CN110895029A - 一种基于冷冻水的温度的建筑负荷预测方法 - Google Patents

一种基于冷冻水的温度的建筑负荷预测方法 Download PDF

Info

Publication number
CN110895029A
CN110895029A CN201911183028.2A CN201911183028A CN110895029A CN 110895029 A CN110895029 A CN 110895029A CN 201911183028 A CN201911183028 A CN 201911183028A CN 110895029 A CN110895029 A CN 110895029A
Authority
CN
China
Prior art keywords
load
energy consumption
chilled water
air
moment
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
CN201911183028.2A
Other languages
English (en)
Inventor
刘定坤
王莹
黄勇
郑维朋
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 CN201911183028.2A priority Critical patent/CN110895029A/zh
Publication of CN110895029A publication Critical patent/CN110895029A/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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
    • 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

Abstract

本发明涉及一种基于冷冻水的温度的建筑负荷预测方法包括：参数设置,数据采集与存储；数据预处理：空调负荷在线预测；利用采集的当前时刻室外干球温度、当前时刻室外相对湿度、当前时刻空调负荷、前一时刻室外干球温度、前一时刻空调负荷、当前时刻数、当日最高温度预报值及当日最低温度预报值共8个数据，通过空调负荷预测模型预测下一时刻的空调负荷。判断在预测负荷下重新设定最优控制变量时系统的总能耗比保持原控制变量设定值时系统总能耗节能是否超过百分之1；若节能率超过百分之1，更新最优控制变量，反之，则保持原控制变量设定值。本方法通过对建筑物中耗能比重最大的空调系统中的冷冻水系统进行负荷预测，实现对建筑物负荷预测。

