CN113537564B - 基于季度变化的日用水量调节方法 - Google Patents
基于季度变化的日用水量调节方法 Download PDFInfo
- Publication number
- CN113537564B CN113537564B CN202110659800.4A CN202110659800A CN113537564B CN 113537564 B CN113537564 B CN 113537564B CN 202110659800 A CN202110659800 A CN 202110659800A CN 113537564 B CN113537564 B CN 113537564B
- Authority
- CN
- China
- Prior art keywords
- season
- water
- quarter
- daily
- water 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 207
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008859 change Effects 0.000 title claims abstract description 16
- 239000007788 liquid Substances 0.000 claims abstract description 36
- 230000001502 supplementing effect Effects 0.000 claims abstract description 16
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
- Control Of Non-Electrical Variables (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种基于季度变化的日用水量调节方法,其特点是包括以下步骤:第一步,室外温湿度传感器、水箱液位传感器、补水测水表、水箱的横截面积;第二步,选择典型日;第三步,计算用水量;第四步,季度日用水量与室外温度之间的关系;第五步,季度日用水量与室外温度之间的关系模型;第六步,日用水量上限预测;第七步,分成S个时段;第八步,计算数值;第九步,日用水量下限预测;第十步,控制日用水量。其优点是通过对目标水量的季度变化预测,实现生活热水系统热水精准供应,节约能源。
Description
技术领域
本发明涉及一种基于季度变化的日用水量调节方法。
背景技术
现有生活热水系统在运行过程,为满足供水量和水温达到用户需求,目标水位往往采用满刻度或最大用水量供应,出现储水箱热水大量剩余的现象,造成热量散失与浪费。
发明内容
本发明的目的是克服现有技术的不足而提供一种基于季度变化的日用水量调节方法,通过对目标水量的季度变化预测,实现生活热水系统热水精准供应,节约能源。
为了达到上述目的,本发明是这样实现的,其是一种基于季度变化的日用水量调节方法,其特征在于包括以下步骤:
第一步
安装室外温湿度传感器TH、水箱液位传感器L及补水测水表U,并测量水箱的横截面积S;
第二步
在春、夏、秋、冬每个季度分别选择p个典型日进以下实验测试:
通过室外温湿度传感器TH获得每个典型日的室外平均温度T室外ip,通过水箱液位传感器L获得每个典型日水箱初始平均液位H初ip及每个典型日水箱终止平均液位H终ip,通过补水测水表U测得每个典型日初始平均读数Q初ip及每个典型日终止平均读数Q终ip;其中1<p≤每个季度的天数;
第三步
计算每个典型日用水量,V季ip=S×(H终ip-H初ip)-(Q终ip-Q初ip),其中i=1代表春季,i=2代表夏季,i=3代表秋季,i=4代表冬季,p为每个季度选择的典型日天数;
第四步
建立每个季度日用水量与室外温度之间的关系V季i=f(T室外i),通过线性拟合或多项式最小二乘法,选择一个季度所有典型日的数据,以该季度每个典型日室外平均温度T室外ip为输入变量,以该季度每个典型日的日用水量为输出变量,建立每个季度日用水量与室外温度之间的关系模型;
第五步
输出每个季度日用水量与室外温度之间的关系模型即:V季1=f(T室外1),
V季2=f(T室外2),V季3=f(T室外3),V季4=f(T室外4);
第六步
日用水量上限预测,获取天气预报第二日第i个季度室外平均温度T预i,通过第i个季度日用水量模型,预测计算第二日用水量V季i=f(T室外i),其中T室外i=T预i,为防止日用水量不够,给定一个安全系数e进行调节设置,日用水量上限预测值V预季i=e×f(T预i),e设置为1-1.5范围内;
第七步
根据实际的用水情况,将典型日分成S个时段,S≥1的整数,g表示中间时段,g≥1的整数;通过水箱液位传感器L获得S个时段的初始平均液位H初ds及S个时段终止平均液位H终ds,通过补水测水表U测得每个典型日初始平均读数Q初ds及每个典型日终止平均读数Q终ds;
第八步
计算S个时段的用水量,Vds=S×(H终ds-H初ds)-(Q终ds-Q初ds);
通过公式 ,计算出调整的数值,0<λs<1,且λs≥
λs+1, 设置为1-1.1范围内;
第九步
日用水量分时段下限预测,V预s=λs×V预季i;
第十步
通过日用水量上限预测的V预季i及日用水下限预测V预s来控制日用水量。
本发明与现有技术相比的优点为:通过对目标水量的季度变化预测,实现生活热水系统热水精准供应,节约能源。
具体实施方式
下面对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以互相结合。
