CN109974218B - 一种基于预测的多联机空调系统调控方法 - Google Patents

一种基于预测的多联机空调系统调控方法 Download PDF

Info

Publication number
CN109974218B
CN109974218B CN201910235237.0A CN201910235237A CN109974218B CN 109974218 B CN109974218 B CN 109974218B CN 201910235237 A CN201910235237 A CN 201910235237A CN 109974218 B CN109974218 B CN 109974218B
Authority
CN
China
Prior art keywords
building
time
air conditioning
conditioning system
predicting
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
CN201910235237.0A
Other languages
English (en)
Other versions
CN109974218A (zh
Inventor
郭永辉
方永梅
夏烨
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.)
Zhongchuang Meizong Information Technology Chongqing Co ltd
Original Assignee
Fujian University of Technology
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 Fujian University of Technology filed Critical Fujian University of Technology
Priority to CN201910235237.0A priority Critical patent/CN109974218B/zh
Publication of CN109974218A publication Critical patent/CN109974218A/zh
Application granted granted Critical
Publication of CN109974218B publication Critical patent/CN109974218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • 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
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • 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
    • 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
    • F24F2110/20—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/10—Occupancy
    • F24F2120/14—Activity of occupants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/20—Feedback from users
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/10—Pressure
    • F24F2140/12—Heat-exchange fluid pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/50—Load

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种基于预测的多联机空调系统调控方法，包括：1、预测建筑物外温湿度，计算空调系统的围护结构负荷和太阳辐射负荷；2、预测建筑物内人数的周期性规律；3、预测空调系统的待调节时间点；4、实时监测包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数；5、统计多个采样周期内建筑物外温湿度、建筑物内人数、运行参数以及逐时COP作为训练样本，利用统计或机器学习的方法计算出各特性系数、舒适性预控时间、温度以及最佳COP对应的运行参数；6、预测待调节时间点的最佳COP对应的运行参数，以此对系统运行参数以及预控时间进行调节。该方法调控精度高，提高了调控的舒适性和节能效果。

