CN113669845B - 一种基于数据模型伴生的中央空调节能控制系统及控制方法 - Google Patents
一种基于数据模型伴生的中央空调节能控制系统及控制方法 Download PDFInfo
- Publication number
- CN113669845B CN113669845B CN202111000276.6A CN202111000276A CN113669845B CN 113669845 B CN113669845 B CN 113669845B CN 202111000276 A CN202111000276 A CN 202111000276A CN 113669845 B CN113669845 B CN 113669845B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- parameter
- bulb temperature
- calculation
- 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
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
- 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
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
- F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
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)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于数据模型伴生的中央空调节能控制系统,属于中央空调节能控制技术领域,包括环境工况&设备参数模块,所述环境工况&设备参数模块的输出端口连接有系统参数模块,所述系统参数模块的输出端口连接有系统仿真计算模块;本发明还公开了一种基于数据模型伴生的中央空调节能控制系统的控制方法;本发明中央空调节能系统的仿真计算部分采用循环模型和数据模型相互博弈,互相校验改善的方案,解决针对中央空调的节能优化控制过程中基于模型控制时,随着运行时间的累计不能对模型进行在的校验和调整的问题,同时解决基于数据的控制时,不能合理阐释系统性能表现和运行相关性误判的问题。
Description
技术领域
本发明属于中央空调节能控制技术领域,具体涉及一种基于数据模型伴生的中央空调节能控制系统及控制方法。
背景技术
中央空调系统是大型公共建筑的主要能耗设备,在部分地区其能耗已经占据建筑总能耗的50%以上,如何降低中央空调系统能耗对建筑节能有着重大意义,中央空调系统作为典型的非线性系统,具有惯性大,滞后强、时变和强耦合的特性,其中空调机组与冷冻侧系统和冷却侧系统之间存在复杂的相互关联,并存在不同的约束关系,此外,中央空调的运行工况也随着建筑负荷率和室外环境工况的变化而动态变化,这些都导致了针对中央空调系统的实时动态调节难以实现,系统的运行优化十分困难,同时,目前仍然有部分中央空调设备的运行采用部分人工调节的方式,这也直接导致了中央空调系统低效运行的存在。
在中央空调系统的优化控制运行方面,有大量学者进行了研究,目前主要从两个方向进行探讨,其一是根据中央空调设备组成结构进行建模,通过仿真计算和寻优算法迭代计算进行系统参数的设定和运行调节,但是很多中央空调设备是采用极限工况设计的,随着设备的运行和外部工况的动态改变,设备模型已经不能准确反映设备目前的运行特性,与此同时仿真模型的计算也并不能完整的反映制冷循环的过程变化;其二是根据运行数据去动态的反应系统的运行特性并制定相应的控制策略,虽然深度学习和数据挖掘技术的广泛应用给很多技术带来了革新,比如故障预测和性能分析,但是在实际运行过程中,很多变量的获取是很困难的,比如负荷率,这些变量同时又与中央空调机组的运行调节又有很大的相关性,因此仅通过数据分析去还原制冷系统的运行特性仍然会得到很多不确定的数据关系。
发明内容
为解决上述背景技术中提出的问题。本发明提供了一种基于数据模型伴生的中央空调节能控制系统及控制方法,具有解决针对中央空调的节能优化控制过程中基于模型控制时,随着运行时间的累计不能对模型进行在的校验和调整的问题,同时解决基于数据的控制时,不能合理阐释系统性能表现和运行相关性误判问题的特点。
