一种空调系统智能降耗的方法、系统和空调
技术领域
本发明涉及节能降耗领域,尤其涉及一种空调系统智能降耗的方法、系统和空调。
背景技术
随着我国城市化进程的不断加快,很多场所都配备了空调系统。
空调给人们提供了一个适宜的气温环境,使人们更加舒适,但它在运行过程所消耗的能量是十分巨大的,加大了我国能源不足的问题,尤其是超大空间中的空调系统,例如星级酒店大堂、大型工业建筑、商场等等。传统的超大空间空调系统的冷水机组、冷冻水泵、冷却水泵及冷却风机的容量是根据建筑物最大设计热负荷选定的,且留有一定的余量,但目前设备系统大部分按最大热负载条件全负荷运行,耗能高。由于外界温度随四季昼夜变化以及建筑内工作运营时段与非工作运营时段的热负荷相差较大,使得空调系统的热负荷在绝大部分时间里远比设计负荷低,也就是说,空调系统大部分时间实际运行在低负荷状态下即可。
目前,大部分空调系统都安装有自动化系统(Building Automation System,BAS)或环境与设备监控系统(Equipment Monitoring&Control System,EMCS),通过对空调系统的数据采集、处理,进而实现对空调系统的设备统一监测和控制,达到自动控制,节能降耗目的。
不过,传统的BAS系统对空调的控制只能实现简单的点动启停控制与联锁保护,并显示冷却塔、冷却水系统、冷水机组、风机等设备的运行状态及环境温湿度等参数,传统的BAS系统不能根据环境参数对这些设备和系统进行进一步的协调与优化控制,无法实现超大空间空调系统的智能降耗。
发明内容
本发明提供了一种空调系统智能降耗的方法,从可持续发展角度出发,利用现有的BAS系统,并额外增加数据采集所需的多种类型传感器,通过机器学习、在线学习的方法,结合空调系统的运行特点,自动化、智能化控制,实现空调系统的智能降耗,尤其是超大空间的空调系统。
所述方法包括:
采集历史上或实时发生的操作动作所对应的操作策略、环境影响指标、舒适度指标值、能效比;
将同一时间上述四类数据的组合形成一个记录卡;
筛选舒适度指标符合条件的记录卡汇集成操作数据库;
对上述记录卡中所包含的各种环境影响指标的组合情况进行多维多级分类;
将每个分类对应的操作策略按照能效比从高到低排序,保留其中的若干个形成最优操作策略;
采集实时环境影响指标,匹配到上述操作数据库中环境影响指标的相同或相近的分类;
将上述相同或相近分类中的最优操作策略推荐给操作者或者直接给设备下达操作指令;
采取新的操作策略后,按照上述步骤进行机器学习;
比对新的操作策略与同分类对应的最优操作建议的能效比高低,保留能效比高的操作策略,从而使操作数据库中同一或相近分类的最优操作策略保持持续优化。
进一步的,所述舒适度指标包括空气分布特性指标(ADPI),所述空气分布特性指标为满足规定风速和温度要求的测点数与总测点数之比,计算公式为:
其中,ΔET为有效温度差,
ΔET=(ti-tn)-7.66(ui-0.15)
ti和tn分别为工作区某点的空气温度和给定的室内设计温度;
ui为工作区某点的空气流速。
进一步的,所述环境影响指标为实时变量,包括系统外界环境条件、系统内部环境条件等影响因素,例如外界温度、外界湿度,区域设定温度、空调进水温度、室内CO2浓度、室内PM2.5浓度、热回收水箱温度等。
进一步的,所述操作策略包括多种操作因子的组合,操作因子例如新风系统风机设备状态、风机盘管设备状态、空调系统制冷或制热工作设定温度。
进一步的,所述能效比是能源转换效率之比,能效比越大,表明当前中央空调运行时能源转换效率越高,那么节省的电能就越多。
空调的能效比分制冷能效比和制热能效比两种。
所述制冷能效比EER是空调器的制冷性能系数,称为制冷能效比,表示空调器单位功率下的制冷量,计算公式如下:
