CN109063255B - 一种节能控制方法、电子设备、存储介质、装置及系统 - Google Patents

一种节能控制方法、电子设备、存储介质、装置及系统 Download PDF

Info

Publication number
CN109063255B
CN109063255B CN201810701039.4A CN201810701039A CN109063255B CN 109063255 B CN109063255 B CN 109063255B CN 201810701039 A CN201810701039 A CN 201810701039A CN 109063255 B CN109063255 B CN 109063255B
Authority
CN
China
Prior art keywords
load rate
power consumption
data
energy
saving control
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.)
Active
Application number
CN201810701039.4A
Other languages
English (en)
Other versions
CN109063255A (zh
Inventor
梁伟明
刘雪峰
卢智涛
郑宇蓝
张隆希
彭志波
王钧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Canlead Energy Technology Co ltd
Original Assignee
Guangzhou Canlead Energy Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Canlead Energy Technology Co ltd filed Critical Guangzhou Canlead Energy Technology Co ltd
Priority to CN201810701039.4A priority Critical patent/CN109063255B/zh
Publication of CN109063255A publication Critical patent/CN109063255A/zh
Application granted granted Critical
Publication of CN109063255B publication Critical patent/CN109063255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种节能控制方法，包括模型构建步骤，构建设备组的热力学模型；数据接收步骤，接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；策略生成步骤，通过所述热力学模型得出EER负荷率数据组及功耗，所述EER负荷率数据组为制冷能效比与负荷率的关联比数据，将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，得出设备组的节能控制策略。本发明还公开了一种电子设备、计算机可读存储介质、节能控制装置及系统。本发明对连接系统的运行设备进行大数据采集，并针对采集的运行设备实际运行情况的数据作具体分析，从而及时调整运行策略，以达到节能控制效果。

