CN111780332B - 一种中央空调分户计量方法及装置 - Google Patents

一种中央空调分户计量方法及装置 Download PDF

Info

Publication number
CN111780332B
CN111780332B CN202010675288.8A CN202010675288A CN111780332B CN 111780332 B CN111780332 B CN 111780332B CN 202010675288 A CN202010675288 A CN 202010675288A CN 111780332 B CN111780332 B CN 111780332B
Authority
CN
China
Prior art keywords
information
energy consumption
room
return
air
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
CN202010675288.8A
Other languages
English (en)
Other versions
CN111780332A (zh
Inventor
徐坚
徐喜霞
王恺
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.)
Shenzhen Haohuang Mechanical And Electrical Equipment Co ltd
Original Assignee
ZHEJIANG RADIO AND TV UNIVERSITY
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 ZHEJIANG RADIO AND TV UNIVERSITY filed Critical ZHEJIANG RADIO AND TV UNIVERSITY
Priority to CN202010675288.8A priority Critical patent/CN111780332B/zh
Publication of CN111780332A publication Critical patent/CN111780332A/zh
Application granted granted Critical
Publication of CN111780332B publication Critical patent/CN111780332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • 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
    • F24F11/30—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
    • F24F11/47—Responding to energy costs
    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K17/00—Measuring quantity of heat
    • G01K17/06—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device
    • G01K17/08—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device based upon measurement of temperature difference or of a temperature

Landscapes

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

Abstract

本发明属于中央空调分户计费技术领域，公开一种中央空调分户计量方法，包括获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；输入冷热量测量参数信息、房间测量参数信息至神经网络输出冷热量数值和房间修正系数、窗户开启状态信息和惩罚系数；获取房间面积信息和设备能耗信息得出单户空调能耗费用信息；利用冷热量测量参数信息和设备能耗信息得出设备故障信息；还公开一种装置；本发明在面对共用统一末端的不同用户时，引入修正系数矩阵，解决朝向、楼层等因素导致的能耗分摊不均问题；采用数据分析开窗情况，调整能耗分配比例以实现多用多支出、少用少支出的公平原则；根据历史数据识别计量故障，并进行智能修正，以确保可靠性。

