Qjs(t)为t时刻的冷负荷理论计算值,a,b,c,d,e,f为系数,g为常数;T为室外温度,D为室外空气含湿量,R为太阳辐射量值。
步骤4:采集空调系统所在区域上一时刻t-τ、当前时刻t、预测时刻t+τ的室外气象参数;
本实施例中,采用气象参数仪采集空调所在区域上一时刻t-τ、当前时刻t的室外气象参数,通过气象预报获取预测时刻t+τ的室外气象参数,而气象参数则对应步骤3建立的以室外气象参数为变量的冷负荷理论计算模型,分别为室外温度、室外空气含湿量,太阳辐射量值。
步骤5:将采集的空调系统所在区域上一时刻t-τ、当前时刻t、预测时刻t+τ的室外气象参数输入步骤3建立的冷负荷理论计算模型中,计算得到上一时刻t-τ、当前时刻t、预测时刻t+τ的冷负荷理论计算值Qjs(t-τ)、Qjs(t)、Qjs(t+τ),再分别计算t-τ至t、t至t+τ两个时段的冷负荷理论计算值的增量ΔQjs(t)、ΔQjs(t+τ));
步骤6:将上一时刻t-τ、当前时刻t的实际运行冷负荷增量ΔQyx(t)与冷负荷理论计算值的增量ΔQjs(t)进行比较,计算t时刻冷负荷理论计算值的修正系数γ=ΔQjs(t)/ΔQyx(t),用于对t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)进行修正;
步骤7:基于空调系统在当前时刻t的实际运行冷负荷Qyx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)得到预测时刻t+τ的冷负荷预测值Qyc(t+τ),其计算方法为Qyc(t+τ)=Qyx(t)+ΔQjs(t+τ)/γ。
本发明还提供一种基于冷负荷预测值进行冷水机组群控的策略,其流程图如图2所示,利用如上所述的空调系统冷负荷预测方法得到预测时刻t+τ的冷负荷预测值Qyc(t+τ)后,基于所述预测时刻t+τ的冷负荷预测值Qyc(t+τ)确定t+τ时刻的冷水机组群控策略,具体为:
步骤81:比较当前时刻t的实际运行冷负荷Qyx(t)和预测时刻t+τ的冷负荷预测值Qyc(t+τ);
步骤82:如果Qyc(t+τ)>Qyx(t)时,说明预测时刻t+τ的冷负荷比当前时刻t的冷负荷增加,判断各运行机组的电流值,如果某一运行机组的电流值大于该机组运行电流的限定值,则运行加机策略,否则,继续按原模式运行;
如果Qyc(t+τ)≤Qyx(t)时,说明预测时刻t+τ的冷负荷比当前时刻t的冷负荷减少或不变,则计算Qyc(t+τ)-Qyx(t)的差值,如果计算差值大于某一运行机组的额定冷量,则运行减机策略,否则,继续按原模式运行。
上述加机策略及减机策略为本领域公知方法,在此不一一赘述。
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 (6)
1.一种空调系统冷负荷预测方法,其特征在于,包括以下步骤:
步骤1:确定负荷预测周期τ;
步骤2:测得空调系统当前时刻t的实际运行冷负荷Qyx(t)和上一时刻t-τ的实际运行冷负荷Qyx(t-τ),计算其增量ΔQyx(t);
步骤3:建立以室外气象参数为变量的冷负荷理论计算模型;
步骤4:采集空调系统所在区域上一时刻t-τ、当前时刻t、预测时刻t+τ的室外气象参数;
步骤5:将采集的空调系统所在区域上一时刻t-τ、当前时刻t、预测时刻t+τ的室外气象参数输入步骤3建立的冷负荷理论计算模型中,计算得到上一时刻t-τ、当前时刻t、预测时刻t+τ的冷负荷理论计算值Qjs(t-τ)、Qjs(t)、Qjs(t+τ),再分别计算t-τ至t、t至t+τ两个时段的冷负荷理论计算值的增量ΔQjs(t)、ΔQjs(t+τ));
步骤6:将上一时刻t-τ、当前时刻t的实际运行冷负荷增量ΔQyx(t)与冷负荷理论计算值的增量ΔQjs(t)进行比较,计算t时刻冷负荷理论计算值的修正系数γ=ΔQjs(t)/ΔQyx(t),用于对t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)进行修正;
步骤7:基于空调系统在当前时刻t的实际运行冷负荷Qyx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)得到预测时刻t+τ的冷负荷预测值Qyc(t+τ)。
2.如权利要求1所述的一种空调系统冷负荷预测方法,其特征在于,所述步骤2中空调系统当前时刻t的实际运行冷负荷Qyx(t)和上一时刻t-τ的实际运行冷负荷Qyx(t-τ)由冷量表测得。
3.如权利要求1所述的一种空调系统冷负荷预测方法,其特征在于,所述步骤3中以室外气象参数为变量建立的冷负荷理论计算模型为:
Qjs(t)=a×T+b×T2+c×D+d×D2+e×R+f×R2+g,
其中,Qjs(t)为t时刻的冷负荷理论计算值,a,b,c,d,e,f为系数,g为常数;T为室外温度,D为室外空气含湿量,R为太阳辐射量值;
所述步骤4中采用气象参数仪采集空调系统所在区域上一时刻t-τ、当前时刻t的室外温度、室外空气含湿量,太阳辐射量值,通过气象预报获取预测时刻t+τ的室外温度、室外空气含湿量,太阳辐射量值。
4.如权利要求1所述的一种空调系统冷负荷预测方法,其特征在于,所述步骤4中采用气象参数仪采集空调系统所在区域上一时刻t-τ、当前时刻t的室外气象参数,通过气象预报获取预测时刻t+τ的室外气象参数。
5.如权利要求1所述的一种空调系统冷负荷预测方法,其特征在于,所述步骤7中基于空调系统在当前时刻t的实际运行冷负荷Qyx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQjs(t+τ)得到预测时刻t+τ的冷负荷预测值Qyc(t+τ),其计算方法为Qyc(t+τ)=Qyx(t)+ΔQjs(t+τ)/γ。
