CN111928459A - 一种新型城市综合体供冷供热控制装置及其控制方法 - Google Patents
一种新型城市综合体供冷供热控制装置及其控制方法 Download PDFInfo
- Publication number
- CN111928459A CN111928459A CN202011044764.2A CN202011044764A CN111928459A CN 111928459 A CN111928459 A CN 111928459A CN 202011044764 A CN202011044764 A CN 202011044764A CN 111928459 A CN111928459 A CN 111928459A
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- cooling
- heating
- equipment
- 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
- F24F11/50—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- 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
-
- 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
- F24F2110/20—Humidity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种新型城市综合体供冷供热控制装置及其控制方法,该装置包括:多传感器采集模组:采集城市综合体的温度数据及湿度数据并发送至数据汇集单元;人工智能摄像采集设备:智能识别进出城市综合体的人流数据并发送至数据汇集单元;数据汇集单元:计算城市综合体供冷供热所需负荷参量并发送至本地控制单元;本地控制单元:采用温度跟随与人流跟随相结合的优化控制算法向城市综合体供冷供热设备发出控制指令,对城市综合体供冷供热设备进行精准控制。本发明将传感器组采集的温湿度数据和人工智能摄像采集设备采集的人流数据,充分考虑多方面环境因素并进行智能分析,实现对城市综合体供冷供热设备的精准控制功能。
Description
技术领域
本发明属于综合能源装备领域,尤其是一种新型城市综合体供冷供热控制装置及其控制方法。
背景技术
城市综合体是以建筑群为基础,融合商业零售、商务办公、酒店餐饮、公寓住宅、综合娱乐五大核心功能于一体的城中之城。随着城市综合体项目的规划日益增多,对其环境控制逐渐成为热点,特别是高端商场、写字楼等城市综合体,对环境控制需求严格。如何对城市综合体内各个区域建筑的水、电、气、热用量的合理利用及管理也越来越重要。
传统的建筑负荷测算主要包含维护结构耗热量、冷风渗透耗热量,在负荷设计上缺少运行过程中的负荷实际需求情况,造成负荷设计与运行所需量相差较多。由于城市综合体的负荷通常具有需求集中、用能时间具有规律性、季节差异性等特点,因此,如何利用城市综合体的上述特点,对城市综合体供冷供热设备进行精准控制,打造舒适、经济的室内环境是目前迫切需要解决的问题。
通过检索,发现专利文献“一种城市综合体及大型公共建筑群的综合功能系统及方法(专利公开号:CN108736518A)”,其以分布式新能源发电装置作为主要的供能装置,以储能装置调节新能源发电的不稳定性,将市电作为补充能源,其解决的问题是城市综合体过于依赖市政用电、线损大、用电成本高、可靠性低等问题,但是,不能充分利用城市综合体负荷特点,难以实现对城市综合体供冷供热的优化控制功能。
发明内容
本发明的目的在于克服现有技术的不足,提出一种新型城市综合体供冷供热控制装置及其控制方法,其通过对包括环境温湿度、人流密度、设备等多种环境状态进行精准监测,对城市综合体供冷供热设备进行精准控制,从而打造最舒适、最经济的室内环境。
本发明解决其技术问题是采取以下技术方案实现的:
一种新型城市综合体供冷供热控制装置,包括多传感器采集模组、人工智能摄像采集设备、数据汇集单元、本地控制单元和电源模块,其中:
所述多传感器采集模组:采集城市综合体的温度数据及湿度数据并发送至数据汇集单元;
所述人工智能摄像采集设备:智能识别进出城市综合体的人流数据并发送至数据汇集单元;
所述数据汇集单元:根据多传感器采集模组采集到的温度数据及湿度数据与人工智能摄像采集设备识别出的人流数据,计算城市综合体供冷供热所需负荷参量并发送至本地控制单元;
