CN113551375A - 一种用于电子工厂的冷负荷预测方法及系统 - Google Patents
一种用于电子工厂的冷负荷预测方法及系统 Download PDFInfo
- Publication number
- CN113551375A CN113551375A CN202110834707.2A CN202110834707A CN113551375A CN 113551375 A CN113551375 A CN 113551375A CN 202110834707 A CN202110834707 A CN 202110834707A CN 113551375 A CN113551375 A CN 113551375A
- Authority
- CN
- China
- Prior art keywords
- time
- cold
- wet bulb
- time period
- bulb temperature
- 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
-
- 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
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种用于电子工厂的冷负荷预测方法及系统,先建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表,然后根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用对应关系表得到预测时刻的供给总冷量,并根据供给总冷量对冷负荷进行预测,进而能够对需要供给的冷负荷进行准确预测,实现冷负荷的按需供给,降低中央空调系统的能耗。
Description
技术领域
本发明涉及冷负荷预测技术领域,特别是涉及一种用于电子工厂的冷负荷预测方法及系统。
背景技术
电子工厂有以下几个特点,中央空调系统的能耗较大,工厂生产负荷相对比较稳定,产品生产过程对环境温度要求高,所以对中央空调系统自动化程度要求高。传统的控制系统,为了降低中央空调系统的能耗,对末端负荷进行模糊预测,对中央空调系统的冷冻水泵进行模糊控制,可实现系统的简单控制,一方面:这种控制对末端预测会出现滞后,控制精度差,不能很好的满足末端的环境要求;另一方面:这种控制不能实现系统的经济运行的目的。
发明内容
本发明的目的是提供一种用于电子工厂的冷负荷预测方法及系统,能够实对电子工厂的冷负荷提前预知、按需供给,实现电子工厂经济运行的目的。
为实现上述目的,本发明提供了如下方案:
一种用于电子工厂的冷负荷预测方法,所述预测方法包括:
建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表;所有所述季节模式组成一年;所有所述时间段组成一天;
根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用所述对应关系表得到预测时刻的供给总冷量,并根据所述供给总冷量对冷负荷进行预测。
一种用于电子工厂的冷负荷预测系统,所述预测系统包括:
建立模块,用于建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表;所有所述季节模式组成一年;所有所述时间段组成一天;
预测模块,用于根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用所述对应关系表得到预测时刻的供给总冷量,并根据所述供给总冷量对冷负荷进行预测。
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:
本发明所提供的一种用于电子工厂的冷负荷预测方法及系统,先建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表,然后根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用对应关系表得到预测时刻的供给总冷量,并根据供给总冷量对冷负荷进行预测,进而能够对需要供给的冷负荷进行准确预测,实现冷负荷的按需供给,降低中央空调系统的能耗。
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为本发明实施例1所提供的预测方法的方法流程图;
图2为本发明实施例1所提供的建立对应关系表所用方法的方法流程图;
图3为本发明实施例2所提供的预测系统的系统框图。
