CN112628944A - 制冷系统能耗优化方法及系统、设备及存储介质 - Google Patents
制冷系统能耗优化方法及系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112628944A CN112628944A CN202011550251.9A CN202011550251A CN112628944A CN 112628944 A CN112628944 A CN 112628944A CN 202011550251 A CN202011550251 A CN 202011550251A CN 112628944 A CN112628944 A CN 112628944A
- Authority
- CN
- China
- Prior art keywords
- cold
- energy consumption
- data
- source equipment
- consumption
- 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
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
- 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
- F24F11/64—Electronic processing using pre-stored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种制冷系统能耗优化方法及系统、设备及存储介质,所述方法包括:实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。该方法可以根据人的体温变化设定温度,满足人体的舒适度的调整,并不需要一直在空调末端调整温度设定,且可以满足最大的经济性运行需求。
Description
技术领域
本发明属于空调能效优化控制策略方法领域,尤其涉及一种制冷系统能耗优化方法及系统、设备及存储介质。
背景技术
大型公用建筑的总体能耗中,暖通空调系统的能耗占比超过了50%,空调机组设备自身的效率差、机组群控的运行参数不合理、末端温度给定值的不合适、末端机管理不到位,出现空载运转等现象都会提高暖通空调的能耗占比,在众多的建筑节能措施中,相当大一部分都是围绕着空调控制进行优化,目前一般的建筑内也均上线了空调优化控制系统,更进一步的还引入了基于神经网络的参数寻优算法,结合末端的传感器实现PID调节,达到机组群控的参数优化运行,达到了一定的节能效果,有条件的还上线了水蓄能或冰蓄能,充分利用峰平谷的电价差,实现节省电费的目的,但上线的蓄能系统控制也仅仅考虑了峰平谷的时间差异。
现有的空调控制系统主要是通过5大循环系统内的不同传感器的实时采集实现对整个系统的运行监视及数据分析,对局部的末端冷源变化也是通过传感器的采集进行差值的PID调节,而机组的投运策略也是基于事先定义的春季/冬季、节假日、高峰/非高峰等不同时间模式来应对,比较粗犷,不够精细化,基于末端反馈的PID调节具备一定的滞后性,可能存在反复调节的问题,给用户照成体验感差,也会照成一定的能耗浪费。
发明内容
本发明所要解决的技术问题是:针对现有技术的问题,解决现有技术比较粗犷,不够精细化,基于末端反馈的PID调节具备一定的滞后性,可能存在反复调节的问题,给用户照成体验感差,也会照成一定的能耗浪费的问题。
第一方面,本发明提供了一种制冷系统能耗优化方法,所述方法包括:
实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;
根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;
根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。
第二方面,本发明提供了一种制冷系统能耗优化系统,所述系统包括:
获取模块:用于实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;
预测模块:用于根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;
控制模块:用于根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。
第三方面,本发明提供了一种制冷系统能耗优化设备,包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如上述第一方面所述的制冷系统能耗优化方法中的各个步骤。
第四方面,本发明还提供了一种存储介质,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,实现如上述第一方面所述的制冷系统能耗优化方法中的各个步骤。
本发明提供了一种制冷系统能耗优化方法,所述方法包括:实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。该方法可以根据人的体温变化设定温度,满足人体的舒适度的调整,并不需要一直在空调末端调整温度设定,且可以满足最大的经济性运行需求。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明的制冷系统能耗优化方法的流程示意图;
图2为本发明的制冷系统能耗优化方法的子流程示意图;
图3为本发明的制冷系统能耗优化方法的另一子流程示意图;
