CN111503838B - 一种公用建筑用空调通风优化系统 - Google Patents

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

一种公用建筑用空调通风优化系统

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＝(t_i-t_n)-7.66(u_i-0.15)；

其中，ΔET为有效温度差，t_i为某点的空气温度，t_n为给定的室内设计温度，u_i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＝(t_i-t_n)-7.66(u_i-0.15)；

其中，ΔET为有效温度差，t_i为某点的空气温度，t_n为给定的室内设计温度，u_i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＝(t_i-t_n)-7.66(u_i-0.15)；

其中，ΔET为有效温度差，t_i为某点的空气温度，t_n为给定的室内设计温度，u_i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。

Images