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用于电子工厂的冷负荷预测方法及系统,能够实现冷负荷的按需输出,降低中央空调系统的能耗。
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。
实施例1:
对电子工厂行业来说,采用模糊预测对末端负荷进行预测,预测结果比较粗糙,无法做到按需输出冷负荷,这样所造成的不良后果包括:一是影响末端环境质量,二是影响节能效果。为了解决上述问题,本实施例采集历史数据进行综合分析,以对输出供冷量进行时相关和环境相关的数据分析,确保中央空调系统的冷负荷供给能按需供给,一是不会对环境质量产生影响,二是可以大幅度提升中央空调系统的节能效果。
具体的,如图1所示,本实施例用于提供一种用于电子工厂的冷负荷预测方法,所述预测方法包括:
S1:建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表;所有所述季节模式组成一年;所有所述时间段组成一天;
具体的,如图2所示,S1可以包括:
S11:获取一年内每一时间点的湿球温度和冷负荷;
对于每一时间点,获取该时间点的冷负荷具体包括:计算该时间点工厂冷源站中每台在运行冷机的输出冷负荷,所有在运行冷机的输出冷负荷的和即为该时间点的冷负荷。在计算该时间点工厂冷源站中每台在运行冷机的输出冷负荷时,对于每台在运行冷机,获取在运行冷机在该时间点的冷冻水流量和冷冻水供回水温差,然后根据冷冻水流量和冷冻水供回水温差计算在运行冷机在该时间点的输出冷负荷。
工厂冷源站为提供冷量供给的机房,其为中央空调系统的一部分,一个工厂冷源站由多个冷机组成,将该时间点工厂冷源站中正在运行的冷机称为在运行冷机。每台在运行冷机的输出冷负荷Wn(t)=Qn(t)*△Tn(t)*K。其中,Wn(t)为第n台在运行冷机在时间点t时的输出冷负荷;Qn(t)为第n台在运行冷机在时间点t时的冷冻水流量;△Tn(t)为第n台在运行冷机在时间点t时的冷冻水供回水温差;K为单位转换因子,其为一个常数。
计算工厂冷源站在时间点t时实际供给的冷负荷W(t),W(t)=W1(t)+W2(t)+…+Wn(t)+…+WN(t),其中n=1,2,...N;N为时间点t时在运行冷机的总数量。
对于每一时间点,获取该时间点的湿球温度具体包括:利用设置于工厂冷源站室外的温湿度传感器获取该时间点的环境温度和环境湿度,根据环境温度和环境湿度计算该时间点的湿球温度T(t)。
需要说明的是,相邻两个时间点之间的时间间隔可为1秒,即1秒获取一次数据,且每一时间点的湿球温度和冷负荷一一对应。
S12:将一年划分为多个季节模式,将一天划分为多个时间段;
将一年划分为多个季节模式可以包括:按照一年包括夏季模式、通风模式以及冬季模式的分类方式对一年进行划分,即将一年划分为夏季模式、通风模式和冬季模式,夏季模式、通风模式和冬季模式各自所包含的月份和天数根据工厂冷源站所在地区确定,以适应地区的气候特点,即按夏季模式、通风模式、冬季模式进行分类,分类标准根据工厂冷源站所在地区的特点可进行自定义。比如:将每年4月~10月定义为夏季模式、每年11月~2月定义为冬季模式、每年3月定义为通风模式。但无论如何自定义分类标准,夏季模式、通风模式和冬季模式所包括的月份的总和为12个月,即夏季模式、通风模式和冬季模式组成一年。
将一天划分为多个时间段可以包括:按照所有时间段所包括小时数相等对一天进行划分,例如每一时间段包括1小时,将一天划分为24个时间段;也可按照所有时间段所包括小时数均不等对一天进行划分,例如第一时间段包括1小时,第二时间段包括2小时,第三时间段包括其他小时数;还可对一天进行随机划分,例如第一时间段包括1小时,第二时间段包括2小时,第三时间段包括1小时。但无论如何划分,所有时间段的小时数相加为24小时,即所有时间段组成一天。
S13:对于每一所述季节模式,根据所述季节模式内每一时间点的湿球温度和冷负荷计算所述季节模式内每一天每一时间段的湿球温度平均值和供给总冷量;
作为一种可选的实施方式,S13可以包括:对于每一天的每一时间段,计算该时间段所包括的所有时间点的湿球温度的平均值,得到该时间段的湿球温度平均值,将该时间段所包括的所有时间点的冷负荷进行求和,得到该时间段的供给总冷量。
作为另一种可选的实施方式,S13可以包括:对于每一天的每一时间段,计算该时间段所包括的所有时间点的湿球温度的平均值,得到该时间段的湿球温度平均值。从一年的第一秒开始,对一年内的冷负荷按照时间顺序持续进行累加,得到每一时间点的累加冷量,获取该时间段的起始时间点的起始累加冷量和该时间段的终止时间点的终止累加冷量,并以终止累加冷量和起始累加冷量的差值作为该时间段的供给总冷量。采用这种方式,无需再选取出时间段所包括的所有时间点的供给总冷量进行求和,只需持续对冷负荷进行累加,然后获取该时间段的起始时间点处的起始累加冷量和该时间段的终止时间点的终止累加冷量,即可得到该时间段的供给总冷量,计算方式更加简单。
