CN111503838B - 一种公用建筑用空调通风优化系统 - Google Patents
一种公用建筑用空调通风优化系统 Download PDFInfo
- Publication number
- CN111503838B CN111503838B CN202010272326.5A CN202010272326A CN111503838B CN 111503838 B CN111503838 B CN 111503838B CN 202010272326 A CN202010272326 A CN 202010272326A CN 111503838 B CN111503838 B CN 111503838B
- Authority
- CN
- China
- Prior art keywords
- expert strategy
- adpi
- air
- equipment
- expert
- 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
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
-
- 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
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
一种公用建筑用空调通风优化系统,该系统首先获取室内环境参数、室外环境参数以及空调系统相关仪表设备参数,以这些参数为依据,构建空调通风数据库,再以空调通风数据库内的设备工况信息为依托,构建空调通风的专家策略模型库;在系统开启后,以空调运行的设备工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行。本发明能够在维持温度、湿度条件下,自主优化空调的冷水、空调机组等系列设备运行功率,在维护舒适度的前提下,将能耗降至最低。
Description
技术领域
本发明到高铁站、地铁站、汽车站、机场、码头、大型办公楼或商用楼等公用建筑的空调通风领域,具体的说是一种公用建筑用空调通风优化系统。
背景技术
现有技术中,公用建筑是指供人们进行各种公共活动的建筑,一般包括办公建筑、商业建筑、旅游建筑、科教文卫建筑、通信建筑和交通运输类建筑等,在这些公用建筑内一般都是由中央空调来进行送风通风的,这种中央空调调节的方式,存在以下问题:
1)空调自带的温度、风速、湿度监测传感器,一般在空调的送风口、控制面板等固定处,无法根据建筑内部空间布局、房间功能、热源情况、服务对象的感受等设置在有效位置,因此其无法进行科学、真实、有效的监测;
2)现有的空调自动控制程序一般是基于一种固定模型,如人为设置一个温度和风速档位,空调启动运行,在自带温度传感监测温度达到目标值后,空调停止工作,这种控制模式必然会导致能耗的增加,而且人体舒适度也很难调节。
发明内容
本发明的目的是提供一种公用建筑用空调通风优化系统,该通风优化系统实现了空调系统耗电量的自主控制,在满足环境舒适度大于80%的前提下,将能耗降至最低。
本发明为实现上述技术目的所采用的技术方案为:一种公用建筑用空调通风优化系统,该系统的运行方法为:
S1.获取室内环境参数、室外环境参数以及空调系统相关仪表设备参数,以这些参数为依据,构建空调通风数据库;
S2.以空调通风数据库内的设备工况信息为依托,构建空调通风的专家策略模型库;
S3.开启系统后,以空调运行的设备工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行;
S4.当设备工况信息被人为改变后,以该工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行。
作为上述空调通风优化系统的一种优化方案,所述S1中,室内环境参数和室外环境参数包括温湿度、CO2浓度、风速、人员密度、室内设定温度和光照,所述空调系统相关仪表设备参数包括空调设备中水流速度、供回水温度、电压、电流、电能值和各设备中阀门位置。
作为上述空调通风优化系统的另一种优化方案,所述S2中,以空调通风数据库内的设备工况信息为依托,构建空调通风的专家策略模型库的具体操作为:
1)向空调通风优化运行系统赋予ADPI预设值和偏差值,预设值为80%,偏差值为5%,并获取当前室内环境参数和室外环境参数;
2)将空调设备的冷\热水阀门和出风口风速档位设置在中间档位,依照如下计算公式,求出空气分布特性指标ADPI;
式中,N总表示空间内总的温度测点数量,N1表示满足-1.7<ΔET<1.1的测点数量,而ΔET=(ti-tn)-7.66(ui-0.15);
其中,ΔET为有效温度差,ti为某点的空气温度,tn为给定的室内设计温度,ui为某点的空气流速;
3)找出|ΔET-(-0.6)|值最大的传感器,调整离该传感器最近的出风口风速1个档位,并利用步骤5)的公式重新计算ADPI值;
4)循环步骤3),直到|ADPI-预设值|不能再小;
5)判断|ADPI-预设值|是否大于偏差值,若大于偏差值,则执行步骤6);若小于等于偏差值,则执行步骤7);
6)调节冷\热水阀门,重复步骤3)至步骤5),直至|ADPI-预设值|小于等于偏差值,或无法再调节冷\热水阀门,执行步骤7);
7)取当前设备运行参数为该环境参数下的最佳操作方案,即为专家策略模型;
8)重复步骤1)至步骤7),从而得到不同环境参数下的专家策略模型,将这些专家策略模型统一存储,即完成专家策略模型库的构建。
