CN109028481A - 一种空调系统的无人值守机房控制系统及方法 - Google Patents
一种空调系统的无人值守机房控制系统及方法 Download PDFInfo
- Publication number
- CN109028481A CN109028481A CN201810906798.4A CN201810906798A CN109028481A CN 109028481 A CN109028481 A CN 109028481A CN 201810906798 A CN201810906798 A CN 201810906798A CN 109028481 A CN109028481 A CN 109028481A
- Authority
- CN
- China
- Prior art keywords
- air
- conditioning system
- control
- data
- parameter
- 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
- 238000004378 air conditioning Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000005265 energy consumption Methods 0.000 claims description 65
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 51
- 238000011217 control strategy Methods 0.000 claims description 50
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 238000001816 cooling Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 11
- 238000010977 unit operation Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 15
- 238000007405 data analysis Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000012827 research and development Methods 0.000 description 7
- 238000004134 energy conservation Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 239000008400 supply water Substances 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
- F24F11/32—Responding to malfunctions or emergencies
- F24F11/38—Failure diagnosis
-
- 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
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/52—Indication arrangements, e.g. displays
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种空调系统的无人值守机房控制系统及方法,控制系统包括:物联网监测模块,用于监测空调系统实际运行参数;数据采集模块,用于采集物联网监测模块监测到的空调系统实际运行参数;数据处理模块,用于对所述空调系统实际运行参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制控制空调系统和机房内的设备。本发明可以实现空调系统的前馈型自动控制,实现空调系统的无人值守,实现感知、整合、分析、优化机房系统运行的一系列分析方法和一整套无人值守监管体系。
Description
技术领域
本发明涉及控制技术,具体的讲是一种空调系统的机房控制系统及方法。
背景技术
目前,我国公共建筑中,暖通空调系统是最主要的耗能设备,其运行能耗可以占到建筑能耗的50%~60%。在一般的空调系统中,空调冷源系统居于核心的地位。根据相关统计,在典型的集中空调系统中,空调冷源系统,即冷机、冷冻水泵、冷却水泵、冷却塔等设备,在夏季供冷季的能耗可以占据到整个空调系统的60%~80%。
目前的空调系统能源管理平台中,针对空调系统的节能管控措施也集中出现在空调冷源系统的节能管控中,其控制策略与控制措施也多种多样。从总体上看,冷源系统的控制主要有以下几个方面:(1)群控策略;(2)水泵变频(变流量)策略;(3)变冷机出水温度策略;(4)变流量与变冷机出水温度耦合策略;(5)优化控制参数策略。目前的空调冷源的控制,乃至整个空调系统的管控方法,按照特点,可以分为以下几大类:(1)基于经验的判断;(2)基于理论化的分析;(3)以反馈为核心的控制方式。
在现有技术的空调系统管控策略中,反馈控制占据主导地位。经验和理化的分析必不可少的会带来误差,由于反馈控制是一个不断迭代、比较、控制的过程,其具有响应延迟的固有特性,因此,空调系统节能效果有限,节能幅度受到限制。