Description

一种基于预测的多联机空调系统调控方法
技术领域
本发明涉及空调调节技术领域，特别涉及一种基于预测的多联机空调系统调控方法。
背景技术
在我国，建筑能耗约占社会总能耗的30％左右，而建筑能耗中有50％来自于空调系统。因此，降低空调能耗具有重要的战略意义。
多联机空调自面市以来受到了广大消费者的青睐。多联机空调与传统空调相比，具有显著的优点：运用全新理念，集一拖多技术、智能控制技术、多重健康技术、节能技术和网络控制技术等多种高新技术于一身，满足了消费者对舒适性、方便性等方面的要求，避免了一般中央空调需要专用的机房和专人看守的问题，在商场，办公楼以及大学食堂等得到日益广泛的应用。
现有多联机空调系统的调控方法主要是变频运行，主要通过遥控器或者线控器上的操作菜单设定制冷或者制热的目标温度，然后空调设备按照目标温度进行制冷或者制热模式最大功率运转，当达到设定温度时，进入节能状态并对压缩机变频运行，维持室内温度，当实际室内温度脱离设定目标温度到一定范围时，重新最大功率运行进行工作，当空调负荷发生急剧变化时，多联机在变频与最大功率间转换，瞬间启动电流很大，对电网等造成冲击同时导致压缩机功耗增加。因此，只有在考察最佳COP的基础上，找到多联机的变频运行方案，才能实现多联机空调系统最节能地运行。
申请号CN201510164711.7的专利提供了一种基于室内平均温度的空调负荷预测方法，可以较准确地预测出未来较短时段内为了使室内平均温度达到或维持在某个温度设定点所需的制冷和热量；申请号CN201610457311.X的专利提供了一种基于变频空调虚拟机组建模的机组组合方法，实现负荷调整量在用户之间的优化分配，实现了空调群的集中调度控制，减少了相关调度部门的计算量和控制难度；申请号CN201610516958.5的专利提供了一种制冷工况下的风冷热泵协同变频运行方法，对于建筑物常用的风冷热泵，对制冷压缩机、冷却风机和冷风机协同变频调节。这些方法虽然能解决一部分能耗问题，但仍然存在一些不足：要么缺少室外温湿度的变化的影响，要么缺少人数周期性变化的影响以及空调预先运行时间和运行工况的调节，只能被动的实现调整。
发明内容
本发明的目的在于提供一种基于预测的多联机空调系统调控方法，该方法调控精度高，提高了调控的舒适性和节能效果。
为实现上述目的，本发明的技术方案是：一种基于预测的多联机空调系统调控方法，包括以下步骤：
步骤S1、间隔采集所在地区的天气预报数据，预测所在地区建筑物外温湿度，利用谐波反应法或冷负荷系数法计算空调系统的围护结构负荷和太阳辐射负荷；
步骤S2、根据建筑物的运行特点和工作作息时间，预测建筑物内人数的周期性规律，包括高峰期时段；
步骤S3、根据步骤S1、S2得到的结果，预测空调系统的待调节时间点；
步骤S4、实时监测包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数；
步骤S5、统计多个采样周期内的建筑物外温湿度，建筑物内人数，包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数，以及逐时COP，作为训练样本，利用统计或者机器学习的方法，计算出围护结构的延迟时间特性系数，空调设备的延迟时间特性系数，空调系统舒适性预控时间和预控温度，以及各种室内外状况及时间点下对应的最佳COP对应的运行参数；
步骤S6、根据步骤S5得到的围护结构的延迟时间特性系数、空调设备的延迟时间特性系数以及空调系统舒适性预控时间和预控温度，利用预测的待调节时间点的建筑物外温湿度以及建筑物内人数的周期性规律，预测待调节时间点的最佳COP对应的运行参数，以此对待调节时间点的室外机风速、压缩机转速、室内设置温度、制冷剂流量、室内机风速与风量、室内机流量分配以及预控时间进行调节。
进一步地，预测建筑物内人数的周期性规律的具体方法为：根据建筑物的运行特点和工作作息时间，统计多个采样周期内的建筑物内人数，采用二阶傅里叶基数拟合建筑物内人数的周期性变化规律。
相较于现有技术，本发明的有益效果是：根据当地气候特点和空调系统运行特性，考虑建筑物内外温度湿度变化以及人数变化的影响，利用统计或者机器学习，找到最佳COP对应的运行方式，以此对相关运行特性参数以及预控时间进行调节，调控精度高，使空调系统调控实现了最佳的舒适性和节能效果。
附图说明
图1是本发明实施例的实现流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
本发明基于预测的多联机空调系统调控方法，如图1所示，包括以下步骤：
步骤S1、间隔采集所在地区的天气预报数据，预测所在地区建筑物外温湿度，利用谐波反应法或冷负荷系数法计算空调系统的围护结构负荷和太阳辐射负荷。
步骤S2、根据建筑物的运行特点和工作作息时间，预测建筑物内人数的周期性规律，包括高峰期时段。具体方法为：根据建筑物的运行特点和工作作息时间，统计多个采样周期内的建筑物内人数，采用二阶傅里叶基数拟合建筑物内人数的周期性变化规律。
所述建筑物的运行特点指由于建筑物类型不同等原因，使建筑物具有不同的运行周期性规律和运行时间，包括以年、学期、季度、星期、天等为周期的运行规律，以及一天内的开放时间，是否全天候开放等。
步骤S3、根据步骤S1、S2得到的结果，预测空调系统的待调节时间点。
步骤S4、实时监测包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数。
步骤S5、统计多个采样周期内的建筑物外温湿度，建筑物内人数，包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数，以及逐时COP，作为训练样本，利用统计（包括各种回归分析方法）或者机器学习（如人工神经元网络）的方法，计算出围护结构的延迟时间特性系数，空调设备的延迟时间特性系数，空调系统舒适性预控时间和预控温度，以及各种室内外状况及时间点下对应的最佳COP对应的运行参数；
步骤S6、根据步骤S5得到的围护结构的延迟时间特性系数、空调设备的延迟时间特性系数以及空调系统舒适性预控时间和预控温度，利用预测的待调节时间点的建筑物外温湿度以及建筑物内人数的周期性规律，预测待调节时间点的最佳COP对应的运行参数，以此对待调节时间点的室外机风速、压缩机转速、室内设置温度、制冷剂流量、室内机风速与风量、室内机流量分配等运行参数以及预控时间进行调节。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (2)

