CN113757924A - 用于集中供冷系统的制冷量预测方法及控制系统 - Google Patents
用于集中供冷系统的制冷量预测方法及控制系统 Download PDFInfo
- Publication number
- CN113757924A CN113757924A CN202111061188.7A CN202111061188A CN113757924A CN 113757924 A CN113757924 A CN 113757924A CN 202111061188 A CN202111061188 A CN 202111061188A CN 113757924 A CN113757924 A CN 113757924A
- Authority
- CN
- China
- Prior art keywords
- yesterday
- formula
- cooling system
- cold
- prediction method
- 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
- F24F11/62—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
- F24F11/88—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
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)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明公开一种用于集中供冷系统的制冷量预测方法及控制系统。用于集中供冷系统的制冷量预测方法,包括以下步骤:构建周系数表,周系数记为M;构建变温系数,变温系数记为N;获取昨日售冷量,昨日售冷量记为Hs;计算预制冷量Hb。控制系统应用上述制冷量预测方法。本发明通过构建周系数表、变温系数,从而获得预测制冷量计算公式的模型架构。将预测结果运用集中供冷系统中,能够制定合理的制冷方案,优化调整能量供应量,进一步提高了集中供冷系统运行的稳定性和能源的利用效率;实现节能、高效的系统制冷方案;能够提高系统效率,实现节能减排。
Description
技术领域
本发明涉及冷量供应控制技术领域,特别涉及一种用于集中供冷系统的制冷量预测方法和一种控制系统。
背景技术
随着城市的发展、高档社区、办公写字楼及城市综合体的不断增加,包括中央空调等集中集中供冷系统越来越多,市场越来越大,多能源需求不断增加。供冷能耗占建筑能耗达到60%,因此对集中供冷系统的节能管理尤其重要。当前,集中集中供冷系统现一般的主要控制方法为:能源供应端供冷机组按固定的出水温度运行,能源供应端供冷机组根据回水温度水温高低,并计算出温差值,并根据这个温度差值大小进行供应量的加载或减载,控制冷媒介质的供应量。比如制冷模式下,温差大,说明室内温度高,系统负荷大,应加载提高供应量;反之温差小,则说明室内温度低,系统负荷小,应减载减少供应量。
目前常见的能源供应端控制系统的解决方案(如霍小平著的《中央空调自控系统设计》、赵文成著的《中央空调节能及自控系统设计》),一般是以可编程序控制器PLC或DDC为核心的控制系统,控制方式包括系统采用闭环控制、机组启停控制、机组保护控制、补水泵控制、机组运行方式控制、循环水泵控制、冷却水泵控制、冷却塔控制、相应系统联锁控制、供回水压差控制、系统连锁控制等功能模块,控制重心仅限于能耗供应端。其能源供应端的能源输出控制方式为:供冷机组内部运行控制由机组内部自动完成,外部控制系统只是控制机组的启停。
该控制方法存在多种不足,例如未考虑环境因素、人为因素等,导致预测制冷量与当天实际售冷量出现较大差值,导致出现过多的冷量剩余,甚至出现供不应求的情况。
发明内容
根据本发明的一个方面,提供了用于集中供冷系统的制冷量预测方法,包括以下步骤:
构建周系数表,周系数记为M;
构建变温系数,变温系数记为N;
获取昨日售冷量,昨日售冷量记为Hs;
计算预制冷量Hb,其中,
公式(1):Hb=Hs·M·N
通过公式(1)得到预制冷量Hb。
本发明提供一种能够应用于集中供冷系统的制冷量进行预测的方法。本发明中,通过构建周系数表、变温系数,从而获得计算公式的模型架构,通过公式(1)对预制冷量Hb进行计算,从而得出系统所要制造的冷量,使得系统能够合理分配制冷时间,避免制冷量大于输出量,能够节省能源,降低企业的经营成本。
在一些实施方式中,用于集中供冷系统的制冷量预测方法还包括:构建冷损量对照表,冷损量记为Hl;计算预制冷量Hb步骤中,修正公式(1),公式(1):Hb=Hs·M·N+Hl
通过上述公式得到预制冷量Hb。
由此,在输送冷量会产生的冷量损耗;本方法中,还针对该损耗构建了冷损量对照表,修正本预测方法,避免了制冷量少于输出量。
在一些实施方式中,用于集中供冷系统的制冷量预测方法还包括:获取昨日剩余冷量,昨日剩余冷量记为Hr;计算预制冷量Hb步骤中,修正公式(1),
公式(1):Hb=Hs·M·N+Hl-Hr