图4为本发明的制冷系统能耗优化方法的程序模块示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本申请实施例中制冷系统能耗优化方法的流程示意图,所述方法包括:
步骤101、实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据。
其中,实时获取数据具体通过与BA系统接口实现建筑内各设备运行实时数据的采集及存储,通过与OA、ERP、移动办公等办公系统接口,实现建筑内各区域工作任务计划数据的获取(如会议室的时间安排、人员安排,各办公室、商铺的营业时间等),通过与智能安防系统接口,实现各区域客流量的数据获取,通过与气象服务器通讯获取室外温度、光照度等环境参数。
步骤102、根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线。
其中,根据步骤101中获得的数据,将所述数据输入至预设的用冷量模型,可以得到室内不同区域(比如办公室、商铺等等)的舒适用冷量,还可以得到整个建筑内一天所需要用冷的预测曲线,用冷量模型是基于历史大数据挖掘算法建立的,用冷量模型以细化的区域为单位,以区域内的面积、客流量、用电负荷大小、室外温度、湿度等维度为关联输入,通过数据处理、特征提取、建模、模型训练、模型部署的过程实施,实现建筑内各区域的日用冷量曲线预测,再通过各区域的预测值聚合,实现整体建筑日用冷量曲线预测,基于预测的冷量曲线完成各种目标控制目的。
步骤103、根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。
其中,基于历史数据训练机组能耗预测模型,确定能耗预测模型的参数后,根据日冷量预测曲线中的各时间段的冷量需求,进行机组运行参数的寻优计算,在各运行参数的变化范围内,通过高速迭代计算,找出最小能耗下的运行参数(包含机组投入的数量、各机组的进出口温度、水泵的频率等),制定冷冻机组的运行计划及各时段的运行参数表。
本申请实施例提供了一种制冷系统能耗优化方法,所述方法包括:实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。该方法可以根据人的体温变化设定温度,满足人体的舒适度的调整,并不需要一直在空调末端调整温度设定,且可以满足最大的经济性运行需求。
进一步的,在本实施例中,根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线包括:
根据所述室内不同区域的数据,基于所述预置的用冷量模型得到所述室内不同区域的舒适用冷量。
其中,根据室内每个区域平时不同的用冷量、实时获取的环境因数与室内的温度、以及预测的各区域活动性质及时间段,自动启停空调末端设备,并给定温湿度参数、送风量,参数的给定值不再是固定值,而是随着区域面积、人员数量、室外温度等参数进行变化,利用能源管理系统的大数据平台,可将采集到的区域内人员数量、区域面积及人为调整的当前温湿度参数、送风量、室外的环境温湿度等历史数据,建立训练模型,通过机器学习,完成人体舒适度模型的调参,根据确定后的模型可以实现不同区域活动场景的空调末端参数的给定。
进一步的,参阅图2,图2为本申请实施例中制冷系统能耗优化方法的子流程示意图,根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线还包括:
将所述室内不同区域的数据代入预置的用冷量模型,得到室内不同区域的预测的日用冷量曲线;
聚合所述室内不同区域的预测日用冷量曲线,得到最终的预测的日用冷量曲线。
其中,将实时获取的室内不同区域中的数据输入至用冷量模型,可以得到不同区域中的预测用冷量模型,再通过各不同区域的预测值聚合,实现整体建筑日用冷量曲线预测,基于最终预测的冷量曲线完成各种目标控制目的。
进一步的,参阅图3,图3为本申请实施例中制冷系统能耗优化方法的另一子流程示意图,根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案具体包括:
根据所述最终的预测的日用冷量曲线,得到各时间段的冷量需求;
将所述各时间段的冷量需求代入所述预置的能耗预测模型,得到最小能耗下的冷源设备的运行参数;
根据所述最小能耗下的冷源设备的运行参数制定所述最优的冷源设备能耗优化方案。
其中,根据最终的日冷量预测曲线中的各时间段的冷量需求,进行机组运行参数的寻优计算,在各运行参数的变化范围内,通过高速迭代计算,找出最小能耗下的运行参数(包含机组投入的数量、各机组的进出口温度、水泵的频率等),制定冷冻机组的运行计划及各时段的运行参数表。
进一步的,在本实施例中,所述冷源设备包括冷冻机组和水蓄冷设备的制冷方式中的至少一种。其中,有些建筑内可能不具备有水蓄冷设备,所以当不具备水蓄冷设备时,仅仅只在冷冻机组上实施一个节能方案。
进一步的,在本实施例中,根据所述最小能耗下的冷源设备的运行参数制定所述最优的冷源设备能耗优化方案包括:
基于所述能耗预测模型测算所述各时间段中水蓄冷设备单独放冷和水蓄冷设备放冷与所述冷冻机组设备共同放冷的能耗,确定最小能耗的优化方法。
其中,当水蓄冷设备与冷冻机组设备可共同放冷的时候,需要计算是单独放冷的能耗还是共同放冷的能耗比较小,通过计算确定不同时间段两个设备是需要共同放冷的单独放冷的能耗情况,哪种能耗较小则选择哪种方案。
进一步的,在本实施例中,所述水蓄冷设备的充冷容量由所述最终的预测的日用冷量曲线确定。
进一步的,本申请实施例还提供一种制冷系统能耗优化系统200,参照图4,图4为本申请实施例中制冷系统能耗优化系统的程序模块示意图,本实施例中,上述制冷系统能耗优化的系统包括:
获取模块401:用于实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;
