CN111536671A - 空调系统运行控制方法和装置、电子设备和存储介质 - Google Patents

空调系统运行控制方法和装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111536671A
CN111536671A CN202010502669.6A CN202010502669A CN111536671A CN 111536671 A CN111536671 A CN 111536671A CN 202010502669 A CN202010502669 A CN 202010502669A CN 111536671 A CN111536671 A CN 111536671A
Authority
CN
China
Prior art keywords
energy consumption
air conditioning
conditioning system
optimization
component
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.)
Pending
Application number
CN202010502669.6A
Other languages
English (en)
Inventor
王超
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202010502669.6A priority Critical patent/CN111536671A/zh
Publication of CN111536671A publication Critical patent/CN111536671A/zh
Pending legal-status Critical Current

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
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • 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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本公开提供了一种用于空调系统的运行控制方法，包括：获得空调系统中的多个组成设备各自的能耗模型，多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备；基于多个组成设备各自的能耗模型，确定空调系统的总能耗模型；获得空调系统的当前负荷，并执行参数优化操作，参数优化操作包括：基于总能耗模型和空调系统的当前负荷，利用预定优化算法确定每个组成设备的运行参数的优化目标值，以使总能耗满足优化条件；以及基于每个组成设备的运行参数的优化目标值，控制每个组成设备的运行参数。本公开还提供了一种用于空调系统的运行控制系统、一种电子设备和一种计算机可读存储介质。

Description

空调系统运行控制方法和装置、电子设备和存储介质
技术领域
本公开涉及运行控制技术领域，更具体地，涉及一种用于空调系统的运行控制方法、一种用于空调系统的运行控制装置、一种电子设备和一种计算机可读存储介质。
背景技术
随着气候变暖，空调系统已经成了建筑的必备品，同时，空调系统的能耗也逐渐成为整个建筑运行能耗的重要组成部分，空调系统的节能已经成为重点关注的领域。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：
空调系统包括冷水机组、水泵、冷却塔等多个空调设备，多个空调设备之间是相互耦合的，运行复杂。同时，空调系统的控制变量多，有连续型控制变量，也有离散型控制变量，从而，空调系统的运行控制非常复杂，涉及到的参数多，参数类型多，且各参数之间是相互耦合的。
现有技术中，对于空调系统的优化运行，实现空调系统的节能，一般是通过运维人员长期的经验积累并进行手动调节和控制实现的，由于不同空调系统形式存在很大差异，不具有通用性，只针对特定的空调系统进行控制，并且需要运维人员经过长期的运行过程，不断调节和修正，总结出特定空调系统的节能运行模式，并且，运维人员的调节只是一个较为粗略的节能调节模式，并不能精准地优化空调系统的能效。
发明内容
有鉴于此，本公开提供了一种用于空调系统的运行控制方法、一种用于空调系统的运行控制装置、一种电子设备和一种计算机可读存储介质。
本公开的一个方面提供了一种用于空调系统的运行控制方法，包括：获得所述空调系统中的多个组成设备各自的能耗模型，所述能耗模型用于表征所述组成设备的能耗与组成设备的运行参数之间的关系，所述多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备；基于所述多个组成设备各自的能耗模型，确定所述空调系统的总能耗模型，所述总能耗模型用于表征所述空调系统的总能耗与所述多个组成设备中的每个组成设备的运行参数之间的关系；获得所述空调系统的当前负荷，并执行参数优化操作，所述参数优化操作包括：基于所述总能耗模型和所述空调系统的当前负荷，利用预定优化算法确定所述每个组成设备的运行参数的优化目标值，以使所述总能耗满足优化条件；以及基于所述每个组成设备的运行参数的优化目标值，控制所述每个组成设备的运行参数。
根据本公开的实施例，所述运行控制方法还包括：形成历史数据集合，所述历史数据集合包括预定时间段内执行的多次参数优化操作的历史数据，所述历史数据包括空调系统的历史负荷和与所述空调系统的历史负荷对应的优化目标值。
根据本公开的实施例，所述运行控制方法还包括：确定所述历史数据集合中是否存在与所述空调系统的当前负荷相匹配的历史数据；若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；若否，执行所述参数优化操作；
根据本公开的实施例，所述历史数据还包括与所述空调系统的历史负荷对应的历史影响因素信息，所述影响因素信息包括室内外气象信息、人员信息和发热设备信息中的至少一种；所述运行控制方法还包括：获得当前影响因素信息，确定所述历史数据集合中是否存在与所述当前影响因素信息相匹配的历史数据；若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；若否，获得所述空调系统的当前负荷，执行所述参数优化操作。
根据本公开的实施例，所述获得多个组成设备各自的能耗模型包括针对每个组成设备执行以下操作：建立所述组成设备的能耗表达式；获得所述组成设备的实际运行参数和实际能耗值；以及基于所述组成设备的能耗表达式和所述组成设备的实际运行参数和实际能耗值，获得所述组成设备的能耗模型。
根据本公开的实施例，所述所述总能耗满足优化条件包括：所述总能耗满足最小化条件；或者所述总能耗小于预定的能耗阈值。
根据本公开的实施例，所述确定所述每个组成设备的运行参数的优化目标值包括：利用最优化算法对所述多个组成设备的运行参数进行寻优处理，将所述总能耗满足最小化条件时对应的运行参数的值作为所述运行参数的优化目标值。
