CN110762768A - 一种中央空调系统制冷主机的能效比预测方法及装置 - Google Patents

一种中央空调系统制冷主机的能效比预测方法及装置 Download PDF

Info

Publication number
CN110762768A
CN110762768A CN201911042038.4A CN201911042038A CN110762768A CN 110762768 A CN110762768 A CN 110762768A CN 201911042038 A CN201911042038 A CN 201911042038A CN 110762768 A CN110762768 A CN 110762768A
Authority
CN
China
Prior art keywords
conditioning system
central air
energy efficiency
efficiency ratio
refrigeration host
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.)
Pending
Application number
CN201911042038.4A
Other languages
English (en)
Inventor
丁高辉
黄文宇
王莹
黄勇
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.)
Nanjing Asia Software Technology Co Ltd
Original Assignee
Nanjing Asia Software 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 Nanjing Asia Software Technology Co Ltd filed Critical Nanjing Asia Software Technology Co Ltd
Priority to CN201911042038.4A priority Critical patent/CN110762768A/zh
Publication of CN110762768A publication Critical patent/CN110762768A/zh
Pending legal-status Critical Current

Links

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
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • 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
    • F24F11/88—Electrical aspects, e.g. circuits

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)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种中央空调系统制冷主机的能效比预测方法及装置，包括以下步骤：一：获取中央空调系统制冷主机的能效比历史数据作为样本；将样本中的一部分作为预测的训练样本，根据训练样本的特征变量，确定中央空调系统制冷主机的能效比预测的分枝变量；二：根据训练样本的特征变量与分枝变量，使用决策树构建能效比与特征变量的模型，得到中央空调系统制冷主机的能效比预测决策树模型；三：将中央空调系统制冷主机的能效比历史数据中的另一部分作为中央空调系统制冷主机的能效比预测决策树的验证样本，根据验证样本，对分枝变量进行后剪枝，得到最终的中央空调系统制冷主机的能效比预测决策树。本方法可以有效地预测需要预测时刻的能效比。