所述本地控制单元:采用温度跟随与人流跟随相结合的优化控制算法向城市综合体供冷供热设备发出控制指令,对城市综合体供冷供热设备进行精准控制;
所述电源模块与多传感器采集模组、人工智能摄像采集设备、数据汇集单元、本地控制单元相连接并为其供电。
而且,所述多传感器采集模组采用具有WiFi接口或蓝牙接口的温湿度传感器。
而且,所述人流数据包括人流密度、人群热量分布、人员性别和年龄。
而且,所述本地控制单元由控制器、状态量输出单元、模拟量输出单元及通信接口组成,所述控制器与状态量输出单元、模拟量输出单元及通信接口相连接,状态量输出单元、模拟量输出单元均与供冷供热设备的电磁阀门、循环泵相连接,所述通信接口与制冷机组、制热机组相连接。
而且,所述通信接口为以太网接口或RS485接口。
而且,所述多传感器采集模组、数据汇集单元、本地控制单元之间通过WiFi接口或蓝牙接口相连接。
一种新型城市综合体供冷供热控制装置的控制方法,包括以下步骤:
步骤1、多传感器采集模组采集城市综合体的基本温湿度数据并发送至数据汇集单元;
步骤2、人工智能摄像采集设备智能识别进出城市综合体的人流数据并发送至数据汇集单元。
步骤3、数据汇集单元对多传感器采集模组采集到的温湿度数据与人工智能摄像采集设备采集到的人流数据进行智能分析,计算得到系统设计所需负荷参量;
步骤4、在温湿度达到设定值恒定后,本地控制单元采用温度跟随与人流跟随相结合的优化控制算法向城市综合体供冷供热设备发出控制指令,对城市综合体供冷供热设备进行精准控制。
而且,所述数据汇集单元采用如下公式计算系统设计所需负荷参量:
Q x = k * ( Q wj + Q wf - Q jb - Q p + Q s )
其中,Q x 为系统设计所需负荷参量,Q wj 为建筑外围所需热量负荷,Q wf 为冬季室外冷风渗透负荷,Q jb 为建筑保温负荷,Q p 为综合体人流及设备发热量,Q s 为其它热损耗、所产生风冷负荷及负荷量修正,k为修正系数,该修正系数由人工智能摄像采集设备采集到的人流数据因素决定;
建筑外围所需热量负荷Q wf 根据地区室外的温度的平均值进行系数测算,其计算公式如下:
Q wf = Kpa+ Q d
其中,K为外部进气面积,p为室外空气容重,a是冷空气进入修正值,Q d 为反冷负荷。
而且,所述步骤4采用的温度跟随与人流跟随相结合的优化控制算法为:
根据多传感器采集模组、人工智能摄像采集设备及供冷更热设备的运行状态,如果在一定时间范围环境温度的正向变化率大于某一阈值kδ,则启动优化控制算法降低供水温度或供水压力;如果环境温度的变化率在某一阈值范围,则维持供水温度或供水压力不变,如果在一定时间范围环境温度的负向变化率大于某一阈值kδ,则启动优化控制算法提高供水温度或供水压力;
所述阈值kδ随过程的变化具有动态性,与一次供回水温度的差值、一次供回水压力、二次供回水温度的差值、二次供回水压力、环境温度、人流分布与发热量的差值有关;初始阈值kδ 0 的设定由深度学习模型使用大量模拟数据进行模型训练而决定;
其中,k为修正系数,该修正系数由人工智能摄像采集设备采集到的人流数据因素决定;δ为阈值中的基准值,δ 0 为阈值基准值的初始值;
阈值δ的学习过程为:
δ=δ 0 A(T12-T11)+B(P12-P11)+C(T22-T21)+D(P22-P21)+E(T1)
其中:T11、T12分别为一次供水温度、回水温度,P11、P12分别为一次供水压力、回水压力,T21、T22分别为二次供水温度、回水温度,P21、P22分别为二次供水压力、回水压力,T1为环境温度;A(T12-T11)、B(P12-P11)、C(T22-T21)、D(P22-P21)、E(T1)均为加权回归模型,表示距离本时刻越近,权重越高,距离本时刻越远,权重越低;赋予各个时刻温度、压力不同的权值,对本时刻阈值进行拟合计算,并考虑建筑物的建筑面积、层数、结构因素影响,通过数据库中经验模型拟合比对而决定。
而且,所述温度跟随与人流跟随相结合的优化控制算法包括如下约束条件:
(1)每个时刻需要的总冷、热负荷等于制冷、制热设备提供的冷、热负荷;
(2)需要的总冷、热负荷小于等于制冷、制热设备提供的最大冷、热负荷;
(3)制冷、制热设备开启台数不得超过总的制冷、制热设备台数;
(4)每台制冷、制热设备所提供的负荷大于等于额定负荷的50%。本发明的优点和积极效果是:
1、本控制装置将传感器组采集的温湿度数据和人工智能摄像采集设备采集的人流数据,充分考虑多方面环境因素并进行智能分析,实现对城市综合体供冷供热设备的精准控制功能,从而打造城市综合体的最舒适、最经济的室内环境。
