CN111256313B - 一种制冷智能质调节算法 - Google Patents

一种制冷智能质调节算法 Download PDF

Info

Publication number
CN111256313B
CN111256313B CN202010072141.XA CN202010072141A CN111256313B CN 111256313 B CN111256313 B CN 111256313B CN 202010072141 A CN202010072141 A CN 202010072141A CN 111256313 B CN111256313 B CN 111256313B
Authority
CN
China
Prior art keywords
water
indoor
temperature
unit
cold
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
CN202010072141.XA
Other languages
English (en)
Other versions
CN111256313A (zh
Inventor
田雨辰
芦岩
邓卫疆
杨颖�
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010072141.XA priority Critical patent/CN111256313B/zh
Publication of CN111256313A publication Critical patent/CN111256313A/zh
Application granted granted Critical
Publication of CN111256313B publication Critical patent/CN111256313B/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
    • F24F11/62—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
    • 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
    • F24F11/47—Responding to energy costs
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供了一种制冷智能质调节算法，括如下步骤：S1、对冷水机组性能标准与运行能效进行分析；S2、确定制冷能耗影响因素；S3、根据影响因素确定数学算法，实现智能调节。本发明所述的制冷智能质调节算法全部自动化控制冷水机组蒸发器出水温度，可实现制冷站自动化运行。

