CN111336669B - 基于模型预测控制的室内空调通风系统 - Google Patents

基于模型预测控制的室内空调通风系统 Download PDF

Info

Publication number
CN111336669B
CN111336669B CN202010172633.6A CN202010172633A CN111336669B CN 111336669 B CN111336669 B CN 111336669B CN 202010172633 A CN202010172633 A CN 202010172633A CN 111336669 B CN111336669 B CN 111336669B
Authority
CN
China
Prior art keywords
temperature
indoor
model
ventilation system
control
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
CN202010172633.6A
Other languages
English (en)
Other versions
CN111336669A (zh
Inventor
邓业林
方健
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.)
Suzhou University
Original Assignee
Suzhou University
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 Suzhou University filed Critical Suzhou University
Priority to CN202010172633.6A priority Critical patent/CN111336669B/zh
Publication of CN111336669A publication Critical patent/CN111336669A/zh
Application granted granted Critical
Publication of CN111336669B publication Critical patent/CN111336669B/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
    • F24F11/89—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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • 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
    • 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"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/10—Weather information or forecasts

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Human Computer Interaction (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种基于模型预测控制的室内空调通风系统。本发明一种基于模型预测控制的室内空调通风系统，包括：温湿度传感器：采用实时室内温湿度监测仪器对室内温度湿度进行实时更新，温度与湿度信息主要用于更新模型预测控制中的输入参数，并且可对天气预报数据进行温差纠正，从而提高天气预报对空调通风系统所在位置的温湿度预测的准确度；空调通风系统主体：在线获取天气预报模块：通过利用无线网络方式在线获取天气信息，在线获取天气信息中包括24小时内每小时区域温度；以及嵌入式平台。本发明的有益效果：面向室内热环境的空调通风系统控制方案，具有能耗与热舒适协同优化、高效率、易使用等特点。

