CN111076372B - 一种一次回风空调系统中传感器误差的在线识别与修复方法 - Google Patents

一种一次回风空调系统中传感器误差的在线识别与修复方法 Download PDF

Info

Publication number
CN111076372B
CN111076372B CN201911355915.3A CN201911355915A CN111076372B CN 111076372 B CN111076372 B CN 111076372B CN 201911355915 A CN201911355915 A CN 201911355915A CN 111076372 B CN111076372 B CN 111076372B
Authority
CN
China
Prior art keywords
sensor
calibration
function
phi
domain
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
Application number
CN201911355915.3A
Other languages
English (en)
Other versions
CN111076372A (zh
Inventor
王鹏
韩凯红
梁若冰
赵亮
赵天怡
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201911355915.3A priority Critical patent/CN111076372B/zh
Publication of CN111076372A publication Critical patent/CN111076372A/zh
Application granted granted Critical
Publication of CN111076372B publication Critical patent/CN111076372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • F24F11/49—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring ensuring correct operation, e.g. by trial operation or configuration checks
    • 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

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

本发明属于建筑能源系统传感器校准技术领域，提供了一种一次回风空调系统中传感器误差的在线识别与修复方法，包括以下步骤：S1、定义一次回风再加热系统夏季工况的局部校准域；S2、定义每个局部校准域的距离函数；S3、计算工作传感器的偏移量x；S4、计算工作传感器的校正测量值。本发明的有益之处在于基于质量能量守恒和贝叶斯推理，准确识别出一次回风空调系统中整个传感网络的误差并实现远程在线修正，极大地提高了建筑能源系统传感器采集数据的可靠性。