Description

一种制冷智能质调节算法
技术领域
本发明属于智能制冷技术领域，尤其是涉及一种制冷智能质调节算法。
背景技术
随着我国经济的快速发展，人们生活水平逐渐提高，越来越注意生活过程中的舒适感，例如在夏天，采用空调制冷已经是人们必不可少的度夏方式。
数据显示，2017年时，全国公共建筑面积约为123亿m2，公共建筑的空调制冷能耗约为2.93亿吨标准煤，占建筑总运行能耗的30.5％。
如何在不影响人们舒适感的同时，又降低空调制冷能耗，是制冷领域亟需攻克的技术难题。
发明内容
有鉴于此，本发明旨在提出一种制冷智能质调节算法，以解决现有的制冷方法功耗高的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种制冷智能质调节算法，包括如下步骤：
S1、对冷水机组性能标准与运行能效进行分析；
S2、确定制冷能耗影响因素；
S3、根据影响因素确定数学算法，实现智能调节。
进一步的，所述步骤S1中分析方法如下：
制冷系统能效取决于系统的供冷量和系统总能耗，而制冷系统中电制冷冷水机组的能耗最高，占系统总耗能的百分之八十五以上，因此系统能耗的主要方向是降低冷水机组的能耗。
进一步的，所述步骤S2中，确定影响因素的方法如下：
制冷过程如下：当某一时刻室内的冷负荷为某一值时，空调末端通过使用冷冻水，来降低室内空气温度，然后由室内空气通过对流散热，消耗室内的冷负荷，来维持室内热舒适度要求，同时空调末端使用的冷水会产生温升，将室内冷负荷产生的热量带走，带走的热量通过水系统输送至冷水机组，而冷水机组通过能量转移，将热量转移至冷却水系统，最终经冷却水排入大气；
在此过程中空调末端、冷水输配系统以及冷水机组经处于被动状态，被动地适应负荷的变化，只有冷负荷属于主动变化；
设i时刻的室内冷负荷Q1,i表达为：
Q1.i＝f1(tw,i,tn,i,ri,qn,i)
式中，tw,i为i时刻的室外温度，℃；
tn,i为i时刻的室内温度，℃；
ri为i时刻的房间太阳辐射得热量，kW；
qn,i为i时刻的室内内热扰得热量，包括人员、照明、设备等所有内热扰得得热量，kW；
空调末端在室内空气状态、冷水流量不变的条件下，空调末端的冷出力与冷水供水温度呈线性相关，具体公式如下:
Q2.i＝f2(ts,i)
式中，ts,i为i时刻的机组蒸发器供水温度，单位为℃；
冷水机组蒸发器的出水温度主动设定，属于可控参数，因此整个空调系统供冷影响因素的表达式如下：
Figure BDA0002377567720000031
通过表达式看出：各种热扰及室内热舒适度共同决定了冷负荷，冷负荷决定了空调末端的冷出力，而空调末端的冷出力又由冷水供水温度决定，冷水供水温度可通过控制冷水机组来实现，因此确定冷水机组蒸发器出水温度是影响制冷能耗的重要影响因素。
进一步的，所述步骤S3的具体方法如下：
S301、通过物联网以设定的时间步长收集制冷机房的关键参数，所述关键参数为；
S302、分析关键参数、室内热舒适度以及冷机蒸发器出水温度的数学关系，建立数学算法，根据数学算法计算下一时刻在满足室内热舒适度条件下的冷水机组出水温度，并通过物联网将控制参数传输给被控设备，同时建立大数据库，由人工智能不断迭代计算，不断修正数学算法，实现精准的、自动化的智能控制；
S303、根据算法参数，得出数据算法，具体如下：
算法参数如下：
控制目标：i+1时刻室内温度Tn.i+1，i+1时刻室内空气焓值Hn.i+1
控制参数：i+1时刻的冷水机组蒸发器出水温度ts.i+1
数学算法：比例修正算法，具体公式如下：
ts.i+1.1＝A×(tn.set-tn.i)+B×(Hn.set-Hn.i)
Figure BDA0002377567720000032
Figure BDA0002377567720000041
式中，ts.i+1.1为冷水机组i+1时刻蒸发器拟供水温度，单位为℃；
A，B为根据前7天历史数据线性回归的系数；
tn.set为设定的室内温度，单位为℃；
tn.i为i时刻室内温度，单位为℃；
Hn.set为设定的室内焓值，单位为kJ/kg；
Hn.i为i时刻室内焓值，单位为℃；
ts.i+1.final为冷水机组i+1时刻蒸发器最终供水温度，单位为℃；
ts.up为冷水机组蒸发器供水温度上限，单位为℃。
相对于现有技术，本发明所述的制冷智能质调节算法具有以下优势：
(1)本发明所述的制冷智能质调节算法全部自动化控制冷水机组蒸发器出水温度，可实现制冷站自动化运行；缩短控制时间间隔，实现人工无法实现的密集控制,节约运行人力成本；精准控制冷水机组蒸发器出水温度，实现负荷精准追踪与冷水机组最高效运行。
(2)本发明所述的制冷智能质调节算法根据历史运行数据自动修正关键系数，实现智能、迭代计算；加入机组稳定性判断，在保证机组稳定运行的基础上，实现高效运行。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例制冷量随冷凝器出水温度变化示意图；
图2为本发明实施例制冷性能系数COP与蒸发器流量比关系示意图；
图3为本发明实施例制冷性能系数与主机负载率/蒸发器流量比关系图；
图4为本发明实施例冷凝器出水温度与冷凝器流量比关系图；
图5为本发明实施例水族与流量比关系图；