Description

基于模型预测控制的室内空调通风系统
技术领域
本发明涉及室内空调通风领域，具体涉及一种基于模型预测控制的室内空调通风系统。
背景技术
空调通风系统控制方法与空调运行效率以及室内环境变化息息相关。当空调控制系统运行良好时，空调系统应在消耗更低电量并为室内提供舒适度更高的环境。传统空调控制方法往往更加注重将环境条件控制在舒适的范围内而忽略空调通风系统的能耗变化，难以实现在满足舒适的环境条件下降低空调系统能耗的目的，因此无法达到舒适与节能并重的目标。因此改进空调通风系统的控制方法对于空调通风系统的高效节能运行与室内人员舒适度有着重要意义。
当前空调通风系统控制方法以ON/OFF(开关控制)，PID(比例积分微分控制)方法为主，以室内温度作为输入量，空调通风系统风量为控制量实现控制室内环境温度的目的。模型预测控制在利用实时温度检测的基础上，通过建立室内环境模型并整合利用天气预报数据，以预测优化为手段，将室内舒适度指标(温度，湿度，风速)与空调通风系统能耗相结合，实现以通用室内热舒适综合指标(PMV)与空调通风系统能耗的综合优化，实现提高室内舒适与降低空调通风系统能耗的目的。
传统技术存在以下技术问题：
传统控制方法如ON/OFF(开关控制)与PID(比例积分微分控制)缺乏对空调通风系统能耗的考量，无法在满足室内舒适度的条件下实现空调通风系统的节能运行；传统控制方法以单一的室内温度作为输入，忽视湿度与风速影响，缺乏对于室内舒适的准确评价；传统控制方法忽视控制量与空调通风系统的能耗关系，对于能耗控制优化能力有限；传统控制方法无法整合天气预报数据，忽视对于室内环境变化的重要信息。
发明内容
本发明要解决的技术问题是提供一种基于模型预测控制的室内空调通风系统，通过采用模型预测控制(MPC)方法，通过建立室内模型，检测并预测室内温度湿度风速变化，在线获取所在区域天气预报数据，进行室内环境舒适度与空调通风系统能耗的协同优化，最终实现系统的高效运行。
为了解决上述技术问题，本发明提供了一种基于模型预测控制的室内空调通风系统，包括：
温湿度传感器：采用实时室内温湿度监测仪器对室内温度湿度进行实时更新，温度与湿度信息主要用于更新模型预测控制中的输入参数，并且可以与天气预报数据进行温差纠正，从而改善天气预报准确度；
空调通风系统主体：空调通风系统主体直接与室内相连通，空调通风系统主体包括两大部分：风机部分以及变频器部分；控制变频器可以改变空调主机运行频率，进一步控制空调通风系统的供热量/制冷量，避免启停机导致的不必要能耗；风机则利用通风量改变室内空气与空调主机的热交换过程，改变实际的供热量/制冷量；
在线获取天气预报模块：通过利用无线网络方式在线获取天气信息，在线获取天气信息中包括24小时内每小时区域温度；将天气预报温度于室内热网络模型相结合，可以有效预估温度变化带来的热负荷变化，从而进一步提升优化控制的效果；以及
嵌入式平台：嵌入式平台为运行模型预测控制算法提供硬件基础；在嵌入式平台中需要预先加载建筑热网络模型以及空调通风系统能耗模型，为模型预测控制提供模型基础；其次室内实时温湿度数据与在线获取的天气预测数据为输入变量，通过模型预测控制算法可以计算出最佳控制方案，用于系统的风机或变频器部分。
在其中一个实施例中，温湿度采集模块使用12V直流电源或电池供电，利用RS232、RS485串口通信方式或无线通信方式与嵌入式平台进行实时交互，获取实时室内温湿度变化、室外温度变化。
在其中一个实施例中，利用天气网站提供的接口查询不同地区24小时内天气变化。
在其中一个实施例中，所述嵌入式平台包含WiFi无线通讯模块和串口通讯模块。
在其中一个实施例中，所述嵌入式平台是STM32或树莓派。
在其中一个实施例中，建筑热网络模型选用RC(热阻热容)热网络模型。
在其中一个实施例中，其中，墙壁部分、屋顶部分使用3R2C模型(三热阻两热容)，窗户使用1R模型(单热阻)，室内热质以及地面部分使用2R2C(两热阻两热容)；温度节点包含：室外温度、室内热质温度、室内空气温度、地下温度；其中地下温度为浅层土壤温度，供一层建筑物建模使用，非一楼按室外温度或实际测取温度计算。
在其中一个实施例中，热网络模型参数修正是确保热网络预测准确度的前提，其中包括：测取室内外温度数据，预设参数值，利用梯度下降法修正模型，验证模型四大部分；热网络参数模型的起始值按国家标准建筑热阻热容值计算，然后利用寻优方法降低误差并迭代，满足精度要求时，返回修正后热网络参数。