Description

一种一次回风空调系统中传感器误差的在线识别与修复方法
技术领域
本发明涉及一种传感器误差诊断的方法，具体涉及一种一次回风空调系统中传感器误差的在线识别与修复方法，属于建筑能源系统传感器校准技术领域。
背景技术
随着人们对室内环境舒适性要求的不断提高，暖通空调系统在建筑领域中的应用越来越广泛，但同时也带来了非常严峻的能源问题。近年来，全球供暖、通风、空调和制冷系统(HVAC&R)消耗的能量已经占到了建筑系统总能耗的50％以上。为了解决建筑系统中存在的高能耗问题，通常采用各种智能控制方法来优化系统的运行。然而建筑能源系统的精确控制与智能调节均以采集的数据为基础，只有从传感器获取的信息准确可靠时，才能实现预先设定的运行工况和节能效果。但是建筑能源系统全年在不同的气候条件下(春、夏、秋、冬)持续工作，测量不同变量(比如温度、压力、湿度、流量等)的物理传感器非常容易受到复杂工作条件的影响。在经过长时间的运行后，由于设备老化或噪声干扰等现象的存在，传感器难免会出现明显的漂移现象，并且往往会产生与之相关的误差。这些误差的存在会严重影响系统的正常运行和控制调节，因此必须要对传感器进行周期性校准。为此，国内外学者对建筑能源系统传感器校准技术进行了大量的研究。现阶段传感器自校准的方法主要可分为三类：(1)基于解析模型的传感器校准方法，该方法需要对系统建立解析模型，构造残差序列并对其进行分析判断，从而获取故障信息。但实际建筑能源系统结构复杂，很难获得较为准确的解析模型，此时该方法便不再适用。(2)基于定性经验知识的方法，这种方法需要根据某个领域多个专家的经验与专业知识建立故障规则，在此基础上进行传感器校准。但是建筑能源系统种类繁多，不同的系统形式需要建立不同的故障规则且各个系统的经验知识需要长时间的积累和沉淀，因此对于建筑系统来说该方法费时费力且难于实现。(3)基于数据驱动的方法，数据驱动技术是以大量的采集数据为基础，通过数据挖掘技术对系统进行分析判断。该方法依赖于其他传感器采集的数据，只有在保证其他传感器测量值绝对正确的前提下，该方法才是有效的。但在实际过程中无法保证其他传感器测量数据始终准确，因此也无法保障该方法的有效性。本专利针对于现阶段传感器校准面临的问题，引入基于能量守恒的数学模型和修正函数，提出了一种一次回风空调系统中传感器误差的在线识别与修复方法，以提高建筑能源系统传感器采集数据的可靠性。
发明内容
本发明要解决的技术问题是提供一种能够有效提高一次回风空调系统数据质量的传感器误差的在线识别与修复方法。
本发明的技术方案如下：
一种一次回风空调系统中传感器误差的在线识别与修复方法，步骤如下：
S1、定义一次回风再加热系统夏季工况的局部校准域：夏季工况条件下，一次回风再加热系统中传感器数量众多，考虑到校准结果的准确性，将一次回风再加热系统分为几个局部校准区域分别进行校准；
一次回风再加热系统通过混风过程、冷却减湿过程和再热过程将空气处理到送风状态点，然后经送风机送入房间；根据一次回风再加热系统内空气的流动过程，以上述循环的混风过程为起点将整个系统分为5个局部校准域；第一个局部校准域对混风过程的温度传感器进行校准，包括混合空气的温度T2和室内回风温度T6；第二个局部校准域对混风过程的湿度传感器进行校准，包括混合空气的湿度PHI2和室内回风湿度PHI6；第三个局部校准域对再热过程的温度传感器进行校准，包括再热器进口温度T3和出口温度T4；第四个局部校准域对状态3的湿度PHI3进行校准；第五个局部校准域对状态4的湿度PHI4进行校准；整个校准过程将在这5个局部校准域中依次按顺序进行；
S2、定义每个局部校准域的距离函数：通过定义工作传感器的修正函数和基准函数来建立每个局部校准域的距离函数，具体步骤如下：
S2.1、定义工作传感器的修正函数：引入修正函数g来补偿传感器测量中的系统误差；假设某传感器偏移量(系统误差)为x，则该传感器的修正函数g由偏移常量x及其测量值M来表示：
Mc＝g(M,x) (1)
其中，Mc是传感器的修正测量值，g是传感器的修正函数，x是偏移量；根据修正函数的计算公式，分别建立步骤S1中所有传感器T2、T6、PHI2、PHI6、T3、T4、PHI3、PHI4的修正函数；