Description

一种节能控制方法、电子设备、存储介质、装置及系统
技术领域
本发明涉及暖通空调控制技术领域，特指一种基于物联网的公共建筑云计算运营平台的节能控制方法、电子设备、存储介质、装置及系统。
背景技术
物联网技术日益发展，已逐渐普遍应用到各大型工业项目，如基于工业物联网的数据管理系统，该系统主要功能在于，将基层的大量设备产生的运行数据采集起来，进行综合监控管理及应用。例如，基于物联网的中央空调管理系统，常见的中央空调系统由冷热源系统和空气调节系统组成。采用液体汽化制冷的原理为空气调节系统提供所需冷量，用以抵消室内环境的冷负荷；制热系统为空气调节系统提供用以抵消室内环境热负荷的热量。该系统中涉及大量基础设备，如空气压缩机、冷凝器、节流装置、蒸发器、冷水机组等多种基层设备，各设备在日常运行中，将产生大量运行数据，通过采集这些数据，并将数据上传到云服务器，进一步加工处理，从而监控整个系统内所有设备的运行情况，并对采集数据加以应用。
在当前社会经济的快速发展以及人们对生活环境舒适性要求的不断提高，使得空调系统成为了人类日常生活和工业生产过程中不可缺少的一部分。据资料统计，进入21世纪后，建筑能耗在全国总能耗中所占比例越来越高，目前已经达到25％以上，其中,冷水机组能耗约占60％以上，而在负荷分布较高的夏季，空调的能耗甚至能占用到1/3。因此，对冷水机组的优化节能，是为响应国家节能减排号召，实现现代化可持续发展所亟待解决的关键问题。为了达到上述标准，目前对于建筑上采用物联网对运行设备的数据采集及监控系统，通过对大数据的应用，实现对系统下监控的设备节能控制成为了新研发的技术方向。
冷水机运行状况可用能效比EER来作为一个判断标准，EER是指冷水机的制冷量与轴功率的比值；负荷率则是指冷水机当前的制冷量与额定制冷量的比值。基于国内中央空调的行业设计习惯，通常是按照其所能实现的最大负荷设计，传统水冷式冷水机组亦是如此，而这就导致了在实际运行过程中，冷水机组长时间都是处于低负荷运行的状态，其所能达到的EER远远低于其在额定负荷下的设计值。在部分负荷工况下，将一台或者多台冷水机并联，通过切换并联的冷水机台数、使得不同设计参数的冷水机加入或退出工作等方法，可以提高单台冷水机的运行负荷，这也是提高冷水机机组制冷效率的有效方法。
传统的控制策略寻优方法因模型构建参数选取不完善、模型精度较低、应用计算繁琐等局限性，无法考虑冷水机组所有可能采用的并联方式，大多只对其预先拟定好的若干个并联运行方案进行对比分析，不能考虑到所有的并联运行方式。但是，实际工程中机组中每台冷水机的制冷量并非相同，不同并联组合方式也存在其各自最佳适用负荷区间，如果分析只局限于预先拟定好的若干个并联方式，则寻优结果可能会变成局部最优，而不能将整体的主要因素和方案较为全面地考虑在内。
发明内容
针对现有技术的不足，本发明的目的之一在于提供一种节能控制方法，对连接系统的运行设备进行大数据采集，并针对采集的运行设备实际运行情况的数据作具体分析，从而及时调整运行策略，以达到节能控制效果。
为了达到上述目的给出，本发明的技术方案：
一种节能控制方法，至少包括如下步骤：
模型构建步骤，构建设备组的热力学模型，该模型根据设备组的蒸发器、冷凝器及压缩机的热力学性能构建而成；
数据接收步骤，接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；所述对应的单位时间负荷率数据组为设定时间段内的各个时间点的设备组运行数据与负荷率的关联比；
策略生成步骤，通过所述热力学模型得出EER负荷率数据组及功耗，所述EER负荷率数据组为制冷能效比与负荷率的关联比数据，将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，得出设备组的节能控制策略。
作为进一步改进，所述策略生成步骤中的匹配方法为以所述热力学模型得出的EER负荷率数据组为依据寻优，具体步骤包括：
分组计算步骤，将设备组中的不同设备按照排列组合方式排出所有并联组，并将每个所述并联组的运行数据和负荷率数据分别代入所述热力学模型得出每个所述并联组的EER负荷率数据组；
最优组选取步骤，取在每个负荷率区间中所述EER负荷率数据组中对应的EER值最高的并联组，作为此段负荷率区间对应的最优并联组；
控制策略选定步骤，按照所述单位时间负荷率数据组中每个时间段的负荷率选取对应的最优并联组，将所有最优并联组按时间顺序组合，形成所述整个时间段内的最优控制策略；
对上述匹配方法的另一种改进，所述策略生成步骤中的匹配方法为以所述热力学模型得出的功耗为依据静态匹配控制策略，其中，联系所有节点组成的控制策略集合称为决策树。具体步骤包括：
决策树生成步骤，取整个时间段内的多个状态点，每个所述状态点上分布节点；从第二个状态点开始至最后一个状态点，依次以上一状态点的所有节点作为下一状态点的父节点向下分裂，每次所述分裂产生的节点为子节点；
决策树选枝步骤，通过所述运行数据和所述单位时间负荷率数据组，通过所述热力学模型计算每个所述父节点功耗和由此父节点直接产生的每个所述子节点功耗的叠加值；比较每个父节点对应的叠加值，将所述叠加值最低的父节点和由其产生的子节点保留，其余舍弃；
最优策略生成步骤，重复决策树选枝步骤，直至所述决策树中每个所述状态点仅有一个对应节点；将每个状态点的节点按时间顺序排列，作为所述整个时间段的最优控制策略。
作为进一步改进，所述决策树选枝步骤中还包括如下步骤：
计算由父节点直接产生的每个子节点的功耗，选取功耗最低的子节点为最优子节点；
计算每个父节点的功耗为父功耗，再计算此父节点对应的所述最优子节点的子功耗与所述父功耗的叠加值，比较不同父节点对应的所述叠加值，保留叠加值最低的父节点和由其产生的子节点。
作为进一步改进，所述模型构建步骤具体包括；
支路流量计算步骤：计算每台支路的设备支路流量；
数据测量步骤：测量每台设备组中冷冻水出水温度、冷冻水温差、冷却水进水温度；
所述热力学模型计算流程如下：
流程1：获取冷冻水出水温度、冷冻水温差、冷却水进水温度以及支路设备的支路流量；
流程2：假设压缩机进行等熵压缩时的出口温度；
流程3：计算冷凝器进口参数、冷凝器出口参数及蒸发器参数；
流程4：假设冷却水出水温度；
流程5：假设蒸发器的换热量；
流程6：计算蒸发器制冷剂侧换热量；
流程7：判断蒸发器制冷剂侧换热量与蒸发器的换热量是否相等；是，则执行流程8；否，则执行流程5；
流程8：计算冷却水侧换热量；