6.一种基于冷负荷预测值进行冷水机组群控的策略,其特征在于,利用如权利要求1-5任一项所述的空调系统冷负荷预测方法得到预测时刻t+τ的冷负荷预测值Qyc(t+τ)后,基于所述预测时刻t+τ的冷负荷预测值Qyc(t+τ)确定t+τ时刻的冷水机组群控策略,具体为:
步骤81:比较当前时刻t的实际运行冷负荷Qyx(t)和预测时刻t+τ的冷负荷预测值Qyc(t+τ);
步骤82:如果Qyc(t+τ)>Qyx(t)时,说明预测时刻t+τ的冷负荷比当前时刻t的冷负荷增加,判断各运行机组的电流值,如果某一运行机组的电流值大于该机组运行电流的限定值,则运行加机策略,否则,继续按原模式运行;
如果Qyc(t+τ)≤Qyx(t)时,说明预测时刻t+τ的冷负荷比当前时刻t的冷负荷减少或不变,则计算Qyc(t+τ)-Qyx(t)的差值,如果计算差值大于某一运行机组的额定冷量,则运行减机策略,否则,继续按原模式运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290433.3A CN108709287B (zh) | 2018-04-03 | 2018-04-03 | 一种空调系统冷负荷预测方法及冷水机组群控的策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290433.3A CN108709287B (zh) | 2018-04-03 | 2018-04-03 | 一种空调系统冷负荷预测方法及冷水机组群控的策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108709287A true CN108709287A (zh) | 2018-10-26 |
CN108709287B CN108709287B (zh) | 2020-09-01 |
Family
ID=63866543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810290433.3A Active CN108709287B (zh) | 2018-04-03 | 2018-04-03 | 一种空调系统冷负荷预测方法及冷水机组群控的策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108709287B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222398A (zh) * | 2019-05-29 | 2019-09-10 | 广州汇电云联互联网科技有限公司 | 冷水机组人工智能控制方法、装置、存储介质及终端设备 |
CN110726217A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置 |
CN110895029A (zh) * | 2019-11-27 | 2020-03-20 | 南京亚派软件技术有限公司 | 一种基于冷冻水的温度的建筑负荷预测方法 |
CN112268350A (zh) * | 2020-10-22 | 2021-01-26 | 天津大学 | 一种基于系统延迟性的空调侧负荷预测方法 |
CN112283890A (zh) * | 2020-10-26 | 2021-01-29 | 济中节能技术(苏州)有限公司 | 适应建筑暖通设备监控系统的冷热量控制方法及装置 |
CN112665123A (zh) * | 2020-12-10 | 2021-04-16 | 珠海格力电器股份有限公司 | 建筑负荷预测方法、装置及中央空调 |
CN114413428A (zh) * | 2022-01-25 | 2022-04-29 | 青岛海信日立空调系统有限公司 | 中央空调 |
CN114719408A (zh) * | 2022-03-29 | 2022-07-08 | 湖北合合能源科技发展有限公司 | 一种利用气象数据调节中央空调系统的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043907A (zh) * | 2010-12-29 | 2011-05-04 | 上海大学 | 空调房间实时冷负荷确定方法 |
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 |
CN102779228A (zh) * | 2012-06-07 | 2012-11-14 | 华南理工大学 | 商场建筑中央空调冷负荷在线预测方法及系统 |
CN104008427A (zh) * | 2014-05-16 | 2014-08-27 | 华南理工大学 | 基于bp神经网络的中央空调冷负荷的预测方法 |
JP2014202468A (ja) * | 2013-04-10 | 2014-10-27 | 東日本旅客鉄道株式会社 | 地下駅空気調和予測装置、及び、プログラム |
CN105627506A (zh) * | 2015-12-25 | 2016-06-01 | 深圳达实智能股份有限公司 | 一种空调冷机的建筑冷负荷预测方法及装置 |
-
2018
- 2018-04-03 CN CN201810290433.3A patent/CN108709287B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043907A (zh) * | 2010-12-29 | 2011-05-04 | 上海大学 | 空调房间实时冷负荷确定方法 |
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 |
CN102779228A (zh) * | 2012-06-07 | 2012-11-14 | 华南理工大学 | 商场建筑中央空调冷负荷在线预测方法及系统 |