S2.2、定义传感器的基准函数：根据步骤S1中所述一次回风再加热系统中空气流动过程，使用质量和能量守恒方程建立一次回风再加热系统的稳态热力学模型；根据稳态热力学模型来建立传感器的基准函数Mb，具体计算公式如下：
Mb＝f(Mc,v1,Mc,v2,...,Mc,vr) (2)
其中，Mb是传感器的基准函数，Mc,vr是第r个传感器的修正测量值；根据步骤S1划分的五个局部校准域，按顺序分别在五个局部校准域中建立T2、PHI2、Qh(再热器的换热量)、PHI3和PHI4的基准函数；其中T2的基准函数包括T6的修正值，PHI2的基准函数包括PHI6的修正值，Qh的基准函数包括T3和T4的修正值；
S2.3、建立每个局部校准域的距离函数：距离函数E(x)是偏移量(系统误差)x的函数，表示的是传感器的基准值Mb和修正值Mc之间的差异，校准过程通过最小化二者之间的差异(距离函数的值)来实现对传感器的校准；其计算公式如下：
Figure BDA0002335918560000031
其中，E(x)是校准问题的距离函数，i代表第i个传感器；与基准函数相对应，第一个局部校准域用T2的基准函数和修正函数来建立该校准域的距离函数；第二个局部校准域用PHI2的基准函数和修正函数来建立该校准域的距离函数；第三个局部校准域用再热器的换热量Qh(系统已知值，不需要修正函数)及其基准函数来建立该校准域的距离函数；第四个局部校准域用PHI3的基准函数和修正函数来建立该校准域的距离函数；第五个局部校准域用PHI4的基准函数和修正函数来建立该校准域的距离函数；
S3、计算传感器的偏移量x：在此校准中，通过贝叶斯推理及MCMC算法依次实现步骤S2.3中的五个距离函数的最小化并得到各个偏移量x的计算结果；基于贝叶斯定理及MCMC算法通过偏移量x的似然函数P(Mb|x)和先验分布概率(校准之前预估的x的概率分布)R(x)，来计算出相应的后验分布概率(校准之后实际计算得到的x的概率分布)P(x|Mb)，如方程(4)；根据中心极限定理可知：偏移量x的先验概率R(x)服从正态分布，且先验均值被设置为0(假定校准之前没有系统误差)。与先验分布不同，似然函数以E(x)为随机变量，选用零均值的正态分布，如方程(5)，使得距离函数E(x)为最小值时，似然函数P(Mb|x)取到最大值；根据方程(4)，似然函数P(Mb|x)和后验分布概率P(x|Mb)成正比，也即当距离函数取到最小值时，偏移量x的后验分布将取到最大值；因此取后验分布中概率最大的样本值为偏移量x的最终结果；
Figure BDA0002335918560000041
Figure BDA0002335918560000042
S4、计算传感器的校正测量值：传感器的校正测量值根据其测量值M及步骤3.2中识别出的偏移量x计算得到，具体公式如下：
Mc＝M+x (6)。
本发明的有益效果：为一次回风空调系统提供了一种传感器误差的在线识别与修复方法，该方法以系统的数学模型、质量能量守恒定律和贝叶斯推理为约束条件，能够在现有测量数据得到修正的前提下(引入修正函数)准确识别整个传感器网络的系统误差，并实现远程在线诊断及实时修正。
附图说明
图1为一次回风空调系统传感器误差在线识别与修复流程图。
图2为一次回风空调系统示意图。
图3为一次回风空调系统区域划分图。
图4为传感器校准后验分布示意图。
图2中：a过滤器；b表冷器；c再热器；d送风机；e房间；f回风机；g阀门；状态1表示室外新风；状态2表示室外新风和室内回风的混合空气；状态3表示再热器之前，表冷器之后的混合空气；状态4表示经过再热器加热的混合空气；状态5是送风状态点；状态6表示室内回风；状态7表示室内排风；每一个状态点都装有温度和湿度传感器。
具体实施方式
以下结合发明内容和说明书附图详细说明本发明的具体实施方式。
参照图1，本发明的一种一次回风空调系统中传感器误差的在线识别与修复方法，其包括以下步骤：
