CN108895633A - 利用建筑结构作为蓄冷介质的中央空调系统控制方法 - Google Patents
利用建筑结构作为蓄冷介质的中央空调系统控制方法 Download PDFInfo
- Publication number
- CN108895633A CN108895633A CN201810433852.8A CN201810433852A CN108895633A CN 108895633 A CN108895633 A CN 108895633A CN 201810433852 A CN201810433852 A CN 201810433852A CN 108895633 A CN108895633 A CN 108895633A
- Authority
- CN
- China
- Prior art keywords
- building
- air
- control method
- conditioning
- storage medium
- 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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- 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
Abstract
一种建筑空调控制技术领域的利用建筑结构作为蓄冷介质的中央空调系统控制方法,包括以下步骤:第一,将控制器布置在所需的建筑中,并预设关键参数;第二,使用神经网络算法,通过楼宇设备自控系统采集一段时间内的气象参数等信息来训练建筑模型以及空调水系统/风系统模型;第三,输入天气预报参数以及能源结构费率至以上步骤所获得的建筑以及系统模型,预测建筑冷热负荷及能源费用;第四,寻找建筑中空调系统的主机/水泵的启停时间以及启停台数、空调区域温度设定值的最优控制策略。本发明利用已有测量数据,通过神经网络算法,训练得出建筑及空调系统模型,从而获得中央空调系统控制方法。本发明设计合理,可用于商业建筑空调系统的优化控制。
Description
技术领域
本发明涉及一种建筑空调控制技术领域的启停控制、台数控制以及空调房间温度控制方法,特别是针对建筑结构质量厚重的利用建筑结构作为蓄冷介质的中央空调系统控制方法,这个控制方法的目的是降低建筑空调系统的运行费用。
背景技术
通常,为了降低电网高峰期负荷,电力公司在低负荷期间提供电价优惠。用户可以选择冰蓄冷或者水蓄冷的方式来利用这种优惠政策。蓄冷介质在谷电价期间制冷,并在峰电价期间释冷,这样用户可以减低电费而电网压力在高峰期间的负荷会降低。通常,水和乙二醇等会被作为蓄冷介质。但是,这些系统的造价比较高并且占地面积比较大。同时,由于系统构造复杂,系统维护的成本也非常高。
在许多商业建筑,建筑自身的结构材料有着巨大的蓄热能力。因此,优化控制器可以通过控制空调区间的温度设定值来控制冷机的开启控制建筑在谷电价期间预冷并在峰电价期间释冷,这样可以降低空调系统的电耗。
发明内容
本发明针对以上技术的不足,提出了一种利用建筑结构作为蓄冷介质的中央空调系统控制方法。这种控制方法应用于特定的建筑后,室内热湿负荷时间表、天气参数、电价结构、建筑基本结构数据、主机主要运行参数、空调末端主要运行参数等数据(数据量取决于建筑大小已经系统的复杂程度,通常为2-4周的数据)可以用来训练建筑和空调系统的模型。这些模型进而可以用于计算建筑在根据天气预报的参数和电价结构来确定空调机组的启停时间以及空调区域的温度设定值。
本发明是通过以下技术方案来实现的,本发明包括以下步骤:第一,将控制器布置在所需的建筑中,并预设关键参数:包括主要建筑参数(几何尺寸,窗墙比)、空调水系统/空气系统主要参数、室内热湿负荷;第二,使用神经网络算法,通过楼宇设备自控系统(BA系统)采集一段时间内的气象参数、室内环境温度、设备能耗、能源费率结构以及能源花费来训练建筑模型以及空调水系统/风系统模型,常将总费用方向分解为具有不同频率的设备能耗费用,而后将不同的设备能耗费用关联不同的预测模型;第三,输入天气预报参数以及能源结构费率至以上步骤所获得的建筑以及系统模型,从而预测建筑冷热负荷及能源费用;第四,寻找建筑中空调系统的主机/水泵的启停时间以及启停台数、空调区域温度设定值的最优控制策略,使得在此控制策略下的能源费用最低。
进一步地,在本发明中,建筑能耗模型以及主机和末端的效率模型,通过使用神经网络算法训练建筑和空调系统模型获得。
更进一步地,在本发明中,原有楼宇设备自控系统统控制器和新增传感器与智能控制器之间按照Motobus或者BACnet协议通信。
更进一步地,在本发明中,空调机组的控制策略以及空调区域的温度设定值,根据所获得的模型、天气预报参数和电价结构来确定。
更进一步地,在本发明中,所使用的中央空调控制策略可以用于模拟特定气候条件和时间下的能耗数据。
更进一步地,在本发明中,智能控制器中使用了天气预报以及电力公司的费率结构来预测建筑能耗。
在本发明中,通过使用测量数据训练建筑和空调系统模型,可以获得建筑能耗模型以及主机和末端的效率模型,这样模型的参数可以用来预测在特定气候条件和时间下的能耗数据。
空调水系统模型通常需要制冷机启停策略来预估主机的能耗。主机的运行效率通常和部分负荷率以及室外温度相关。
由于这种控制利用建筑结构材料本身蓄冷能力,建筑结构蓄冷能力可以由以下计算公式计算:
Q=Cp×m×ΔT
式中,Q表示建筑结构所蓄的热量,Cp表示建筑结构的比热,m表示建筑结构的质量,ΔT表示蓄冷温差。由上式可见,在因此建筑本身的质量与蓄冷量成正比。这种控制方式对于重型建筑(比如钢筋混凝土建筑,砖混结构建筑)和室内物质较多建筑(比如图书馆等)效果最好,而对于轻型建筑(钢结构建筑、大面积玻璃幕墙建筑)效果不够理想。