Description

一种中央空调分户计量方法及装置
技术领域
本发明属于中央空调分户计费技术领域，特别的涉及一种中央空调分户计量方法及装置。
背景技术
中央空调系统由一个或多个冷热源系统和多个空气调节系统组成，该系统不同于传统冷剂式空调，(如单体机，VRV) 集中处理空气以达到舒适要求；其采用液体气化制冷的原理为空气调节系统提供所需冷量，用以抵消室内环境的热负荷。中央空调制热系统为空气调节系统提供所需热量，用以抵消室内环境冷暖负荷；制冷系统是中央空调系统至关重要的部分，其采用种类、运行方式、结构形式等直接影响了中央空调系统在运行中的经济性、高效性、合理性。
参照中国专利号为CN110260479A的一种基于APP的中央空调末端监控与能耗管理系统及管理方法，其组成包括:手机，所述的手机具有手机APP，所述的手机APP通过互联网连接监控计算机，所述的监控计算机连接UPS电源和打印机，所述的监控计算机连接网络交换机，所述的网络交换机连接一数据采集器、二数据采集器、三数据采集器、四数据采集器，所述的手机APP与服务器终端共同监控中央空调末端设备，所述的一数据采集器连接一组相互连接的一风机盘管控制器。
结合上述提出的和现有分户计量中央空调费用的方法，会发现由于中央空调系统复杂，相关计量计费技术存在许多缺陷，如末端风量难以测定、投入成本过高、计算费用误差较大等；同时还涉及共用同一末端的不同用户之间的能耗分摊问题和开窗朝向问题，以使分户计量的费用存在不公平性。
发明内容
本发明目的是提供一种中央空调分户计量方法及装置，用以解决上述提到的由于中央空调系统复杂，相关计量计费技术存在许多缺陷，如末端风量难以测定、投入成本过高、计算费用误差较大等；同时还涉及共用同一末端的不同用户之间的能耗分摊问题和开窗朝向问题，以使分户计量的费用存在不公平性。
本发明解决其技术问题采用的技术方案是，提出一种中央空调分户计量方法，其包括以下步骤：
获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；
输入所述冷热量测量参数信息至训练后的神经网络并输出对应的冷热量数值；
输入所述房间测量参数信息至训练后的第一神经网络并输出房间修正系数、输入所述房间测量参数信息至训练后的第二神经网络并输出窗户开启状态信息和惩罚系数。
获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息；
利用预设的故障数据神经网络将所述冷热量测量参数信息和设备能耗信息输入并生成设备故障信息；
发送所述窗户开启状态信息、单户空调能耗费用信息和设备故障信息至终端。
进一步优选地，所述“冷热量测量参数信息”具体包括：风机盘管的供回水温度、供回水压力、送回风温度和送回风湿度；新风机的供回水温度、供回水压力、送回风温度和送回风湿度；空调箱的供回水温度、供回水压力、送回风温度和送回风湿度。
进一步优选地，所述“房间测量参数信息”具体包括：房间的窗户内侧温度、窗户外侧温度、室内外温度、室内外湿度、光照强度和房间位置分布信息。
进一步优选地，所述“获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息”具体包括：获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息；累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊，并乘以房间修正系数和惩罚系数得出房间冷热量；利用设备能耗费用信息乘以单户房间冷热量占总房间冷热量比例得出单户空调能耗费用信息。
进一步优选地，所述“设备故障信息”至少包括主机故障、末端故障、水泵故障、能耗设备故障的一种。
本发明解决其技术问题采用的另一技术方案是，提出一种中央空调分户计量装置，其包括：
数据采集模块，用于获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；
第一数据处理模块，用于输入所述冷热量测量参数信息至训练后的神经网络并输出对应的冷热量数值；
第二数据处理模块，用于输入所述房间测量参数信息至训练后的第一神经网络并输出房间修正系数、输入所述房间测量参数信息至训练后的第二神经网络并输出窗户开启状态信息和惩罚系数；
分户能耗计算模块，用于获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息；
故障诊断模块，用于利用预设的故障数据神经网络将所述冷热量测量参数信息和设备能耗信息输入并生成设备故障信息；
通讯模块，用于发送所述窗户开启状态信息、单户空调能耗费用信息和设备故障信息至终端。
进一步优选地，所述“冷热量测量参数信息”具体包括：风机盘管的供回水温度、供回水压力、送回风温度和送回风湿度；新风机的供回水温度、供回水压力、送回风温度和送回风湿度；空调箱的供回水温度、供回水压力、送回风温度和送回风湿度。
进一步优选地，所述“房间测量参数信息”具体包括：房间的窗户内侧温度、窗户外侧温度、室内外温度、室内外湿度、光照强度和房间位置分布信息。
进一步优选地，所述“获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息”具体包括：获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息；累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊，并乘以房间修正系数和惩罚系数得出房间冷热量；利用设备能耗费用信息乘以单户房间冷热量占总房间冷热量比例得出单户空调能耗费用信息。
进一步优选地，所述“设备故障信息”至少包括主机故障、末端故障、水泵故障、能耗设备故障的一种。
本发明的有益效果：