同时,由于现有的空调冷源系统,乃至整个空调系统的管控策略具有以上特点,空调系统的控制优化与节能潜力受到了限制,许多机房的管理人员不得不采用24小时专人值班定时巡查机房设备,这样不仅加重了管理人员的负担,而且更多的时候不能及时排除故障,对事故发生的时间及责任也无科学的管理。
发明内容
为了解决当前空调管控策略的局限性,改善并提高机房系统的运维管理水平。本发明实施例提供了一种空调系统的无人值守机房控制系统,包括:
物联网监测模块,用于监测空调系统实际运行参数;
数据采集模块,用于采集物联网监测模块监测到的空调系统实际运行参数;
数据处理模块,用于对所述空调系统监测参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制空调系统和机房内的设备。
本发明实施例中,所述的空调系统监测参数包括:室内外环境参数、冷水机组状态参数、冷水机组运行数据、冷水机组能耗数据、热泵机组状态参数、热泵机组运行数据、热泵机组能耗数据、空调机组状态参数、空调机组运行参数、空调机组能耗数据、水泵状态参数、水泵运行参数、水泵能耗数据、冷却塔状态参数、冷却塔运行参数、冷却塔能耗数据、用户侧数据。
本发明实施例中,所述的数据采集模块包括:OPC通讯协议接口、BACne通讯协议接口、Modbus TCP通讯协议接口。
本发明实施例中,所述的数据采集模块包括:IP采集器、Modbus采集器。
本发明实施例中,所述的系统还包括:
数据存储模块,用于存储采集到的空调系统监测参数。
本发明实施例中,所述的数据处理模块包括:
故障识别模块,用于根据所述系统监测参数和预存的故障检测算法进行故障检测,生成故障报警指令;
节能分析模块,用于根据所述系统监测参数和预存储的节能分析算法生成节能分析结果;
优化控制模块,用于根据所述节能分析结果优化控制策略;
前馈控制模块,用于根据负荷参数和优化的控制策略生成前馈控制指令。
本发明实施例中,所述的控制指令包括:故障报警指令和前馈控制指令。
同时,本发明实施例还提供一种空调系统的无人值守机房控制方法,包括:
监测空调系统实际运行参数;
采集监测到的空调系统实际运行参数;
对所述空调系统监测参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制所述空调系统和机房内的设备。
本发明实施例中,所述的方法还包括:存储采集到的空调系统实际运行参数。
本发明实施例中,对所述空调系统实际运行参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制空调系统和机房内的设备包括:
根据所述系统监测参数和预存的故障检测算法进行故障检测,生成故障报警指令;
根据所述系统监测参数和预存储的节能分析算法生成节能分析结果;
根据所述节能分析结果优化控制策略;
根据负荷参数和优化的控制策略生成前馈控制指令。
本发明实施例中,所述的控制指令包括:故障报警指令和前馈控制指令。
本发明实施例提供一种空调系统的前馈型无人值守的机房控制系统,实现对空调系统的机房实现真正无人值守,充分运用现代物联网技术、人工智能技术、群控技术,结合数据挖掘技术、现代统计学分析技术、运筹优化技术等技术手段,实现感知、整合、分析、优化机房系统运行的一系列分析方法和一整套无人值守监管体系。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
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获得其他的附图。
图1为本发明公开的空调系统的前馈型无人值守机房控制系统的框图;
图2为本发明实施例中的空调系统的前馈型无人值守机房控制系统的框图;
图3为本申请实施方式中的框图;
图4为本申请实施方式中的框图;
图5为本申请实施方式中的框图;
图6为本申请实施方式中的框图;
图7为本申请实施方式中的框图;
图8为空调系统前馈型无人值守控制系统的框图;
图9为本发明一实施方式示意图;
图10为本发明空调系统的机房控制方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
本发明实施例提供一种空调系统的前馈型无人值守机房控制系统,如图1所示,系统包括:
物联网监测模块101,用于监测空调系统实际运行参数;
数据采集模块102,用于采集物联网监测模块监测到的空调系统监测参数;
数据处理模块103,用于对空调系统监测参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制前馈型无人值守机房控制系统。
其中,空调系统监测参数包括:室内外环境参数、冷水机组状态参数、冷水机组运行数据、冷水机组能耗数据、热泵机组状态参数、热泵机组运行数据、热泵机组能耗数据、空调机组状态参数、空调机组运行参数、空调机组能耗数据、水泵状态参数、水泵运行参数、水泵能耗数据、冷却塔状态参数、冷却塔运行参数、冷却塔能耗数据、用户侧数据,用户侧数据包括:室内实际温度值、室内温度设定值、室内人员数量、室内设备数量及功率等数据。
数据采集模块102包括:OPC通讯协议接口、BACne通讯协议接口、Modbus TCP通讯协议接口。本发明实施例中共,数据采集模块包括:IP采集器、Modbus采集器。
同时,如图2所示,本发明实施例的空调系统的前馈型无人值守机房控制系统还包括:数据存储模块104,用于存储采集到的空调系统监测参数。