通过上述步骤,可得到按照年、月、日、时间段、湿球温度平均值和供给总冷量的数据格式所存储的历史数据,即得到一年中每一个月的每一天的每一时间段的湿球温度平均值和供给总冷量。后续步骤对该历史数据进行分析,即可建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表。
S14:对于每一所述时间段,将所述时间段对应的所述季节模式内的所有湿球温度平均值进行区间划分,得到多个温度区间;
以该季节模式为夏季模式为例,对于夏季模式中的每一时间段,统计该时间段对应的所有湿球温度平均值以及每一湿球温度平均值对应的供给总冷量(同一时间点的湿球温度平均值和供给总冷量为对应关系),比如:统计夏季模式(每年4月-6月)中11点至12点这一时间段的所有湿球温度平均值以及供给总冷量。该时间段对应多个湿球温度平均值的原因是因为夏季模式内的每一天都有该时间段,且夏季模式包括多天,故该时间段对应多个湿球温度平均值,该时间段对应的湿球温度平均值的个数与夏季模式的天数相等。
S15:对于每一所述温度区间,利用最大似然估计算法对所述温度区间内的湿球温度平均值对应的所有供给总冷量进行概率选取,得到所述温度区间对应的供给总冷量;
由于温度区间包括多个湿球温度平均值,每一湿球温度平均值对应一供给总冷量,故利用最大似然估计算法对该温度区间对应的所有供给总冷量进行数据处理,选取概率最大的供给总冷量作为该温度区间对应的供给总冷量。举例而言,该温度区间对应的供给总冷量有1000个值,其中500个值为1,200个值为2,300个值为3,则选取1作为该温度区间对应的供给总冷量。
经过上述处理后,该时间段中温度区间与供给总冷量的对应关系如下表1所示:
S16:根据所有所述季节模式内每一所述时间段中所述温度区间与所述供给总冷量的对应关系,建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表。
S2:根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用所述对应关系表得到预测时刻的供给总冷量,并根据所述供给总冷量对冷负荷进行预测。
具体的,根据预测时刻所处的季节模式和时间段,找到该季节模式该时间段下温度区间与供给总冷量的对应关系,确定预测时刻的湿球温度所处的温度区间,以该温度区间对应的供给总冷量作为预测时刻的供给总冷量。将供给总冷量除以该时间段所包括的时间点的个数,即可得到预测时刻的冷负荷。
本实施例根据历史数据建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表,然后根据预测时刻所处的季节模式、时间段,并结合预测时刻室外的天气预报情况(湿球温度),查该对应关系表,可对需要供给的冷负荷作出准确的预测,能够提前采取控制行动,按需供给,实现节能降耗的作用。
实施例2:
本实施例用于一种用于电子工厂的冷负荷预测系统,如图3所示,所述预测系统包括:
建立模块M1,用于建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表;所有所述季节模式组成一年;所有所述时间段组成一天;
预测模块M2,用于根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用所述对应关系表得到预测时刻的供给总冷量,并根据所述供给总冷量对冷负荷进行预测。
本实施例结合电子工厂行业的特点,对存储的海量数据进行分析,可对工厂实时负荷供给量作出准确的预测,可提前采取控制动作,确保工厂冷量按需供给,实现节能降耗的目的。
本说明书中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)
1.一种用于电子工厂的冷负荷预测方法,其特征在于,所述预测方法包括:
建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表;所有所述季节模式组成一年;所有所述时间段组成一天;
根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用所述对应关系表得到预测时刻的供给总冷量,并根据所述供给总冷量对冷负荷进行预测。
2.根据权利要求1所述的预测方法,其特征在于,所述建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表具体包括:
获取一年内每一时间点的湿球温度和冷负荷;
将一年划分为多个季节模式,将一天划分为多个时间段;
