CN110726272A - 冷机站性能预测系统和方法 - Google Patents

冷机站性能预测系统和方法 Download PDF

Info

Publication number
CN110726272A
CN110726272A CN201810776861.7A CN201810776861A CN110726272A CN 110726272 A CN110726272 A CN 110726272A CN 201810776861 A CN201810776861 A CN 201810776861A CN 110726272 A CN110726272 A CN 110726272A
Authority
CN
China
Prior art keywords
chilled water
chiller
cooling tower
temperature
performance
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.)
Granted
Application number
CN201810776861.7A
Other languages
English (en)
Other versions
CN110726272B (zh
Inventor
袁圆
阳丽娜
王加龙
丁金磊
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.)
Kaili Co
Original Assignee
Kaili Co
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 Kaili Co filed Critical Kaili Co
Priority to CN201810776861.7A priority Critical patent/CN110726272B/zh
Priority to US17/058,425 priority patent/US20210318044A1/en
Priority to PCT/US2019/040985 priority patent/WO2020018317A1/en
Publication of CN110726272A publication Critical patent/CN110726272A/zh
Application granted granted Critical
Publication of CN110726272B publication Critical patent/CN110726272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • 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
    • 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
    • F24F11/62—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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50333—Temperature
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Automation & Control Theory (AREA)
  • Thermal Sciences (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种冷机站性能预测系统和方法。冷机站性能预测方法包括：获取冷冻水回路中进入第一冷机的冷冻水温度ECHWT；获取所述冷冻水回路中离开所述第一冷机的冷冻水温度LCHWT；获取经过所述第一冷机的冷冻水流量F1；获取冷却水回路中离开所述第一冷机的冷却水温度LCWT；获取所述第一冷机功率P1；以及基于获得的数据COP，Q1e，LCHWT和LCWT来训练与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型:并且，基于所述第一冷机性能模型来预测所述第一冷机的性能。根据本发明的冷机站性能预测系统和方法准确性高，可用于优化冷机站的控制策略和冷机站改造。