Description

一种基于冷冻水的温度的建筑负荷预测方法
技术领域
本发明涉及空调控制领域，具体涉及一种基于冷冻水的温度的建筑负荷预测方法。
背景技术
随着我国城市化的持续发展，大型公共建筑的数量与日俱增，由此而来的建筑高能耗问题也日益突出。据相关资料统计，我国既有大型公共建筑总面积约5亿m2，占城镇总建筑面积的70％，但其年总耗电量近1000亿kWh，占城镇总耗电量的22％，其单位面积年耗电量高达100-300kWh/(m2)，是普通居民住宅的10-20倍。大型综合商场作为大型公共建筑的重要组成部分，具有建筑面积大、窗墙比大、人员密度高、运营时间长、各种照明电器密度高、中央空调能耗高等特点，其单位面积能耗远远高于其他大型公共建筑，节能潜力巨大，因此降低大型综合商场能耗对建设节能型、环境友好型社会具有重要意义。
现有的中央空调控制通常要对中央空调的负荷进行预测，并根据预测的结果调整下一时刻最优的冷冻水供水温度和冷冻水供回水压差值，从而实现对空调的节能控制。基于此，由于空调的能源消耗为建筑的重要负荷，因此基于空调的节能控制对建筑的负荷预测有着重要的意义。
发明内容
1.所要解决的技术问题：
针对上述技术问题，本发明提供一种基于冷冻水的温度的建筑负荷预测方法，实现对建筑负荷的预测。
2.技术方案：
一种基于冷冻水的温度的建筑负荷预测方法，其特征在于：包括以下步骤：
步骤一：参数设置：即在建筑的中央空调集成优化控制平台设置运行数据的采样频率、运算周期及延迟周期。
步骤二：数据采集与存储；即通过设备层的各类传感器实现冷水机组负荷率、冷冻水流量、冷冻水供水温度、冷凝温度、冷冻水泵频率、室外干球温度及室外相对湿度等数据的实时采集及存储.同时从数据采集服务器中调取历史空调负荷和室外气象参数。
步骤三：数据预处理：对采集的运行数据进行有效性检验、平稳性检验及数据协调与显著性误差检验；若满足检测条件，则直接进入空调负荷预测环节或运行参数在线优化环节。
步骤四：空调负荷在线预测，即利用采集的当前时刻室外干球温度、当前时刻室外相对湿度、当前时刻空调负荷、前一时刻室外干球温度、前一时刻空调负荷、当前时刻数、当日最高温度预报值及当日最低温度预报值共8个数据，通过空调负荷预测模型预测下一时刻的空调负荷。
步骤五：判断在预测负荷下重新设定最优控制变量时系统的总能耗比保持原控制变量设定值时系统总能耗节能是否超过百分之1；若节能率超过百分之1，更新最优控制变量，反之，则保持原控制变量设定值。
进一步地，步骤四空调负荷预测模型包括冷水机组能耗模型的与冷冻水泵运行能耗模型；所述冷水机组能耗模型与冷冻水泵运行能耗模型的参数均采用自适应调节遗忘因子辨别方法。
进一步地，步骤五中优化运行的数学模型为：
Figure BDA0002291767040000021
其中：Pchiller＝f(Te(Tei，Me),Te,PLR)
Ppump,j＝g(fe(Me),Me)
Me＝h(ΔP)
Figure BDA0002291767040000022
Figure BDA0002291767040000023
上式中，Ptotal为冷冻水系统设备的运行总能耗，Pchiller,i，为第i台冷水机组的运行能耗；Ppump,j为第j台冷冻水泵的运行能耗；Nl和N2分别为冷水机组和冷冻水泵的台数，一般情况下Nl＝N2；Zi和Zj分别为冷水机组和冷冻水泵的运行状态；
目标函数的约束条件为：
Figure BDA0002291767040000024
惩罚函数为：
Figure BDA0002291767040000025
Figure BDA0002291767040000031
3.有益效果：
(1)本方法中通过对建筑物中耗能比重最大的空调系统中的冷冻水系统进行负荷预测，实现对建筑物负荷预测。
(2)在本发明中对冷冻水的负荷预测过程为：首先分析了影响冷冻水系统耗的运行参数，并从中选取合适的优化变量，建立了以冷冻水系统能耗最低为目标的运行参数优化目标函数，同时分析了冷冻水系统安全运行的约束条件，并对约束条件进行了无约束化处理，然后采用遗传算法对冷冻水系统优化目标函数进行求解。
具体实施方式
一种基于冷冻水的温度的建筑负荷预测方法，其特征在于：包括以下步骤：
步骤一：参数设置：即在建筑的中央空调集成优化控制平台设置运行数据的采样频率、运算周期及延迟周期。
步骤二：数据采集与存储；即通过设备层的各类传感器实现冷水机组负荷率、冷冻水流量、冷冻水供水温度、冷凝温度、冷冻水泵频率、室外干球温度及室外相对湿度等数据的实时采集及存储.同时从数据采集服务器中调取历史空调负荷和室外气象参数。
步骤三：数据预处理：对采集的运行数据进行有效性检验、平稳性检验及数据协调与显著性误差检验；若满足检测条件，则直接进入空调负荷预测环节或运行参数在线优化环节。
步骤四：空调负荷在线预测，即利用采集的当前时刻室外干球温度、当前时刻室外相对湿度、当前时刻空调负荷、前一时刻室外干球温度、前一时刻空调负荷、当前时刻数、当日最高温度预报值及当日最低温度预报值共8个数据，通过空调负荷预测模型预测下一时刻的空调负荷。
步骤五：判断在预测负荷下重新设定最优控制变量时系统的总能耗比保持原控制变量设定值时系统总能耗节能是否超过百分之1；若节能率超过百分之1，更新最优控制变量，反之，则保持原控制变量设定值。
进一步地，步骤四空调负荷预测模型包括冷水机组能耗模型的与冷冻水泵运行能耗模型；所述冷水机组能耗模型与冷冻水泵运行能耗模型的参数均采用自适应调节遗忘因子辨别方法。
进一步地，步骤五中优化运行的数学模型为：
Figure BDA0002291767040000041
其中：Pchiller＝f(Te(Tei，Me),Te,PLR)
Ppump,j＝g(fe(Me),Me)
Me＝h(ΔP)
Figure BDA0002291767040000042
Figure BDA0002291767040000043
上式中，Ptotal为冷冻水系统设备的运行总能耗，Pchiller,i，为第i台冷水机组的运行能耗；Ppump,j为第j台冷冻水泵的运行能耗；Nl和N2分别为冷水机组和冷冻水泵的台数，一般情况下Nl＝N2；Zi和Zj分别为冷水机组和冷冻水泵的运行状态；
目标函数的约束条件为：
Figure BDA0002291767040000044
惩罚函数为：
Figure BDA0002291767040000045
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 (3)

