CN113705881A - 一种基于对数温差的板式换热器的状态预测方法 - Google Patents
一种基于对数温差的板式换热器的状态预测方法 Download PDFInfo
- Publication number
- CN113705881A CN113705881A CN202110982591.7A CN202110982591A CN113705881A CN 113705881 A CN113705881 A CN 113705881A CN 202110982591 A CN202110982591 A CN 202110982591A CN 113705881 A CN113705881 A CN 113705881A
- Authority
- CN
- China
- Prior art keywords
- heat exchanger
- plate heat
- temperature difference
- cleaning
- plate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004140 cleaning Methods 0.000 claims abstract description 91
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000012423 maintenance Methods 0.000 claims description 17
- 238000005406 washing Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
- Bidet-Like Cleaning Device And Other Flush Toilet Accessories (AREA)
Abstract
本发明提供一种基于对数温差的板式换热器的清洗指数预测方法,通过获取连接板式热换器的热表累计供热量以及板式热换器的供热参数;计算板式热换器的温差比以及计算热表当前周期的耗热量;进一步得到板式热换器的对数平均温差;根据当前周期的耗热量以及对数平均温差,使用清洗指数计算公式计算板式换热器的当前清洗指数;将当前清洗指数输入训练好的预测模型中,预测板式换热器在目标周期后的清洗指数;本发明针对不同类型的板式换热器,通过两侧的供、回水温度以及热量表的当前周期的耗热量,实现逐周期预测板式换热器的能效参数值,对清洗指数进行预测,指导板式换热器清洗,提高换热站的供热能力以及降低安全隐患。
Description
技术领域
本发明属于供热能耗技术领域,具体涉及一种基于对数温差的板式换热器的状态预测方法。
背景技术
随着人民生活的日趋稳定,对于生活质量有了更高要求。而热能是日常生活的必需品,其供应过程需要大型供热系统将热源生产的热量通过换热站输送给居民使用。换热器是以传热为目的的主要供热设备,在供热过程中有至关重要的作用。
板式换热器具有高效、紧凑,使用范围广,换热效率高、使用寿命长,热回收率可高达90%的优点,在供热工业中是常用的供热设备。板式换热器主要作用是传热,一旦传热效率低,直接影响到整个供热系统的使用功能。板式换热器的性能以及状态直接影响供热的性能,例如影响板式换热器传热效率的因素有板片材质、板片安装方式,影响其状态为换热器内部洁净程度等。当板式换热器运行到一定程度时,其内部出现结垢,轻度影响会低供热性能,严重时会造成供热管网堵塞停止工作,造成安全事故。
现有技术中提出利用JF因子、熵产最小法和火积耗散原理等对其传热和流动阻力特性进行分析,从而确定板式热换器的性能以及状态。但是由于板式热换器根据不同的供回水温度有多种类型,导致现有技术方案在确定的性能以及状态衡量适应性不高,同时由于板式热换器的状态变换是一个连续的过程,往往在当前状态未表示有安全隐患,维修人员再次巡检时可能已经发生安全隐患。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于对数温差的板式换热器的状态预测方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供的一种基于对数温差的板式换热器的清洗指数预测方法,包括:
步骤1:获取连接板式热换器的热表累计供热量以及板式热换器的供热参数;累计供热量包括每个周期的累计供热量,供热参数包括:板式热换器的一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度;
步骤2:根据一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度,计算板式热换器的温差比,并基于当前周期与上一周期的累计供热量计算热表当前周期的耗热量;
步骤3:根据板式热换器的温差比计算板式热换器的对数平均温差;
步骤4:根据当前周期的耗热量以及对数平均温差,使用清洗指数计算公式计算板式换热器的当前清洗指数;