Description

冷机站性能预测系统和方法
技术领域
本发明涉及冷机站领域，更具体地，本发明涉及冷机站中的设备的性能记录和预测领域。
背景技术
对于冷机站而言，在工作多年后，其中的冷机，冷却塔和泵等设备的性能将与初始设计性能发生偏离，如功耗增大等。在该类工作多年的冷机站的运行过程中，需了解这些设备的实际运行状况，从而配置最优的控制策略。另一方面，如需对冷机站进行改造，则同样需要掌握冷机站中设备当前的实际运行状况。
发明内容
本发明的目的在于解决或至少缓解现有技术中的问题；
本发明的目的在于根据冷机站的历史运行参数来训练能反映冷机站真实行为的模型；
本发明的目的在于利用所述模型优化冷机站的控制策略；
本发明的目的在于利用所述模型来预测历史上未发生过的新工况下的冷机站的行为，如能耗等，从而评估冷机站改造方案；
本发明的目的还在于优化模型以提高预测的准确性；
本发明的目的还在于基于总流量来估测经过各冷机站或冷却塔的流量。
一方面，提供了一种冷机站性能预测系统，包括：
与控制器通讯的传感器装置，包括：
测量冷冻水回路中进入第一冷机的冷冻水温度ECHWT的第一温度传感器；
测量所述冷冻水回路中离开所述第一冷机的冷冻水温度LCHWT的第二温度传感器；
测量所述冷冻水回路中的冷冻水总流量F或经过所述第一冷机的冷冻水流量F1的流量计；
测量冷却水回路中离开所述第一冷机的冷却水温度LCWT的第三温度传感器；
测量所述第一冷机功率P1的第一功率表；以及
控制器，所述控制器基于冷冻水总流量F估测经过所述第一冷机的冷冻水流量F1或直接获取经过所述第一冷机的冷冻水流量F1；
所述控制器根据公式：
Q1e＝F1×c×(ECHWT-LCHWT)
获得所述第一冷机的负载Q1e，并根据公式：
COP＝Q1e/P1
获得所述第一冷机的性能系数COP；
并且，所述控制器内置有与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型：
COP＝f(Q1e，LCHWT，LCWT)
并且，所述控制器基于获得的数据COP，Q1e，LCHWT和LCWT来训练所述第一冷机性能模型；
并且，所述控制器基于所述第一冷机性能模型来预测所述第一冷机的性能。
另一方面，本发明还提供了一种冷机站性能预测方法，包括：
获取冷冻水回路中进入第一冷机的冷冻水温度ECHWT；
获取所述冷冻水回路中离开所述第一冷机的冷冻水温度LCHWT；
获取所述冷冻水回路中的冷冻水总流量F，并基于冷冻水总流量F估测经过所述第一冷机的冷冻水流量F1或直接获取经过所述第一冷机的冷冻水流量F1；
获取冷却水回路中离开所述第一冷机的冷却水温度LCWT；
获取所述第一冷机功率P1；以及
根据公式：
Q1e＝F1×c×(ECHWT-LCHWT)
获得所述第一冷机的负载Q1e，并根据公式：
COP＝Q1e/P1
获得所述第一冷机的性能系数COP；
并且，基于获得的数据COP，Q1e，LCHWT和LCWT来训练与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型：
COP＝f(Q1e，LCHWT，LCWT)
并且，基于所述第一冷机性能模型来预测所述第一冷机的性能。
另一方面，提供了估测冷机站中经过第i个冷机的冷冻水流量Fi的方法，所述冷机站包括并联的n个支路和分布在所述n个支路上的n个冷机；
所述方法包括：
获取某一工况下的n个不同总负载Qj下进入每个冷机的冷冻水温度ECHWTij和离开每个冷机的冷冻水温度LCHWTij，并计算每个冷机进出水温差ΔTij＝ECHWTij-LCHWTij，i代表第i个冷机，可取1，2...n，j代表第j种总负载Qj，可取1，2...n；
所述方法包括通过方程：
(Q1+x1)/c＝F1·ΔT11+F2·ΔT21+…Fn·ΔTn1
(Q2+x1)/c＝F1·ΔT12+F2·ΔT22+…Fn·ΔTn2
…
(Qn+x1)/c＝F1·ΔT1n+F2·ΔT2n+…Fn·ΔTnn
来求出在所述工况中经过第i个冷机的冷冻水流量Fi。
另一方面，提供了估测冷机站中经过第i个冷却塔的冷却水流量fi的方法，所述冷机站的冷却水回路中包括并联的m个支路和分布在m个支路上的m个冷却塔；
所述方法包括：
获取某一工况下的m个不同总负载qj下
进入每个冷却塔的冷却水温度ECTWTij和离开每个冷却塔的冷却水温度LCTWTij，并计算所述工况下的m个不同总负载qj下每个冷却塔进出水温差Δtij＝ECTWTij-LCTWTij，
其中，i代表第i个冷却塔，可取1，2...m，
j代表第j种总负载qj，可取1，2...m；
所述方法包括通过方程：
(q1+x2)/c＝f1·Δt11+.f2·Δt21+…fm·Δtm1
(q2+x2)/c＝f1·Δt12+.f2·Δt22+…fm·Δtm2
…
(qm+x2)/c＝f1·Δt1m+f2·Δt2m+…fm·Δtmm
来求出在所述工况中经过每个冷却塔的冷却水流量fi。
根据本发明的冷机站性能预测系统和方法准确性高，可用于优化冷机站的控制策略和冷机站改造。
附图说明
参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。此外，图中类似的数字用以表示类似的部件，其中：