本发明的另一目的是提供一种基于数据模型伴生的中央空调节能控制系统的控制方法。
为实现上述目的,本发明提供如下技术方案:一种基于数据模型伴生的中央空调节能控制系统,包括环境工况&设备参数模块,所述环境工况&设备参数模块的输出端口连接有系统参数模块,所述系统参数模块的输出端口连接有系统仿真计算模块,所述系统仿真计算模块的输出端口连接有结果输出模块,所述结果输出模块的输出端口连接有数据筛选模块,所述数据筛选模块的输出端口连接有数据存储模块,所述数据存储模块的输出端口连接有最优化处理模块,所述最优化处理模块的输出端口分别连接有数据分析模块和最优运行结果模块,所述最优运行结果模块的输出端口连接有输出运行参数模块。
本发明中进一步的,所述环境工况&设备参数模块包括冷却水泵名义参数模块、冷却水塔名义参数模块、冷冻水泵名义参数模块、主机名义参数模块、建筑物负荷率模块、室内环境湿球温度模块、室内环境干球温度模块、室外干球温度模块和室外湿球温度模块,所述建筑物负荷率模块、室内环境湿球温度模块和室内环境干球温度模块的输入端口通过换算程序连接有用电负荷计划模块,所述室外干球温度模块和室外湿球温度模块的输入端口通过换算程序分别连接有相对湿度模块和环境温度模块,所述相对湿度模块和环境温度模块的输入端口通过爬虫程序连接有气象数据模块。
本发明中进一步的,所述系统参数模块包括系统输入参数模块和系统额定参数模块,所述系统输入参数模块的输入端口分别连接有建筑物负荷率模块、室内环境湿球温度模块、室内环境干球温度模块、室外干球温度模块和室外湿球温度模块,所述系统额定参数模块的输入端口分别连接有冷却水泵名义参数模块、冷却水塔名义参数模块、冷冻水泵名义参数模块和主机名义参数模块。
本发明中进一步的,所述系统仿真计算模块包括中间参数计算模块,所述中间参数计算模块的输入端口连接有系统输入参数模块和系统额定参数模块,所述中间参数计算模块的输出端口连接有主机能耗计算模块,所述主机能耗计算模块的输入端口分别与用电负荷计划模块、系统输入参数模块和系统额定参数模块连接。
本发明中进一步的,所述中间参数计算模块的参数计算数据包括有限可调参数模块和循环可调参数模块,与温差相关的参数变量被定义为性能参数设定,性能参数设定为有限可调参数模块,主机给各设备运行台数和频率部分被定义为运行参数设定,运行参数设定为循环可调参数模块。
本发明中进一步的,所述结果输出模块的结果输出数据包括功耗数据模块和能效数据模块,所述能效数据模块作为优化判定的主要依据,所述功耗数据模块作为参考数据。
一种基于数据模型伴生的中央空调节能控制系统的控制方法,包括以下步骤:
S1:气象数据模块和用电负荷计划模块作为室外干球温度模块、室外湿球温度模块、室内环境干球温度模块、室内环境湿球温度模块和建筑物负荷率模块换算的已知条件,进行相关数据的测算,测算的数据通过系统输入参数模块进行下一步的仿真计算,主机名义参数模块、冷冻水泵名义参数模块、冷却水塔名义参数模块和冷却水泵名义参数模块的数据通过系统额定参数模块进行下一步的仿真计算;
S2:系统仿真计算模块分为中间参数计算模块和主机能耗计算模块,中间参数计算模块根据遍历循环过程中参与数据与能耗之间的关系,被区分为有限可调参数模块和循环可调参数模块,根据设备组成参数建立基于系统循环的仿真计算模型,模型在计算之初会根据有限可调参数模块和循环可调参数模块进行进行多次重复迭代计算,根据梯度下降法来确定具体的在该工况下的最优运行结果,根据系统仿真计算模块的结果进行下一步的结果输出;
S3:结果输出模块根据计算结果的不同,区分为功耗数据模块和能效数据模块,其中,能效数据模块作为优化判定的主要依据,功耗数据模块作为参考数据,进行下一步的数据筛选;
S4:数据筛选模块根据功耗数据模块,并结合循环可调参数模块和系统额定参数模块进行有效筛选,将超出限定的数据筛除,结合实际运行,对不合理的仿真过程计算数据进行剔除,进行下一步的数据存储;
S5:仿真计算结果以数组的形式在数据存储模块中进行存储,并进行下一步的最优化处理以及数据分析;
S6:最优化处理模块以及数据分析模块根据仿真数据和实测数据进行数据筛选,确定有效的最优运行数据,包括运行工况和运行参数,以数组的形式进行有效的存储,在前期积累的一定量的数据后对数据进行数据的处理,首先分析数据最优变量与根参数数据的关联性分析,确定数据之间的相关性分布权重,根据制冷循环的特性,对数据的重要性进行有效筛选,为后续的数据挖掘模型分析准备数据类型,其次,根据选取选定数据与系统性能进行模型搭建,选用BP-ANN神经元网络对制冷系统的模型进行处理,建立有效的输入输出模型,也就是在已知的运行工况和系统状态变化下,可以有效的输出最优运行控制策略,最后通过伴生系统对系统模型进行校验,通过循环模型和数据模型两方面进行相互博弈互相进行优化,进行下一步的最优运行结果输出;