本发明实施例公开一种用于空调系统的前馈型无人值守控制系统,如图3所示,为本申请一实施方式的框图,该系统包括:物联网监测模块10、数据在线采集模块20、数据存储模块30、本实施例中,数据处理模块包括:故障识别与报警模块40、节能数据分析模块50、集中优化控制策略模块60、前馈控制模块70。
物联网监测模块10包括:对空调系统相关参数进行实时的监测,监测参数主要针对空调空调系统中的各设备和各系统,主要监测采集参数包括室内外环境参数、设备的状态参数、设备运行参数、系统状态参数、系统运行参数、设备的能耗数据、系统的能耗数据、其他参数等。
本实施例中,监测参数主要为,如室内外环境参数(温度、相对湿度等)制冷机组(冷水机组、热泵机组等)的各项状态参数、运行数据、能耗数据,空调机组的状态参数、运行参数、能耗数据,水泵的状态参数、运行参数、能耗数据,冷却塔的状态参数、运行参数、能耗数据等,用户侧数据等。
数据在线采集模块20包括:通过数据采集单元对物联网监测的各个参数进行采集,本发明实施例中,数据采集单元研发内置了适用于不同传输协议的控制接口,支持多种数据通讯协议如OPC、BACnet、Modbus TCP,因而本发明的数据采集单元可以是(不限于)为IP采集器、Modbus采集器等。
同时,本发明的数据采集模块,研发设置了不同的数据采集方式,对于制冷机组和空调机组等设备的运行数据可采取直接读取该设备控制器面板中的数据,而其余的系统运行参数参数则通过单独加装传感器的方式进行监测采集数据。
数据存储模块30包括:数据库及相应的数据存储接口。通过结构性数据库及相应的数据传输协议,对数据采集模块采集到的数据进行实时的存储,本发明的数据存储模块研发并提供了多种数据库开放接口,如MySql、Oracle等。
故障识别与报警模块40包括:设备运行参数分析单元401、系统运行参数分析单元402、故障报警单元403,如图4所示。通过实时分析设备、系统的状态参数和运行参数,根据内置的故障检测算法对设备与系统进行故障检测与识别,进而实现实时的故障报警。本发明中内置了研发的故障识别算法和故障诊断库,以及基于树结构的故障检测与识别方法。
本发明实施例中,通过分析故障成因、故障特征、故障表现等故障检测与识别方法,形成本发明的故障识别算法;基于多种故障的故障识别算法研发了故障诊断库,内置到故障识别与报警模块中;本发明中,实时分析各个设备及系统的运行参数,并与故障库做比对,通过树结构的故障检测与识别算法进行计算,发现故障,与故障报警单元连接,实现故障实时报警。
节能数据分析模块50包括:数据展示单元501、数据对比分析单元502、节能潜力分析单元503,如图5所示。对数据库中存储的设备及系统运行数据进行实时的分析,通过展示单元、对比分析单元的数据运算,在节能潜力分析单元计算出设备及系统的节能潜力。本发明的节能数据模块内置了研发出的节能数据分析算法:离线数据训练设备与系统建模方法,全方位的能耗计算(同比、环比等)、能耗阈值计算方法,挖掘出设备及系统的节能潜力。
本发明实施例中,应用基础的数理统计等方法,分析空调系统的实际用能数据,以报表等形式展示实际空调系统的用能规律;同时对设备及系统能耗数据进行实时分析,应用数据挖掘和机器学习的方法,实时建立离线数据分析的空调设备与系统的能耗模型,对建筑及空调系统用能规律进行挖掘,充分发掘空调系统的节能潜力。
集中优化控制策略模块60包括:历史数据建模单元601、数据在线计算单元602、控制策略优化单元603,如图6所示。在节能数据分析模块基础上,在历史数据建模单元中实现优化控制问题的建模,通过内置研发的优化控制算法,实现离线的控制参数优化,形成新的控制策略。
本发明中,集中优化控制策略内置了研发出的优化控制算法:该算法以系统能耗最低为目标,采用多目标的机器学习算法,以系统控制参数为输出,进行实时的计算;与原有的控制策略进行比对分析,形成新的控制策略。
前馈控制模块70包括:负荷预测建模单元701、控制参数分析单元702、前馈控制策略单元703,如图7所示。负荷预测单元的负荷作为控制的输入参数,与集中优化控制策略模块产生的控制策略结合,形成前馈控制策略。并通过数据传输装置,传输到控制器,以控制器进行设备及系统的控制参数设定。如图8所示,为本发明实施例中,空调系统前馈型无人值守控制系统的框图。
本发明实施例中,前馈控制模块内置的负荷预测算法:以室外温度、相对湿度等作为输入条件,以SVM和ANN的机器学习算法进行负荷预测,预测负荷与集中优化控制策略模块产生的控制策略结合,形成前馈控制策略。前馈控制策略通过数据传输到设备及系统,以控制器进行设备控制。本发明采用的控制器支持多种协议,如控制器可以为Sedona控制器、Jace控制器。
故障识别与报警模块:通过实时分析设备、系统的状态参数和运行参数,根据内置的故障检测算法,对设备与系统进行故障检测与识别,进而实现实时的故障报警。本发明中内置了研发的故障识别算法和故障诊断库,以及基于树结构的故障检测与识别方法。本发明实施例中,故障检测算法包括主元分析法、树算法,例如以主元分析法分析建筑能耗异常,以树算法分层次的分析制冷机组、阀门、传感器等故障。
节能数据分析模块:对数据库中存储的设备及系统运行数据进行实时的分析,通过展示单元、对比分析单元的数据运算,在节能潜力分析单元计算出设备及系统的节能潜力本发明的节能数据模块内置了研发出的节能数据分析算法:离线数据训练设备与系统建模方法,全方位的能耗计算(同比、环比等)、能耗阈值计算方法,挖掘出设备及系统的节能潜力。本发明实施例中,节能分析单元通过历史数据的分析,通过横向与纵向对比历史能耗数据,从而发现用异常,对用能异常进行分析,可得到相应的节能潜力。
