CN111678246A - 空调设备、控制方法、诊断方法、控制装置和存储介质 - Google Patents
空调设备、控制方法、诊断方法、控制装置和存储介质 Download PDFInfo
- Publication number
- CN111678246A CN111678246A CN202010545841.6A CN202010545841A CN111678246A CN 111678246 A CN111678246 A CN 111678246A CN 202010545841 A CN202010545841 A CN 202010545841A CN 111678246 A CN111678246 A CN 111678246A
- Authority
- CN
- China
- Prior art keywords
- air conditioning
- conditioning equipment
- coefficient
- air
- conditioning apparatus
- 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.)
- Granted
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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/32—Responding to malfunctions or emergencies
- F24F11/38—Failure diagnosis
-
- 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
- F24F11/62—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
- F24F11/88—Electrical aspects, e.g. circuits
-
- 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
Abstract
本发明提供了一种空调设备、控制方法、诊断方法、控制装置和存储介质,其中,空调设备的运行控制方法包括:获取空调设备的运行参数,根据运行参数确定空调设备的负荷参数;获取负荷参数对应的目标出水温度,并控制空调设备以目标出水温度运行。应用了本发明提供的实施例,根据空调设备的实时运行参数确定实时的负荷参数,并通过云端大数据模型和负荷预测算法对空调设备的目标出水温度进行优化,使得能够在不对空调机房进行大幅度改造的情况下,以较低的成本实现基于负荷预测的出水温度优化,进而提高了空调设备的运行能耗。
Description
技术领域
本发明涉及中央空调技术领域,具体而言,涉及一种空调设备的运行控制方法、一种空调设备的运行诊断方法,一种空调设备的控制装置、一种空调设备和一种计算机可读存储介质。
背景技术
在相关技术中,对于多联机冷水机组,无法动态预测负荷,并有针对性地调整出水温度,造成空调设备的运行能效不高。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的第一方面提出一种空调设备的运行控制方法。
本发明的第二方面提出一种空调设备的运行诊断方法。
本发明的第三方面提出一种空调设备的控制装置。
本发明的第四方面提出一种空调设备。
本发明的第五方面提出一种计算机可读存储介质。
有鉴于此,本发明的第一方面提供了一种空调设备的运行控制方法,包括:获取空调设备的运行参数,根据运行参数确定空调设备的负荷参数;获取负荷参数对应的目标出水温度,并控制空调设备以目标出水温度运行。
在该技术方案中,在空调设备的运行过程中,实时获取空调设备的运行参数,以此确定当前空调设备的负荷参数,并获取对应的目标出水温度。具体地,可将负荷参数发送至具有大数据预测功能的服务器、上位机或联网控制柜,通过大数据模型分析空调设备的负荷规律,并利用负荷预测算法确定优化的目标出水温度,以控制空调设备以优化后的目标出水温度运行。
应用了本发明提供的实施例,根据空调设备的实时运行参数确定实时的负荷参数,并通过云端大数据模型和负荷预测算法对空调设备的目标出水温度进行优化,使得能够在不对空调机房进行大幅度改造的情况下,以较低的成本实现基于负荷预测的出水温度优化,进而提高了空调设备的运行能耗。
另外,本发明提供的上述技术方案中的空调设备的运行控制方法还可以具有如下附加技术特征:
在上述技术方案中,运行参数包括空调设备的运行功率、空调设备的制冷量和空调设备的散热量;确定运行参数对应的负荷参数的步骤,具体包括:根据运行功率、制冷量和散热量确定空调设备的制冷系数、空调设备的冷却水输送系数、空调设备的冷冻水输送系数和空调设备的冷却塔输送系数。
