CN111753262B - 一种基于概率分析的空调冷却水系统设计方法 - Google Patents

一种基于概率分析的空调冷却水系统设计方法 Download PDF

Info

Publication number
CN111753262B
CN111753262B CN202010626450.7A CN202010626450A CN111753262B CN 111753262 B CN111753262 B CN 111753262B CN 202010626450 A CN202010626450 A CN 202010626450A CN 111753262 B CN111753262 B CN 111753262B
Authority
CN
China
Prior art keywords
water pump
lift
design
water
probability
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
CN202010626450.7A
Other languages
English (en)
Other versions
CN111753262A (zh
Inventor
颜承初
徐小平
彭嵩阳
蒋森林
牛晓峰
邓亚宏
胡珏
孙龙飞
明杰
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.)
Nanjing Tech University
Second Construction Engineering Co Ltd of China Construction Third Engineering Division
Original Assignee
Nanjing Tech University
Second Construction Engineering Co Ltd of China Construction Third Engineering Division
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 Nanjing Tech University, Second Construction Engineering Co Ltd of China Construction Third Engineering Division filed Critical Nanjing Tech University
Priority to CN202010626450.7A priority Critical patent/CN111753262B/zh
Publication of CN111753262A publication Critical patent/CN111753262A/zh
Application granted granted Critical
Publication of CN111753262B publication Critical patent/CN111753262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0003Exclusively-fluid systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Sustainable Development (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明实施例提供一种基于概率分析的空调冷却水系统设计方法,可以得到更加合理且安全的设计扬程,实现空调冷却水系统的节能运行。本发明实施例的基于概率分析的空调冷却水系统设计方法,通过不确定量化将水系统及实际过程中可能出现的不确定性因素进行概率分析与量化处理,计算得到预测水泵扬程的概率分布,基于该预测扬程的概率分布情况,选择安全且合理的设计扬程,从设计源头上降低水泵过大度,并以设计工况运行能耗最低为依据进行水泵优化选型,能达到显著的节能效果,实现空调冷却水系统的最优配置和节能运行。