图1示出了根据一个实施例的冷机站的结构示意图；以及
图2示出了根据另一实施例的冷机站的结构示意图。
具体实施方式
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的，它们是相对的概念，因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。
图1示出了根据一个实施例的冷机站的结构示意图。冷机站主要包括冷机1，冷冻水回路2和冷却水回路3。冷冻水和冷却水在冷机1中换热。在冷冻水回路2中包括负载9和冷冻水压力泵61。在冷却水回路3中包括冷却塔8和冷却水压力泵62，冷却水在冷却塔8处散热，冷却塔8中包括多个风机以将冷却水中的热量散除至周围环境。该类冷机站的各个设备的性能将在长期使用后发生变化，从而与额定数据偏离。
为准确掌握各个设备的实际性能以便实施最佳控制策略或用于冷机站改造，维护等，本发明提供了一种冷机站性能预测系统，包括：与控制器通讯的传感器装置和控制器。传感器装置收集相关数据并提供给控制器，控制器内置有与这些数据有关的模型，通过不断收集和更新的数据，控制器训练相关的模型中的参数，并由此预测在部分数据发生改变时其他数据的相应变化，以掌握设备的实际/真实性能，这些真实性能数据可用于提供优化的控制策略或预测未发生工况下设备的行为，如能耗，并可在对冷机站进行改造时作为参考。
在本发明的实施例中，传感器装置可包括：测量冷冻水2回路中进入第一冷机1的冷冻水温度ECHWT的第一温度传感器41；测量冷冻水回路2中离开第一冷机1的冷冻水温度LCHWT的第二温度传感器42；测量冷冻水回路中的冷冻水总流量F或经过第一冷机1的冷冻水流量F1的流量计7(在图1的实施例中，由于仅包括第一冷机1，冷冻水总流量F或即等于经过第一冷机1的冷冻水流量F1)；测量冷却水回路3中离开第一冷机的冷却水温度LCWT的第三温度传感器43；测量所述第一冷机功率P1的第一功率表51。在备选的实施例中，传感器装置可包括更多元件以收集更多的数据。
控制器与这些收集单元连接以获取上述数据。具体而言，控制器可获取经过所述第一冷机的冷冻水流量F1或基于冷冻水总流量F估测经过所述第一冷机的冷冻水流量F1；
控制器根据公式：
Q1e＝F1×c×(ECHWT-LCHWT)
获得所述第一冷机的负载Q1e，其中c为水的比热，并根据公式：
COP＝Q1e/P1
获得所述第一冷机的性能系数COP；
并且，控制器内置有与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型：
COP＝f(Q1e，LCHWT，LCWT)
并且，控制器基于获得的数据COP，Q1e，LCHWT和LCWT来训练所述第一冷机性能模型；
并且，控制器基于所述第一冷机性能模型来预测所述第一冷机的性能。控制器通过所获得的数据COP，Q1e，LCHWT和LCWT来对第一冷机性能模型中的系数不断更新，以获得与第一冷机实际运行性能关联的第一冷机性能模型。根据该第一冷机性能模型，可估测在部分数据变化时，其他数据的相应变化情况，例如，第一冷机性能模型可用于预测在不同负载下第一冷机的能耗。在一些实施例中，第一冷机性能模型还与第一冷机的额定负载Q1r相关。在一些实施例中，第一冷机性能模型可为根据热力学第一和第二定律推导出来的半物理模型。它基于能量守恒和熵平衡原理，是三个独立变量的函数，包括冷机蒸发器的制冷量，蒸发器出口水温以及冷凝器出口水温。
在进一步的实施例中，传感器装置可包括：测量冷却水回路3中第一冷却塔8风扇功率P2的第二功率表53；并且
控制器还采集第一冷却塔风扇转速SPD数据，该数据可基于控制信号直接获取；
控制器内置有与变量P2和SPD相关的第一冷却塔风扇功率模型；
P2＝f(SPD)
并且，控制器基于所获得的数据P2和SPD来训练所述第一冷却塔风扇功率模型；
并且，控制器基于冷却塔风扇功率模型来预测第一冷却塔风扇的性能。在一些实施例中，第一冷却塔风扇功率模型还与第一冷却塔风扇额定最大转速SPDr以及第一冷却塔风扇额定最大功率P2r相关。
在一些实施例中，第一冷却塔风扇功率模型为：
Figure BDA0001731400590000071
其中：
Figure BDA0001731400590000072
并且，控制器通过获得的数据P2和SPD来训练系数b1，b2和b3的数值。第一冷却塔风扇功率模型可用于预测不同风扇转速下冷却塔的功耗。
在一些实施例中，传感器装置还包括：测量冷冻水回路2中冷冻水压力泵61功率P3的第三功率表52；并且控制器还获取冷冻水压力泵工作流量Qop和冷冻水压力泵的转速n；
控制器内置有与变量P3、Qop和n相关的冷冻水压力泵功率模型：
P3＝f(Qop，n)
并且，所述控制器基于所获得的数据P3、Qop和n来训练所述冷冻水压力泵功率模型；
并且，所述控制器基于冷冻水压力泵功率模型来预测冷冻水压力泵的性能。在一些实施例中，冷冻水压力泵功率模型还与冷冻水压力泵设计额定流量Qdes以及冷冻水压力泵额定功率Pdes相关。
在一些实施例中，冷冻水压力泵功率模型为：
其中：
RMFR＝Qop/Qaes