根据本公开的实施例，所述冷水机组的运行参数包括冷却水进水温度、冷冻水供水温度和冷水机组的负荷；所述冷冻水泵的运行参数包括冷冻水泵转速比和冷冻水泵流量流量；所述冷却水泵的运行参数包括冷却水泵流量比；所述冷却塔的运行参数包括冷却塔排热量、空气的流量、冷却水的流量、冷却塔进水温度和冷却塔风机风量比；所述末端设备的运行参数包括末端设备风机风量比。
根据本公开的实施例，所述运行控制方法还包括：监测所述空调系统的负荷，每隔预定时长或者所述空调系统的负荷满足预定条件的情况下，执行一次所述参数优化操作。
本公开的另一方面提供了一种用于空调系统的运行控制装置，包括：第一模型模块，用于获得所述空调系统中的多个组成设备各自的能耗模型，所述能耗模型用于表征所述组成设备的能耗与组成设备的运行参数之间的关系，所述多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备；第二模型模块，用于基于所述多个组成设备各自的能耗模型，确定所述空调系统的总能耗模型，所述总能耗模型用于表征所述空调系统的总能耗与所述多个组成设备中的每个组成设备的运行参数之间的关系；优化模块，用于获得所述空调系统的当前负荷，并执行参数优化操作，所述参数优化操作包括：基于所述总能耗模型和所述空调系统的当前负荷，利用预定优化算法确定所述每个组成设备的运行参数的优化目标值，以使所述总能耗满足优化条件；以及控制模块，用于基于所述每个组成设备的运行参数的优化目标值，控制所述每个组成设备的运行参数。
根据本公开的实施例，所述运行控制装置还包括：历史数据模块，用于形成历史数据集合，所述历史数据集合包括预定时间段内执行的多次参数优化操作的历史数据，所述历史数据包括空调系统的历史负荷和与所述空调系统的历史负荷对应的优化目标值。
根据本公开的实施例，所述运行控制装置还包括：第一匹配模块，用于确定所述历史数据集合中是否存在与所述空调系统的当前负荷相匹配的历史数据；若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；若否，控制所述优化模块执行所述参数优化操作；
根据本公开的实施例，所述历史数据还包括与所述空调系统的历史负荷对应的历史影响因素信息，所述影响因素信息包括室内外气象信息、人员信息和发热设备信息中的至少一种；所述运行控制方法还包括第二匹配模块，所述第二匹配模块用于：获得当前影响因素信息，确定所述历史数据集合中是否存在与所述当前影响因素信息相匹配的历史数据；若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；若否，获得所述空调系统的当前负荷，并控制所述优化模块执行所述参数优化操作。
根据本公开的实施例，所述获得多个组成设备各自的能耗模型包括针对每个组成设备执行以下操作：建立所述组成设备的能耗表达式；获得所述组成设备的实际运行参数和实际能耗值；以及基于所述组成设备的能耗表达式和所述组成设备的实际运行参数和实际能耗值，获得所述组成设备的能耗模型。
根据本公开的实施例，所述总能耗满足优化条件包括：所述总能耗满足最小化条件；或者所述总能耗小于预定的能耗阈值。
根据本公开的实施例，所述确定所述每个组成设备的运行参数的优化目标值包括：利用最优化算法对所述多个组成设备的运行参数进行寻优处理，将所述总能耗满足最小化条件时对应的运行参数的值作为所述运行参数的优化目标值。
根据本公开的实施例，所述冷水机组的运行参数包括冷却水进水温度、冷冻水供水温度和冷水机组的负荷；所述冷冻水泵的运行参数包括冷冻水泵转速比和冷冻水泵流量流量；所述冷却水泵的运行参数包括冷却水泵流量比；所述冷却塔的运行参数包括冷却塔排热量、空气的流量、冷却水的流量、冷却塔进水温度和冷却塔风机风量比；所述末端设备的运行参数包括末端设备风机风量比。
根据本公开的实施例，运行控制装置还可以包括监测模块，用于监测所述空调系统的负荷，每隔预定时长或者所述空调系统的负荷满足预定条件的情况下，执行一次所述参数优化操作。
本公开的另一方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例，因为采用了获得空调系统的每个组成设备的能耗模型，进而确定空调系统的总能耗模型，并优化每个组成设备的运行参数使总能耗满足优化条件的技术手段，所以至少部分地克服了现有技术中空调系统的能耗较高、不利于实现空调系统节能，以及运维人员根据经验调节造成不具有通用性以及调节不精准的技术问题，进而达到了优化组成设备的性能，降低整体能耗，同时有助于减少运维人员的工作量，实现空调系统的节能、安全、智能运行的技术效果，并且，本公开实施例的运行控制方法具有通用性，可以适用于大部分空调系统，同时可以实现精准调节。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的可以应用运行控制方法的示例性系统架构；
图2示意性示出了根据本公开实施例的用于空调系统的运行控制方法的流程图；
图3示意性示出了根据本公开另一实施例的用于空调系统的运行控制方法的流程图；
图4示意性示出了根据本公开另一实施例的用于空调系统的运行控制方法的流程图；
图5示意性示出了根据本公开实施例的获得组成设备能耗模型的流程图；
图6示意性示出了根据本公开实施例的遗传算法的流程图；
图7示意性示出了根据本公开的实施例的运行控制装置的框图；以及
图8示意性示出了根据本公开实施例的适于实现运行控制方法的电子设备的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种用于空调系统的运行控制方法，包括：获得空调系统中的多个组成设备各自的能耗模型，能耗模型用于表征组成设备的能耗与组成设备的运行参数之间的关系，多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备。基于多个组成设备各自的能耗模型，确定空调系统的总能耗模型，总能耗模型用于表征空调系统的总能耗与多个组成设备中的每个组成设备的运行参数之间的关系。获得空调系统的当前负荷，并执行参数优化操作，参数优化操作包括：基于总能耗模型和空调系统的当前负荷，利用预定优化算法确定每个组成设备的运行参数的优化目标值，以使总能耗满足优化条件。基于每个组成设备的运行参数的优化目标值，控制每个组成设备的运行参数。
图1示意性示出了根据本公开实施例的可以应用运行控制方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，本公开实施例的运行控制方法可以用于空调系统的节能运行控制，空调系统例如可以包括冷水机组101、冷冻水泵102、冷却水泵103、冷却塔104、末端空调105等组成设备。每个组成设备可以均与监控平台连接，监控平台例如可以是控制服务器，每个组成设备的运行数据可以传输到监控平台，监控平台可以实时监控各个组成设备的运行状况，并根据本公开实施例的运行控制方法调节每个组成设备的运行参数，对组成设备进行节能控制，进而实现空调系统的节能化运行。
需要说明的是，本公开实施例所提供的用于空调系统的运行控制方法一般可以由监控平台执行。相应地，本公开实施例所提供的用于空调系统的运行控制系统一般可以设置于监控平台中。本公开实施例所提供的用于空调系统的运行控制方法也可以由不同于监控平台且能够与多个组成设备和/或监控平台通信的控制设备或控制设备集群执行。相应地，本公开实施例所提供的用于空调系统的运行控制系统也可以设置于不同于监控平台且能够与多个组成设备和/或监控平台通信的控制设备或控制设备集群中。
