CN110392515B - 一种基于历史数据的冷热源机房节能控制方法及系统 - Google Patents
一种基于历史数据的冷热源机房节能控制方法及系统 Download PDFInfo
- Publication number
- CN110392515B CN110392515B CN201910668787.1A CN201910668787A CN110392515B CN 110392515 B CN110392515 B CN 110392515B CN 201910668787 A CN201910668787 A CN 201910668787A CN 110392515 B CN110392515 B CN 110392515B
- Authority
- CN
- China
- Prior art keywords
- load
- parameters
- predicted
- cold
- heat source
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
- H05K7/20836—Thermal management, e.g. server temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种基于历史数据的冷热源机房节能控制方法及系统,其方法包括:建立历史数据库存储冷热源机房设备的历史数据;根据历史数据进行训练得到负荷预测模型;根据历史数据拟合生成主机和水泵的功率关系曲线;获取待预测时刻的室外气象预测参数,根据负荷预测模型和室外气象预测参数预测得到获取预测负荷值;根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数。本发明充分利用历史数据的价值,避免不必要的制冷量(制热量)的浪费,在满足负荷和设备安全运行前提下,使系统COP最大化,达到更好的节能效果。
Description
技术领域
本发明涉及冷热源机房节能控制领域,尤指一种基于历史数据的冷热源机房节能控制方法及系统。
背景技术
一般来说,空调系统的最大负载能力是按照天气最热,负荷最大的条件来设计的,存在着很大宽裕量,但实际上系统极少在这些极限条件下工作,根据有关资料统计,空调设备97%的时间运行在70%负荷以下波动,所以实际负荷总不能达到满负荷,特别是负荷需求量少的情况下,主机负荷量低,同时与之相配套的冷却水泵和冷冻水泵仍在高负荷状态下运行,造成能源很大的浪费。针对这种情况,常见的节能措施是水泵采用变频,根据主机的效率曲线,刻意使主机工作在COP较高的区域,这种控制方式是片面的,能在一定程度上节能,但仍不能达到令人满意的节能效果,其存在以下问题:
1、COP高,并不意味着一定节能。无论主机COP如何变化,相同工况下,主机的功率随制冷量增加而增加,如果主机的制冷量超过了需求的负荷,浪费了部分制冷量,即使COP高,能耗也可能会高于需求负荷下的能耗,而刻意使主机工作在COP较高的区域就可能带来制冷量高于需求负荷的问题,造成能源浪费。
2、过于注重提高主机的COP,忽略了系统的整体能耗。根据卡诺循环和逆卡诺循环原理,降低冷却水温度或提高冷冻水的温度可以提高主机的COP,但同时带来的影响是冷冻泵和冷却泵的能耗增加,系统的整体功耗可能会增加也可能会减少。
3、常规控制中的水泵与主机的开启台数形成一一对应关系,这种方式便于自控,但限制了节能的空间。
因此,为解决上述技术问题,本发明提供一种基于历史数据的冷热源机房节能控制方法及系统。
发明内容
本发明的目的是提供一种基于历史数据的冷热源机房节能控制方法及系统,实现充分利用历史数据的价值,避免不必要的制冷量(制热量)的浪费,在满足负荷和设备安全运行前提下,使系统COP最大化,达到更好的节能效果。
本发明提供的技术方案如下:
本发明提供一种基于历史数据的冷热源机房节能控制方法,包括步骤:
建立历史数据库存储冷热源机房设备的历史数据;
根据所述历史数据进行训练得到负荷预测模型;
根据所述历史数据拟合生成主机和水泵的功率关系曲线;
获取待预测时刻的室外气象预测参数,根据所述负荷预测模型和室外气象预测参数预测得到获取预测负荷值;
根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数。
进一步的,根据所述历史数据进行训练得到负荷预测模型具体包括步骤:
提取所述历史数据中的历史室外气象参数、所述冷热源机房的历史负荷数据及其对应的时间数据;
根据所述历史室外气象参数、历史负荷数据及其对应的时间数据训练得到所述负荷预测模型。
进一步的,所述获取待预测时刻的室外气象预测参数,根据所述负荷预测模型和室外气象预测参数预测得到获取预测负荷值具体包括步骤:
获取所述待预测时刻的室外气象预测参数;