作为上述空调通风优化系统的另一种优化方案,所述S3和S4中,对专家策略模型库进行学习更新,生成新的最优专家策略的具体操作为:
1)获取设备实时工况信息和环境参数,并将实时工况信息和环境参数输入专家策略模型库,调取与其匹配的最佳操作方案,若该最佳操作方案不存在,则以默认操作方案为最佳方案,并记录试探次数为0;
2)以实时工况信息为依据,计算默认操作方案下的ADPI指标X1;
3)获取ΔET<-1.7或大于1.1的传感器测点,并标记这些测点最近的出风口,其总数计为N;
4)随机在步骤3)标记的N个出风口中选取S个出风口,调整这些选中的出风口1个档位,调整的方向由ΔET和季节确定;
S的数量为N*33%并取整;
5)计算新的ADPI指标X2,若X2相较于X1是否更接近ADPI预设值,若是,标记试探次数为0,并执行步骤8);若不是,则执行步骤6);
6)将试探次数加1,并循环执行步骤2)至步骤5),直至试探次数达到预设试探次数;
7)比较各试探次数下的ADPI值,选取其中最接近ADPI预设值的一个,执行步骤8)
8)记录此时的操作方案为该环境参数下的最佳操作方案,并录入专家策略模型库,完成专家策略模型库的学习更新。
本发明中,将试探式学习的优化目标设定为新ADPI更接近ADPI的预设值越优,ADPI相同时,ΔET之和的绝对值越小越优;这个优化目标同时考虑了舒适度和能耗两个目标,即在舒适度达到配置目标的前提下,能耗越低越好。
与现有技术相比,本发明具有如下有益效果:
1)本发明的通风优化系统实现了空调系统耗电量的自主控制,在满足环境舒适度大于80%的前提下,将能耗降至最低;
2)本发明的空调通风优化运行系统,通过建立环境和设备工况信息的数据库,并以数据库内的相关信息为依托,构建出不同条件下的专家策略模型库,之后,依靠传感器感知实时的环境参数,并根据当地气象资料、季节因素,从专家策略模型库中调取适宜的专家策略模型进行自主启动;若服务对象有自身需求,手动设定温度后,系统将依据新的工况信息,生成新的专家策略模型,并启动人工智能调控工作,在维持温度、湿度条件下,自主优化空调的冷水、空调机组等系列设备运行功率,在维护舒适度的前提下,将能耗降至最低。
附图说明
图1为本发明的整体流程示意图;
图2为构建空调通风专家策略模型库的流程示意图;
图3为专家策略模型库学习更新的流程示意图。
具体实施方式
下面结合具体实施例对本发明的技术方案做进一步的详细阐述。
实施例1
如图1所示,一种公用建筑用空调通风优化系统,该系统的运行方法为:
S1.获取室内环境参数、室外环境参数以及空调系统相关仪表设备参数,以这些参数为依据,构建空调通风数据库;
S2.以空调通风数据库内的设备工况信息为依托,构建空调通风的专家策略模型库;
S3.开启系统后,以空调运行的设备工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行;
S4.当设备工况信息被人为改变后,以该工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行。
在本实施例的所述S1中,室内环境参数和室外环境参数包括温湿度、CO2浓度、风速、人员密度、室内设定温度和光照,所述空调系统相关仪表设备参数包括空调设备中水流速度、供回水温度、电压、电流、电能值和各设备中阀门位置。
实施例2
如图2所示,本实施例是对实施例1的S2中,以空调通风数据库内的设备工况信息为依托,构建空调通风的专家策略模型库的详细描述:
1)向空调通风优化运行系统赋予ADPI预设值和偏差值,预设值为80%,偏差值为5%,并获取当前室内环境参数和室外环境参数;
2)将空调设备的冷\热水阀门和出风口风速档位设置在中间档位,依照如下计算公式,求出空气分布特性指标ADPI;
式中,N总表示空间内总的温度测点数量,N1表示满足-1.7<ΔET<1.1的测点数量,而ΔET=(ti-tn)-7.66(ui-0.15);
其中,ΔET为有效温度差,ti为某点的空气温度,tn为给定的室内设计温度,ui为某点的空气流速;
3)找出|ΔET-(-0.6)|值最大的传感器,调整离该传感器最近的出风口风速1个档位,并利用步骤5)的公式重新计算ADPI值;
4)循环步骤3),直到|ADPI-预设值|不能再小;
5)判断|ADPI-预设值|是否大于偏差值,若大于偏差值,则执行步骤6);若小于等于偏差值,则执行步骤7);
6)调节冷\热水阀门,重复步骤3)至步骤5),直至|ADPI-预设值|小于等于偏差值,或无法再调节冷\热水阀门,执行步骤7);
7)取当前设备运行参数为该环境参数下的最佳操作方案,即为专家策略模型;
8)重复步骤1)至步骤7),从而得到不同环境参数下的专家策略模型,将这些专家策略模型统一存储,即完成专家策略模型库的构建。
实施例3
如图3所示,本实施例是对实施例1的S3和S4中,对专家策略模型库进行学习更新,生成新的最优专家策略的详细描述:
1)获取设备实时工况信息和环境参数,并将实时工况信息和环境参数输入专家策略模型库,调取与其匹配的最佳操作方案,若该最佳操作方案不存在,则以默认操作方案为最佳方案,并记录试探次数为0;
2)以实时工况信息为依据,计算默认操作方案下的ADPI指标X1;
3)获取有效温度差ΔET<-1.7或大于1.1的传感器测点,并标记这些测点最近的出风口,其总数计为N;
4)随机在步骤3)标记的N个出风口中选取S个出风口,调整这些选中的出风口1个档位,调整的方向由ΔET和季节确定;
S的数量为N*33%并取整;
5)计算新的ADPI指标X2,若X2相较于X1是否更接近ADPI预设值,若是,标记试探次数为0,并执行步骤8);若不是,则执行步骤6);