实施例一
其是一种基于季度变化的日用水量调节方法,包括以下步骤:
第一步
安装室外温湿度传感器TH、水箱液位传感器L及补水测水表U,并测量水箱的横截面积S;
第二步
在春、夏、秋、冬每个季度分别选择p个典型日进以下实验测试:
通过室外温湿度传感器TH获得每个典型日的室外平均温度T室外ip,通过水箱液位传感器L获得每个典型日水箱初始平均液位H初ip及每个典型日水箱终止平均液位H终ip,通过补水测水表U测得每个典型日初始平均读数Q初ip及每个典型日终止平均读数Q终ip;其中1<p≤每个季度的天数;
所述典型日根据不同地区及不同季度进行选择,如在冬季时,该地区的近10年的冬季度平均最低气温T均低4,10年内冬季最高平均气温T均高4,则典型日的选择范围的温度T均低4-1至T均高4+2之间;如在夏季时,该地区的近10年的夏季度平均最低气温T均低2,10年内夏季最高平均气温T均高2,则典型日的选择范围的温度T均低2-1至T均高2+2之间。
第三步
计算每个典型日用水量,V季ip=S×(H终ip-H初ip)-(Q终ip-Q初ip),其中i=1代表春季,i=2代表夏季,i=3代表秋季,i=4代表冬季,p为每个季度选择的典型日天数;
第四步
建立每个季度日用水量与室外温度之间的关系V季i=f(T室外i),通过线性拟合或多项式最小二乘法,选择一个季度所有典型日的数据,以该季度每个典型日室外平均温度T室外ip为输入变量,以该季度每个典型日的日用水量为输出变量,建立每个季度日用水量与室外温度之间的关系模型;
第五步
输出每个季度日用水量与室外温度之间的关系模型即:V季1=f(T室外1),
V季2=f(T室外2),V季3=f(T室外3),V季4=f(T室外4);
第六步
日用水量上限预测,获取天气预报第二日第i个季度室外平均温度T预i,通过第i个季度日用水量模型,预测计算第二日用水量V季i=f(T室外i),其中T室外i=T预i,为防止日用水量不够,给定一个安全系数e进行调节设置,日用水量上限预测值V预季i=e×f(T预i),e设置为1范围内;
第七步
根据实际的用水情况,将典型日分成S个时段,S≥1的整数,g表示中间时段,g≥1的整数;通过水箱液位传感器L获得S个时段的初始平均液位H初ds及S个时段终止平均液位H终ds,通过补水测水表U测得每个典型日初始平均读数Q初ds及每个典型日终止平均读数Q终ds;
第八步
计算S个时段的用水量,Vds=S×(H终ds-H初ds)-(Q终ds-Q初ds);
通过公式,计算出调整的数值,0<λs<1,且λs≥
λs+1,设置为1;
第九步
日用水量下限预测,V预s=λs×V预季i;
第十步
通过日用水量上限预测的V预季i及日用水下限预测V预S来控制日用水量。
例如:某中学夏季用水高峰为中午12时至14时,18时至23时两个阶段,周一至周五用水方式相同,选择典型日某夏季周三进行最低用水量比例测试,该典型日全天用水量上限V预季2,S时段不规则划分,划分为0-11时为第1时段,12-14时为第2时段,15-17时为第3时段,18时-20时为第4时段,21-22为第5时段,23时为第6时段。
S=1,2,3,4,5,6,g=1,2,3,4,5,6
通过分时段测试,获取每个时段的用水量Vds,根据每个时段的用水量计算各时段的最低用水比例和用水量。
计算出每一时段的日用水下限值,在通过对应的日用水量上限值V预季i,控制日用水量的水量。
上述的基于季度变化的日用水量调节方法,可应用于学校、医院、酒店等任何使用集中式热水系统的水量控制。
实施例二
其是一种基于季度变化的日用水量调节方法,包括以下步骤:
第一步
安装室外温湿度传感器TH、水箱液位传感器L及补水测水表U,并测量水箱的横截面积S;
第二步
在春、夏、秋、冬每个季度分别选择p个典型日进以下实验测试:
通过室外温湿
度传感器TH获得每个典型日的室外平均温度T室外ip,通过水箱液位传感器L获得每个典型日水箱初始平均液位H初ip及每个典型日水箱终止平均液位H终ip,通过补水测水表U测得每个典型日初始平均读数Q初ip及每个典型日终止平均读数Q终ip;其中1<p≤每个季度的天数;
所述典型日根据不同地区及不同季度进行选择,如在春季时,该地区的近10年的冬季度平均最低气温T均低1,10年内春季最高平均气温T均高1,则典型日的选择范围的温度T均低1-1至T均高1+2之间,如在秋季时,该地区的近10年的夏季度平均最低气温T均低3,10年内夏季最高平均气温T均高3,则典型日的选择范围的温度T均低3-1至T均高3+2之间。
第三步
计算每个典型日用水量,V季ip=S×(H终ip-H初ip)-(Q终ip-Q初ip),其中i=1代表春季,i=2代表夏季,i=3代表秋季,i=4代表冬季,p为每个季度选择的典型日天数;
第四步
建立每个季度日用水量与室外温度之间的关系V季i=f(T室外i),通过线性拟合或多项式最小二乘法,选择一个季度所有典型日的数据,以该季度每个典型日室外平均温度T室外ip为输入变量,以该季度每个典型日的日用水量为输出变量,建立每个季度日用水量与室外温度之间的关系模型;
第五步
输出每个季度日用水量与室外温度之间的关系模型即:V季1=f(T室外1),
V季2=f(T室外2),V季3=f(T室外3),V季4=f(T室外4);
第六步
日用水量上限预测,获取天气预报第二日第i个季度室外平均温度T预i,通过第i个季度日用水量模型,预测计算第二日用水量V季i=f(T室外i),其中T室外i=T预i,为防止日用水量不够,给定一个安全系数e进行调节设置,日用水量上限预测值V预季i=e×f(T预i),e设置为1.25范围内;
第七步