并且，所述控制器基于所获得的数据P3、Qop和n来训练系数a1，a2，a3，a4，a5和a6的数值。通过冷冻水压力泵功率模型能够准确预测在特定的Qop和n时冷冻水压力泵的功耗。
在一些实施例中，控制器还获取第一冷却塔8的环境温度，水流量，风机风量，进水温度数据；控制器还内置有与所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据相关的有效传热单元数量模型ε-NTU；并且，控制器还基于所获得的所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据来训练所述有效传热单元数量模型；并且，所述控制器根据所述有效传热单元数量模型来预测所述第一冷却塔出水温度。
继续参考图2，其示出了根据本发明的另一实施例。在该实施例中，冷机站包括并联的3个支路和分布在3个支路上的3个冷机，分别称为第一冷机11，第二冷机12和第三冷机13。在冷冻水回路2中，布置了第一温传感器41和第二温度传感器42，而在各个支路上，各个冷机的上下游分别布置了温度传感器，包括第一冷机11上游和下游的温度传感器441，442，第二冷机12上游和下游的温度传感器451，452以及第三冷机13上游和下游的温度传感器461，462。冷冻水回路2中还包括旁通阀10，负载9，第一冷冻水压力泵63和第二冷冻水压力泵64。在该实施例中，由于在各个支路分别安装流量表来获取经过每个冷机的流量是困难且昂贵的。因此，在本发明的一些实施例中，仅在总流路上配置流量计，而控制器获取总流量F，并估测每条支路的流量Fi。具体而言，在三个支路的情况下，控制器获取某一工况下的3个不同总负载Qj下进入每个冷机的冷冻水温度ECHWTij和离开每个冷机的冷冻水温度LCHWTij，并计算每个冷机进出水温差ΔTij＝ECHWTij-LCHWTij，i代表第i个冷机，可取1，2，3，j代表第j种总负载Qj，可取1，2，3；
所述控制器通过方程：
(Q1+x1)/c＝F1·ΔT11+F2·ΔT21+F3·ΔT31
(Q2+x1)/c＝F1·ΔT12+F2·ΔT22+F3·ΔT32
(Q3+x1)/c＝F1·ΔT13+F2·ΔT23+F3·ΔT33
该方程基于能量守恒定律，其中c代表比热，x1为补偿参数，其可为考虑管路热损失，系统内热源，如泵发热等其他因素的经验参数，在一些情况下，可忽略其他因素，即x1可取零。通过解出上述方程可求出在所述工况中经过第1个冷机的冷冻水流量F1，第2个冷机的冷冻水流量F2和第3个冷机的冷冻水流量F3。上述同一工况指的是各支路流量未发生改变，而对于多支路的冷机站而言，如发生物理结构结构的改变，例如管路模式及阀门开度变化时，如旁通阀10开闭等，冷机开启或关闭等均可能导致工况的改变。冷机在同一工况的运行过程中往往会出现多种总负荷数据，控制器仅需选择性收集多种工况下的数据，便可估测出各分支上的流量。各分支上的流量除用于上述模型分析外还可用于评估各支路性能，或者从流量数据判断支路是否流量异常或水泵是否异常等。另一方面，在工况改变后，应针对新的工况重新针对三组不同的总负载Qj来通过上述方法来估测每个流路的流量。应当理解，Qj＝F×c×(ECHWT-LCHWT)，其中F为总流量，ECHWT和LCHWT分别为进入和离开冷机站组的冷冻水温度，它们分别由第一温度传感器41和第二温度传感器42获取。另外，在一些实施例中，为了使得所得的估测流量数据更准确，在一些实施例中，同一工况中的任意两个总负载Qj之间应相差5％以上，如两个总负载Qj相接近，则估测的各支路流量数据将存在偏差。另外，应当理解，同样的原理可推广至n个支路上分布n个冷机的情况，此时需要取得同一工况的n种负载Qj下的数据才能解出方程。
继续参考图2，在一些实施例中，在由虚线标处的冷却水回路3中，可存在多个冷却塔，例如第一冷却塔81，第二冷却塔82和第三冷却塔83。对于各个冷却塔的流量而言，由于系统总的放热最终由冷却水侧排出，故冷却水侧的总负荷也是已知，而冷却塔的散热总量等于冷机产热和冷却水压力泵65的产热，因此，也可基于上述方法，通过主流路的流量来推算各支路的流量，从而评估各冷却水支路流量是否异常，或用作其它分析。具体而言，推算经过各个冷却塔流量的方法包括：获取某一工况下的3个不同总负载qj下进入每个冷却塔的冷却水温度ECTWTij和离开每个冷却塔的冷却水温度LCTWTij，并计算所述工况下的3个不同总负载qj下每个冷却塔进出水温差Δtij＝ECTWTij-LCTWTij，其中，i代表第i个冷却塔，可取1，2，3，j代表第j种总负载qj，可取1，2，3；
所述方法包括通过方程：
(q1+x2)/c＝f1·Δt11+f2·Δt21+f3·Δt31
(q2+x2)/c＝f1·Δt12+f2·Δt22+f3·Δt32
(q3+x2)/c＝f1·Δt13+f2·Δt23+f3·Δt33
来求出在所述工况中经过每个冷却塔的冷却水流量fi。上述方程中c为比热，x2为考虑管路热损失，系统内热源，如冷却水压力泵65等因素的补偿常数，其可基于经验获得，也可取零。另外，在一些实施例中，为了使得所得的估测流量数据更准确，在一些实施例中，同一工况中的任意两个总负载qj之间应相差5％以上，如两个总负载qj相接近，则估测的各支路流量数据将存在偏差。应当理解，该方法也可推广至冷却水回路中包括m条支路的情况，此时需要取得同一工况的m种负载qj下的数据才能解出方程。