2、本控制装置的环境因素感知传感设备是由摄像头、激光雷达、空气温湿度传感器、人工智能面部识别系统等系统设备组成,可以采集到环境温湿度、人员性别、年龄等数据,并通过无线与蓝牙技术进行传输。其充分利用环境因素感知传感设备具有传输速率快、传输精度高、生产成本低的特点,通过人工智能摄像采集设备采集人员年龄、性别等信息,在热量计算与控制算法中纳入考量,从而使得控制更加准确有效。
3、本控制方法建立在对于环境因素精准感知与新型控制算法基础上,采集温度、人流量等因素,通过新型热量计算方法、温度跟随与人流跟随相结合的控制算法对供冷、供热设备进行控制,不仅为城市综合体提供舒适的环境,而且也节能了能源。
附图说明
图1是本发明的新型城市综合体供冷供热控制装置控制装置的原理图;
图2是本发明的控制逻辑图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种新型城市综合体供冷供热控制装置,如图1所示,包括多传感器采集模组、人工智能摄像采集设备、数据汇集单元、本地控制单元和电源模块。所述多传感器采集模组、人工智能摄像采集设备与数据汇集单元相连接,数据汇集单元对数据进行分析处理并输出至本地控制单元,本地控制单元与制冷、供热机房内的设备相连接并对其进行控制,电源模块与多传感器采集模组、人工智能摄像采集设备、数据汇集单元、本地控制单元相连接为其供电。下面对控制装置中的各个部分分别进行说明:
所述多传感器采集模组采用温湿度传感器,用于采集城市综合体内部的温度及湿度,温湿度传感器采用WiFi或蓝牙等多种类型网络接口的温湿度传感器,将采集的温湿度等城市综合体数据参数发送至数据汇集单元。另外,多传感器采集模组还可以根据城市综合体的实际需要,增加烟雾传感器、有害气体传感器等,实现安全监测功能。
所述人工智能摄像采集设备:采用内嵌有人工智能算法的智能摄像设备,能够智能识别进出城市综合体的人流密度、人群热量分布、人员性别、年龄等人流数据,并将人流数据上传至数据汇集单元。
所述数据汇集单元:主要将多传感器采集模组采集到的温湿度数据与人工智能摄像采集设备采集到的人流密度、人员等人流数据进行智能分析,计算城市综合体供冷供热所需负荷参量,为本地控制单元制定优化控制算法提供依据。
所述本地控制单元由控制器、状态量输出单元、模拟量输出单元及通信接口组成,所述控制器与状态量输出单元、模拟量输出单元及通信接口相连接,状态量输出单元、模拟量输出单元与供冷供热机房内的电磁阀门、循环泵相连接,所述通信接口包括以太网接口、RS485接口,上述通信接口均与机组(包括制冷机组、制热机组)相连接,采集机组的运行状态并传送给控制器,制冷机组、制热机组的运行状态包括一次供回水温度、一次供回水压力、二次供回水温度、二次供回水压力等数据。
本地控制单元中的控制器根据以往的冷热负荷情况与人员情况、运行情况、次日的气候等情况,预测出次日的负荷Q set ,并根据预测负荷及系统约束条件,结合具体的制冷、制热设备构建温度跟随与人流跟随相结合的优化控制算法,控制器根据优化控制算法向供冷供热设备发出控制指令,对供冷供热机房内的电磁阀门、循环泵、制冷机组、制热机组实现优化控制功能。
基于上述新型城市综合体供冷供热控制装置,本发明还提供一种新城市综合体供冷供热控制控制方法,包括如下步骤:
步骤1、多传感器采集模组采集城市综合体的基本温湿度数据并发送至数据汇集单元。
步骤2、人工智能摄像采集设备智能识别进出城市综合体的人流密度、人群热量分布、人员性别、年龄,并将人流数据上传至数据汇集单元。
步骤3、数据汇集单元对多传感器采集模组采集到的温湿度数据与人工智能摄像采集设备采集到的人流数据进行智能分析,进行系统热量计算得到系统设计所需负荷参量,为本地控制单元制定精准算法提供依据。
数据汇集单元采用如下公式计算系统热量:
Q x = k * ( Q wj + Q wf - Q jb - Q p + Q s ) (1)
Q x 为系统设计所需负荷参量,可作为制定综合体供冷、供热系统的热量参考值,进行初步策略的制定。Q wj 为建筑外围所需热量负荷,Q wf 为冬季室外冷风渗透负荷,Q jb 为建筑保温负荷,Q p 为综合体人流及设备发热量,Q s 为其它热损耗、所产生风冷负荷及负荷量修正,k为修正系数。
上式中,Q wf 主要根据地区室外的温度的平均值进行系数测算,结合城市综合体建筑特点,其计算公式如下:
Q wf = Kpa+ Q d (2)
K为外部进气面积,p为室外空气容重,a是冷空气进入修正值,Q d 为反冷负荷。