Description

一种基于概率分析的空调冷却水系统设计方法
技术领域
本发明涉及空调水系统设计技术领域,具体来说,涉及一种基于概率分析的空调冷却水系统设计方法。
背景技术
目前,在建筑空调水系统的设计中,普遍存在水泵选型严重过大的问题,造成水系统初投资和运行能耗的大量浪费。然而,由于当前系统在设计、调试及运行等环节存在严重脱节,水泵选型过大问题并未受到足够重视。加上水系统本身存在诸多“不确定性”,设计人员普遍存有保守的设计思想,出于对系统可靠性的考虑,一定程度的过大甚至被认为具有工程“合理性”,这也容易导致系统水泵选型过大、实际运行工况点偏离设计工况点。在实际调试过程中,为了使系统在设计工况点运行,往往采用水阀节流等方式将系统阻力憋到设计工况,造成大量的能量被浪费。但事实上,水泵选型并非越大越安全,特别是对于常用于空调冷却水系统的定速泵,水泵选型过大不仅会造成能量浪费甚至可能造成烧泵等安全问题。因此,合理对待实际存在的各种不确定性因素并将设计、调试及运行三者进行统一考虑,对于水泵的正确选型、安全供能及高效运行具有十分重要的意义。
发明内容
本发明所要解决的技术问题是:提供一种基于概率分析的空调冷却水系统设计方法,可以得到更加合理且安全的设计扬程,实现空调冷却水系统的节能运行。
为解决上述技术问题,本发明实施例提供一种基于概率分析的空调冷却水系统设计方法,包括以下步骤:
步骤一,采用概率分布函数对空调冷却水系统中影响水泵扬程的不确定性因素进行描述;
步骤二,对不确定性因素进行量化分析和计算,获得预测水泵扬程的概率分布曲线和累积概率曲线;
步骤三,根据所述预测水泵扬程的概率分布曲线和累积概率曲线,确定水泵的设计扬程。
作为本发明实施例的进一步改进,所述不确定性因素包括摩擦系数、局部阻力系数、管长、管径、冷机冷凝器的阻力、冷却塔喷嘴口的余压以及将冷却水从水箱提升至冷却塔喷嘴处所需的压力;
所述步骤一具体包括:采用正态分布函数描述由计算模型和测量误差引起的不确定性;采用均匀分布函数描述由数据不足引起的不确定性;对于同一不确定性有两个或多个来源时,采用不同的分布函数进行描述。
作为本发明实施例的进一步改进,所述步骤二具体包括:结合所有不确定性因素的概率分布函数,采用蒙特卡罗模拟方法,对不确定性因素进行数据采样,将采样数据带入式(1)中进行计算,得到预测水泵扬程的概率分布曲线以及累积概率曲线;
Figure BDA0002564959470000021
式中,H表示预测水泵扬程,λi表示第i管段的摩擦系数,li表示第i管段的管道长度,di表示第i管段的管道内径,ξi表示第i管段的局部阻力系数,Qi表示第i管段流过的流量,ρ表示水的密度,ΔHeq表示冷机冷凝器的阻力,ΔHnoz表示冷却塔喷嘴出口的余压,ΔHele表示将冷却水从水箱提升至冷却塔喷嘴处所需要的压力。
作为本发明实施例的进一步改进,所述步骤三具体包括:
根据所述预测水泵扬程的概率分布曲线和累积概率曲线,选择累积概率为预设阈值对应的水泵扬程为水泵的设计扬程。
作为本发明实施例的进一步改进,所述预设阈值的取值范围为95%~99.99%。
作为本发明实施例的进一步改进,还包括:
步骤四,根据所述水泵的设计扬程,进行水泵选型。
作为本发明实施例的进一步改进,所述步骤四具体包括:
根据所述水泵的设计扬程和设计流量,从厂家水泵库中选择出满足设计要求的水泵;
根据所述满足设计要求的水泵中各个水泵的能耗,选择出优选水泵;
其中,单个水泵的能耗采用式(2)计算得到:
Figure BDA0002564959470000031
式中,W表示水泵的能耗,H表示水泵的设计扬程,Q表示对应水泵的设计流量,η表示水泵的整体效率,ρ表示水的密度。
与现有技术相比,本发明的技术方案具有以下有益效果:本发明实施例提供一种基于概率分析的空调冷却水系统设计方法,可以得到更加合理且安全的设计扬程,实现空调冷却水系统的节能运行。本发明实施例的基于概率分析的空调冷却水系统设计方法,将水系统及实际过程中可能出现的不确定性因素进行概率分析与量化处理,得到的预测水泵扬程不是一个确定的数值,而是扬程的概率分布,基于扬程的概率分布情况,选择安全且合理的设计扬程。本发明实施例方法得到的设计扬程更接近于实际运行工况所需扬程,不会造成水泵选型过大浪费能量,能达到显著的节能效果,实现空调冷却水系统的最优配置和节能运行。