在该技术方案中,空调设备的运行参数包括空调设备的运行功率、制冷量和制热量。其中,运行功率可通过电量监测设备,如多回路智能电表进行获取。同时,可在空调设备的冷冻水总管路和冷却水总管路上设置热量表,检测单位时间内的冷冻水热量和冷却水热量,进而确定空调设备的制冷量和散热量。
空调设备可通过外设的诊断装置,或空调设备的控制装置对运行参数进行计算处理,最终得到空调设备的负荷参数,具体包括制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数。
在上述任一技术方案中,获取负荷参数对应的目标出水温度的步骤,具体包括:将制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数发送至服务器,以供服务器根据制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数确定目标出水温度;接收服务器反馈的目标出水温度。
在该技术方案中,将计算得到的负荷参数,具体为制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数发送至服务器,由服务器通过大数据模型和负荷预测算法对空调设备的负荷进行预测,并得到优化后的目标出水温度。然后,空调设备的控制装置接收服务器反馈的目标出水温度,并以此控制空调设备运行,能够有效的提高空调设备的运行能效。
在上述任一技术方案中,空调设备的运行控制方法还包括:计算制冷量和运行功率的和值,并计算和值与散热量的差值;基于差值大于或等于差值阈值的情况,展示预设提示信息。
在该技术方案中,可为空调设备的控制装置设置自检功能,以自检电量表和热量表的数据精度。具体地,计算制冷量和运行功率的和值,并计算该和值与散热量之间的差值。如果差值小于差值阈值,则说明数据准确,而如果差值大于或等于差值阈值,则说明传感器可能出现飘逸,数据不准确,此时展示预设提示信息,提示用户或维修人员排查传感器。
其中,差值阈值可设置为制冷量和运行功率的和值的5%,或散热量的5%。
本发明第二方面提供了一种空调设备的运行诊断方法,包括:接收空调设备的负荷参数;根据负荷参数确定对应的目标出水温度和对应的运行诊断信息;展示运行诊断信息;以及将目标出水温度发送至空调设备的控制装置,以供控制装置控制空调设备以目标出水温度运行。
在该技术方案中,通过服务器接收空调设备的控制装置上报的负荷参数。一方面,服务器通过大数据模型对负荷参数进行分析,进而得到空调设备的运行诊断信息,进而实现远程、云端的空调设备健康检测,从而在无需派遣工程师到现场检查的前提下,实现了对空调设备机房真实运行情况进行诊断评价,起到了“空调医生”的作用,保证了空调设备的健康、高效运行。
另一方面,服务器基于负荷预测算法,对空调设备的目标出水温度进行优化,并将优化后的目标出水温度发送至空调设备的控制装置,使得能够在不对空调机房进行大幅度改造的情况下,以较低的成本实现基于负荷预测的出水温度优化,进而提高了空调设备的运行能耗。
在上述技术方案中,负荷参数包括空调设备的制冷系数、空调设备的冷却水输送系数、空调设备的冷冻水输送系数和空调设备的冷却塔输送系数;根据负荷参数确定对应的运行诊断信息的步骤,具体包括:在制冷系数区间集合内确定制冷系数对应的第一区间,并获取第一区间对应的第一运行诊断信息;在冷却水输送系数区间集合内确定冷却水输送系数对应的第二区间,并获取第二区间对应的第二运行诊断信息;在冷冻水输送系数区间集合内确定冷冻水输送系数对应的第三区间,并获取第三区间对应的第三运行诊断信息;在冷却塔输送系数区间集合内确定冷却塔输送系数对应的第四区间,并获取第四区间对应的第四运行诊断信息;根据第一运行诊断信息、第二运行诊断信息、第三运行诊断信息和第四运行诊断信息确定运行诊断信息。
在该技术方案中,空调设备的负荷参数包括空调设备的制冷系数、空调设备的冷却水输送系数、空调设备的冷冻水输送系数和空调设备的冷却塔输送系数。
制冷系数区间集合可根据需求划分为多个评价区间。举例来说,可根据空调设备的设计参数,按照制冷系数由低至高的顺序,划分:优秀、良好、一般和较差四个区间。如果制冷系数落入第一区间,具体为“优秀”区间,则输出第一运行诊断信息为:制冷系数优秀。
同理,对于冷却水输送系数、冷冻水输送系数和冷却塔输送系数,可采用相同的法师,输出例如:冷却水输送系数优秀、冷冻水输送系数良好和冷却塔输送系数一般的第二运行诊断信息至第四运行诊断信息,最后通过整合第一运行诊断信息至第四运行诊断信息的方式,得到最终的运行诊断信息,实现对空调设备运行情况的精确诊断。
在上述任一技术方案中,空调设备的运行诊断方法还包括:获取空调设备对应的机房能耗系数;根据机房能耗系数和机房能耗系数阈值确定第五运行诊断信息,并展示第五运行诊断信息。
在该技术方案中,在对一组或多组空调设备的运行状态进行诊断之后,还可以根据机房的整体能耗系数,对机房整体的运行状态进行诊断,进而得到第五运行诊断信息,通过展示第五运行诊断信息的方式,使得用户或管理人员能够远程掌握机房整体的运行状态。