具体的说,对于建筑保温负荷Q jb ,产生的主要原因是对于较密集建筑,当热负荷升入顶部空间口,压力差逐渐下移,热能量占比逐渐提高,当外围建筑结构温度恒定后,建筑内部就会产生保温负荷。对于修正系数k,由人工智能摄像采集设备采集到的人员性别、年龄等因素决定,当人员年纪偏大、性别为女性时,修正系数k设置偏高。
需要说明的是:公式(1)与公式(2)中的热量负荷均可通过设置初始值,然后利用现有的深度学习模型使用大量模拟数据进行模型训练,最终针对筛选出合适的修正值a。
步骤4、在温湿度达到设定值恒定后,本地控制单元采用温度跟随与人流跟随相结合的优化控制算法向供冷供热设备发出控制指令,切换相应电动阀门完成闭环控制。
闭环控制逻辑如图2所示,图中:t set:依据以往的冷热负荷情况,结合本日温度、人数的预测所设置的初始设置值;Q set:由t set并结合人流、温度等因素变化,通过逻辑运算计算出的冷热负荷值;Q:将热负荷值Q set传输至供冷、供热设备,供冷、供热设备提供的供冷量、供热量。t r:室内监测温度。
闭环控制逻辑过程如下:
首先,据以往的冷热负荷情况,结合本日温度、人数的预测所设置的初始设置值t set并输入控制器;
然后,控制器结合人流变化、温度等因素变化,不断调整热负荷值Q set,进而调整Q。
本地控制单元充分考虑环境因素与人员信息(包括人流密度、人群热量分布、人员性别、年龄)以及机组运行状态,调整供冷供热设备的运行情况。
本地控制单元根据以往的冷热负荷情况与人员情况、运行情况、次日的气候等情况预测出次日的负荷Q set ,并根据预测负荷及系统约束条件,结合具体的制冷、制热设备优化控制策略。具体方法为:
通过多传感器采集模组、人工智能摄像采集设备,优化控制算法始终处于对一次供回水温度、一次供回水压力、二次供回水温度、二次供回水压力、环境温度、人流分布与发热量的监视状态,如果在一定时间范围环境温度的正向变化率(T n -T n-1 ≥0,n=1,2,3,⋯)大于某一阈值kδ,则启动控制算法降低供水温度(或者供水压力);如果环境温度的变化率在某一阈值范围(-kδ≤T n -T n-1 ≤kδ,δ>0,n=1,2,3,⋯),则维持供水温度(或供水压力)不变,如果在一定时间范围环境温度的负向变化率(T n -T n-1 ≤0,n=1,2,3,⋯)大于某一阈值kδ,则启动控制算法提高供水温度(或者供水压力),其中:
Tn:一定时间范围的终点;
Tn-1:一定时间范围的起点;
δ:阈值中受一次供回水温度的差值、一次供回水压力、二次供回水温度的差值、二次供回水压力、环境温度影响的部分。
阈值kδ随过程的变化具有动态性,即阈值学习过程,与一次供回水温度的差值、一次供回水压力、二次供回水温度的差值、二次供回水压力、环境温度、人流分布与发热量的差值有关。初始阈值kδ 0 的设定由深度学习模型使用大量模拟数据进行模型训练而决定。特别的,由通过人工智能摄像采集设备采集到的人员性别、年龄等因素而决定的修正系数k会随着进入城市综合体内的人员变化而变化,进而影响阈值。其中,k为修正系数,δ为阈值中的基准值,δ 0 为阈值基准值的初始值。阈值的学习过程为:
δ=δ 0 A(T12-T11)+B(P12-P11)+C(T22-T21)+D(P22-P21)+E(T1) (3)
其中:T11、T12分别为一次供水温度、回水温度,P11、P12分别为一次供水压力、回水压力,T21、T22分别为二次供水温度、回水温度,P21、P22分别为二次供水压力、回水压力,T1为环境温度;A(T12-T11)、B(P12-P11)、C(T22-T21)、D(P22-P21)、E(T1)均为加权回归模型,表示距离本时刻越近时,温度、压力权重越高,距离本时刻越远时,温度、压力权重越高权重越低;赋予各个时刻温度、压力不同的权值,对本时刻阈值进行拟合计算,并考虑建筑物的建筑面积、层数、结构因素影响,通过数据库中经验模型拟合比对而决定。
修正系数k通过人工智能摄像采集设备采集到的人员性别、年龄等因素而决定,其中,与采集到的人员数量、男性比例、45岁以下人员比例呈正相关,与女性比例、45岁以上人员比例呈负相关。
为了防止出现震荡情况,影响供冷、热设备的正常运行,要严格检查边界条件,控制算法主要包括的约束条件有:
(1)每个时刻需要的总冷、热负荷等于制冷、制热设备提供的冷、热负荷;
(2)需要的总冷、热负荷小于等于制冷、制热设备提供的最大冷、热负荷;
(3)制冷、制热设备开启台数不得超过总的制冷、制热设备台数;
(4)为保证运行效率,每台制冷、制热设备所提供的负荷大于等于额定负荷的50%。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (10)