流程9：判断冷却水侧换热量与制冷剂侧换热量是否相等；是，则执行流程10，否，则执行流程4；
流程10：计算冷凝器内的制冷剂流量和蒸发器内制冷剂流量；
流程11：判断冷凝器内的制冷剂流量和蒸发器内制冷剂流量是否相等；是，则执行流程12；否，则执行流程2；
流程12：计算压缩机功耗。
作为进一步改进，所述热力学模型计算公式如下：
蒸发器内各参数有以下关系：
制冷剂侧换热系数：
冷冻水侧换热系数：
蒸发器总换热过程：
冷凝器内各参数有以下关系：
制冷剂侧换热系数：
冷却水侧换热系数：
冷凝器内总换热过程；
所述冷水机支路满足以下关系：
Δp＝Δp1+Δp2
式中，Lo、Di、Z、no为蒸发器有效换热管长、管内径、冷冻水流程，vo为冷冻水流速；△P1、△P2、△P为冷冻水通过蒸发器时摩擦阻力、局部阻力与总阻力；Go为流过蒸发器流量。
作为进一步改进，所述设备组的运行数据接收方式包括通过数据采集，或者通过人机交互端输入。所述数据采集为通过连接本发明系统的数据采集装置，采集所得的各支路运行设备的运行数据。所述人机交互端用于作为本系统的输入端，用于接收离线数据，即非连接前述数据采集装置的设备数据，可通过本系统作策略运算后输出该人机交互端，从而有效地增强兼容性能及扩展性能。
本发明的目的之二在于提供一种电子设备，对连接系统的运行设备进行大数据采集，并针对采集的运行设备实际运行情况的数据作具体分析，从而及时调整运行策略，以达到节能控制效果。
为实现上述目的，本发明采取的技术方案是：
一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现所述的节能控制方法。
本发明的目的之三在于提供一种计算机可读存储介质，对连接系统的运行设备进行大数据采集，并针对采集的运行设备实际运行情况的数据作具体分析，从而及时调整运行策略，以达到节能控制效果。
为实现上述目的，本发明采取的技术方案是：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的节能控制方法。
本发明的目的之四在于提供一种节能控制装置，对连接系统的运行设备进行大数据采集，并针对采集的运行设备实际运行情况的数据作具体分析，从而及时调整运行策略，以达到节能控制效果。
为实现上述目的，本发明采取的技术方案是：
一种节能控制装置，包括：
模型构建模块，用于根据设备组的蒸发器、冷凝器及压缩机的热力学性能数据构建设备组的热力学模型；
数据接收模块，用于接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；所述对应的单位时间负荷率数据组为设定时间段内的各个时间点的设备组运行数据与负荷率的关联比；
策略生成模块，用于通过所述热力学模型得出EER负荷率数据组及功耗，并将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，生成设备组的节能控制策略。
本发明的目的之五在于提供一种节能控制系统，对连接系统的运行设备进行大数据采集，并针对采集的运行设备实际运行情况体现的数据作具体分析，从而及时调整运行策略，以达到节能控制效果。
为实现上述目的，本发明采取的技术方案是：
一种节能控制系统，包括：
数据采集装置，用于采集设备组的运行数据，通过传输总线与设备组连接并采集数据；
所述的节能控制装置，用于接收采集数据，并对采集数据与构建的模型作运算输出节能控制策略；
运营平台，与所述数据采集装置及节能控制装置连接，用于监控数据采集装置及节能控制装置的运作，并将所述节能控制策略转换为控制指令信号，调节设备组的运作状态；
人机交互端，设置于运营平台，用于接收设备组外的运行数据及反馈所述节能控制策略。
与现有技术相比，本发明的有益效果在于，本发明的建筑节能控制方法及系统，通过大数据采集，将在系统监控中的运行设备产生的数据，构建热力学模型，通过所述热力学模型得出EER负荷率数据组及功耗，将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，形成设备组的节能控制策略，从而控制设备组相应的调节控制。在数据采集的持续进行下，随着数据的采集量增加，作为比对匹配的数据组将越来越精准，以便贴合各种公共建筑的具体运行设备设置及实际运作情况，具体情况具体调节，从而增强兼容性能，让节能效果逐渐提高，形成智能型、学习型的节能控制系统。
附图说明
图1为本发明的节能控制方法流程图；
图2为本发明中模型构建步骤的设备组支路流量计算流程图；
图3为本发明中模型构建步骤的压缩机功耗计算流程图；
图4为本发明的策略生成步骤中的第一种匹配方式流程图；
图5为本发明的第一种匹配方式实施例中大楼一天中的单位时间负荷率分布图；
图6为本发明第一种匹配方式实施例中所有并联方式下设备组功耗-总负荷率曲线图；
图7为本发明的第一种匹配方式实施例中机组一的最优控制策略图；
图8为本发明的策略生成步骤中的第二种匹配方式流程图；
图9为本发明的第二种匹配方式实施例中冷水机组的一部分运行数据；
图10为本发明的第二种匹配方式实施例中冷水机组单位时间负荷率的曲线图；
图11为本发明的第二种匹配方式的决策树的一种实施例；
图12为本发明的第二种匹配方式的决策树生成步骤流程图；
图13为本发明的第二种匹配方式的决策树选枝步骤流程图；
图14为本发明的节能控制装置结构示意图；
图15为本发明的节能控制系统结构示意图。
具体实施方式
结合附图说明本发明的一种节能控制方法、电子设备、存储介质、装置及系统。
实施方式一
该节能控制方法，涉及一种基于物联网的公共建筑云计算运营平台的节能控制技术。
所述设备组主要指的是中央空调系统的冷水机组，该冷水机组包括蒸发器、冷凝器及压缩机的主要运行设备，通过传感器可针对前述运行设备的运行产生的数据作采集。本方法是基于上述运行设备数据作大数据分析，生成相应的节能控制策略。
本发明中提及的EER是指冷水机的制冷量与轴功率的比值。
负荷率是指冷水机当前的制冷量与额定制冷量的比值。
功耗是指功率的损耗，指设备、器件等输入功率和输出功率的差额。
决策树是指联系所有节点组成的控制策略集合。
如图1所示，该节能控制方法，包括如下步骤：
S1模型构建步骤，构建设备组的热力学模型，该模型根据设备组的蒸发器、冷凝器及压缩机的热力学性能构建而成。
其中，根据热力学第一定律，能量在转换过程中，其总值保持不变。对于一台冷水机组，则在构成冷水水机组的三大部件蒸发器、冷凝器及压缩机之间，能量传递的总值是守恒的；而且对于冷水机组的制冷剂循环，冷水机组的在运行过程中整体系统是封闭的，封闭系统的物料也是守恒，即制冷剂的量是守恒的。