图6为本发明实施例所述的数学算法流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
一种制冷智能质调节算法，包括如下步骤：
S1、对冷水机组性能标准与运行能效进行分析；
S2、确定制冷能耗影响因素；
S3、根据影响因素确定数学算法，实现智能调节。
所述步骤S1中分析方法如下：
制冷系统能效取决于系统的供冷量和系统总能耗，而制冷系统中电制冷冷水机组的能耗最高，占系统总耗能的百分之八十五以上，因此系统能耗的主要方向是降低冷水机组的能耗。
所述步骤S2中，确定影响因素的方法如下：
制冷过程如下：当某一时刻室内的冷负荷为某一值时，空调末端通过使用冷冻水，来降低室内空气温度，然后由室内空气通过对流散热，消耗室内的冷负荷，来维持室内热舒适度要求，同时空调末端使用的冷水会产生温升，将室内冷负荷产生的热量带走，带走的热量通过水系统输送至冷水机组，而冷水机组通过能量转移，将热量转移至冷却水系统，最终经冷却水排入大气；
在此过程中空调末端、冷水输配系统以及冷水机组经处于被动状态，被动地适应负荷的变化，只有冷负荷属于主动变化；
设i时刻的室内冷负荷Q1,i表达为：
Q1.i＝f1(tw,i,tn,i,ri,qn,i)
式中，tw,i为i时刻的室外温度，℃；
tn,i为i时刻的室内温度，℃；
ri为i时刻的房间太阳辐射得热量，kW；
qn,i为i时刻的室内内热扰得热量，包括人员、照明、设备等所有内热扰得得热量，kW；
空调末端在室内空气状态、冷水流量不变的条件下，空调末端的冷出力与冷水供水温度呈线性相关，具体公式如下:
Q2.i＝f2(ts,i)
式中，ts,i为i时刻的机组蒸发器供水温度，单位为℃；
冷水机组蒸发器的出水温度主动设定，属于可控参数，因此整个空调系统供冷影响因素的表达式如下：
Figure BDA0002377567720000071
通过表达式看出：各种热扰及室内热舒适度共同决定了冷负荷，冷负荷决定了空调末端的冷出力，而空调末端的冷出力又由冷水供水温度决定，冷水供水温度可通过控制冷水机组来实现，因此确定冷水机组蒸发器出水温度是影响制冷能耗的重要影响因素。
具体的，冷水机组性能影响因素分析方法如下：
(1)给定冷却水流量及冷却水温度的条件下，冷水机组能效系数COP随机组负载率的变化而变化，同时随着蒸发器出水温度的上升而上升，不同的蒸发器出水温度的机组部分负荷性能曲线近似为多组n次多项式，同时机组存在高效运行区间，额定工况并非机组最高能效区，高效区至于该工况下的主机负载率有关，高效点对应的负载率基本一致；
在机组蒸发器出水温度及冷凝器进水温度一定的条件下，机组的能效方程可以表达为：
COP＝a×λ3+b×λ2+c×λ+d (1)
式中，COP为冷水机组制冷性能系数；
λ为冷水机组制冷负载率，％；
a，b，c为冷水机组部分负荷系数。
(2)冷水机组制冷量随蒸发器出水温度的上升而上升，同时机组能效上升，蒸发器出水温度每上升1℃，机组能效上升3.5％左右；
以某一蒸发器出水温度为基准，机组的能效方程可以表达为：
COPev＝(a×λ3+b×λ2+c×λ+d)×(1+(tev.set-tev.out)×3.5％) (2)
式中，COPev为变冷水机组蒸发器出水温度的制冷性能系数；
tev.out为冷水机组实际设定蒸发器出水温，℃；
tev.set为冷水机组额定工况设定蒸发器出水温，℃。
(3)冷水机组制冷量随冷凝器出水温度的上升而下降，同时机组能效也下降，如图1所示，冷凝器出水温度每下降1℃，机组能效提升3％左右；以某一冷凝器进水温度为基准，机组的能效方程可以表达为：
COPco＝(a×λ3+b×λ2+c×λ+d)×(1+(tev.set-tev.out)×3％) (3)
式中，COPev为变冷水机组蒸发器出水温度的制冷性能系数；
tev.out为冷水机组实际设定蒸发器出水温，℃；
tev.set为冷水机组额定工况设定蒸发器出水温，℃。
(4)恒定冷凝器进水温度与流量，如图2、图3所示，冷水机组制冷量随蒸发器流量等比下降，但机组能效随蒸发器流量下降而上升，也就是说冷冻水流量降低，机组将主动判断系统负荷降低，机组主动卸载，机组能效变化与机组自动卸载表现一致；
(5)恒定蒸发器出水温度与流量，如图4所示，由于冷却水流量下降，导致机组冷凝器出水温升高，冷水机组制冷量随冷凝器流量下降而下降，同时机组能效随冷凝器流量下降而迅速降低，因此冷凝器的出水温度对机组性能影响较大，降低机组冷凝器出水温度可实现机组节能运行；
(6)机组两器允许变流量运行，如图5所示，两器水阻与两器内的流量呈2次函数关系，即水流量降低，两器水阻随之降低；
总结以上，冷水机组的节能运行策略为：在满足用冷需求的前提下，尽量提高机组蒸发器出水温度，即尽可能进行质调节可有效提升机组性能，降低机组能耗。
如图6所示，所述步骤S3的具体方法如下：
通过物联网以设定的时间步长收集制冷机房的关键参数，通过人工智能分析关键参数、室内热舒适度以及冷机蒸发器出水温度的数学关系，建立数学算法，根据数学算法计算下一时刻在满足室内热舒适度条件下的冷水机组出水温度，并通过物联网将控制参数传输给被控设备，同时建立大数据库，由人工智能不断迭代计算，不断修正数学算法，实现精准的、自动化的智能控制。
算法参数如下：