本发明在面对共用统一末端的不同用户时，引入修正系数矩阵，解决朝向、楼层等因素导致的能耗分摊不均问题；采用数据分析开窗情况，调整能耗分配比例以实现多用多支出、少用少支出的公平原则；根据历史数据识别计量故障，并进行智能修正，以确保可靠性；还采用基准末端精准测量供冷热量的方法间接测量末端风量，提高精度的同时降低投入成本。
附图说明
图1为本发明实施例的一种中央空调分户计量方法的整体流程示意图；
图2为本发明实施例的一种中央空调分户计量方法的步骤整体流程示意图；
图3为本发明实施例的一种中央空调分户计量装置的整体结构示意图；
图4为本发明实施例的一种中央空调分户计量方法中神经网络的训练结构图；
图5为本发明实施例的一种中央空调分户计量方法中房间位置分布的举例示意图。
具体实施方式
为了更清楚地说明本发明实施例和/或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。另，涉及方位的属于仅表示各部件间的相对位置关系，而不是绝对位置关系。
请参阅图1、图2、图4和图5，本实施例的分户计量方法包括以下步骤：
S1获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；
其中，本发明的冷热量测量参数信息可通过温度传感器、压力传感器和湿度传感器测量，包括风机盘管的供回水温度、供回水压力、送回风温度和送回风湿度；新风机的供回水温度、供回水压力、送回风温度和送回风湿度；空调箱的供回水温度、供回水压力、送回风温度和送回风湿度；需要说明的是，需采集同一批次和型号的所有风机盘管的供回水温度、供回水压力、送回风温度以及送回风湿度，并选取1个作为基准风机盘管进行精准测量，测量参数包括供回水温度、供回水压力、送回风温度、送回风湿度以及风量；同样的，需采集同一批次和型号的所有新风机的供回水温度、供回水压力、送回风温度以及送回风湿度，并选取1个作为基准新风机进行精准测量，测量参数包括供回水温度、供回水压力、送回风温度、送回风湿度以及风量；同样的，需采集同一批次和型号的所有空调箱的供回水温度、供回水压力、送回风温度以及送回风湿度，并选取1个作为基准空调箱进行精准测量，测量参数包括供回水温度、供回水压力、送回风温度、送回风湿度以及风量；此处采用基准末端精准测量供冷热量的方法间接测量末端风量，精度高，成本低。
其中，房间测量参数信息可通过温度传感器、湿度传感器和光照传感器测量，需采集所有房间的窗户内侧和外侧温度、室内外温度、室内外湿度、光照强度、以及房间位置分布信息（房间位置分布信息包括房间号、楼层、朝向和具体位置，可通过网络查询或是询问物业）。
其中，设备能耗信息可查阅相关设备使用手册，包括采集中央空调系统所有设备的能耗，如各种制冷机、锅炉、水泵、变频器等用能设备。
S2输入所述冷热量测量参数信息至训练后的神经网络并输出对应的冷热量数值；
以计算风机盘管冷热量为例，建立由输入层、隐含层和输出层组成的神经网络模型（可如图4所示），具有8个输入节点和1个输出神经元，输入信息包括风机盘管的供回水温度、供回水压力、送回风温度以及送回风湿度，输出信息为风机盘管供冷热量。
采用1台基准风机盘管的精准测量数据训练网络，输入为供回水温度、供回水压力、送回风温度以及送回风湿度，输出为供冷热量（其中，供冷热量计算方法采用空气焓差法，即严格绝热条件下，已知送回风温度以及送回风湿度，风量值来计算供冷热量）；其中湿空气的焓值 h是指空气中含有的总热量在工程上，我们可以根据一定质量的空气在处理过程中比焓的变化，来判定空气是得到热量还是失去了热量。空气的比焓增加表示空气中得到热量;空气的比焓减小表示空气中失去了热量，其常用的计算公式如下所示：
Figure 68875DEST_PATH_IMAGE002
Figure 392540DEST_PATH_IMAGE002
式中：d——湿空气的含湿量（单位kg/kg）；
t——湿空气的干球温度；
对输送的冷量或热量进行计算，当h1大于h2时，对冷量进行积算；当h1小于h2时对热量进行积算，计算公式如下所示：
Figure 703435DEST_PATH_IMAGE004
式中：Q：冷量（或者热量），单位为 kJ；
Figure 255902DEST_PATH_IMAGE006
：送风的体积流量，单位为 m3/h；
Figure 601432DEST_PATH_IMAGE008
：送风的空气密度，单位为 kg/m3
Figure 830419DEST_PATH_IMAGE010
：混风与送风的焓值差（h1-h2），单位为 kJ/kg；
t：时间，单位为 h。
实际运行时，首先对基准风机盘管的精准测量，得到若干组输入输出数据，然后对三层神经网络进行训练，建立输入输出参数之间的隐形函数关系；然后利用该神经网络进行测算，输入任意一台风机盘管的供回水温度、供回水压力、送回风温度以及送回风湿度，即可得到其制冷制热量。特别需要说明的是，当运行一段时间（如一个制冷季）后，需要对基准风机盘管的精准测量重新进行测量计算，并训练神经网络，以避免设备老化带来的计量误差。
同理，计算新风机冷热量建立由输入层、隐含层和输出层组成的神经网络模型，具有8个输入节点和1个输出神经元，输入信息包括新风机的供回水温度、供回水压力、送回风温度以及送回风湿度，输出信息为新风机供冷热量。采用1台基准新风机的精准测量数据训练网络，输入为供回水温度、供回水压力、送回风温度以及送回风湿度，输出为供冷热量；其中，供冷热量计算方法采用空气焓差法。
同理，计算空调箱冷热量建立由输入层、隐含层和输出层组成的神经网络模型，具有8个输入节点和1个输出神经元，输入信息包括空调箱的供回水温度、供回水压力、送回风温度以及送回风湿度，输出信息为空调箱供冷热量。采用1台基准空调箱的精准测量数据训练网络，输入为供回水温度、供回水压力、送回风温度以及送回风湿度，输出为供冷热量；其中，供冷热量计算方法采用空气焓差法。
S3输入所述房间测量参数信息至训练后的第一神经网络并输出房间修正系数，输入房间测量参数信息至训练后的第二神经网络输出窗户开启状态信息和惩罚系数。