集中优化控制策略模块:在节能数据分析模块基础上,在历史数据建模单元中实现优化控制问题的建模,通过内置研发的优化控制算法,实现离线的控制参数优化,形成新的控制策略。本发明实施例中,采用的优化控制算法有遗传算法、粒子群算法等,如对冷源系统而言,以冷源系统(包含制冷机组、水泵、冷却塔等设备)能耗最低为目标,以冷冻水出水温度、冷却水进水温度、冷冻水泵流量、冷却水泵流量、冷却塔风扇频率等其中一个或多个为控制参数,在一定的约束条件下,通过优化控制算法(遗传算法、粒子群算法等)进行控制参数的优化。将优化后的控制参数作为设备的参数设定值,即可得到优化控制策略。
前馈控制模块:负荷预测单元的负荷(本申请实施例中,基于历史负荷数据,采用基于机器学习算法的方法对系统负荷进行预测,本案例中,以未来时刻的室外温度、室外相对湿度、前24h的历史负荷、前3h的历史负荷、前2h的历史负荷、前1h的历史负荷这6个数据作为负荷预测的输入数据,本申请实施例中,以支持向量回归(SVR)和人工神经网络(ANN)算法作为预测算法,进行空调系统负荷预测)作为控制的输入参数,与集中优化控制策略模块产生的控制策略结合,形成前馈控制策略。并通过数据传输装置,传输到控制器,以控制器进行设备及系统的控制参数设定。
本发明的目的主要在于提供一种用于空调系统的前馈型无人值守控制系统,解决现在存在的两个主要问题:现存的控制多是反馈控制,其是一个不断迭代、比较、控制的过程,其具有响应延迟的固有特性,空调系统节能效果有限,节能幅度受到限制;现有的许多机房的管理人员不得不采用24小时专人值班定时巡查机房设备的问题,既减轻了管理人员的负担,又能及时排除故障,对事故发生的时间及责任也无科学的管理。
本发明可以实现空调系统的前馈型自动控制,实现空调系统的真正“无人值守”,充分运用现代物联网技术、人工智能技术、群控技术,结合数据挖掘技术、现代统计学分析技术、运筹优化技术等技术手段,实现感知、整合、分析、优化机房系统运行的一系列分析方法和一整套无人值守监管体系。
如图9为本发明一实施方式示意图,通过传感器901,对空调系统中的被监控设备和系统的参数进行测量与传输。监测参数主要针对空调系统中的各设备和各系统,主要监测采集参数包括对系统的各设备的运行参数。数据在线采集装置902对系统的运行数据进行采集。数据存储装置904通过相应的数据存储接口,将数据采集装置902的实时运行数据存储到结构化数据库中。数据处理装置903的故障报识别与报警模块对设备与系统的运运行数据进行分析,识别故障,进而实现故障报警。数据处理装置903的节能数据分析模块实现实时运行数据的展示、对比分析与节能潜力挖掘。集中优化控制模块在节能数据分析模块的基础上,实现系统的离线与实时建模,进行实时控制策略优化。数据处理装置903的前馈控制模块根据室外内环境等参数实现负荷预测,与集中优化控制策略结合,形成前馈控制策略,通过控制参数输出到控制装置905,控制空调系统的设备与系统运行。
与现有空调系统控制系统相比,本发明具有如下效果:
利用本技术发明,可以实现并加强空调系统的能源在线监测与故障报警诊断。实现建筑信息统计、能源数据采集、机电运维管理、各类报表和指标体系建设;满足和实现公共机构节能监管平台系统功能需求。能耗在线采集:实现实时采集自动传输,数据采集间隔短,代替传统人工现场抄表,提高物业管理工作效率;运行报警:对供电供水供冷供暖等设备的运行状态进行检测,及时发现设备线路是否发生运行故障,跑冒滴漏现象;系统预警:及时发现采集传输的异常用能数据,并提示需排查的关联回路及设备;用能预警:根据下达的用能指标、自动按时间周期、重点用能区域等进行分解,并设置预警值,当出现能耗超标的情况时,及时预警。
利用本技术发明,可以实现并加强空调系统的节能分析:分类分项汇总:实现能源分类,设备分项,建筑分户分层采集,直观了解能耗问题,掌握管理漏洞;生成报表:存储建筑信息和图纸资料,自动生成日报、月报、年报;能耗统计:除了统计总能耗、各分类分项能耗外,可以根据建筑面积、办公人数等情况,统计并展示单位面积能耗、人均能耗等数据;能耗对比:统计生成自定周期内的总能耗、分类分项能耗等用能数据曲线,与历史数据进行同期对比,指导节能管理部门掌握用能现状;重点用能分析:分析计算信息机房PUE值,冷源机组COP值,空调采暖设备运行效率等重点能耗指标,有利于挖掘能耗设备节能潜力;节能诊断:依据能耗分析报告中反映出的不合理用能问题进行诊断分析,提出优化运行方案;细化管理:通过能耗监测分析,量化用能现状,掌握节能管理重要环节,细化管理措施;能源审计:对总能耗、分类分项能耗、重点设备能耗、夜间待机能耗、围护结构改造效果进行能源审计,量化节能效果。
利用本技术发明,可以实现并加强空调系统的控制策略优化与前馈控制:在本系统中,在集中优化控制模块内置了历史数据建模单元、在线计算单元与控制策略优化单元;在前馈控制模块内置了负荷预测建模单元、控制参数分析单元、前馈控制策略单元。使得负荷预测与集中优化控制策略相结合,形成基于负荷预测的前馈控制策略。通过控制器,按照前馈控制策略对设备实施控制参数设定,及实现对设备及系统的前馈控制;利用本控制技术,可以实现空调系统的无人值守控制,实现空调系统的自动运维,减少运维人员工作量和运维人员数量。
同时,本发明还公开一种空调系统的机房控制方法,如图10所示,控制方法包括:
步骤S101,监测空调系统实际运行参数;
步骤S102,采集监测到的空调系统实际运行参数;