1.一种新型城市综合体供冷供热控制装置,其特征在于:包括多传感器采集模组、人工智能摄像采集设备、数据汇集单元、本地控制单元和电源模块,其中:
所述多传感器采集模组:采集城市综合体的温度数据及湿度数据并发送至数据汇集单元;
所述人工智能摄像采集设备:智能识别进出城市综合体的人流数据并发送至数据汇集单元;
所述数据汇集单元:根据多传感器采集模组采集到的温度数据及湿度数据与人工智能摄像采集设备识别出的人流数据,计算城市综合体供冷供热所需负荷参量并发送至本地控制单元;
所述本地控制单元:采用温度跟随与人流跟随相结合的优化控制算法向城市综合体供冷供热设备发出控制指令,对城市综合体供冷供热设备进行精准控制;
所述电源模块与多传感器采集模组、人工智能摄像采集设备、数据汇集单元、本地控制单元相连接并为其供电。
2.根据权利要求1所述的一种新型城市综合体供冷供热控制装置,其特征在于:所述多传感器采集模组采用具有WiFi接口或蓝牙接口的温湿度传感器。
3.根据权利要求1所述的一种新型城市综合体供冷供热控制装置,其特征在于:所述人流数据包括人流密度、人群热量分布、人员性别和年龄。
4.根据权利要求1所述的一种新型城市综合体供冷供热控制装置,其特征在于:所述本地控制单元由控制器、状态量输出单元、模拟量输出单元及通信接口组成,所述控制器与状态量输出单元、模拟量输出单元及通信接口相连接,状态量输出单元、模拟量输出单元均与供冷供热设备的电磁阀门、循环泵相连接,所述通信接口与制冷机组、制热机组相连接。
5.根据权利要求4所述的一种新型城市综合体供冷供热控制装置,其特征在于:所述通信接口为以太网接口或RS485接口。
6.根据权利要求1所述的一种新型城市综合体供冷供热控制装置,其特征在于:所述多传感器采集模组、数据汇集单元、本地控制单元之间通过WiFi接口或蓝牙接口相连接。
7.一种如权利要求1至6任一项所述新型城市综合体供冷供热控制装置的控制方法,其特征在于包括以下步骤:
步骤1、多传感器采集模组采集城市综合体的基本温湿度数据并发送至数据汇集单元;
步骤2、人工智能摄像采集设备智能识别进出城市综合体的人流数据并发送至数据汇集单元;
步骤3、数据汇集单元对多传感器采集模组采集到的温湿度数据与人工智能摄像采集设备采集到的人流数据进行智能分析,计算得到系统设计所需负荷参量;
步骤4、在温湿度达到设定值恒定后,本地控制单元采用温度跟随与人流跟随相结合的优化控制算法向城市综合体供冷供热设备发出控制指令,对城市综合体供冷供热设备进行精准控制。
8.根据权利要求7所述的一种新型城市综合体供冷供热控制装置的控制方法,其特征在于:所述数据汇集单元采用如下公式计算系统设计所需负荷参量:
Q x = k * ( Q wj + Q wf - Q jb - Q p + Q s )
其中,Q x 为系统设计所需负荷参量,Q wj 为建筑外围所需热量负荷,Q wf 为冬季室外冷风渗透负荷,Q jb 为建筑保温负荷,Q p 为综合体人流及设备发热量,Q s 为其它热损耗、所产生风冷负荷及负荷量修正,k为修正系数,该修正系数由人工智能摄像采集设备采集到的人流数据因素决定;
建筑外围所需热量负荷Q wf 根据地区室外的温度的平均值进行系数测算,其计算公式如下:
Q wf = Kpa+ Q d
其中,K为外部进气面积,p为室外空气容重,a是冷空气进入修正值,Q d 为反冷负荷。
9.根据权利要求7所述的一种新型城市综合体供冷供热控制装置的控制方法,其特征在于:所述步骤4采用的温度跟随与人流跟随相结合的优化控制算法为:
根据多传感器采集模组、人工智能摄像采集设备及供冷更热设备的运行状态,如果在一定时间范围环境温度的正向变化率大于某一阈值kδ,则启动优化控制算法降低供水温度或供水压力;如果环境温度的变化率在某一阈值范围,则维持供水温度或供水压力不变,如果在一定时间范围环境温度的负向变化率大于某一阈值kδ,则启动优化控制算法提高供水温度或供水压力;
所述阈值kδ随过程的变化具有动态性,与一次供回水温度的差值、一次供回水压力、二次供回水温度的差值、二次供回水压力、环境温度、人流分布与发热量的差值有关;初始阈值kδ 0 的设定由深度学习模型使用大量模拟数据进行模型训练而决定;
其中,k为修正系数,该修正系数由人工智能摄像采集设备采集到的人流数据因素决定;δ为阈值中的基准值,δ 0 为阈值基准值的初始值;
阈值δ的学习过程为:
δ=δ 0 A(T12-T11)+B(P12-P11)+C(T22-T21)+D(P22-P21)+E(T1)