在其中一个实施例中，所述空调通风系统能耗模型在建模中使用传递热量/制冷量与实际能效比(COP)代替热负荷与额定能耗比；计算公式如下：
Figure BDA0002409722530000041
Figure BDA0002409722530000042
为实际通风量与最大通风量百分比。
在其中一个实施例中，所述模型预测控制算法，通过以目标模型为基础，利用给定输入对规定时域内的系统状态进行预测，由于不同控制序列同时会对系统状态造成影响，利用优化方法优化控制序列使得控制目标最优化，达到节能舒适的目的；对于室内热舒适的控制，在已建立热网络模型与简化热舒适模型的基础上，需要确立热舒适与能耗的综合目标，以及选择合适的优化方法；热舒适与能耗综合目标采用公式3的形式时实现高热舒适与节能的目的；由于系统为线性且属于凸优化问题，采用二次规划方式求解最优控制序列具有高稳定性与高效性；模型预测控制计算公式为：
起始状态：x0＝x (3)
动态过程：xk+1＝Axk+Buk+Cwk (4)
yk+1＝Dxk+1 (5)
代价函数：
Figure BDA0002409722530000043
限制条件:xk∈[xmin，xmax]；uk∈[umin，umax] (7)
代价方程J的计算公式为：
Figure BDA0002409722530000044
其中Pnon-linear为实际能耗，Pmax为实测最大能耗，Pmin为实测最低能耗，PMVrange为PMV变化范围。
本发明的有益效果：
1.面向室内热环境的空调通风系统控制方案，具有协同优化、高效率、易使用等特点；
2.采用模型预测控制对比开关控制、PID控制等具有高效、兼顾能耗与舒适的特点；
3.利用热舒适指标代替室内温度，便于用户直观掌握实时室内热舒适变化；
4.建立与控制量为变量的空调通风系统能耗模型，获取不同控制量下的系统能耗变化；
5.实时在线获取天气预报数据，利用预测温度数据优化控制方案，避免供热/制冷不足或过量，增强控制方案，降低总能耗；
6.实时温湿度数据将通过无线通信方式进行数据传输，并计算热舒适情况并上传至用户终端，方便用户实时掌握室内舒适情况。
附图说明
图1是本发明基于模型预测控制的室内空调通风系统的整体架构示意图。
图2是本发明基于模型预测控制的室内空调通风系统的建筑热网络模型示意图。
图3是本发明基于模型预测控制的室内空调通风系统的建筑热网络模型修正示意图。
图4是本发明基于模型预测控制的室内空调通风系统的模型预测控制实现流程图。
图5是本发明基于模型预测控制的室内空调通风系统的实施示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
空调通风系统控制器的整体架构如图1所示：总体上包含3大模块，分述如下：
1)温湿度传感器：采用实时室内温湿度监测仪器对室内温度湿度进行实时更新，温度与湿度信息主要用于更新模型预测控制中的输入参数，并且可以与天气预报数据进行温差纠正，从而改善天气预报准确度。温湿度采集模块可以使用12V直流电源或电池供电，利用RS232、RS485串口通信方式或无线通信方式与嵌入式平台进行实时交互，获取实时室内温湿度变化、室外温度变化。
2)空调通风系统：空调通风系统直接与室内相连通，合理的控制空调通风系统对室内环境有明显改善，同时空调通风系统运行与空调能耗密切相关。空调通风系统主要包含两大部分：风机部分以及变频器部分。控制变频器可以改变空调主机运行频率，进一步控制空调通风系统的供热量/制冷量，避免启停机导致的不必要能耗；风机则利用通风量改变室内空气与空调主机的热交换过程，改变实际的供热量/制冷量。
3)在线获取天气预报：通过利用无线网络方式在线获取天气信息，在线获取天气信息中包括24小时内每小时区域温度。将天气预报温度于室内热网络模型相结合，可以有效预估温度变化带来的热负荷变化，从而进一步提升优化控制的效果。目前，可以利用天气网站提供的接口查询不同地区24小时内天气变化。
4)嵌入式平台：嵌入式平台为运行模型预测控制算法提供硬件基础。在嵌入式平台中需要预先加载具有良好精度的建筑热网络模型以及空调通风系统能耗模型，为模型预测控制提供模型基础。其次室内实时温湿度数据与在线获取的天气预测数据为输入变量，通过模型预测控制算法可以计算出最佳控制方案，用于系统的风机或变频器部分。除微处理器外，嵌入式平台需要包含WiFi无线通讯模块、串口通讯模块。常见嵌入式平台如：STM32、树莓派等可以满足需求。
