CN113028596A - 一种空调系统能耗评估诊断方法及系统 - Google Patents
一种空调系统能耗评估诊断方法及系统 Download PDFInfo
- Publication number
- CN113028596A CN113028596A CN202110291191.1A CN202110291191A CN113028596A CN 113028596 A CN113028596 A CN 113028596A CN 202110291191 A CN202110291191 A CN 202110291191A CN 113028596 A CN113028596 A CN 113028596A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- air conditioning
- conditioning system
- energy
- unit area
- 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
- F24F11/30—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
- F24F11/30—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
- F24F11/62—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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/60—Energy consumption
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)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种空调系统能耗评估诊断方法及系统,首先根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集;其次基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线;根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值;再次根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;然后基于排序后的数据库确定第一阈值、第二阈值、第三阈值和第四阈值,最后根据第一阈值、第二阈值、第三阈值和第四阈值确定空调系统运行状态以及节能诊断位置。本发明公开一种不受气候区、系统运行时间等因素限制的空调系统能耗评估诊断方法,提高了能耗评估以及节能诊断的准确性。
Description
技术领域
本发明涉及能耗评估诊断技术领域,特别是涉及一种空调系统能耗评估诊断方法及系统。
背景技术
目前空调系统能耗评估方法的指标为年单位面积能耗强度kWh/(a·㎡)。但现有能耗评估并没有与节能诊断相结合。另外,现有能耗评估方法通过收集建筑空调系统一年或一个供冷季节的空调系统能耗值除以设置空调系统的建筑面积从而得到建筑年空调系统单位面积能耗强度,该能耗值包括:冷源能耗、输配系统能耗以及末端系统能耗等。但该方法存在以下缺陷:
1、只能对建筑空调系统的整个供冷季的累计耗电量进行评估,无法评估空调系统实际运行性能;不同气候区的建筑案例,由于建筑全年空调系统运行时间不同、气象参数不同等原因而无法比较空调系统能耗强度,现行年空调能耗评价指标需根据气候区给出。然而气候区的划分是人为界定,最终导致评价出现很大偏差。
2、对于同一建筑案例而言,不同年份的年单位面积能耗强度受到每年的气象参数不同的影响,纵向比较也会出现较大偏差,给建筑空调系统节能运行改造的性能评估带来难题。
针对以上问题,如何建立一种不受气候区、系统运行时间等因素限制的空调系统能耗评估诊断方法成为本领域亟需解决的技术问题。
发明内容
本发明的目的是提供一种空调系统能耗评估诊断方法及系统,以提高对空调系统能耗评估以及节能诊断的准确性。
为实现上述目的,本发明提供了一种空调系统能耗评估诊断方法,所述方法包括:
步骤S1:采集各空调系统对应的历史能耗数据和历史温度数据;所述历史能耗数据包括:冷水机组能耗集、冷却塔能耗集、冷却水泵能耗集、冷冻水泵能耗集、空调机组能耗集和空调系统末端能耗集;
步骤S2:根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集;
步骤S3:基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线;
步骤S4:根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值;
步骤S5:根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;所述能耗数组包括最大能耗值和拟合后t温度对应的单位面积空调系统能耗;
步骤S6:从排序后的所述数据库中选取上四分位值对应的最大能耗值作为第一阈值Z1,从排序后的所述数据库中选取下四分位值对应的最大能耗值作为第二阈值Z2,从排序后的所述数据库中选取上四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第三阈值X1,从排序后的所述数据库中选取下四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第四阈值X2;
步骤S7:根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置。
可选地,所述根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集,具体公式为:
其中,E表示单位面积空调系统能耗集,E=[Ed1,Ed2,…,Edn],Edi表示第i天的单位面积空调系统能耗,Edn表示第n天的单位面积空调系统能耗,分别表示第i天的冷水机组能耗、冷却塔能耗、冷却水泵能耗、冷冻水泵能耗、空调机组能耗集和空调系统末端能耗,F表示空调系统的建筑面积。
可选地,所述步骤S7,具体包括:
当0<E(t)≤X1且E(t)<Emax<∞时,说明空调系统运行优秀,无需节能诊断,其中,E(t)表示能耗温度曲线的纵坐标,即拟合后t温度对应的单位面积空调系统能耗;
当Z1<Emax≤Z2且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,有一定的节能潜力,在冷源与末端的负荷匹配上进行节能诊断,其中,Emax表示空调系统对应的最大能耗值;
当Z1<Emax且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,无需节能诊断;
当Z1<Emax≤Z2且X2<E(t)<Emax时,说明空调系统运行较差,系统节能潜力很大,从能耗占比最大的组件依次进行节能诊断;
当Z2<Emax且X2<E(t)<Emax时,说明空调系统运行效果很差,冷源机组或输配系统出现故障。
可选地,所述步骤S3,具体包括:
基于所述单位面积空调系统能耗集和所述历史温度数据,使用Python中scipy库中的curve_fit函数进行拟合,获得能耗温度曲线。
可选地,所述基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线,具体公式为:
其中,E(t)表示能耗温度曲线的纵坐标,即拟合后的单位面积空调系统能耗,t表示能耗温度曲线的横坐标,即拟合后的日均干球温度,k表示空调系统随温度变化敏感程度,t0表示特征温度常数,E1和E0均表示能耗温度曲线的能耗系数。
本发明还提供一种空调系统能耗评估诊断系统,所述系统包括:
采集模块,用于采集各空调系统对应的历史能耗数据和历史温度数据;所述历史能耗数据包括:冷水机组能耗集、冷却塔能耗集、冷却水泵能耗集、冷冻水泵能耗集、空调机组能耗集和空调系统末端能耗集;
单位面积空调系统能耗集确定模块,用于根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集;
拟合模块,用于基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线;
最大能耗值确定模块,用于根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值;
数据库构建模块,用于根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;所述能耗数组包括最大能耗值和拟合后t温度对应的单位面积空调系统能耗;
阈值确定模块,用于从排序后的所述数据库中选取上四分位值对应的最大能耗值作为第一阈值Z1,从排序后的所述数据库中选取下四分位值对应的最大能耗值作为第二阈值Z2,从排序后的所述数据库中选取上四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第三阈值X1,从排序后的所述数据库中选取下四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第四阈值X2;
节能诊断位置确定模块,用于根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置。
可选地,所述根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集,具体公式为:
其中,E表示单位面积空调系统能耗集,E=[Ed1,Ed2,…,Edn],Edi表示第i天的单位面积空调系统能耗,Edn表示第n天的单位面积空调系统能耗,分别表示第i天的冷水机组能耗、冷却塔能耗、冷却水泵能耗、冷冻水泵能耗、空调机组能耗集和空调系统末端能耗,F表示空调系统的建筑面积。
可选地,所述节能诊断位置确定模块,具体包括:
当0<E(t)≤X1且E(t)<Emax<∞时,说明空调系统运行优秀,无需节能诊断,其中,E(t)表示能耗温度曲线的纵坐标,即拟合后t温度对应的单位面积空调系统能耗;
当Z1<Emax≤Z2且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,有一定的节能潜力,在冷源与末端的负荷匹配上进行节能诊断,其中,Emax表示空调系统对应的最大能耗值;
当Z1<Emax且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,无需节能诊断;
当Z1<Emax≤Z2且X2<E(t)<Emax时,说明空调系统运行较差,系统节能潜力很大,从能耗占比最大的组件依次进行节能诊断;
当Z2<Emax且X2<E(t)<Emax时,说明空调系统运行效果很差,冷源机组或输配系统出现故障。
可选地,所述拟合模块,具体包括:
基于所述单位面积空调系统能耗集和所述历史温度数据,使用Python中scipy库中的curve_fit函数进行拟合,获得能耗温度曲线。
可选地,所述基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线,具体公式为:
其中,E(t)表示能耗温度曲线的纵坐标,即拟合后的单位面积空调系统能耗,t表示能耗温度曲线的横坐标,即拟合后的日均干球温度,k表示空调系统随温度变化敏感程度,t0表示特征温度常数,E1和E0均表示能耗温度曲线的能耗系数。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种空调系统能耗评估诊断方法及系统,首先根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集;其次基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线;根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值;再次根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;然后基于排序后的数据库确定第一阈值、第二阈值、第三阈值和第四阈值,最后根据第一阈值、第二阈值、第三阈值和第四阈值确定空调系统运行状态以及节能诊断位置。本发明公开一种不受气候区、系统运行时间等因素限制的空调系统能耗评估诊断方法,提高了能耗评估以及节能诊断的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明空调系统能耗评估诊断方法流程图;