蒸发器是通过制冷剂蒸发(沸腾)，吸收载冷剂(被冷却物)的热量，从而达到制冷目的的换热设备。
冷凝器是将制冷压缩机排出的高温高压气态制冷剂予以冷却、使之液化，以便制冷剂在系统中循环使用的换热设备。
压缩机是把制冷剂从低压提升为高压，并使制冷剂不断循环流动，从而使系统不断将内部热量排放到高于系统温度的环境中。制冷压缩机是制冷系统的心脏，制冷系统通过压缩机输入电能，从而将热量从低温环境排放到高温环境。
以市面上常见的冷水机组作为研究对象，很容易获知其自身的额定参数及其使用的制冷剂型号，通过查询也能轻易获知制冷剂的热力学参数。
首先对冷水机组的各个支路流量进行计算，所述冷水机支路满足以下关系：
Δp＝Δp1+Δp2
式中，Lo、Di、Z、no为蒸发器有效换热管长、管内径、冷冻水流程，vo为冷冻水流速；△P1、△P2、△P为冷冻水通过蒸发器时摩擦阻力、局部阻力与总阻力；Go为流过蒸发器流量。
还需要通过传感器等常用测量工具测量冷水机组中冷冻水出水温度、冷冻水温差、冷却水进水温度以作为已知的量。
构建冷水机组热力学模型，需要对冷水机组的蒸发器、冷凝器及压缩机进行热力学分析。
对于蒸发器：
蒸发器内的传热过程包括：制冷剂侧的沸腾传热、冷冻水侧对流换热以及通过换热管壁与污垢层的导热。通过制冷剂侧的对流换热系数、制冷量、冷冻水的定性流速、冷冻水侧的对流化热系数等9个控制变量耦合方程，可以得到蒸发温度与制冷量、冷冻水流量、冷冻水出水温度、冷冻水进水温度的函数关系。
蒸发器内各参数有以下关系：
制冷剂侧换热系数：
冷冻水侧换热系数：
蒸发器总换热过程：
对于冷凝器：
冷凝器的传热过程包括：制冷剂的冷凝换热，金属壁、垢层的导热以及冷却水的吸热过程。一般的壳管式冷凝器管内侧为制冷剂，管外侧为冷冻水。通过传热过程的总热阻、制冷机的物性参数等11个控制变量耦合方程，可以得到蒸发温度与制冷量、支路流量、冷却水进水温度的函数关系，如图3所示。
冷凝器内各参数有以下关系：
制冷剂侧换热系数：
冷却水侧换热系数：
冷凝器内总换热过程；
对于压缩机：
通过压缩机的总功耗、压缩机的轴功率、压缩机的理论功耗等10个控制变量耦合方程，可以得到能量守恒的关系式。最后通过对冷凝温度的多次迭代，计算给定工况下的单台机运行功耗。
根据以上关系建立冷水机组的热力学模型，计算流程如图2所示包括：
步骤A1：获取冷冻水出水温度、冷冻水温差、冷却水进水温度以及支路冷水机的支路流量；
步骤A2：假设压缩机进行等熵压缩时的出口温度；
步骤A3：计算冷凝器进口参数、冷凝器出口参数及蒸发器参数；
步骤A4：假设冷却水出水温度；
步骤A5：假设蒸发器的换热量；
步骤A6：计算蒸发器制冷剂侧换热量；
步骤A7：判断蒸发器制冷剂侧换热量与蒸发器的换热量是否相等；是，则执行步骤A8；否，则执行步骤A5；
步骤A8：计算冷却水侧换热量；
步骤A9：判断冷却水侧换热量与制冷剂侧换热量是否相等；是，则执行步骤A10，否，则执行步骤A4；
步骤A10：计算冷凝器内的制冷剂流量和蒸发器内制冷剂流量；
步骤A11：判断冷凝器内的制冷剂流量和蒸发器内制冷剂流量是否相等；是，则执行步骤A12；否，则执行步骤A2；
步骤A12：计算压缩机功耗。
S2数据接收步骤，接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；所述对应的单位时间负荷率数据组为设定时间段内的各个时间点的设备组运行数据与负荷率的关联比。
其中，所述设备组的运行数据接收方式包括通过数据采集装置采集所得，或者通过人机交互端输入所得。
S3策略生成步骤，通过所述热力学模型得出EER负荷率数据组或功耗，所述EER负荷率数据组为制冷能效比与负荷率的关联比数据，将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，得出设备组的节能控制策略。
对于冷水机组而言，每台冷水机的设定参数各有不同，将每台机编号，并采集包括冷冻水出水温度、冷冻水进出水温差、冷却水进水温度、冷却水流量、冷水机组的额定制冷量和设计功耗量在内的冷水机组运行数据。根据冷水机组运行数据和热力学特性可以得出冷水机组的负荷率随时间变化的单位时间负荷率数据组，以及在一定负荷率前提下的功耗高低。
所述策略生成步骤中的匹配方法的第一种方式：
以所述热力学模型得出的EER负荷率数据组为依据寻优，如图4所示的具体步骤包括：
分组计算步骤，将设备组中的不同设备按照排列组合方式排出所有并联组，并将每个所述并联组的运行数据和负荷率数据分别代入所述热力学模型得出每个所述并联组的EER负荷率数据组；
最优组选取步骤，取在每个负荷率区间中所述EER负荷率数据组中对应的EER值最高的并联组，作为此段负荷率区间对应的最优并联组；
控制策略选定步骤，按照所述单位时间负荷率数据组中每个时间段的负荷率选取对应的最优并联组，将所有最优并联组按时间顺序组合，形成所述整个时间段内的最优控制策略。
作为本发明的实施例1：
以市面上三台不同容量的冷水机组为例，制冷剂均为R134a，计算工况条件与机组结构参数分别下：
机组群工况条件：
机组结构参数：
根据上述并联特性模型计算机组群冷冻水流量分配(由于机组群总负荷确定，故冷冻水总管流量Gtotal已知)，计算过程如下：
假设已知机组群冷冻水总管压降△p，由于各冷水机组压降等于总管压降，则对于1号主机，假设已知1号的冷冻水流速vo，由冷冻水进出水温查询物性参数表可以得到冷冻水的运动粘度ν，并联式(1)、(2)、(3)、(4)、(5)可计算冷冻水流过蒸发器时的实际流速vo_act，其中，系数C取0.457，m取0.2111。
ξ＝C Re-m (2)
Δp＝Δp1+Δp2 (5)
比较vo与vo_act大小，当偏差幅度大于0.001时，重新假设vo，进行迭代，直到计算偏差小于0.001。由式(6)可以计算1号机所分配到的冷冻水流量Go。
同理，可以计算出2号、3号机所分配到的冷冻水流量，将三台机的冷冻水流量相加并与Gtotal进行对比，当偏差幅度大于0.001时，重新假设△p，进行迭代，直到计算偏差小于0.001。此时机组群冷冻水流量分配已计算完毕，将各冷水机组所分配到的冷冻水流量作为单台机热力特性模型的计算边界条件，即可计算出各冷水机组的功耗，将其相加并除以机组群总制冷量，即可以得到当前并联方式下机组群的能效比EER。
其中，利用单台机热力特性模型计算冷水机组的功耗，计算过程如下：
1、蒸发器工况模拟