建筑热网络模型选用常见的RC(热阻热容)热网络模型，属于灰箱模型，具有参数少、直观物理意义、高准确度的优点，单房间RC热网络模型如图2和图3所示。其中，墙壁部分、屋顶部分使用3R2C模型(三热阻两热容)，窗户使用1R模型(单热阻)，室内热质以及地面部分使用2R2C(两热阻两热容).温度节点包含：室外温度、室内热质温度、室内空气温度、地下温度。其中地下温度为浅层土壤温度，供一层建筑物建模使用，非一楼按室外温度或实际测取温度计算。热网络模型参数修正是确保热网络预测准确度的前提，其中主要包含：测取室内外温度数据，预设参数值，利用梯度下降法修正模型，验证模型四大部分。热网络参数模型的起始值按国家标准建筑热阻热容值计算，然后利用寻优方法降低误差并迭代，满足精度要求时，返回修正后热网络参数。
空调通风系统能耗计算是实现节能的重要步骤，准确预测能耗是实现高热舒适低能耗目标的基础之一。大部分应用中，空调能耗系统采用工厂给出的额定COP进行计算，但由于空调通风系统实际运行状态与控制量相关，因此实际COP与额定COP有着较大出入，导致预测结果出现偏差而降低其节能能力。利用控制量对空调通风系统能耗进行建模可以提高模型准确度，同时由于通风侧控制量直接影响室内环境，是连接热舒适与能耗的桥梁，基于控制量建立能耗模型有助于协同优化控制的实现。在建模中使用传递热量/制冷量与实际能效比(COP)代替热负荷与额定能耗比。计算公式如下：
Figure BDA0002409722530000071
Figure BDA0002409722530000072
为实际通风量与最大通风量百分比。
热舒适(PMV)是衡量人体对热环境评价的量化指标，影响热舒适的环境主要指标包括：空气温度，湿度，风速。在传统控制方法中，一般直接利用空气温度代替室内热舒适。但热舒适的多种影响因素导致这种替代会产生误差，控制最终无法实现舒适度的目标。使用热舒适标准可以更加客观地反映人体对环境的满意程度。然而，热舒适复杂的计算方式以及非线性的特性使得热舒适难直接应用于许多控制方法中。因此，在满足精度要求下，简化热舒适计算方法对于工程实现有着重要意义。热舒适的最佳情况为PMV为0，代表着温和环境，国家标准中推荐变化范围为-0.5至0.5之间。为了满足模型预测控制线性模型的要求，利用多线性回归方法(MLR)对热舒适进行线性化，在冬季下室内-1～1热舒适范围，0～0.2风速范围，50％相对湿度条件下，线性后模型为：
PMVsimplified＝0.2798Ta-1.3052va-6.4151 (2)
其中，PMVsimplified为简化后的热舒适，Ta为空气温度，va为室内风速。简化拟合度为0.997.此外，室内空气风速可以利用CFD进行模拟并简化为以通风量为自变量的线性关系。
模型预测控制是一种先进控制方法，通过以目标模型为基础，利用给定输入对规定时域内的系统状态进行预测，由于不同控制序列同时会对系统状态造成影响，利用优化方法优化控制序列使得控制目标(与系统状态有关)最优化，达到节能舒适的目的。对于室内热舒适的控制，在已建立热网络模型与简化热舒适模型的基础上，需要确立热舒适与能耗的综合目标，以及选择合适的优化方法。经研究发现热舒适与能耗综合目标采用公式3的形式时可以实现高热舒适与节能的目的。由于系统为线性且属于凸优化问题，采用二次规划方式求解最优控制序列具有高稳定性与高效性。模型预测控制计算公式为：
起始状态：x0＝x (3)
动态过程：xk+1＝Axk+Buk+Cwk (4)
yk+1＝Dxk+1 (5)
代价函数：
Figure BDA0002409722530000091
限制条件:xk∈[xmin，xmax]；uk∈[umin，umax] (7)
代价方程J的计算公式为：
Figure BDA0002409722530000092
其中Pnon-linear为实际能耗，Pmax为实测最大能耗，Pmin为实测最低能耗，PMVrange为PMV变化范围。
模型预测控制实现流程图如图4所示。
下面介绍本发明的一个具体应用场景：
基于模型预测控制的空调通风系统控制器实施方式如图5所示。在运行前，嵌入式平台需预先内置达到精度要求的室内热网络模型与空调通风系统能耗模型作为控制的基础。运行时，首先通过温度湿度传感器模块采集室内温度与湿度，同时嵌入式平台利用相关库函数在线获取天气预报信息；然后嵌入式平台利用预报信息、实时室内温度湿度信息作为输入运行模型预测控制算法获取最优控制方案，并通过通信方式将控制数据传入风机/变频器中；最后利用无线方式上传实时的室内热舒适数据到用户终端。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (5)