将所述待预测时刻和室外气象预测参数输入至所述负荷预测模型,通过所述负荷预测模型输出初步预测负荷值;
获取所述待预测时刻之前预设时间内每一时刻的最终预测负荷值和实际负荷值,计算得到所述待预测时刻之前预设时间的所有预测误差值;
根据所有预测误差值对所述初步预测负荷值进行修正,得到所述待预测时刻最终的预测负荷值。
进一步的,所述根据所述历史数据拟合生成主机和水泵的功率关系曲线具体包括步骤:
提取所述历史数据中的设备参数、运行参数及所述冷热源机房的历史负荷数据;
根据所述设备参数、运行参数及所述历史负荷数据,拟合生成对应冷热源机房主机和水泵功率关系参数曲线。
进一步的,所述根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数具体包括步骤:
根据所述获取的最终预测负荷值和所述拟合的主机、水泵的功率关系曲线,计算在主机供回水温差范围内和水泵可输出流量范围内的各种组合工况,并记录,选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数。
本发明还提供一种基于历史数据的冷热源机房节能控制系统,包括:
数据库模块,用于建立历史数据库存储冷热源机房设备的历史数据;
负荷预测模型模块,与所述数据库连接,用于根据所述历史数据进行训练得到负荷预测模型;
设备功率曲线拟合模块,与所述数据库连接,用于根据所述历史数据拟合生成主机和水泵的功率关系曲线;
气象参数获取模块,用于获取待预测时刻的室外气象预测参数;
负荷预测模块,与所述气象参数获取模块和所述负荷预测模型模块连接,用于根据所述负荷预测模型和室外气象预测参数预测得到获取预测负荷值;
设备控制输出参数输出模块,与所述负荷预测模块和所述设备功率曲线拟合模块连接,用于根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数。
进一步的,所述负荷预测模型模块包括:
负荷相关参数提取单元,用于提取所述历史数据中的历史室外气象参数、所述冷热源机房的历史负荷数据及其对应的时间数据;
负荷预测模块生成单元,与所述负荷相关参数提取单元连接,用于根据所述历史室外气象参数、历史负荷数据及其对应的时间数据训练得到所述负荷预测模型。
进一步的,所述负荷预测模块包括:
负荷预测单元,用于将所述待预测时刻和室外气象预测参数输入至所述负荷预测模型,通过所述负荷预测模型输出初步预测负荷值;
预测误差获取单元,用于获取所述待预测时刻之前预设时间内每一时刻的最终预测负荷值和实际负荷值,计算得到所述待预测时刻之前预设时间的所有预测误差值;
负荷修正单元,与所述负荷预测单元和所述预测误差获取单元连接,用于根据所有预测误差值对所述初步预测负荷值进行修正,得到所述待预测时刻最终的预测负荷值。
进一步的,所述设备功率曲线拟合模块包括:
运行参数提取单元,用于提取所述历史数据中的设备参数、运行参数及所述冷热源机房的历史负荷数据;
功率曲线拟合单元,与所述运行参数提取单元连接,用于根据所述设备参数、运行参数及所述历史负荷数据,拟合生成对应冷热源机房主机和水泵功率关系参数曲线。
进一步的,所述设备控制输出参数输出模块包括:
组合工况计算单元,用于根据所述获取的最终预测负荷值和所述拟合的主机、水泵的功率关系曲线,计算在主机供回水温差范围内和水泵可输出流量范围内的各种组合工况;
设备控制输出参数选取单元,选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数。
通过本发明提供的一种基于历史数据的冷热源机房节能控制方法及系统,能够充分利用历史数据的价值,避免不必要的制冷量(制热量)的浪费,在满足负荷和设备安全运行前提下,使系统COP最大化,达到更好的节能效果。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种基于历史数据的冷热源机房节能控制方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种基于历史数据的冷热源机房节能控制方法的一个实施例的流程图;
图2是本发明一种基于历史数据的冷热源机房节能控制方法的另一个实施例的流程图;
图3是冷却水温度与主机和冷却水泵的关系示意图;
图4是冷冻水温度与主机和冷冻水泵的关系示意图;
图5是1台与2台水泵并联变频运行时流量与总功率的关系曲线示意图;
图6是本发明基于历史数据的冷热源机房节能控制系统的示意图。
具体实施方式
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,下面将对照附图说明本发明的具体实施方式。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,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