S7:最优运行结果模块输出后进行下一步的运行参数输出;
S8:输出运行参数模块进行运行参数的输出。
本发明中进一步的,所述步骤S1中,在用电负荷计划模块限制的情况下,室内环境干球温度模块、室内环境湿球温度模块和建筑物负荷率模块均需要进行动态的调整,采用脉宽调制的方法以满足限电的需求。
与现有技术相比,本发明的有益效果是:
1、本发明中央空调节能系统的仿真计算部分采用循环模型和数据模型相互博弈,互相校验改善的方案,解决针对中央空调的节能优化控制过程中基于模型控制时,随着运行时间的累计不能对模型进行在的校验和调整的问题,同时解决基于数据的控制时,不能合理阐释系统性能表现和运行相关性误判的问题。
2、本发明在循环模型计算中,有限可调变量和循环可调变量的计算限度是有区别的,增加了模型计算的复杂度,保证了计算的准确性和导向性。
3、本发明在有限电需求的中央空调节能调节过程中,采用了类似PWM的调节思路,以用户需求和节能为目标函数,将可控时间周期化,在周期内动态调整,节能运行和最小运行的动态分布,利用制冷系统滞后的特性,在保证了用户舒适度的前提下实现节能和限电的需求。
附图说明
图1为本发明基于数据模型伴生的中央空调节能控制方法的简易流程图;
图2为本发明基于数据模型伴生的中央空调节能控制方法的细化流程图;
图3为本发明用电负荷限制情况下的调整流程图;
图4为本发明仿真计算模型确定最优运行结果的流程图;
图5为本发明数据分析的流程图;
图6为本发明双模型确定最优运行结果的流程图;
图中:1、环境工况&设备参数模块;101、冷却水泵名义参数模块;102、冷却水塔名义参数模块;103、冷冻水泵名义参数模块;104、主机名义参数模块;105、建筑物负荷率模块;106、室内环境湿球温度模块;107、室内环境干球温度模块;108、用电负荷计划模块;109、相对湿度模块;110、气象数据模块;111、环境温度模块;112、室外干球温度模块;113、室外湿球温度模块;2、系统参数模块;201、系统输入参数模块;202、系统额定参数模块;3、系统仿真计算模块;301、中间参数计算模块;3011、有限可调参数模块;3012、循环可调参数模块;302、主机能耗计算模块;4、结果输出模块;401、功耗数据模块;402、能效数据模块;5、数据筛选模块;6、数据存储模块;7、最优化处理模块;8、数据分析模块;9、最优运行结果模块;10、输出运行参数模块。
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。
请参阅图1-6,本发明提供以下技术方案:一种基于数据模型伴生的中央空调节能控制系统,包括环境工况&设备参数模块1,环境工况&设备参数模块1的输出端口连接有系统参数模块2,系统参数模块2的输出端口连接有系统仿真计算模块3,系统仿真计算模块3的输出端口连接有结果输出模块4,结果输出模块4的输出端口连接有数据筛选模块5,数据筛选模块5的输出端口连接有数据存储模块6,数据存储模块6的输出端口连接有最优化处理模块7,最优化处理模块7的输出端口分别连接有数据分析模块8和最优运行结果模块9,最优运行结果模块9的输出端口连接有输出运行参数模块10。
具体的,环境工况&设备参数模块1包括冷却水泵名义参数模块101、冷却水塔名义参数模块102、冷冻水泵名义参数模块103、主机名义参数模块104、建筑物负荷率模块105、室内环境湿球温度模块106、室内环境干球温度模块107、室外干球温度模块112和室外湿球温度模块113,建筑物负荷率模块105、室内环境湿球温度模块106和室内环境干球温度模块107的输入端口通过换算程序连接有用电负荷计划模块108,室外干球温度模块112和室外湿球温度模块113的输入端口通过换算程序分别连接有相对湿度模块109和环境温度模块111,相对湿度模块109和环境温度模块111的输入端口通过爬虫程序连接有气象数据模块110。
具体的,系统参数模块2包括系统输入参数模块201和系统额定参数模块202,系统输入参数模块201的输入端口分别连接有建筑物负荷率模块105、室内环境湿球温度模块106、室内环境干球温度模块107、室外干球温度模块112和室外湿球温度模块113,系统额定参数模块202的输入端口分别连接有冷却水泵名义参数模块101、冷却水塔名义参数模块102、冷冻水泵名义参数模块103和主机名义参数模块104。