S1、定义一次回风再加热系统夏季工况的局部校准域：夏季工况条件下，一次回风再加热系统中传感器数量众多，参照图2。考虑到校准结果的准确性，将该系统分为几个局部校准区域分别进行校准。一次回风再加热系统(夏季工况)通过混风过程、冷却减湿过程、再热过程将空气处理到送风状态点，然后经送风机送入房间。根据系统内空气的流动过程，以上述循环的混风过程为起点将整个系统分为5个局部校准域，参照图3。第一个局部域对混风过程的温度传感器进行校准，包括混合空气的温度T2和室内回风温度T6；第二个局部域对混风过程的湿度传感器进行校准，包括混合空气的湿度PHI2和室内回风湿度PHI6；第三个局部域对再热过程的温度传感器进行校准，包括再热器进口温度T3和出口温度T4；第四个局部域对状态3的湿度PHI3进行校准；第五个局部域对状态4的湿度PHI4进行校准。整个校准过程将在这5个局部校准域中依次按顺序进行；
S2、定义每个局部校准域的距离函数：通过定义工作传感器的修正函数和基准函数来建立每个局部域的距离函数，具体步骤如下：
S2.1、定义工作传感器的修正函数：引入修正函数g来补偿传感器测量中的系统误差。假设某特定传感器偏移量(系统误差)为x，则该传感器的修正函数g由偏移常量x及其测量值M来表示：
Mc＝g(M,x) (1)
其中Mc是工作传感器的修正测量值，g是工作传感器的修正函数，x是偏移常数。根据修正函数的计算公式，分别建立S1所述的所有工作传感器T2、T6、PHI2、PHI6、T3、T4、PHI3、PHI4的修正函数；
S2.2、定义工作传感器的基准函数：根据S1所述的一次回风再加热系统(夏季工况)中空气流动过程，使用质量和能量守恒方程建立该系统的稳态热力学模型。根据稳态热力学模型来建立工作传感器的基准函数Mb，具体计算公式如下：
Mb＝f(Mc,v1,Mc,v2,...,Mc,vr) (2)
其中，Mb是工作传感器的基准函数，Mc,vr是第r个工作传感器的修正测量值。根据S1划分的五个局部校准域，按顺序分别在五个局部域中建立T2、PHI2、Qh(再热器的换热量)、PHI3和PHI4的基准函数。其中T2的基准函数包括T6的修正值，PHI2的基准函数包括PHI6的修正值，Qh的基准函数包括T3和T4的修正值；
S2.3、建立每个局部域的距离函数：距离函数E(x)是偏移量(系统误差)x的函数，表示的是工作传感器的基准值Mb和修正值Mc之间的差异，校准过程通过最小化二者之间的差异(距离函数的值)来实现对传感器的校准。其计算公式如下：
Figure BDA0002335918560000071
其中，E(x)是校准问题的距离函数，i代表第i个工作传感器。与S2.2描述的基准函数相对应，第一个局部域用T2的基准函数和修正函数来建立该校准域的距离函数；第二个局部域用PHI2的基准函数和修正函数来建立该校准域的距离函数；第三个局部域用再热器的换热量Qh(系统已知值，不需要修正函数)及其基准函数来建立该校准域的距离函数；第四个局部域用PHI3的基准函数和修正函数来建立该校准域的距离函数；第五个局部域用PHI4的基准函数和修正函数来建立该校准域的距离函数；
S3、计算工作传感器的偏移量x：在此校准中，通过贝叶斯推理及MCMC算法依次实现S2.3所述五个距离函数的最小化并得到各个偏移常数x的计算结果。基于贝叶斯定理及MCMC算法可以通过变量x的似然函数P(Mb|x)和先验分布概率(校准之前预估的x的概率分布)R(x)，来计算出相应的后验分布概率(校准之后实际计算得到的x的概率分布)P(x|Mb)，如方程(4)。根据中心极限定理可知：偏移变量x的先验概率R(x)服从正态分布，且先验均值被设置为0(假定校准之前没有系统误差)。与先验分布不同，似然函数以E(x)为随机变量，选用零均值的正态分布，如方程(5)，使得距离函数E(x)为最小值时，似然函数P(Mb|x)取到最大值。根据方程(4)，似然函数P(Mb|x)和后验分布概率P(x|Mb)成正比，也即当距离函数取到最小值时，偏移变量x的后验分布将取到最大值。因此取后验分布中概率最大的样本值为偏移量x的最终结果，参照图4；
Figure BDA0002335918560000081
Figure BDA0002335918560000082
S4、计算工作传感器的校正测量值：传感器的校正测量值根据其测量值M及步骤3.2中识别出的偏移量(系统误差)x计算得到，具体公式如下：
Mc＝M+x (6)。