对于每一所述季节模式,根据所述季节模式内每一时间点的湿球温度和冷负荷计算所述季节模式内每一天每一时间段的湿球温度平均值和供给总冷量;
对于每一所述时间段,将所述时间段对应的所述季节模式内的所有湿球温度平均值进行区间划分,得到多个温度区间;
对于每一所述温度区间,利用最大似然估计算法对所述温度区间内的湿球温度平均值对应的所有供给总冷量进行概率选取,得到所述温度区间对应的供给总冷量;
根据所有所述季节模式内每一所述时间段中所述温度区间与所述供给总冷量的对应关系,建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表。
3.根据权利要求2所述的预测方法,其特征在于,所述获取一年内每一时间点的湿球温度和冷负荷具体包括:
对于每一时间点,获取所述时间点的冷负荷具体包括:计算所述时间点工厂冷源站中每台在运行冷机的输出冷负荷;所有所述在运行冷机的输出冷负荷的和即为所述时间点的冷负荷。
4.根据权利要求3所述的预测方法,其特征在于,所述计算所述时间点工厂冷源站中每台在运行冷机的输出冷负荷具体包括:
对于每台所述在运行冷机,获取所述在运行冷机在所述时间点的冷冻水流量和冷冻水供回水温差;根据所述冷冻水流量和所述冷冻水供回水温差计算所述在运行冷机在所述时间点的输出冷负荷。
5.根据权利要求2所述的预测方法,其特征在于,所述获取一年内每一时间点的湿球温度和冷负荷具体包括:
对于每一时间点,获取所述时间点的湿球温度具体包括:利用设置于工厂冷源站室外的温湿度传感器获取所述时间点的环境温度和环境湿度;根据所述环境温度和所述环境湿度计算所述时间点的湿球温度。
6.根据权利要求2所述的预测方法,其特征在于,所述将一年划分为多个季节模式具体包括:
按照一年包括夏季模式、通风模式以及冬季模式的分类方式对一年进行划分;所述夏季模式、所述通风模式和所述冬季模式各自所包含的月份和天数根据工厂冷源站所在地区确定。
7.根据权利要求2所述的预测方法,其特征在于,所述根据所述季节模式内每一时间点的湿球温度和冷负荷计算所述季节模式内每一天每一时间段的湿球温度平均值和供给总冷量具体包括:
对于每一天的每一所述时间段,计算所述时间段所包括的所有时间点的湿球温度的平均值,得到所述时间段的湿球温度平均值;
将所述时间段所包括的所有时间点的冷负荷进行求和,得到所述时间段的供给总冷量。
8.根据权利要求2所述的预测方法,其特征在于,所述根据所述季节模式内每一时间点的湿球温度和冷负荷计算所述季节模式内每一天每一时间段的湿球温度平均值和供给总冷量具体包括:
对于每一天的每一所述时间段,计算所述时间段所包括的所有时间点的湿球温度的平均值,得到所述时间段的湿球温度平均值;
对一年内的冷负荷按照时间顺序持续进行累加,得到每一时间点的累加冷量;
获取所述时间段的起始时间点的起始累加冷量和所述时间段的终止时间点的终止累加冷量;
以所述终止累加冷量和所述起始累加冷量的差值作为所述时间段的供给总冷量。
9.根据权利要求2所述的预测方法,其特征在于,相邻两个所述时间点之间的时间间隔为1秒。
10.一种用于电子工厂的冷负荷预测系统,其特征在于,所述预测系统包括:
建立模块,用于建立不同季节模式不同时间段下湿球温度与供给总冷量之间的对应关系表;所有所述季节模式组成一年;所有所述时间段组成一天;
预测模块,用于根据预测时刻所处的季节模式和时间段以及预测时刻的湿球温度,利用所述对应关系表得到预测时刻的供给总冷量,并根据所述供给总冷量对冷负荷进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834707.2A CN113551375B (zh) | 2021-07-23 | 2021-07-23 | 一种用于电子工厂的冷负荷预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834707.2A CN113551375B (zh) | 2021-07-23 | 2021-07-23 | 一种用于电子工厂的冷负荷预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113551375A true CN113551375A (zh) | 2021-10-26 |
CN113551375B CN113551375B (zh) | 2022-09-06 |
Family
ID=78104161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110834707.2A Active CN113551375B (zh) | 2021-07-23 | 2021-07-23 | 一种用于电子工厂的冷负荷预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113551375B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101141027B1 (ko) * | 2011-12-29 | 2012-05-03 | 충남대학교산학협력단 | 냉난방부하 추정을 위한 시간별 기상데이터 예측방법 |