其中Qc指单位时间内的名义制冷量,单位kW,W表示单位时间内空调器所消耗的功率,单位kW;
制热能效比COP是空调器的制热性能系数,称为制热能效比,表示空调器单位功率下的制热量,计算公式如下:
其中Qh指单位时间内的名义制热量,单位kW,W表示单位时间内空调器所消耗的功率,单位kW。
进一步的,对所述环境影响指标进行多维度多级别的分类,以能效比从高到低为目标,对每个环境影响指标等级的操作策略进行排序;使用中,依次完善各个环境影响指标或环境影响指标分类,每一个环境影响指标或环境影响指标分类对应一条最优操作策略,形成最优操作策略表;当所述实时环境影响指标匹配到所述操作策略数据库中对应的环境影响指标分类时,获取该环境影响指标分类中排名第一(即能效比最高)的操作策略。
进一步的,通过编码将所述环境影响指标分类与操作策略形成对应。
进一步的,所述编码包括变量编码,不同的变量编码对应环境影响指标中不同的变量。
进一步的,所述编码采用自适应编码,计算公式:变量编码=取整函数((变量–变量最低值)/变量步长);
其中,通过编码将所述环境影响指标分类与操作策略形成对应。
所述变量最低值取决于变量数据正态分布情况:
A.若是标准正态分布数据,则变量最低值=均值-3*标准差;
B.若是左偏态(偏态系数SK<-0.1)分布数据(分布的左侧有长尾),当数据集中(峰态系数KT>0),则变量最低值=均值-3*标准差,当数据分散(峰态系数KT<0),则变量最低值=均值-标准差;
C.若是右偏态(偏态系数SK>0.1)分布数据(分布的右侧有长尾),当数据集中(峰态系数KT>0),则变量最低值=均值-3*标准差,当数据分散(峰态系数KT<0),则变量最低值=均值-标准差;
所述变量步长取决于数据精度变化量:
DIFF=(均值+3*标准差)-(均值-3*标准差)
IF DIFF<=5AND DIFF>=0.5:
变量步长=0.1
ELIF DIFF>5AND DIFF<=50:
变量步长=1
ELIF DIFF<0.5:
变量步长=0.01
ELIF DIFF>50:
变量步长=10
采用自适应编码是为了更好的对操作策略定位,它是各变量对操作策略的映射,即根据各个变量可以快速找到相应的操作策略。通过该变量编码不仅能大大降低样本的内存空间,提高模型训练速度,且能大大提高学习精确度。
一种空调系统智能降耗的系统,采用上述的空调系统智能降耗的方法,应用于空调中,包括数据采集模块,数据传输模块和数据分析模块;所述数据采集模块通过传感器采集环境影响指标,采集操作策略,并通过数据传输模块传送到数据分析模块中分析所述舒适度指标值和能效比。
一种空调,采用上述的空调系统智能降耗的方法,包括传感器和处理器。所述传感器用于采集环境影响指标,所述处理器获取环境影响指标和采集操作策略,分析计算所述舒适度指标值和能效比,并将所述最优操作策略推送给空调的执行部件。
由上述对本发明的描述可知,和现有技术相比,本发明提出的一种空调系统智能降耗的方法、系统和空调,具有如下优点:
1、本方法通过在线更新,不断在线学习操作数据,学习并迭代产生最优的操作策略,无需通过计算,只需判断当前环境影响指标,再从数据库中匹配到相同或相似环境影响指标,从而获得最优的操作策,实现快速高效地降低空调系统的能耗;
2、记录历史操作策略,便于查看和对比操作策略;
3、推荐的最佳操作策略一定存在于历史操作记录中,即历史的重现,安全,可靠,不用担心会因为操作策略错选而出现错误;
4、采用自适应编码,脱离了人为的固定主观经验,不掺和任何主观看法或观察数据统计后的经验,先自适应学习调整筛选规则,提取安全且正常的有价值数据,再通过自适应学习调整编码公式参数,从而达到在历史数据中挖掘出潜在价值,避免了后期有新数据过来时,还需通过人为进行一步数据分析,再调整参数这一步,确保了数据的可行性,也大大提高了模型的灵活性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