其中:T11、T12分别为一次供水温度、回水温度,P11、P12分别为一次供水压力、回水压力,T21、T22分别为二次供水温度、回水温度,P21、P22分别为二次供水压力、回水压力,T1为环境温度;A(T12-T11)、B(P12-P11)、C(T22-T21)、D(P22-P21)、E(T1)均为加权回归模型,表示距离本时刻越近,权重越高,距离本时刻越远,权重越低;赋予各个时刻温度、压力不同的权值,对本时刻阈值进行拟合计算,并考虑建筑物的建筑面积、层数、结构因素影响,通过数据库中经验模型拟合比对而决定。
10.根据权利要求7或9所述的一种新型城市综合体供冷供热控制装置的控制方法,其特征在于:所述温度跟随与人流跟随相结合的优化控制算法包括如下约束条件:
(1)每个时刻需要的总冷、热负荷等于制冷、制热设备提供的冷、热负荷;
(2)需要的总冷、热负荷小于等于制冷、制热设备提供的最大冷、热负荷;
(3)制冷、制热设备开启台数不得超过总的制冷、制热设备台数;
(4)每台制冷、制热设备所提供的负荷大于等于额定负荷的50%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044764.2A CN111928459B (zh) | 2020-09-29 | 2020-09-29 | 一种新型城市综合体供冷供热控制装置及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044764.2A CN111928459B (zh) | 2020-09-29 | 2020-09-29 | 一种新型城市综合体供冷供热控制装置及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111928459A true CN111928459A (zh) | 2020-11-13 |
CN111928459B CN111928459B (zh) | 2021-01-19 |
Family
ID=73334915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011044764.2A Active CN111928459B (zh) | 2020-09-29 | 2020-09-29 | 一种新型城市综合体供冷供热控制装置及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111928459B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060288231A1 (en) * | 2005-06-21 | 2006-12-21 | Samsung Electronics Co., Ltd. | Method of managing data in network system and a network system using the same |
EP2312524A1 (en) * | 2008-07-28 | 2011-04-20 | University of Tsukuba | Built-in control system |
CN103486650A (zh) * | 2013-09-05 | 2014-01-01 | 深圳市广宁股份有限公司 | 一种应用于暖通计费及负载优化节能系统的智能温控器 |
CN103984328A (zh) * | 2014-05-31 | 2014-08-13 | 武汉理工大学 | 一种可远程控制的供暖节能系统及方法 |
CN109685396A (zh) * | 2019-01-31 | 2019-04-26 | 河海大学 | 一种计及公共楼宇需求响应资源的配电网能量管理方法 |
CN110189053A (zh) * | 2019-06-07 | 2019-08-30 | 广州远正智能科技股份有限公司 | 一种公共建筑能源消耗监测管理系统 |
CN110598906A (zh) * | 2019-08-15 | 2019-12-20 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
-
2020
- 2020-09-29 CN CN202011044764.2A patent/CN111928459B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060288231A1 (en) * | 2005-06-21 | 2006-12-21 | Samsung Electronics Co., Ltd. | Method of managing data in network system and a network system using the same |