Claims (1)

1.一种一次回风空调系统中传感器误差的在线识别与修复方法，其特征在于，步骤如下：
S1、定义一次回风再加热系统夏季工况的局部校准域：夏季工况条件下，一次回风再加热系统中传感器数量众多，考虑到校准结果的准确性，将一次回风再加热系统分为几个局部校准区域分别进行校准；
一次回风再加热系统通过混风过程、冷却减湿过程和再热过程将空气处理到送风状态点，然后经送风机送入房间；根据一次回风再加热系统内空气的流动过程，以上述循环的混风过程为起点将整个系统分为5个局部校准域；第一个局部校准域对混风过程的温度传感器进行校准，包括混合空气的温度T2和室内回风温度T6；第二个局部校准域对混风过程的湿度传感器进行校准，包括混合空气的湿度PHI2和室内回风湿度PHI6；第三个局部校准域对再热过程的温度传感器进行校准，包括再热器进口温度T3和出口温度T4；第四个局部校准域对状态3的湿度PHI3进行校准；第五个局部校准域对状态4的湿度PHI4进行校准；整个校准过程将在这5个局部校准域中依次按顺序进行；所述态3表示再热器之前，表冷器之后的混合空气；状态4表示经过再热器加热的混合空气；
S2、定义每个局部校准域的距离函数：通过定义工作传感器的修正函数和基准函数来建立每个局部校准域的距离函数，具体步骤如下：
S2.1、定义工作传感器的修正函数：引入修正函数g来补偿传感器测量中的系统误差；假设某传感器偏移量为x，则该传感器的修正函数g由偏移常量x及其测量值M来表示：
Mc＝g(M,x) (1)
其中，Mc是传感器的修正测量值，g是传感器的修正函数，x是偏移量；根据修正函数的计算公式，分别建立步骤S1中所有传感器T2、T6、PHI2、PHI6、T3、T4、PHI3、PHI4的修正函数；
S2.2、定义传感器的基准函数：根据步骤S1中所述一次回风再加热系统中空气流动过程，使用质量和能量守恒方程建立一次回风再加热系统的稳态热力学模型；根据稳态热力学模型来建立传感器的基准函数Mb，具体计算公式如下：
Mb＝f(Mc,v1,Mc,v2,...,Mc,vr) (2)
其中，Mb是传感器的基准函数，Mc,vr是第r个传感器的修正测量值；根据步骤S1划分的五个局部校准域，按顺序分别在五个局部校准域中建立T2、PHI2、再热器的换热量Qh、PHI3和PHI4的基准函数；其中T2的基准函数包括T6的修正值，PHI2的基准函数包括PHI6的修正值，Qh的基准函数包括T3和T4的修正值；
S2.3、建立每个局部校准域的距离函数：距离函数E(x)是偏移量x的函数，表示的是传感器的基准值Mb和修正值Mc之间的差异，校准过程通过最小化二者之间的差异即距离函数的值来实现对传感器的校准；其计算公式如下：
Figure FDA0002819416810000021
其中，E(x)是校准问题的距离函数，i代表第i个传感器；与基准函数相对应，第一个局部校准域用T2的基准函数和修正函数来建立该校准域的距离函数；第二个局部校准域用PHI2的基准函数和修正函数来建立该校准域的距离函数；第三个局部校准域用再热器的换热量Qh及其基准函数来建立该校准域的距离函数；第四个局部校准域用PHI3的基准函数和修正函数来建立该校准域的距离函数；第五个局部校准域用PHI4的基准函数和修正函数来建立该校准域的距离函数；
S3、计算传感器的偏移量x：在此校准中，通过贝叶斯推理及MCMC算法依次实现步骤S2.3中的五个距离函数的最小化并得到各个偏移量x的计算结果；基于贝叶斯定理及MCMC算法通过偏移量x的似然函数P(Mb|x)和先验分布概率R(x)，来计算出相应的后验分布概率P(x|Mb)，如方程(4)；根据中心极限定理可知：偏移量x的先验概率R(x)服从正态分布，且先验均值被设置为0；与先验分布不同，似然函数以E(x)为随机变量，选用零均值的正态分布，如方程(5)，使得距离函数E(x)为最小值时，似然函数P(Mb|x)取到最大值；根据方程(4)，似然函数P(Mb|x)和后验分布概率P(x|Mb)成正比，也即当距离函数取到最小值时，偏移量x的后验分布将取到最大值；因此取后验分布中概率最大的样本值为偏移量x的最终结果；
Figure FDA0002819416810000031
Figure FDA0002819416810000032
S4、计算传感器的校正测量值：传感器的校正测量值根据其测量值M及步骤3中识别出的偏移量x计算得到，具体公式如下：
Mc＝M+x (6)。
CN201911355915.3A 2019-12-25 2019-12-25 一种一次回风空调系统中传感器误差的在线识别与修复方法 Active CN111076372B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911355915.3A CN111076372B (zh) 2019-12-25 2019-12-25 一种一次回风空调系统中传感器误差的在线识别与修复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911355915.3A CN111076372B (zh) 2019-12-25 2019-12-25 一种一次回风空调系统中传感器误差的在线识别与修复方法

Publications (2)

Publication Number Publication Date
CN111076372A CN111076372A (zh) 2020-04-28
CN111076372B true CN111076372B (zh) 2021-02-19

Family

ID=70317577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911355915.3A Active CN111076372B (zh) 2019-12-25 2019-12-25 一种一次回风空调系统中传感器误差的在线识别与修复方法