其中,机房能耗系数可通过设置在机房总电路上的电量表进行获取,也可以通过加和多个机组的能耗系数确定。
在上述任一技术方案中,空调设备的运行诊断方法还包括:存储负荷参数和对应的运行诊断信息,并将负荷参数和对应的运行诊断信息输入至大数据分析模型,通过大数据分析模型生成对应的诊断报表;以及展示诊断报表;和/或将诊断报表发送到至少一个终端设备。
在该技术方案中,服务器在获取到负荷参数,并确定了对应的运行诊断信息后,对应存储上述数据,以形成历史诊断记录,以供用户后续调看。同时,将负荷参数和对应的运行诊断信息输入至大数据分析模型,以对大数据分析模型进行训练,一方面提高负荷预测算法的准确性,另一方面通过大数据分析模型生成诊断报表,并通过人机交互终端展示诊断报表,也可以将报表发送至用户或管理人员的手持终端。
其中,诊断报表可包括能效日历、能效对比、负荷分析、频率统计、能耗占比、趋势模型等报表。
本发明第三方面提供了一种空调设备的控制装置,包括存储器,其上存储有计算机程序;处理器,被配置为执行计算机程序时实现如上述任一技术方案中提供的空调设备的运行控制方法的步骤,因此,该空调设备的控制装置包括如上述任一技术方案中提供的空调设备的运行控制方法的全部有益效果,在此不再赘述。
在上述技术方案中,空调设备的控制装置还包括:功率检测模块,被配置为获取空调设备的运行功率;热量检测模块,热量检测模块包括第一检测端和第二检测端,第一检测端设置于空调设备的冷冻水总管路,第一检测端被配置为获取空调设备的制冷量,第二检测端设置于空调设备的冷却水总管路,第二检测端被配置为获取空调设备的散热量;通讯模块,配置为与第二电子设备之间进行数据指令交互。
在该技术方案中,功率检测模块可以是电量表、功率表或其他能够实现检测空调设备功率和能耗的装置,热量检测模块可以是热量表、温度传感器或其他能够检测计算热量的装置,通讯模块可以是以太网卡、无线网络设备或电力通讯设备等,本发明实施例对功率检测模块、热量检测模块和通信模块的具体形态不做限定。
本发明第四方面提供了一种空调设备,包括如上述任一技术方案中提供的空调设备的控制装置,或存储器,其上存储有计算机程序;处理器,被配置为执行计算机程序时实现如上述任一技术方案中提供的空调设备的运行控制方法的步骤,因此,该空调设备包括如上述任一技术方案中提供的空调设备的控制装置,或如上述任一技术方案中提供的空调设备的运行控制方法的全部有益效果,在此不再赘述。
本发明第五方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一技术方案中提供的空调设备的运行控制方法的步骤,和/或如上述任一技术方案中提供的空调设备的运行诊断方法的步骤,因此,该计算机可读存储介质包括如述任一技术方案中提供的空调设备的运行控制方法和/或如上述任一技术方案中提供的空调设备的运行诊断方法的全部有益效果,在此不再赘述。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明的一个实施例的空调设备的运行控制方法的流程图;
图2示出了根据本发明的一个实施例的空调设备的运行控制方法的另一个流程图;
图3示出了根据本发明的一个实施例的空调设备的运行控制方法的又一个流程图;
图4示出了根据本发明的一个实施例的空调设备的运行诊断方法的流程图;
图5示出了根据本发明的一个实施例的空调设备的运行诊断方法的另一个流程图;
图6示出了根据本发明的一个实施例的空调设备的运行诊断方法的又一个流程图;
图7示出了根据本发明的一个实施例的空调设备的控制装置的结构框图;
图8示出了根据本发明的一个实施例的云能效诊断仪的结构示意图;
图9示出了根据本发明的一个实施例中能效标尺示意图;
图10示出了根据本发明的一个实施例中诊断报告的示意图之一;
图11示出了根据本发明的一个实施例中诊断报告的示意图之二;
图12示出了根据本发明的一个实施例中诊断报告的示意图之三;
图13示出了根据本发明的一个实施例中诊断报告的示意图之四;
图14示出了根据本发明的一个实施例中诊断报告的示意图之五;
图15示出了根据本发明的一个实施例中诊断报告的示意图之六;
图16示出了根据本发明的一个实施例的空调设备的结构框图;
图17示出了根据本发明的一个实施例的空调设备的另一个结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图17描述根据本发明一些实施例所述空调设备的运行控制方法、空调设备的运行诊断方法、空调设备的控制装置、空调设备和计算机可读存储介质。
实施例一
如图1所示,在本发明的一个实施例中,提供了一种空调设备的运行控制方法,包括:
步骤102,获取空调设备的运行参数,根据运行参数确定空调设备的负荷参数;
步骤104,获取负荷参数对应的目标出水温度,并控制空调设备以目标出水温度运行。