根据实际的用水情况,将典型日分成S个时段,S≥1的整数,g表示中间时段,g≥1的整数;通过水箱液位传感器L获得S个时段的初始平均液位H初ds及S个时段终止平均液位H终ds,通过补水测水表U测得每个典型日初始平均读数Q初ds及每个典型日终止平均读数Q终ds;
第八步
计算S个时段的用水量,Vds=S×(H终ds-H初ds)-(Q终ds-Q初ds);
通过公式,计算出调整的数值,0<λs<1,且λs≥
λs+1, 设置为1.05;
第九步
日用水量下限预测,V预s=λs×V预季i;
第十步
通过日用水量上限预测的V预季i及日用水下限预测V预s来控制日用水量。
例如:某公司春季用水高峰为上午9时至11时,15时至17时两个阶段,周一至周五用水方式相同,选择典型日某春季周三进行最低用水量比例测试,该典型日全天用水量上限V预季1,S时段不规则划分,划分为0-9时为第1时段,9-11时为第2时段,11-15时为第3时段,15-17时为第4时段,17-22为第5时段,23-24时为第6时段。
S=1,2,3,4,5,6,g=1,2,3,4,5,6
通过分时段测试,获取每个时段的用水量Vds,根据每个时段的用水量计算各时段的最低用水比例和用水量。
计算出每一时段的日用水下限值,在通过对应的日用水量上限值V预季i,控制日用水量的水量。
上述的基于季度变化的日用水量调节方法,可应用于学校、医院、酒店等任何使用集中式热水系统的水量控制。
实施例三
其是一种基于季度变化的日用水量调节方法,包括以下步骤:
第一步
安装室外温湿度传感器TH、水箱液位传感器L及补水测水表U,并测量水箱的横截面积S;
第二步
在春、夏、秋、冬每个季度分别选择p个典型日进以下实验测试:
通过室外温湿度传感器TH获得每个典型日的室外平均温度T室外ip,通过水箱液位传感器L获得每个典型日水箱初始平均液位H初ip及每个典型日水箱终止平均液位H终ip,通过补水测水表U测得每个典型日初始平均读数Q初ip及每个典型日终止平均读数Q终ip;其中1<p≤每个季度的天数;
所述典型日根据不同地区及不同季度进行选择,如在夏季时,该地区的近10年的冬季度平均最低气温T均低2,10年内冬季最高平均气温T均高2,则典型日的选择范围的温度T均低2-1至T均高2+2之间,如在秋季时,该地区的近10年的夏季度平均最低气温T均低3,10年内夏季最高平均气温T均高3,则典型日的选择范围的温度T均低3-1至T均高3+2之间。
第三步
计算每个典型日用水量,V季ip=S×(H终ip-H初ip)-(Q终ip-Q初ip),其中i=1代表春季,i=2代表夏季,i=3代表秋季,i=4代表冬季,p为每个季度选择的典型日天数;
第四步
建立每个季度日用水量与室外温度之间的关系V季i=f(T室外i),通过线性拟合或多项式最小二乘法,选择一个季度所有典型日的数据,以该季度每个典型日室外平均温度T室外ip为输入变量,以该季度每个典型日的日用水量为输出变量,建立每个季度日用水量与室外温度之间的关系模型;
第五步
输出每个季度日用水量与室外温度之间的关系模型即:V季1=f(T室外1),
V季2=f(T室外2),V季3=f(T室外3),V季4=f(T室外4);
第六步
日用水量上限预测,获取天气预报第二日第i个季度室外平均温度T预i,通过第i个季度日用水量模型,预测计算第二日用水量V季i=f(T室外i),其中T室外i=T预i,为防止日用水量不够,给定一个安全系数e进行调节设置,日用水量上限预测值V预季i=e×f(T预i),e设置为1.5范围内;
第七步
根据实际的用水情况,将典型日分成S个时段,S≥1的整数,g表示中间时段,g≥1的整数;通过水箱液位传感器L获得S个时段的初始平均液位H初ds及S个时段终止平均液位H终ds,通过补水测水表U测得每个典型日初始平均读数Q初ds及每个典型日终止平均读数Q终ds;
第八步
计算S个时段的用水量,Vds=S×(H终ds-H初ds)-(Q终ds-Q初ds);通过公式,计算出调整的数值,0<λs<1,且λs≥λs+1, 设置为1.1范
围内;
第九步
日用水量下限预测,V预s=λs×V预季i;
第十步
通过日用水量上限预测的V预季i及日用水下限预测V预s来控制日用水量。
例如:某酒店冬季用水高峰为19时至23时一个阶段,周一至周五用水方式相同,选择典型日某冬季周三进行最低用水量比例测试,该典型日全天用水量上限V预季4,S时段不规则划分,划分为0-9时为第1时段,9-15时为第2时段,15-19时为第3时段,19-23时为第4时段,23-24为第5时段。
S=1,2,3,4,5,g=1,2,3,4,5
通过分时段测试,获取每个时段的用水量Vds,根据每个时段的用水量计算各时段的最低用水比例和用水量。
计算出每一时段的日用水下限值,在通过对应的日用水量上限值V预季i,控制日用水量的水量。
上述的基于季度变化的日用水量调节方法,可应用于学校、医院、酒店等任何使用集中式热水系统的水量控制。
以上对本发明的实施方式作出详细说明,但本发明不局限于所描述的实施方式。对于本领域的普通技术人员而言,在不脱离本发明的原理和宗旨的情况下对这些实施方式进行多种变化、修改、替换及变形仍落入在本发明的保护范围内。
Claims (1)
1.一种基于季度变化的日用水量调节方法,其特征在于包括以下步骤:
第一步
安装室外温湿度传感器TH、水箱液位传感器L及补水测水表U,并测量水箱的横截面积S;
第二步
在春、夏、秋、冬每个季度分别选择p个典型日进以下实验测试:
通过室外温湿度传感器TH获得每个典型日的室外平均温度T室外ip,通过水箱液位传感器L获得每个典型日水箱初始平均液位H初ip及每个典型日水箱终止平均液位H终ip,通过补水测水表U测得每个典型日初始平均读数Q初ip及每个典型日终止平均读数Q终ip;其中1<p≤每个季度的天数;
第三步