在另一些实施例中，还提供了一种冷机站性能预测方法，包括：
获取冷冻水回路中进入第一冷机的冷冻水温度ECHWT；
获取所述冷冻水回路中离开所述第一冷机的冷冻水温度LCHWT；
获取所述冷冻水回路中的冷冻水总流量F，并基于冷冻水总流量F估测经过所述第一冷机的冷冻水流量F1或直接获取经过所述第一冷机的冷冻水流量F1；
获取冷却水回路中离开所述第一冷机的冷却水温度LCWT；
获取所述第一冷机功率P1；以及
根据公式：
Q1e＝F1×c×(ECHWT-LCHWT)
获得所述第一冷机的负载Q1e，其中c为水的比热，并根据公式：
COP＝Q1e/P1
获得所述第一冷机的性能系数COP；
并且，基于获得的数据COP，Q1e，LCHWT和LCWT来训练与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型：
COP＝f(Q1e，LCHWT，LCWT)
并且，基于所述第一冷机性能模型来预测所述第一冷机的性能。
在一些实施例中，所述第一冷机性能模型还与所述第一冷机的额定负载Q1r相关。
在一些实施例中，所述方法：
获取冷却水回路中第一冷却塔风扇功率P2；
获取第一冷却塔风扇转速SPD数据；
基于所获得的数据P2和SPD来训练与变量P2和SPD相关的第一冷却塔风扇功率模型：
P2＝f(SPD)
并且，基于所述第一冷却塔风扇功率模型来预测所述第一冷却塔风扇的性能。
在一些实施例中，所述第一冷却塔风扇功率模型还与第一冷却塔风扇额定最大转速SPDr以及第一冷却塔风扇额定最大功率P2r相关。
在一些实施例中，所述第一冷却塔风扇功率模型为：
其中：
Figure BDA0001731400590000112
所述方法包括通过获得的数据P2和SPD来训练系数b1，b2和b3的数值。
在一些实施例中，所述方法包括：
获取冷冻水回路中冷冻水压力泵功率P3；
获取所述冷冻水压力泵工作流量Qop和所述冷冻水压力泵的转速n；
基于所获得的数据P3、Qop和n来训练与变量P3、Qop和n相关的冷冻水压力泵功率模型：
P3＝f(Qop，n)
并且，基于所述冷冻水压力泵功率模型来预测所述冷冻水压力泵的性能。
在一些实施例中，所述冷冻水压力泵功率模型还与冷冻水压力泵设计额定流量Qdes以及冷冻水压力泵额定功率Pdes相关。
在一些实施例中，所述压力泵功率模型为：
Figure BDA0001731400590000121
其中：
RMFR＝Qop/Qdes
所述方法包括基于所获得的数据P3、Qop和n来训练系数a1，a2，a3，a4，a5和a6的数值。
在一些实施例中，所述方法包括：
获取所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据；
基于所获得的所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据来训练与所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据相关的有效传热单元数量模型ε-NTU；以及
根据所述有效传热单元数量模型来预测所述第一冷却塔出水温度。
在一些实施例中，所述冷机站包括并联的n个支路和分布在所述n个支路上的n个冷机；
所述方法包括：
获取某一工况下的n个不同总负载Qj下进入每个冷机的冷冻水温度ECHWTij和离开每个冷机的冷冻水温度LCHWTij，并计算每个冷机进出水温差ΔTij＝ECHWTij-LCHWTij，i代表第i个冷机，可取1，2...n，j代表第j种总负载Qj，可取1，2...n；
所述方法包括通过方程：
(Q1+x1)/c＝F1·ΔT11+F2·ΔT21+…Fn·ΔTn1
(Q2+x1)/c＝F1·ΔT12+F2·ΔT22+…Fn·ΔTn2
…
(Qn+x1)/c＝F1·ΔT1n+F2·ΔT2n+…Fn·ΔTnn
来求出在所述工况中经过第i个冷机的冷冻水流量Fi。
在一些实施例中，所述冷机站的冷却水回路中包括并联的m个支路和分布在m个支路上的m个冷却塔；
所述方法包括：
获取某一工况下的m个不同总负载qj下
进入每个冷却塔的冷却水温度ECTWTij和离开每个冷却塔的冷却水温度LCTWTij，并计算所述工况下的m个不同总负载qj下每个冷却塔进出水温差Δtij＝ECTWTij-LCTWTij，
其中，i代表第i个冷却塔，可取1，2...m，
j代表第j种总负载qj，可取1，2...m；
所述方法包括通过方程：
(q1+x2)/c＝f1·Δt11+f2·Δt21+…fm·Δtm1
(q2+x2)/c＝f1·Δt12+f2·Δt22+…fm·Δtm2
…
(qm+x2)/c＝f1·Δt1m+f2·Δt2m+…fm·Δtmm
来求出在所述工况中经过每个冷却塔的冷却水流量fi。
以上所描述的具体实施例仅为了更清楚地描述本发明的原理，其中清楚地示出或描述了各个部件而使本发明的原理更容易理解。在不脱离本发明的范围的情况下，本领域的技术人员可容易地对本发明进行各种修改或变化。故应当理解的是，这些修改或者变化均应包含在本发明的专利保护范围之内。