其中:
图1是本发明一种空调系统智能降耗的方法实际应用步骤图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例一:
一种空调系统智能降耗的方法,从可持续发展角度出发,利用现有的BAS系统,并额外增加数据采集所需的多种类型传感器,通过机器学习、在线学习的方法,结合空调系统的运行特点,自动化、智能化控制,实现空调系统的智能降耗,尤其是超大空间的空调系统。
所述方法包括:
S10:采集每一次操作动作所对应的操作策略、环境影响指标、以及舒适度指标值、能效比。所述操作动作可以是历史操作,也可以是当前操作;
S20:将上述四类数据形成一组对应的操作策略记录卡;
S30:将舒适度指标符合条件的记录卡汇集成操作数据库;
S40:采集实时环境影响指标,从上述操作数据库中找出相同或相近环境影响指标下能效比最高的操作策略;
S50:将上述操作策略推荐给操作者或者直接给设备下达操作指令;
S60:采用新的操作策略后,对新的操作动作按照上述步骤进行重复学习,从而使操作数据库中的操作策略记录卡保持持续优化。
具体的,本实施例中,
所述舒适度指标包括空气分布特性指标(ADPI),所述空气分布特性指标为满足规定风速和温度要求的测点数与总测点数之比,计算公式为:
其中,ΔET为有效温度差,
ΔET=(ti-tn)-7.66(ui-0.15)
ti和tn分别为工作区某点的空气温度和给定的室内设计温度,单位为℃;
ui为工作区某点的空气流速,单位为m/s。
所述环境影响指标为实时变量,包括系统外界环境条件、系统内部环境条件等影响因素,例如外界温度、外界湿度,区域设定温度、空调进水温度、室内CO2浓度、室内PM2.5浓度、热回收水箱温度等;所述操作策略包括多种操作因子的组合,操作因子包括新风系统风机设备状态、风机盘管设备状态、空调系统制冷或制热工作设定温度。
所述能效比是能源转换效率之比,能效比越大,表明当前空调运行时能源转换效率越高,那么节省的电能就越多。
空调的能效比分制冷能效比和制热能效比两种。
制冷能效比EER是空调器的制冷性能系数,称为制冷能效比,表示空调器单位功率下的制冷量,计算公式如下:
其中Qc指单位时间内的名义制冷量,单位kW,W表示单位时间内空调器所消耗的功率,单位kW。
制热能效比COP是空调器的制热性能系数,称为制热能效比,表示空调器单位功率下的制热量,计算公式如下:
其中Qh指单位时间内的名义制热量,单位kW,W表示单位时间内空调器所消耗的功率,单位kW。
实施例二:
在实施例一的基础上,对所述环境影响指标进行分类,且在分类中进行更进一步的等级划分,具体的,等级划分是指对环境影响指标中的每个影响因素先进行等级划分,然后组合成不同的环境影响指标等级,以能效比从高到低为目标,对每个环境影响指标等级的操作策略进行排序。
使用中,依次完善各个环境影响指标或环境影响指标等级,每一个环境影响指标或环境影响指标等级对应一条最优操作策略,形成最优操作策略表。
当所述实时环境影响指标匹配到所述操作策略数据库中对应的环境影响指标等级时,获取该环境影响指标等级中排名第一(即能效比最高)的操作策略。
通过对环境影响指标进行等级划分,能够提高该方法的实用性,且降低样本的内存空间。
实施例三:
在实施例一或二的基础上,通过编码将所述环境影响指标或所述环境影响指标等级与操作策略一一对应,所述编码包括变量编码,不同的变量编码对应环境影响指标中不同的变量。
本实施例中,所述编码采用自适应编码,
计算公式:变量编码=取整函数((变量–变量最低值)/变量步长);
其中,
所述变量最低值取决于变量数据正态分布情况:
A.若是标准正态分布数据,则变量最低值=均值-3*标准差;
B.若是左偏态(偏态系数SK<-0.1)分布数据(分布的左侧有长尾),当数据集中(峰态系数KT>0),则变量最低值=均值-3*标准差,当数据分散(峰态系数KT<0),则变量最低值=均值-标准差;
C.若是右偏态(偏态系数SK>0.1)分布数据(分布的右侧有长尾),当数据集中(峰态系数KT>0),则变量最低值=均值-3*标准差,当数据分散(峰态系数KT<0),则变量最低值=均值-标准差;
所述变量步长取决于数据精度变化量:
DIFF=(均值+3*标准差)-(均值-3*标准差)
IF DIFF<=5AND DIFF>=0.5:
变量步长=0.1
ELIF DIFF>5AND DIFF<=50:
变量步长=1
ELIF DIFF<0.5:
变量步长=0.01
ELIF DIFF>50:
变量步长=10
采用自适应编码是为了更好的对操作策略定位,它是各变量对操作策略的映射,即根据各个变量可以快速找到相应的操作策略。通过该变量编码不仅能大大降低样本的内存空间,提高模型训练速度,且能大大提高学习精确度。
本发明的编码方式是可变可替换的,而本实施例只是一种具体的实施方式,本发明不局限于该具体的编码方式。
实施例四:
请参阅图1,将上述实施例应用于实际空调系统中,系统开始工作时,其工作步骤包括:
初始化系统;
传感器采集数据,系统接收数据并分析工况,包括每次操作动作所对应的操作策略、环境影响指标、以及舒适度指标值;
再对比实时环境影响指标与所述数据库中相同或相似的环境影响指标对应的最佳操作策略的目标集信息,所述目标集信息包括舒适度指标、能效比、能耗量,实现策略条件判断,当历史的目标集信息比实时环境影响指标的更优时,则判断为需要策略,所述数据库推出策略,当历史的目标集信息不比实时环境影响指标的更优时,则判断为不需要策略;
不论是采用数据库推出的策略还是采用原本的操作策略,都需要再进行学习条件判断,即学习采用当前的操作策略对应的目标集信息,从而进一步更新数据库;
等待数据,进入下一轮的数据接收环节。
实施例五:
一种空调系统智能降耗的系统,采用上述实施例的空调系统智能降耗的方法,应用于空调中,包括数据采集模块,数据传输模块和数据分析模块;所述数据采集模块通过传感器采集环境影响指标,采集操作策略,并通过数据传输模块传送到数据分析模块中分析所述舒适度指标值和能效比。
实施例六:
一种空调,采用上述实施例的空调系统智能降耗的方法和系统,包括传感器和处理器。所述传感器用于采集环境影响指标,所述处理器获取环境影响指标和采集操作策略,分析计算所述舒适度指标值和能效比,并将所述最优操作策略推送给空调的执行部件。
由上述对本发明的描述可知,和现有技术相比,本发明提出的一种空调系统智能降耗的方法、系统和空调具有如下优点:
1、本方法通过在线更新,不断在线学习操作数据,学习并迭代产生最优的操作策略,无需通过计算,只需判断当前环境影响指标,再从数据库中匹配到相同或相似环境影响指标,从而获得最优的操作策,实现快速高效地降低空调系统的能耗;
2、记录历史操作策略,便于查看和对比操作策略;
3、推荐的最佳操作策略一定存在于历史操作记录中,即历史的重现,安全,可靠,不用担心会因为操作策略错选而出现错误;
4、采用自适应编码,脱离了人为的固定主观经验,不掺和任何主观看法或观察数据统计后的经验,先自适应学习调整筛选规则,提取安全且正常的有价值数据,再通过自适应学习调整编码公式参数,从而达到在历史数据中挖掘出潜在价值,避免了后期有新数据过来时,还需通过人为进行一步数据分析,再调整参数这一步,确保了数据的可行性,也大大提高了模型的灵活性。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。