通过上述公式得到预制冷量Hb。
由此,本方法,还将昨日剩余冷量Hr纳入预测方法中,使得预测制冷的结果更加准确,避免出现过多剩余。
在一些实施方式中,获取昨日剩余冷量中的步骤中:
获取昨天制冷量,昨天制冷量记为Hb2;
根据冷损量对照表获取昨日冷损量,昨天冷损量记为Hl2;
公式(2):Hr=Hb2-Hs-Hl2
通过公式(2)得到昨日剩余冷量Hr。
由此,通过该公式(2)获得剩余冷量,保证预制冷量的准确性。
在一些实施方式中,获取昨日剩余冷量的步骤中:
还设有保险数,记为S;修正公式(2),
公式(2):Hr=Hb2-Hs-Hl2-S
通过公式(2)得到昨日剩余冷量Hr。
由此,为了避免公式出现剩余冷量的计算出现错误,公式(2)中设有保险数S,避免通过公式(1)获得预制冷量的出现不足的情况。
在一些实施方式中,获取昨日剩余冷量的步骤中:当Hrπ0时,则默认昨日剩余为0。
由此,当通过公式(2)获得的剩余冷量Hrπ0时,则默认剩余冷量为0,避免通过公式(1)获得预制冷量的出现不足的情况。
在一些实施方式中,构建变温系数的步骤中,
测量温差T,T为昨日环境温度与今日环境温度的差值,
根据公式(3)构建变温系数N。
由此,变温系数N由上述公式构建,需要代入温差T进行运算。
在一些实施方式中,构建周系数表的步骤中,
按照一周为一个周期循环变化,周系数M分别为M0=0.7403、M1=1.8604、M2=0.9981、M3=1.0163、M4=1.0028、M5=1.0164、M6=0.8299。
由此,周系数以一周的工作日为周期进行构建,周日则M0=0.7403,依次类推不断循环。
在一些实施方式中,通过公式(1)得到预制冷量Hb中,特定日期的第一天周系数M取M6=0.8299,特定日期后的第一天周系数M取M1=1.8604。
由此,特定日期,即公休日。在公休日的第一天,系数M取M6=0.8299,其他M取Mt=1,特定日期后的第一天周系数M取M1=1.8604。
根据本发明的一个方面,提供了还提供应用上述用于集中供冷系统的制冷量预测方法的控制系统,包括,
储存模块,配置为对数据的储存;
测量模块,配置为对温度进行测量;
计算模块,配置为对数据进行计算处理;
控制模块,配置为对集中供冷系统进行控制。
应用该预测方法的控制系统中,储存模块能够度数据进行储存,计算模块则对数据计算处理,从而获得预测制冷量,控制模块根据预测制冷量对集中供冷系统的制冷时间、制冷计划进行合理分配。
本发明的有益效果的具体体现为:本发明通过构建周系数表、变温系数,从而获得预测制冷量计算公式的模型架构。将预测结果运用集中供冷系统中,能够制定合理的制冷方案,优化调整能量供应量,进一步提高了集中供冷系统运行的稳定性和能源的利用效率;实现节能、高效的系统制冷方案;能够提高系统效率,实现节能减排。
附图说明
图1为本发明一实施方式的集中供冷系统的结构示意图。
图2为本发明一实施方式的控制系统的结构示意图。
图3为本发明一实施方式的自控方法的结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
图1示意性地显示了的集中供冷系统与用户之间关系结构。
结合图3,本发明提供的应用在该种集中供冷系统上的制冷预测方法,包括以下步骤:
构建周系数表,周系数记为M;
构建变温系数,变温系数记为N;
获取昨日售冷量,昨日售冷量记为Hs;
计算预制冷量Hb,其中,
公式(1):Hb=Hs·M·N
通过公式(1)得到预制冷量Hb。
本发明提供一种能够应用于集中供冷系统的制冷量进行预测的方法。本发明中,通过构建周系数表、变温系数,从而获得计算公式的模型架构,通过公式(1)对预制冷量Hb进行计算,从而得出系统所要制造的冷量,使得系统能够合理分配制冷时间,避免制冷量大于输出量,能够节省能源,降低企业的经营成本。
用于集中供冷系统的制冷量预测方法还包括:构建冷损量对照表,冷损量记为Hl;计算预制冷量Hb步骤中,
公式(1):Hb=Hs·M·N+Hl
通过上述公式得到预制冷量Hb。在输送冷量会产生的冷量损耗;本方法中,还针对该损耗构建了冷损量对照表,修正本预测方法,避免了制冷量少于输出量。
从历史数据库中,把每天实际制冷量、实际售冷量导出来出来,冷损量记为Hl=实际制冷量-实际售冷量。因此,构建出如表1的冷损量对照表。在应用中,把附件2的对照表数据整合到自控系统模块中,系统根据预测的售冷量和温度条件即可输出冷损量。
表1:T>28℃时为上列数据,T≤28℃时冷损为下列数据。(T为23:30时的塔区温度差)
当蓄冷库还剩余有昨日未售出冷量,则用于集中供冷系统的制冷量预测方法还包括:获取昨日剩余冷量,昨日剩余冷量记为Hr;计算预制冷量Hb步骤中,修正公式(1),
公式(1):Hb=Hs·M·N+Hl-Hr
通过上述公式得到预制冷量Hb。本方法,还将昨日剩余冷量Hr纳入预测方法中,使得预测制冷的结果更加准确,避免出现过多剩余。
进一步地,获取昨日剩余冷量中的步骤中:
获取昨天制冷量,昨天制冷量记为Hb2;
根据冷损量对照表获取昨日冷损量,昨天冷损量记为Hl2;
公式(2):Hr=Hb2-Hs-Hl2