其中,运行参数包括空调设备的运行功率、空调设备的制冷量和空调设备的散热量,根据运行功率、制冷量和散热量确定空调设备的制冷系数、空调设备的冷却水输送系数、空调设备的冷冻水输送系数和空调设备的冷却塔输送系数。
在步骤104中,如图2所示,获取负荷参数对应的目标出水温度的步骤,具体包括:
步骤202,将制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数发送至服务器;
步骤204,接收服务器反馈的目标出水温度。
如图3所示,空调设备的运行控制方法还包括:
步骤302,计算制冷量和运行功率的和值,并计算和值与散热量的差值;
步骤304,基于差值大于或等于差值阈值的情况,展示预设提示信息。
在该实施例中,在空调设备的运行过程中,实时获取空调设备的运行参数,以此确定当前空调设备的负荷参数,并获取对应的目标出水温度。具体地,可将负荷参数发送至具有大数据预测功能的服务器、上位机或联网控制柜,通过大数据模型分析空调设备的负荷规律,并利用负荷预测算法确定优化的目标出水温度,以控制空调设备以优化后的目标出水温度运行。
空调设备的运行参数包括空调设备的运行功率、制冷量和制热量。其中,运行功率可通过电量监测设备,如多回路智能电表进行获取。同时,可在空调设备的冷冻水总管路和冷却水总管路上设置热量表,检测单位时间内的冷冻水热量和冷却水热量,进而确定空调设备的制冷量和散热量。
空调设备可通过外设的诊断装置,或空调设备的控制装置对运行参数进行计算处理,最终得到空调设备的负荷参数,具体包括制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数。
将计算得到的负荷参数,具体为制冷系数、冷却水输送系数、冷冻水输送系数和冷却塔输送系数发送至服务器,由服务器通过大数据模型和负荷预测算法对空调设备的负荷进行预测,并得到优化后的目标出水温度。然后,空调设备的控制装置接收服务器反馈的目标出水温度,并以此控制空调设备运行,能够有效的提高空调设备的运行能效。
应用了本发明提供的实施例,根据空调设备的实时运行参数确定实时的负荷参数,并通过云端大数据模型和负荷预测算法对空调设备的目标出水温度进行优化,使得能够在不对空调机房进行大幅度改造的情况下,以较低的成本实现基于负荷预测的出水温度优化,进而提高了空调设备的运行能耗。
在一些实施方式中,可为空调设备的控制装置设置自检功能,以自检电量表和热量表的数据精度。具体地,计算制冷量和运行功率的和值,并计算该和值与散热量之间的差值。如果差值小于差值阈值,则说明数据准确,而如果差值大于或等于差值阈值,则说明传感器可能出现飘逸,数据不准确,此时展示预设提示信息,提示用户或维修人员排查传感器。
其中,差值阈值可设置为制冷量和运行功率的和值的5%,或散热量的5%。
实施例二
如图4所示,在本发明的一个实施例中,提供了一种空调设备的运行诊断方法,包括:
步骤402,接收空调设备的负荷参数;
步骤404,根据负荷参数确定对应的目标出水温度和对应的运行诊断信息;
步骤406,展示运行诊断信息;
步骤408,将目标出水温度发送至空调设备的控制装置,以供控制装置控制空调设备以目标出水温度运行。
其中,负荷参数包括空调设备的制冷系数、空调设备的冷却水输送系数、空调设备的冷冻水输送系数和空调设备的冷却塔输送系数。
在制冷系数区间集合内确定制冷系数对应的第一区间,并获取第一区间对应的第一运行诊断信息。
在冷却水输送系数区间集合内确定冷却水输送系数对应的第二区间,并获取第二区间对应的第二运行诊断信息。
在冷冻水输送系数区间集合内确定冷冻水输送系数对应的第三区间,并获取第三区间对应的第三运行诊断信息。
在冷却塔输送系数区间集合内确定冷却塔输送系数对应的第四区间,并获取第四区间对应的第四运行诊断信息。
最终,根据第一运行诊断信息、第二运行诊断信息、第三运行诊断信息和第四运行诊断信息确定运行诊断信息。
如图5所示,空调设备的运行诊断方法还包括:
步骤502,获取空调设备对应的机房能耗系数;
步骤504,根据机房能耗系数和机房能耗系数阈值确定第五运行诊断信息,并展示第五运行诊断信息。
如图6所示,空调设备的运行诊断方法还包括:
步骤602,存储负荷参数和对应的运行诊断信息,并将负荷参数和对应的运行诊断信息输入至大数据分析模型,通过大数据分析模型生成对应的诊断报表;
步骤604,展示诊断报表;
步骤608,将诊断报表发送到至少一个终端设备。
在该实施例中,通过服务器接收空调设备的控制装置上报的负荷参数。一方面,服务器通过大数据模型对负荷参数进行分析,进而得到空调设备的运行诊断信息,进而实现远程、云端的空调设备健康检测,从而在无需派遣工程师到现场检查的前提下,实现了对空调设备机房真实运行情况进行诊断评价,起到了“空调医生”的作用,保证了空调设备的健康、高效运行。
另一方面,服务器基于负荷预测算法,对空调设备的目标出水温度进行优化,并将优化后的目标出水温度发送至空调设备的控制装置,使得能够在不对空调机房进行大幅度改造的情况下,以较低的成本实现基于负荷预测的出水温度优化,进而提高了空调设备的运行能耗。
