CN110186156A - 制冷站模糊控制系统 - Google Patents

Abstract

本发明提供了一种制冷站模糊控制系统，包括数据存储单元、处理单元、控制单元，数据存储单元存储制冷设备的历史运行数据、制冷设备所处区域的历史气象参数、当前气象参数以及未来气象参数；处理单元调取数据存储单元的数据信息，根据该数据信息分析未来一日或一周内的负荷变化情况，处理负荷变化情况得到运行参数，把运行参数输出给控制单元；控制单元接收处理单元的运行参数并根据该运行参数控制制冷设备工作。本发明根据制冷设备所处区域的历史数据、当前数据和未来数据，结合制冷设备的历史运行参数预测未来一日或一周内的负荷变化曲线，为预测控制制冷设备创造良好的条件。

Description

制冷站模糊控制系统

技术领域

本发明涉及制冷控制领域，尤其涉及一种制冷站模糊控制系统。

背景技术

我国制冷业发展迅速，据统计我国制冷动力站的电能耗约占整个建筑空调耗能的25％～35％左右，制冷站随着自动化行业的发展也变得越来越智能化，然而在制冷站实现自动化的同时，制冷站的节能技术始终没有得到重视，一方面是由于国内很少有将节能技术和自动化技术结合的案例，另一方面则是在工程上应用一些控制思想也存在着一些困难。

有鉴于此，有必要提供一种制冷站模糊控制系统，以解决上述问题。

发明内容

本发明提供了一种制冷站模糊控制系统，在控制系统的模糊控制算法的支持下，能够结合室外气象参数与历史数据分析，准确预测未来建筑冷负荷需求，提供与之匹配的冷量输出，以大幅降低制冷设备的能源消耗。

实现本发明目的的技术方案如下：

一种制冷站模糊控制系统，包括：

数据存储单元，存储制冷设备的历史运行数据、制冷设备所处区域的历史气象参数、当前气象参数以及未来气象参数；

处理单元，调取数据存储单元的数据信息，根据该数据信息分析未来一日或一周内的负荷变化情况，处理负荷变化情况得到运行参数，把运行参数输出给控制单元；

控制单元，接收处理单元的运行参数并根据该运行参数控制制冷设备工作。

由于空调负荷受到天气和工作制等周期性变化因素的影响，往往呈现出周期性变化规律，每周的同日之间及每日的同时刻之间的负荷曲线存在很大的相似性。本发明根据制冷设备所处区域的历史数据、当前数据和未来数据，结合制冷设备的历史运行参数预测未来一日或一周内的负荷变化曲线，为预测控制制冷设备创造良好的条件。

作为本发明的进一步改进，所述控制单元把制冷设备当前的实际运行参数反馈至处理单元，所述处理单元根据当前实际运行参数优化负荷变化情况和该负荷变化情况下对应的运行参数。

作为本发明的进一步改进，所述制冷设备为水冷式空调，制冷设备当前的实际运行参数为冷冻水的流量、温度和压差；

所述处理单元根据未来一日的气象数据、结合冷冻水的流量、温度和压差，预测未来一日的制冷量、流量、温度和压差；

所述控制单元根据预测未来一日的制冷量、流量、温度和压差调节冷冻水泵变频器的运行频率；

所述冷冻水泵的转速变化，冷冻水流量、温度和压差均发生变化。

作为本发明的进一步改进，所述历史数据包括制冷设备的运行参数、制冷设备所处区域的温度值、预设时长内的温度变化参数，所述历史气象参数包括历史日期下对应历史时间的气象数据。

作为本发明的进一步改进，所述制冷设备的运行参数包括前一日的制冷设备负荷值；

制冷设备所处区域的温度值包括前一日的室外温度、前一日的室外湿度、前一日的室外风速、前一日的天气状况。

本发明以前一日的空调负荷值x₁、室外温度x₂、太阳辐射x₃、室外湿度x₄、室外风速x₅、天气状况x₆、节假日x₇这7个因素，以这些参数作为神经网络的输入参数。由于制冷设备的负荷变化滞后于实际负荷，除需要对这些输入参数进行归一化处理外，还需要对部分参数进行时序处理。

作为本发明的进一步改进，所述处理单元通过分析模型分析未来一日或一周内的负荷变化情况。

作为本发明的进一步改进，所述分析模型由输入层、模式层、求和层和输出层组成。

作为本发明的进一步改进，安装在冷冻水系统的传感器把冷冻水的数据信息通过信息处理与负荷计算单元处理后输出给存储单元的负荷数据库。

作为本发明的进一步改进，制冷设备所处区域的温度传感器采集环境温度并存储至数据存储单元，环境温度数据在负荷数据库内形成负荷数据库。

作为本发明的进一步改进，处理单元把负荷数据库内的数据结合历史运行数据、历史气象参数、当前气象参数以及未来气象参数作为分析模型的输入数据，通过分析模型得到制冷设备的初始负荷预测；