1.一种基于模型预测控制的室内空调通风系统，其特征在于，包括：
温湿度传感器：采用实时室内温湿度监测仪器对室内温度湿度进行实时更新，温度与湿度信息主要用于更新模型预测控制中的输入参数，并且可以与天气预报数据进行温差纠正，从而提高天气预报对空调系统所在位置温湿度预测的准确性；
空调通风系统主体：空调通风系统主体直接与室内相连通，空调通风系统主体包括两大部分：风机部分以及变频器部分；控制变频器可以改变空调主机运行频率，进一步控制空调通风系统的供热量/制冷量，避免启停机导致的不必要能耗；风机则利用通风量改变室内空气与空调主机的热交换过程，改变实际的供热量/制冷量；
在线获取天气预报模块：通过利用无线网络方式在线获取天气信息，在线获取天气信息中包括24小时内每小时区域温度；将天气预报温度于室内热网络模型相结合，可以有效预估温度变化带来的热负荷变化，从而进一步提升优化控制的效果；以及
嵌入式平台：嵌入式平台为运行模型预测控制算法提供硬件基础；在嵌入式平台中需要预先加载建筑热网络模型以及空调通风系统能耗模型，为模型预测控制提供模型基础；其次室内实时温湿度数据与在线获取的天气预测数据为输入变量，通过模型预测控制算法可以计算出最佳控制方案，用于控制系统的风机风量或空提主机变频器部分；
所述空调通风系统能耗模型在建模中使用不同供热热量/制冷量下的实际能效比代替恒定的额定能效比；计算公式如下：
Figure FDA0002961061490000011
Figure FDA0002961061490000012
Figure FDA0002961061490000021
Figure FDA0002961061490000022
PHVAC，act为空调系统的实际功耗；COPHVAC，act为空调系统的实际能效比；Qact为空调系统的实际供热/制冷量；
Figure FDA0002961061490000023
为无量纲变量，表示实际风机送风量
Figure FDA0002961061490000024
与额定风机风量
Figure FDA0002961061490000025
和
Figure FDA0002961061490000026
表示实际供热/制冷量、能效比分别与
Figure FDA0002961061490000027
的映射关系；
所述模型预测控制算法，通过以目标模型为基础，利用给定输入对规定时域内的系统状态进行预测，由于不同控制序列会对系统状态造成影响，利用优化方法获得特定的控制序列可使得控制目标最优化，达到节能和热舒适的目的；对于室内热舒适的控制，在已建立热网络模型与简化热舒适模型的基础上，需要确立热舒适与能耗的综合目标，以及选择合适的优化方法；热舒适与能耗综合目标采用公式3的形式时实现高热舒适与节能的目的；由于系统为线性且属于凸优化问题，采用二次规划方式求解最优控制序列具有高稳定性与高效性；模型预测控制计算公式为：
起始状态：x0＝x (3)
动态过程：xk+1＝Axk+Buk+Cwk (4)
yk+1＝Dxk+1 (5)
其中x表示状态参量，u表示待控制变量，w表示来自天气预报的外界环境参数，y表示待优化的目标变量；x0表示状态参量的初始状态；下标k表示变量在k时刻的值；A，B，C，D为相关系数；
代价函数：
Figure FDA0002961061490000028
限制条件：xk∈[xmin，xmax]；uk∈[umin，umax] (7)
其中J表示代价函数，下标min、max分别表示变量的最小值和最大值；Np表示优化的总步长；
代价函数J的具体构造方式为：
Figure FDA0002961061490000031
Pnon-linear为实际能耗，Pmax为实测最大能耗，Pmin为实测最低能耗，PMV表示室内热舒适性，ε为热舒适和能耗间的权重系数，PMVrange为PMV变化范围。
2.如权利要求1所述的基于模型预测控制的室内空调通风系统，其特征在于，温湿度采集模块使用12V直流电源或电池供电，利用RS232、RS485串口通信方式或无线通信方式与嵌入式平台进行实时交互，获取实时室内温湿度变化、室外温度变化。
3.如权利要求1所述的基于模型预测控制的室内空调通风系统，其特征在于，利用天气网站提供的接口查询不同地区24小时内天气变化。
4.如权利要求1所述的基于模型预测控制的室内空调通风系统，其特征在于，所述嵌入式平台包含WiFi无线通讯模块和串口通讯模块。
5.如权利要求1所述的基于模型预测控制的室内空调通风系统，其特征在于，所述嵌入式平台是STM32或树莓派。
CN202010172633.6A 2020-03-12 2020-03-12 基于模型预测控制的室内空调通风系统 Active CN111336669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010172633.6A CN111336669B (zh) 2020-03-12 2020-03-12 基于模型预测控制的室内空调通风系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010172633.6A CN111336669B (zh) 2020-03-12 2020-03-12 基于模型预测控制的室内空调通风系统