Country Status (1)

Country Link
CN (1) CN111076372B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116383676B (zh) * 2023-06-05 2023-08-25 北京建筑材料检验研究院股份有限公司 基于数据处理的暖通设备智能检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1479081A (zh) * 2003-07-03 2004-03-03 上海交通大学 多传感器融合跟踪系统配准偏差在线补偿方法
CN106595788A (zh) * 2016-12-20 2017-04-26 河海大学 基于多参数耦合修正的大型泵站流量监测方法
US9730623B2 (en) * 2008-03-28 2017-08-15 Abbott Diabetes Care Inc. Analyte sensor calibration management
CN108876038A (zh) * 2018-06-19 2018-11-23 中国原子能科学研究院 大数据、人工智能、超算协同的材料性能预测方法
CN109900309A (zh) * 2019-03-08 2019-06-18 重庆邮电大学 一种基于混合状态空间模型的传感器数据盲校正方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1479081A (zh) * 2003-07-03 2004-03-03 上海交通大学 多传感器融合跟踪系统配准偏差在线补偿方法
US9730623B2 (en) * 2008-03-28 2017-08-15 Abbott Diabetes Care Inc. Analyte sensor calibration management
CN106595788A (zh) * 2016-12-20 2017-04-26 河海大学 基于多参数耦合修正的大型泵站流量监测方法
CN108876038A (zh) * 2018-06-19 2018-11-23 中国原子能科学研究院 大数据、人工智能、超算协同的材料性能预测方法
CN109900309A (zh) * 2019-03-08 2019-06-18 重庆邮电大学 一种基于混合状态空间模型的传感器数据盲校正方法

Also Published As

Publication number Publication date
CN111076372A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
Mustafaraj et al. Development of room temperature and relative humidity linear parametric models for an open office using BMS data
Xu et al. A model-based optimal ventilation control strategy of multi-zone VAV air-conditioning systems
Li et al. A sensor fault detection and diagnosis strategy for screw chiller system using support vector data description-based D-statistic and DV-contribution plots
Yoon et al. Impacts of HVACR temperature sensor offsets on building energy performance and occupant thermal comfort
CN108105844B (zh) 一种基于室内和室外温度联合补偿的智能换热站控制方法
CN103912966A (zh) 一种地源热泵制冷系统优化控制方法
CN103939123B (zh) 一种矿井通风系统的状态识别方法
Kim et al. Energy performance assessment of HVAC commissioning using long-term monitoring data: A case study of the newly built office building in South Korea
CN114004374B (zh) 一种基于玻尔兹曼机投票的空调机组传感器故障诊断方法
CN106468467B (zh) 一种应用于嵌入式控制系统的空调冷负荷实时预测算法
Li et al. Validation of virtual sensor-assisted Bayesian inference-based in-situ sensor calibration strategy for building HVAC systems
CN111076372B (zh) 一种一次回风空调系统中传感器误差的在线识别与修复方法
CN116908941A (zh) 一种基于多元线性回归模型的城市近地面臭氧浓度的预测方法
CN109711049B (zh) 一种混合式的地铁空调冷水机组能效估计方法
Wang et al. The virtual in-situ calibration of various physical sensors in air handling units
Zhu et al. A novel multivariate linear prediction model for the marine rotary desiccant air-conditioning by adding a dynamic correction factor
CN115808211A (zh) 一种公共建筑温度及热舒适度监测与预测系统
CN106568804A (zh) 一种基于双空气干球温度的空气湿度检测方法
Sun et al. Research on fault detection method for air handling units system
CN113188585B (zh) 一种基于少量冗余传感器的冷冻站传感器故障诊断方法
CN116007129A (zh) 一种融合人热舒适度与检测数据的暖通空调故障诊断方法
Sun et al. Impacts of humidity measurement uncertainties and an uncertainty-tolerant economizer control strategy for air-conditioning systems
JP3233567B2 (ja) 制御アルゴリズム自動獲得装置
Li et al. A novel min-consensus-based distributed control method for multi-zone ventilation systems
Yoon Virtual in-situ calibration for reliable and resilient sensing in building energy systems

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