图2为本发明能耗评估示意图;
图3为本发明空调系统能耗评估诊断系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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,而不是全部的实施例。基于本发明中的实施例,本领域普通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。
本发明的目的是提供一种空调系统能耗评估诊断方法及系统,以提高对空调系统能耗评估以及节能诊断的准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明公开一种空调系统能耗评估诊断方法,所述方法包括:
步骤S1:采集各空调系统对应的历史能耗数据和历史温度数据。
步骤S2:根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集。
步骤S3:基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线。
步骤S4:根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值。
步骤S5:根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;所述能耗数组包括最大能耗值和拟合后t温度对应的单位面积空调系统能耗。
步骤S6:从排序后的所述数据库中选取上四分位值对应的最大能耗值作为第一阈值Z1,从排序后的所述数据库中选取下四分位值对应的最大能耗值作为第二阈值Z2,从排序后的所述数据库中选取上四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第三阈值X1,从排序后的所述数据库中选取下四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第四阈值X2。
步骤S7:根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置。
下面对各个步骤进行详细论述:
步骤S1:采集各空调系统对应的历史能耗数据和历史温度数据。
所述历史能耗数据包括:冷水机组能耗集E1,其中,表示第n天的冷水机组能耗;冷却塔能耗集E2,其中,表示第n天的冷却塔能耗;冷却水泵能耗集E3,其中,表示第n天的冷却水泵能耗;冷冻水泵能耗集E4,其中,表示第n天的冷冻水泵能耗;空调机组能耗集E5,其中,表示第n天的空调机组能耗;空调系统末端能耗集E6,其中,表示第n天的空调系统末端能耗。
所述历史温度数据为供冷季室外日均干球温度集T,T=[t1,t2,…,tn],其中,tn表示第n天室外日均干球温度。
步骤S2:根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集,具体公式为:
其中,E表示单位面积空调系统能耗集,E=[Ed1,Ed2,…,Edn],Edi表示第i天的单位面积空调系统能耗,Edn表示第n天的单位面积空调系统能耗,分别表示第i天的冷水机组能耗、冷却塔能耗、冷却水泵能耗、冷冻水泵能耗、空调机组能耗集和空调系统末端能耗,F表示空调系统的建筑面积。
步骤S3:基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线,具体公式为:
其中,E(t)表示能耗温度曲线的纵坐标,即拟合后的单位面积空调系统能耗,t表示能耗温度曲线的横坐标,即拟合后的日均干球温度,k表示空调系统随温度变化敏感程度,t0表示特征温度常数,E1和E0均表示能耗温度曲线的能耗系数。
本发明基于所述单位面积空调系统能耗集和所述历史温度数据,使用Python中scipy库中的curve_fit函数进行拟合,获得能耗温度曲线;curve_fit函数是基于非线性最小方差的方法将所述单位面积空调系统能耗集和所述历史温度数据拟合成Sigmoid函数曲线,即能耗温度曲线。
步骤S4:根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值,具体公式为:
Emax=E1+E0;
其中,Emax表示空调系统对应的最大能耗值,E1和E0均表示能耗温度曲线的能耗系数。
步骤S7:根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置,具体包括:
当0<E(t)≤X1且E(t)<Emax<∞时,说明空调系统运行优秀,无需节能诊断,其中,E(t)表示能耗温度曲线的纵坐标,即拟合后t温度对应的单位面积空调系统能耗。
当Z1<Emax≤Z2且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,有一定的节能潜力,在冷源与末端的负荷匹配上进行节能诊断,其中,Emax表示空调系统对应的最大能耗值。
当Z1<Emax且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,无需节能诊断。
当Z1<Emax≤Z2且X2<E(t)<Emax时,说明空调系统运行较差,系统节能潜力很大,从能耗占比最大的组件依次进行节能诊断。
当Z2<Emax且X2<E(t)<Emax时,说明空调系统运行效果很差,冷源机组或输配系统出现故障。