6)将试探次数加1,并循环执行步骤2)至步骤5),直至试探次数达到预设试探次数;
7)比较各试探次数下的ADPI值,选取其中最接近ADPI预设值的一个,执行步骤8)
8)记录此时的操作方案为该环境参数下的最佳操作方案,并录入专家策略模型库,完成专家策略模型库的学习更新。
Claims (3)
1.一种公用建筑用空调通风优化系统,其特征在于,该系统的运行方法为:
S1.获取室内环境参数、室外环境参数以及空调系统相关仪表设备参数,以这些参数为依据,构建空调通风数据库;
S2.以空调通风数据库内的设备工况信息为依托,构建空调通风的专家策略模型库,其具体操作为:
1)向空调通风优化运行系统赋予ADPI预设值和偏差值,预设值为80%,偏差值为5%,并获取当前室内环境参数和室外环境参数;
2)将空调设备的冷/热水阀门和出风口风速档位设置在中间档位,依照如下计算公式,求出空气分布特性指标ADPI;
式中,N总表示空间内总的温度测点数量,N1表示满足-1.7<ΔET<1.1的测点数量,而ΔET=(ti-tn)-7.66(ui-0.15);
其中,ΔET为有效温度差,ti为某点的空气温度,tn为给定的室内设计温度,ui为某点的空气流速;
3)找出|ΔET-(-0.6)|值最大的传感器,调整离该传感器最近的出风口风速1个档位,并利用步骤5)的公式重新计算ADPI值;
4)循环步骤3),直到|ADPI-预设值|不能再小;
5)判断|ADPI-预设值|是否大于偏差值,若大于偏差值,则执行步骤6);若小于等于偏差值,则执行步骤7);
6)调节冷/热水阀门,重复步骤3)至步骤5),直至|ADPI-预设值|小于等于偏差值,或无法再调节冷/热水阀门,执行步骤7);
7)取当前设备运行参数为该环境参数下的最佳操作方案,即为专家策略模型;
8)重复步骤1)至步骤7),从而得到不同环境参数下的专家策略模型,将这些专家策略模型统一存储,即完成专家策略模型库的构建;
S3.开启系统后,以空调运行的设备工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行;
S4.当设备工况信息被人为改变后,以该工况信息为依据,调取专家策略模型库内的最优专家策略,或对专家策略模型库进行学习更新,生成新的最优专家策略,最后依据该最优专家策略控制设备运行。
2.根据权利要求1所述的一种公用建筑用空调通风优化系统,其特征在于:所述S1中,室内环境参数和室外环境参数包括温湿度、CO2浓度、风速、人员密度、室内设定温度和光照,所述空调系统相关仪表设备参数包括空调设备中水流速度、供回水温度、电压、电流、电能值和各设备中阀门位置。
3.根据权利要求1所述的一种公用建筑用空调通风优化系统,其特征在于,所述S3和S4中,对专家策略模型库进行学习更新,生成新的最优专家策略的具体操作为:
1)获取设备实时工况信息和环境参数,并将实时工况信息和环境参数输入专家策略模型库,调取与其匹配的最佳操作方案,若该最佳操作方案不存在,则以默认操作方案为最佳方案,并记录试探次数为0;
2)以实时工况信息为依据,计算默认操作方案下的ADPI指标X1;
3)获取ΔET<-1.7或ΔET>1.1的传感器测点,并标记这些测点最近的出风口,其总数计为N;
4)随机在步骤3)标记的N个出风口中选取S个出风口,调整这些选中的出风口1个档位,调整的方向由ΔET和季节确定;
S的数量为N*33%并取整;
5)计算新的ADPI指标X2,若X2相较于X1是否更接近ADPI预设值,若是,标记试探次数为0,并执行步骤8);若不是,则执行步骤6);
6)将试探次数加1,并循环执行步骤2)至步骤5),直至试探次数达到预设试探次数;
7)比较各试探次数下的ADPI值,选取其中最接近ADPI预设值的一个,执行步骤8)
8)记录此时的操作方案为该环境参数下的最佳操作方案,并录入专家策略模型库,完成专家策略模型库的学习更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010272326.5A CN111503838B (zh) | 2020-04-08 | 2020-04-08 | 一种公用建筑用空调通风优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010272326.5A CN111503838B (zh) | 2020-04-08 | 2020-04-08 | 一种公用建筑用空调通风优化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111503838A CN111503838A (zh) | 2020-08-07 |
CN111503838B true CN111503838B (zh) | 2021-07-23 |
Family
ID=71874582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010272326.5A Active CN111503838B (zh) | 2020-04-08 | 2020-04-08 | 一种公用建筑用空调通风优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111503838B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107940668A (zh) * | 2017-10-24 | 2018-04-20 | 天津大学 | 一种基于多目标优化的公共建筑暖通空调系统诊断方法 |