蒸发器内的传热过程包括制冷剂侧的沸腾换热、冷冻水侧对流换热以及通过换热管壁与污垢层的导热。污垢热阻Rfo取0.00011m2·K/W，故换热过程的总换热系数为：
假设一个蒸发温度to，蒸发器管外翅片肋化系数取1.5，并联式(8)、式(9)可得制冷剂侧换热系数hR134a。
并联式(10)、(11)、(12)、(13)可得冷冻水侧换热系数ho。
并联式(14)、(15)可得实际蒸发温度to_act。
Qo＝AoKoΔt (14)
比较to与to_act大小，当偏差幅度大于0.001时，重新假设to，进行迭代，直到计算偏差小于0.001，(当偏差幅度小于0,001时，则认为to与to_act实质是相等)。
2、冷凝器与压缩机工况模拟
冷凝器内的传热过程包括制冷剂侧的沸腾换热、冷冻水侧对流换热以及通过换热管壁与污垢层的导热，污垢热阻Rfk取0.00015m2·K/W，换热过程的总热阻为：
假设一个压缩机的出口压力pout，查物性参数表可得冷凝器的冷凝温度tk，假设一个冷却水出水温度tcool_ex，由式(17)可计算冷凝器的对数传热温差△tk：
假设一个冷凝器换热量Qk，并联式(18)、(19)、(20)可得冷凝器内制冷剂侧换热系数hR134a_k，其中制冷剂的导热系数λR134a、密度ρR134a、动力粘度νR134a可通过冷凝温度tk查询物性参数表获得。
冷却水侧的换热系数计算方式同蒸发器的冷冻水侧计算方式，由此可得冷却水侧换热系数hk。由式(21)可计算冷凝器实际换热量Qk_act。
Qk_act＝AkKkΔt (21)
比较Qk_act与Qk大小，当偏差幅度大于0.001时，重新假设Qk，进行迭代，直到计算偏差小于0.001。由式(22)可计算实际冷却水出水温度tcool_ex_act。
比较tcool_ex_act与tcool_ex大小，当偏差幅度大于0.001时，重新假设tcool_ex，进行迭代，直到计算偏差小于0.001。通过pout查询物性参数表可得蒸发器进口焓值heva_in，由1.中计算出的蒸发温度to_act查询物性参数表可得蒸发器出口焓值heva_out，由式(23)可计算蒸发器制冷剂流量qma_o。
通过pout与to_act查询物性参数表可得压缩机出口焓值hcom_out_act与压缩机进口焓值hcom_in，并联式(24)、(25)可得压缩机实际功耗。
ηs＝0.28168+1.14249·(φ-0.2)
-0.59051·(φ-0.2)2-0.69255·(φ-0.2)3
+1.42011·(φ-0.2)4-0.83229·(φ-0.2)5 (25)
由式(26)可得等熵压缩下压缩的出口焓值hcom_out，即冷凝器的进口焓值。
hcom_out＝W-hcom_in (26)
由式(27)可得冷凝器制冷剂流量qma_k。
比较qma_o与qma_kx大小，当偏差幅度大于0.001时，重新假设pout，进行迭代，直到计算偏差小于0.001。此时模型闭合，计算收敛。压缩机功耗可由下式计算：
Pe＝qma_k·(hcom_out-hcom_in) (28)
通过压缩机功耗计算冷水机组的能效比EER。
对冷水机组进行排列组合，可得冷水机组的所有并联方式如下所示：
按照上述计算方式对上述所有并联方式进行计算，可得冷水机组所有并联方式在全负荷下的EER如下所示(单元格为空表示在当前负荷率下采用该并联方式会导致冷水机组报警停机)。
作为本发明的实施例2：
取某一办公大楼为研究对象，其机组运行数据如下表所示，将其定为机组二。
在过渡季节，该办公楼的控制策略为等冷水供水温度的常规控制方式，通常为操作人员根据经验开启两台大机并联运行。取该大楼一天中的负荷分布为研究样本，绘制基于该样本的负荷分布时间序列图如附图5所示。由图中信息可知，在早上8点左右由于接近上班时间，从8点开始到11点30分左右，冷水机组总负荷由40％迅速增大到64％，并在58％～60％的区间中上下浮动，至午休时分，从11点左右到中午12点机组总负荷迅速从60％下降至46％，并在12点之后至下午两点前在47％～43％的区间中上下浮动，下午2点时由于又到办公时间，负荷在一个多小时内从45％飙升至83％，之后开始下降至下午4点30分左右。
通过绘制不同并联方式下冷水机组EER总负荷率曲线图来探寻最优控制策略。首先，排列组合得到的所有并联方式一共有五种，如下表所示：
通过多台机负荷分配模型计算，绘制不同并联方式下冷水机组功耗-总负荷率曲线与EER总负荷率曲线如附图6所示。取附图6中EER最高的负荷区间，得到并联方式的最佳切换点如下表所示：
基于该办公楼当天的负荷分布特点，机组二就可以采用如附图7所示的并联方案。对于冷水机组的运行性能，采用绘制EER-轴功率曲线图的方法所确定的控制策略要优于原大楼的所采用的传统控制策略，当大楼空调系统总负荷率在80％时，节能量能达到77Kw。
作为本发明的实施例3：
取特灵(TRANE)空调的额定值冷量相同的三台冷水机为研究对象，定为机组三，计算分析后得出：以EER总负荷率曲线图确定机组在不同负荷下的控制策略的方法也适用于均匀负荷分布。但是，在相同运行工况下，随着负荷率的提高，非均匀负荷分布机组的总体能效比要优于均匀分布。
上述第一种方式通过构建冷水机组的热力学模型，可以综合已有冷水机组的所有并联方式来制定最优的控制策略，使得冷水机组在高能效比的情况下运行，从而达到节省能耗的目的，有利于现代化可持续发展。
所述策略生成步骤中的匹配方法的第二种方式：
以所述热力学模型得出的功耗为依据静态匹配策略，如图8所示的具体步骤包括：
决策树生成步骤，取整个时间段内的多个状态点，每个所述状态点上分布节点；从第二个状态点开始至最后一个状态点，依次以上一状态点的所有节点作为下一状态点的父节点向下分裂，每次所述分裂产生的节点为子节点；
决策树选枝步骤，通过所述运行数据和所述单位时间负荷率数据组，通过所述热力学模型计算每个所述父节点功耗和由此父节点直接产生的每个所述子节点功耗的叠加值；比较每个父节点对应的叠加值，将所述叠加值最低的父节点和由其产生的子节点保留，其余舍弃；
最优策略生成步骤，重复决策树选枝步骤，直至所述决策树中每个所述状态点仅有一个对应节点；将每个状态点的节点按时间顺序排列，作为所述整个时间段的最优控制策略。
上述第二种方式是以决策树剪枝的形式，无需计算所有可能的控制策略的结果即可得出最优控制策略，考量的因素全面，避免了过多的计算量，结果生成速度快。但在设备机组数较多时，需要借助计算机完成庞大的决策树生成和计算量，对策略生成设备有一定要求。