本发明的第一个实施例,如图1所示,一种基于历史数据的冷热源机房节能控制方法,包括:
S100建立历史数据库存储冷热源机房设备的历史数据;
具体的,本实施例中,建立一套用于记录冷热源机房各系统和设备运行参数等历史数据的历史数据库,历史数据库所记录的历史数据包括历史室外气象参数、各系统(包括冷却水系统和冷冻水系统等)的负荷、冷热源机房中单台设备的运行参数、各系统的运行参数(供回水温度、压力、流量、能耗、阀门状态等)、设备参数(功率、频率)等。冷热源机房中单台设备的运行参数包括主机的运行参数(如主机的冷凝器和蒸发器进出水温度、功率、设定温度)、水泵的运行参数(流量、频率、功率等)。历史数据库所记录的数据量尽量多且详细,例如包含最近一年的一个完整的采暖期和供冷期的各种类型数据。上述仅做举例说明,并不代表本实施例中的历史数据库中只包括上述数据,本实施例对历史数据库中所包含的数据不做具体限定。
S200根据历史数据进行训练得到负荷预测模型;
具体的,基于冷热源机房运行的大量历史数据,建立负荷预测神经网络模型,并进行离线训练。负荷预测模型用来预测未来某个时刻冷热源机房的整体负荷情况,冷热源机房的整体负荷情况与室外气象环境、建筑物结构及建筑内部设备、人员有关,采用神经网络算法根据历史数据进行训练得到负荷预测模型。用于训练的数据越多,负荷预测模型训练的效果越好。优选的,适当选择隐含层的个数与神经元个数,设置合适的学习率进行训练得到负荷预测模型。
S300根据历史数据拟合生成主机和水泵的功率关系曲线;
S400获取待预测时刻的室外气象预测参数,根据负荷预测模型和室外气象预测参数预测得到获取预测负荷值;
S500根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数。
具体的,从大量的历史数据中提取设备参数、主机和水泵等组合运行时参数,建立负荷、主机、冷冻水温度、冷却水温度关系网,打破以往主机与水泵开启台数一一对应关系,建立负荷与冷冻泵、冷却泵关系网,从冷热源机房的整体(包括冷冻侧和冷却侧)节能角度考虑,建立节能群控算法,即根据历史数据拟合生成主机和水泵的功率关系曲线。获取待预测时刻的室外气象预测参数,根据负荷预测模型和室外气象预测参数预测得到获取预测负荷值。以整个系统的COP最高为核心控制思想,便于后续结合设备实际特性与系统群控节能理论,在保证冷热源机房系统和设备安全运行条件下,根据预测负荷值与主机、水泵功率曲线计算得到冷热源机房设备的设备控制输出参数,从而以设备控制输出参数控制冷热源机房设备的工作状态,这样以最节能的方式使冷热源机房运行在需求的负荷下,更好的实现冷热源机房的节能控制。
本发明结合设备实际特性与系统群控节能理论,在保证冷热源机房系统和设备安全运行条件下,以预测负荷值作为冷热源机房输出的制冷量的目标,经群控节能理论计算得到设备控制输出参数后,根据设备控制输出参数开启相应的主机,并设定合适的主机设定温度。群控节能理论是根据预测负荷值和已建立的负荷与冷冻泵、冷却泵的关系网计算出冷冻泵、冷却泵的输出,与主机运行匹配。
优选的,将当前的运行结果记录的历史数据库中,分析能耗与主机、水泵的实际输出功率,若主机与水泵输出功率与计算功率误差较大,对主机与水泵功率关系曲线进行反馈调整,不断优化关系曲线。以负荷精确匹配输出可以避免制冷量的浪费,从机房整体能耗考虑,避免片面的追求主机的COP。
本发明的有益效果是以预测负荷指导冷热源机房制冷量的输出,不会造成制冷量的浪费,在满足负荷和设备安全运行前提下,使系统COP最大化,达到更好的节能效果。
其中,上述的步骤S200与S300可以同时进行处理,也可以先后处理,并没有时间上的先后顺序。
本发明的第二个实施例,如图2所示,一种基于历史数据的冷热源机房节能控制方法,包括:
S100建立历史数据库存储冷热源机房设备的历史数据;
S210提取历史数据中的历史室外气象参数、冷热源机房的历史负荷数据及其对应的时间数据;
S220根据历史室外气象参数、历史负荷数据及其对应的时间数据训练得到负荷预测模型;
具体的,基于环境气象预测的冷热源机房负荷预测,对历史数据中冷热源机房各系统和设备的历史负荷数据与历史室外气象参数及时间数据进行训练生成负荷预测模型。
S310提取历史数据中的设备参数、运行参数及冷热源机房的历史负荷数据;
S320根据设备参数、运行参数及历史负荷数据,拟合生成对应冷热源机房主机和水泵功率关系参数曲线;
具体的,运行参数包括组合运行参数、系统运行参数、单台设备运行参数。提取设备参数、组合运行参数、冷热源机房的历史负荷数据与系统运行参数,拟合生成对应冷热源机房主机和水泵功率关系参数曲线。
根据逆卡诺循环原理,冷却水温度越低,冷冻水温度越高,相同负荷下主机的功率越低,主机COP越高,图3中所示的是冷却水温度与主机和冷却水泵的关系,其他参数不变时,主机功率随冷却水温度升高而升高,冷却水泵功率随冷却水温度身高而降低,存在一个最佳的冷却水温度使得主机和冷却水泵总功率之和最低。
