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

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ΔQ_yx(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ΔQ_js(t)、ΔQ_js(t+τ))和t时刻修正系数γ＝ΔQ_js(t)/ΔQ_yx(t)；根据Q_yc(t+τ)＝Q_yx(t)+ΔQ_js(t+τ)/γ得到t+τ的冷负荷预测值。后续基于Q_yc(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

一种空调系统冷负荷预测方法及冷水机组群控的策略

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Q_yx(t)和上一时刻t-τ的实际运行冷负荷Q_yx(t-τ)，计算其增量ΔQ_yx(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Q_js(t-τ)、Q_js(t)、Q_js(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ΔQ_js(t)、ΔQ_js(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ΔQ_yx(t)与冷负荷理论计算值的增量ΔQ_js(t)进行比较，计算t时刻冷负荷理论计算值的修正系数γ＝ΔQ_js(t)/ΔQ_yx(t)，用于对t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(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Q_yx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(t+τ)得到预测时刻t+τ的冷负荷预测值Q_yc(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Q_yx(t)和上一时刻t-τ的实际运行冷负荷Q_yx(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：

Q_js(t)＝a×T+b×T²+c×D+d×D²+e×R+f×R²+g，

其中，Q_js(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Q_yx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(t+τ)得到预测时刻t+τ的冷负荷预测值Q_yc(t+τ)，其计算方法为Q_yc(t+τ)＝Q_yx(t)+ΔQ_js(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Q_yc(t+τ)后，基于所述预测时刻t+τ的冷负荷预测值Q_yc(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Q_yx(t)和预测时刻t+τ的冷负荷预测值Q_yc(t+τ)；

步骤82：如果Q_yc(t+τ)>Q_yx(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Q_yc(t+τ)≤Q_yx(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Q_yc(t+τ)-Q_yx(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Q_yx(t)和上一时刻t-τ的实际运行冷负荷Q_yx(t-τ)，计算其增量ΔQ_yx(t)；

本实施例中，利用冷量表测量Q_yx(t)和Q_yx(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Q_js(t)＝a×T+b×T²+c×D+d×D²+e×R+f×R²+g，

其中，Q_js(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Q_js(t-τ)、Q_js(t)、Q_js(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ΔQ_js(t)、ΔQ_js(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ΔQ_yx(t)与冷负荷理论计算值的增量ΔQ_js(t)进行比较，计算t时刻冷负荷理论计算值的修正系数γ＝ΔQ_js(t)/ΔQ_yx(t)，用于对t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(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Q_yx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(t+τ)得到预测时刻t+τ的冷负荷预测值Q_yc(t+τ)，其计算方法为Q_yc(t+τ)＝Q_yx(t)+ΔQ_js(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Q_yc(t+τ)后，基于所述预测时刻t+τ的冷负荷预测值Q_yc(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Q_yx(t)和预测时刻t+τ的冷负荷预测值Q_yc(t+τ)；

步骤82：如果Q_yc(t+τ)>Q_yx(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Q_yc(t+τ)≤Q_yx(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Q_yc(t+τ)-Q_yx(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Q_yx(t)和上一时刻t-τ的实际运行冷负荷Q_yx(t-τ)，计算其增量ΔQ_yx(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Q_js(t-τ)、Q_js(t)、Q_js(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ΔQ_js(t)、ΔQ_js(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ΔQ_yx(t)与冷负荷理论计算值的增量ΔQ_js(t)进行比较，计算t时刻冷负荷理论计算值的修正系数γ＝ΔQ_js(t)/ΔQ_yx(t)，用于对t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(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Q_yx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(t+τ)得到预测时刻t+τ的冷负荷预测值Q_yc(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Q_yx(t)和上一时刻t-τ的实际运行冷负荷Q_yx(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：

Q_js(t)＝a×T+b×T²+c×D+d×D²+e×R+f×R²+g，

其中，Q_js(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Q_yx(t)与修正后的t至t+τ时段的冷负荷理论计算值的增量ΔQ_js(t+τ)得到预测时刻t+τ的冷负荷预测值Q_yc(t+τ)，其计算方法为Q_yc(t+τ)＝Q_yx(t)+ΔQ_js(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Q_yc(t+τ)后，基于所述预测时刻t+τ的冷负荷预测值Q_yc(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Q_yx(t)和预测时刻t+τ的冷负荷预测值Q_yc(t+τ)；

步骤82：如果Q_yc(t+τ)>Q_yx(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Q_yc(t+τ)≤Q_yx(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Q_yc(t+τ)-Q_yx(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。