Publications (2)

Publication Number Publication Date
CN111336669A CN111336669A (zh) 2020-06-26
CN111336669B true CN111336669B (zh) 2021-04-13

Family

ID=71182413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010172633.6A Active CN111336669B (zh) 2020-03-12 2020-03-12 基于模型预测控制的室内空调通风系统

Country Status (1)

Country Link
CN (1) CN111336669B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111854063A (zh) * 2020-07-06 2020-10-30 浙江大学 一种变频空调器控制方法
CN112052997B (zh) * 2020-09-07 2021-09-03 西安建筑科技大学 一种变风量空调系统事件触发预测控制方法
CN112178839B (zh) * 2020-09-09 2021-09-21 珠海格力电器股份有限公司 一种光伏蓄冰空调预测控制方法及使用其的光伏蓄冰空调
CN112432229B (zh) * 2020-11-16 2022-03-01 东南大学 一种基于室内湿源信息的hvac在线监控系统及控制方法
CN113065190B (zh) * 2021-04-15 2022-05-27 天津大学 一种基于不确定性的居住建筑供热量计算方法
CN112966399B (zh) * 2021-04-15 2023-08-22 苏州大学张家港工业技术研究院 一种基于机器学习的脉管制冷机工况预测方法及系统
CN113689058B (zh) * 2021-10-27 2022-02-08 兰和科技（深圳）有限公司 基于智慧校园的宿舍管理系统及其方法
CN114222477A (zh) * 2021-12-13 2022-03-22 中国联合网络通信集团有限公司 数据中心的节能控制方法、装置、存储介质及程序产品
CN114234370B (zh) * 2021-12-14 2022-12-23 珠海格力电器股份有限公司 一种多联机空调控制方法、装置及多联机空调
CN115031365B (zh) * 2022-06-17 2023-11-28 广东欧科空调制冷有限公司 基于天气预测的新风机智能控制方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1924470A (zh) * 2005-09-02 2007-03-07 浙江工业大学 具有舒适、节能和健康功能的空调控制装置
CN104134100A (zh) * 2014-07-22 2014-11-05 香港佳能通节能科技有限公司 一种基于云计算的节能管理系统
CN104279715A (zh) * 2014-10-29 2015-01-14 四川慧盈科技有限责任公司 一种楼宇空调设备负荷预测方法
CN105627506A (zh) * 2015-12-25 2016-06-01 深圳达实智能股份有限公司 一种空调冷机的建筑冷负荷预测方法及装置
CN106196423A (zh) * 2016-06-30 2016-12-07 西安建筑科技大学 一种基于模型预测的室内环境品质控制优化方法
CN108006887A (zh) * 2017-11-20 2018-05-08 北京建筑大学 既有建筑空调用能模型构建方法及空调能耗预测方法
CN109871987A (zh) * 2019-01-28 2019-06-11 中建八局第三建设有限公司 一种智能建筑暖通设备综合节能控制方法
CN110542178A (zh) * 2019-09-02 2019-12-06 上海德昂科技有限公司 具有自学习能力的空调冷冻机房控制方法及系统
KR20190141935A (ko) * 2018-06-15 2019-12-26 (주)미래환경플랜건축사사무소 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1924470A (zh) * 2005-09-02 2007-03-07 浙江工业大学 具有舒适、节能和健康功能的空调控制装置
CN104134100A (zh) * 2014-07-22 2014-11-05 香港佳能通节能科技有限公司 一种基于云计算的节能管理系统
CN104279715A (zh) * 2014-10-29 2015-01-14 四川慧盈科技有限责任公司 一种楼宇空调设备负荷预测方法
CN105627506A (zh) * 2015-12-25 2016-06-01 深圳达实智能股份有限公司 一种空调冷机的建筑冷负荷预测方法及装置
CN106196423A (zh) * 2016-06-30 2016-12-07 西安建筑科技大学 一种基于模型预测的室内环境品质控制优化方法
CN108006887A (zh) * 2017-11-20 2018-05-08 北京建筑大学 既有建筑空调用能模型构建方法及空调能耗预测方法
KR20190141935A (ko) * 2018-06-15 2019-12-26 (주)미래환경플랜건축사사무소 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법
CN109871987A (zh) * 2019-01-28 2019-06-11 中建八局第三建设有限公司 一种智能建筑暖通设备综合节能控制方法
CN110542178A (zh) * 2019-09-02 2019-12-06 上海德昂科技有限公司 具有自学习能力的空调冷冻机房控制方法及系统