通过公式(2)得到昨日剩余冷量Hr。通过该公式(2)获得剩余冷量,保证预制冷量的准确性。
进一步地,获取昨日剩余冷量的步骤中:
还设有保险数,记为S;修正公式(2),
公式(2):Hr=Hb2-Hs-Hl2-S
通过公式(2)得到昨日剩余冷量Hr。获取昨日剩余冷量的步骤中:当Hrπ0时,则默认昨日剩余为0。当通过公式(2)获得的剩余冷量Hrπ0时,则默认剩余冷量为0,避免通过公式(1)获得预制冷量的出现不足的情况。
进一步地,构建变温系数的步骤中,测量温差T,T为昨日环境温度与今日环境温度的差值,T为23:30时的塔区温度差,
根据公式(3)构建变温系数N。变温系数N由上述公式构建,需要代入温差T进行运算,如表2。
表2:直接将T代入公式(3)即可得出变温系数(N)。
进一步地,构建周系数表的步骤中,按照一周为一个周期循环变化,周系数M分别为M0=0.7403、M1=1.8604、M2=0.9981、M3=1.0163、M4=1.0028、M5=1.0164、M6=0.8299。周系数以一周的工作日为周期进行构建,周日则M0=0.7403,依次类推不断循环。
进一步地,通过公式(1)得到预制冷量Hb中,特定日期的第一天周系数M取M6=0.8299,特定日期后的第一天周系数M取M1=1.8604。特定日期,即公休日。在公休日的第一天,系数M取M6=0.8299,其他M取Mt=1,特定日期后的第一天周系数M取M1=1.8604。
例如,周系数按照正常工作日算,如下:
周日:Hb=Hs·M·N+Hl-Hr(M取M0,M0=0.7403)
周一:Hb=Hs·M·N+Hl-Hr(M取M1,M1=1.8604)
周二:Hb=Hs·M·N+Hl-Hr(M取M2,M2=0.9981)
周三:Hb=Hs·M·N+Hl-Hr(M取M3,M3=1.0163)
周四:Hb=Hs·M·N+Hl-Hr(M取M4,M4=1.0028)
周五:Hb=Hs·M·N+Hl-Hr(M取M5,M5=1.0164)
周六:Hb=Hs·M·N+Hl-Hr(M取M6,M6=0.8299)。
如若遇上国家公休日,如假期为三天,则公休日(节假日、)以及公休日后的第一天的计算如下:
公休日一:Hb=Hs·M·N+Hl-Hr(M取M6,M6=0.8299)
公休日二:Hb=Hs·M·N+Hl-Hr(M取Mt,Mt=1)
公休日三:Hb=Hs·M·N+Hl-Hr(M取Mt,Mt=1)
节后:Hb=Hs·M·N+Hl-Hr(M取M1,M1=1.8604)。
结合图3,应用上述用于集中供冷系统的制冷量预测方法的控制系统,控制系统包括:
储存模块,配置为对数据的储存;
测量模块,配置为对温度进行测量;
计算模块,配置为对数据进行计算处理;
控制模块,配置为对集中供冷系统进行控制。
应用该预测方法的控制系统中,储存模块能够度数据进行储存,计算模块则对数据计算处理,从而获得预测制冷量,控制模块根据预测制冷量对集中供冷系统的制冷时间、制冷计划进行合理分配。
利用预制冷量Hb制定制冷计划中,包括但不限于下列控制项:
根据预制冷量Hb的大小对制冷机组的开启数进行控制,避免制冷机组出现大负荷;将预制冷量Hb平均至开启的制冷机组。例如,每台制冷机组的制冷量日均负荷为10万KWH,而预制冷量Hb为58万KWH,则需要开启六台制冷机组,每台制冷机组的制冷量为58/6万KWH;
控制制冷机组的分时段频率制冷。例如,夜间温度较低,冷却塔散热效果好,则夜间分配的制冷机组的制冷频率较高;
若干所述制冷机组之间轮换工作。例如,集中供冷系统设置有七组制冷机组,分别记为A、B、C、D、E、F、G;周一的开启机组为A、B、C、D、E、F,周二的开启机组为B、C、D、E、F、G,周三的开启机组为C、D、E、F、G、A,周四、周五、周六、周日均以此规律类推。假如,某天的预制冷量Hb少于特定值,判定开启的制冷机组少于六台,则优先让次序开启设定中的开启次数最多的制冷机组休息;
还包括其他控制项,如输送通道等。
根据预测方法能够对制冷机组的制冷计划进行合理分配,制定合理的制冷计划,如制冷时间、机组数量等。根据预制冷量Hb的值对系统制冷方案进行制定是本领域最重要的环节之一,本发明能够提高预制冷量Hb的准确性。
本发明通过构建周系数表、变温系数,从而获得预测制冷量计算公式的模型架构。将预测结果运用集中供冷系统中,能够制定合理的制冷方案,优化调整能量供应量,进一步提高了集中供冷系统运行的稳定性和能源的利用效率;实现节能、高效的系统制冷方案;能够提高系统效率,实现节能减排。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.用于集中供冷系统的制冷量预测方法,其特征在于,包括以下步骤:
构建周系数表,周系数记为M;
构建变温系数,变温系数记为N;
获取昨日售冷量,昨日售冷量记为Hs;
计算预制冷量Hb,其中,
公式(1):Hb=Hs·M·N
通过所述公式(1)得到预制冷量Hb。
2.根据权利要求1所述的用于集中供冷系统的制冷量预测方法,其特征在于,还包括:构建冷损量对照表,冷损量记为Hl;所述计算预制冷量Hb步骤中,
公式(1):Hb=Hs·M·N+Hl