应该理解，图1中的冷水机组、冷冻水泵、冷却水泵、冷却塔、末端空调和监控平台的数目仅仅是示意性的。根据实现需要，可以具有任意数目的冷水机组、冷冻水泵、冷却水泵、冷却塔、末端空调和监控平台。
图2示意性示出了根据本公开实施例的用于空调系统的运行控制方法的流程图。
如图2所示，该运行控制方法可以包括操作S210～S240。
在操作S210，获得空调系统中的多个组成设备各自的能耗模型，能耗模型用于表征组成设备的能耗与组成设备的运行参数之间的关系，多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备。
根据本公开的实施例，冷水机组的数量可以是多个，每个冷水机组的运行参数例如可以包括：冷却水进水温度、冷冻水供水温度和冷水机组的负荷。冷水机组的能耗模型例如可以是关于冷水机组的能耗或功率与冷水机组的运行参数之间的公式。冷水机组的能耗模型例如可以如下式(1)所示：
Figure BDA0002523857870000091
式中，Pchiller为冷水机组的能耗；TCWS为冷却水进水温度；TCHWS为冷冻水供水温度；Qchiller为冷水机组的负荷；b0，b1，b2，b3和b4为模型系数。
根据本公开的实施例，冷冻水泵的能耗模型例如可以是关于冷冻水泵的能耗或功率与冷冻水泵的运行参数之间的公式。冷冻水泵的数量可以是多个，每个冷冻水泵的运行参数例如可以包括：冷冻水泵转速比和冷冻水泵流量。冷冻水泵的能耗模型例如可以如下式(2)所示：
Figure BDA0002523857870000092
式中，PCHWpump为冷冻水泵的能耗；rCHW为冷冻水泵转速比，实际转速与额定转速之比；mCHW为冷冻水泵流量，g0，g1，g2和g3为模型系数。
根据本公开的实施例，冷却水泵的能耗模型例如可以是关于冷却水泵的能耗或功率与冷却水泵的运行参数之间的公式。冷却水泵的数量可以是多个，每个冷却水泵的运行参数例如可以包括：冷却水泵流量比。冷却水泵的能耗模型例如可以如下式(3)所示：
Figure BDA0002523857870000093
式中，PCWpump为冷却水泵的能耗；PLRCWpump为冷却水泵流量比，实际流量与额定流量之比；PCWpump，nom为冷却水泵额定功率，d0，d1，d2和d3为模型系数。
根据本公开的实施例，冷却塔的能耗模型例如可以是关于冷却塔风机的能耗或功率与冷却塔的运行参数之间的公式。冷却塔的数量可以是多个，每个冷却塔的运行参数例如可以包括：冷却塔排热量、空气的流量、冷却水的流量、冷却塔进水温度和冷却塔风机风量比。冷却塔的能耗模型例如可以如下式(4)所示：
Figure BDA0002523857870000101
式中，Ptfan为冷却塔风机的能耗；PLRtfan为冷却塔风机风量比，实际风量与额定风量之比；Ptfan，nom为冷却塔风机额定功率，e0，e1，e2和e3为模型系数。
此外，冷却塔风机的能耗PLRtfan还与冷却塔的排热量、冷却塔的空气流量、冷却水的流量、冷却塔进水温度和空气湿球温度有关，具体地，冷却塔风机的能耗PLRtfan与冷却塔的空气流量ma呈正比例关系，冷却塔的空气流量ma与冷却塔的排热量Qrej可以具有例如下式(5)所示的关系式：
Figure BDA0002523857870000102
式中，Qrej为冷却塔排热量；ma为冷却塔的空气流量；mCW为冷却水的流量；TCWR为冷却塔进水温度；Twb为空气湿球温度；l1，l2和l3为模型系数。
根据本公开的实施例，末端设备的能耗模型例如可以是关于末端设备风机的能耗或功率与末端设备的运行参数之间的公式。末端设备的数量可以是多个，每个末端设备的运行参数例如可以包括：末端设备风机风量比。冷却塔的能耗模型例如可以如下式(6)所示：
Figure BDA0002523857870000103
式中，Pfan为末端设备风机的能耗；PLRfan为末端设备风机风量比，实际风量与额定风量之比；Pfan，nom为末端设备风机的额定功率，a0，a1，a2和a3为模型系数。
根据本公开的实施例，冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备中的任意两个组成设备之间可以是一对一或者一对多的关系。
在操作S220，基于多个组成设备各自的能耗模型，确定空调系统的总能耗模型，总能耗模型用于表征空调系统的总能耗与多个组成设备中的每个组成设备的运行参数之间的关系。
例如，总能耗模型可以通过每个组成设备的能耗模型相加得到，如下式(7)所示：
Figure BDA0002523857870000111
式中，Ptotal为空调系统总能耗；Pchiller，i为第i个冷水机组的能耗；N1为冷水机组的个数；PCHWpump，i为第i个冷冻水泵的能耗；N2为冷冻水泵的个数；PCWpump，i为第i个冷却水泵的能耗；N3为冷却水泵的个数；Ptfan，i为第i个冷却塔风机的能耗；N4为冷却塔风机的个数；Pfan，i为第i个末端设备风机的能耗；N5为末端设备风机的个数。
在操作S230，获得空调系统的当前负荷，执行参数优化操作，参数优化操作包括：基于总能耗模型和空调系统的当前负荷，利用预定优化算法确定每个组成设备的运行参数的优化目标值，以使总能耗满足优化条件。
例如，空调系统的负荷例如可以是包括多台冷水机组的总负荷，冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备的各个运行参数均与空调系统的负荷直接或间接相关。
在空调系统的负荷一定的情况下，可以利用优化算法，优化各个组成设备的运行参数，使总能耗满足优化条件。其中，使总能耗满足优化条件例如可以是使总能耗的值降低至预定范围内或者使总能耗的值最小。其中，优化算法例如可以是模拟退火优化算法或者遗传算法等。
在操作S240，基于每个组成设备的运行参数的优化目标值，控制每个组成设备的运行参数。
例如，在获得每个组成设备的运行参数的优化目标值之后，可以将每个组成设备的运行参数调节至相应的优化目标值，使各个组成设备以较高的效率运行，降低整个空调系统的总能耗。
根据本公开的实施例，因为采用了获得空调系统的每个组成设备的能耗模型，进而确定空调系统的总能耗模型，并优化每个组成设备的运行参数使总能耗满足优化条件的技术手段，所以至少部分地克服了现有技术中空调系统的能耗较高、不利于实现空调系统节能，以及运维人员根据经验调节造成不具有通用性以及调节不精准的技术问题，进而达到了优化组成设备的性能，降低整体能耗，同时有助于减少运维人员的工作量，实现空调系统的节能、安全、智能运行的技术效果，并且，本公开实施例的运行控制方法具有通用性，可以适用于大部分空调系统，同时可以实现精准调节。
根据本公开的实施例，运行控制方法还包括：监测空调系统的负荷，每隔预定时长或者空调系统的负荷满足预定条件的情况下，执行一次参数优化操作。
例如，每隔10小时或者每隔24小时，可以执行一次参数优化操作。
再例如，当空调系统的负荷出现较大的变化时，例如，负荷的变化幅度大于预定的幅度阈值(例如可以是30％)时，可以执行一次参数优化操作。
根据本公开的实施例，运行控制方法还可以包括：形成历史数据集合，历史数据集合包括预定时间段内执行的多次参数优化操作的历史数据，历史数据包括空调系统的历史负荷和与空调系统的历史负荷对应的优化目标值。