Also Published As

Publication number Publication date
CN111336669A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN111336669B (zh) 基于模型预测控制的室内空调通风系统
US20200166230A1 (en) Controller for hvac unit
WO2014203311A1 (ja) 空調システム制御装置及び空調システム制御方法
CN108413567A (zh) 基于物联网的中央空调节费优化方法与系统
CN110925856B (zh) 空气源热泵机组控制方法、装置和可读存储介质
JP2011214794A (ja) 空調システム制御装置
CN105352109A (zh) 基于气候补偿的变风量空调末端温度控制系统及方法
WO2013094350A1 (ja) 遠隔監視制御システムおよびその運転方法
JP6817588B2 (ja) 空気調和機の最適オン／オフ時刻算出処理を実行するサーバ、および最適オン／オフ時刻算出処理システム
CN107270384A (zh) 用于供暖调节的方法及装置
CN109612047A (zh) 变风量空调系统的送风温度控制方法
JP6343499B2 (ja) エネルギー管理システム
Simon et al. Energy efficient smart home heating system using renewable energy source with fuzzy control design
CN115935604A (zh) 一种换流站暖通系统节能控制方法及终端
Lachhab et al. An energy-efficient approach for controlling heating and air-conditioning systems
CN112032818B (zh) 一种水系统供暖的室温协同控制方法
CN114110970B (zh) 空调室内温度控制方法及系统
CN115875809A (zh) 机房换热设备的节能方法、装置及计算机可读存储介质
CN109543235B (zh) 一种基于参数库构建的分散式电采暖负荷建模系统及其建模方法
CN117232084B (zh) 基于人机交互的辐射型空气调节系统的控制方法和装置
KR102465747B1 (ko) 독립형 ai자동 환경제어시스템용 조절기
Rolando et al. Smart control strategies for heat pump systems
Chen et al. Model Free Adaptive Control for Air-Conditioning System in Office Buildings Based on Improved NSGA-II Algorithm
KR20190075717A (ko) 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법
CN115793558B (zh) 一种热力站二次管网智能控制系统

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