1.一种基于预测的多联机空调系统调控方法，其特征在于，包括以下步骤：
步骤S1、间隔采集所在地区的天气预报数据，预测所在地区建筑物外温湿度，利用谐波反应法或冷负荷系数法计算空调系统的围护结构负荷和太阳辐射负荷；
步骤S2、根据建筑物的运行特点和工作作息时间，预测建筑物内人数的周期性规律，包括高峰期时段；
步骤S3、根据步骤S1、S2得到的结果，预测空调系统的待调节时间点；
步骤S4、实时监测包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数；
步骤S5、统计多个采样周期内的建筑物外温湿度，建筑物内人数，包括室外机风速、压缩机转速、制冷剂流量、室内机风速与风量、室内机流量分配的运行参数，以及逐时COP，作为训练样本，利用统计或者机器学习的方法，计算出围护结构的延迟时间特性系数，空调设备的延迟时间特性系数，空调系统舒适性预控时间和预控温度，以及各种室内外状况及时间点下对应的最佳COP对应的运行参数；
步骤S6、根据步骤S5得到的围护结构的延迟时间特性系数、空调设备的延迟时间特性系数以及空调系统舒适性预控时间和预控温度，利用预测的待调节时间点的建筑物外温湿度以及建筑物内人数的周期性规律，预测待调节时间点的最佳COP对应的运行参数，以此对待调节时间点的室外机风速、压缩机转速、室内设置温度、制冷剂流量、室内机风速与风量、室内机流量分配以及预控时间进行调节。
2.根据权利要求1所述的一种基于预测的多联机空调系统调控方法，其特征在于，预测建筑物内人数的周期性规律的具体方法为：根据建筑物的运行特点和工作作息时间，统计多个采样周期内的建筑物内人数，采用二阶傅里叶基数拟合建筑物内人数的周期性变化规律。
CN201910235237.0A 2019-03-27 2019-03-27 一种基于预测的多联机空调系统调控方法 Active CN109974218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910235237.0A CN109974218B (zh) 2019-03-27 2019-03-27 一种基于预测的多联机空调系统调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910235237.0A CN109974218B (zh) 2019-03-27 2019-03-27 一种基于预测的多联机空调系统调控方法

Publications (2)

Publication Number Publication Date
CN109974218A CN109974218A (zh) 2019-07-05
CN109974218B true CN109974218B (zh) 2020-09-08

Family

ID=67080812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910235237.0A Active CN109974218B (zh) 2019-03-27 2019-03-27 一种基于预测的多联机空调系统调控方法

Country Status (1)