本发明的有益效果是:本发明可以降低业主空调系统运行费用,能有效降低新建建筑的设备容量的选型;同时,有利于缓解电网在用电高峰期的用电负荷。
附图说明
图1为本发明的流程图;
图2为本发明中各系统的连接示意图。
具体实施方式
下面结合附图对本发明的实施例作详细说明,本实施例以本发明技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例;凡本技术领域技术人员依据本发明的构思,在现有技术基础上通过逻辑分析、推理或有限实验可以得到的技术方案,均在本发明权利要求书所确定的保护范围内。
实施例
如图1和图2所示,本发明包括以下步骤:
第一,将一个智能控制器布置在一个建筑面积为5万平方米的20层商业综合体建筑中,空调系统为3台离心式水冷制冷机组,水泵采用3用1备一次泵变频系统,室内在制冷季节温度设定值为26℃,制热季节温度设定值为20摄氏度,室内负荷按国家公共建筑标准取值;
第二,使用神经网络算法,通过BA系统采集一段时间内的逐时干球温度(T0)、室内环境干球温度(例如T1,T2,…,Tn)、制冷机逐时电耗(K1,K2,…,Kn)、水泵逐时电耗(例如P1,P2,…,Pn)、空调风柜逐时电耗(例如A1,A2,…,An)、冷却塔逐时电耗(例如C1,C2,…,Cn)。一般情况下,逐时干球温度可以通过安装在室外的温度传感器获得;设备参数可以通过温度压力传感器以及与设备连通的通讯板卡获得;设备逐时电耗可以通过安装在设备中的分项电耗计量电表获得。同时从当地电力公司获得逐时电价结构以及逐时电费来训练建筑模型以及空调水系统/风系统模型。
所采集的数据步长要求不大于15分钟。原有BA系统控制器与智能控制器之间按照BACnet协议通信;传感器与智能控制器之间采用Motobus协议通信。
第三,每天输入第二天的天气预报参数以及和电力公司协议的逐时电费至所获得的建筑以及系统模型中,如果采用天然气作为部分设备的能源,则需要输入天然气的逐时气价;从而这些参数用于预测建筑冷热负荷及能源费用。
第四,以建筑的综合电费(或者包括天然气费用)最低为目标,模拟得出建筑中各个功能分区空调系统的主机/水泵清晨时的开启台数、主机出水温度设定值、水泵及风机的开启台数、空调区域温度逐时设定值。当系统在昼夜温差大时,尽早尽可能多地在夜间开启制冷主机、水泵等设备,用于冷却建筑结构的材料,从而降低空调系统在清晨的开机负荷以及午后的峰值负荷。
Claims (6)
1.一种利用建筑结构作为蓄冷介质的中央空调系统控制方法,其特征在于,包括以下步骤:第一,将控制器布置在所需的建筑中,并预设关键参数:包括主要建筑参数、空调水系统/空气系统主要参数、室内热湿负荷;第二,使用神经网络算法,通过楼宇设备自控系统采集一段时间内的气象参数、室内环境温度、设备能耗、能源费率结构以及能源花费来训练建筑模型以及空调水系统/风系统模型,常将总费用分解为具有不同频率的设备能耗费用,而后将不同的设备能耗费用关联不同的预测模型;第三,输入天气预报参数以及能源结构费率至以上步骤所获得的建筑以及系统模型,从而预测建筑冷热负荷及能源费用;第四,寻找建筑中空调系统的主机/水泵的启停时间以及启停台数、空调区域温度设定值的最优控制策略,使得在此控制策略下的能源费用最低。
2.根据权利要求1所述的利用建筑结构作为蓄冷介质的中央空调系统控制方法,其特征在于建筑能耗模型以及主机和末端的效率模型,通过使用神经网络算法训练建筑和空调系统模型获得。
3.根据权利要求1所述的利用建筑结构作为蓄冷介质的中央空调系统控制方法,其特征在于原有楼宇设备自控系统统控制器和新增传感器与智能控制器之间按照Motobus或者BACnet协议通信。
4.根据权利要求1所述的利用建筑结构作为蓄冷介质的中央空调系统控制方法,其特征在于空调机组的控制策略以及空调区域的温度设定值,根据所获得的模型、天气预报参数和电价结构来确定。
5.根据权利要求1所述的利用建筑结构作为蓄冷介质的中央空调系统控制方法,其特征在于所使用的中央空调控制策略可以用于模拟特定气候条件和时间下的能耗数据。
6.根据权利要求1所述的利用建筑结构作为蓄冷介质的中央空调系统控制方法,其特征在于智能控制器中使用了天气预报以及电力公司的费率结构来预测建筑能耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810433852.8A CN108895633A (zh) | 2018-05-08 | 2018-05-08 | 利用建筑结构作为蓄冷介质的中央空调系统控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810433852.8A CN108895633A (zh) | 2018-05-08 | 2018-05-08 | 利用建筑结构作为蓄冷介质的中央空调系统控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108895633A true CN108895633A (zh) | 2018-11-27 |
Family
ID=64342732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810433852.8A Pending CN108895633A (zh) | 2018-05-08 | 2018-05-08 | 利用建筑结构作为蓄冷介质的中央空调系统控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108895633A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376961A (zh) * | 2018-12-06 | 2019-02-22 | 国网河北能源技术服务有限公司 | 一种建筑热负荷预测方法及系统 |