预测模块402:用于根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;
控制模块403:用于根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。
本申请实施例提供的制冷系统能耗优化系统200,可以实现:实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;根据所述数据与预置的用冷量模型,得到所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。该方法可以根据人的体温变化设定温度,满足人体的舒适度的调整,并不需要一直在空调末端调整温度设定,且可以满足最大的经济性运行需求。
进一步的,本申请还提供一种制冷系统能耗优化设备,包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述的制冷系统能耗优化方法中的各个步骤。
进一步的,本申请还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上述的制冷系统能耗优化方法中的各个步骤。
在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本发明所提供的一种制冷系统能耗优化方法及系统、设备及存储介质的描述,对于本领域的技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种制冷系统能耗优化方法,其特征在于,所述方法包括:
实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;
根据所述数据与预置的用冷量模型,实现所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;
根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。
2.如权利要求1所述的方法,其特征在于,所述根据所述数据与预置的用冷量模型,实现所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线包括:
将所述室内不同区域的数据代入预置的用冷量模型,得到室内不同区域的预测的日用冷量曲线;
聚合所述室内不同区域的预测日用冷量曲线,得到最终的预测的日用冷量曲线。
3.如权利要求2所述的方法,其特征在于,所述根据所述数据与预置的用冷量模型,实现所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线还包括:
根据所述室内不同区域的数据,基于所述预置的用冷量模型实现所述室内不同区域的舒适用冷量。
4.如权利要求1所述的方法,其特征在于,所述根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案具体包括:
根据所述最终的预测的日用冷量曲线,得到各时间段的冷量需求;
将所述各时间段的冷量需求代入所述预置的能耗预测模型,得到最小能耗下的冷源设备的运行参数;
根据所述最小能耗下的冷源设备的运行参数制定所述最优的冷源设备能耗优化方法。
5.如权利要求4所述的方法,其特征在于,所述冷源设备包括冷冻机组和水蓄冷设备的制冷方式中的至少一种。
6.如权利要求5所述的方法,其特征在于,所述冷源设备包括冷冻机组和水蓄冷设备的制冷方式中的至少一种包括:
基于所述能耗预测模型测算所述各时间段中水蓄冷设备单独放冷和水蓄冷设备放冷与所述冷冻机组设备共同放冷的能耗,确定最小能耗的优化方法。
7.如权利要求6所述的方法,其特征在于,所述基于所述能耗预测模型计算水蓄冷下的最小能耗优化方案具体包括:
基于所述最终的预测的日用冷量曲线确定所述水蓄冷的充冷容量。
8.一种制冷系统能耗优化系统,其特征在于,所述系统包括:
获取模块:用于实时获取数据,存储所述数据并建立数据库,所述数据至少包括冷源设备的运行数据、室内不同区域的数据;
预测模块:用于根据所述数据与预置的用冷量模型,实现所述室内不同区域的舒适用冷量和最终的预测的日用冷量曲线;
控制模块:用于根据所述最终的预测的日用冷量曲线和预置的能耗预测模型,得到最优的冷源设备能耗优化方案,根据所述最优的冷源设备能耗优化方案控制所述冷源设备。
9.一种制冷系统能耗优化设备,包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1至7任一项所述的制冷系统能耗优化方法中的各个步骤。
10.一种存储介质,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7任一项所述的制冷系统能耗优化方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550251.9A CN112628944A (zh) | 2020-12-24 | 2020-12-24 | 制冷系统能耗优化方法及系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550251.9A CN112628944A (zh) | 2020-12-24 | 2020-12-24 | 制冷系统能耗优化方法及系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112628944A true CN112628944A (zh) | 2021-04-09 |
Family