控制目标：i+1时刻室内温度Tn.i+1，i+1时刻室内空气焓值Hn.i+1
控制参数：i+1时刻的冷水机组蒸发器出水温度ts.i+1
数学算法：比例修正算法，具体公式如下：
ts.i+1.1＝A×(tn.set-tn.i)+B×(Hn.set-Hn.i)
Figure BDA0002377567720000091
Figure BDA0002377567720000092
式中，ts.i+1.1为冷水机组i+1时刻蒸发器拟供水温度，单位为℃；
A，B为根据前7天历史数据线性回归的系数；
tn.set为设定的室内温度，单位为℃；
tn.i为i时刻室内温度，单位为℃；
Hn.set为设定的室内焓值，单位为kJ/kg；
Hn.i为i时刻室内焓值，单位为℃；
ts.i+1.final为冷水机组i+1时刻蒸发器最终供水温度，单位为℃；
ts.up为冷水机组蒸发器供水温度上限，单位为℃。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种制冷智能质调节算法，其特征在于，包括如下步骤：
S1、对冷水机组性能标准与运行能效进行分析；
S2、确定制冷能耗影响因素；
S3、根据影响因素确定数学算法，实现智能调节；
所述步骤S1中分析方法如下：
制冷系统能效取决于系统的供冷量和系统总能耗，而制冷系统中电制冷冷水机组的能耗最高，占系统总耗能的百分之八十五以上，因此系统能耗的主要方向是降低冷水机组的能耗；
所述步骤S2中，确定影响因素的方法如下：
制冷过程如下：当某一时刻室内的冷负荷为某一值时，空调末端通过使用冷冻水，来降低室内空气温度，然后由室内空气通过对流散热，消耗室内的冷负荷，来维持室内热舒适度要求，同时空调末端使用的冷水会产生温升，将室内冷负荷产生的热量带走，带走的热量通过水系统输送至冷水机组，而冷水机组通过能量转移，将热量转移至冷却水系统，最终经冷却水排入大气；
在此过程中空调末端、冷水输配系统以及冷水机组经处于被动状态，被动地适应负荷的变化，只有冷负荷属于主动变化；
设i时刻的室内冷负荷Q1,i表达为：
Q1.i＝f1(tw,i,tn,i,ri,qn,i)
式中，tw,i为i时刻的室外温度，℃；
tn,i为i时刻的室内温度，℃；
ri为i时刻的房间太阳辐射得热量，kW；
qn,i为i时刻的室内内热扰得热量，包括人员、照明、设备等所有内热扰得得热量，kW；
空调末端在室内空气状态、冷水流量不变的条件下，空调末端的冷出力与冷水供水温度呈线性相关，具体公式如下:
Q2.i＝f2(ts,i)
式中，ts,i为i时刻的机组蒸发器供水温度，单位为℃；
冷水机组蒸发器的出水温度主动设定，属于可控参数，因此整个空调系统供冷影响因素的表达式如下：
Figure FDA0003125080460000021
通过表达式看出：各种热扰及室内热舒适度共同决定了冷负荷，冷负荷决定了空调末端的冷出力，而空调末端的冷出力又由冷水供水温度决定，冷水供水温度可通过控制冷水机组来实现，因此确定冷水机组蒸发器出水温度是影响制冷能耗的重要影响因素；
所述步骤S3的具体方法如下：
S301、通过物联网以设定的时间步长收集制冷机房的关键参数，所述关键参数为；
S302、分析关键参数、室内热舒适度以及冷机蒸发器出水温度的数学关系，建立数学算法，根据数学算法计算下一时刻在满足室内热舒适度条件下的冷水机组出水温度，并通过物联网将控制参数传输给被控设备，同时建立大数据库，由人工智能不断迭代计算，不断修正数学算法，实现精准的、自动化的智能控制；
S303、根据算法参数，得出数据算法，具体如下：
算法参数如下：
控制目标：i+1时刻室内温度Tn.i+1，i+1时刻室内空气焓值Hn.i+1
控制参数：i+1时刻的冷水机组蒸发器出水温度ts.i+1
数学算法：比例修正算法，具体公式如下：
ts.i+1.1＝A×(tn.set-tn.i)+B×(Hn.set-Hn.i)
Figure FDA0003125080460000031
Figure FDA0003125080460000032
式中，ts.i+1.1为冷水机组i+1时刻蒸发器拟供水温度，单位为℃；
A，B为根据前7天历史数据线性回归的系数；
tn.set为设定的室内温度，单位为℃；
tn.i为i时刻室内温度，单位为℃；
Hn.set为设定的室内焓值，单位为kJ/kg；
Hn.i为i时刻室内焓值，单位为℃；
ts.i+1.final为冷水机组i+1时刻蒸发器最终供水温度，单位为℃；
ts.up为冷水机组蒸发器供水温度上限，单位为℃。
CN202010072141.XA 2020-01-21 2020-01-21 一种制冷智能质调节算法 Active CN111256313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010072141.XA CN111256313B (zh) 2020-01-21 2020-01-21 一种制冷智能质调节算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010072141.XA CN111256313B (zh) 2020-01-21 2020-01-21 一种制冷智能质调节算法