通过上述公式得到预制冷量Hb。
3.根据权利要求2所述的用于集中供冷系统的制冷量预测方法,其特征在于,还包括:获取昨日剩余冷量,昨日剩余冷量记为Hr;所述计算预制冷量Hb步骤中,
公式(1):Hb=Hs·M·N+Hl-Hr
通过上述公式得到预制冷量Hb。
4.根据权利要求3所述的用于集中供冷系统的制冷量预测方法,其特征在于,所述获取昨日剩余冷量中的步骤中:
获取昨天制冷量,昨天制冷量记为Hb2;
根据冷损量对照表获取昨日冷损量,昨天冷损量记为Hl2;
公式(2):Hr=Hb2-Hs-Hl2
通过所述公式(2)得到昨日剩余冷量Hr。
5.根据权利要求4所述的用于集中供冷系统的制冷量预测方法,其特征在于,所述获取昨日剩余冷量的步骤中:
还设有保险数,记为S;
公式(2):Hr=Hb2-Hs-Hl2-S
通过所述公式(2)得到昨日剩余冷量Hr。
6.根据权利要求5所述的用于集中供冷系统的制冷量预测方法,其特征在于,所述获取昨日剩余冷量的步骤中:当Hrπ0时,则默认昨日剩余为0。
8.根据权利要求1-6任一所述的用于集中供冷系统的制冷量预测方法,其特征在于,所述构建周系数表的步骤中,
按照一周为一个周期循环变化,周系数M分别为M0=0.7403、M1=1.8604、M2=0.9981、M3=1.0163、M4=1.0028、M5=1.0164、M6=0.8299。
9.根据权利要求8所述的用于集中供冷系统的制冷量预测方法,其特征在于,通过所述公式(1)得到预制冷量Hb中,特定日期的第一天周系数M取M6=0.8299,特定日期后的第一天周系数M取M1=1.8604。
10.控制系统,其特征在于,包括权利要求1-9任一所述的用于集中供冷系统的制冷量预测方法,还包括,
储存模块,配置为对数据的储存;
测量模块,配置为对温度进行测量;
计算模块,配置为对数据进行计算处理;
控制模块,配置为对集中供冷系统进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111061188.7A CN113757924B (zh) | 2021-09-09 | 2021-09-09 | 用于集中供冷系统的制冷量预测方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111061188.7A CN113757924B (zh) | 2021-09-09 | 2021-09-09 | 用于集中供冷系统的制冷量预测方法及控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113757924A true CN113757924A (zh) | 2021-12-07 |
CN113757924B CN113757924B (zh) | 2023-03-10 |
Family
ID=78794728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111061188.7A Active CN113757924B (zh) | 2021-09-09 | 2021-09-09 | 用于集中供冷系统的制冷量预测方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113757924B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05256545A (ja) * | 1992-03-13 | 1993-10-05 | Matsushita Refrig Co Ltd | 冷蔵庫の自動製氷装置 |
JP2000227242A (ja) * | 1999-02-02 | 2000-08-15 | Oki Electric Ind Co Ltd | 空調設備の予冷予熱制御方法 |
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化系统有限公司 | 基于热电系统负荷在线预测的调度方法与系统 |
CN202795570U (zh) * | 2012-04-11 | 2013-03-13 | 胡泽成 | 一种集中供热计量温控物联网监控装置 |
CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
CN106022656A (zh) * | 2016-06-21 | 2016-10-12 | 上海黄中工程技术有限公司 | 基于互联网的能源站交互式管理控制系统 |
CN110925856A (zh) * | 2019-11-27 | 2020-03-27 | 珠海格力电器股份有限公司 | 空气源热泵机组控制方法、装置和可读存储介质 |
CN112178755A (zh) * | 2020-09-29 | 2021-01-05 | 华润电力(菏泽)有限公司 | 一种供热系统的自动控制系统 |
-
2021