具体的,系统仿真计算模块3包括中间参数计算模块301,中间参数计算模块301的输入端口连接有系统输入参数模块201和系统额定参数模块202,中间参数计算模块301的输出端口连接有主机能耗计算模块302,主机能耗计算模块302的输入端口分别与用电负荷计划模块108、系统输入参数模块201和系统额定参数模块202连接。
具体的,中间参数计算模块301的参数计算数据包括有限可调参数模块3011和循环可调参数模块3012,与温差相关的参数变量被定义为性能参数设定,性能参数设定为有限可调参数模块3011,主机给各设备运行台数和频率部分被定义为运行参数设定,运行参数设定为循环可调参数模块3012。
具体的,结果输出模块4的结果输出数据包括功耗数据模块401和能效数据模块402,能效数据模块402作为优化判定的主要依据,功耗数据模块401作为参考数据。
一种基于数据模型伴生的中央空调节能控制系统的控制方法,包括以下步骤:
S1:气象数据模块110和用电负荷计划模块108作为室外干球温度模块112、室外湿球温度模块113、室内环境干球温度模块107、室内环境湿球温度模块106和建筑物负荷率模块105换算的已知条件,进行相关数据的测算,测算的数据通过系统输入参数模块201进行下一步的仿真计算,主机名义参数模块104、冷冻水泵名义参数模块103、冷却水塔名义参数模块102和冷却水泵名义参数模块101的数据通过系统额定参数模块202进行下一步的仿真计算;
S2:系统仿真计算模块3分为中间参数计算模块301和主机能耗计算模块302,中间参数计算模块301根据遍历循环过程中参与数据与能耗之间的关系,被区分为有限可调参数模块3011和循环可调参数模块3012,根据设备组成参数建立基于系统循环的仿真计算模型,模型在计算之初会根据有限可调参数模块3011和循环可调参数模块3012进行进行多次重复迭代计算,根据梯度下降法来确定具体的在该工况下的最优运行结果,根据系统仿真计算模块3的结果进行下一步的结果输出;
S3:结果输出模块4根据计算结果的不同,区分为功耗数据模块401和能效数据模块402,其中,能效数据模块402作为优化判定的主要依据,功耗数据模块401作为参考数据,进行下一步的数据筛选;
S4:数据筛选模块5根据功耗数据模块401,并结合循环可调参数模块3012和系统额定参数模块202进行有效筛选,将超出限定的数据筛除,结合实际运行,对不合理的仿真过程计算数据进行剔除,进行下一步的数据存储;
S5:仿真计算结果以数组的形式在数据存储模块6中进行存储,并进行下一步的最优化处理以及数据分析;
S6:最优化处理模块7以及数据分析模块8根据仿真数据和实测数据进行数据筛选,确定有效的最优运行数据,包括运行工况和运行参数,以数组的形式进行有效的存储,在前期积累的一定量的数据后对数据进行数据的处理,首先分析数据最优变量与根参数数据的关联性分析,确定数据之间的相关性分布权重,根据制冷循环的特性,对数据的重要性进行有效筛选,为后续的数据挖掘模型分析准备数据类型,其次,根据选取选定数据与系统性能进行模型搭建,选用BP-ANN神经元网络对制冷系统的模型进行处理,建立有效的输入输出模型,也就是在已知的运行工况和系统状态变化下,可以有效的输出最优运行控制策略,最后通过伴生系统对系统模型进行校验,通过循环模型和数据模型两方面进行相互博弈互相进行优化,进行下一步的最优运行结果输出;
S7:最优运行结果模块9输出后进行下一步的运行参数输出;
S8:输出运行参数模块10进行运行参数的输出。
具体的,步骤S1中,在用电负荷计划模块108限制的情况下,室内环境干球温度模块107、室内环境湿球温度模块106和建筑物负荷率模块105均需要进行动态的调整,采用脉宽调制的方法以满足限电的需求。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于数据模型伴生的中央空调节能控制系统,包括环境工况&设备参数模块(1),其特征在于:所述环境工况&设备参数模块(1)的输出端口连接有系统参数模块(2),所述系统参数模块(2)的输出端口连接有系统仿真计算模块(3),所述系统仿真计算模块(3)的输出端口连接有结果输出模块(4),所述结果输出模块(4)的输出端口连接有数据筛选模块(5),所述数据筛选模块(5)的输出端口连接有数据存储模块(6),所述数据存储模块(6)的输出端口连接有最优化处理模块(7),所述最优化处理模块(7)的输出端口分别连接有数据分析模块(8)和最优运行结果模块(9),所述最优运行结果模块(9)的输出端口连接有输出