Publications (2)

Publication Number Publication Date
CN111256313A CN111256313A (zh) 2020-06-09
CN111256313B true CN111256313B (zh) 2021-08-03

Family

ID=70948145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010072141.XA Active CN111256313B (zh) 2020-01-21 2020-01-21 一种制冷智能质调节算法

Country Status (1)

Country Link
CN (1) CN111256313B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114857735B (zh) * 2022-04-13 2023-01-10 清华大学 无电动调节水阀的空调风水系统控制方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4327559A (en) * 1981-03-02 1982-05-04 Honeywell Inc. Transport and chiller energy minimization for air conditioning systems
CN101619883A (zh) * 2009-07-28 2010-01-06 上海市建筑科学研究院(集团)有限公司 一种中央空调冷冻水送水温度控制方法
CN104713197A (zh) * 2015-02-15 2015-06-17 广东省城乡规划设计研究院 一种基于数学模型的中央空调系统优化方法及系统
CN110462301A (zh) * 2017-03-31 2019-11-15 大金工业株式会社 空调系统
CN110567101A (zh) * 2019-08-14 2019-12-13 南京南瑞继保工程技术有限公司 一种基于支持向量机模型的冷水机组高能效控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4327559A (en) * 1981-03-02 1982-05-04 Honeywell Inc. Transport and chiller energy minimization for air conditioning systems
CN101619883A (zh) * 2009-07-28 2010-01-06 上海市建筑科学研究院(集团)有限公司 一种中央空调冷冻水送水温度控制方法
CN104713197A (zh) * 2015-02-15 2015-06-17 广东省城乡规划设计研究院 一种基于数学模型的中央空调系统优化方法及系统
CN110462301A (zh) * 2017-03-31 2019-11-15 大金工业株式会社 空调系统
CN110567101A (zh) * 2019-08-14 2019-12-13 南京南瑞继保工程技术有限公司 一种基于支持向量机模型的冷水机组高能效控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
空调水系统质调节研究;范园园 王旭;《制冷与空调》;20060331(第77期);第20-23页 *

Also Published As

Publication number Publication date
CN111256313A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN109631282B (zh) 一种中央空调系统控制方法及其系统、设备、存储介质
CN108375175B (zh) 空调系统控制方法及装置
CN104896665A (zh) 空调器的控制方法及装置
CN109458683B (zh) 干式辐射热泵与单元式分户空调一体机及其控制方法
CN107388499A (zh) 一种家用空调除霜控制方法
CN107401806A (zh) 中央空调冷冻站内主机及冷冻泵综合能效提升控制方法
CN110107998B (zh) 多联式冷热水机组的节能控制方法、设备及介质
CN110940061A (zh) 中央空调控制方法及系统
CN114459133A (zh) 一种中央空调系统节能控制方法及节能控制系统
CN111256313B (zh) 一种制冷智能质调节算法
CN107192085A (zh) 一种空调器制冷运行控制方法
CN109612170A (zh) 一种利用宽温热泵实现的低温环境供热系统以及使用方法
CN111706943A (zh) 一种恒温层与空气热泵耦合的辐射空调系统
CN112303842A (zh) 一种空调温度调节方法及空调
CN113418283B (zh) 用于空调器的控制方法
CN115603346A (zh) 一种基于半透光伏组件的低能耗建筑多维能量管理方法
CN111912076B (zh) 一种空调器和控制方法
CN212566080U (zh) 一种恒温层与空气热泵耦合的辐射空调系统
CN108302691A (zh) 空调控制方法及空调器
CN114459136B (zh) 中央空调系统末端设备的高能效优化控制方法
CN113154626B (zh) 空调机组的控制方法
CN113266925B (zh) 一种两联供热泵系统的控制方法及水温控制装置
CN108626857A (zh) 运行控制方法、运行控制装置和空调器系统
CN114165898B (zh) 中央空调
CN113959110B (zh) 一种制冷系统及除湿控制方法

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
GR01 Patent grant
GR01 Patent grant