- 2021-09-09 CN CN202111061188.7A patent/CN113757924B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05256545A (ja) * | 1992-03-13 | 1993-10-05 | Matsushita Refrig Co Ltd | 冷蔵庫の自動製氷装置 |
JP2000227242A (ja) * | 1999-02-02 | 2000-08-15 | Oki Electric Ind Co Ltd | 空調設備の予冷予熱制御方法 |
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化系统有限公司 | 基于热电系统负荷在线预测的调度方法与系统 |
CN202795570U (zh) * | 2012-04-11 | 2013-03-13 | 胡泽成 | 一种集中供热计量温控物联网监控装置 |
CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
CN106022656A (zh) * | 2016-06-21 | 2016-10-12 | 上海黄中工程技术有限公司 | 基于互联网的能源站交互式管理控制系统 |
CN110925856A (zh) * | 2019-11-27 | 2020-03-27 | 珠海格力电器股份有限公司 | 空气源热泵机组控制方法、装置和可读存储介质 |
CN112178755A (zh) * | 2020-09-29 | 2021-01-05 | 华润电力(菏泽)有限公司 | 一种供热系统的自动控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113757924B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11662113B2 (en) | Building cooling systems with energy optimization and model predictive control | |
US4971136A (en) | Dual fuel heat pump controller | |
Henze et al. | Guidelines for improved performance of ice storage systems | |
US4110827A (en) | Load cycling with space temperature feedback | |
CN106127337B (zh) | 基于变频空调虚拟机组建模的机组组合方法 | |
US20150378381A1 (en) | Systems and methods for energy cost optimization | |
CN108361885B (zh) | 一种冰蓄冷空调系统动态规划方法 | |
CN107781947A (zh) | 一种建筑空调系统冷热源预测控制方法和装置 | |
CN101782258A (zh) | 空调节能方法 | |
CN114963414A (zh) | 基于ai数据分析的空调系统智能调控装置 | |
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 | |
CN114154677A (zh) | 空调运行负荷模型构建和预测方法、装置、设备和介质 | |
CN113757924B (zh) | 用于集中供冷系统的制冷量预测方法及控制系统 | |
US20220109315A1 (en) | Ess charging/discharging schedule management device | |
CN113776164B (zh) | 用于集中供冷系统的自控方法及控制系统 | |
CN114784811A (zh) | 电力需求响应方法和装置 | |
CN113326605B (zh) | 考虑灵活性冷负荷调控的多模式集中供冷系统优化方法 | |
CN115456354A (zh) | 市场环境下基于蓄冷空调系统的需求响应行为生成系统及介质 | |
CN112303705A (zh) | 采暖热泵运行控制方法、装置、控制器及计算机可读存储介质 | |
JPS6338855A (ja) | 蓄熱槽の温度制御方法 | |
CN114766025A (zh) | 保养辅助系统 | |
JP7482464B1 (ja) | デマンドレスポンス対応電力制御システム | |
US20220364752A1 (en) | System and Method for Controlling Consumption of Energy | |
CN115437260B (zh) | 一种空气源热泵运行优化方法及系统 | |
CN117267910B (zh) | 中央空调制冷系统负荷柔性调节方法、装置、设备及介质 |
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 |