步骤5:将当前清洗指数输入训练好的预测模型中,预测板式换热器在目标周期后的清洗指数;
其中,清洗指数计算公式表示为:
可选的,步骤2包括:
根据一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度,使用温差比计算公式计算板式热换器的温差比;
其中,温差比计算公式为:
t供1表示一次网供水温度,单位为K;t供2表示一次网回水温度,单位为K,t回1表示二次网供水温度,单位为K;t回2表示二次网回水温度,单位为K;
将当前周期的累计供热量与上一周期的累计供热量之差,确定为当前周期的耗热量;
当前周期的耗热量表示为:
ΔQi=Qi,当前周期0点值-Qi,前一周期0点值
Qi,当前周期0点值表示某个热量表当前周期的累计耗热量,单位为GJ;Qi,前一周期0点值表示某个热量表前一周期的累计耗热量,单位为GJ。
可选的,步骤3包括:
根据板式热换器的温差比,使用对数平均公式计算板式热换器的对数平均温差;
可选的,步骤5包括:
获取板式换热器的历史堵塞数据;
使用历史堵塞数据训练预设的马尔科夫预测模型,设置历史堵塞数据表示不同历史周期堵塞程度的标记,以使马尔科夫预测模型以监督学习方式学习历史堵塞数据中的特征,并迭代调整马尔科夫模型中的参数,直至输出与标记一致,获得训练好的马尔科夫模型;
将当前周期的清洗指数输入训练好的马尔科夫模型中,并设置马尔科夫的输出周期与目标周期一致,预测板式换热器在目标周期后的清洗指数。
可选的,在步骤4之后,清洗指数预测方法还包括:
判断板式热换器在当前周期的清洗指数是否达到最低清洗阈值,如果是则发送清洗通知至维修人员,以对板式换热器进行清洗。
可选的,在步骤5之后,清洗指数预测方法还包括:
当板式换热器在目标周期后的清洗指数达到低级清洗阈值时,则通知维修人员板式换热器的清洗指数达到最低清洗阈值的时间,以提醒维修人员;
当板式换热器在目标周期后的清洗指数达到中级清洗阈值时,则发送即将堵塞的预警信息以及堵塞时间给维修人员,以对板式换热器进行清洗;
当板式换热器在目标周期后的清洗指数达到最高级别阈值时,则控制板式热换器的供热水进入量,并将堵塞的预警信息以及堵塞时间给维修人员。
本发明提供一种基于对数温差的板式换热器的清洗指数预测方法,通过获取连接板式热换器的热表累计供热量以及板式热换器的供热参数;计算板式热换器的温差比以及计算热表当前周期的耗热量;进一步得到板式热换器的对数平均温差;根据当前周期的耗热量以及对数平均温差,使用清洗指数计算公式计算板式换热器的当前清洗指数;将当前清洗指数输入训练好的预测模型中,预测板式换热器在目标周期后的清洗指数;本发明针对不同类型的板式换热器,通过两侧的供、回水温度以及热量表的当前周期的耗热量,实现逐周期预测板式换热器的能效参数值,对清洗指数进行预测,指导板式换热器清洗,提高换热站的供热能力以及降低安全隐患。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于对数温差的板式换热器的清洗指数预测方法的流程示意图;
图2是本发明实施例提供的热网系统示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
如图1所示,本发明提供的一种基于对数温差的板式换热器的清洗指数预测方法包括:
步骤1:获取连接板式热换器的热表累计供热量以及板式热换器的供热参数;累计供热量包括每个周期的累计供热量,供热参数包括:板式热换器的一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度;
如图2所示,图2为热网系统示意图。本发明中换热站板式热换器的数据参数主要包括两部分。一部分是换热站热表计量的累计耗热量,从供暖季开始时即统计本站的累计耗热量。另一部分是热网上的供、回水温度,热网包括一次供、回管网和二次供、回水管网。
其中,周期在实际运行时可以选择1日,当然也根据不同类型的板式换热器类型设定不同的周期。
步骤2:根据一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度,计算板式热换器的温差比,并基于当前周期与上一周期的累计供热量计算热表当前周期的耗热量;
其中,本发明可以使用温差比计算公式计算板式热换器的温差比,将当前周期的累计供热量与上一周期的累计供热量之差,确定为当前周期的耗热量;
t供1表示一次网供水温度,单位为K;t供2表示一次网回水温度,单位为K,t回1表示二次网供水温度,单位为K;t回2表示二次网回水温度,单位为K;当前周期的耗热量表示为:
ΔQi=Qi,当日0点值-Qi,前日0点值
Qi,当前周期0点值表示某个热量表当前周期的累计耗热量,单位为GJ;Qi,前一周期0点值表示某个热量表前一周期的累计耗热量,单位为GJ。
步骤3:根据板式热换器的温差比计算板式热换器的对数平均温差;