附图说明
图1是本发明实施例的基于概率分析的空调冷却水系统设计方法的流程图;
图2是图1中步骤二得到的预测水泵扬程的概率分布曲线图;
图3是图1中步骤二得到的预测水泵扬程的累积概率曲线图。
具体实施方式
下面结合附图,对本发明的技术方案进行详细的说明。
在空调水系统的设计计算中,由于使用的信息或者数据与系统实际运行过程中的信息或参数差异很大,导致这些差异的因素就是不确定性因素。
传统的设计方法是将制冷机组的额定流量作为设计流量,将最不利环路中总的压头损失作为设计扬程,最终确定设计扬程时在总的压头损失中附加一个安全系数,具体利用下式计算得到设计扬程。
Figure BDA0002564959470000041
上式中,摩擦系数λi、局部阻力系数ξi、管长li、管径di、冷机冷凝器的阻力ΔHeq、冷却塔喷嘴吹口的余压ΔHnoz以及将冷却水从水箱提升至冷却塔喷嘴处所需要的压力ΔHele,这些输入参数都是不确定性因素。传统的设计方法中,这些输入参数的取值均为定值,根据设计手册给出的参考值范围进行选取,多倾向于选择参考值的上限,在此基础上再额外乘以一个取值范围为1.1~1.3的安全系数α,因此在大多数情况下得到的设计扬程会远远大于实际所需扬程。
本发明实施例提供一种基于概率分析的空调冷却水系统设计方法,如图1所示,包括以下步骤:
步骤一,采用概率分布函数对空调冷却水系统中影响水泵扬程的不确定性因素进行描述;
步骤二,对不确定性因素进行量化分析和计算,获得预测水泵扬程的概率分布曲线和累积概率曲线;
步骤三,根据所述预测水泵扬程的概率分布曲线和累积概率曲线,确定水泵的设计扬程。
本发明实施例的基于概率分析的空调冷却水系统设计方法,将水系统及实际过程中可能出现的不确定性因素进行概率分析与量化处理,即计算预测水泵扬程时不确定性因素的输入参数采用概率分布函数,不采用一个确定的值,计算得到预测水泵扬程的概率分布和累积概率,基于该预测扬程的概率分布和累积概率情况,选择安全且合理的设计扬程。而传统的设计方法中,计算预测水泵扬程时将各不确定性因素的输入参数选择为参考值的上限,且预测水泵扬程再乘上取值范围为1.1~1.3的安全系数作为设计扬程,得到的设计扬程远远超过实际工况所需扬程。与传统的设计方法相比,本发明实施例的方法得到的设计扬程小于传统的设计方法得到的设计扬程,更接近于实际运行工况所需扬程,不会造成水泵选型过大浪费能量,能达到显著地节能效果,实现空调冷却水系统的最优配置和节能运行。
本发明实施例的步骤一中,与实际水泵扬程相关的不确定性因素包括摩擦系数λi、局部阻力系数ξi、管长li、管径di、冷机冷凝器的阻力ΔHeq、冷却塔喷嘴吹口的余压ΔHnoz以及将冷却水从水箱提升至冷却塔喷嘴处所需要的压力ΔHele
本发明实施例考虑到,在空调冷却水系统中,上述不确定性因素的不确定性来源主要可以分为两类:模型不确定性和施工不确定性。模型不确定性是指存在于压头损失计算模型参数中的不确定性,施工不确定性指的是由现场施工与设计间的偏差及使用的设备的制造误差引起的不确定性。
本发明实施例采用概率分布函数来描述上述不确定性因素的取值及概率,具体的,采用正态分布函数描述由计算模型、测量误差引起的不确定性;采用均匀分布函数描述由数据不足引起的不确定性。对于同一不确定性因素有两个或多个不确定性来源时,采用不同的分布函数进行描述。
下表为本发明具体实施例的不确定性因素的函数描述。
表1不确定性因素的函数描述
Figure BDA0002564959470000061
Figure BDA0002564959470000071
需要说明的是,上表中由于数据缺失而导致不确定性要根据实际案例的情况确定分布函数的形式。
本发明实施例根据设计经验,选择合适的概率分布函数分别描述各不确定性因素,能够准确描述不确定性因素的取值及概率,从而得到的预测水泵扬程更准确,更接近于实际系统运行状态。
本发明实施例的步骤二,根据所有不确定性因素的概率分布函数,采用蒙特卡罗模拟方法,对不确定性因素进行数据采样,将采样数据带入式(1)中进行计算,得到预测水泵扬程的概率分布曲线以及累积概率曲线。
Figure BDA0002564959470000072