图4中所示的是冷冻水温度与主机和冷冻水泵的关系,其他参数不变时,主机功率随冷冻水温度升高而降低,冷冻水泵功率随冷冻水温度身高而升高,存在一个最佳的冷冻水温度使得主机和冷冻水泵总功率之和最低。
根据图3和图4,在冷却水温度一定时,从设定冷冻水温度开始,依次增加冷冻水温度,查找出主机、冷却水泵和冷冻水泵的总功率之和最低时的最佳冷冻温度点。反之,冷冻水温度一定时,从设定冷却水温度开始,依次增加冷却水温度,查找出主机、冷却水泵和冷冻水泵的总功率之和最低时的最佳冷却温度点。如此反复,能够查找到存在一个最佳冷却水温度和最佳冷冻水温度使得主机、冷却水泵和冷冻水泵总功率之和最低的目标温度。这就是节能群控算法的原理之一,通过对历史数据的提取分析,建立负荷与冷却水温度、冷却泵的关系网。通过调整主机的设定温度和冷冻泵来调整冷冻水温度的前提是需满足除湿与负荷需求。同负荷下,最适合的主机设定温度是从历史大数据中分析得出的。
节能群控算法的另一原理是水泵变频群控。打破以往主机与水泵开启台数一一对应关系,进一步提高节能的空间,例如相同的流量下,一台泵高频运行和2台泵低频运行,哪一种能耗更低,图5所示为1台与2台水泵并联变频运行时流量与总功率的关系曲线,可见相同流量A点,1台水泵高频运行的能耗要高于2台水泵低频运行,具体参数需从历史数据中分析提取。因此以历史数据作为水泵控的依据,并纳入到节能群控算法中。基于上述节能原理及历史数据,建立起节能群控算法。
S410获取待预测时刻的室外气象预测参数;
S420将待预测时刻和室外气象预测参数输入至负荷预测模型,通过负荷预测模型输出初步预测负荷值;
S430获取待预测时刻之前预设时间内每一时刻的最终预测负荷值和实际负荷值,计算得到待预测时刻之前预设时间的所有预测误差值;
S440根据所有预测误差值对初步预测负荷值进行修正,得到待预测时刻最终的预测负荷值;
具体的,通过天气预报或自行架设的小型气象站及其他方法获取环境的气象参数,利用此模型结合环境气象预测数据和历史数据进行机房24小时的负荷预测得到第一次预测负荷即初步预测负荷值。预测的每个时刻过后,将初步预测负荷值记录到历史数据库中,将实际负荷值与初步预测负荷值进行比较,通过多次迭代反馈修正后面的负荷预测值,得到第二次负荷预测。其中反馈迭代是用多个值进行滚动优化和多次进行动态反馈迭代,第二次负荷预测为最终的负荷预测值。
S500根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数;
S600根据所述获取的最终预测负荷值和所述拟合的主机、水泵的功率关系曲线,计算在主机供回水温差范围内和水泵可输出流量范围内的各种组合工况,并记录。
S700选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数。
具体的,本发明提供的节能群控方法最终输出控制对象包括:预测的负荷值、主机台数、设定温度、电动阀、冷却水台数、冷却泵频率、冷冻水泵台数,冷冻水泵频率,旁通阀开度,旁通管流量。
根据负荷计算输出与能耗对比:以预测的负荷值作为冷热源机房输出的制冷量的目标,根据预测的负荷,经节能群控算法计算输出主机(台数、设定温度)、冷却水泵(台数、频率)、冷冻水泵(台数、频率)的输出,同时将当前的运行结果记录的历史数据库中,分析能耗与主机、水泵的实际输出功率,对节能群控算法进行反馈调整,不断优化节能群控算法。选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数,此时冷热源机房的整体能效比最高。
本发明的一个实施例,一种基于历史数据的冷热源机房节能控制系统包括:
数据库模块1,用于建立历史数据库存储冷热源机房设备的历史数据;
负荷预测模型模块2,与数据库连接,用于根据历史数据进行训练得到负荷预测模型;
设备功率曲线拟合模块3,与数据库连接,用于根据历史数据拟合生成主机和水泵的功率关系曲线;
气象参数获取模块4,用于获取待预测时刻的室外气象预测参数;
负荷预测模块5,与气象参数获取模块4和负荷预测模型模块2连接,用于根据负荷预测模型和室外气象预测参数预测得到获取预测负荷值;
设备控制输出参数输出模块6,与负荷预测模块5和设备功率曲线拟合模块3连接,用于根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数。
基于上述实施例,负荷预测模型模块2包括:
负荷相关参数提取单元,用于提取历史数据中的历史室外气象参数、冷热源机房的历史负荷数据及其对应的时间数据;
负荷预测模块5生成单元,与负荷相关参数提取单元连接,用于根据历史室外气象参数、历史负荷数据及其对应的时间数据训练得到负荷预测模型。