步骤4:根据当前周期的耗热量以及对数平均温差,使用清洗指数计算公式计算板式换热器的当前清洗指数;
其中,板换清洗指数可体现换热站板换的清洁情况,清洗指数越小表示堵塞程度越高。
步骤5:将当前清洗指数输入训练好的预测模型中,预测板式换热器在目标周期后的清洗指数;
其中,清洗指数计算公式表示为:
本发明在获得板式热换器在当前周期的清洗指数后,判断板式热换器在当前周期的清洗指数是否达到最低清洗阈值,如果是则发送清洗通知至维修人员,以对板式换热器进行清洗,以实现提前预警提前清洗。
本发明提供一种基于对数温差的板式换热器的清洗指数预测方法,通过获取连接板式热换器的热表累计供热量以及板式热换器的供热参数;计算板式热换器的温差比以及计算热表当前周期的耗热量;进一步得到板式热换器的对数平均温差;根据当前周期的耗热量以及对数平均温差,使用清洗指数计算公式计算板式换热器的当前清洗指数;将当前清洗指数输入训练好的预测模型中,预测板式换热器在目标周期后的清洗指数;本发明针对不同类型的板式换热器,通过两侧的供、回水温度以及热量表的当前周期的耗热量,实现逐周期预测板式换热器的能效参数值,对清洗指数进行预测,指导板式换热器清洗,提高换热站的供热能力以及降低安全隐患。
作为本发明一种可选的实施方式,步骤5包括:
步骤51:获取板式换热器的历史堵塞数据;
步骤52:使用历史堵塞数据训练预设的马尔科夫预测模型,设置历史堵塞数据表示不同历史周期堵塞程度的标记,以使马尔科夫预测模型以监督学习方式学习历史堵塞数据中的特征,并迭代调整马尔科夫模型中的参数,直至输出与标记一致,获得训练好的马尔科夫模型;
步骤53:将当前周期的清洗指数输入训练好的马尔科夫模型中,并设置马尔科夫的输出周期与目标周期一致,预测板式换热器在目标周期后的清洗指数。
作为本发明一种可选的实施方式,在步骤4之后之后,清洗指数预测方法还包括:
作为本发明一种可选的实施方式,在步骤5之后,清洗指数预测方法还包括:
步骤a:当板式换热器在目标周期后的清洗指数达到低级清洗阈值时,则通知维修人员板式换热器的清洗指数达到最低清洗阈值的时间,以提醒维修人员;
步骤b:当板式换热器在目标周期后的清洗指数达到中级清洗阈值时,则发送即将堵塞的预警信息以及堵塞时间给维修人员,以对板式换热器进行清洗;
步骤c:当板式换热器在目标周期后的清洗指数达到最高级别阈值时,则控制板式热换器的供热水进入量,并将堵塞的预警信息以及堵塞时间给维修人员。
其中,低级清洗阈值、中级清洗阈值以及高级清洗阈值都可以根据实际情况设定和变更。
本发明通过提前预测预警的方式通知维修人员,可以有效提高板式换热器的性能,降低安全隐患发生的概率。
下面通过实际数据说明本发明的清洗指数预测方案的具体情况。
本实例数据如下列表1所示:
表1某换热站热表计量数据
由上表1可计算得到板换清洗指数为1257.502KW/K,数据偏小,应对板式换热器加强清洗。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (6)
1.一种基于对数温差的板式换热器的清洗指数预测方法,其特征在于,包括:
步骤1:获取连接板式热换器的热表累计供热量以及板式热换器的供热参数;所述累计供热量包括每个周期的累计供热量,所述供热参数包括:板式热换器的一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度;
步骤2:根据所述一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度,计算板式热换器的温差比,并基于当前周期与上一周期的累计供热量计算热表当前周期的耗热量;
步骤3:根据板式热换器的温差比计算板式热换器的对数平均温差;
步骤4:根据所述当前周期的耗热量以及对数平均温差,使用清洗指数计算公式计算板式换热器的当前清洗指数;
步骤5:将当前清洗指数输入训练好的预测模型中,预测板式换热器在目标周期后的清洗指数;
其中,清洗指数计算公式表示为:
2.根据权利要求1所述的清洗指数预测方法,其特征在于,所述步骤2包括:
根据所述一次网供水温度、一次网回水温度、二次网供水温度以及二次网回水温度,使用温差比计算公式计算板式热换器的温差比;
其中,温差比计算公式为:
t供1表示一次网供水温度,单位为K;t供2表示一次网回水温度,单位为K,t回1表示二次网供水温度,单位为K;t回2表示二次网回水温度,单位为K;
将当前周期的累计供热量与上一周期的累计供热量之差,确定为当前周期的耗热量;
当前周期的耗热量表示为:
ΔQi=Qi,当前周期0点值-Qi,前一周期0点值
Qi,当前周期0点值表示某个热量表当前周期的累计耗热量,单位为GJ;Qi,前一周期0点值表示某个热量表前一周期的累计耗热量,单位为GJ。
4.根据权利要求1所述的清洗指数预测方法,其特征在于,所述步骤5包括:
获取板式换热器的历史堵塞数据;
使用所述历史堵塞数据训练预设的马尔科夫预测模型,设置历史堵塞数据表示不同历史周期堵塞程度的标记,以使马尔科夫预测模型以监督学习方式学习历史堵塞数据中的特征,并迭代调整马尔科夫模型中的参数,直至输出与标记一致,获得训练好的马尔科夫模型;