接下来初始负荷预测采用信息处理与负荷计算单元、在保护限值的范围内对该初始负荷预测进行模糊化处理，得到的模糊化处理信息通过模糊控制规则库的模糊推理之后清晰化处理，然后把清晰化处理的结果输出给控制单元，控制单元调节制冷系统的冷冻水系统。

与现有技术相比，本发明的有益效果是：

由于空调负荷受到天气和工作制等周期性变化因素的影响，往往呈现出周期性变化规律，每周的同日之间及每日的同时刻之间的负荷曲线存在很大的相似性。本发明根据制冷设备所处区域的历史数据、当前数据和未来数据，结合制冷设备的历史运行参数预测未来一日或一周内的负荷变化曲线，为预测控制制冷设备创造良好的条件。

附图说明

图1为制冷站模糊控制系统的原理框图；

图2为水冷空调的冷冻水流量动态控制流程图；

图3为制冷站模糊控制系统的原理图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

本实施例的制冷站模糊控制系统，主要是对空调冷冻水的流量动态控制，具体是通过预测“未来时刻”的负荷(需冷量)，提前调节冷冻水流量，有效解决了大时滞、大惰性系统的控制滞后问题，消除了冷量供需之间的数量差与时间差，实现能量输出与需求的匹配。

如图1所示，制冷站模糊控制系统，包括：数据存储单元、处理单元和控制单元。

其中，数据存储单元存储制冷设备的历史运行数据、制冷设备所处区域的历史气象参数、当前气象参数以及未来气象参数。

其中，处理单元调取数据存储单元的数据信息，根据该数据信息分析未来一日或一周内的负荷变化情况，处理负荷变化情况得到运行参数，把运行参数输出给控制单元。

其中，控制单元接收处理单元的运行参数并根据该运行参数控制制冷设备工作；控制单元把制冷设备当前的实际运行参数反馈至处理单元，处理单元根据当前实际运行参数优化负荷变化情况和该负荷变化情况下对应的运行参数。

制冷设备的运行参数包括前一日的制冷设备负荷值；制冷设备所处区域的温度值包括前一日的室外温度、前一日的室外湿度、前一日的室外风速、前一日的天气状况。本发明以前一日的空调负荷值x₁、室外温度x₂、太阳辐射x₃、室外湿度x₄、室外风速x₅、天气状况x₆、节假日x₇这7个因素，以这些参数作为神经网络的输入参数。由于制冷设备的负荷变化滞后于实际负荷，除需要对这些输入参数进行归一化处理外，还需要对部分参数进行时序处理。处理单元通过分析模型分析未来一日或一周内的负荷变化情况。

分析模型由输入层、模式层、求和层和输出层组成。其中：输入层的归一化处理采用的公式为x_k＝(x_k-x_min)/(x_max-x_min)。时序处理采用的公式为x(T)＝x(T-t)。其中，模式层的公式为输出为输入变量与其对应的样本X之间的欧几里得距离平方的指数平方的指数形式。X为网络输入变量，X_i为第i个神经元对应的学习样本，σ为高斯函数的宽度系数，当σ非常大时，输出近似于所有样本因变量的均值，当σ趋近于0时，输出与训练样本非常接近。其中，求和层对所有模式层神经元的输出进行算术求和，连接权值为1,传递函数为对所有模式层神经元进行加权求和，连接权值y_i，传递函数为其中，输出层的计算公式为

分析模型学习之后选用K倍交叉验证，具体的，将数据集分成k个子集，每个子集均做一次测试集，其余的作为训练集。交叉验证重复k次，每次选择一个子集作为测试集，并将k次的平均交叉验证识别正确率作为结果。

由于空调负荷受到天气和工作制等周期性变化因素的影响，往往呈现出周期性变化规律，每周的同日之间及每日的同时刻之间的负荷曲线存在很大的相似性。本发明根据制冷设备所处区域的历史数据、当前数据和未来数据，结合制冷设备的历史运行参数预测未来一日或一周内的负荷变化曲线，为预测控制制冷设备创造良好的条件。