基于上述实施例,负荷预测模块5包括:
负荷预测单元,用于将待预测时刻和室外气象预测参数输入至负荷预测模型,通过负荷预测模型输出初步预测负荷值;
预测误差获取单元,用于获取待预测时刻之前预设时间内每一时刻的最终预测负荷值和实际负荷值,计算得到待预测时刻之前预设时间的所有预测误差值;
负荷修正单元,与负荷预测单元和预测误差获取单元连接,用于根据所有预测误差值对初步预测负荷值进行修正,得到待预测时刻最终的预测负荷值。
基于上述实施例,设备功率曲线拟合模块3包括:
运行参数提取单元,用于提取历史数据中的设备参数、运行参数及冷热源机房的历史负荷数据;
功率曲线拟合单元,与运行参数提取单元连接,用于根据设备参数、运行参数及历史负荷数据,拟合生成对应冷热源机房主机和水泵功率关系参数曲线。
基于上述实施例,设备控制输出参数输出模块包括:
组合工况计算单元,用于根据所述获取的最终预测负荷值和所述拟合的主机、水泵的功率关系曲线,计算在主机供回水温差范围内和水泵可输出流量范围内的各种组合工况;
设备控制输出参数选取单元,选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数。
本实施例中的各个模块的具体操作方式在上述对应的方法实施例中已经进行了详细描述,因此不再一一进行赘述。
优选的,还包括:根据设备控制输出参数控制冷热源机房主机和水泵的工作状态,获取优化控制后的实际负荷和实际主机、水泵输出功率,根据所述实际负荷计算得到冷热源机房的整体能效比以及统计能耗,然后修正输出后的实际功率与通过所述功率拟合曲线计算功率之间的误差。
本发明的一个实施例,一种基于历史数据的冷热源机房节能控制系统:如图6所示,包括历史数据库、负荷预测模型、节能群控算法,其中历史数据库是基础,负荷预测模型和节能群控算法是核心。
本发明提供的节能群控方法最终输出控制对象包括:预测的负荷值、主机台数、设定温度、冷却水台数、冷却泵频率、冷冻水泵台数,冷冻水泵频率,旁通阀开度等。搭建冷热源机房控制系统及历史数据库或对已有历史数据库进行核查:历史数据库应记录主机运行参数、水泵运行参数、系统的运行参数(供回水温度、压力、流量、阀门状态等)、各系统负荷、时间与气象参数等。
基于历史数据建立负荷预测模型,即提取各个系统的历史时间负荷、室外气象参数等数据,建立训练数据,负荷值作为标签,其他数据作为训练样本,适当选择隐含层的个数与神经元个数,设置合适的学习率,进行离线训练。
基于历史数据拟合生成主机和水泵的功率关系曲线。
然后,建立系统节能群控算法策略,根据逆卡诺循环原理,冷却水温度越低,冷冻水温度越高,相同负荷下主机的功率越低,主机COP越高,图3所示的是冷却水温度与主机和冷却水泵的关系,其他参数不变时,主机功率随冷却水温度升高而升高,冷却水泵功率随冷却水温度身高而降低,存在一个最佳的冷却水温度使得主机和冷却水泵总功率之和最低。同理对于冷冻侧也有类似的规律,如图4所示冷冻水温度与主机和冷冻水泵的关系,其他参数不变时,主机功率随冷冻水温度升高而降低,冷冻水泵功率随冷冻水温度身高而升高,存在一个最佳的冷冻水温度使得主机和冷冻水泵总功率之和最低。
如图5所示为1台与2台水泵并联变频运行时流量与总功率的关系曲线,可见相同流量A点,1台水泵高频运行的能耗要高于2台水泵低频运行,具体参数需从历史数据中分析提取。因此以历史数据作为水泵控的依据,打破以往主机与水泵开启台数一一对应关系,进一步提高节能的空间,并纳入到节能群控算法中。
综合上述两点,节能群控算法的核心是:不再片面的关注水泵或主机的能耗,也不再关注单个水泵或主机是否运行在最佳效率点,考虑整个系统的总能耗(主机+冷冻水泵+冷却水泵),从冷冻侧和冷却侧同时考虑系统的输出功率,找出最佳的冷冻温度和冷却温度,保证能耗最小的同时,使系统输出适合当前需求的负荷。
通过天气预报或自行架设的小型气象站等途径获取室外气象参数,通过神经网络负荷预测模型获取24小时的逐时空调负荷。通过系统节能群控算法策略分析输出设备控制输出参数,根据设备控制输出参数控制开启的主机台数、主机的设定温度及主机功率,水泵的输出台数、水泵频率、水泵功率等参数。将最终的设备控制输出参数记录到历史数据库中,为下次预测控制提供修正依据。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于历史数据的冷热源机房节能控制方法,其特征在于,包括步骤:
建立历史数据库存储冷热源机房设备的历史数据;
根据所述历史数据进行训练得到负荷预测模型;
根据所述历史数据拟合生成主机和水泵的功率关系曲线;
获取待预测时刻的室外气象预测参数,根据所述负荷预测模型和室外气象预测参数预测得到获取预测负荷值;
根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数,以根据设备控制输出参数控制开启的主机台数、主机的设定温度及主机功率,水泵的输出台数、水泵频率、水泵功率;