将当前周期的清洗指数输入训练好的马尔科夫模型中,并设置马尔科夫的输出周期与目标周期一致,预测板式换热器在目标周期后的清洗指数。
5.根据权利要求1所述的清洗指数预测方法,其特征在于,在步骤4之后,所述清洗指数预测方法还包括:
判断板式热换器在当前周期的清洗指数是否达到最低清洗阈值,如果是则发送清洗通知至维修人员,以对板式换热器进行清洗。
6.根据权利要求5所述的清洗指数预测方法,其特征在于,在所述步骤5之后,所述清洗指数预测方法还包括:
当板式换热器在目标周期后的清洗指数达到低级清洗阈值时,则通知维修人员板式换热器的清洗指数达到最低清洗阈值的时间,以提醒维修人员;
当板式换热器在目标周期后的清洗指数达到中级清洗阈值时,则发送即将堵塞的预警信息以及堵塞时间给维修人员,以对板式换热器进行清洗;
当板式换热器在目标周期后的清洗指数达到最高级别阈值时,则控制板式热换器的供热水进入量,并将堵塞的预警信息以及堵塞时间给维修人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110982591.7A CN113705881B (zh) | 2021-08-25 | 2021-08-25 | 一种基于对数温差的板式换热器的清洗指数预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110982591.7A CN113705881B (zh) | 2021-08-25 | 2021-08-25 | 一种基于对数温差的板式换热器的清洗指数预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705881A true CN113705881A (zh) | 2021-11-26 |
CN113705881B CN113705881B (zh) | 2024-03-29 |
Family
ID=78654698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110982591.7A Active CN113705881B (zh) | 2021-08-25 | 2021-08-25 | 一种基于对数温差的板式换热器的清洗指数预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705881B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115273429A (zh) * | 2022-07-29 | 2022-11-01 | 呼伦贝尔安泰热电有限责任公司海拉尔热电厂 | 一种板式换热器堵塞预警方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110068817A (ko) * | 2009-12-16 | 2011-06-22 | 한국건설기술연구원 | 수처리 시스템에서의 막오염 예측을 이용한 막오염 예측 및 완화 세정 방법 및 시스템 |
CN108335042A (zh) * | 2018-02-06 | 2018-07-27 | 唐山英通科技有限公司 | 动态光伏电板清洗指数的计算方法 |
CN112052564A (zh) * | 2020-08-10 | 2020-12-08 | 浙江大学 | 一种基于机器学习的换热器预测性维护方法与系统 |
CN112258013A (zh) * | 2020-10-17 | 2021-01-22 | 中国石油化工股份有限公司 | 一种换热器关键易结垢群组划分及能效状态监测方法 |
CN112856572A (zh) * | 2021-02-01 | 2021-05-28 | 大连热电工程设计有限公司 | 基于特征参数辨识的供热系统自动化运行调节方法 |
-
2021
- 2021-08-25 CN CN202110982591.7A patent/CN113705881B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110068817A (ko) * | 2009-12-16 | 2011-06-22 | 한국건설기술연구원 | 수처리 시스템에서의 막오염 예측을 이용한 막오염 예측 및 완화 세정 방법 및 시스템 |
CN108335042A (zh) * | 2018-02-06 | 2018-07-27 | 唐山英通科技有限公司 | 动态光伏电板清洗指数的计算方法 |
CN112052564A (zh) * | 2020-08-10 | 2020-12-08 | 浙江大学 | 一种基于机器学习的换热器预测性维护方法与系统 |