Claims (21)

1.一种冷机站性能预测系统，包括：
传感器装置，包括：
测量冷冻水回路中进入第一冷机的冷冻水温度ECHWT的第一温度传感器；
测量所述冷冻水回路中离开所述第一冷机的冷冻水温度LCHWT的第二温度传感器；
测量所述冷冻水回路中的冷冻水总流量F或经过所述第一冷机的冷冻水流量F1的流量计；
测量冷却水回路中离开所述第一冷机的冷却水温度LCWT的第三温度传感器；
测量所述第一冷机功率P1的第一功率表；以及
与传感器装置通讯的控制器，所述控制器基于冷冻水总流量F估测经过所述第一冷机的冷冻水流量F1或直接获取经过所述第一冷机的冷冻水流量F1；
所述控制器根据公式：
Q1e＝F1×c×(ECHWT-LCHWT)
获得所述第一冷机的负载Q1e，其中c为水的比热，并根据公式：
COP＝Q1e/P1
获得所述第一冷机的性能系数COP；
并且，所述控制器内置有与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型：
COP＝f(Q1e，LCHWT，LCWT)
并且，所述控制器基于获得的数据COP，Q1e，LCHWT和LCWT来训练所述第一冷机性能模型；
并且，所述控制器基于所述第一冷机性能模型来预测所述第一冷机的性能。
2.根据权利要求1所述的冷机性能预测系统，其特征在于，所述第一冷机性能模型还与所述第一冷机的额定负载Q1r相关。
3.根据权利要求1所述的冷机性能预测系统，其特征在于，所述传感器装置包括：
测量冷却水回路中第一冷却塔风扇功率P2的第二功率表；并且
所述控制器还采集第一冷却塔风扇转速SPD数据；
所述控制器内置有与变量P2和SPD相关的第一冷却塔风扇功率模型：
P2＝f(SPD)
并且，所述控制器基于所获得的数据P2和SPD来训练所述第一冷却塔风扇功率模型；
并且，所述控制器基于所述冷却塔风扇功率模型来预测所述第一冷却塔风扇的性能。
4.根据权利要求3所述的冷机性能预测系统，其特征在于，所述第一冷却塔风扇功率模型还与第一冷却塔风扇额定最大转速SPDr以及第一冷却塔风扇额定最大功率P2r相关。
5.根据权利要求3所述的冷机性能预测系统，其特征在于，所述第一冷却塔风扇功率模型为：
Figure FDA0001731400580000021
其中：
Figure FDA0001731400580000022
并且，所述控制器通过获得的数据P2和SPD来训练系数b1，b2和b3的数值。
6.根据权利要求1所述的冷机性能预测系统，其特征在于，所述传感器装置包括：
测量冷冻水回路中冷冻水压力泵功率P3的第三功率表；并且
所述控制器还获取所述冷冻水压力泵工作流量Qop和所述冷冻水压力泵的转速n；
所述控制器内置有与变量P3、Qop和n相关的冷冻水压力泵功率模型：
P3＝f(Qop，n)
并且，所述控制器基于所获得的数据P3、Qop和n来训练所述冷冻水压力泵功率模型；
并且，所述控制器基于所述冷冻水压力泵功率模型来预测所述冷冻水压力泵的性能。
7.根据权利要求6所述的冷机性能预测系统，其特征在于，所述冷冻水压力泵功率模型还与冷冻水压力泵设计额定流量Qdes以及冷冻水压力泵额定功率Pdes相关。
8.根据权利要求6所述的冷机性能预测系统，其特征在于，所述冷冻水压力泵功率模型为：
其中：
RMFR＝Qop/Qdes
并且，所述控制器基于所获得的数据P3、Qop和n来训练系数a1，a2，a3，a4，a5和a6的数值。
9.根据权利要求1所述的冷机性能预测系统，其特征在于，
所述控制器还获取第一冷却塔的环境温度，水流量，风机风量，进水温度数据；
所述控制器还内置有与所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据相关的有效传热单元数量模型ε-NTU；
并且，所述控制器还基于所获得的所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据来训练所述有效传热单元数量模型；
并且，所述控制器根据所述有效传热单元数量模型来预测所述第一冷却塔出水温度。
10.根据权利要求1所述的冷机性能预测系统，其特征在于，所述冷机站包括并联的n个支路和分布在所述n个支路上的n个冷机；
所述控制器获取某一工况下的n个不同总负载Qj下进入每个冷机的冷冻水温度ECHWTij和离开每个冷机的冷冻水温度LCHWTij，并计算每个冷机进出水温差ΔTij＝ECHWTij-LCHWTij，i代表第i个冷机，可取1，2...n，j代表第j种总负载Qj，可取1，2...n；
所述控制器通过方程：
(Q1+x1)/c＝F1·ΔT11+F2·ΔT21+…Fn·ΔTn1
(Q2+x1)/c＝F1·ΔT12+F2·ΔT22+…Fn·ΔTn2
…
(Qn+x1)/c＝F1·ΔT1n+F2·ΔT2n+…Fn·ΔTnn
来求出在所述工况中经过第i个冷机的冷冻水流量Fi，其中x1为补偿参数。
11.一种冷机站性能预测方法，包括：
获取冷冻水回路中进入第一冷机的冷冻水温度ECHWT；
获取所述冷冻水回路中离开所述第一冷机的冷冻水温度LCHWT；
获取所述冷冻水回路中的冷冻水总流量F，并基于冷冻水总流量F估测经过所述第一冷机的冷冻水流量F1或直接获取经过所述第一冷机的冷冻水流量F1；
获取冷却水回路中离开所述第一冷机的冷却水温度LCWT；
获取所述第一冷机功率P1；以及
根据公式：
Q1e＝F1×c×(ECHWT-LCHWT)
获得所述第一冷机的负载Q1e，其中c为水的比热，并根据公式：
COP＝Q1e/P1