CN111552200A (zh) * | 2020-04-03 | 2020-08-18 | 五邑大学 | 基于bim的制冷设备综合优化方法、装置和设备 |
CN113435042A (zh) * | 2021-06-28 | 2021-09-24 | 天津大学 | 一种建筑空调系统需求响应的强化学习建模方法 |
CN113531644A (zh) * | 2021-08-11 | 2021-10-22 | 山东佐耀智能装备股份有限公司 | 空气源热泵站电网调度调峰系统 |
CN113610400A (zh) * | 2021-08-09 | 2021-11-05 | 山东建筑大学 | 一种用电调控系统及调控方法 |
CN114222477A (zh) * | 2021-12-13 | 2022-03-22 | 中国联合网络通信集团有限公司 | 数据中心的节能控制方法、装置、存储介质及程序产品 |
CN115218366A (zh) * | 2022-07-22 | 2022-10-21 | 中瑞恒(北京)科技有限公司 | 一种基于控制预测模型的暖通空调的节能方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101392939A (zh) * | 2008-11-18 | 2009-03-25 | 天津大学 | 一种建筑物独立供能温度非线性预测控制方法 |
CN203147984U (zh) * | 2013-02-26 | 2013-08-21 | 上海华电源牌环境工程有限公司 | 一种水蓄冷节能控制系统 |
CN103453623A (zh) * | 2013-09-13 | 2013-12-18 | 天津大学建筑设计研究院 | 一种水源热泵空调系统运行参数优化控制方法 |
CN104913438A (zh) * | 2015-05-19 | 2015-09-16 | 广州供电局有限公司 | 冰蓄冷系统控制优化方法与系统 |
CN205980188U (zh) * | 2016-08-05 | 2017-02-22 | 上海冰核时代科技中心(有限合伙) | 基于负荷预测的冰蓄冷优化控制系统 |
US20170329290A1 (en) * | 2016-05-10 | 2017-11-16 | Conectric, Llc | Method and system for intelligently recommending control schemes optimizing peak energy consumption of built environment |
CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
-
2018
- 2018-05-08 CN CN201810433852.8A patent/CN108895633A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101392939A (zh) * | 2008-11-18 | 2009-03-25 | 天津大学 | 一种建筑物独立供能温度非线性预测控制方法 |
CN203147984U (zh) * | 2013-02-26 | 2013-08-21 | 上海华电源牌环境工程有限公司 | 一种水蓄冷节能控制系统 |
CN103453623A (zh) * | 2013-09-13 | 2013-12-18 | 天津大学建筑设计研究院 | 一种水源热泵空调系统运行参数优化控制方法 |
CN104913438A (zh) * | 2015-05-19 | 2015-09-16 | 广州供电局有限公司 | 冰蓄冷系统控制优化方法与系统 |
US20170329290A1 (en) * | 2016-05-10 | 2017-11-16 | Conectric, Llc | Method and system for intelligently recommending control schemes optimizing peak energy consumption of built environment |
CN205980188U (zh) * | 2016-08-05 | 2017-02-22 | 上海冰核时代科技中心(有限合伙) | 基于负荷预测的冰蓄冷优化控制系统 |
CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
Non-Patent Citations (2)
Title |
---|
余珏: "神经网络预测控制在HVAC系统中的应用", 《机电设备》 * |
陈晓扬: "《建筑设计与自然通风》", 28 February 2011 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376961A (zh) * | 2018-12-06 | 2019-02-22 | 国网河北能源技术服务有限公司 | 一种建筑热负荷预测方法及系统 |
CN111552200A (zh) * | 2020-04-03 | 2020-08-18 | 五邑大学 | 基于bim的制冷设备综合优化方法、装置和设备 |
CN113435042A (zh) * | 2021-06-28 | 2021-09-24 | 天津大学 | 一种建筑空调系统需求响应的强化学习建模方法 |