CN109932896A (zh) * | 2019-03-22 | 2019-06-25 | 易科智控科技(北京)有限公司 | 一种建筑能耗的控制方法和系统 |
CN110131843A (zh) * | 2019-05-15 | 2019-08-16 | 珠海格力电器股份有限公司 | 基于大数据的空调的智能调控方法及系统 |
CN110161863A (zh) * | 2019-06-11 | 2019-08-23 | 山东中建能源管理有限公司 | 一种建筑机电设备系统调控优化方法 |
US20200103133A1 (en) * | 2018-09-27 | 2020-04-02 | Johnson Controls Technology Company | Thermostat with least squares estimation of power savings |
-
2020
- 2020-04-08 CN CN202010272326.5A patent/CN111503838B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107940668A (zh) * | 2017-10-24 | 2018-04-20 | 天津大学 | 一种基于多目标优化的公共建筑暖通空调系统诊断方法 |
US20200103133A1 (en) * | 2018-09-27 | 2020-04-02 | Johnson Controls Technology Company | Thermostat with least squares estimation of power savings |
CN109932896A (zh) * | 2019-03-22 | 2019-06-25 | 易科智控科技(北京)有限公司 | 一种建筑能耗的控制方法和系统 |
CN110131843A (zh) * | 2019-05-15 | 2019-08-16 | 珠海格力电器股份有限公司 | 基于大数据的空调的智能调控方法及系统 |
CN110161863A (zh) * | 2019-06-11 | 2019-08-23 | 山东中建能源管理有限公司 | 一种建筑机电设备系统调控优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111503838A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11783203B2 (en) | Building energy system with energy data simulation for pre-training predictive building models | |
CN111539559B (zh) | 一种公用建筑用环境控制及运行保障平台 | |
CN105320118B (zh) | 基于云平台的空调系统电力需求响应控制方法 | |
CN111336669B (zh) | 基于模型预测控制的室内空调通风系统 | |
CN106765959A (zh) | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 | |
CN107781947A (zh) | 一种建筑空调系统冷热源预测控制方法和装置 | |
CN101809514A (zh) | 用于舒适控制的微系统的应用 | |
CN109827299A (zh) | 基于物联网空气处理机组调节方法、装置、系统和介质 | |
CN105320184A (zh) | 建筑室内环境智能监控系统 | |
CN111222191A (zh) | 基于bim和rfid的建筑能耗优化控制方法及系统 | |
CN109798646A (zh) | 一种基于大数据平台的变风量空调控制系统和方法 | |
JP2018204873A (ja) | 空調システムのアドバイス装置 | |
CN111998505B (zh) | 基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统 | |
CN107247407B (zh) | 一种基于云架构的大数据自我学习修正控制系统及方法 | |
CN116907036A (zh) | 一种基于冷负荷预测的深度强化学习冷水机组控制方法 | |
CN111043731A (zh) | 一种基于天气预报的空调系统调节方法 | |
CN111503838B (zh) | 一种公用建筑用空调通风优化系统 | |
CN112923435B (zh) | 一种基于人工智能和优化算法的集中供热二次侧调控方法 | |
CN117628659A (zh) | 一种面向暖通空调多系统协同运行的预测调控方法 | |
CN114110824B (zh) | 一种恒湿机智能控制方法及装置 | |
CN114200839B (zh) | 一种耦合环境行为动态监测的办公建筑能耗智能控制模型 | |
CN115688388A (zh) | 基于大数据的居住建筑环境调节方法 | |
CN115758680A (zh) | 永磁直驱低速大风扇与中央空调系统联动调控方法及系统 | |
CN115935604A (zh) | 一种换流站暖通系统节能控制方法及终端 | |
CN114662885A (zh) | 设备用电量的自适应控制方法、装置、设备及介质 |
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 |