通过冷却水温度与主机和冷却水泵的关系曲线和冷冻水温度与主机和冷冻水泵的关系曲线,查找到存在一个最佳冷却水温度和最佳冷冻水温度使得主机、冷却水泵和冷冻水泵总功率之和最低的目标温度;
所述根据所述历史数据拟合生成主机和水泵的功率关系曲线具体包括步骤:
提取所述历史数据中的设备参数、运行参数及所述冷热源机房的历史负荷数据;所述设备参数包括功率、频率;所述运行参数包括组合运行参数、系统运行参数、单台设备运行参数;
根据所述设备参数、运行参数及所述历史负荷数据,拟合生成对应冷热源机房主机和水泵功率关系参数曲线。
2.根据权利要求1所述的基于历史数据的冷热源机房节能控制方法,其特征在于,所述根据所述历史数据进行训练得到负荷预测模型具体包括步骤:
提取所述历史数据中的历史室外气象参数、所述冷热源机房的历史负荷数据及其对应的时间数据;
根据所述历史室外气象参数、历史负荷数据及其对应的时间数据训练得到所述负荷预测模型。
3.根据权利要求1所述的基于历史数据的冷热源机房节能控制方法,其特征在于,所述获取待预测时刻的室外气象预测参数,根据所述负荷预测模型和室外气预测象参数预测得到获取预测负荷值具体包括步骤:
获取所述待预测时刻的室外气象预测参数;
将所述待预测时刻和室外气象预测参数输入至所述负荷预测模型,通过所述负荷预测模型输出初步预测负荷值;
获取所述待预测时刻之前预设时间内每一时刻的最终预测负荷值和实际负荷值,计算得到所述待预测时刻之前预设时间的所有预测误差值;
根据所有预测误差值对所述初步预测负荷值进行修正,得到所述待预测时刻最终的预测负荷值。
4.权利要求1-3任一项所述的基于历史数据的冷热源机房节能控制方法,其特征在于,所述根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数具体包括步骤:
根据所述获取的最终预测负荷值和所述拟合的主机、水泵的功率关系曲线,计算在主机供回水温差范围内和水泵可输出流量范围内的各种组合工况;
选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数。
5.一种基于历史数据的冷热源机房节能控制系统,其特征在于,包括:
数据库模块,用于建立历史数据库存储冷热源机房设备的历史数据;
负荷预测模型模块,与所述数据库连接,用于根据所述历史数据进行训练得到负荷预测模型;
设备功率曲线拟合模块,与所述数据库连接,用于根据所述历史数据拟合生成主机和水泵的功率关系曲线;
气象参数获取模块,用于获取待预测时刻的室外气象预测参数;
负荷预测模块,与所述气象参数获取模块和所述负荷预测模型模块连接,用于根据所述负荷预测模型和室外气象预测参数预测得到获取预测负荷值;
设备控制输出参数输出模块,与所述负荷预测模块和所述设备功率曲线拟合模块连接,用于根据所述预测负荷值与功率关系曲线计算得到冷热源机房设备的设备控制输出参数,以根据设备控制输出参数控制开启的主机台数、主机的设定温度及主机功率,水泵的输出台数、水泵频率、水泵功率;
通过冷却水温度与主机和冷却水泵的关系曲线和冷冻水温度与主机和冷冻水泵的关系曲线,查找到存在一个最佳冷却水温度和最佳冷冻水温度使得主机、冷却水泵和冷冻水泵总功率之和最低的目标温度;
所述设备功率曲线拟合模块包括:
运行参数提取单元,用于提取所述历史数据中的设备参数、运行参数及所述冷热源机房的历史负荷数据;所述设备参数包括功率、频率;所述运行参数包括组合运行参数、系统运行参数、单台设备运行参数;
功率曲线拟合单元,与所述运行参数提取单元连接,用于根据所述设备参数、运行参数及所述历史负荷数据,拟合生成对应冷热源机房主机和水泵功率关系参数曲线。
6.根据权利要求5所述的基于历史数据的冷热源机房节能控制系统,其特征在于,所述负荷预测模型模块包括:
负荷相关参数提取单元,用于提取所述历史数据中的历史室外气象参数、所述冷热源机房的历史负荷数据及其对应的时间数据;
负荷预测模块生成单元,与所述负荷相关参数提取单元连接,用于根据所述历史室外气象参数、历史负荷数据及其对应的时间数据训练得到所述负荷预测模型。
7.根据权利要求5所述的基于历史数据的冷热源机房节能控制系统,其特征在于,所述负荷预测模块包括:
负荷预测单元,用于将所述待预测时刻和室外气象预测参数输入至所述负荷预测模型,通过所述负荷预测模型输出初步预测负荷值;
预测误差获取单元,用于获取所述待预测时刻之前预设时间内每一时刻的最终预测负荷值和实际负荷值,计算得到所述待预测时刻之前预设时间的所有预测误差值;
负荷修正单元,与所述负荷预测单元和所述预测误差获取单元连接,用于根据所有预测误差值对所述初步预测负荷值进行修正,得到所述待预测时刻最终的预测负荷值。
8.权利要求5-7任一项所述的基于历史数据的冷热源机房节能控制系统,其特征在于,所述设备控制输出参数输出模块包括:
组合工况计算单元,用于根据所述获取的最终预测负荷值和所述拟合的主机、水泵的功率关系曲线,计算在主机供回水温差范围内和水泵可输出流量范围内的各种组合工况;
设备控制输出参数选取单元,选取主机和水泵功率之和最小的工况作为最终的设备控制输出参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910668787.1A CN110392515B (zh) | 2019-07-23 | 2019-07-23 | 一种基于历史数据的冷热源机房节能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910668787.1A CN110392515B (zh) | 2019-07-23 | 2019-07-23 | 一种基于历史数据的冷热源机房节能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110392515A CN110392515A (zh) | 2019-10-29 |
CN110392515B true CN110392515B (zh) | 2021-06-01 |
Family
ID=68287059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910668787.1A Active CN110392515B (zh) | 2019-07-23 | 2019-07-23 | 一种基于历史数据的冷热源机房节能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110392515B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110865666A (zh) * | 2019-12-09 | 2020-03-06 | Oppo广东移动通信有限公司 | 温度控制方法、装置、存储介质及电子设备 |
CN111178835B (zh) * | 2019-12-25 | 2024-03-19 | 珠海格力电器股份有限公司 | 辅助生成冷热源方案书的系统及方法 |
CN111367193A (zh) * | 2020-03-31 | 2020-07-03 | 北京天成冠通能源科技有限公司 | 一种建筑自动化控制方法及系统 |
CN111474858B (zh) * | 2020-03-31 | 2024-04-19 | 北京天成冠通能源科技有限公司 | 一种建筑能源管理控制系统及方法 |
CN111399420A (zh) * | 2020-03-31 | 2020-07-10 | 北京天成冠通能源科技有限公司 | 一种idc机房能源控制方法及系统 |
CN112393390B (zh) * | 2020-07-15 | 2021-07-06 | 上海有孚智数云创数字科技有限公司 | 云计算数据中心精密空调节能控制方法 |
CN113970170A (zh) * | 2020-07-24 | 2022-01-25 | 中国移动通信集团浙江有限公司 | 中央空调系统能耗预测方法、装置及计算设备 |
CN112344519B (zh) * | 2020-09-25 | 2022-06-07 | 国网浙江省电力有限公司绍兴供电公司 | 一种加热和制冷系统调试和节能控制方法 |
CN112254320B (zh) * | 2020-10-22 | 2021-08-24 | 重庆大学 | 基于ai的空调变流量水系统自适应变压差控制方法 |
CN112909936B (zh) * | 2021-02-04 | 2022-10-04 | 中国神华能源股份有限公司国华电力分公司 | 火电机组运行状态的监测方法、装置和系统 |
CN113825356B (zh) * | 2021-07-28 | 2023-11-28 | 腾讯科技(深圳)有限公司 | 冷源系统的节能控制方法、装置、电子设备和存储介质 |
CN114326987B (zh) * | 2021-10-08 | 2023-10-20 | 腾讯科技(深圳)有限公司 | 制冷系统控制及模型训练方法、装置、设备及存储介质 |
CN114017904B (zh) * | 2021-11-04 | 2023-01-20 | 广东电网有限责任公司 | 一种建筑物hvac系统的运行控制方法及装置 |
CN115915708B (zh) * | 2022-10-28 | 2024-04-12 | 北京百度网讯科技有限公司 | 制冷设备控制参数预测方法、装置、电子设备及存储介质 |
CN116628464B (zh) * | 2023-04-24 | 2024-03-29 | 深圳市德骜数据有限公司 | 数据中心机房节能控制方法、装置、设备及可读存储介质 |