例如，可以将预定时间段内执行的多次参数优化操作得到的数据保存起来，形成历史数据集合。其中，预定时间段例如可以是指包括从第一次参数优化操作到最近一次参数优化操作在内的时间段，即，历史数据集合可以存储有历史上每一次参数优化操作的数据。再例如，预定时间段可以是指某一年份或者某几个年份，例如，历史数据集合可以存储有2019年内执行的参数优化操作的数据或者可以存储有2017年至2019年内执行的参数优化操作的数据。
图3示意性示出了根据本公开另一实施例的用于空调系统的运行控制方法的流程图。
如图3所示，根据本公开的实施例，运行控制方法还可以包括操作S350和操作S360。
上述实施例中的操作S230可以分为操作S231(获得空调系统的当前负荷)和S232(执行参数优化操作，确定每个组成设备的运行参数的优化目标值)。在操作S231之后可以执行操作S350。
在操作S350，确定历史数据集合中是否存在与空调系统的当前负荷相匹配的历史数据。若历史数据集合中存在与空调系统的当前负荷相匹配的历史数据，执行操作S360。若历史数据集合中不存在与空调系统的当前负荷相匹配的历史数据，执行操作S232。
在操作S360，基于历史数据确定每个组成设备的运行参数的优化目标值。
例如，在获得空调系统的当前负荷之后，可以先查找历史数据集合中是否存在与当前负荷相匹配的历史负荷，其中，当前负荷与历史负荷相匹配可以是指两者相同或者相近。若历史数据集合中存在与当前负荷相匹配的历史负荷，则可以将该历史负荷对应的历史目标优化值作为当前的目标优化值。若历史数据集合中不存在与当前负荷相匹配的历史负荷，则可以执行参数优化操作，基于总能耗模型和空调系统的当前负荷，利用预定优化算法确定每个组成设备的运行参数的优化目标值，以使总能耗满足优化条件。
在基于历史数据或者基于参数优化操作确定每个组成设备的运行参数之后，可以基于每个组成设备的运行参数的优化目标值，控制每个组成设备的运行参数。
根据本公开的实施例，可以将预定时间段内的历史优化数据存储形成历史数据集合，在之后进行参数优化时，可以先从历史数据集合中查找是否有与当前负荷匹配的历史负荷，若有，则可以将历史负荷对应的优化数据作为当前的优化数据并进行参数调节。基于上述方案，可以快速得到当前的优化目标值，无需进行复杂的优化计算，可以实现运行参数的快速调节。
根据本公开的实施例，历史数据还包括与空调系统的历史负荷对应的历史影响因素信息，影响因素信息包括室内外气象信息、人员信息和发热设备信息中的至少一种。
例如，在进行每次参数优化时，还可以获取当时的室内外气象信息、人员信息和发热设备信息中的至少一种信息。其中，室内外气象信息例如可以是指室内外温湿度，人员信息例如可以是指空调系统对应的建筑物内的人数，发热设备信息例如可以是指空调系统对应的建筑物内的处于运行状态的计算机、打印机等发热设备的数目。
根据本公开的实施例，室内外气象信息、人员信息和发热设备信息等是空调系统的实际负荷的影响因素。室内外气象信息、人员信息和发热设备信息等信息发生变化时，空调系统的实际负荷也会随之发生变化。
图4示意性示出了根据本公开另一实施例的用于空调系统的运行控制方法的流程图。
如图4所示，根据本公开的实施例，运行控制方法还可以包括操作S470～操作S490。
在操作S470，获得当前影响因素信息。例如，可以获得当前的室内外气象信息、人员信息和发热设备信息中的至少一种。
在操作S480，确定历史数据集合中是否存在与当前影响因素信息相匹配的历史数据；若是，执行操作S490；若否，执行操作S230。
在操作S490，基于历史数据确定每个组成设备的运行参数的优化目标值。
例如，在计算空调系统的当前负荷之前，可以先获取当前的影响因素信息，并查找历史数据集合中是否存在与当前影响因素信息相匹配的历史影响因素信息，其中，当前影响因素信息与历史影响因素信息相匹配可以是指两者相同或者相近。若历史数据集合中存在与当前负荷相匹配的历史影响因素信息，则可以将该历史影响因素信息对应的历史目标优化值作为当前的目标优化值。若历史数据集合中不存在与当前影响因素信息相匹配的历史负荷，则可以执行操作230：计算当前负荷并执行参数优化操作，基于总能耗模型和空调系统的当前负荷，利用预定优化算法确定每个组成设备的运行参数的优化目标值，以使总能耗满足优化条件。
在基于历史数据或者基于参数优化操作确定每个组成设备的运行参数之后，可以基于每个组成设备的运行参数的优化目标值，控制每个组成设备的运行参数。
根据本公开的实施例，历史数据集合中还可以存储有室内外气象信息、人员信息和发热设备信息等影响因素信息，在之后进行参数优化时，可以先获取当前的影响因素信息，并从历史数据集合中查找是否存在匹配的优化数据，若存在，则可以将历史影响因素信息对应的优化数据作为当前的优化数据并进行参数调节。基于上述方案，无需计算当前负荷，可以直接根据室内外气象信息等因素更加快速地得到当前的优化目标值，进一步提高优化效率。
图5示意性示出了根据本公开实施例的获得组成设备能耗模型的流程图。
如图5所示，根据本公开的实施例，获得多个组成设备各自的能耗模型可以包括针对每个组成设备执行操作S211～操作S213：
在操作S211，建立组成设备的能耗表达式。
I.对于冷水机组，其能耗表达式可以为如下形式：
Pchiller＝f(b0，b1，b2，b3，b4，TCWS，TCHWS，Qchiller)
具体地，冷水机组的能耗表达式例如可以如上述内容中的式(1)所示。
II.对于冷冻水泵，其能耗表达式可以为如下形式：
PCHWpump＝f(g0，g1，g2，rCHW，mCHW)
具体地，冷冻水泵的能耗表达式例如可以如上述内容中的式(2)所示。
III.对于冷却水泵，其能耗表达式可以为如下形式：
PCWpump＝f(d0，d1，d2，d3，PCWpump，nom，PLRCWpump)
具体地，冷却水泵的能耗表达式例如可以如上述内容中的式(3)所示。
IV.对于冷却塔，其能耗表达式可以为如下形式：
Ptfan＝f(e0，e1，e2，e3，Ptfan，nom，PLRtfan)
Qrej＝f(l1，l2，l3，TCWR，Twb，ma，mCW)
具体地，冷却塔的能耗表达式例如可以如上述内容中的式(4)和(5)所示。
V.对于末端设备，其能耗表达式可以为如下形式：
Pfan，i＝f(a0，a1，a2，a3，Pfan，nom，PLRfan)
具体地，末端设备的能耗表达式例如可以如上述内容中的式(6)所示。
其中，在上述各个组成设备的能耗表达式中，各个模型从参数均是未知的。
在操作S212，获得组成设备的实际运行参数和实际能耗值。
例如，可以利用监控平台从每个组成设备的控制器和传感器获取每个组成设备的实际运行数据和实际的能耗值。
在操作S213，基于组成设备的能耗表达式和组成设备的实际运行参数和实际能耗值，获得组成设备的能耗模型。
由于每个组成设备的能耗模型中的模型系数还是未知的，因此，需要基于监控平台获取的各个组成设备的实际运行数据和能耗值，对每个组成设备的能耗模型进行模型辨识，例如将实际的运行参数和能耗值代入表达式中，计算得到每个组成设备的能耗模型中的模型系数的值。
具体地，可以采用最小二乘法、递推最小二乘法、或者带遗忘因子的最小二乘递推法等方法，分别对各个能耗模型进行辨识，计算得到各个模型中的具体的系数值。
得到各个模型的模型系数后，将模型系数代入相应的能耗表达式中，将模型系数已知的能耗表达式作为最终的能耗模型。