1.一种基于冷冻水的温度的建筑负荷预测方法，其特征在于：包括以下步骤：
步骤一：参数设置：即在建筑的中央空调集成优化控制平台设置运行数据的采样频率、运算周期及延迟周期；
步骤二：数据采集与存储；即通过设备层的各类传感器实现冷水机组负荷率、冷冻水流量、冷冻水供水温度、冷凝温度、冷冻水泵频率、室外干球温度及室外相对湿度等数据的实时采集及存储.同时从数据采集服务器中调取历史空调负荷和室外气象参数；
步骤三：数据预处理：对采集的运行数据进行有效性检验、平稳性检验及数据协调与显著性误差检验；若满足检测条件，则直接进入空调负荷预测环节或运行参数在线优化环节；
步骤四：空调负荷在线预测，即利用采集的当前时刻室外干球温度、当前时刻室外相对湿度、当前时刻空调负荷、前一时刻室外干球温度、前一时刻空调负荷、当前时刻数、当日最高温度预报值及当日最低温度预报值共8个数据，通过空调负荷预测模型预测下一时刻的空调负荷；
步骤五：判断在预测负荷下重新设定最优控制变量时系统的总能耗比保持原控制变量设定值时系统总能耗节能是否超过百分之1；若节能率超过百分之1，更新最优控制变量，反之，则保持原控制变量设定值。
2.根据权利要求1所述的一种基于冷冻水的温度的建筑负荷预测方法，其特征在于：步骤四空调负荷预测模型包括冷水机组能耗模型的与冷冻水泵运行能耗模型；所述冷水机组能耗模型与冷冻水泵运行能耗模型的参数均采用自适应调节遗忘因子辨别方法。
3.根据权利要求1所述的一种基于冷冻水的温度的建筑负荷预测方法，其特征在于：步骤五中优化运行的数学模型为：
Figure FDA0002291767030000011
其中：Pchiller＝f(Te(Tei，Me),Te,PLR)
Ppump,j＝g(fe(Me),Me)
Me＝h(ΔP)
Figure FDA0002291767030000012
Figure FDA0002291767030000013
上式中，Ptotal为冷冻水系统设备的运行总能耗，Pchiller,i，为第i台冷水机组的运行能耗；Ppump,j为第j台冷冻水泵的运行能耗；Nl和N2分别为冷水机组和冷冻水泵的台数，一般情况下Nl＝N2；Zi和Zj分别为冷水机组和冷冻水泵的运行状态；
目标函数的约束条件为：
Figure FDA0002291767030000021
惩罚函数为：
Figure FDA0002291767030000022
CN201911183028.2A 2019-11-27 2019-11-27 一种基于冷冻水的温度的建筑负荷预测方法 Pending CN110895029A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911183028.2A CN110895029A (zh) 2019-11-27 2019-11-27 一种基于冷冻水的温度的建筑负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911183028.2A CN110895029A (zh) 2019-11-27 2019-11-27 一种基于冷冻水的温度的建筑负荷预测方法

Publications (1)

Publication Number Publication Date
CN110895029A true CN110895029A (zh) 2020-03-20

Family

ID=69788146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911183028.2A Pending CN110895029A (zh) 2019-11-27 2019-11-27 一种基于冷冻水的温度的建筑负荷预测方法

Country Status (1)