空调设备的负荷参数包括空调设备的制冷系数、空调设备的冷却水输送系数、空调设备的冷冻水输送系数和空调设备的冷却塔输送系数。
制冷系数区间集合可根据需求划分为多个评价区间。举例来说,可根据空调设备的设计参数,按照制冷系数由低至高的顺序,划分:优秀、良好、一般和较差四个区间。如果制冷系数落入第一区间,具体为“优秀”区间,则输出第一运行诊断信息为:制冷系数优秀。
同理,对于冷却水输送系数、冷冻水输送系数和冷却塔输送系数,可采用相同的法师,输出例如:冷却水输送系数优秀、冷冻水输送系数良好和冷却塔输送系数一般的第二运行诊断信息至第四运行诊断信息,最后通过整合第一运行诊断信息至第四运行诊断信息的方式,得到最终的运行诊断信息,实现对空调设备运行情况的精确诊断。
在对一组或多组空调设备的运行状态进行诊断之后,还可以根据机房的整体能耗系数,对机房整体的运行状态进行诊断,进而得到第五运行诊断信息,通过展示第五运行诊断信息的方式,使得用户或管理人员能够远程掌握机房整体的运行状态。
其中,机房能耗系数可通过设置在机房总电路上的电量表进行获取,也可以通过加和多个机组的能耗系数确定。
服务器在获取到负荷参数,并确定了对应的运行诊断信息后,对应存储上述数据,以形成历史诊断记录,以供用户后续调看。同时,将负荷参数和对应的运行诊断信息输入至大数据分析模型,以对大数据分析模型进行训练,一方面提高负荷预测算法的准确性,另一方面通过大数据分析模型生成诊断报表,并通过人机交互终端展示诊断报表,也可以将报表发送至用户或管理人员的手持终端。
其中,诊断报表可包括能效日历、能效对比、负荷分析、频率统计、能耗占比、趋势模型等报表。
实施例三
如图7所示,在本发明的一个实施例中,提供了一种空调设备的控制装置700,包括存储器702,其上存储有计算机程序;处理器704,被配置为执行计算机程序时实现如上述任一实施例中提供的空调设备的运行控制方法的步骤。
功率检测模块706,被配置为获取空调设备的运行功率;热量检测模块708,热量检测模块包括第一检测端和第二检测端,第一检测端设置于空调设备的冷冻水总管路,第一检测端被配置为获取空调设备的制冷量,第二检测端设置于空调设备的冷却水总管路,第二检测端被配置为获取空调设备的散热量;通讯模块710,配置为与第二电子设备之间进行数据指令交互。
在该实施例中,功率检测模块可以是电量表、功率表或其他能够实现检测空调设备功率和能耗的装置,热量检测模块可以是热量表、温度传感器或其他能够检测计算热量的装置,通讯模块可以是以太网卡、无线网络设备或电力通讯设备等,本发明实施例对功率检测模块、热量检测模块和通信模块的具体形态不做限定。
同时,该空调设备的控制装置包括如上述任一实施例中提供的空调设备的运行控制方法的全部有益效果,在此不再赘述。
实施例四
在本发明的一个实施例中,提供了一种云能效诊断仪,包括:能效采集器、能量表、电量表和云能效诊断接口。
其中,能量表具体包括热量检测表,具体在空调设备的冷冻总关、冷却总关中各安装一套热量表,可采用外贴式的安装方法,用于检测空调设备的制冷量和散热量。
电量表可选择多回路智能电表,如选用四回路电表,即每四组设备设置一套电量表,用于检测设备耗电量和运行功率。
能效采集器包括一个控制器,控制器与热量检测表、电量表和空调主机进行通讯,采集数据并通过云能效诊断接口上传至服务器,并接收服务器反馈的优化出水温度,通过与空调主机的通讯,智能调节空调设备的出水温度。
其中,可利用DTU(Data Transfer unit,数据传输单元)将数据上传到服务器(云能效平台),以便实时查看数据并进行大数据诊断。
云能效诊断仪的具体结构示意图如图8所示,包括外壳802、主板804、断路器806和接线口808,其中主板804上设置有控制器810。
云能效诊断系统具有云能效评价标尺诊断评价功能可以通过计算机房COP(Coefficient Of Performance,性能系数)、主机COP、冷冻泵输送系数WTFchw,冷却泵输送系数WTFch,冷却塔输送系数WTFct等能效数据,用云能效诊断系统中的云能效评价标尺来进行判定,根据系统运行状态获知系统现在是否在亚健康状态下运行,并跟进标尺判定每个设备的独立的评价指标找到到底是哪个设备有问题,有的放矢的进行诊断。
各能效标尺对应的值的范围可以显示各设备处于急需改造,一般,良好,优秀的状态。能效标尺对应的值如图9所示,为根据大数据统计出来的统计值,适用于所有机房的整体评价。
云能效检测仪具有自检功能通过冷冻和冷却总管的两个热量表及主机的电表可以用于自检系统检测的精度,通过(瞬时制冷量+主机功率)与(瞬时放热量)的值进行对比,这两个值之间误差如小于5%,证明能效检测仪精度准确,当误差大于5%的时候则提醒能效检测仪设备需要排查传感器问题。
对于诊断报告的使用可以用于工程实施效果结算依据,或者用于中央空调系统的运维维保依据。同时实现云端空调医生远程诊断的功能。