本实施中,温度t为30°,第一阈值Z1为0.25,第二阈值Z2为0.35,第三阈值X1为0.15,第四阈值X2为0.25。因此能耗评估以及节能诊断如表1和图2所示。
表1能耗评估及节能诊断表
如图3所示,本发明还提供一种空调系统能耗评估诊断系统,所述系统包括:
采集模块301,用于采集各空调系统对应的历史能耗数据和历史温度数据;所述历史能耗数据包括:冷水机组能耗集、冷却塔能耗集、冷却水泵能耗集、冷冻水泵能耗集、空调机组能耗集和空调系统末端能耗集。
单位面积空调系统能耗集确定模块302,用于根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集。
拟合模块303,用于基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线。
最大能耗值确定模块304,用于根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值。
数据库构建模块305,用于根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;所述能耗数组包括最大能耗值和拟合后t温度对应的单位面积空调系统能耗。
阈值确定模块306,用于从排序后的所述数据库中选取上四分位值对应的最大能耗值作为第一阈值Z1,从排序后的所述数据库中选取下四分位值对应的最大能耗值作为第二阈值Z2,从排序后的所述数据库中选取上四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第三阈值X1,从排序后的所述数据库中选取下四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第四阈值X2。
节能诊断位置确定模块307,用于根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置。
作为一种可选的实施方式,本发明所述根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集,具体公式为:
其中,E表示单位面积空调系统能耗集,E=[Ed1,Ed2,…,Edn],Edi表示第i天的单位面积空调系统能耗,Edn表示第n天的单位面积空调系统能耗,分别表示第i天的冷水机组能耗、冷却塔能耗、冷却水泵能耗、冷冻水泵能耗、空调机组能耗集和空调系统末端能耗,F表示空调系统的建筑面积。
作为一种可选的实施方式,本发明所述节能诊断位置确定模块,具体包括:
当0<E(t)≤X1且E(t)<Emax<∞时,说明空调系统运行优秀,无需节能诊断,其中,E(t)表示能耗温度曲线的纵坐标,即拟合后t温度对应的单位面积空调系统能耗。
当Z1<Emax≤Z2且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,有一定的节能潜力,在冷源与末端的负荷匹配上进行节能诊断,其中,Emax表示空调系统对应的最大能耗值。
当Z1<Emax且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,无需节能诊断。
当Z1<Emax≤Z2且X2<E(t)<Emax时,说明空调系统运行较差,系统节能潜力很大,从能耗占比最大的组件依次进行节能诊断。
当Z2<Emax且X2<E(t)<Emax时,说明空调系统运行效果很差,冷源机组或输配系统出现故障。
作为一种可选的实施方式,本发明所述拟合模块,具体包括:
基于所述单位面积空调系统能耗集和所述历史温度数据,使用Python中scipy库中的curve_fit函数进行拟合,获得能耗温度曲线。
作为一种可选的实施方式,本发明所述基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线,具体公式为:
其中,E(t)表示能耗温度曲线的纵坐标,即拟合后的单位面积空调系统能耗,t表示能耗温度曲线的横坐标,即拟合后的日均干球温度,k表示空调系统随温度变化敏感程度,t0表示特征温度常数,E1和E0均表示能耗温度曲线的能耗系数。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种空调系统能耗评估诊断方法,其特征在于,所述方法包括:
步骤S1:采集各空调系统对应的历史能耗数据和历史温度数据;所述历史能耗数据包括:冷水机组能耗集、冷却塔能耗集、冷却水泵能耗集、冷冻水泵能耗集、空调机组能耗集和空调系统末端能耗集;
步骤S2:根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集;
步骤S3:基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线;
步骤S4:根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值;
步骤S5:根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;所述能耗数组包括最大能耗值和拟合后t温度对应的单位面积空调系统能耗;
步骤S6:从排序后的所述数据库中选取上四分位值对应的最大能耗值作为第一阈值Z1,从排序后的所述数据库中选取下四分位值对应的最大能耗值作为第二阈值Z2,从排序后的所述数据库中选取上四分位值对应的所述拟合后t温度对应的单位面积空调系统能耗作为第三阈值X1,从排序后的所述数据库中选取下四分位值对应的所述拟合后t温度对应的单位面积空调系统能耗作为第四阈值X2;
步骤S7:根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置。
3.根据权利要求1所述的空调系统能耗评估诊断方法,其特征在于,所述步骤S7,具体包括:
当0<E(t)≤X1且E(t)<Emax<∞时,说明空调系统运行优秀,无需节能诊断,其中,E(t)表示能耗温度曲线的纵坐标,即拟合后t温度对应的单位面积空调系统能耗;