获得所述第一冷机的性能系数COP；
并且，基于获得的数据COP，Q1e，LCHWT和LCWT来训练与变量COP，Q1e，LCHWT和LCWT相关的第一冷机性能模型：
COP＝f(Q1e，LCHWT，LCWT)
并且，基于所述第一冷机性能模型来预测所述第一冷机的性能。
12.根据权利要求11所述的方法，其特征在于，所述第一冷机性能模型还与所述第一冷机的额定负载Q1r相关。
13.根据权利要求11所述的方法，其特征在于，所述方法：
获取冷却水回路中第一冷却塔风扇功率P2；
获取第一冷却塔风扇转速SPD数据；
基于所获得的数据P2和SPD来训练与变量P2和SPD相关的第一冷却塔风扇功率模型：
P2＝f(SPD)
并且，基于所述第一冷却塔风扇功率模型来预测所述第一冷却塔风扇的性能。
14.根据权利要求13所述的方法，其特征在于，所述第一冷却塔风扇功率模型还与第一冷却塔风扇额定最大转速SPDr以及第一冷却塔风扇额定最大功率P2r相关。
15.根据权利要求13所述的方法，其特征在于，所述第一冷却塔风扇功率模型为：
Figure FDA0001731400580000051
其中：
Figure FDA0001731400580000052
所述方法包括通过获得的数据P2和SPD来训练系数b1，b2和b3的数值。
16.根据权利要求11所述的方法，其特征在于，所述方法包括：
获取冷冻水回路中冷冻水压力泵功率P3；
获取所述冷冻水压力泵工作流量Qop和所述冷冻水压力泵的转速n：
基于所获得的数据P3、Qop和n来训练与变量P3、Qop和n相关的冷冻水压力泵功率模型：
P3＝f(Qop，n)
并且，基于所述冷冻水压力泵功率模型来预测所述冷冻水压力泵的性能。
17.根据权利要求16所述的方法，其特征在于，所述冷冻水压力泵功率模型还与冷冻水压力泵设计额定流量Qdes以及冷冻水压力泵额定功率Pdes相关。
18.根据权利要求16所述的方法，其特征在于，所述压力泵功率模型为：
Figure FDA0001731400580000061
其中：
RMFR＝Qop/Qdes
所述方法包括基于所获得的数据P3、Qop和n来训练系数a1，a2，a3，a4，a5和a6的数值。
19.根据权利要求11所述的方法，其特征在于，所述方法包括：
获取所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据；
基于所获得的所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据来训练与所述第一冷却塔的环境温度，水流量，风机风量，进水温度数据相关的有效传热单元数量模型ε-NTU；以及
根据所述有效传热单元数量模型来预测所述第一冷却塔出水温度。
20.根据权利要求11所述的方法，其特征在于，
所述冷机站包括并联的n个支路和分布在所述n个支路上的n个冷机；
所述方法包括：
获取某一工况下的n个不同总负载Qj下进入每个冷机的冷冻水温度ECHWTij和离开每个冷机的冷冻水温度LCHWTij，并计算每个冷机进出水温差ΔTij＝ECHWTij-LCHWTij，i代表第i个冷机，可取1，2...n，j代表第j种总负载Qj，可取1，2...n；
所述方法包括通过方程：
(Q1+x1)/c＝F1·ΔT11+F2·ΔT21+…Fn·ΔTn1
(Q2+x1)/c＝F1·ΔT12+F2·ΔT22+…Fn·ΔTn2
…
(Qn+x1)/c＝F1·ΔT1n+F2·ΔT2n+…Fn·ΔTnn
来求出在所述工况中经过第i个冷机的冷冻水流量Fi，其中x1为补偿参数。
21.根据权利要求11所述的方法，其特征在于，所述冷机站的冷却水回路中包括并联的m个支路和分布在m个支路上的m个冷却塔；
所述方法包括：
获取某一工况下的m个不同总负载qj下，进入每个冷却塔的冷却水温度ECTWTij和离开每个冷却塔的冷却水温度LCTWTij，并计算所述工况下的m个不同总负载gj下每个冷却塔进出水温差
Δtij＝ECTWTij-LCTWTij，
其中，i代表第i个冷却塔，可取1，2...m，
j代表第j种总负载qj，可取1，2...m；
所述方法包括通过方程：
(q1+x2)/c＝f1·Δt11+f2·Δt21+…fm·Δtm1
(q2+x2)/c＝f1·Δt12+f2·Δt22+…fm·Δtm2
…
(qm+x2)/c＝f1·Δt1m+f2·Δt2m+…fm·Δtmm
来求出在所述工况中经过每个冷却塔的冷却水流量fi，其中x2为补偿参数。
CN201810776861.7A 2018-07-16 2018-07-16 冷机站性能预测系统和方法 Active CN110726272B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810776861.7A CN110726272B (zh) 2018-07-16 2018-07-16 冷机站性能预测系统和方法
US17/058,425 US20210318044A1 (en) 2018-07-16 2019-07-09 System and method for performance estimation of a chiller plant
PCT/US2019/040985 WO2020018317A1 (en) 2018-07-16 2019-07-09 System and method for performance estimation of a chiller plant