此处的房间修正系数可参阅如上计算冷热量方式，建立由输入层、隐含层和输出层组成的神经网络模型，具有8个输入节点和1个输出神经元，输入信息包括窗户内侧和外侧温度、室内外温度、室内外湿度、光照强度、以及房间位置分布信息，输出信息为房间修正系数。
采用n个典型房间的逐时数据训练网络，输入为窗户内侧和外侧温度、室内外温度、室内外湿度、光照强度、以及房间位置分布信息，输出为房间修正系数。其中，某房间的修正系数=（某房间供冷热量*n个典型房间的总房间面积）/（某房间面积*n个典型房间的总供冷热量）。
例如，可参阅图5中选取的4个典型房间位置分布信息，连续测试，得到4个房间的窗户内侧和外侧温度、室内外温度、室内外湿度、光照强度以及供冷热量的逐时数据，引入某房间的修正系数
Figure 628611DEST_PATH_IMAGE012
，修正系数如下式所示：
Figure DEST_PATH_IMAGE013
进而得到房间的修正系数，然后对三层神经网络进行训练，建立输入输出参数之间的隐形函数关系；然后利用该神经网络进行测算，输入任意房间的窗户内侧和外侧温度、室内外温度、室内外湿度、光照强度、以及房间位置分布信息，即可得到其房间修正系数。特别需要说明的是，当运行一段时间（如一个制冷季）后，需要对典型房间的逐时数据重新进行测量计算，并训练神经网络，以避免建筑老化破损带来的计量误差。
此处的窗户开启状态信息是指在制热模式下室外温度低于室内温度，或者在制冷模式下室外温度高于室内温度时，识别出用户开窗导致空调负荷增加的行为；可通过房间内各点温度、湿度等物理量的变化来识别开窗情况：建立由输入层、隐含层和输出层组成的神经网络模型，具有6个输入节点和2个输出神经元，输入信息包括窗户内侧和外侧温度、室内外温度、光照强度、室内外湿度，输出信息为窗户开启状态信息和惩罚系数。
采用n个典型房间的逐时数据训练网络，输入为窗户内侧和外侧温度、室内外温度、光照强度、室内外湿度，输出为窗户开启状态信息；其中，窗户开启状态信息取值0/0.5/1，可分别代表未开窗/半开窗/开窗。
某房间的惩罚系数=某房间开窗时的供冷热量/某房间未开窗时的供冷热量，并可通过发送信息至手机终端，提醒用户及时关窗，避免能源浪费。
特别说明的是，利用该神经网络进行测算，输入任意房间的窗户内侧和外侧温度、室内外温度、光照强度、室内外湿度，即可得到窗户开启状态信息和惩罚系数；当运行一段时间（如一个制冷季）后，需要对重新进行测量计算，并训练神经网络，以避免设备老化、建筑破旧带来的计量误差。
S4获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息；
其中，步骤S4可如图2所示，具体包括有：
S401获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息；
S402累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊并乘以房间修正系数和惩罚系数得出房间冷热量；
S403利用设备能耗费用信息乘以单户房间冷热量占总房间冷热量比例得出单户空调能耗费用信息。
先计算出每个房间的冷热量：通过累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊，并乘以相应的房间修正系数、惩罚系数。
再计算单户空调能耗费用：将计费周期内的所有耗能设备产生的费用进行累加，除以所有房间冷热量得到供冷热量单价，再乘以房间冷热量得到每户空调能耗费。
S5利用预设的故障数据神经网络将所述冷热量测量参数信息和设备能耗信息输入并生成设备故障信息；
此处生成设备故障信息可通过建立由输入层、隐含层和输出层组成的神经网络模型，具有若干个（由设备数量决定）输入节点和1个输出神经元，输入信息包括空调箱的供回水温度、供回水压力、送回风温度、送回风湿度以及各个设备的能耗值，输出信息为故障类型；采用云端数据库中的的故障数据训练网络，输入为供回水温度、供回水压力、送回风温度以及送回风湿度，输出为故障类型；其中，故障类型至少包括主机故障、末端故障、水泵故障、计量设备故障的一种。
S6发送所述窗户开启状态信息、单户空调能耗费用信息和设备故障信息至终端。
窗户开启状态信息、单户空调能耗费用信息和设备故障信息可通过有线或无线传输方式存入数据库，通过运维中心的处理得到优化，还能及时对潜在的故障进行识别；终端包括手机、平板、笔记本电脑等，便于客户与运维中心协同工作。
如图3所示，本实施例还公开一种中央空调分户计量装置，其特征在于，包括以下：
数据采集模块，用于获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；
第一数据处理模块，用于输入所述冷热量测量参数信息至训练后的神经网络并输出对应的冷热量数值；
第二数据处理模块，用于输入所述房间测量参数信息至训练后的第一神经网络并输出房间修正系数，输入所述房间测量参数信息至训练后的第二神经网络并输出窗户开启状态信息和惩罚系数；
分户能耗计算模块，用于获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息；
故障诊断模块，用于利用预设的故障数据神经网络将所述冷热量测量参数信息和设备能耗信息输入并生成设备故障信息；
通讯模块，用于发送所述窗户开启状态信息、单户空调能耗费用信息和设备故障信息至终端。
作为优选的，“冷热量测量参数信息”具体包括：风机盘管的供回水温度、供回水压力、送回风温度和送回风湿度；新风机的供回水温度、供回水压力、送回风温度和送回风湿度；空调箱的供回水温度、供回水压力、送回风温度和送回风湿度。
作为优选的，“房间测量参数信息”具体包括：房间的窗户内侧温度、窗户外侧温度、室内外温度、室内外湿度、光照强度和房间位置分布信息。