运行参数模块(10);所述环境工况&设备参数模块(1)包括冷却水泵名义参数模块(101)、冷却水塔名义参数模块(102)、冷冻水泵名义参数模块(103)、主机名义参数模块(104)、建筑物负荷率模块(105)、室内环境湿球温度模块(106)、室内环境干球温度模块(107)、室外干球温度模块(112)和室外湿球温度模块(113),所述建筑物负荷率模块(105)、室内环境湿球温度模块(106)和室内环境干球温度模块(107)的输入端口通过换算程序连接有用电负荷计划模块(108),所述室外干球温度模块(112)和室外湿球温度模块(113)的输入端口通过换算程序分别连接有相对湿度模块(109)和环境温度模块(111),所述相对湿度模块(109)和环境温度模块(111)的输入端口通过爬虫程序连接有气象数据模块(110);所述系统参数模块(2)包括系统输入参数模块(201)和系统额定参数模块(202),所述系统输入参数模块(201)的输入端口分别连接有建筑物负荷率模块(105)、室内环境湿球温度模块(106)、室内环境干球温度模块(107)、室外干球温度模块(112)和室外湿球温度模块(113),所述系统额定参数模块(202)的输入端口分别连接有冷却水泵名义参数模块(101)、冷却水塔名义参数模块(102)、冷冻水泵名义参数模块(103)和主机名义参数模块(104);
所述系统仿真计算模块(3)包括中间参数计算模块(301),所述中间参数计算模块(301)的输入端口连接有系统输入参数模块(201)和系统额定参数模块(202),所述中间参数计算模块(301)的输出端口连接有主机能耗计算模块(302),所述主机能耗计算模块(302)的输入端口分别与用电负荷计划模块(108)、系统输入参数模块(201)和系统额定参数模块(202)连接。
2.根据权利要求1所述的一种基于数据模型伴生的中央空调节能控制系统,其特征在于:所述中间参数计算模块(301)的参数计算数据包括有限可调参数模块(3011) 和循环可调参数模块(3012),与温差相关的参数变量被定义为性能参数设定,性能参数设定为有限可调参数模块(3011),主机给各设备运行台数和频率部分被定义为运行参数设定,运行参数设定为循环可调参数模块(3012)。
3.根据权利要求1所述的一种基于数据模型伴生的中央空调节能控制系统,其特征在于:所述结果输出模块(4)的结果输出数据包括功耗数据模块(401)和能效数据模块(402),所述能效数据模块(402)作为优化判定的主要依据,所述功耗数据模块(401)作为参考数据。
4.根据权利要求1所述的一种基于数据模型伴生的中央空调节能控制系统的控制方法,其特征在于,包括以下步骤:
S1:气象数据模块(110)和用电负荷计划模块(108)作为室外干球温度模块(112)、室外湿球温度模块(113)、室内环境干球温度模块(107)、室内环境湿球温度模块(106)和建筑物负荷率模块(105)换算的已知条件,进行相关数据的测算,测算的数据通过系统输入参数模块(201)进行下一步的仿真计算,主机名义参数模块(104)、冷冻水泵名义参数模块(103)、冷却水塔名义参数模块(102)和冷却水泵名义参数模块(101)的数据通过系统额定参数模块(202)进行下一步的仿真计算;
S2:系统仿真计算模块(3)分为中间参数计算模块(301)和主机能耗计算模块(302),中间参数计算模块(301)根据遍历循环过程中参与数据与能耗之间的关系,被区分为有限可调参数模块(3011)和循环可调参数模块(3012),根据设备组成参数建立基于系统循环的仿真计算模型,模型在计算之初会根据有限可调参数模块(3011)和循环可调参数模块(3012)进行多次重复迭代计算,根据梯度下降法来确定具体的在该工况下的最优运行结果,根据系统仿真计算模块(3)的结果进行下一步的结果输出;
S3:结果输出模块(4)根据计算结果的不同,区分为功耗数据模块(401)和能效数据模块(402),其中,能效数据模块(402)作为优化判定的主要依据,功耗数据模块(401)作为参考数据,进行下一步的数据筛选;
S4:数据筛选模块(5)根据功耗数据模块(401),并结合循环可调参数模块(3012)和系统额定参数模块(202)进行有效筛选,将超出限定的数据筛除,结合实际运行,对不合理的仿真过程计算数据进行剔除,进行下一步的数据存储;
S5:仿真计算结果以数组的形式在数据存储模块(6)中进行存储,并进行下一步的最优化处理以及数据分析;