当系统评价完成后,可以根据云能效的大数据分析获知系统的负荷规律,应用云端负荷预测算法,对系统的主机出水温度进行有效控制,可以实现用最便宜的方案实现系统依据负荷预测的出水温度。
诊断报告的示意图如图10、图11、图12、图13、图14和图15所示。
其中,图10是“能效日历”的界面示意图。
图11是“能效对比”的界面示意图。
图12是“能耗占比”的界面示意图。
图13是“负荷分析”的界面示意图。
图14是“频率统计”的界面示意图。
图15是“趋势模型”的界面示意图。
图10、图11、图12、图13、图14和图15中的文字、曲线或柱状图等仅用于示意界面,并非真实数据。
实施例五
在本发明的一个实施例中,如图16所示,提供了一种空调设备1100,包括如上述任一实施例中提供的空调设备的控制装置700,或如图17所示,空调设备1200包括存储器1202,其上存储有计算机程序;处理器1204,被配置为执行计算机程序时实现如上述任一实施例中提供的空调设备的运行控制方法的步骤,因此,空调设备1100包括如上述任一实施例中提供的空调设备的控制装置700的全部有益效果,空调设备1200包括如上述任一实施例中提供的空调设备的运行控制方法的全部有益效果,在此不再赘述。
实施例六
在本发明的一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一实施例中提供的空调设备的运行控制方法的步骤,和/或如上述任一实施例中提供的空调设备的运行诊断方法的步骤,因此,该计算机可读存储介质包括如述任一实施例中提供的空调设备的运行控制方法和/或如上述任一实施例中提供的空调设备的运行诊断方法的全部有益效果,在此不再赘述。
本发明的描述中,术语“多个”则指两个或两个以上,除非另有明确的限定,术语“上”、“下”等指示的方位或位置关系为基于附图所述的方位或位置关系,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;术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (12)
1.一种空调设备的运行控制方法,其特征在于,包括:
获取所述空调设备的运行参数,根据所述运行参数确定所述空调设备的负荷参数;
获取所述负荷参数对应的目标出水温度,并控制所述空调设备以所述目标出水温度运行。
2.根据权利要求1所述的空调设备的运行控制方法,其特征在于,所述运行参数包括所述空调设备的运行功率、所述空调设备的制冷量和所述空调设备的散热量;
所述确定所述运行参数对应的负荷参数的步骤,具体包括:
根据所述运行功率、所述制冷量和所述散热量确定所述空调设备的制冷系数、所述空调设备的冷却水输送系数、所述空调设备的冷冻水输送系数和所述空调设备的冷却塔输送系数。
3.根据权利要求2所述的空调设备的运行控制方法,其特征在于,所述获取所述负荷参数对应的目标出水温度的步骤,具体包括:
将所述制冷系数、所述冷却水输送系数、所述冷冻水输送系数和所述冷却塔输送系数发送至服务器,以供所述服务器根据所述制冷系数、所述冷却水输送系数、所述冷冻水输送系数和所述冷却塔输送系数确定所述目标出水温度;
接收所述服务器反馈的所述目标出水温度。
4.根据权利要求2或3所述的空调设备的运行控制方法,其特征在于,还包括:
计算所述制冷量和所述运行功率的和值,并计算所述和值与所述散热量的差值;
基于所述差值大于或等于差值阈值的情况,展示预设提示信息。
5.一种空调设备的运行诊断方法,其特征在于,包括:
接收所述空调设备的负荷参数;
根据所述负荷参数确定对应的目标出水温度和对应的运行诊断信息;
展示所述运行诊断信息;以及
将所述目标出水温度发送至所述空调设备的控制装置,以供所述控制装置控制所述空调设备以所述目标出水温度运行。
6.根据权利要求5所述的空调设备的运行诊断方法,其特征在于,所述负荷参数包括所述空调设备的制冷系数、所述空调设备的冷却水输送系数、所述空调设备的冷冻水输送系数和所述空调设备的冷却塔输送系数;
所述根据所述负荷参数确定对应的运行诊断信息的步骤,具体包括:
在制冷系数区间集合内确定所述制冷系数对应的第一区间,并获取所述第一区间对应的第一运行诊断信息;
在冷却水输送系数区间集合内确定所述冷却水输送系数对应的第二区间,并获取所述第二区间对应的第二运行诊断信息;
在冷冻水输送系数区间集合内确定所述冷冻水输送系数对应的第三区间,并获取所述第三区间对应的第三运行诊断信息;
在冷却塔输送系数区间集合内确定所述冷却塔输送系数对应的第四区间,并获取所述第四区间对应的第四运行诊断信息;
根据所述第一运行诊断信息、所述第二运行诊断信息、所述第三运行诊断信息和所述第四运行诊断信息确定所述运行诊断信息。
7.根据权利要求6所述的空调设备的运行诊断方法,其特征在于,还包括:
获取所述空调设备对应的机房能耗系数;
根据所述机房能耗系数和机房能耗系数阈值确定第五运行诊断信息,并展示所述第五运行诊断信息。
8.根据权利要求4至7中任一项所述的空调设备的运行诊断方法,其特征在于,还包括:
存储所述负荷参数和对应的所述运行诊断信息,并将所述负荷参数和对应的所述运行诊断信息输入至大数据分析模型,通过所述大数据分析模型生成对应的诊断报表;以及
展示所述诊断报表;和/或
将所述诊断报表发送到至少一个终端设备。
9.一种空调设备的控制装置,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,被配置为执行所述计算机程序时实现如权利要求1至4中任一项所述的空调设备的运行控制方法的步骤。
10.根据权利要求9所述的空调设备的控制装置,其特征在于,还包括:
功率检测模块,被配置为获取空调设备的运行功率;
热量检测模块,所述热量检测模块包括第一检测端和第二检测端,所述第一检测端设置于所述空调设备的冷冻水总管路,所述第一检测端被配置为获取所述空调设备的制冷量,所述第二检测端设置于所述空调设备的冷却水总管路,所述第二检测端被配置为获取所述空调设备的散热量;
通讯模块,配置为与第二电子设备之间进行数据指令交互。
11.一种空调设备,其特征在于,包括:
如权利要求9或10所述的空调设备的控制装置;或
存储器,其上存储有计算机程序;
处理器,被配置为执行所述计算机程序时实现如权利要求1至4中任一项所述的空调设备的运行控制方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的空调设备的运行控制方法的步骤,和/或如权利要求5至8中任一项所述的空调设备的运行诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545841.6A CN111678246B (zh) | 2020-06-16 | 2020-06-16 | 空调设备、控制方法、诊断方法、控制装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545841.6A CN111678246B (zh) | 2020-06-16 | 2020-06-16 | 空调设备、控制方法、诊断方法、控制装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111678246A true CN111678246A (zh) | 2020-09-18 |
CN111678246B CN111678246B (zh) | 2022-09-30 |
Family
ID=72436341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010545841.6A Active CN111678246B (zh) | 2020-06-16 | 2020-06-16 | 空调设备、控制方法、诊断方法、控制装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111678246B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112628956A (zh) * | 2020-12-24 | 2021-04-09 | 华中科技大学 | 基于边云协同框架的冷水机组负荷预测控制方法和系统 |
CN113739397A (zh) * | 2021-08-31 | 2021-12-03 | 广州汇电云联互联网科技有限公司 | 一种中央空调系统及其节能控制方法、可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6314029A (ja) * | 1986-06-30 | 1988-01-21 | Mitsubishi Electric Corp | 空気調和装置 |
CN1598428A (zh) * | 2004-09-09 | 2005-03-23 | 贵州汇诚科技有限公司 | 中央空调冷却水系统自适应优化控制方法及装置 |
CN101089503A (zh) * | 2007-07-06 | 2007-12-19 | 北京时代嘉华环境控制科技有限公司 | 中央空调冷冻站质量并调控制方法及系统 |
CN202119048U (zh) * | 2011-06-09 | 2012-01-18 | 广州施杰节能科技有限公司 | 一种大型空调冷水机组实时能效监测和诊断调节装置 |
CN109405162A (zh) * | 2018-09-19 | 2019-03-01 | 珠海格力电器股份有限公司 | 机组的温控方法和装置、空调机组 |
-
2020
- 2020-06-16 CN CN202010545841.6A patent/CN111678246B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6314029A (ja) * | 1986-06-30 | 1988-01-21 | Mitsubishi Electric Corp | 空気調和装置 |