作为本发明的实施例4：
取某办公大楼空调系统中的冷水机组采集数据得到冷水机组的运行数据如附图9所示，经过热力学特性模型分析计算得出单位时间负荷率数据组，将其绘制为曲线图如附图10，将附图10中单位时间负荷率曲线分为多个状态点(状态点1，状态点2,状态点3……)。
通过决策树生成步骤，父节点向子节点的分裂需满足尽量避免频繁启停机的前提，每次开机或关机的冷水机不超过1台，以避免开机和关机时对整个冷水机组造成强大的冲击电流，不利于节能环保和设备的维护。以3台冷水机组成的冷水机组为例，在状态点2时若选择开两台机，那么以状态点1处节点为父节点的状态点2处的节点需在此两台机开机的基础上，维持原样开机或减少一台或增加一台，所有可能的并联方式如附图11所示。在冷水机台数较多时，采用如下步骤生成符合条件的子节点，流程图如附图12所示：
将所有的冷水机编号，形成由字符组成的序列；
直接使用父节点中的字符序列作为第一类子节点的序列；
遍历所有所述字符，若当前遍历字符在父节点中存在，以父节点中的字符序列为基础，剔除该字符后作为第二类子节点的字符序列。
遍历所有所述字符，若当前遍历字符在父节点中不存在，以父节点中的字符序列为基础，加上该字符后作为第三类子节点的字符序列。
然后通过决策树选枝步骤，需计算节点处的功耗，根据热力学第一定律，能量在转换过程中，其总值保持不变。对于一台冷水机组，则在构成冷水水机组的三大部件蒸发器、冷凝器及压缩机之间，能量传递的总值是守恒的；而且对于冷水机组的制冷剂循环，冷水机组的在运行过程中整体系统是封闭的，封闭系统的物料也是守恒，即制冷剂的量是守恒的。
以市面上常见的冷水机组作为研究对象，将功耗定为压缩机功耗与水泵功耗之和，很容易获知其自身的额定参数及其使用的制冷剂型号，通过查询也能轻易获知制冷剂的热力学参数，因此可以通过推算获得在不同负荷率的情况下功耗的计算方式。
通过如下步骤在决策树中从第二个状态点开始计算并比较功耗(如附图13所示)，从而达到选枝剪枝的效果：
计算由父节点直接产生的每个子节点的功耗，选取功耗最低的子节点为最优子节点；
计算每个父节点的功耗为父功耗，再计算此父节点对应的所述最优子节点的子功耗与所述父功耗的叠加值，比较不同父节点对应的所述叠加值，保留叠加值最低的父节点和由其产生的子节点。
多次重复决策树选枝步骤后整个决策树将剩下唯一的一条枝干，再将此枝干的节点按时间顺序排列，即可作为整个时间段的最优控制策略。
在实际运用中，数据库由EXCEL生成，用户只需提供冷水机组选型手册上的基本数据(制冷量、压缩机额定耗功量，冷却水流量)，输入端负荷时间序列也支持从EXCEL直接导入；具备多种不同容量、类型(离心、螺杆)、使用不同制冷剂的冷水机组数据库(xml)，支持多种不同类型冷水机组的控制策略寻优；计算速度快捷，计算一个负荷点所需时间不超过10秒，可以实现大批量计算，甚至以年为单位的控制策略也能生成。
对于上述两种方式，第一种方式的优点在于，没有复杂的决策树生成过程，计算速度较快，无需借助计算机也可以得到最优解；缺点也很明显，无法很好地将频繁启停造成的强电流能耗和对机组的冲击考虑进去，总能耗非最低的控制策略。
第二种方式优点在于，能解决第一种方式的缺点；但在机组数较多时，需要借助计算机完成庞大的决策树生成和计算量，对策略生成的运算设备有硬件需求。
故此，在实际应用中，可针对具体公共建筑所配置的硬件设施，选择相应的上述第一种或第二种方式来实现相应的节能控制操作。
实施方式二
实施方式二为执行实施方式一节能控制方法时的一种电子设备，该节能控制方法通过运营平台实现，而电子设备为运营平台的支撑结构，该电子设备主要由处理器、存储介质以及计算机程序，其中，计算机程序存储于存储介质中，并且计算机程序由处理器来执行，该处理器执行计算机程序时实现实施例一中的节能控制方法。该电子设备的显示终端可以是平板电脑、计算机、以及专用的触摸显示面板，甚至是手机。即只要带有上述三部分组成且能执行实施例一的方法的电子设备均可。
实施方式三
实施方式三为存储实施方式一提及的方法的计算机可读存储介质，该计算机可读存储介质用于存储可被处理器处理的计算机程序，该计算机程序在被处理器执行时，能够实现实施例一中的节能控制方法。计算机可读存储介质包括但不限于U盘、硬盘、移动硬盘、云技术下的云盘，甚至也包括网页(这里的网页特指能够记载上述计算机程序的网页)。
实施方式四
对应实施方式一，该实施方式四为实施方式一的虚拟装置，主要涉及一种可以实现实施例一的节能控制装置。请参照图14所示，该装置由模型构建模块、数据接收模块以及策略生成模块组成。
其中，模型构建模块，用于根据设备组的蒸发器、冷凝器及压缩机的热力学性能数据构建设备组的热力学模型；
数据接收模块，用于接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；所述对应的单位时间负荷率数据组为设定时间段内的各个时间点的设备组运行数据与负荷率的关联比；
策略生成模块，用于通过所述热力学模型得出EER负荷率数据组及功耗，并将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，生成设备组的节能控制策略。
实施方式五
实施方式五提供了一种实现实施方式一节能控制方法的节能控制系统。
如图15所示，该节能控制系统主要包括数据采集装置、上述节能控制装置、运营平台。
数据采集装置，用于采集设备组的运行数据，通过传输总线与设备组连接并采集数据，设备组包括连接数据采集点1至N，以及各个数据采集点下的多台运行设备。该数据采集装置包括数据采集主机和云服务器，数据采集主机与传输总线连接，采集设备组的运行数据；云服务器与数据采集主机连接，并分类存储采集的运行数据。
实施方式四所述的节能控制装置，用于接收采集数据，并对采集数据与构建的模型作运算输出节能控制策略。该节能控制装置包括模型构建模块、数据接收模块以及策略生成模块组成。其中，数据接收模块与数据采集装置的云服务器连接，并接收采集数据。
运营平台，与所述数据采集装置及节能控制装置连接，用于监控数据采集装置及节能控制装置的运作，并将所述节能控制策略转换为控制指令信号，调节设备组的运作状态。
优选地，还包括设置于运营平台的人机交互端，通过运营平台与所述节能控制装置的数据接收模块连接，用于接收设备组外的运行数据及反馈所述节能控制策略。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (7)