CN113610400A (zh) * | 2021-08-09 | 2021-11-05 | 山东建筑大学 | 一种用电调控系统及调控方法 |
CN113531644A (zh) * | 2021-08-11 | 2021-10-22 | 山东佐耀智能装备股份有限公司 | 空气源热泵站电网调度调峰系统 |
CN114222477A (zh) * | 2021-12-13 | 2022-03-22 | 中国联合网络通信集团有限公司 | 数据中心的节能控制方法、装置、存储介质及程序产品 |
CN115218366A (zh) * | 2022-07-22 | 2022-10-21 | 中瑞恒(北京)科技有限公司 | 一种基于控制预测模型的暖通空调的节能方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108895633A (zh) | 利用建筑结构作为蓄冷介质的中央空调系统控制方法 | |
Finck et al. | Optimal control of demand flexibility under real-time pricing for heating systems in buildings: A real-life demonstration | |
CN102043907B (zh) | 空调房间实时冷负荷确定方法 | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
CN101393570B (zh) | 中央空调运行仿真系统 | |
Lu et al. | Cooling system energy flexibility of a nearly zero-energy office building using building thermal mass: Potential evaluation and parametric analysis | |
Ferrara et al. | Energy systems in cost-optimized design of nearly zero-energy buildings | |
CN105549516A (zh) | 一种公共建筑能耗监测系统 | |
Lu et al. | Operational optimization of district heating system based on an integrated model in TRNSYS | |
Meng et al. | Thermal energy storage air-conditioning demand response control using elman neural network prediction model | |
CN101021914A (zh) | 暖通空调负荷预测方法和系统 | |
CN201812187U (zh) | 基于云计算的电子信息系统机房能源管理控制系统 | |
WO2011106914A1 (zh) | 基于云计算的设备监控系统及方法 | |
WO2011106918A1 (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 | |
CN102538133B (zh) | 一种空调运行的控制方法、控制系统及空调智能控制器 | |
Sobhani et al. | Optimization of the renewable energy system for nearly zero energy buildings: A future-oriented approach | |
Sirombo et al. | Building monitoring system in a large social housing intervention in Northern Italy | |
Chegari et al. | Local energy self-sufficiency for passive buildings: Case study of a typical Moroccan building | |
CN102818332B (zh) | 控制多联机空调系统中辅助电加热的方法及装置 | |
CN108092264A (zh) | 一种面向大规模柔性负荷资源的调控系统 | |
Biglia et al. | On the real performance of groundwater heat pumps: Experimental evidence from a residential district | |
Qu et al. | Study of operational strategies for a hybrid solar-geothermal heat pump system | |
Naderi et al. | Demand response via pre-cooling and solar pre-cooling: A review | |
Ling et al. | Simulation and optimization of the operation strategy of ASHP heating system: A case study in Tianjin | |
Schibuola et al. | Environmental impact and energy performance of groundwater heat pumps in urban retrofit |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181127 |