Description

一种中央空调系统制冷主机的能效比预测方法及装置
技术领域
本发明涉及空调控制领域，具体涉及一种中央空调系统制冷主机的能效比预测方法及装置。
背景技术
随着我国城市化和工业化进程的发展，公共建筑和工业建筑的规模和数量不断增加，建筑能耗不断上升。而中央空调又是建筑中的能耗大户，一般占用建筑的40％～60％的能耗。当供电能力无法满足用电需求时，如果建筑中央空调系统能够将能耗控制在限额范围内，并且尽可能满足舒适度要求，则一方面可以减轻电网供电压力，一方面减少对建筑运行的影响，保证经济活动的有序进行。
目前解决能耗限额的方法是实施计划停电，在特定时段，关闭建筑中央空调系统，以完成能耗限额计划。但是，计划停电一般需要提前数天根据电网供电能力和用电需求进行预测制定刚性停电计划，存在过度停电的可能性；其次，计划停电期间，建筑中央空调系统完全关闭，建筑功能受到较大影响。因此需要一种能够针对中央空调的能效比进行预测的方法进行控制空调。
发明内容
1.所要解决的技术问题：
针对上述技术问题，本发明提出一种中央空调系统制冷主机的能效比预测方法及装置，通过对中央空调系统制冷主机的历史数据带入决策树模型
2.技术方案：
一种中央空调系统制冷主机的能效比预测方法，其特征在于：包括以下步骤：
步骤一：获取中央空调系统制冷主机的能效比历史数据作为样本；将样本中的一部分作为预测的训练样本，根据所述训练样本的特征变量，确定所述中央空调系统制冷主机的能效比预测的分枝变量；
步骤二：根据所述训练样本的特征变量与分枝变量，使用决策树构建能效比与特征变量的模型，得到中央空调系统制冷主机的能效比预测决策树模型 ；
步骤三：将中央空调系统制冷主机的能效比历史数据中的另一部分作为中央空调系统制冷主机的能效比预测决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的中央空调系统制冷主机的能效比预测决策树。
进一步地，所述中央空调系统制冷主机的能效比预测决策树模型的输出量为制冷主机的能效比；模型的输入量包括冷冻水质量流量、冷冻水供水温度、冷冻水回水温度、冷却水质量流量、冷却水供水温度、冷却水回水温度以及中央空调系统冷负荷。
进一步地，所述根据所述训练样本的特征变量的确定是通过Pearson卡方检验从模型的输入量中选取； 所述Pearson卡方检验能够检测模型的输入(X)与输出(Y)之间的相关性。
进一步地，所述训练样本占有样本总数的70%，采样样本占有样本总数的30%。
一种中央空调系统制冷主机的能效比预测装置，包括：
数据采集模块：用于收集中央空调系统的运行参数的历史数据作为采样数据；
数据处理模块：用于对所收集的中央空调系统的运行参数的历史数据进行处理，以获得所述运行参数的有效采样数据，同时对中央空调系统制冷主机的能效比预测决策树训练模型的训练参数进行设置；
训练模块：用于将所述运行参数的有效的历史数据代入已完成设定的所述中央空调系统制冷主机的能效比预测决策树中进行训练，获得所述中央空调系统的运行参数与制冷主机的能效比的对应决策树；
预测输出模块，：用于采集t时刻所述中央空调系统的运行参数并代入所述决策树中，获得t时刻中央空调系统制冷主机的能效比。
3.有益效果：
本发明的基于决策树的中央空调系统制冷主机的能效比预测方法，将中央空调系统制冷主机控制中的评价数据一部分作为训练样本引入中央空调系统制冷主机的能效比预测决策树的训练中训练，另一部分作为验证样本验证建立的决策树模型的准确性，可以有效地预测需要预测时刻的能效比，从而实现进行提前预测可以有效避免能耗的浪费、延长制冷主机的使用寿命，提高室内热舒适性。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明进行具体的说明。
如附图1所示一种中央空调系统制冷主机的能效比预测方法，其特征在于：包括以下步骤：
步骤一：获取中央空调系统制冷主机的能效比历史数据作为样本；将样本中的一部分作为预测的训练样本，根据所述训练样本的特征变量，确定所述中央空调系统制冷主机的能效比预测的分枝变量；
步骤二：根据所述训练样本的特征变量与分枝变量，使用决策树构建能效比与特征变量的模型，得到中央空调系统制冷主机的能效比预测决策树模型 ；
步骤三：将中央空调系统制冷主机的能效比历史数据中的另一部分作为中央空调系统制冷主机的能效比预测决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的中央空调系统制冷主机的能效比预测决策树。
进一步地，所述中央空调系统制冷主机的能效比预测决策树模型的输出量为制冷主机的能效比；模型的输入量包括冷冻水质量流量、冷冻水供水温度、冷冻水回水温度、冷却水质量流量、冷却水供水温度、冷却水回水温度以及中央空调系统冷负荷。
进一步地，所述根据所述训练样本的特征变量的确定是通过Pearson卡方检验从模型的输入量中选取； 所述Pearson卡方检验能够检测模型的输入(X)与输出(Y)之间的相关性。
进一步地，所述训练样本占有样本总数的70%，采样样本占有样本总数的30%。
一种中央空调系统制冷主机的能效比预测装置，包括：
数据采集模块：用于收集中央空调系统的运行参数的历史数据作为采样数据；
数据处理模块：用于对所收集的中央空调系统的运行参数的历史数据进行处理，以获得所述运行参数的有效采样数据，同时对中央空调系统制冷主机的能效比预测决策树训练模型的训练参数进行设置；
训练模块：用于将所述运行参数的有效的历史数据代入已完成设定的所述中央空调系统制冷主机的能效比预测决策树中进行训练，获得所述中央空调系统的运行参数与制冷主机的能效比的对应决策树；
预测输出模块，：用于采集t时刻所述中央空调系统的运行参数并代入所述决策树中，获得t时刻中央空调系统制冷主机的能效比。
具体实施方式：
S1:提取出训练样本，将每个样本的特征变量输入并将每个特征变量对应的能效比作为输出进行训练；生成中央空调系统制冷主机的能效比预测决策树模型；
S2 ：将验证样本输入生成的中央空调系统制冷主机的能效比预测决策树模型，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的中央空调系统制冷主机的能效比预测决策树。
S3：将需要进行预测的时刻的特征变量输入到最终的中央空调系统制冷主机的能效比预测决策树，输出量即为该时刻的中央空调系统制冷主机的能效比。
虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明的，任何熟习此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。