式中,H表示预测水泵扬程,λi表示第i管段的摩擦系数,li表示第i管段的管道长度,di表示第i管段的管道内径,ξi表示第i管段的局部阻力系数,Qi表示第i管段流过的流量,ρ表示水的密度,ΔHeq表示冷机冷凝器的阻力,ΔHnoz表示冷却塔喷嘴出口的余压,ΔHele表示将冷却水从水箱提升至冷却塔喷嘴处所需要的压力。
其中,预测水泵扬程的概率分布曲线如图2所示,横坐标为水泵扬程H,纵坐标为概率P。预测水泵扬程的累积概率曲线如图3所示,横坐标为水泵扬程H,纵坐标为累积概率∑P。
与传统的设计方法不同,本实施例方法考虑了各个不确定性因素的影响,将设计及实际过程中可能出现的各种不确定性因素进行概率分析与量化处理,得到预测水泵扬程的概率分布情况,根据预测水泵扬程的概率分布情况,可以得到水泵扬程可能出现的一个范围,便于选择合适的设计扬程。
本实施例的步骤三中,根据所述预测水泵扬程的概率分布曲线和累积概率曲线,选择累积概率为预设阈值对应的水泵扬程为水泵的设计扬程。考虑到系统的安全性,将累积概率较高的水泵扬程作为水泵的设计扬程,预设阈值的取值范围为95%~99.99%。优选的,预设阈值为99.99%。
优选的,本发明实施例方法还包括:步骤四,根据所述水泵的设计扬程,进行水泵选型。
具体的,根据水泵的设计扬程和水泵的设计流量,从水泵库中选择出满足设计工况要求的水泵,即在设计扬程下水泵能提供所需流量。根据所述满足设计工况要求的水泵中各个水泵的能耗,选择能耗低的水泵作为优选水泵。水泵型号确定后,根据冷机与水泵“一机对一泵”的常用搭配方式,确定水泵台数。
其中,单个水泵的能耗采用式(2)计算得到:
Figure BDA0002564959470000081
式中,W表示水泵的能耗,H表示水泵的设计扬程,Q表示对应水泵的设计流量,η表示水泵的整体效率,ρ表示水的密度。
本发明实施例根据水泵的设计扬程,从满足设计要求的水泵中选择低能耗的水泵作为优选水泵,使得设计工况下运行能耗低,进一步降低能耗,增大节能效果。
下面为一个具体实施例。
某高校一办公楼的中央空调的冷却水系统有三台大型冷水机组和一台小型冷水机组,冷水机组的额定流量分别为100L/s和50L/s,水系统总流量为350L/s。
根据该冷却水系统中冷机的运行流量要求,使用传统的设计方法得到设计扬程HD’为240KPa。
采用本发明实施例的基于概率分析的空调冷却水系统设计方法,包括以下步骤:
1、采用概率分布函数对上述系统中不确定性因素进行描述,具体如下表所示。
表2上述系统的不确定性因素的函数描述
Figure BDA0002564959470000091
Figure BDA0002564959470000101
2、对不确定性因素进行数据采样,将采样数据带入式(1)中,利用蒙特卡罗模拟方法得到预测水泵扬程的概率分布曲线以及累积概率曲线。
3、从预测水泵扬程的概率分布曲线和累积概率曲线可以得出,当累积概率为99.99%时扬程为200kPa,该值为水泵的设计扬程HD
可以看出,本发明实施例方法得到的设计扬程,小于传统的设计方法得到的设计扬程,计算得到本发明实施例方法相比于传统的设计方法的节能比为
Figure BDA0002564959470000102
本发明实施例方法,可以得到更加合理且安全的设计扬程,具有显著的节能效果。
4、根据水泵的设计扬程和水泵库中的各水泵性能曲线,从水泵库中选择出至少两种能满足设计工况要求的水泵(包括大水泵和小水泵),选择出的水泵在设计扬程下提供所需流量。具体的,小水泵的扬程为设计扬程200KPa,对应的流量要不小于50L/s。大水泵的扬程为设计扬程200KPa,对应的流量要不小于100L/s。分别选择了满足要求的两种大水泵(L1、L2)和两种小水泵(S1、S2)。
利用式(2)分别计算两种大水泵和两种小水泵的能耗,得到L1的能耗为26.23kW,L2的能耗为26.85kW,S1的能耗为14.68kW,S2的能耗为16.02kW。大水泵中L1的能耗最低,选择L1作为最佳的大水泵。小水泵中S1的能耗最低,选择S1最为最佳的小水泵。
当大、小水泵型号确定后,根据冷机与水泵“一机对一泵”的常用搭配方式,为该系统设计4台(1台备用)大水泵L1和2台(1台备用)小水泵S1,完成冷却水泵系统选型设计。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (5)