S6:最优化处理模块(7)以及数据分析模块(8)根据仿真数据和实测数据进行数据筛选,确定有效的最优运行数据,包括运行工况和运行参数,以数组的形式进行有效的存储,在前期积累的一定量的数据后对数据进行数据的处理,首先分析数据最优变量与根参数数据的关联性分析,确定数据之间的相关性分布权重,根据制冷循环的特性,对数据的重要性进行有效筛选,为后续的数据挖掘模型分析准备数据类型,其次,根据选取选定数据与系统性能进行模型搭建,选用BP-ANN神经元网络对制冷系统的模型进行处理,建立有效的输入输出模型,也就是在己知的运行工况和系统状态变化下,可以有效的输出最优运行控制策略,最后通过伴生系统对系统模型进行校验,通过循环模型和数据模型两方面进行相互博弈互相进行优化,进行下一步的最优运行结果输出;
S7:最优运行结果模块(9)输出后进行下一步的运行参数输出;
S8:输出运行参数模块(10)进行运行参数的输出。
5.根据权利要求4所述的一种基于数据模型伴生的中央空调节能控制系统的控制方法,其特征在于:所述步骤S1中,在用电负荷计划模块(108)限制的情况下,室内环境干球温度模块(107)、室内环境湿球温度模块(106)和建筑物负荷率模块(105)均需要进行动态的调整,采用脉宽调制的方法以满足限电的需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111000276.6A CN113669845B (zh) | 2021-08-30 | 2021-08-30 | 一种基于数据模型伴生的中央空调节能控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111000276.6A CN113669845B (zh) | 2021-08-30 | 2021-08-30 | 一种基于数据模型伴生的中央空调节能控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113669845A CN113669845A (zh) | 2021-11-19 |
CN113669845B true CN113669845B (zh) | 2022-05-20 |
Family
ID=78547258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111000276.6A Active CN113669845B (zh) | 2021-08-30 | 2021-08-30 | 一种基于数据模型伴生的中央空调节能控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113669845B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765797A (zh) * | 2018-12-20 | 2019-05-17 | 广东美的暖通设备有限公司 | 一种空调节能仿真系统 |
CN109855238A (zh) * | 2019-02-27 | 2019-06-07 | 四川泰立智汇科技有限公司 | 一种中央空调建模与能效优化方法及装置 |
CN110094838A (zh) * | 2019-04-06 | 2019-08-06 | 天津大学 | 一种基于空调系统的可变参数无模型自适应控制方法 |
CN110848896A (zh) * | 2019-11-12 | 2020-02-28 | 深圳孚沃德斯科技有限公司 | 基于神经网络的空调冷却系统智能节能控制系统及方法 |
CN110953690A (zh) * | 2019-12-23 | 2020-04-03 | 珠海格力电器股份有限公司 | 中央空调的现场调试系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020246631A1 (ko) * | 2019-06-04 | 2020-12-10 | 엘지전자 주식회사 | 온도 예측 모델의 생성 장치 및 시뮬레이션 환경의 제공 방법 |
-
2021
- 2021-08-30 CN CN202111000276.6A patent/CN113669845B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765797A (zh) * | 2018-12-20 | 2019-05-17 | 广东美的暖通设备有限公司 | 一种空调节能仿真系统 |