作为优选的，“获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息”具体包括：获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息；累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊，并乘以房间修正系数和惩罚系数得出房间冷热量；利用设备能耗费用信息乘以单户房间冷热量占总房间冷热量比例得出单户空调能耗费用信息。
作为优选的，“设备故障信息”至少包括主机故障、末端故障、水泵故障、能耗设备故障的一种。
本实施例还可公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。
本实施例还可一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种中央空调分户计量方法，其特征在于，包括以下步骤：
S1获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；
S2输入所述冷热量测量参数信息至训练后的神经网络并输出对应的冷热量数值；
S3输入所述房间测量参数信息至训练后的第一神经网络并输出房间修正系数，输入所述房间测量参数信息至训练后的第二神经网络输出窗户开启状态信息和惩罚系数；
S4获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息；
S5利用预设的故障数据神经网络将所述冷热量测量参数信息和设备能耗信息输入并生成设备故障信息；
S6发送所述窗户开启状态信息、单户空调能耗费用信息和设备故障信息至终端。
2.根据权利要求1所述的一种中央空调分户计量方法，其特征在于，所述“冷热量测量参数信息”具体包括：风机盘管的供回水温度、供回水压力、送回风温度和送回风湿度；新风机的供回水温度、供回水压力、送回风温度和送回风湿度；空调箱的供回水温度、供回水压力、送回风温度和送回风湿度。
3.根据权利要求1所述的一种中央空调分户计量方法，其特征在于，所述“房间测量参数信息”具体包括：房间的窗户内侧温度、窗户外侧温度、室内外温度、室内外湿度、光照强度和房间位置分布信息。
4.根据权利要求1所述的一种中央空调分户计量方法，其特征在于，所述“S4获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息”具体包括：S401获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息；S402累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊，并乘以房间修正系数和惩罚系数得出房间冷热量；S403利用设备能耗费用信息乘以单户房间冷热量占总房间冷热量比例得出单户空调能耗费用信息。
5.根据权利要求1所述的一种中央空调分户计量方法，其特征在于，所述“设备故障信息”至少包括主机故障、末端故障、水泵故障、能耗设备故障的一种。
6.一种中央空调分户计量装置，其特征在于，包括以下
数据采集模块，用于获取冷热量测量参数信息、房间测量参数信息和设备能耗信息；
第一数据处理模块，用于输入所述冷热量测量参数信息至训练后的神经网络并输出对应的冷热量数值；
第二数据处理模块，用于输入所述房间测量参数信息至训练后的第一神经网络并输出房间修正系数，输入所述房间测量参数信息至训练后的第二神经网络输出窗户开启状态信息和惩罚系数；
分户能耗计算模块，用于获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息；
故障诊断模块，用于利用预设的故障数据神经网络将所述冷热量测量参数信息和设备能耗信息输入并生成设备故障信息；
通讯模块，用于发送所述窗户开启状态信息、单户空调能耗费用信息和设备故障信息至终端。
7.根据权利要求6所述的一种中央空调分户计量装置，其特征在于，所述“冷热量测量参数信息”具体包括：风机盘管的供回水温度、供回水压力、送回风温度和送回风湿度；新风机的供回水温度、供回水压力、送回风温度和送回风湿度；空调箱的供回水温度、供回水压力、送回风温度和送回风湿度。
8.根据权利要求6所述的一种中央空调分户计量装置，其特征在于，所述“房间测量参数信息”具体包括：房间的窗户内侧温度、窗户外侧温度、室内外温度、室内外湿度、光照强度和房间位置分布信息。
9.根据权利要求6所述的一种中央空调分户计量装置，其特征在于，所述“获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息，结合所述冷热量数值、房间修正系数和惩罚系数得出单户空调能耗费用信息”具体包括：获取房间面积信息和所述设备能耗信息对应的设备能耗费用信息；累加经计算得出的风机盘管、新风机和空调箱的供冷热量，再按照房间面积进行分摊，并乘以房间修正系数和惩罚系数得出房间冷热量；利用设备能耗费用信息乘以单户房间冷热量占总房间冷热量比例得出单户空调能耗费用信息。
10.根据权利要求6所述的一种中央空调分户计量装置，其特征在于，所述“设备故障信息”至少包括主机故障、末端故障、水泵故障、能耗设备故障的一种。
CN202010675288.8A 2020-07-14 2020-07-14 一种中央空调分户计量方法及装置 Active CN111780332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010675288.8A CN111780332B (zh) 2020-07-14 2020-07-14 一种中央空调分户计量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010675288.8A CN111780332B (zh) 2020-07-14 2020-07-14 一种中央空调分户计量方法及装置