1.一种节能控制方法，其特征在于，至少包括如下步骤：
模型构建步骤，构建设备组的热力学模型，该模型根据设备组的蒸发器、冷凝器及压缩机的热力学性能构建而成；
数据接收步骤，接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；所述对应的单位时间负荷率数据组为设定时间段内的各个时间点的设备组运行数据与负荷率的关联比；
策略生成步骤，通过所述热力学模型得出EER负荷率数据组及功耗，所述EER负荷率数据组为制冷能效比与负荷率的关联比数据，将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，得出设备组的节能控制策略；
所述策略生成步骤中的匹配方法为以所述热力学模型得出的EER负荷率数据组为依据寻优匹配，包括：
分组计算步骤，将设备组中的不同设备按照排列组合方式排出所有并联组，并将每个所述并联组的运行数据和负荷率数据分别代入所述热力学模型得出每个所述并联组的EER负荷率数据组；
最优组选取步骤，取在每个负荷率区间中所述EER负荷率数据组中对应的EER值最高的并联组，作为此段负荷率区间对应的最优并联组；
控制策略选定步骤，按照所述单位时间负荷率数据组中每个时间段的负荷率选取对应的最优并联组，将所有最优并联组按时间顺序组合，形成整个时间段内的最优控制策略；
所述策略生成步骤中的匹配方法为以所述热力学模型得出的功耗为依据静态匹配，包括：
决策树生成步骤，取整个时间段内的多个状态点，每个所述状态点上分布节点；从第二个状态点开始至最后一个状态点，依次以上一状态点的所有节点作为下一状态点的父节点向下分裂，每次所述分裂产生的节点为子节点；
决策树选枝步骤，通过所述运行数据和所述单位时间负荷率数据组，通过所述热力学模型计算每个所述父节点功耗和由此父节点直接产生的每个所述子节点功耗的叠加值；比较每个父节点对应的叠加值，将所述叠加值最低的父节点和由其产生的子节点保留，其余舍弃；
最优策略生成步骤，重复决策树选枝步骤，直至所述决策树中每个所述状态点仅有一个对应节点；将每个状态点的节点按时间顺序排列，作为所述整个时间段的最优控制策略；
所述决策树选枝步骤中还包括如下步骤：
计算由父节点直接产生的每个子节点的功耗，选取功耗最低的子节点为最优子节点；
计算每个父节点的功耗为父功耗，再计算此父节点对应的所述最优子节点的子功耗与所述父功耗的叠加值，比较不同父节点对应的所述叠加值，保留叠加值最低的父节点和由其产生的子节点。
2.根据权利要求1所述的节能控制方法，其特征在于，所述模型构建步骤具体包括；
支路流量计算步骤：计算每台支路的设备支路流量；
数据测量步骤：测量每台设备组中冷冻水出水温度、冷冻水温差、冷却水进水温度；
所述热力学模型计算流程如下：
流程1：获取冷冻水出水温度、冷冻水温差、冷却水进水温度以及支路设备的支路流量；
流程2：假设压缩机进行等熵压缩时的出口温度；
流程3：计算冷凝器进口参数、冷凝器出口参数及蒸发器参数；
流程4：假设冷却水出水温度；
流程5：假设蒸发器的换热量；
流程6：计算蒸发器制冷剂侧换热量；
流程7：判断蒸发器制冷剂侧换热量与蒸发器的换热量是否相等；是，则执行流程8；否，则执行流程5；
流程8：计算冷却水侧换热量；
流程9：判断冷却水侧换热量与制冷剂侧换热量是否相等；是，则执行流程10，否，则执行流程4；
流程10：计算冷凝器内的制冷剂流量和蒸发器内制冷剂流量；
流程11：判断冷凝器内的制冷剂流量和蒸发器内制冷剂流量是否相等；是，则执行流程12；否，则执行流程2；
流程12：计算压缩机功耗。
3.根据权利要求2所述的节能控制方法，其特征在于，所述热力学模型计算公式如下：
蒸发器内各参数有以下关系：
制冷剂侧换热系数：
冷冻水侧换热系数：
蒸发器总换热过程：
冷凝器内各参数有以下关系：
制冷剂侧换热系数：
冷却水侧换热系数：
冷凝器内总换热过程；
冷水机支路满足以下关系：
Δp＝Δp1+Δp2
式中，Lo、Di、Z、no为蒸发器有效换热管长、管内径、冷冻水流程，vo为冷冻水流速；△P1、△P2、△P为冷冻水通过蒸发器时摩擦阻力、局部阻力与总阻力；Go为流过蒸发器流量。
4.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1-3任一项所述的节能控制方法。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-3任一项所述的节能控制方法。
6.一种节能控制装置，其特征在于，包括：
模型构建模块，用于根据设备组的蒸发器、冷凝器及压缩机的热力学性能数据构建设备组的热力学模型；
数据接收模块，用于接收设备组的运行数据，并根据所述运行数据得出对应的单位时间负荷率数据组；所述对应的单位时间负荷率数据组为设定时间段内的各个时间点的设备组运行数据与负荷率的关联比；
策略生成模块，用于通过所述热力学模型得出EER负荷率数据组及功耗，并将所述单位时间负荷率数据组中的各单位时间负荷率与所述EER负荷率数据组或功耗作寻优匹配，生成设备组的节能控制策略；
所述策略生成模块中的匹配方法为以所述热力学模型得出的EER负荷率数据组为依据寻优匹配，包括：
分组计算步骤，将设备组中的不同设备按照排列组合方式排出所有并联组，并将每个所述并联组的运行数据和负荷率数据分别代入所述热力学模型得出每个所述并联组的EER负荷率数据组；
最优组选取步骤，取在每个负荷率区间中所述EER负荷率数据组中对应的EER值最高的并联组，作为此段负荷率区间对应的最优并联组；
控制策略选定步骤，按照所述单位时间负荷率数据组中每个时间段的负荷率选取对应的最优并联组，将所有最优并联组按时间顺序组合，形成整个时间段内的最优控制策略；
所述策略生成模块中的匹配方法为以所述热力学模型得出的功耗为依据静态匹配，包括：
决策树生成步骤，取整个时间段内的多个状态点，每个所述状态点上分布节点；从第二个状态点开始至最后一个状态点，依次以上一状态点的所有节点作为下一状态点的父节点向下分裂，每次所述分裂产生的节点为子节点；
决策树选枝步骤，通过所述运行数据和所述单位时间负荷率数据组，通过所述热力学模型计算每个所述父节点功耗和由此父节点直接产生的每个所述子节点功耗的叠加值；比较每个父节点对应的叠加值，将所述叠加值最低的父节点和由其产生的子节点保留，其余舍弃；
最优策略生成步骤，重复决策树选枝步骤，直至所述决策树中每个所述状态点仅有一个对应节点；将每个状态点的节点按时间顺序排列，作为所述整个时间段的最优控制策略；
所述决策树选枝步骤中还包括如下步骤：
计算由父节点直接产生的每个子节点的功耗，选取功耗最低的子节点为最优子节点；
计算每个父节点的功耗为父功耗，再计算此父节点对应的所述最优子节点的子功耗与所述父功耗的叠加值，比较不同父节点对应的所述叠加值，保留叠加值最低的父节点和由其产生的子节点。
7.一种节能控制系统，其特征在于，包括：
数据采集装置，用于采集设备组的运行数据，通过传输总线与设备组连接并采集数据；
权利要求6所述的节能控制装置，用于接收采集数据，并对采集数据与构建的模型作运算输出节能控制策略；
运营平台，与所述数据采集装置及节能控制装置连接，用于监控数据采集装置及节能控制装置的运作，并将所述节能控制策略转换为控制指令信号，调节设备组的运作状态；
人机交互端，设置于运营平台，用于接收设备组外的运行数据及反馈所述节能控制策略。
CN201810701039.4A 2018-06-29 2018-06-29 一种节能控制方法、电子设备、存储介质、装置及系统 Active CN109063255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810701039.4A CN109063255B (zh) 2018-06-29 2018-06-29 一种节能控制方法、电子设备、存储介质、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810701039.4A CN109063255B (zh) 2018-06-29 2018-06-29 一种节能控制方法、电子设备、存储介质、装置及系统