根据本公开的实施例，基于各个组成设备的实际运行数据获得各个组成设备的能耗模型，可以使各个组成设备的能耗模型更为精准。
根据本公开的实施例，总能耗满足优化条件包括：总能耗满足最小化条件。
例如，可以根据最优化算法，计算各个组成设备的运行参数的最优值，以使总能耗最小。
根据本公开的实施例，确定每个组成设备的运行参数的优化目标值包括：利用最优化算法对多个组成设备的运行参数进行寻优处理，将总能耗满足最小化条件时对应的运行参数的值作为运行参数的优化目标值。
例如，最优化算法例如可以是遗传算法或者模拟退火最优化算法。最优化算法是一种求极值的方法，在一组约束为等式或不等式的条件下，使系统的目标函数达到极值，在本公开实施例中，是使总能耗的值达到最小值。利用最优化算法可以寻找到总能耗的最小值，总能耗最小时对应的各个组成设备的运行参数的值即可作为优化目标值。由于总能耗最小时对应的运行参数是最优的，这种情况下，优化目标值也可称为最佳目标值。
图6示意性示出了根据本公开实施例的遗传算法的流程图。
如图6所示，遗传算法可以包括以下步骤①～⑧：
①设置遗传算法计算参数，如个体数目、交叉概率、变异概率等。
②随机产生初始种群。
③判断算法收敛准则是否满足。若满足则输出搜索结果；否则执行下一步骤。
④计算个体适应度值，并根据适应度值大小进行排序分配。
⑤根据适应度大小以一定的方式执行选择操作从种群中选取个体。
⑥根据交叉概率对选中个体执行交叉操作来产生临时个体。
⑦根据变异概率对临时个体执行变异操作产生新个体。
⑧将新个体以一定的方式插入到种群中形成新一代种群。
根据本公开的实施例，可以利用最优化算法对各个组成设备的运行参数进行寻优，可以找到总能耗的最低点，最大程度的降低能耗。
根据本公开的实施例，总能耗满足优化条件还可以包括：总能耗小于预定的能耗阈值。
例如，在利用优化算法进行寻优的过程中，当总能耗降至预定的能耗阈值以下时即可停止寻优程序，并将总能耗为能耗阈值时对应的各个组成设备的运行参数的值即可作为优化目标值。
根据本公开的实施例，将总能耗满足优化条件设置为总能耗小于预定的能耗阈值，可以提高运算效率，加快控制过程。
根据本公开的实施例，在同一种组成设备的数量为多个的情况下，例如，冷水机组的数量为多个的情况下，还可以优化各个冷水机组分配的负荷，使总负荷在各台冷水机组的分配更为合理。在总负荷较小的情况下，可以仅运行部分冷水机组，而关闭其他的冷水机组，实现节能的效果。
本公开实施例的另一方面还提供了一种用于空调系统的运行控制装置。
图7示意性示出了根据本公开的实施例的运行控制装置的框图。
如图7所示，运行控制装置700可以包括第一模型模块710、第二模型模块720、优化模块730和控制模块740。
第一模型模块710用于获得空调系统中的多个组成设备各自的能耗模型，能耗模型用于表征组成设备的能耗与组成设备的运行参数之间的关系，多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备；
第二模型模块720用于基于多个组成设备各自的能耗模型，确定空调系统的总能耗模型，总能耗模型用于表征空调系统的总能耗与多个组成设备中的每个组成设备的运行参数之间的关系；
优化模块730用于获得空调系统的当前负荷，并执行参数优化操作，参数优化操作包括：基于总能耗模型和空调系统的当前负荷，利用预定优化算法确定每个组成设备的运行参数的优化目标值，以使总能耗满足优化条件；以及
控制模块740用于基于每个组成设备的运行参数的优化目标值，控制每个组成设备的运行参数。
根据本公开的实施例，运行控制装置还可以包括历史数据模块，历史数据模块用于形成历史数据集合，历史数据集合包括预定时间段内执行的多次参数优化操作的历史数据，历史数据包括空调系统的历史负荷和与空调系统的历史负荷对应的优化目标值。
根据本公开的实施例，运行控制装置还可以包括第一匹配模块，第一匹配模块用于确定历史数据集合中是否存在与空调系统的当前负荷相匹配的历史数据；若是，基于历史数据确定每个组成设备的运行参数的优化目标值；若否，控制优化模块执行参数优化操作。
根据本公开的实施例，历史数据还包括与空调系统的历史负荷对应的历史影响因素信息，影响因素信息包括室内外气象信息、人员信息和发热设备信息中的至少一种。
根据本公开的实施例，运行控制方法还包括第二匹配模块，第二匹配模块用于：获得当前影响因素信息，确定历史数据集合中是否存在与当前影响因素信息相匹配的历史数据；若是，基于历史数据确定每个组成设备的运行参数的优化目标值；若否，获得空调系统的当前负荷，并控制优化模块执行参数优化操作。
根据本公开的实施例，获得多个组成设备各自的能耗模型包括针对每个组成设备执行以下操作：建立组成设备的能耗表达式；获得组成设备的实际运行参数和实际能耗值；以及基于组成设备的能耗表达式和组成设备的实际运行参数和实际能耗值，获得组成设备的能耗模型。
根据本公开的实施例，总能耗满足优化条件包括：总能耗满足最小化条件；或者总能耗小于预定的能耗阈值。
根据本公开的实施例，确定每个组成设备的运行参数的优化目标值包括：利用最优化算法对多个组成设备的运行参数进行寻优处理，将总能耗满足最小化条件时对应的运行参数的值作为运行参数的优化目标值。
根据本公开的实施例，冷水机组的运行参数包括冷却水进水温度、冷冻水供水温度和冷水机组的负荷；冷冻水泵的运行参数包括冷冻水泵转速比和冷冻水泵流量流量；冷却水泵的运行参数包括冷却水泵流量比；冷却塔的运行参数包括冷却塔排热量、空气的流量、冷却水的流量、冷却塔进水温度和冷却塔风机风量比；末端设备的运行参数包括末端设备风机风量比。
根据本公开的实施例，运行控制装置还可以包括监测模块，用于监测空调系统的负荷，每隔预定时长或者空调系统的负荷满足预定条件的情况下，执行一次参数优化操作。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，第一模型模块710、第二模型模块720、优化模块730、控制模块740、历史数据模块、第一匹配模块、第二匹配模块以及监测模块中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，第一模型模块710、第二模型模块720、优化模块730、控制模块740、历史数据模块、第一匹配模块、第二匹配模块以及监测模块中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一模型模块710、第二模型模块720、优化模块730、控制模块740、历史数据模块、第一匹配模块、第二匹配模块以及监测模块中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本公开的实施例中运行控制装置部分与本公开的实施例中运行控制方法部分是相对应的，运行控制装置部分的描述具体参考运行控制方法部分，在此不再赘述。
图8示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中，存储有系统800操作所需的各种程序和数据。处理器801、ROM 802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (15)

1.一种用于空调系统的运行控制方法，包括：