Claims (5)

1.一种中央空调系统制冷主机的能效比预测方法，其特征在于：包括以下步骤：
步骤一：获取中央空调系统制冷主机的能效比历史数据作为样本；将样本中的一部分作为预测的训练样本，根据所述训练样本的特征变量，确定所述中央空调系统制冷主机的能效比预测的分枝变量；
步骤二：根据所述训练样本的特征变量与分枝变量，使用决策树构建能效比与特征变量的模型，得到中央空调系统制冷主机的能效比预测决策树模型 ；
步骤三：将中央空调系统制冷主机的能效比历史数据中的另一部分作为中央空调系统制冷主机的能效比预测决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的中央空调系统制冷主机的能效比预测决策树。
2.根据权利要求1所述的一种中央空调系统制冷主机的能效比预测方法，其特征在于：所述中央空调系统制冷主机的能效比预测决策树模型的输出量为制冷主机的能效比；模型的输入量包括冷冻水质量流量、冷冻水供水温度、冷冻水回水温度、冷却水质量流量、冷却水供水温度、冷却水回水温度以及中央空调系统冷负荷。
3.根据权利要求1所述的一种中央空调系统制冷主机的能效比预测方法，其特征在于：所述根据所述训练样本的特征变量的确定是通过Pearson卡方检验从模型的输入量中选取； 所述Pearson卡方检验能够检测模型的输入X与输出Y之间的相关性。
4.根据权利要求1所述的一种中央空调系统制冷主机的能效比预测方法，其特征在于：所述训练样本占有样本总数的70%，采样样本占有样本总数的30%。
5.一种中央空调系统制冷主机的能效比预测装置，使用为如权利要求1至4任一权利要求所述的中央空调系统制冷主机的能效比预测方法，其特征在于：包括
数据采集模块：用于收集中央空调系统的运行参数的历史数据作为采样数据；
数据处理模块：用于对所收集的中央空调系统的运行参数的历史数据进行处理，以获得所述运行参数的有效采样数据，同时对中央空调系统制冷主机的能效比预测决策树训练模型的训练参数进行设置；
训练模块：用于将所述运行参数的有效的历史数据代入已完成设定的所述中央空调系统制冷主机的能效比预测决策树中进行训练，获得所述中央空调系统的运行参数与制冷主机的能效比的对应决策树；
预测输出模块，：用于采集t时刻所述中央空调系统的运行参数并代入所述决策树中，获得t时刻中央空调系统制冷主机的能效比。
CN201911042038.4A 2019-10-30 2019-10-30 一种中央空调系统制冷主机的能效比预测方法及装置 Pending CN110762768A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911042038.4A CN110762768A (zh) 2019-10-30 2019-10-30 一种中央空调系统制冷主机的能效比预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911042038.4A CN110762768A (zh) 2019-10-30 2019-10-30 一种中央空调系统制冷主机的能效比预测方法及装置

Publications (1)

Publication Number Publication Date
CN110762768A true CN110762768A (zh) 2020-02-07

Family

ID=69334486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911042038.4A Pending CN110762768A (zh) 2019-10-30 2019-10-30 一种中央空调系统制冷主机的能效比预测方法及装置

Country Status (1)