如图2所示，本实施例的制冷设备为水冷式空调，制冷设备当前的实际运行参数为冷冻水的流量、温度和压差；处理单元根据未来一日的气象数据、结合冷冻水的流量、温度和压差，预测未来一日的制冷量、流量、温度和压差；控制单元根据预测未来一日的制冷量、流量、温度和压差调节冷冻水泵变频器的运行频率；冷冻水泵的转速变化，冷冻水流量、温度和压差均发生变化。

上述的历史数据包括制冷设备的运行参数、制冷设备所处区域的温度值、预设时长内的温度变化参数，历史气象参数包括历史日期下对应历史时间的气象数据。

如图3所示，温度传感器采集的制冷设备所处区域的环境温度存储至数据存储单元，环境温度数据在负荷数据库内形成负荷数据库。处理单元把负荷数据库内的数据结合历史运行数据、历史气象参数、当前气象参数以及未来气象参数作为分析模型的输入数据，通过分析模型得到制冷设备的初始负荷预测，接下来把该初始负荷预测采用信息处理与负荷计算单元、在保护限值的范围内对该初始负荷预测进行模糊化处理，得到的模糊化处理信息通过模糊控制规则库的模糊推理之后清晰化处理，然后把清晰化处理的结果输出给控制单元(即执行器或智能控制柜)，控制单元调节制冷系统的冷冻水系统。

最后安装在冷冻水系统的传感器把冷冻水的数据信息通过信息处理与负荷计算单元处理后输出给存储单元的负荷数据库，负荷数据库内的数据结合冷冻水的数据信息重复上述步骤进行下一轮数据处理。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种制冷站模糊控制系统，其特征在于，包括：

数据存储单元，存储制冷设备的历史运行数据、制冷设备所处区域的历史气象参数、当前气象参数以及未来气象参数；

处理单元，调取数据存储单元的数据信息，根据该数据信息分析未来一日或一周内的负荷变化情况，处理负荷变化情况得到运行参数，把运行参数输出给控制单元；

控制单元，接收处理单元的运行参数并根据该运行参数控制制冷设备工作。

2.根据权利要求1所述的制冷站模糊控制系统，其特征在于，所述控制单元把制冷设备当前的实际运行参数反馈至处理单元，所述处理单元根据当前实际运行参数优化负荷变化情况和该负荷变化情况下对应的运行参数。

3.根据权利要求2所述的制冷站模糊控制系统，其特征在于，所述制冷设备为水冷式空调，制冷设备当前的实际运行参数为冷冻水的流量、温度和压差；

所述处理单元根据未来一日的气象数据、结合冷冻水的流量、温度和压差，预测未来一日的制冷量、流量、温度和压差；

所述控制单元根据预测未来一日的制冷量、流量、温度和压差调节冷冻水泵变频器的运行频率；

所述冷冻水泵的转速变化，冷冻水流量、温度和压差均发生变化。

4.根据权利要求1所述的制冷站模糊控制系统，其特征在于，所述历史数据包括制冷设备的运行参数、制冷设备所在制冷站每天的温度值、预设时长内的温度变化参数，所述历史气象参数包括历史日期下对应历史时间的气象数据。

5.根据权利要求4所述的制冷站模糊控制系统，其特征在于，所述制冷设备的运行参数包括前一日的制冷设备负荷值；

制冷设备所处区域的温度值包括前一日的室外温度、前一日的室外湿度、前一日的室外风速、前一日的天气状况。

6.根据权利要求1所述的制冷站模糊控制系统，其特征在于，所述处理单元通过分析模型分析未来一日或一周内的负荷变化情况。

7.根据权利要求6所述的制冷站模糊控制系统，其特征在于，所述分析模型由输入层、模式层、求和层和输出层组成。

8.根据权利要求7所述的制冷站模糊控制系统，其特征在于，安装在冷冻水系统的传感器把冷冻水的数据信息通过信息处理与负荷计算单元处理后输出给存储单元的负荷数据库。

9.根据权利要求8所述的制冷站模糊控制系统，其特征在于，制冷设备所处区域的温度传感器采集环境温度并存储至数据存储单元，环境温度数据在负荷数据库内形成负荷数据库。

10.根据权利要求8或9所述的制冷站模糊控制系统，其特征在于，处理单元把负荷数据库内的数据结合历史运行数据、历史气象参数、当前气象参数以及未来气象参数作为分析模型的输入数据，通过分析模型得到制冷设备的初始负荷预测；

接下来初始负荷预测采用信息处理与负荷计算单元、在保护限值的范围内对该初始负荷预测进行模糊化处理，得到的模糊化处理信息通过模糊控制规则库的模糊推理之后清晰化处理，然后把清晰化处理的结果输出给控制单元，控制单元调节制冷系统的冷冻水系统。