CN109855238A (zh) * | 2019-02-27 | 2019-06-07 | 四川泰立智汇科技有限公司 | 一种中央空调建模与能效优化方法及装置 |
CN110094838A (zh) * | 2019-04-06 | 2019-08-06 | 天津大学 | 一种基于空调系统的可变参数无模型自适应控制方法 |
CN110848896A (zh) * | 2019-11-12 | 2020-02-28 | 深圳孚沃德斯科技有限公司 | 基于神经网络的空调冷却系统智能节能控制系统及方法 |
CN110953690A (zh) * | 2019-12-23 | 2020-04-03 | 珠海格力电器股份有限公司 | 中央空调的现场调试系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113669845A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
CN102779228B (zh) | 商场建筑中央空调冷负荷在线预测方法及系统 | |
CN106991504B (zh) | 基于分项计量时间序列的建筑能耗预测方法、系统及建筑物 | |
CN107276069A (zh) | 一种地区电网居民温控负荷的近似聚合建模方法及系统 | |
WO2023030522A1 (zh) | 一种数据中心空调系统诊断方法及装置 | |
CN110332647A (zh) | 地铁地下车站空调系统负荷预测方法及空调系统 | |
CN105571073A (zh) | 一种地铁站空调水系统变频控制节能方法 | |
CN109974218A (zh) | 一种基于预测的多联机空调系统调控方法 | |
CN108320042A (zh) | 循环水系统的优化方法与装置 | |
CN114383299A (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
CN113778215A (zh) | 基于大数据实现数据中心pue预测以及降耗策略的方法 | |
Liu et al. | Optimization based integrated control of building HVAC system | |
Liu et al. | Optimization of intelligent heating ventilation air conditioning system in urban building based on BIM and artificial intelligence technology | |
CN113535233B (zh) | 用于暖通云边协同的人工智能系统 | |
CN113669845B (zh) | 一种基于数据模型伴生的中央空调节能控制系统及控制方法 | |
CN114046593A (zh) | 一种动态预测性机器学习型空调节能控制方法及系统 | |
CN105299846A (zh) | 一种基于全局关联优化的机房群控装置及其控制方法 | |
CN108122067A (zh) | 一种建筑需求响应动态过程的建模方法和系统 | |
CN112365176A (zh) | 一种节能分析气象年计算方法、系统、装置和存储介质 | |
Chen et al. | Research on energy-saving optimization model based on building energy consumption data | |
CN113449909B (zh) | 一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法 | |
CN114200839A (zh) | 一种耦合环境行为动态监测的办公建筑能耗智能控制模型 | |
Wang | Application of deep learning model in building energy consumption prediction | |
Zhang | Research on Air Conditioning Energy Consumption Simulation and Optimization Strategy Based on TRNSYS | |
CN111240197A (zh) | 一种公共建筑机电系统的能效纠偏控制方法和装置 |
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 |