步骤S103,对空调系统监测参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制所述空调系统和机房内的设备。
本实施例中,以地源热泵系统的无人值守控制系统来说明本发明实施例用于空调系统的前馈型无人值守控制系统。
地源热泵复合系统:空调系统末端采用“天棚辐射+置换式新风”形式,同时热水末端提供24小时生活热水。新风系统夏季直接由热泵系统和冷水机组提供7℃/12℃的冷冻水,冬季直接由热泵提供35℃/30℃的热水;天棚系统夏季由板换置换18℃/20℃的冷冻水,冬季由板换置换28℃/26℃的热水。不同季节运行工况的转换靠阀门的切换实现。系统设有2台高温热泵机组提供55℃生活热水。热水系统分高低区供应热水,每个区单独设有二次泵和一次泵,之间由储热水管置换热量。
该地源热泵系统的无人值守控制系统中,物联网监测模块,监测参数主要针对地源热泵空调系统中的各设备和各系统,主要监测采集参数包括对系统的各设备的运行参数,如冷水(热泵)主机的各项运行数据、主机能耗、各循环水泵的运行状态与能耗、空调系统供回水温度、循环水流量、地源热泵系统的地温场的实际温度、地源侧供回水温度、水源热泵系统供回水温度、板换一次侧和二次侧的供回水温度等,在复合系统中,还应对生活热水系统的供回水温度、压力、流量等进行监测,从而用于计算用户端负荷等数据。
该地源热泵系统的无人值守控制系统中,数据在线采集模块主要的数据采集装置为IP采集器、Modbus采集器。冷水(热泵)主机和末端空调设备的运行数据可采取直接读取该设备控制器面板中的数据,而其余的系统供回水温度、流量、状态、压力等参数则应以单独加装传感器的方式进行监测采集数据。如果现场已有相应的自动化系统,可采用诸如OPC、BACnet、Modbus TCP、等通讯方式集中读取该系统的采集数据。
该地源热泵系统的无人值守控制系统中,数据存储模块主要是采用MySql数据库的存储方式,通过开发的MySql数据存储接口,实现实时数据存储;存储间隔为每分钟一次,存储设置多重备份机制。
该地源热泵系统的无人值守控制系统中,故障识别与报警模块,主要是以下报警,运行报警:对供电供水供冷供暖等设备的运行状态进行检测,及时发现设备线路是否发生运行故障,跑冒滴漏现象;系统预警:及时发现采集传输的异常用能数据,并提示需排查的关联回路及设备;用能预警:根据下达的用能指标、自动按时间周期、重点用能区域等进行分解,并设置预警值,当出现能耗超标的情况时,及时预警。
该地源热泵系统的无人值守控制系统中,节能数据分析模块,内置了研发出的节能数据分析算法:离线数据训练设备与系统建模方法,全方位的能耗计算(同比、环比等)、能耗阈值计算方法,挖掘出设备及系统的节能潜力。一方面应用基础的数理统计等方法,分析空调系统的实际用能数据,以报表等形式展示实际空调系统的用能规律;另一方面,应用数据挖掘和机器学习的开源工具(例如:Python开发环境和软件),对空调系统的运行监测数据进行建筑用能规律进行挖掘,充分发掘空调系统的节能潜力。
该地源热泵系统的无人值守控制系统中,集中优化控制策略模块:在节能数据分析模块基础上,在历史数据建模单元中实现优化控制问题的建模,通过内置研发的优化控制算法,实现离线的控制参数优化,形成新的控制策略。集中优化控制策略内置了研发出的优化控制算法:该算法以系统能耗最低为目标,采用多目标的机器学习算法,以系统控制参数为输出,进行实时的计算;与原有的控制策略进行比对分析,形成新的控制策略。
该地源热泵系统的无人值守控制系统中,前馈型控制模块负荷预测单元的负荷作为控制的输入参数,与集中优化控制策略模块产生的控制策略结合,形成前馈控制策略。并通过数据传输装置,传输到控制器,以控制器进行设备及系统的控制参数设定前馈控制模块,内置的负荷预测算法:以室外温度、相对湿度等作为输入条件,以SVM和ANN的机器学习算法进行负荷预测,预测负荷与集中优化控制策略模块产生的控制策略结合,形成前馈控制策略。前馈控制策略通过数据传输到设备及系统,以控制器进行设备控制。本发明采用的控制器支持多种协议,如控制器可以为Sedona控制器、Jace控制器。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种空调系统的无人值守机房控制系统,其特征在于,所述的控制系统包括:
物联网监测模块,用于监测空调系统实际运行参数;
数据采集模块,用于采集物联网监测模块监测到的空调系统实际运行参数;
数据处理模块,用于对所述空调系统实际运行参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制空调系统和机房内的设备。
2.如权利要求1所述的空调系统的无人值守机房控制系统,其特征在于,所述的空调系统实际运行参数包括:室内外环境参数、冷水机组状态参数、冷水机组运行数据、冷水机组能耗数据、热泵机组状态参数、热泵机组运行数据、热泵机组能耗数据、空调机组状态参数、空调机组运行参数、空调机组能耗数据、水泵状态参数、水泵运行参数、水泵能耗数据、冷却塔状态参数、冷却塔运行参数、冷却塔能耗数据、用户侧数据。
3.如权利要求1所述的空调系统的无人值守机房控制系统,其特征在于,所述的数据采集模块包括:OPC通讯协议接口、BACnet通讯协议接口、Modbus TCP通讯协议接口。
4.如权利要求1所述的空调系统的无人值守机房控制系统,其特征在于,所述的数据采集模块包括:IP采集器、Modbus采集器。
5.如权利要求1所述的空调系统的无人值守机房控制系统,其特征在于,所述的系统还包括:
数据存储模块,用于存储采集到的空调系统监测参数。