Publications (2)

Publication Number Publication Date
CN111780332A CN111780332A (zh) 2020-10-16
CN111780332B true CN111780332B (zh) 2021-08-27

Family

ID=72767793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010675288.8A Active CN111780332B (zh) 2020-07-14 2020-07-14 一种中央空调分户计量方法及装置

Country Status (1)

Country Link
CN (1) CN111780332B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364563A (zh) * 2020-11-11 2021-02-12 清华大学 一种多联机空调分户计量与计费方法及装置
CN113883693A (zh) * 2021-10-28 2022-01-04 湖北合合能源科技发展有限公司 一种集中式中央空调系统计量方法
CN114370697A (zh) * 2021-12-30 2022-04-19 韦克诚 中央空调能计量与分配水力平衡控制系统
CN114719426A (zh) * 2022-04-22 2022-07-08 广州豪特节能环保科技股份有限公司 一种基于空调分布策略的智能能源管理系统及管理方法
CN115388517B (zh) * 2022-07-27 2024-06-14 宁波奥克斯电气股份有限公司 一种多联空调分户计费方法、装置及多联空调

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102997374A (zh) * 2012-12-31 2013-03-27 深圳市奥宇控制系统有限公司 一种空调负荷预测方法，装置及空调
CN105650803A (zh) * 2015-11-13 2016-06-08 南宁市亨东信息科技有限责任公司 间接计量型中央空调计量计费收费系统
KR20180082764A (ko) * 2017-01-11 2018-07-19 인하대학교 산학협력단 기계 학습 기반의 온열 환경 예측 장치 및 그 방법
CN108758982A (zh) * 2018-06-11 2018-11-06 江苏联宏智慧能源股份有限公司 一种vrv空调分户计量计费系统
CN110276393A (zh) * 2019-06-19 2019-09-24 西安建筑科技大学 一种绿色建筑能耗复合预测方法
CN110715405A (zh) * 2019-09-29 2020-01-21 华中科技大学 一种基于bp神经网络拟合模型的空调器制冷量检测方法
CN111578444A (zh) * 2019-02-19 2020-08-25 珠海格力电器股份有限公司 一种空调故障预测方法、装置、存储介质及空调