获得所述空调系统中的多个组成设备各自的能耗模型，所述能耗模型用于表征所述组成设备的能耗与组成设备的运行参数之间的关系，所述多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备；
基于所述多个组成设备各自的能耗模型，确定所述空调系统的总能耗模型，所述总能耗模型用于表征所述空调系统的总能耗与所述多个组成设备中的每个组成设备的运行参数之间的关系；
获得所述空调系统的当前负荷，执行参数优化操作，所述参数优化操作包括：基于所述总能耗模型和所述空调系统的当前负荷，利用预定优化算法确定所述每个组成设备的运行参数的优化目标值，以使所述总能耗满足优化条件；以及
基于所述每个组成设备的运行参数的优化目标值，控制所述每个组成设备的运行参数。
2.根据权利要求1所述的方法，还包括：
形成历史数据集合，所述历史数据集合包括预定时间段内执行的多次参数优化操作的历史数据，所述历史数据包括空调系统的历史负荷和与所述空调系统的历史负荷对应的优化目标值。
3.根据权利要求2所述的方法，还包括：
确定所述历史数据集合中是否存在与所述空调系统的当前负荷相匹配的历史数据；
若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；
若否，执行所述参数优化操作。
4.根据权利要求2所述的方法，其中：
所述历史数据还包括与所述空调系统的历史负荷对应的历史影响因素信息，所述影响因素信息包括室内外气象信息、人员信息和发热设备信息中的至少一种；
所述运行控制方法还包括：
获得当前影响因素信息，确定所述历史数据集合中是否存在与所述当前影响因素信息相匹配的历史数据；
若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；
若否，获得所述空调系统的当前负荷，执行所述参数优化操作。
5.根据权利要求1所述的方法，其中，所述获得多个组成设备各自的能耗模型包括针对每个组成设备执行以下操作：
建立所述组成设备的能耗表达式；
获得所述组成设备的实际运行参数和实际能耗值；以及
基于所述组成设备的能耗表达式和所述组成设备的实际运行参数和实际能耗值，获得所述组成设备的能耗模型。
6.根据权利要求1所述的方法，其中，所述总能耗满足优化条件包括：
所述总能耗满足最小化条件；或者
所述总能耗小于预定的能耗阈值。
7.根据权利要求1所述的方法，其中，所述确定所述每个组成设备的运行参数的优化目标值包括：
利用最优化算法对所述多个组成设备的运行参数进行寻优处理，将所述总能耗满足最小化条件时对应的运行参数的值作为所述运行参数的优化目标值。
8.根据权利要求1所述的方法，其中：
所述冷水机组的运行参数包括冷却水进水温度、冷冻水供水温度和冷水机组的负荷；
所述冷冻水泵的运行参数包括冷冻水泵转速比和冷冻水泵流量流量；
所述冷却水泵的运行参数包括冷却水泵流量比；
所述冷却塔的运行参数包括冷却塔排热量、空气的流量、冷却水的流量、冷却塔进水温度和冷却塔风机风量比；
所述末端设备的运行参数包括末端设备风机风量比。
9.根据权利要求1所述的方法，还包括：
监测所述空调系统的负荷，每隔预定时长或者所述空调系统的负荷满足预定条件的情况下，执行一次所述参数优化操作。
10.一种用于空调系统的运行控制装置，包括：
第一模型模块，用于获得所述空调系统中的多个组成设备各自的能耗模型，所述能耗模型用于表征所述组成设备的能耗与组成设备的运行参数之间的关系，所述多个组成设备包括冷水机组、冷冻水泵、冷却水泵、冷却塔和末端设备；
第二模型模块，用于基于所述多个组成设备各自的能耗模型，确定所述空调系统的总能耗模型，所述总能耗模型用于表征所述空调系统的总能耗与所述多个组成设备中的每个组成设备的运行参数之间的关系；
优化模块，用于获得所述空调系统的当前负荷，并执行参数优化操作，所述参数优化操作包括：基于所述总能耗模型和所述空调系统的当前负荷，利用预定优化算法确定所述每个组成设备的运行参数的优化目标值，以使所述总能耗满足优化条件；以及
控制模块，用于基于所述每个组成设备的运行参数的优化目标值，控制所述每个组成设备的运行参数。
11.根据权利要求10所述的装置，还包括：
历史数据模块，用于形成历史数据集合，所述历史数据集合包括预定时间段内执行的多次参数优化操作的历史数据，所述历史数据包括空调系统的历史负荷和与所述空调系统的历史负荷对应的优化目标值。
12.根据权利要求11所述的装置，还包括：
第一匹配模块，用于确定所述历史数据集合中是否存在与所述空调系统的当前负荷相匹配的历史数据；若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；若否，控制所述优化模块执行所述参数优化操作。
13.根据权利要求11所述的装置，其中：
所述历史数据还包括与所述空调系统的历史负荷对应的历史影响因素信息，所述影响因素信息包括室内外气象信息、人员信息和发热设备信息中的至少一种；
所述运行控制方法还包括第二匹配模块，所述第二匹配模块用于：获得当前影响因素信息，确定所述历史数据集合中是否存在与所述当前影响因素信息相匹配的历史数据；若是，基于历史数据确定所述每个组成设备的运行参数的优化目标值；若否，获得所述空调系统的当前负荷，并控制所述优化模块执行所述参数优化操作。
14.一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至9中任一项所述的方法。
15.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至9中任一项所述的方法。
CN202010502669.6A 2020-06-04 2020-06-04 空调系统运行控制方法和装置、电子设备和存储介质 Pending CN111536671A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010502669.6A CN111536671A (zh) 2020-06-04 2020-06-04 空调系统运行控制方法和装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010502669.6A CN111536671A (zh) 2020-06-04 2020-06-04 空调系统运行控制方法和装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN111536671A true CN111536671A (zh) 2020-08-14

Family

ID=71976528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010502669.6A Pending CN111536671A (zh) 2020-06-04 2020-06-04 空调系统运行控制方法和装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111536671A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112105233A (zh) * 2020-09-21 2020-12-18 北京百度网讯科技有限公司 节能控制方法、装置、电子设备和计算机可读介质