6.如权利要求5所述的空调系统的无人值守机房控制系统,其特征在于,所述的数据处理模块包括:
故障识别模块,用于根据所述系统监测参数和预存的故障检测算法进行故障检测,生成故障报警指令;
节能分析模块,用于根据所述系统监测参数和预存储的节能分析算法生成节能分析结果;
优化控制模块,用于根据所述节能分析结果优化控制策略;
前馈控制模块,用于根据负荷参数和优化的控制策略生成前馈控制指令。
7.如权利要求6所述的空调系统的无人值守机房控制系统,其特征在于,所述的控制指令包括:故障报警指令和前馈控制指令。
8.一种空调系统的无人值守机房控制方法,其特征在于,所述的控制方法包括:
监测空调系统实际运行参数;
采集监测到的空调系统实际运行参数;
对所述空调系统监测参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制空调系统和机房内的设备。
9.如权利要求8所述的空调系统的无人值守机房控制方法,其特征在于,所述的空调系统监测参数包括:室内外环境参数、冷水机组状态参数、冷水机组运行数据、冷水机组能耗数据、热泵机组状态参数、热泵机组运行数据、热泵机组能耗数据、空调机组状态参数、空调机组运行参数、空调机组能耗数据、水泵状态参数、水泵运行参数、水泵能耗数据、冷却塔状态参数、冷却塔运行参数、冷却塔能耗数据、用户侧数据。
10.如权利要求8所述的空调系统的无人值守机房控制方法,其特征在于,所述的方法包括:利用IP采集器和/或Modbus采集器采集空调系统监测参数。
11.如权利要求10所述的空调系统的无人值守机房控制方法,其特征在于,所述的方法还包括:存储采集到的空调系统监测参数。
12.如权利要求11所述的空调系统的无人值守机房控制方法,其特征在于,所述的对所述空调系统监测参数进行故障识别、节能分析、优化控制以及前馈控制处理,生成控制指令以控制所述空调系统和机房内的设备包括:
根据所述系统监测参数和预存的故障检测算法进行故障检测,生成故障报警指令;
根据所述系统监测参数和预存储的节能分析算法生成节能分析结果;
根据所述节能分析结果优化控制策略;
根据负荷参数和优化的控制策略生成前馈控制指令。
13.如权利要求12所述的空调系统的无人值守机房控制方法,其特征在于,所述的控制指令包括:故障报警指令和前馈控制指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810906798.4A CN109028481A (zh) | 2018-08-10 | 2018-08-10 | 一种空调系统的无人值守机房控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810906798.4A CN109028481A (zh) | 2018-08-10 | 2018-08-10 | 一种空调系统的无人值守机房控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109028481A true CN109028481A (zh) | 2018-12-18 |
Family
ID=64633435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810906798.4A Pending CN109028481A (zh) | 2018-08-10 | 2018-08-10 | 一种空调系统的无人值守机房控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109028481A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462660A (zh) * | 2018-12-19 | 2019-03-12 | 青岛捷能易道能效科技有限公司 | 一种综合能源站能效采集计量系统 |
CN110285532A (zh) * | 2019-07-04 | 2019-09-27 | 中国工商银行股份有限公司 | 基于人工智能的机房空调控制方法、装置及系统 |
CN110492612A (zh) * | 2019-08-22 | 2019-11-22 | 黑龙江电力调度实业有限公司 | 基于物联网的电力系统监测系统 |
CN110779077A (zh) * | 2019-10-31 | 2020-02-11 | 中核坤华能源发展有限公司 | 一种智能地热运维系统 |
CN111339641A (zh) * | 2020-02-13 | 2020-06-26 | 山东神舟制冷设备有限公司 | 制冷系统管理方法、装置、云平台及存储介质 |
CN111664550A (zh) * | 2019-01-18 | 2020-09-15 | 深圳创新奇智科技有限公司 | 基于预测模型和最优化算法的能效优化方法及系统 |
CN111861164A (zh) * | 2020-07-06 | 2020-10-30 | 广东德尔智慧工厂科技有限公司 | 远程调控分析方法、装置及系统 |
CN112503746A (zh) * | 2020-12-09 | 2021-03-16 | 上海安悦节能技术有限公司 | 基于机器学习与粒子群算法的动力站房冷源系统的控制方法 |
CN112527764A (zh) * | 2020-11-18 | 2021-03-19 | 上海科技网络通信有限公司 | 基于人工智能的大数据机房管理系统及其管理方法 |