CN1598428A (zh) * | 2004-09-09 | 2005-03-23 | 贵州汇诚科技有限公司 | 中央空调冷却水系统自适应优化控制方法及装置 |
CN101089503A (zh) * | 2007-07-06 | 2007-12-19 | 北京时代嘉华环境控制科技有限公司 | 中央空调冷冻站质量并调控制方法及系统 |
CN202119048U (zh) * | 2011-06-09 | 2012-01-18 | 广州施杰节能科技有限公司 | 一种大型空调冷水机组实时能效监测和诊断调节装置 |
CN109405162A (zh) * | 2018-09-19 | 2019-03-01 | 珠海格力电器股份有限公司 | 机组的温控方法和装置、空调机组 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112628956A (zh) * | 2020-12-24 | 2021-04-09 | 华中科技大学 | 基于边云协同框架的冷水机组负荷预测控制方法和系统 |
CN112628956B (zh) * | 2020-12-24 | 2022-02-15 | 华中科技大学 | 基于边云协同框架的冷水机组负荷预测控制方法和系统 |
CN113739397A (zh) * | 2021-08-31 | 2021-12-03 | 广州汇电云联互联网科技有限公司 | 一种中央空调系统及其节能控制方法、可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111678246B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7356548B1 (en) | System and method for remote monitoring and controlling of facility energy consumption | |
EP2989427B1 (en) | Monitoring system | |
CN111678246B (zh) | 空调设备、控制方法、诊断方法、控制装置和存储介质 | |
CN201255824Y (zh) | 一种中央空调制冷系统实时能效监测诊断装置 | |
US20120215464A1 (en) | Energy consumption monitor | |
KR20080085733A (ko) | 리모트 성능 감시 장치 및 리모트 성능 감시 방법 | |
CN101995072A (zh) | 用户能量管理系统 | |
CN105956752A (zh) | 用于绿色公共建筑运营阶段的能效评估与诊断分析方法 | |
CN111306706B (zh) | 一种空调联动控制方法及系统 | |
CN105465946A (zh) | 一种中央空调制冷站能耗分析的方法和系统 | |
US9291477B2 (en) | Sampling energy meter reading system using demand response of energy prices for a power saving mode | |
CN202119048U (zh) | 一种大型空调冷水机组实时能效监测和诊断调节装置 | |
CN115840394A (zh) | 一种智能化楼宇碳管控系统 | |
CN112728723A (zh) | 一种智能化群控系统监测分析制冷机房运行能效的方法 | |
CN107505549A (zh) | 一种智能型多功能局部放电在线监测系统 | |
CN110673081B (zh) | 基于边缘计算的智能电表误差在线估计方法 | |
CN110880055A (zh) | 楼宇智能电表系统 | |
CN103216919A (zh) | 一种基于动态环境控制制冷效率的空调系统及控制方法 | |
JP2019086999A (ja) | 省エネルギー要素抽出装置 | |
EP2490087A1 (en) | Energy consumption monitor | |
CN116088325A (zh) | 一种基于数字孪生的家居设备控制方法、装置及存储介质 | |
TWM496157U (zh) | 一種多組態資訊蒐集與效能檢測評估之監控系統 | |
CN111578453A (zh) | 一种基于大数据分析的冷却水优化控制系统及方法 | |
CN218033602U (zh) | 一种制冷机房综合能效快速检测系统 | |
CN105354232A (zh) | 一种基于本体的空调节能诊断系统及空调节能诊断方法 |
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 |