CN112289551A (zh) * 2020-10-23 2021-01-29 新晃顺美威科技有限公司 一种干式变压器的冷却方法及系统
CN112669171A (zh) * 2020-12-22 2021-04-16 深圳市康必达控制技术有限公司 一种能源管理方法及装置
CN112944599A (zh) * 2021-02-08 2021-06-11 中国建筑科学研究院有限公司 空调系统的多参数耦合控制方法及装置
CN113448249A (zh) * 2021-06-28 2021-09-28 南京天溯自动化控制系统有限公司 一种能源系统节能诊断方法、装置、存储介质及电子设备
CN113739365A (zh) * 2021-08-31 2021-12-03 广州汇电云联互联网科技有限公司 中央空调冷站群控节能控制方法、装置、设备及存储介质
CN113865014A (zh) * 2021-09-14 2021-12-31 浙江中控技术股份有限公司 大型冷水空调系统的能耗协调优化方法、装置及设备
CN114165854A (zh) * 2021-11-10 2022-03-11 武汉理工大学 基于中央空调系统动态仿真平台的智能优化控制方法
CN114755919A (zh) * 2022-04-06 2022-07-15 北京纪新泰富机电技术股份有限公司 空调机房控制方法及装置、设备及存储介质
CN115327930A (zh) * 2022-10-17 2022-11-11 青岛艾德森物联科技有限公司 一种可视化节能管控方法及系统
CN115682357A (zh) * 2022-10-31 2023-02-03 广州施杰节能科技有限公司 一种以逼近度为中心的冷却水寻优方法及独立控制系统
WO2023030522A1 (zh) * 2021-09-06 2023-03-09 中国移动通信集团设计院有限公司 一种数据中心空调系统诊断方法及装置
CN116007250A (zh) * 2022-11-19 2023-04-25 深圳市天元维视实业有限公司 一种制冷系统的节能控制方法及系统
CN116576629A (zh) * 2023-05-29 2023-08-11 北京百度网讯科技有限公司 系统控制方法、系统控制装置、电子设备以及存储介质
CN117366810A (zh) * 2023-10-26 2024-01-09 中国建筑科学研究院有限公司 一种空调系统控制方法和装置
CN117557070A (zh) * 2024-01-11 2024-02-13 江西南昌济生制药有限责任公司 能耗优化方法、装置及电子设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006207929A (ja) * 2005-01-28 2006-08-10 Daikin Ind Ltd 空調システムの最適運転制御システムおよび最適運転制御方法
JP2007120889A (ja) * 2005-10-28 2007-05-17 Toshiba Corp 空調制御装置
CN101363653A (zh) * 2008-08-22 2009-02-11 日滔贸易（上海）有限公司 中央空调制冷系统的能耗控制方法及装置
CN104613602A (zh) * 2015-02-02 2015-05-13 河海大学 一种中央空调精细化控制方法
CN104633865A (zh) * 2015-02-09 2015-05-20 广东美的制冷设备有限公司 空调的控制方法及装置
CN105333580A (zh) * 2015-11-30 2016-02-17 广东美的制冷设备有限公司 空调器的控制方法、空调器的控制装置和空调器
CN108036474A (zh) * 2017-12-07 2018-05-15 北海市天硌打印耗材有限公司 一种空调温度调节方法及系统
CN108168034A (zh) * 2017-03-17 2018-06-15 青岛海尔空调器有限总公司 空调器控制方法
CN108489012A (zh) * 2018-01-30 2018-09-04 深圳市新环能科技有限公司 基于负荷预测与条件约束的空调冷源能效模型控制方法
CN110631212A (zh) * 2019-08-16 2019-12-31 西安建筑科技大学 一种中央空调冷却水系统的节能控制方法
CN110762739A (zh) * 2019-11-11 2020-02-07 广东南方通信建设有限公司 数据中心空调控制方法、装置、设备及存储介质
CN111076369A (zh) * 2020-01-17 2020-04-28 南京天加环境科技有限公司 用于中央空调系统主机的动态寻优控制方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006207929A (ja) * 2005-01-28 2006-08-10 Daikin Ind Ltd 空調システムの最適運転制御システムおよび最適運転制御方法
JP2007120889A (ja) * 2005-10-28 2007-05-17 Toshiba Corp 空調制御装置
CN101363653A (zh) * 2008-08-22 2009-02-11 日滔贸易（上海）有限公司 中央空调制冷系统的能耗控制方法及装置
CN104613602A (zh) * 2015-02-02 2015-05-13 河海大学 一种中央空调精细化控制方法
CN104633865A (zh) * 2015-02-09 2015-05-20 广东美的制冷设备有限公司 空调的控制方法及装置
CN105333580A (zh) * 2015-11-30 2016-02-17 广东美的制冷设备有限公司 空调器的控制方法、空调器的控制装置和空调器
CN108168034A (zh) * 2017-03-17 2018-06-15 青岛海尔空调器有限总公司 空调器控制方法
CN108036474A (zh) * 2017-12-07 2018-05-15 北海市天硌打印耗材有限公司 一种空调温度调节方法及系统
CN108489012A (zh) * 2018-01-30 2018-09-04 深圳市新环能科技有限公司 基于负荷预测与条件约束的空调冷源能效模型控制方法
CN110631212A (zh) * 2019-08-16 2019-12-31 西安建筑科技大学 一种中央空调冷却水系统的节能控制方法
CN110762739A (zh) * 2019-11-11 2020-02-07 广东南方通信建设有限公司 数据中心空调控制方法、装置、设备及存储介质
CN111076369A (zh) * 2020-01-17 2020-04-28 南京天加环境科技有限公司 用于中央空调系统主机的动态寻优控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金苏敏: "《制冷技术及其应用》", 31 January 2000, 机械工业出版社 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112105233A (zh) * 2020-09-21 2020-12-18 北京百度网讯科技有限公司 节能控制方法、装置、电子设备和计算机可读介质