1.一种基于概率分析的空调冷却水系统设计方法,其特征在于,包括以下步骤:
步骤一,采用概率分布函数对空调冷却水系统中影响水泵扬程的不确定性因素进行描述;
步骤二,对不确定性因素进行量化分析和计算,获得预测水泵扬程的概率分布曲线和累积概率曲线;
步骤三,根据所述预测水泵扬程的概率分布曲线和累积概率曲线,确定水泵的设计扬程;
所述不确定性因素包括摩擦系数、局部阻力系数、管长、管径、冷机冷凝器的阻力、冷却塔喷嘴口的余压以及将冷却水从水箱提升至冷却塔喷嘴处所需的压力;
所述步骤一具体包括:采用正态分布函数描述由计算模型和测量误差引起的不确定性;采用均匀分布函数描述由数据不足引起的不确定性;对于同一不确定性有两个或多个来源时,采用不同的分布函数进行描述;
所述步骤二具体包括:结合所有不确定性因素的概率分布函数,采用蒙特卡罗模拟方法,对不确定性因素进行数据采样,将采样数据带入式(1)中进行计算,得到预测水泵扬程的概率分布曲线以及累积概率曲线;
Figure FDA0004242703280000011
式中,H表示预测水泵扬程,λi表示第i管段的摩擦系数,li表示第i管段的管道长度,di表示第i管段的管道内径,ξi表示第i管段的局部阻力系数,Qi表示第i管段流过的流量,ρ表示水的密度,ΔHeq表示冷机冷凝器的阻力,ΔHnoz表示冷却塔喷嘴出口的余压,ΔHele表示将冷却水从水箱提升至冷却塔喷嘴处所需要的压力。
2.根据权利要求1所述的基于概率分析的空调冷却水系统设计方法,其特征在于,所述步骤三具体包括:
根据所述预测水泵扬程的概率分布曲线和累积概率曲线,选择累积概率为预设阈值对应的水泵扬程为水泵的设计扬程。
3.根据权利要求2所述的基于概率分析的空调冷却水系统设计方法,其特征在于,所述预设阈值的取值范围为95%~99.99%。
4.根据权利要求1所述的基于概率分析的空调冷却水系统设计方法,其特征在于,还包括:
步骤四,根据所述水泵的设计扬程,进行水泵选型。
5.根据权利要求4所述的基于概率分析的空调冷却水系统设计方法,其特征在于,所述步骤四具体包括:
根据所述水泵的设计扬程和设计流量,从厂家水泵库中选择出满足设计要求的水泵;
根据所述满足设计要求的水泵中各个水泵的能耗,选择出优选水泵;
其中,单个水泵的能耗采用式(2)计算得到:
Figure FDA0004242703280000021
式中,W表示水泵的能耗,H表示水泵的设计扬程,Q表示对应水泵的设计流量,η表示水泵的整体效率,ρ表示水的密度。
CN202010626450.7A 2020-07-01 2020-07-01 一种基于概率分析的空调冷却水系统设计方法 Active CN111753262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010626450.7A CN111753262B (zh) 2020-07-01 2020-07-01 一种基于概率分析的空调冷却水系统设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010626450.7A CN111753262B (zh) 2020-07-01 2020-07-01 一种基于概率分析的空调冷却水系统设计方法