Country Link
CN (1) CN110895029A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112413762A (zh) * 2020-11-27 2021-02-26 上海碳索能源服务股份有限公司 一种制冷机房冷却水系统参数优化方法和系统
CN112665123A (zh) * 2020-12-10 2021-04-16 珠海格力电器股份有限公司 建筑负荷预测方法、装置及中央空调
CN114543303A (zh) * 2022-01-26 2022-05-27 深圳达实智能股份有限公司 基于运行大数据的中央空调制冷站运行优化方法和系统
CN115127197A (zh) * 2022-05-26 2022-09-30 博锐尚格科技股份有限公司 冷机运行策略确定方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101929721A (zh) * 2010-09-25 2010-12-29 上海建坤信息技术有限责任公司 中央空调节能控制ar模型负荷预测系统的预测方法
CN102705957A (zh) * 2012-06-07 2012-10-03 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及系统
CN102779228A (zh) * 2012-06-07 2012-11-14 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
CN102980272A (zh) * 2012-12-08 2013-03-20 珠海派诺科技股份有限公司 一种基于负荷预测的空调系统节能优化方法
CN108709287A (zh) * 2018-04-03 2018-10-26 广东迪奥技术有限公司 一种空调系统冷负荷预测方法及冷水机组群控的策略

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101929721A (zh) * 2010-09-25 2010-12-29 上海建坤信息技术有限责任公司 中央空调节能控制ar模型负荷预测系统的预测方法
CN102705957A (zh) * 2012-06-07 2012-10-03 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及系统
CN102779228A (zh) * 2012-06-07 2012-11-14 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
CN102980272A (zh) * 2012-12-08 2013-03-20 珠海派诺科技股份有限公司 一种基于负荷预测的空调系统节能优化方法
CN108709287A (zh) * 2018-04-03 2018-10-26 广东迪奥技术有限公司 一种空调系统冷负荷预测方法及冷水机组群控的策略

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡盼盼: "基于负荷预测的商场空调冷冻水系统优化运行研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112413762A (zh) * 2020-11-27 2021-02-26 上海碳索能源服务股份有限公司 一种制冷机房冷却水系统参数优化方法和系统
CN112665123A (zh) * 2020-12-10 2021-04-16 珠海格力电器股份有限公司 建筑负荷预测方法、装置及中央空调
CN112665123B (zh) * 2020-12-10 2022-04-29 珠海格力电器股份有限公司 建筑负荷预测方法、装置及中央空调
CN114543303A (zh) * 2022-01-26 2022-05-27 深圳达实智能股份有限公司 基于运行大数据的中央空调制冷站运行优化方法和系统
CN114543303B (zh) * 2022-01-26 2023-07-14 深圳达实智能股份有限公司 基于运行大数据的中央空调制冷站运行优化方法和系统
CN115127197A (zh) * 2022-05-26 2022-09-30 博锐尚格科技股份有限公司 冷机运行策略确定方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US20210123625A1 (en) Low-cost commissioning method for the air-conditioning systems in existing large public buildings
CN110895029A (zh) 一种基于冷冻水的温度的建筑负荷预测方法
CN110288164B (zh) 一种建筑空调制冷站系统预测控制方法
CN108990383B (zh) 一种数据中心空调系统预测控制方法
CN111256294A (zh) 一种基于模型预测的冷水机组组合运行优化控制方法
CN102283283B (zh) 智能化浅层地能低温储粮系统
CN104089362B (zh) 一种中央空调冷却水系统冷却效率极大化方法及控制装置
CN110895016A (zh) 一种基于模糊自适应的中央空调系统节能群控方法
CN110392515A (zh) 一种基于历史数据的冷热源机房节能控制方法及系统
CN110107989A (zh) 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法
CN105020845A (zh) 一种空调系统联动节能控制系统及方法
CN105444356A (zh) 一种中央空调系统的能效优化智能控制系统及其控制方法
CN109028446A (zh) 一种基于设备全工况性能模型的制冷机房控制方法
CN103994553A (zh) 一种制冷系统冷却水节能控制方法、系统及装置
CN110220288A (zh) 基于大数据云平台的集中空调系统智能优化控制方法及装置
CN204902127U (zh) 一种空调水系统与空调末端联动控制的节能装置
CN114383299B (zh) 基于大数据与动态仿真的中央空调系统运行策略优化方法
CN112415924A (zh) 一种空调系统节能优化方法及系统
CN111780384A (zh) 一种中央空调控制系统
CN110940061A (zh) 中央空调控制方法及系统
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
CN111158245A (zh) 一种基于物联网的建筑节能监测管理方法
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
TW201027014A (en) Method for managing air conditioning power consumption
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

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200320