当Z1<Emax≤Z2且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,有一定的节能潜力,在冷源与末端的负荷匹配上进行节能诊断,其中,Emax表示空调系统对应的最大能耗值;
当Z1<Emax且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,无需节能诊断;
当Z1<Emax≤Z2且X2<E(t)<Emax时,说明空调系统运行较差,系统节能潜力很大,从能耗占比最大的组件依次进行节能诊断;
当Z2<Emax且X2<E(t)<Emax时,说明空调系统运行效果很差,冷源机组或输配系统出现故障。
4.根据权利要求1所述的空调系统能耗评估诊断方法,其特征在于,所述步骤S3,具体包括:
基于所述单位面积空调系统能耗集和所述历史温度数据,使用Python中scipy库中的curve_fit函数进行拟合,获得能耗温度曲线。
6.一种空调系统能耗评估诊断系统,其特征在于,所述系统包括:
采集模块,用于采集各空调系统对应的历史能耗数据和历史温度数据;所述历史能耗数据包括:冷水机组能耗集、冷却塔能耗集、冷却水泵能耗集、冷冻水泵能耗集、空调机组能耗集和空调系统末端能耗集;
单位面积空调系统能耗集确定模块,用于根据历史能耗数据和历史温度数据计算单位面积空调系统能耗集;
拟合模块,用于基于所述单位面积空调系统能耗集和所述历史温度数据进行拟合,获得能耗温度曲线;
最大能耗值确定模块,用于根据能耗温度曲线的能耗系数确定空调系统对应的最大能耗值;
数据库构建模块,用于根据多个空调系统对应的能耗数组构建数据库,并对能耗数组进行排序;所述能耗数组包括最大能耗值和拟合后t温度对应的单位面积空调系统能耗;
阈值确定模块,用于从排序后的所述数据库中选取上四分位值对应的最大能耗值作为第一阈值Z1,从排序后的所述数据库中选取下四分位值对应的最大能耗值作为第二阈值Z2,从排序后的所述数据库中选取上四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第三阈值X1,从排序后的所述数据库中选取下四分位值对应的拟合后t温度对应的单位面积空调系统能耗作为第四阈值X2;
节能诊断位置确定模块,用于根据第一阈值Z1、第二阈值Z2、第三阈值X1和第四阈值X2确定空调系统运行状态以及节能诊断位置。
8.根据权利要求6所述的空调系统能耗评估诊断系统,其特征在于,所述节能诊断位置确定模块,具体包括:
当0<E(t)≤X1且E(t)<Emax<∞时,说明空调系统运行优秀,无需节能诊断,其中,E(t)表示能耗温度曲线的纵坐标,即拟合后t温度对应的单位面积空调系统能耗;
当Z1<Emax≤Z2且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,有一定的节能潜力,在冷源与末端的负荷匹配上进行节能诊断,其中,Emax表示空调系统对应的最大能耗值;
当Z1<Emax且X1<E(t)≤X2且E(t)<Emax时,说明空调系统运行良好,无需节能诊断;
当Z1<Emax≤Z2且X2<E(t)<Emax时,说明空调系统运行较差,系统节能潜力很大,从能耗占比最大的组件依次进行节能诊断;
当Z2<Emax且X2<E(t)<Emax时,说明空调系统运行效果很差,冷源机组或输配系统出现故障。
9.根据权利要求6所述的空调系统能耗评估诊断系统,其特征在于,所述拟合模块,具体包括:
基于所述单位面积空调系统能耗集和所述历史温度数据,使用Python中scipy库中的curve_fit函数进行拟合,获得能耗温度曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110291191.1A CN113028596B (zh) | 2021-03-18 | 2021-03-18 | 一种空调系统能耗评估诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110291191.1A CN113028596B (zh) | 2021-03-18 | 2021-03-18 | 一种空调系统能耗评估诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113028596A true CN113028596A (zh) | 2021-06-25 |
CN113028596B CN113028596B (zh) | 2021-09-28 |
Family
ID=76471513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110291191.1A Active CN113028596B (zh) | 2021-03-18 | 2021-03-18 | 一种空调系统能耗评估诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113028596B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113654186A (zh) * | 2021-07-23 | 2021-11-16 | 珠海荣邦智能科技有限公司 | 空调检测方法、装置、电子设备和存储介质 |
CN117371624A (zh) * | 2023-12-07 | 2024-01-09 | 邢台职业技术学院 | 一种建筑节能改造优化管理方法 |
CN117474366A (zh) * | 2023-12-27 | 2024-01-30 | 天津理工大学 | 一种智慧能耗监测管理系统及方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872437A (zh) * | 2009-04-27 | 2010-10-27 | 深圳市中电电力技术有限公司 | 一种节能处理方法及系统 |
WO2011145734A1 (ja) * | 2010-05-21 | 2011-11-24 | パナソニック電工株式会社 | 空調システム |