Country Link
CN (1) CN109974218B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110686366B (zh) * 2019-10-16 2021-02-09 广东美的暖通设备有限公司 空调控制方法、装置及计算机可读存储介质
CN111160739B (zh) * 2019-12-18 2022-06-21 珠海格力电器股份有限公司 多联机舒适性评价方法、装置及空调机组
CN113007884A (zh) * 2019-12-19 2021-06-22 新奥数能科技有限公司 一种中央空调智能控制方法及系统
CN112128934A (zh) * 2020-08-28 2020-12-25 青岛海尔空调器有限总公司 空调器的智能控制方法与智能控制设备
CN112800630A (zh) * 2021-03-22 2021-05-14 南京群顶科技有限公司 一种基于强化学习的末端精密空调优化控制方法及系统
CN113063214A (zh) * 2021-04-15 2021-07-02 重庆中源绿蓝环境科技有限公司 基于客流数据的中央空调系统负荷预测调节方法
CN113486953B (zh) * 2021-07-06 2024-10-15 茵梦达(上海)电气传动设备有限公司 变频器滤网更换时间的预测方法、装置及计算机可读介质
CN115654665B (zh) * 2022-09-08 2024-05-10 珠海格力电器股份有限公司 空调及其控制方法、存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6338855A (ja) * 1986-07-30 1988-02-19 Taisei Corp 蓄熱槽の温度制御方法
JPH0271035A (ja) * 1988-09-07 1990-03-09 Hitachi Ltd 空調機の毎日運転予約方法
CN101021914A (zh) * 2006-03-22 2007-08-22 侯春海 暖通空调负荷预测方法和系统
CN102419223B (zh) * 2011-08-23 2013-06-19 哈尔滨工业大学 流量温差比例冷量分配方法
CN102779228B (zh) * 2012-06-07 2015-06-03 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
CN103486691B (zh) * 2013-09-17 2015-09-30 青岛海信日立空调系统有限公司 多联机空调系统的制冷剂流量控制方法和装置
CN106091270B (zh) * 2016-06-21 2019-02-05 深圳达实智能股份有限公司 基于联网门禁系统的中央空调系统冷负荷预测方法及装置
CN106295902A (zh) * 2016-08-19 2017-01-04 北京世纪微熵科技股份有限公司 建筑冷热负荷预测系统、方法及建筑内部空气调节系统

Also Published As

Publication number Publication date
CN109974218A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109974218B (zh) 一种基于预测的多联机空调系统调控方法
US20210123625A1 (en) Low-cost commissioning method for the air-conditioning systems in existing large public buildings
CN107178869B (zh) 变频空调负荷的聚合控制削峰方法
CN102043907B (zh) 空调房间实时冷负荷确定方法
CN105135623B (zh) 一种满足电网调峰和用户舒适度的中央空调减载控制方法
CN108039710B (zh) 一种基于阶跃特性的空调负荷参与的电网日前调度方法
CN104636987B (zh) 一种公共楼宇空调负荷广泛参与的电网负荷调度方法
CN106091270B (zh) 基于联网门禁系统的中央空调系统冷负荷预测方法及装置
CN107781947A (zh) 一种建筑空调系统冷热源预测控制方法和装置
CN105605753B (zh) 基于多联机与新风机复合空调系统的新风送风温控系统
CN107726538B (zh) 一种智能楼宇用电调控方法
CN108426351B (zh) 变风量空调系统响应电网频率调节的实时最优调度方法
CN107906675B (zh) 一种基于用户需求的中央空调集群优化控制方法
CN109917646B (zh) 一种区域供冷供热设备优化运行系统及方法
CN101929721B (zh) 中央空调节能控制ar模型负荷预测系统的预测方法
Meng et al. Thermal energy storage air-conditioning demand response control using elman neural network prediction model
CN101393570A (zh) 中央空调运行仿真系统
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
CN111076378A (zh) 一种基于负荷预测的地铁车站通风空调节能系统及方法
CN115325682A (zh) 一种高效智能制冷机房性能监测的优化控制方法及装置
CN105091209A (zh) 一种基于空调负荷预测的控制系统及方法
CN113566401B (zh) 需求侧负荷控制方法
CN107726555A (zh) 一种建筑空调模型预测控制方法和装置
CN105299846A (zh) 一种基于全局关联优化的机房群控装置及其控制方法
CN108224632A (zh) 酒店建筑中央空调机房冷冻水系统综合能效提升控制方法

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
TR01 Transfer of patent right

Effective date of registration: 20211203

Address after: Room 801, 85 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province

Patentee after: Yami Technology (Guangzhou) Co.,Ltd.

Address before: No. 33, Xuefu South Road, Minhou University New Area, Minhou County, Fuzhou City, Fujian Province, 350118

Patentee before: FUJIAN University OF TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221104

Address after: 400000 office building, No. 15, qiangmei Road, Nan'an District, Chongqing

Patentee after: Zhongchuang meizong information technology (Chongqing) Co.,Ltd.

Address before: Room 801, 85 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: Yami Technology (Guangzhou) Co.,Ltd.

TR01 Transfer of patent right