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810776861.7A CN110726272B (zh) 2018-07-16 2018-07-16 冷机站性能预测系统和方法

Publications (2)

Publication Number Publication Date
CN110726272A true CN110726272A (zh) 2020-01-24
CN110726272B CN110726272B (zh) 2023-06-06

Family

ID=67544327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810776861.7A Active CN110726272B (zh) 2018-07-16 2018-07-16 冷机站性能预测系统和方法

Country Status (3)

Country Link
US (1) US20210318044A1 (zh)
CN (1) CN110726272B (zh)
WO (1) WO2020018317A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023050907A1 (zh) * 2021-09-30 2023-04-06 浙江吉利控股集团有限公司 一种转速控制方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102012077A (zh) * 2010-12-06 2011-04-13 北京星达技术开发公司 一种中央空调冷冻站节能控制系统及控制方法
CN106642928A (zh) * 2016-09-30 2017-05-10 王友准 一种用于工艺或设备冷却的工艺水直接冷却系统和方法
CN107166582A (zh) * 2017-05-11 2017-09-15 珠海格力电器股份有限公司 空调冷却水系统、空调系统及空调冷却水系统控制方法

Family Cites Families (7)

* 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
US8412357B2 (en) * 2010-05-10 2013-04-02 Johnson Controls Technology Company Process control systems and methods having learning features
SG11201810279QA (en) * 2016-06-29 2018-12-28 Kirkham Group Pte Ltd Large scale machine learning-based chiller plants modeling, optimization and diagnosis
SG10201605828UA (en) * 2016-07-15 2018-02-27 Barghest Building Performance Pte Ltd Method for improving operational efficiency of a cooling system through retrofitting a building with a master controller
WO2018011621A1 (en) * 2016-07-15 2018-01-18 Barghest Building Performance Pte. Ltd. Method for improving operational efficiency of a cooling system through retrofitting a building with a master controller
US10372146B2 (en) * 2016-10-21 2019-08-06 Johnson Controls Technology Company Systems and methods for creating and using combined predictive models to control HVAC equipment
JP6933564B2 (ja) * 2017-11-16 2021-09-08 株式会社日立製作所 空気調和機の性能診断装置及び性能診断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102012077A (zh) * 2010-12-06 2011-04-13 北京星达技术开发公司 一种中央空调冷冻站节能控制系统及控制方法
CN106642928A (zh) * 2016-09-30 2017-05-10 王友准 一种用于工艺或设备冷却的工艺水直接冷却系统和方法
CN107166582A (zh) * 2017-05-11 2017-09-15 珠海格力电器股份有限公司 空调冷却水系统、空调系统及空调冷却水系统控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YANG JIA ET AL: "Modelling of Chiller Performance Using Artificial Neural Networks", 《ENERGY PROCEDIA》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023050907A1 (zh) * 2021-09-30 2023-04-06 浙江吉利控股集团有限公司 一种转速控制方法、系统、设备及存储介质

Also Published As

Publication number Publication date
WO2020018317A1 (en) 2020-01-23
US20210318044A1 (en) 2021-10-14
CN110726272B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
Jin et al. A simplified modeling of mechanical cooling tower for control and optimization of HVAC systems
Swider et al. Modelling of vapour-compression liquid chillers with neural networks
US11732967B2 (en) Heat exchanger system with machine-learning based optimization
JP5299680B2 (ja) 冷却システムおよび冷却方法
CN102338568B (zh) 基于清洁系数指标的电厂凝汽器性能在线监测系统及方法
JP5615559B2 (ja) 冷却システム
JP6556065B2 (ja) 熱源システムの運転計画システム、熱源システムの運転計画判定方法
WO2012144581A1 (ja) 冷熱源装置の運転制御システム
CN107112755B (zh) 用于操作包括制冷系统的至少一个分布式能源的方法
CN110475458A (zh) 用于数据中心的模块化制冷器
US10161834B1 (en) Method to determine performance of a chiller and chiller plant
CN112413809B (zh) 中央空调冷站运行评价方法、装置和系统
CN104011475A (zh) 远程监控系统及其运转方法
KR20120024351A (ko) 터보 냉동기의 성능 평가 장치
EP2376884B1 (en) Heat metering for central thermal energy installation
CN103491749A (zh) 一种闭式冷却系统的冷却方法及构造
JP2007127321A (ja) 冷凍機の冷水負荷率制御装置
Pan et al. Efficiency improvement of cogeneration system using statistical model
JP2011169588A5 (zh)
JP2011169588A (ja) 空調最適制御システム
CN110726272B (zh) 冷机站性能预测系统和方法
CN110469957A (zh) 一种空气调节系统的自清洁装置、方法及空调器
Zhai et al. Operating points as communication bridge between energy evaluation with air temperature and velocity based on extreme learning machine (ELM) models
CN105240993A (zh) 一种中央空调的精细化节能控制系统及其实现方法
CN110207317A (zh) 一种中央空调节能控制方法、装置

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