WO2012081301A1 (ja) * | 2010-12-15 | 2012-06-21 | 株式会社日立プラントテクノロジー | 冷却システム |
CN104729024A (zh) * | 2015-04-08 | 2015-06-24 | 南京优助智能科技有限公司 | 基于室内平均温度的空调负荷预测方法 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
US20180314220A1 (en) * | 2017-04-27 | 2018-11-01 | Johnson Controls Technology Company | Building energy system with stochastic model predictive control |
CN108981088A (zh) * | 2018-06-11 | 2018-12-11 | 江苏联宏智慧能源股份有限公司 | 一种基于酒店业态分析的中央空调系统节能控制方法 |
CN109595747A (zh) * | 2018-12-24 | 2019-04-09 | 珠海格力电器股份有限公司 | 空调系统的能耗仿真方法、装置 |
CN109670670A (zh) * | 2018-11-13 | 2019-04-23 | 上海电器科学研究所(集团)有限公司 | 一种划分季节属性的电力负荷拆分方法 |
CN109974231A (zh) * | 2019-03-19 | 2019-07-05 | 南京南瑞继保电气有限公司 | 冰蓄冷空调冰量规划方法、装置、设备及介质 |
CN110619110A (zh) * | 2019-09-18 | 2019-12-27 | 南京师范大学 | 一种含热泵的综合能源系统协调运行优化方法 |
CN111076378A (zh) * | 2019-12-23 | 2020-04-28 | 中国科学院广州能源研究所 | 一种基于负荷预测的地铁车站通风空调节能系统及方法 |
CN111932015A (zh) * | 2020-08-12 | 2020-11-13 | 武汉中电节能有限公司 | 一种区域供冷供热冷热量负荷的预测方法及系统 |
CN112013521A (zh) * | 2020-09-09 | 2020-12-01 | 中维通(北京)科技有限公司 | 一种基于天气预报的空调系统调节方法和系统 |
-
2021
- 2021-07-23 CN CN202110834707.2A patent/CN113551375B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012081301A1 (ja) * | 2010-12-15 | 2012-06-21 | 株式会社日立プラントテクノロジー | 冷却システム |
KR101141027B1 (ko) * | 2011-12-29 | 2012-05-03 | 충남대학교산학협력단 | 냉난방부하 추정을 위한 시간별 기상데이터 예측방법 |
CN104729024A (zh) * | 2015-04-08 | 2015-06-24 | 南京优助智能科技有限公司 | 基于室内平均温度的空调负荷预测方法 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
US20180314220A1 (en) * | 2017-04-27 | 2018-11-01 | Johnson Controls Technology Company | Building energy system with stochastic model predictive control |
CN108981088A (zh) * | 2018-06-11 | 2018-12-11 | 江苏联宏智慧能源股份有限公司 | 一种基于酒店业态分析的中央空调系统节能控制方法 |
CN109670670A (zh) * | 2018-11-13 | 2019-04-23 | 上海电器科学研究所(集团)有限公司 | 一种划分季节属性的电力负荷拆分方法 |
CN109595747A (zh) * | 2018-12-24 | 2019-04-09 | 珠海格力电器股份有限公司 | 空调系统的能耗仿真方法、装置 |