CN202093557U (zh) * | 2011-05-04 | 2011-12-28 | 深圳市拓远节能科技有限公司 | 能源管理系统 |
CN104301427A (zh) * | 2014-10-30 | 2015-01-21 | 林波荣 | 一种基于移动互联网的建筑用能计量与节能系统及方法 |
CN104534627A (zh) * | 2015-01-14 | 2015-04-22 | 江苏联宏自动化系统工程有限公司 | 中央空调冷却水系统综合能效控制方法 |
CN105446139A (zh) * | 2015-12-18 | 2016-03-30 | 华南理工大学 | 基于bp神经网络的建筑能耗分析方法与系统 |
CN105974869A (zh) * | 2016-06-28 | 2016-09-28 | 江苏长宁电力科技有限公司 | 一种应用于建筑环境自适应节能管理系统的节能监控中心 |
US20170212482A1 (en) * | 2016-01-22 | 2017-07-27 | Johnson Controls Technology Company | Building energy management system with energy analytics |
US20180039292A1 (en) * | 2016-08-04 | 2018-02-08 | Watershed Technologies Inc. | System and method for building climate control |
CN208222774U (zh) * | 2018-05-18 | 2018-12-11 | 珠海六和节能投资有限公司 | 一种中央空调能效检测管理系统 |
US20200248920A1 (en) * | 2019-01-31 | 2020-08-06 | Sap Se | Predictive air handling system |
CN111536639A (zh) * | 2020-05-08 | 2020-08-14 | 东南大学 | 一种基于拉格朗日乘子法的冷水机组运行优化控制方法 |
CN112686442A (zh) * | 2020-12-29 | 2021-04-20 | 博锐尚格科技股份有限公司 | 基于运行多样性空调末端能耗预测方法和系统 |
-
2021
- 2021-03-18 CN CN202110291191.1A patent/CN113028596B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872437A (zh) * | 2009-04-27 | 2010-10-27 | 深圳市中电电力技术有限公司 | 一种节能处理方法及系统 |
WO2011145734A1 (ja) * | 2010-05-21 | 2011-11-24 | パナソニック電工株式会社 | 空調システム |
CN202093557U (zh) * | 2011-05-04 | 2011-12-28 | 深圳市拓远节能科技有限公司 | 能源管理系统 |
CN104301427A (zh) * | 2014-10-30 | 2015-01-21 | 林波荣 | 一种基于移动互联网的建筑用能计量与节能系统及方法 |
CN104534627A (zh) * | 2015-01-14 | 2015-04-22 | 江苏联宏自动化系统工程有限公司 | 中央空调冷却水系统综合能效控制方法 |
CN105446139A (zh) * | 2015-12-18 | 2016-03-30 | 华南理工大学 | 基于bp神经网络的建筑能耗分析方法与系统 |
US20170212482A1 (en) * | 2016-01-22 | 2017-07-27 | Johnson Controls Technology Company | Building energy management system with energy analytics |
CN105974869A (zh) * | 2016-06-28 | 2016-09-28 | 江苏长宁电力科技有限公司 | 一种应用于建筑环境自适应节能管理系统的节能监控中心 |
US20180039292A1 (en) * | 2016-08-04 | 2018-02-08 | Watershed Technologies Inc. | System and method for building climate control |
CN208222774U (zh) * | 2018-05-18 | 2018-12-11 | 珠海六和节能投资有限公司 | 一种中央空调能效检测管理系统 |
US20200248920A1 (en) * | 2019-01-31 | 2020-08-06 | Sap Se | Predictive air handling system |
CN111536639A (zh) * | 2020-05-08 | 2020-08-14 | 东南大学 | 一种基于拉格朗日乘子法的冷水机组运行优化控制方法 |
CN112686442A (zh) * | 2020-12-29 | 2021-04-20 | 博锐尚格科技股份有限公司 | 基于运行多样性空调末端能耗预测方法和系统 |
Non-Patent Citations (4)
Title |
---|
刘利刚等: "中国典型高层办公建筑平面布置与能耗关系模拟研究", 《新建筑》 * |
李灏如等: "公共建筑空调系统运行能耗评价方法研究", 《暖通空调》 * |
李紫微等: "建筑方案能耗快速预测方法研究综述", 《暖通空调》 * |
林波荣等: "我国绿色办公建筑运行能耗及室内环境品质实测研究", 《暖通空调》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113654186A (zh) * | 2021-07-23 | 2021-11-16 | 珠海荣邦智能科技有限公司 | 空调检测方法、装置、电子设备和存储介质 |