CN112524753A (zh) * | 2020-12-04 | 2021-03-19 | 南京派佳科技有限公司 | 中央空调冷冻站系统的节能优化控制端系统 |
CN113685972A (zh) * | 2021-09-07 | 2021-11-23 | 广东电网有限责任公司 | 一种空调系统控制策略识别方法、装置、设备及介质 |
CN113849052A (zh) * | 2021-08-20 | 2021-12-28 | 广州云硕科技发展有限公司 | 基于人工智能的机房温度预测方法及系统 |
CN114279497A (zh) * | 2021-12-22 | 2022-04-05 | 海宁科茂微电网技术有限公司 | 冷冻站的检测系统 |
CN114704919A (zh) * | 2022-03-23 | 2022-07-05 | 博锐尚格科技股份有限公司 | 冷站供冷中断确定方法、装置、电子设备及存储介质 |
CN114810467A (zh) * | 2022-03-14 | 2022-07-29 | 华东桐柏抽水蓄能发电有限责任公司 | 一种抽水蓄能电站智能调控系统及方法 |
CN117268460A (zh) * | 2023-08-16 | 2023-12-22 | 广东省泰维思信息科技有限公司 | 一种基于物联网的室内外联动监测方法及系统 |
CN117519054A (zh) * | 2023-12-11 | 2024-02-06 | 广州智业节能科技有限公司 | 一种高效冷站控制系统 |
CN117677165A (zh) * | 2024-01-31 | 2024-03-08 | 广东览讯科技开发有限公司 | 一种高效机房专用空调系统及冷却塔 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203745859U (zh) * | 2013-12-10 | 2014-07-30 | 上海理工大学 | 一种空调机房远程监控系统 |
CN104534617A (zh) * | 2014-12-08 | 2015-04-22 | 北京华电方胜技术发展有限公司 | 一种基于能耗监测的冷源集中数字控制方法 |
-
2018
- 2018-08-10 CN CN201810906798.4A patent/CN109028481A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203745859U (zh) * | 2013-12-10 | 2014-07-30 | 上海理工大学 | 一种空调机房远程监控系统 |
CN104534617A (zh) * | 2014-12-08 | 2015-04-22 | 北京华电方胜技术发展有限公司 | 一种基于能耗监测的冷源集中数字控制方法 |
Non-Patent Citations (1)
Title |
---|
葛党朝、李小平主编: "《城市轨道交通车辆空调系统》", 重庆:重庆大学出版社, pages: 155 - 156 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462660A (zh) * | 2018-12-19 | 2019-03-12 | 青岛捷能易道能效科技有限公司 | 一种综合能源站能效采集计量系统 |
CN111664550A (zh) * | 2019-01-18 | 2020-09-15 | 深圳创新奇智科技有限公司 | 基于预测模型和最优化算法的能效优化方法及系统 |
CN110285532B (zh) * | 2019-07-04 | 2021-07-30 | 中国工商银行股份有限公司 | 基于人工智能的机房空调控制方法、装置及系统 |
CN110285532A (zh) * | 2019-07-04 | 2019-09-27 | 中国工商银行股份有限公司 | 基于人工智能的机房空调控制方法、装置及系统 |
CN110492612A (zh) * | 2019-08-22 | 2019-11-22 | 黑龙江电力调度实业有限公司 | 基于物联网的电力系统监测系统 |
CN110779077A (zh) * | 2019-10-31 | 2020-02-11 | 中核坤华能源发展有限公司 | 一种智能地热运维系统 |
CN111339641A (zh) * | 2020-02-13 | 2020-06-26 | 山东神舟制冷设备有限公司 | 制冷系统管理方法、装置、云平台及存储介质 |
CN111861164A (zh) * | 2020-07-06 | 2020-10-30 | 广东德尔智慧工厂科技有限公司 | 远程调控分析方法、装置及系统 |
CN112527764A (zh) * | 2020-11-18 | 2021-03-19 | 上海科技网络通信有限公司 | 基于人工智能的大数据机房管理系统及其管理方法 |
CN112524753A (zh) * | 2020-12-04 | 2021-03-19 | 南京派佳科技有限公司 | 中央空调冷冻站系统的节能优化控制端系统 |
CN112503746A (zh) * | 2020-12-09 | 2021-03-16 | 上海安悦节能技术有限公司 | 基于机器学习与粒子群算法的动力站房冷源系统的控制方法 |
CN113849052A (zh) * | 2021-08-20 | 2021-12-28 | 广州云硕科技发展有限公司 | 基于人工智能的机房温度预测方法及系统 |