CN109974231A (zh) * | 2019-03-19 | 2019-07-05 | 南京南瑞继保电气有限公司 | 冰蓄冷空调冰量规划方法、装置、设备及介质 |
CN110619110A (zh) * | 2019-09-18 | 2019-12-27 | 南京师范大学 | 一种含热泵的综合能源系统协调运行优化方法 |
CN111076378A (zh) * | 2019-12-23 | 2020-04-28 | 中国科学院广州能源研究所 | 一种基于负荷预测的地铁车站通风空调节能系统及方法 |
CN111932015A (zh) * | 2020-08-12 | 2020-11-13 | 武汉中电节能有限公司 | 一种区域供冷供热冷热量负荷的预测方法及系统 |
CN112013521A (zh) * | 2020-09-09 | 2020-12-01 | 中维通(北京)科技有限公司 | 一种基于天气预报的空调系统调节方法和系统 |
Non-Patent Citations (4)
Title |
---|
刘鸣等: "夏季空调室外计算湿球温度的选用问题", 《暖通空调》 * |
王菊花等: "重庆地区商业内区冷却塔免费供冷性能研究", 《发电与空调》 * |
石磊等: "冰蓄冷系统基于负荷预测和优化的实时控制", 《西安科技学院学报》 * |
蒋小强等: "区域供冷系统逐时冷负荷的分析及数值预测", 《中南大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113551375B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458340B (zh) | 基于模式分类的建筑空调冷负荷自回归预测方法 | |
CN106091270B (zh) | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 | |
CN112283890A (zh) | 适应建筑暖通设备监控系统的冷热量控制方法及装置 | |
CN101782258A (zh) | 空调节能方法 | |
CN115325682A (zh) | 一种高效智能制冷机房性能监测的优化控制方法及装置 | |
CN112747419B (zh) | 中央空调风水联动控制方法、装置、设备及存储介质 | |
CN114154677A (zh) | 空调运行负荷模型构建和预测方法、装置、设备和介质 | |
CN111076354A (zh) | 中央空调的设备选型方法及系统 | |
CN114322218A (zh) | 一种空调器的开启时间推荐方法和空调器 | |
CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
CN111787764B (zh) | 多联机制冷机组的能耗优化方法及装置、电子设备、存储介质 | |
CN112781184A (zh) | 一种空调系统智能降耗方法和系统 | |
CN112781177B (zh) | 预测空调运行功率的方法、装置、电子设备及存储介质 | |
CN113551375B (zh) | 一种用于电子工厂的冷负荷预测方法及系统 | |
CN114240470A (zh) | 一种多元化市场主体边际贡献度测算方法 | |
CN117930772A (zh) | 一种电子半导体厂房能耗异常管理方法 | |
CN115218346B (zh) | 蓄热化霜控制方法以及空调机组 | |
CN116293982A (zh) | 一种用于冰蓄冷的负荷预测及决策控制系统 | |
CN110848889A (zh) | 一种中央空调系统主机运行能效评估方法 | |
CN113054668B (zh) | 一种蓄冷空调系统的滚动优化调度方法及装置 | |
CN115271168A (zh) | 用电负荷响应潜力的预测方法、装置及存储介质 | |
CN114963447A (zh) | 一种冷水机组智能控制系统及方法 | |
Wenzel et al. | Flexibilization of energy supply using the example of industrial hall climatization and cold production | |
CN114608187B (zh) | 一种冷机调节方式确定方法、装置、设备及存储介质 | |
CN117646935B (zh) | 一种多功能型空气源热泵控制方法及系统 |
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 |