ID=75324349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011550251.9A Pending CN112628944A (zh) | 2020-12-24 | 2020-12-24 | 制冷系统能耗优化方法及系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112628944A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11248224A (ja) * | 1998-03-05 | 1999-09-14 | Mitsubishi Electric Corp | 氷蓄熱空気調和装置 |
JP2001027429A (ja) * | 1999-07-13 | 2001-01-30 | Kandenko Co Ltd | 氷蓄熱式空調システムの制御方法 |
CN102981410A (zh) * | 2012-12-12 | 2013-03-20 | 珠海派诺科技股份有限公司 | 一种基于人工蜂群的空调能耗模型参数辨识方法 |
CN111237995A (zh) * | 2020-01-16 | 2020-06-05 | 济中节能技术(苏州)有限公司 | 一种空调冷机的控制方法 |
-
2020
- 2020-12-24 CN CN202011550251.9A patent/CN112628944A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11248224A (ja) * | 1998-03-05 | 1999-09-14 | Mitsubishi Electric Corp | 氷蓄熱空気調和装置 |
JP2001027429A (ja) * | 1999-07-13 | 2001-01-30 | Kandenko Co Ltd | 氷蓄熱式空調システムの制御方法 |
CN102981410A (zh) * | 2012-12-12 | 2013-03-20 | 珠海派诺科技股份有限公司 | 一种基于人工蜂群的空调能耗模型参数辨识方法 |
CN111237995A (zh) * | 2020-01-16 | 2020-06-05 | 济中节能技术(苏州)有限公司 | 一种空调冷机的控制方法 |
Non-Patent Citations (2)
Title |
---|
于军琪等: "基于粒子群算法的冰蓄冷空调系统运行优化研究", 《西安建筑科技大学学报(自然科学版)》 * |
孟明: "中央空调制冷系统的优化及软件开发", <中国优秀硕士学位论文全文数据库工程科技Ⅱ辑> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108413567B (zh) | 基于物联网的中央空调节费优化方法与系统 | |
CN110392515B (zh) | 一种基于历史数据的冷热源机房节能控制方法及系统 | |
CN114963414B (zh) | 基于ai数据分析的空调系统智能调控装置 | |
CN107781947B (zh) | 一种建筑空调系统冷热源预测控制方法和装置 | |
CN103062861B (zh) | 用于中央空调的节能监控方法及系统 | |
CN108826601B (zh) | 空调及其控制方法、人体感应器 | |
CN103064285B (zh) | 一种基于模型的热泵供暖多目标优化控制方法 | |
CN108990383A (zh) | 一种数据中心空调系统预测控制方法 | |
CN107178869A (zh) | 变频空调负荷的聚合控制削峰方法 | |
CN107238174A (zh) | 压缩机频率的控制方法和装置 | |
CN110848895B (zh) | 一种非工空调柔性负荷控制方法和系统 | |
CN105135623A (zh) | 一种满足电网调峰和用户舒适度的中央空调减载控制方法 | |
CN212320021U (zh) | 一种模块化冷热水空调机组智能联控系统 | |
CN112747419B (zh) | 中央空调风水联动控制方法、装置、设备及存储介质 | |
CN109140660A (zh) | 用于空调的智能控温装置方法及装置、空调、存储介质 | |
CN111998505B (zh) | 基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统 | |
CN115882463A (zh) | 一种商业建筑空调负荷可调度潜力评估方法 | |
CN115049141A (zh) | 用于制冷系统的控制方法、控制装置和制冷系统 | |
CN111681133B (zh) | 电负荷信息的处理方法和装置 | |
CN106249598B (zh) | 一种基于多代理的工业大用户能效优化控制方法 | |
CN116406137B (zh) | 一种基于温感变化的压差自适应调整方法、系统及设备 | |
CN112484250A (zh) | 一种基于室内热源信息的hvac在线监控系统及控制方法 | |
CN112628944A (zh) | 制冷系统能耗优化方法及系统、设备及存储介质 | |
CN105184408A (zh) | 基于电器用电效用分级和用户用电行为识别的节能方法 | |
CN115271168A (zh) | 用电负荷响应潜力的预测方法、装置及存储介质 |
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: 20210409 |