CN113685972A (zh) * | 2021-09-07 | 2021-11-23 | 广东电网有限责任公司 | 一种空调系统控制策略识别方法、装置、设备及介质 |
CN114279497A (zh) * | 2021-12-22 | 2022-04-05 | 海宁科茂微电网技术有限公司 | 冷冻站的检测系统 |
CN114810467A (zh) * | 2022-03-14 | 2022-07-29 | 华东桐柏抽水蓄能发电有限责任公司 | 一种抽水蓄能电站智能调控系统及方法 |
CN114810467B (zh) * | 2022-03-14 | 2024-07-23 | 华东桐柏抽水蓄能发电有限责任公司 | 一种抽水蓄能电站智能调控系统及方法 |
CN114704919A (zh) * | 2022-03-23 | 2022-07-05 | 博锐尚格科技股份有限公司 | 冷站供冷中断确定方法、装置、电子设备及存储介质 |
CN117268460A (zh) * | 2023-08-16 | 2023-12-22 | 广东省泰维思信息科技有限公司 | 一种基于物联网的室内外联动监测方法及系统 |
CN117268460B (zh) * | 2023-08-16 | 2024-04-09 | 广东省泰维思信息科技有限公司 | 一种基于物联网的室内外联动监测方法及系统 |
CN117519054A (zh) * | 2023-12-11 | 2024-02-06 | 广州智业节能科技有限公司 | 一种高效冷站控制系统 |
CN117519054B (zh) * | 2023-12-11 | 2024-06-11 | 广州智业节能科技有限公司 | 一种高效冷站控制系统 |
CN117677165A (zh) * | 2024-01-31 | 2024-03-08 | 广东览讯科技开发有限公司 | 一种高效机房专用空调系统及冷却塔 |
CN117677165B (zh) * | 2024-01-31 | 2024-04-16 | 广东览讯科技开发有限公司 | 一种高效机房专用空调系统及冷却塔 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109028481A (zh) | 一种空调系统的无人值守机房控制系统及方法 | |
Mařík et al. | Advanced HVAC control: Theory vs. reality | |
CN102789220B (zh) | 系统能耗过程管理装置及其管理控制方法 | |
KR102296329B1 (ko) | 예측 공조로 최적화 운전이 가능한 스마트 공기 조화 시스템 | |
CN105868487A (zh) | 一种基于能耗设备模型的节能专家系统 | |
CN114383299A (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
CN204943795U (zh) | 一种中央空调机房能效优化系统 | |
CN111486555A (zh) | 一种人工智能ai专家系统进行中央空调节能调控的方法 | |
CN108320042A (zh) | 循环水系统的优化方法与装置 | |
CN105115113A (zh) | 一种中央空调机房能效优化系统 | |
CN111427268B (zh) | 一种煤矿能源优化控制系统和优化控制方法 | |
CN113154517A (zh) | 一种集中供热自主驾驶的生产运行调度控制系统 | |
CN112728723A (zh) | 一种智能化群控系统监测分析制冷机房运行能效的方法 | |
CN111158245A (zh) | 一种基于物联网的建筑节能监测管理方法 | |
CN115264761A (zh) | 用于大型中央空调系统节能优化的边缘控制系统 | |
KR102519474B1 (ko) | 설비 동작 상태 분석을 통한 건물 내 설비의 이상상태 예측 시스템 및 방법 | |
Zhao et al. | Energy-saving and management of telecom operators’ remote computer rooms using IoT technology | |
CN114916209A (zh) | 基于ai技术实现微模块节能控制的系统及方法 | |
CN103216919A (zh) | 一种基于动态环境控制制冷效率的空调系统及控制方法 | |
CN117515854A (zh) | 一种中央空调智能调优方法及装置 | |
CN117545240A (zh) | 机房空调的控制方法及装置、存储介质、电子设备 | |
CN104950778A (zh) | 数据中心的监控系统 | |
CN116147128A (zh) | 一种暖通空调节能控制方法及系统 | |
CN208704104U (zh) | 一种空调系统的无人值守机房控制系统 | |
CN114909781A (zh) | 基于windows的楼宇设备智能群控系统 |
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: 20181218 |
|
RJ01 | Rejection of invention patent application after publication |