计算每个典型日用水量,V季ip=S×(H终ip-H初ip)-(Q终ip-Q初ip),其中i=1代表春季,i=2代表夏季,i=3代表秋季,i=4代表冬季,p为每个季度选择的典型日天数;
第四步
建立每个季度日用水量与室外温度之间的关系V季i=f(T室外i),通过线性拟合或多项式最小二乘法,选择一个季度所有典型日的数据,以该季度每个典型日室外平均温度T室外ip为输入变量,以该季度每个典型日的日用水量为输出变量,建立每个季度日用水量与室外温度之间的关系模型;
第五步
输出每个季度日用水量与室外温度之间的关系模型即:V季1=f(T室外1),
V季2=f(T室外2),V季3=f(T室外3),V季4=f(T室外4);
第六步
日用水量上限预测,获取天气预报第二日第i个季度室外平均温度T预i,通过第i个季度日用水量模型,预测计算第二日用水量V季i=f(T室外i),其中T室外i=T预i,为防止日用水量不够,给定一个安全系数e进行调节设置,日用水量上限预测值V预季i=e×f(T预i),e设置为1-1.5范围内;
第七步
根据实际的用水情况,将每个季度的典型日分成S个时段,S≥1的整数,g表示中间时段,g≥1的整数;通过水箱液位传感器L获得S个时段的初始平均液位H初ds及S个时段终止平均液位H终ds,通过补水测水表U测得每个典型日初始平均读数Q初ds及每个典型日终止平均读数Q终ds;
第八步
计算S个时段的用水量,Vds=S×(H终ds-H初ds)-(Q终ds-Q初ds);
通过公式,计算出/>的数值,0</><1,且λs≥λs+1,/>设置为1-1.1范围内;
第九步
日用水量分时段下限预测,V预s=λs×V预季i;
第十步
通过日用水量上限预测的V预季i及每个时段日用水下限预测V预s来控制日用水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110659800.4A CN113537564B (zh) | 2021-06-15 | 2021-06-15 | 基于季度变化的日用水量调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110659800.4A CN113537564B (zh) | 2021-06-15 | 2021-06-15 | 基于季度变化的日用水量调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113537564A CN113537564A (zh) | 2021-10-22 |
CN113537564B true CN113537564B (zh) | 2024-05-10 |
Family
ID=78124948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110659800.4A Active CN113537564B (zh) | 2021-06-15 | 2021-06-15 | 基于季度变化的日用水量调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537564B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021859A (zh) * | 2021-12-07 | 2022-02-08 | 重庆大学 | 一种酒店建筑用水量的预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104214955A (zh) * | 2014-09-29 | 2014-12-17 | 芜湖美的厨卫电器制造有限公司 | 供水系统的控制方法 |
CN107909195A (zh) * | 2017-11-08 | 2018-04-13 | 吴江华衍水务有限公司 | 一种日用水量预测方法 |
AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
-
2021
- 2021-06-15 CN CN202110659800.4A patent/CN113537564B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104214955A (zh) * | 2014-09-29 | 2014-12-17 | 芜湖美的厨卫电器制造有限公司 | 供水系统的控制方法 |
CN107909195A (zh) * | 2017-11-08 | 2018-04-13 | 吴江华衍水务有限公司 | 一种日用水量预测方法 |
AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
Non-Patent Citations (2)
Title |
---|
柳景青.调度时用水量预测的系统理论方法及应用研究.全文. * |
汪明文.城市用水量组合预测模型的应用与研究.全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113537564A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Cooling load prediction and optimal operation of HVAC systems using a multiple nonlinear regression model | |
Bolattürk | Optimum insulation thicknesses for building walls with respect to cooling and heating degree-hours in the warmest zone of Turkey | |