EP2312524A1 (en) * | 2008-07-28 | 2011-04-20 | University of Tsukuba | Built-in control system |
CN103486650A (zh) * | 2013-09-05 | 2014-01-01 | 深圳市广宁股份有限公司 | 一种应用于暖通计费及负载优化节能系统的智能温控器 |
CN103984328A (zh) * | 2014-05-31 | 2014-08-13 | 武汉理工大学 | 一种可远程控制的供暖节能系统及方法 |
CN109685396A (zh) * | 2019-01-31 | 2019-04-26 | 河海大学 | 一种计及公共楼宇需求响应资源的配电网能量管理方法 |
CN110189053A (zh) * | 2019-06-07 | 2019-08-30 | 广州远正智能科技股份有限公司 | 一种公共建筑能源消耗监测管理系统 |
CN110598906A (zh) * | 2019-08-15 | 2019-12-20 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111928459B (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063925B (zh) | 一种计及负荷聚合商的区域综合能源系统优化运行方法 | |
CN110288164B (zh) | 一种建筑空调制冷站系统预测控制方法 | |
CN107726546B (zh) | 无人运营的中央空调智能系统及其控制方法 | |
CN108413567B (zh) | 基于物联网的中央空调节费优化方法与系统 | |
CN102980272B (zh) | 一种基于负荷预测的空调系统节能优化方法 | |
CN108800431A (zh) | 一种空气源热泵系统的节能控制方法及系统 | |
CN115220351B (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
JP2013523060A (ja) | クラウドコンピューティングに基づくエネルギー管理制御システム及び方法 | |
WO2011106914A1 (zh) | 基于云计算的设备监控系统及方法 | |
CN215724029U (zh) | 一种中央空调自适应控制系统 | |
CN111336669A (zh) | 基于模型预测控制的室内空调通风系统 | |
CN108131722A (zh) | 一种面向电网调峰的终端用户制冷行为自适应调控 | |
CN109523081A (zh) | 一种地源热泵系统运行温度调节优化方法 | |
CN116398994B (zh) | 一种基于负荷预测的冷水机组群控优化方法 | |
CN111555274A (zh) | 一种空调负荷需求响应能力动态评估方法 | |
CN111025895A (zh) | 一种基于人工智能的建筑节能控制系统 | |
Liu et al. | Dynamic integrated control for Chinese district heating system to balance the heat supply and heat demand | |
CN113446683B (zh) | 一种地铁车站设备及管理用房智能空调 | |
CN113566401A (zh) | 需求侧负荷控制方法 | |
CN111928459B (zh) | 一种新型城市综合体供冷供热控制装置及其控制方法 | |
CN116822682A (zh) | 一种热力站热负荷在线预测方法 | |
CN115758680A (zh) | 永磁直驱低速大风扇与中央空调系统联动调控方法及系统 | |
Lachhab et al. | A Context-Driven Approach using IoT and Big Data Technologies for Controlling HVAC Systems | |
KR20220066212A (ko) | Ai서버를 이용한 고효율 건물에너지 관리시스템 | |
CN111664502B (zh) | 一种室温修正系统的修正方法 |
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 |