Publications (2)

Publication Number Publication Date
CN111753262A CN111753262A (zh) 2020-10-09
CN111753262B true CN111753262B (zh) 2023-07-07

Family

ID=72678671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010626450.7A Active CN111753262B (zh) 2020-07-01 2020-07-01 一种基于概率分析的空调冷却水系统设计方法

Country Status (1)

Country Link
CN (1) CN111753262B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116007078A (zh) * 2021-10-21 2023-04-25 中国移动通信集团设计院有限公司 一种制冷系统的运行参数获取方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005294A (zh) * 2015-07-13 2015-10-28 长安大学 基于不确定性分析的实时传感器故障诊断方法
CN109460873A (zh) * 2018-11-14 2019-03-12 北京未来科学城科技发展有限公司 空调系统运行优化方法和装置
CN110472846A (zh) * 2019-07-30 2019-11-19 西安交通大学 核电厂热工水力安全分析最佳估算加不确定性方法
WO2020103767A1 (zh) * 2018-11-19 2020-05-28 扬州大学 一种水冷式电机最佳清垢周期计算确定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005294A (zh) * 2015-07-13 2015-10-28 长安大学 基于不确定性分析的实时传感器故障诊断方法
CN109460873A (zh) * 2018-11-14 2019-03-12 北京未来科学城科技发展有限公司 空调系统运行优化方法和装置
WO2020103767A1 (zh) * 2018-11-19 2020-05-28 扬州大学 一种水冷式电机最佳清垢周期计算确定方法
CN110472846A (zh) * 2019-07-30 2019-11-19 西安交通大学 核电厂热工水力安全分析最佳估算加不确定性方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于机会约束规划模型的灌溉管网不确定优化研究;付玉娟;蔡焕杰;;西北农林科技大学学报(自然科学版)(第05期);全文 *

Also Published As

Publication number Publication date
CN111753262A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
US7720575B2 (en) Pipeline flow control optimization software methods
CN109210380B (zh) 天然气自动分输方法和系统
CN105444356A (zh) 一种中央空调系统的能效优化智能控制系统及其控制方法
CN1186572C (zh) 空调水系统变压差变流量控制方法及系统
CN107940679A (zh) 一种基于数据中心冷水机组性能曲线的群控方法
CN201569355U (zh) 工业循环水高效节能控制系统
CN108564210B (zh) 冷却水循环系统阻力优化调试方法
CN109058762B (zh) 一种多气源天然气管网的气量均衡调度方法
CN111753262B (zh) 一种基于概率分析的空调冷却水系统设计方法
CN113701321B (zh) 一种中央空调水泵节能变频控制方法
CN113112060A (zh) 基于流量软测量的提升泵站调度方法、装置和计算机设备
CN111680429B (zh) 水箱主动调蓄方法及系统、电子设备、存储介质
CN115823706A (zh) 一次泵自适应变压差节能控制系统及方法
CN111008480B (zh) 一种用于离心泵站扩能需求的新增泵选型方法
CN115809531A (zh) 天然气管网的仿真模拟方法、系统、存储介质和电子设备
CN113776143B (zh) 高效供冷热系统用于减少流体阻力的节能管道组合结构及其方法
CN110704935B (zh) 一种sps软件的自动调试与输出方法
CN205103580U (zh) 一种水系统的节能集中控制系统
CN109899279B (zh) 一种泵站节能调度系统及其调度方法
CN102691339B (zh) 一种供水系统水泵的节能改造方法
CN113033922A (zh) 一种综合监控系统的能耗优化方法及系统
CN105840474B (zh) 基于流体输送管路工艺及设备重组的机泵节能方法
CN116841197B (zh) 建筑物热源系统的运行调控方法及其装置
CN117850491B (zh) 用于燃气输配的自动调压控制方法及系统
CN117236077B (zh) 基于bim技术的消防泵房管综优化及运行监测方法

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