Country Link
CN (1) CN110762768A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814389A (zh) * 2020-06-17 2020-10-23 新奥数能科技有限公司 一种制冷系统制冷系数预测方法及装置
CN115899964A (zh) * 2022-12-22 2023-04-04 北京航天智造科技发展有限公司 基于多维的空调智能监测方法与系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017049785A (ja) * 2015-09-01 2017-03-09 大和ハウス工業株式会社 エネルギー消費量予測装置及びエネルギー消費量予測方法
CN106765932A (zh) * 2016-12-14 2017-05-31 深圳达实智能股份有限公司 中央空调系统制冷主机的能效比预测方法及装置
CN108954680A (zh) * 2018-07-13 2018-12-07 电子科技大学 一种基于运行数据的中央空调能耗预测方法
KR20190043976A (ko) * 2017-10-19 2019-04-29 광주과학기술원 에너지 수요 예측 방법 및 그 시스템
CN109959122A (zh) * 2019-03-11 2019-07-02 浙江工业大学 一种基于长短期记忆循环神经网络的空调能耗预测方法
CN110057045A (zh) * 2019-03-20 2019-07-26 青岛海尔空调器有限总公司 用于空调器的控制方法
CN110288164A (zh) * 2019-07-02 2019-09-27 广州市特沃能源管理有限公司 一种建筑空调制冷站系统预测控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017049785A (ja) * 2015-09-01 2017-03-09 大和ハウス工業株式会社 エネルギー消費量予測装置及びエネルギー消費量予測方法
CN106765932A (zh) * 2016-12-14 2017-05-31 深圳达实智能股份有限公司 中央空调系统制冷主机的能效比预测方法及装置
KR20190043976A (ko) * 2017-10-19 2019-04-29 광주과학기술원 에너지 수요 예측 방법 및 그 시스템
CN108954680A (zh) * 2018-07-13 2018-12-07 电子科技大学 一种基于运行数据的中央空调能耗预测方法
CN109959122A (zh) * 2019-03-11 2019-07-02 浙江工业大学 一种基于长短期记忆循环神经网络的空调能耗预测方法
CN110057045A (zh) * 2019-03-20 2019-07-26 青岛海尔空调器有限总公司 用于空调器的控制方法
CN110288164A (zh) * 2019-07-02 2019-09-27 广州市特沃能源管理有限公司 一种建筑空调制冷站系统预测控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴祖玉: "《信息系统工程基础》", 30 September 2001 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814389A (zh) * 2020-06-17 2020-10-23 新奥数能科技有限公司 一种制冷系统制冷系数预测方法及装置
CN115899964A (zh) * 2022-12-22 2023-04-04 北京航天智造科技发展有限公司 基于多维的空调智能监测方法与系统

Similar Documents

Publication Publication Date Title
CN103912966B (zh) 一种地源热泵制冷系统优化控制方法
CN103853106B (zh) 一种建筑能源供应设备的能耗预测参数优化方法
Zhao et al. A review on the prediction of building energy consumption
CN107860102B (zh) 一种控制中央空调的方法及装置
CN110458340B (zh) 基于模式分类的建筑空调冷负荷自回归预测方法
CN101021914A (zh) 暖通空调负荷预测方法和系统
KR20160027481A (ko) 건물 에너지 효율화 및 서비스 평가 시스템 및 그의 처리 방법
CN109461091B (zh) 考虑光伏和冷负荷相关性的用电负荷计算方法及信息系统
Maré Novel simulations for energy management of mine cooling systems
CN107036238B (zh) 动态预测外气与负载智慧节能控制方法
Qian et al. Power consumption and energy efficiency of VRF system based on large scale monitoring virtual sensors
CN102607143A (zh) 基站空调设备的远程监控方法及系统
KR101622523B1 (ko) 건물 에너지 성능 측정 평가 시스템 및 구동 방법
CN110762768A (zh) 一种中央空调系统制冷主机的能效比预测方法及装置
CN111486555A (zh) 一种人工智能ai专家系统进行中央空调节能调控的方法
CN105465946A (zh) 一种中央空调制冷站能耗分析的方法和系统
CN113778215A (zh) 基于大数据实现数据中心pue预测以及降耗策略的方法
CN116989432B (zh) 一种空调系统节能运行优化调度方法及系统
CN113790516B (zh) 中央空调制冷站全局优化节能控制方法、系统和电子设备
CN115413190A (zh) 一种数据中心温度预测控制方法
CN116928984B (zh) 一种恒温恒湿冷库内外双循环温湿调控系统及调控方法
CN117490193A (zh) 一种中央空调水系统群控方法
CN111896831B (zh) 非侵入式综合能源负荷监测的方法及系统
JP4032426B2 (ja) 設備モデル作成方法及び設備モデル作成プログラム、建物モデル作成方法及び建物モデル作成プログラム、並びに、設備改修評価方法及び建物改修評価方法
CN106440188B (zh) 自动空调运转容量调整系统及方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200207

RJ01 Rejection of invention patent application after publication