CN112105233B (zh) * 2020-09-21 2023-05-12 北京百度网讯科技有限公司 节能控制方法、装置、电子设备和计算机可读介质
CN112289551A (zh) * 2020-10-23 2021-01-29 新晃顺美威科技有限公司 一种干式变压器的冷却方法及系统
CN112289551B (zh) * 2020-10-23 2022-05-24 新晃顺美威科技有限公司 一种干式变压器的冷却方法及系统
CN112669171A (zh) * 2020-12-22 2021-04-16 深圳市康必达控制技术有限公司 一种能源管理方法及装置
CN112944599A (zh) * 2021-02-08 2021-06-11 中国建筑科学研究院有限公司 空调系统的多参数耦合控制方法及装置
CN113448249A (zh) * 2021-06-28 2021-09-28 南京天溯自动化控制系统有限公司 一种能源系统节能诊断方法、装置、存储介质及电子设备
CN113739365A (zh) * 2021-08-31 2021-12-03 广州汇电云联互联网科技有限公司 中央空调冷站群控节能控制方法、装置、设备及存储介质
WO2023030522A1 (zh) * 2021-09-06 2023-03-09 中国移动通信集团设计院有限公司 一种数据中心空调系统诊断方法及装置
CN113865014A (zh) * 2021-09-14 2021-12-31 浙江中控技术股份有限公司 大型冷水空调系统的能耗协调优化方法、装置及设备
CN114165854A (zh) * 2021-11-10 2022-03-11 武汉理工大学 基于中央空调系统动态仿真平台的智能优化控制方法
CN114755919A (zh) * 2022-04-06 2022-07-15 北京纪新泰富机电技术股份有限公司 空调机房控制方法及装置、设备及存储介质
CN115327930A (zh) * 2022-10-17 2022-11-11 青岛艾德森物联科技有限公司 一种可视化节能管控方法及系统
CN115682357A (zh) * 2022-10-31 2023-02-03 广州施杰节能科技有限公司 一种以逼近度为中心的冷却水寻优方法及独立控制系统
CN116007250A (zh) * 2022-11-19 2023-04-25 深圳市天元维视实业有限公司 一种制冷系统的节能控制方法及系统
CN116007250B (zh) * 2022-11-19 2023-12-05 深圳市天元维视实业有限公司 一种制冷系统的节能控制方法及系统
CN116576629A (zh) * 2023-05-29 2023-08-11 北京百度网讯科技有限公司 系统控制方法、系统控制装置、电子设备以及存储介质
CN116576629B (zh) * 2023-05-29 2024-03-12 北京百度网讯科技有限公司 系统控制方法、系统控制装置、电子设备以及存储介质
CN117366810A (zh) * 2023-10-26 2024-01-09 中国建筑科学研究院有限公司 一种空调系统控制方法和装置
CN117366810B (zh) * 2023-10-26 2024-06-07 中国建筑科学研究院有限公司 一种空调系统控制方法和装置
CN117557070A (zh) * 2024-01-11 2024-02-13 江西南昌济生制药有限责任公司 能耗优化方法、装置及电子设备
CN117557070B (zh) * 2024-01-11 2024-04-12 江西南昌济生制药有限责任公司 能耗优化方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN111536671A (zh) 空调系统运行控制方法和装置、电子设备和存储介质
CN113835344B (zh) 设备的控制优化方法、展示平台、云服务器及存储介质
CN110285532B (zh) 基于人工智能的机房空调控制方法、装置及系统
ES2432153T3 (es) Sistemas y métodos para controlar la eficiencia del consumo de energía
He et al. Performance optimization of HVAC systems with computational intelligence algorithms
CN111237989A (zh) 一种基于负荷预测的楼宇通风空调控制方法及装置
US10993354B2 (en) Data center system, control method of data center system, and recording medium recording control program of data center system
WO2023030522A1 (zh) 一种数据中心空调系统诊断方法及装置
CN108320042B (zh) 循环水系统的优化方法与装置
US20120197828A1 (en) Energy Saving Control for Data Center
CN111664553A (zh) 冷水机组运行控制方法和系统、电子设备和存储介质
CN107940679B (zh) 一种基于数据中心冷水机组性能曲线的群控方法
CN113739365A (zh) 中央空调冷站群控节能控制方法、装置、设备及存储介质
US20140229146A1 (en) In-situ optimization of chilled water plants
CN112084707A (zh) 基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法及系统
CN112283890A (zh) 适应建筑暖通设备监控系统的冷热量控制方法及装置
JP2012184864A (ja) 空調システム、その制御装置、プログラム
CN112413762B (zh) 一种制冷机房冷却水系统参数优化方法和系统
CN112923534A (zh) 基于神经网络和改进粒子群算法的中央空调系统优化方法和系统
CN109960147B (zh) 冷源控制参数的确定方法及装置、设备及存储介质
CN115682324A (zh) 中央空调系统节能优化控制方法、装置、设备和存储介质
CN118189361A (zh) 空调调控方法、装置、电子设备及存储介质
US20150127164A1 (en) Performance management system, method and non-transitory computer readable storage medium thereof
CN113757922B (zh) 一种基于深度学习的空调系统节能控制方法、装置、设备及计算机介质
CN111787764B (zh) 多联机制冷机组的能耗优化方法及装置、电子设备、存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200814