CN112258013A (zh) * | 2020-10-17 | 2021-01-22 | 中国石油化工股份有限公司 | 一种换热器关键易结垢群组划分及能效状态监测方法 |
CN112856572A (zh) * | 2021-02-01 | 2021-05-28 | 大连热电工程设计有限公司 | 基于特征参数辨识的供热系统自动化运行调节方法 |
Non-Patent Citations (1)
Title |
---|
王军;曹婷;: "换热设备水垢最佳清洗频率模型的研究", 区域供热, no. 05, 8 October 2015 (2015-10-08), pages 82 - 85 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115273429A (zh) * | 2022-07-29 | 2022-11-01 | 呼伦贝尔安泰热电有限责任公司海拉尔热电厂 | 一种板式换热器堵塞预警方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113705881B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7184797B2 (ja) | ビルディング機器用のモデル予測的メンテナンスシステム | |
CN100523635C (zh) | 中央空调智能群控系统 | |
CN106461294A (zh) | 热泵和空气调节分级系统及方法 | |
CN104791903A (zh) | 一种热网智能调度系统 | |
KR20130130513A (ko) | 지능형 건물 에너지 소비 관리 시스템 | |
CN105143830A (zh) | 监视系统 | |
WO2015121856A1 (en) | Interactive learning water heating scheduler | |
US12055304B2 (en) | Integrated heat management for a building | |
WO2018122214A1 (en) | Profiling of hot water use from electrical thermal storage vessels | |
CN102620346B (zh) | 可自调控房间温度的温控-流量分档调节分户热计量系统 | |
CN113705881A (zh) | 一种基于对数温差的板式换热器的状态预测方法 | |
Gustafsson et al. | District heating monitoring and control systems | |
Yu et al. | Load allocation improvement for chiller system in an institutional building using logistic regression | |
CN103984999A (zh) | 一种工业循环冷却水能量集成优化方法 | |
CN207365324U (zh) | 一种具有分户计量功能的大数据智能空调设备 | |
Yliniemi | Fault detection in district heating substations | |
CN109283900A (zh) | 楼宇分质供水并助力供水节能减排标准化系统及控制方法 | |
CN111425933A (zh) | 一种城市供暖的热计量系统 | |
CN203909837U (zh) | 应用于燃气分布式能源系统的在线监测和能效评估系统 | |
JP2022188183A (ja) | ビルディング機器のためのモデル予測的メンテナンスシステム、同メンテナンスを実施する方法及び非一時的コンピュータ可読媒体 | |
CN101241016A (zh) | 定流量温差型中央空调计费方法及计费装置 | |
CN102540931A (zh) | 一种管道智能防爆控制系统 | |
CN114623598A (zh) | 一种换热器维护系统、维护方法及采暖热水设备 | |
Basavaraddi et al. | Optimizing Water Distribution Pump Scheduling with SVM-Based Machine Learning Using IoT Sensor Data | |
RU2378655C1 (ru) | Способ и интегрированная система индивидуального учета и регулирования потребления энергоресурсов в жилищно-коммунальном хозяйстве |
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 |