US6134511A (en) | Method and apparatus for improving building energy simulations | |
US7200468B2 (en) | System for determining overall heating and cooling system efficienies | |
Ghiaus | Experimental estimation of building energy performance by robust regression | |
Harvey | Using modified multiple heating-degree-day (HDD) and cooling-degree-day (CDD) indices to estimate building heating and cooling loads | |
Dahlblom et al. | Evaluation of a feedback control method for hydronic heating systems based on indoor temperature measurements | |
CN111550861A (zh) | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 | |
CN109948824A (zh) | 一种利用模式识别技术对热力站热负荷进行预测的方法 | |
Zhou et al. | Air-source heat pump heating system with a new temperature and hydraulic-balance control strategy: A field experiment in a teaching building | |
CN113537564B (zh) | 基于季度变化的日用水量调节方法 | |
Alimohammadisagvand et al. | The potential of predictive control in minimizing the electricity cost in a heat-pump heated residential house | |
KR101075893B1 (ko) | 지역난방시스템의 열에너지 공급 제어방법 | |
Chen et al. | Assessments of multiple operation strategies in a passive office Building in Cold Region of China | |
Kärkkäinen et al. | Demand side management of the district heating systems | |
CN106600026A (zh) | 一种适用于浙东丘陵地区的居住建筑能耗预测方法 | |
DE102011011022A1 (de) | Verfahren zur Zustandsbestimmung eines thermischen Pufferspeichers sowie zur multikriteriellen Regelung einer Heizungsanlage | |
Andersen et al. | Observer based model identification of heat pumps in a smart grid | |
Liu et al. | An on-off regulation method by predicting the valve on-time ratio in district heating system | |
CN113551295B (zh) | 基于室外气温和用水人数的日用水量分段周期性调节方法 | |
Levermore et al. | Performance lines and energy signatures: review and analysis | |
Sabbagh et al. | Climate change effects on the energy performance of a residential groundsource heat pump system | |
Kummert et al. | Building and HVAC optimal control simulation. Application to an office building. | |
Clarke et al. | Electricity storage within the domestic sector as a means to enable renewable energy integration within existing electricity networks | |
Morovat et al. | Model-Based Control Strategies to Enhance Energy Flexibility in Electrically Heated School Buildings. Buildings 2022, 12, 581 |
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 |