Publications (2)

Publication Number Publication Date
CN109063255A CN109063255A (zh) 2018-12-21
CN109063255B true CN109063255B (zh) 2023-08-08

Family

ID=64818695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810701039.4A Active CN109063255B (zh) 2018-06-29 2018-06-29 一种节能控制方法、电子设备、存储介质、装置及系统

Country Status (1)

Country Link
CN (1) CN109063255B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816227A (zh) * 2019-01-15 2019-05-28 新奥数能科技有限公司 能源设备的管理方法及装置、存储介质、电子装置
CN110092488A (zh) * 2019-04-28 2019-08-06 导洁(北京)环境科技有限公司 基于物联网智能管理带制冷的暖通设备的水处理方法
CN110991043B (zh) * 2019-12-03 2023-05-16 北京中计开元科技有限公司 一种能源消耗系统的能耗建模与评估方法
CN111947240B (zh) * 2020-08-10 2021-12-31 浙江申永达设备安装有限公司 一种轨道交通专用冷冻机房模块
CN112484232B (zh) * 2020-11-23 2022-10-14 珠海格力电器股份有限公司 带有专家诊断功能的空调控制方法、装置及空调机组
CN112628956B (zh) * 2020-12-24 2022-02-15 华中科技大学 基于边云协同框架的冷水机组负荷预测控制方法和系统
WO2024012545A1 (zh) * 2022-07-13 2024-01-18 青岛海信日立空调系统有限公司 空调系统及其能效比确定方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363653A (zh) * 2008-08-22 2009-02-11 日滔贸易（上海）有限公司 中央空调制冷系统的能耗控制方法及装置
CN103853106A (zh) * 2012-11-28 2014-06-11 同济大学 一种建筑能源供应设备的能耗预测参数优化方法
CN104134100A (zh) * 2014-07-22 2014-11-05 香港佳能通节能科技有限公司 一种基于云计算的节能管理系统
CN106529021A (zh) * 2016-11-09 2017-03-22 东南大学 一种基于特征识别的空调系统仿真模拟方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9423172B2 (en) * 2010-10-13 2016-08-23 Weldtech Technology (Shanghai) Co., Ltd. Energy-saving optimized control system and method for refrigeration plant room
CN103296679B (zh) * 2013-05-20 2016-08-17 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
US10855566B2 (en) * 2016-09-30 2020-12-01 Sap Se Efficiency and performance in Internet-of-Things scenarios

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363653A (zh) * 2008-08-22 2009-02-11 日滔贸易（上海）有限公司 中央空调制冷系统的能耗控制方法及装置
CN103853106A (zh) * 2012-11-28 2014-06-11 同济大学 一种建筑能源供应设备的能耗预测参数优化方法
CN104134100A (zh) * 2014-07-22 2014-11-05 香港佳能通节能科技有限公司 一种基于云计算的节能管理系统
CN106529021A (zh) * 2016-11-09 2017-03-22 东南大学 一种基于特征识别的空调系统仿真模拟方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
均匀负荷分配的冷水机组并联运行特性分析;刘雪峰;刘金平;;制冷学报(06);全文 *

Also Published As

Publication number Publication date
CN109063255A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN109063255B (zh) 一种节能控制方法、电子设备、存储介质、装置及系统
CN109855238B (zh) 一种中央空调建模与能效优化方法及装置
Zhu et al. Modelling and applications of annual energy-using simulation module of separated heat pipe heat exchanger
CN109000334A (zh) 一种冷水机组节能控制策略的获得方法
CN115264771A (zh) 一种空调系统及其控制方法
CN109000948A (zh) 基于冷水机热力学模型的多台冷水机组节能空间评估方法
CN111027181A (zh) 一种基于动态能效参数评估中央空调冷水主机能耗的方法
Tian et al. Experimental investigation on cooling performance and optimal superheat of water source gas engine-driven heat pump system
CN113887079A (zh) 考虑新能源发电不确定性的空气源热泵控制方法及系统
CN112070358A (zh) 低真空供热机组电负荷调整区间确定方法及系统
Kang et al. Study on optimization of underground water source heat pump
Ye et al. Performance analysis of a variable-stage open absorption heat pump combined with a membrane absorber
CN109084403B (zh) 基于空调负荷时序分布的冷水机组静态控制策略获得方法
Zhao et al. The application of advanced control technologies in air conditioning system–a review
Ma et al. Test and evaluation of energy saving potentials in a complex building central chilling system using genetic algorithm
Xu et al. Steady-state off-design thermodynamic performance analysis of a SCCP system
CN111473480A (zh) 一种基于决策树分类的中央空调节能控制方法
CN113221274B (zh) 基于对数平均温差及遗传算法的湿冷机组凝汽器经济背压计算方法
CN113719929B (zh) 一种溴化锂空调系统整体性优化控制方法和系统
CN116305758A (zh) 一种基于空调负荷模拟的冷机建模方法及模型应用
Tan et al. Modeling and simulation of layered water tank based on MATLAB/SIMULINK
CN101672510A (zh) 空调系统优化运行模拟及监控方法
Lu et al. Research on Optimization of Chiller Based on Adaptive Weight Particle Swarm Algorithm
Sun et al. Cold storage capacity for solar air-conditioning in office buildings in different climates
WO2024012545A1 (zh) 空调系统及其能效比确定方法

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An energy-saving control method, electronic device, storage medium, device, and system

Effective date of registration: 20230922

Granted publication date: 20230808

Pledgee: CITIC Bank Co.,Ltd. Guangzhou Branch

Pledgor: GUANGZHOU CANLEAD ENERGY TECHNOLOGY Co.,Ltd.

Registration number: Y2023980058541

PE01 Entry into force of the registration of the contract for pledge of patent right