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9817375B2 (en) * 2014-02-26 2017-11-14 Board Of Trustees Of The University Of Alabama Systems and methods for modeling energy consumption and creating demand response strategies using learning-based approaches

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102997374A (zh) * 2012-12-31 2013-03-27 深圳市奥宇控制系统有限公司 一种空调负荷预测方法，装置及空调
CN105650803A (zh) * 2015-11-13 2016-06-08 南宁市亨东信息科技有限责任公司 间接计量型中央空调计量计费收费系统
KR20180082764A (ko) * 2017-01-11 2018-07-19 인하대학교 산학협력단 기계 학습 기반의 온열 환경 예측 장치 및 그 방법
CN108758982A (zh) * 2018-06-11 2018-11-06 江苏联宏智慧能源股份有限公司 一种vrv空调分户计量计费系统
CN111578444A (zh) * 2019-02-19 2020-08-25 珠海格力电器股份有限公司 一种空调故障预测方法、装置、存储介质及空调
CN110276393A (zh) * 2019-06-19 2019-09-24 西安建筑科技大学 一种绿色建筑能耗复合预测方法
CN110715405A (zh) * 2019-09-29 2020-01-21 华中科技大学 一种基于bp神经网络拟合模型的空调器制冷量检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于LonWorks和焓值控制的变风量空调分户计费系统的研究;胡东然;《硕士学位论文》;西安建筑科技大学;20130501;全文 *

Also Published As

Publication number Publication date
CN111780332A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN111780332B (zh) 一种中央空调分户计量方法及装置
CN102620378B (zh) 数据中心节能控制方法和系统
CN102818337B (zh) 一种基于物联网的地源热泵系统监测装置
WO2020124957A1 (zh) 一种空调节能仿真系统
CN105320184B (zh) 建筑室内环境智能监控系统
CN104570973A (zh) 一种企业能源管理方法及装置
US20180283722A1 (en) Air conditioning system and control method thereof
CN102967478A (zh) 一种焓差实验室
CN105046595A (zh) 一种基于物联网技术的能效评估诊断云系统及方法
CN111830350B (zh) 能耗计量方法、装置及电器
Lei et al. Prediction method of energy consumption for high building based on LMBP neural network
CN113091262B (zh) 一种基于模型预测控制的数据中心温湿度设定值确定方法
CN112361566B (zh) 空调系统智能控制方法以及相关装置
CN112364563A (zh) 一种多联机空调分户计量与计费方法及装置
JP2017027434A (ja) 冷暖房機器選定支援システム
CN109579224A (zh) 一种中央空调云监控系统及其控制方法
CN110348762A (zh) 用于交通工具的空调系统温度调节性能评估方法及装置
Liu et al. Investigation of VRF system cooling operation and performance in residential buildings based on large-scale dataset
CN116955963B (zh) 基于历史数据分析的暖通节能阶梯寻优控制方法
Shao et al. A practical application-oriented model predictive control algorithm for direct expansion (DX) air-conditioning (A/C) systems that balances thermal comfort and energy consumption
Maask et al. Aggregation ready flexibility management methods for mechanical ventilation systems in buildings
JP2004234302A (ja) プロセス管理装置
CN107133372B (zh) 一种移动通信基站能耗标杆场景化评估方法及装置
CN113341792A (zh) 一种基于bim的建筑数据采集方法及系统
JP2002156147A (ja) 可変制御システムの運用評価装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230506

Address after: 518000, 6th Floor, Building 2, Sungang Warehouse, Liyuan Road, Bao'an North Road, Luohu District, Shenzhen City, Guangdong Province 6028

Patentee after: SHENZHEN HAOHUANG MECHANICAL AND ELECTRICAL EQUIPMENT Co.,Ltd.

Address before: 310012 No. 42 staff Road, Hangzhou, Zhejiang, Xihu District

Patentee before: ZHEJIANG RADIO AND TV University