CN117371624A (zh) * | 2023-12-07 | 2024-01-09 | 邢台职业技术学院 | 一种建筑节能改造优化管理方法 |
CN117371624B (zh) * | 2023-12-07 | 2024-02-20 | 邢台职业技术学院 | 一种建筑节能改造优化管理方法 |
CN117474366A (zh) * | 2023-12-27 | 2024-01-30 | 天津理工大学 | 一种智慧能耗监测管理系统及方法 |
CN117474366B (zh) * | 2023-12-27 | 2024-03-19 | 天津理工大学 | 一种智慧能耗监测管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113028596B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113028596B (zh) | 一种空调系统能耗评估诊断方法及系统 | |
Wan et al. | Future trends of building heating and cooling loads and energy consumption in different climates | |
CN110264080B (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
Li et al. | Natural ventilation potential of high-rise residential buildings in northern China using coupling thermal and airflow simulations | |
Lee et al. | Using climate classification to evaluate building energy performance | |
Faghani et al. | Extrapolating wind data at high altitudes with high precision methods for accurate evaluation of wind power density, case study: Center of Iran | |
CN110245873A (zh) | 一种绿色建筑运行品质评价方法、装置、设备及存储介质 | |
Li et al. | A clustering-based approach for “cross-scale” load prediction on building level in HVAC systems | |
Wang et al. | Short time air temperature prediction using pattern approximate matching | |
CN112183826A (zh) | 基于深度级联生成对抗网络的建筑能耗预测方法及相关产品 | |
Peng et al. | Investigation on spatial distribution and thermal properties of typical residential buildings in South China's Pearl River Delta | |
CN116205425A (zh) | 一种基于典型数据库的低碳园区冷热电气负荷预测方法 | |
Xia et al. | Technological adaptation zone of passive evaporative cooling of China, based on a clustering analysis | |
Büyükalaca et al. | Detailed weather data for the provinces covered by the Southeastern Anatolia Project (GAP) of Turkey | |
CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
CN116861248B (zh) | 一种结合多窗口融合方法和聚焦框架模型的建筑能耗预测方法及系统 | |
CN112365176A (zh) | 一种节能分析气象年计算方法、系统、装置和存储介质 | |
CN112686442A (zh) | 基于运行多样性空调末端能耗预测方法和系统 | |
Li et al. | A new method of generating extreme building energy year and its application | |
Erell et al. | Mapping the potential for climate-conscious design of buildings | |
CN116776263A (zh) | 基于数据驱动的街区尺度建筑高能耗异常检测方法及系统 | |
CN114548533A (zh) | 一种建筑冷热电动态负荷设计方法、装置、区域内动态负荷获取方法、计算机及存储介质 | |
Vihola et al. | Heat loss rate of the Finnish building stock | |
CN107133372B (zh) | 一种移动通信基站能耗标杆场景化评估方法及装置 | |
Cardoso et al. | Impact of atmospherical stability and intra-hour variation of meteorological data in the variability of building air change rates |
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 |