JP2014202468A (ja) * | 2013-04-10 | 2014-10-27 | 東日本旅客鉄道株式会社 | 地下駅空気調和予測装置、及び、プログラム |
CN104008427A (zh) * | 2014-05-16 | 2014-08-27 | 华南理工大学 | 基于bp神经网络的中央空调冷负荷的预测方法 |
CN105627506A (zh) * | 2015-12-25 | 2016-06-01 | 深圳达实智能股份有限公司 | 一种空调冷机的建筑冷负荷预测方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222398A (zh) * | 2019-05-29 | 2019-09-10 | 广州汇电云联互联网科技有限公司 | 冷水机组人工智能控制方法、装置、存储介质及终端设备 |
CN110222398B (zh) * | 2019-05-29 | 2023-01-13 | 广州汇电云联互联网科技有限公司 | 冷水机组人工智能控制方法、装置、存储介质及终端设备 |
CN110726217A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置 |
CN110726217B (zh) * | 2019-10-29 | 2021-01-01 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置 |
CN110895029A (zh) * | 2019-11-27 | 2020-03-20 | 南京亚派软件技术有限公司 | 一种基于冷冻水的温度的建筑负荷预测方法 |
CN112268350A (zh) * | 2020-10-22 | 2021-01-26 | 天津大学 | 一种基于系统延迟性的空调侧负荷预测方法 |
CN112283890A (zh) * | 2020-10-26 | 2021-01-29 | 济中节能技术(苏州)有限公司 | 适应建筑暖通设备监控系统的冷热量控制方法及装置 |
CN112665123A (zh) * | 2020-12-10 | 2021-04-16 | 珠海格力电器股份有限公司 | 建筑负荷预测方法、装置及中央空调 |
CN112665123B (zh) * | 2020-12-10 | 2022-04-29 | 珠海格力电器股份有限公司 | 建筑负荷预测方法、装置及中央空调 |
CN114413428A (zh) * | 2022-01-25 | 2022-04-29 | 青岛海信日立空调系统有限公司 | 中央空调 |
CN114719408A (zh) * | 2022-03-29 | 2022-07-08 | 湖北合合能源科技发展有限公司 | 一种利用气象数据调节中央空调系统的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108709287B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108709287A (zh) | 一种空调系统冷负荷预测方法及冷水机组群控的策略 | |
CN102043907B (zh) | 空调房间实时冷负荷确定方法 | |
Braun | Load control using building thermal mass | |
Yao et al. | Optimal operation of a large cooling system based on an empirical model | |
CN103499136B (zh) | 一种具有次日能耗模拟功能的冰蓄冷控制系统 | |
CN103912966B (zh) | 一种地源热泵制冷系统优化控制方法 | |
CN105650808B (zh) | 冷水机组冷冻水出水温度的调控方法和装置 | |
CN106018470B (zh) | 一种建筑墙体动态传热过程测试方法 | |
CN105091209B (zh) | 一种基于空调负荷预测的控制系统及方法 | |
CN107781947A (zh) | 一种建筑空调系统冷热源预测控制方法和装置 | |
JP2011043306A (ja) | 省エネ空調制御システム | |
CN108197404A (zh) | 一种基于时间遗传特性的建筑负荷预测方法 | |
CN107192003A (zh) | 用于供暖调节的方法及装置 | |
CN108320042A (zh) | 循环水系统的优化方法与装置 | |
CN106841289B (zh) | 一种利用太阳光检测遮阳产品隔热性能的装置及方法 | |
CN106369735B (zh) | 一种新风空调代替空调器空调的节电量确定方法 | |
CN108426354A (zh) | 基于辐射时间序列方法的空调负荷预测系统 | |
CN101916094A (zh) | 一种地源热泵预警控制器及其控制方法 | |
CN107270384A (zh) | 用于供暖调节的方法及装置 | |
CN110135649A (zh) | 短期建筑能耗区间预测方法、系统、介质及设备 | |
JPH0835706A (ja) | 空調熱負荷予測システム | |
CN106765957B (zh) | 基于负荷预测与舒适度反馈的供水变温度控制系统 | |
CN203501387U (zh) | 一种具有次日能耗模拟功能的冰蓄冷控制系统 | |
CN208567008U (zh) | 基于辐射时间序列方法的空调负荷预测系统 | |
CN115375104A (zh) | 一种基于电力大数据的建筑节能潜力评估方法及装置 |
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 |