CN117202652B (zh) * | 2023-11-07 | 2024-03-15 | 浙江德塔森特数据技术有限公司 | 一种数据机房的节能调节方法和节能调节装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103277875B (zh) * | 2013-06-21 | 2017-02-08 | 上海能誉科技发展有限公司 | 一种冷冻机房节能控制系统 |
US20190187634A1 (en) * | 2017-12-15 | 2019-06-20 | Midea Group Co., Ltd | Machine learning control of environmental systems |
CN108489013A (zh) * | 2018-01-30 | 2018-09-04 | 深圳市新环能科技有限公司 | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 |
CN109028446A (zh) * | 2018-07-05 | 2018-12-18 | 上海立威能节能环保技术有限公司 | 一种基于设备全工况性能模型的制冷机房控制方法 |
CN109253494B (zh) * | 2018-09-05 | 2020-07-14 | 东北大学 | 一种基于热负荷预测的电蓄热装置的控制方法 |
-
2019
- 2019-07-23 CN CN201910668787.1A patent/CN110392515B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110392515A (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110392515B (zh) | 一种基于历史数据的冷热源机房节能控制方法及系统 | |
CN110410942B (zh) | 一种冷热源机房节能优化控制方法及系统 | |
CN114963414B (zh) | 基于ai数据分析的空调系统智能调控装置 | |
CN108489013A (zh) | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 | |
CN102721156A (zh) | 中央空调自寻优智能模糊控制装置及其控制方法 | |
CN212320021U (zh) | 一种模块化冷热水空调机组智能联控系统 | |
CN101655272A (zh) | 一种网络中央空调节能控制管理系统及其方法 | |
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 | |
CN114396714B (zh) | 一种系统启动台数自动控制运行系统和方法 | |
CN114154677A (zh) | 空调运行负荷模型构建和预测方法、装置、设备和介质 | |
CN113610152A (zh) | 一种基于负荷模式的空调系统灵活性运行策略制定方法 | |
CN113701321A (zh) | 一种中央空调水泵节能变频控制方法 | |
CN117541438A (zh) | 一种建筑电力机组的全工况能耗预测与能效优化方法 | |
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 | |
CN115049141A (zh) | 用于制冷系统的控制方法、控制装置和制冷系统 | |
CN117267910B (zh) | 中央空调制冷系统负荷柔性调节方法、装置、设备及介质 | |
CN115081220A (zh) | 一种高能效中央空调系统调节方法及其系统 | |
CN117329665B (zh) | 一种基于智能ai算法的空调室内联动控制方法及系统 | |
CN117930659A (zh) | 一种高效机房全局寻优控制方法 | |
CN116989430B (zh) | 一种冷冻站节能优化控制方法及系统 | |
CN114543273B (zh) | 一种集中空调供冷系统自适应深度学习优化节能控制算法 | |
CN114206071A (zh) | 基于双曲线冷却塔的数据中心冷却系统 | |
CN111043720B (zh) | 负荷不确定性下制冷系统低成本鲁棒性调适策略制定方法 | |
CN115103569A (zh) | 一种机房中设备控制的方法和装置 | |
CN103528294B (zh) | 一种制冷系统的能效处理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |