CN114095532A - 一种基于云计算的模糊控制空调系统 - Google Patents

一种基于云计算的模糊控制空调系统 Download PDF

Info

Publication number
CN114095532A
CN114095532A CN202111298312.1A CN202111298312A CN114095532A CN 114095532 A CN114095532 A CN 114095532A CN 202111298312 A CN202111298312 A CN 202111298312A CN 114095532 A CN114095532 A CN 114095532A
Authority
CN
China
Prior art keywords
cloud
data
air conditioning
fuzzy control
fuzzy
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
Application number
CN202111298312.1A
Other languages
English (en)
Other versions
CN114095532B (zh
Inventor
莫晓君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Unknown Information Technology Co ltd
Original Assignee
Hubei Unknown Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei Unknown Information Technology Co ltd filed Critical Hubei Unknown Information Technology Co ltd
Priority to CN202111298312.1A priority Critical patent/CN114095532B/zh
Publication of CN114095532A publication Critical patent/CN114095532A/zh
Application granted granted Critical
Publication of CN114095532B publication Critical patent/CN114095532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • F24F11/89—Arrangement or mounting of control or safety devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters 
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/20—Arrangements in telecontrol or telemetry systems using a distributed architecture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/70—Arrangements in the main station, i.e. central controller
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computational Linguistics (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种基于云计算的模糊控制空调系统，由水系统、空调末端、空调主机、传感器、物联网云平台、云数据库、后台控制终端、云服务器、部署在云端的平台软件构成。它以最优化的运行数据以及人的丰富实践经验和思维过程构建的模糊规则为依据，在运行时系统利用专家的经验和推理模拟人类的思维解决问题。它通过传感器采集空调系统中的多个输入变量，经过模糊计算处理后，进行多个输出变量的控制，来达到对空调的全面控制的目的。

Description

一种基于云计算的模糊控制空调系统
技术领域
本发明属于中央空调控制系统的智能控制设备，特别涉及一种基于云计算的模糊控制空调系统控制方法。
背景技术
常规PID控制由于算法只有在系统模型参数不随时间变化的情况下才取得理想效果。空调系统是一个多扰度、大惯性的高度非线性系统以及温湿度之间的强耦合关系，难于建立实际的控制模型，因此基于模型控制的传统PID控制在对应大扰度且高度非线性的变流量空调水系统控制时，较难取得良好的控制效果。
但一个熟练的空调操作人员，凭借自己的经验，在观察空调系统的变化后作出相应判断，通过手动操作给出相应的控制量，却可以收到令人满意的控制效果。当温差越大时，开启的制冷量就越大；温差越小时，开启的制冷量就越小。在这个过程中的“越大”、“越小”都是操作者的经验数据，并没有确定的数值可以体现。可以说这个过程就是一个获取参数--模糊化处理--操作输出的过程。
发明内容
本发明的目的是提供一种基于云计算的模糊控制空调系统控制方法，应用现代模糊控制技术，把专业操作人员及专家的操作经验、知识和技巧总结归纳成模糊控制规则库，存放在云数据库中，利用模糊集合理论将数据定性化处理，通过云计算方式得到相应操作方式，输出到系统执行器来实现中央空调的智能控制，以克服现有技术的缺点和不足；并以传感器、物联网云平台、云数据库、后台控制终端、云服务器、部署在云端的平台软件等构成中央空调控制系统模糊控制器，为中央空调控制系统提供了一种先进的节能型技术装置。
本发明的模糊控制方法是经过数据采集、数据解析及传输、数据控制、模糊量化数据云处理、云平台数据模糊推理、云平台数据非模糊化处理、云平台数据输出、数据执行等步骤构成，具体过程如下：
1.数据采集
传感器采集水系统冷冻水/冷却水的温度、压力及流量、空调末端、风机、水泵和空调主机的功率、风量及风压、室内及室外的温度、湿度及压力情况。
2. 数据解析及传输
利用物联网平台进行数据的解析及传输，并对数据进行上传及下发。
3. 数据控制
云数据库对系统产生的数据进行集中控制，实现数据共享、确保数据的一致和可靠性。
4. 模糊量化数据云处理和云平台数据模糊推理
云服务器作为云端软件平台的物理支持组件，是云计算在基础设施应用上的重要组成部分，配置 CPU、内存、带宽等组件。
部署在云端的软件平台可将根据预先给定的冷冻水/冷却水流量、冷冻水/冷却水供回水温度和冷冻水/冷却水压力，按预定公式计算出温差偏差和温差偏差变化率、压力偏差和压力偏差变化率进行模糊化处理。
5. 云平台数据非模糊化处理
部署在云端的软件平台通过系统预先编制好的程序依据大数据计算规则对各项运行指标进行计算，确定系统的最佳运行系数和状态，并对模糊控制量进行清晰化处理并进行修正。
6. 云平台数据输出
部署在云端的软件平台对模糊控制量进行清晰化处理并进行修正后输出。
7. 数据执行
模糊控制量进行清晰化处理并进行修正后，输出到执行器进行操作。
有益效果：
本发明与现有技术相比，有如下优点：
1．它充分利用了云计算技术，配置部署在云端的专门平台软件，可有效的解决原有类似系统需要大型机房设备及专业维护人员、计算系统稳定性依赖各处长距离传输过来的信号、扩展性能差等问题，同时费用更加低廉，安全性更高。
2．系统通过最优化的运行数据以及人的丰富实践经验和思维过程构建的模糊规则为依据，在运行时系统利用专家的经验和推理模拟人类的思维解决问题，内建运行机制无需复杂的数学模型，运行过程系统可根据实际需求动态的自行调整，达到最优化状态。
3．通过采用云计算技术及模糊控制技术，空调系统可以平稳运行在最佳工作状态，这样空调水系统最大程度的减少了水力波动，延长了管道及阀门等设备的寿命；由于系统学习的是通过专家计算的数据结构模型，其能耗状态是现有已知操作数据下的最小值，同时系统状态改变的时候曲线平滑，减少了相当的能量损耗，所以能实现中央空调系统的最佳节能效果。
附图说明
图1是本发明实施例的基于云平台的模糊处理规则结构示意图；
图2是本发明实施例的基于云平台的模糊控制原理示意图。
具体实施方式
基于上述问题，本发明提供一种基于云计算的模糊控制空调系统控制方法。该控制方法由数据采集、数据解析及传输、数据控制、模糊量化数据云处理、云平台数据模糊推理、云平台数据非模糊化处理、云平台数据输出、数据执行组成。
下面根据实施例对本发明进行说明和解释。
1、利用传感器进行数据采集工作
在系统中，利用温度传感器、压力传感器、流量传感器、电能表、湿度传感器等设备采集水系统冷冻水/冷却水的供回水温度、压力及流量、空调末端、风机、水泵和空调主机的功率、室内及室外的温度、湿度及压力情况。相关参数及单位如下：
冷冻水体积流量：
Figure DEST_PATH_IMAGE001
, 单位：
Figure 760005DEST_PATH_IMAGE002
；冷却水体积流量：
Figure DEST_PATH_IMAGE003
, 单位：
Figure 337748DEST_PATH_IMAGE004
冷冻水供水温度：
Figure DEST_PATH_IMAGE005
，单位：℃；冷冻水回水温度：
Figure 637142DEST_PATH_IMAGE006
，单位：℃；
冷却水供水温度：
Figure 41358DEST_PATH_IMAGE007
，单位：℃；冷却水回水温度：
Figure 109808DEST_PATH_IMAGE008
，单位：℃；
冷冻水供水压力：
Figure 655190DEST_PATH_IMAGE009
，单位：MPa；冷冻水回水压力：
Figure 176302DEST_PATH_IMAGE010
，单位：MPa；
冷却水供水压力：
Figure 98121DEST_PATH_IMAGE011
，单位：MPa；冷却水回水压力：
Figure 614553DEST_PATH_IMAGE012
，单位：MPa；
空调末端功率：
Figure 596416DEST_PATH_IMAGE013
，单位：KW；风机功率：
Figure 198298DEST_PATH_IMAGE014
，单位：KW；
水泵功率：
Figure 923809DEST_PATH_IMAGE015
，单位：KW；空调主机功率：
Figure 435693DEST_PATH_IMAGE016
，单位：KW；
室内温度：
Figure 447511DEST_PATH_IMAGE017
，单位：℃；室内相对湿度：
Figure 143547DEST_PATH_IMAGE018
，单位：％；
室内压力：
Figure 672749DEST_PATH_IMAGE019
，单位：MPa；
室外温度：
Figure 898194DEST_PATH_IMAGE020
，单位：℃；室外相对湿度：
Figure 221859DEST_PATH_IMAGE021
，单位：％；
室外气压：
Figure 204858DEST_PATH_IMAGE022
，单位：MPa；
2、数据解析及传输
数据通过传感器采集后，通过物联网传输模块上传到物联网平台，建立物模型进行数据解析建模，将解析出来的参数输送到SAAS云平台上进行计算处理，并对数据进行上传及下发。
3、数据控制
云数据库对系统产生的数据进行集中控制，实现数据共享、确保数据的一致和可靠性。
4、模糊量化数据云处理和云平台数据模糊推理
云服务器作为云端软件平台的物理支持组件，是云计算在基础设施应用上的重要组成部分，配置 CPU、内存、带宽等组件。
4.1 模糊化
模糊化接口接受的输入只有偏差信号，设计模糊控制器时需要考虑对象增益变化的补偿。
影响对象增益变化的有很多，下面以冷冻水温度为例，应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在实际调节过程中,
Figure 131226DEST_PATH_IMAGE023
，即冷却水温度偏差。 当
Figure 86544DEST_PATH_IMAGE023
增加时, 对象的增益就增大;
Figure 705744DEST_PATH_IMAGE023
减小时, 对象增益随之减小。在控制中取误差信号为:
Figure 644881DEST_PATH_IMAGE024
Figure 250306DEST_PATH_IMAGE025
相当于对模糊控制器的比例作用进行修正。
其中，
Figure 450343DEST_PATH_IMAGE026
——冷却水实际回水温度;
Figure 115811DEST_PATH_IMAGE027
——冷却水额定回水温度；
Figure 539314DEST_PATH_IMAGE028
为冷却水温度误差；
Figure 807484DEST_PATH_IMAGE029
为冷却水温度误差变化率；
Figure 2973DEST_PATH_IMAGE030
为单位时间，单位为分钟。
冷却水温度误差
Figure 963976DEST_PATH_IMAGE028
的基本论域范围为[2，8]，将冷却水温度误差
Figure 346547DEST_PATH_IMAGE028
分为七个模糊集：负大（NB），负中（NM），负小（NS），零（ZO），正小（PS），正中（PM），正大（PB），含义为温度差从最小到最大。根据误差
Figure 884320DEST_PATH_IMAGE028
的变化范围，设定整数论域X分为七个等级：{-3，-2，-1，0，+1，+2，+3}，则根据量化公式可以得到量化因子为
Figure 199895DEST_PATH_IMAGE031
。
冷却水温度误差
Figure 66220DEST_PATH_IMAGE028
模糊控制规则表
Figure 201666DEST_PATH_IMAGE032
冷却水温度误差变化率
Figure 77218DEST_PATH_IMAGE033
的基本论域范围为[-1，1]，将冷却水温度误差变化率
Figure 981720DEST_PATH_IMAGE033
分为七个模糊集：负快（NB），负中（NM），负慢（NS），零（ZO），正慢（PS），正中（PM），正快（PB），含义为温度变化率从最小到最大。根据误差
Figure 159892DEST_PATH_IMAGE033
的变化范围，设定整数论域Y分为七个等级：{-3，-2，-1，0，+1，+2，+3}，则根据量化公式可以得到量化因子为
Figure 172847DEST_PATH_IMAGE034
。
冷却水温度误差变化率
Figure 131052DEST_PATH_IMAGE035
模糊控制规则表
Figure 280273DEST_PATH_IMAGE036
系统控制的最终目标是管道中冷却水流量，
而流量与转速存在一次方关系：
Figure 894925DEST_PATH_IMAGE037
；
根据电机转速公式：
Figure 4964DEST_PATH_IMAGE038
，得到
Figure 97685DEST_PATH_IMAGE039
。
即管道的流量与水泵电机的频率成正比，控制变量由系统流量变成了电机的频率
Figure 101413DEST_PATH_IMAGE040
。
电机的频率
Figure 621387DEST_PATH_IMAGE041
的基本论域范围为[0，50]，将电机的频率
Figure 77776DEST_PATH_IMAGE040
转换为模糊控制量U，设定整数论域U分为七个等级：{-3，-2，-1，0，+1，+2，+3}，分为代表七个模糊集：停（NB），很低（NM），较低（NS），低（ZO），高（PS），较高（PM），很高（PB），含义为电机频率从最小到最大。根据电机的频率
Figure 239767DEST_PATH_IMAGE041
的变化范围，设定则根据量化公式可以得到比例因子为
Figure 238947DEST_PATH_IMAGE042
。
4.2 模糊规则的设置
根据熟练的空调操作人员的实际操作经验和专家的认识，水泵频率控制的推理规则可以表述为：当冷却水温度误差
Figure 929823DEST_PATH_IMAGE028
为NB（负大）时，并且锅底的冷却水温度误差变化率
Figure 873508DEST_PATH_IMAGE029
也为NB（负大）时，说明冷却水的流量过大，系统处于过度制冷状态，电机的频率应处于NB（很慢）；当冷却水温度误差
Figure 570681DEST_PATH_IMAGE028
为NB（负大）时，并且冷却水温度误差变化率
Figure 158788DEST_PATH_IMAGE029
为PS（正慢）时，说明冷却水的流量减小，系统处于过度制冷缓慢过渡到正常的状态，电机的频率应处于NS（较低）；诸如此类，一共可以得到7×7=49条控制规则，如下表所示。
水泵电机频率控制的模糊控制规则表
Figure 410778DEST_PATH_IMAGE043
4.3 设置模糊规则库
根据日常实际操作经验和专家的认识，可做下列模糊规则的认识：
Figure 717125DEST_PATH_IMAGE044
:当
Figure 955340DEST_PATH_IMAGE028
为冷却水温度误差为负大，且日常冷却水温度误差变化率
Figure 522587DEST_PATH_IMAGE045
为负大时，水泵工作频率应为很高。
Figure 555266DEST_PATH_IMAGE046
:当
Figure 739122DEST_PATH_IMAGE028
为冷却水温度误差为负大，且日常冷却水温度误差变化率
Figure 515448DEST_PATH_IMAGE045
为负中时，水泵工作频率应为很高。
……
Figure 343727DEST_PATH_IMAGE047
:当
Figure 671940DEST_PATH_IMAGE028
为冷却水温度误差为正大，且日常冷却水温度误差变化率
Figure 952880DEST_PATH_IMAGE045
为正大时，水泵工作频率需为很低。
其中包含一组模糊控制规则， 即以“if…，and…，then…”形式表示的模糊条件语句， 如：
Figure 529967DEST_PATH_IMAGE048
;
Figure 337386DEST_PATH_IMAGE049
;
……
Figure 711867DEST_PATH_IMAGE050
;
其中，
Figure 339157DEST_PATH_IMAGE051
和
Figure 457286DEST_PATH_IMAGE052
就是前面所说的语言变量
Figure 994578DEST_PATH_IMAGE028
和
Figure 664594DEST_PATH_IMAGE029
，
Figure 920126DEST_PATH_IMAGE053
是
Figure 841945DEST_PATH_IMAGE028
的模糊集合，
Figure 623956DEST_PATH_IMAGE054
是
Figure 340240DEST_PATH_IMAGE029
的模糊集合，
Figure 83068DEST_PATH_IMAGE055
是
Figure 667633DEST_PATH_IMAGE041
的模糊集合。
每条控制规则是一个在积空间
Figure 200025DEST_PATH_IMAGE056
×
Figure 352788DEST_PATH_IMAGE057
×
Figure 176388DEST_PATH_IMAGE058
， 同时还可以写出模糊关系矩阵
Figure 705589DEST_PATH_IMAGE059
，i＝1，2，…，n 。 规则库中的 n 条规则是并列的， 它们之间是“或”的逻辑关系， 因此整个规则集的模糊关系为：
U
Figure 931034DEST_PATH_IMAGE060
在t时刻若输入量为
Figure 254699DEST_PATH_IMAGE061
和
Figure 706540DEST_PATH_IMAGE062
,
Figure 632908DEST_PATH_IMAGE063
， 若论域
Figure 853805DEST_PATH_IMAGE056
，
Figure 613951DEST_PATH_IMAGE057
，
Figure 412142DEST_PATH_IMAGE064
都是离散的，则矢量
Figure 17567DEST_PATH_IMAGE061
对应
Figure DEST_PATH_IMAGE065
，矢量
Figure 886779DEST_PATH_IMAGE066
对应
Figure 552246DEST_PATH_IMAGE052
，则推理结果是矢量
Figure 978679DEST_PATH_IMAGE067
上的
Figure 512429DEST_PATH_IMAGE068
。即
Figure 707918DEST_PATH_IMAGE069
¢ ´ ¢ = ¢
5、云平台数据非模糊化处理
首先将水泵电机频率控制规则进行模糊推理：
Figure 544287DEST_PATH_IMAGE070
依据模糊推理语句“if…，and…，then…”确定的三元模糊关系，即：
Figure 317071DEST_PATH_IMAGE071
其中
Figure 529878DEST_PATH_IMAGE072
为模糊关系矩阵
Figure 438928DEST_PATH_IMAGE073
构成的
Figure 711777DEST_PATH_IMAGE074
列向量，
Figure 781977DEST_PATH_IMAGE075
和
Figure 64054DEST_PATH_IMAGE076
分别为
Figure 93190DEST_PATH_IMAGE065
和
Figure 5782DEST_PATH_IMAGE057
论域元素的个数。
Figure 753158DEST_PATH_IMAGE077
得
Figure 42188DEST_PATH_IMAGE078
将矩阵
Figure DEST_PATH_IMAGE079
和
Figure 942142DEST_PATH_IMAGE068
扩展成如下向量式：
Figure 150270DEST_PATH_IMAGE080
模糊控制的输出即
Figure 260308DEST_PATH_IMAGE069
，现某一时刻，冷却水温度误差
Figure 477663DEST_PATH_IMAGE028
为7℃，冷却水温度误差变化率
Figure 494773DEST_PATH_IMAGE033
为为
Figure DEST_PATH_IMAGE081
的话，则有
Figure 952430DEST_PATH_IMAGE082
模糊控制的输出f可以通过下式转换为实际的输出值：
Figure DEST_PATH_IMAGE083
按照“隶属度最大原则”进行反模糊化，则选择控制量为
Figure 80923DEST_PATH_IMAGE084
，即变频水泵频率应该在转速
Figure 711756DEST_PATH_IMAGE085
，转速同样工作在
Figure 835570DEST_PATH_IMAGE086
的转速下，管道内输出流量为
Figure 526445DEST_PATH_IMAGE087
。
以上述例子类比方法，同样将水系统冷冻水的供回水温度、压力、室内及室外的温度、湿度及压力等参数作为输入变量做模糊分析，将空调末端、风机、空调主机的功率、水系统的流量等参数做输出变量控制，对水系统进行全面的模糊控制。
6、云平台数据输出、数据执行
云平台通过计算得出相应执行量数据后，通过相应平台端口下发到物联网服务器，通过物联网络转发到相应执行设备上；实际机房及终端设备通过调节流量大小、阀门开度、主机功率、室内温度等参数，达到预期规则中的工作状况，来达到自动、智能和节能控制的目的。
以上是本发明的优选实施方案。应当指出，在不脱离本发明的基本原理的前提下，可作出的若干改进和润饰，都视为本发明的保护范围。

Claims (8)

1.一种基于云计算的模糊控制空调系统，其特征在于：由水系统、空调末端、风机、水泵、空调主机、传感器、执行器、物联网云平台、云数据库、后台控制终端、云服务器、部署在云端的平台软件构成。
2.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：它是经过数据采集、数据解析及传输、数据控制、模糊量化数据云处理、云平台数据模糊推理、云平台数据非模糊化处理、云平台数据输出、数据执行等步骤构成。
3.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：传感器采集水系统冷冻水的温度、压力及流量、空调末端、风机、水泵和空调主机的功率、风量及风压、室内及室外的温度、湿度及压力情况。
4.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：利用物联网平台进行数据的解析及传输，并对数据进行上传及下发。
5.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：云数据库对系统产生的数据进行集中控制，实现数据共享、确保数据的一致和可靠性。
6.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：云服务器作为云端软件平台的物理支持组件，是云计算在基础设施应用上的重要组成部分，配置CPU、内存、带宽等组件。
7.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：后台控制终端是系统与人交互的接口，可进行系统的运行与维护操作。
8.根据权利要求1所述的一种基于云计算的模糊控制空调系统，其特征在于：部署在云端的软件平台是系统的核心，可将根据预先给定和实际的冷冻水/冷却水流量、冷冻水/冷却水供回水温度、冷冻水/冷却水供回水压力，按预定公式计算出温差偏差和温差偏差变化率、压力偏差和压力偏差变化率进行模糊化处理，通过系统预先编制好的程序依据大数据计算规则对各项运行指标进行计算，确定系统的最佳运行系数和状态，并对模糊控制量进行清晰化处理并进行修正后，输出到执行器进行操作。
CN202111298312.1A 2021-11-04 2021-11-04 一种基于云计算的模糊控制空调系统 Active CN114095532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111298312.1A CN114095532B (zh) 2021-11-04 2021-11-04 一种基于云计算的模糊控制空调系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111298312.1A CN114095532B (zh) 2021-11-04 2021-11-04 一种基于云计算的模糊控制空调系统

Publications (2)

Publication Number Publication Date
CN114095532A true CN114095532A (zh) 2022-02-25
CN114095532B CN114095532B (zh) 2024-04-16

Family

ID=80298871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111298312.1A Active CN114095532B (zh) 2021-11-04 2021-11-04 一种基于云计算的模糊控制空调系统

Country Status (1)

Country Link
CN (1) CN114095532B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1482409A (zh) * 2003-06-13 2004-03-17 ���ݻ�ͨ����¥��Ƽ����޹�˾ 中央空调节能模糊控制方法及模糊控制器
US20050119986A1 (en) * 2003-07-25 2005-06-02 Panfilov Sergey A. Soft computing optimizer of intelligent control system structures
CN101165422A (zh) * 2007-09-28 2008-04-23 李钢 新型绿色中央空调系统节能模糊控制装置及控制方法
US20100168989A1 (en) * 2007-04-09 2010-07-01 Hau Zhao Control Method and Device For Engine
US20150136862A1 (en) * 2014-01-16 2015-05-21 GoSocialSolutions LLC System and Method for Environmental Control
CN105046595A (zh) * 2015-07-24 2015-11-11 武汉泰康翔科技有限公司 一种基于物联网技术的能效评估诊断云系统及方法
CN105299838A (zh) * 2015-11-06 2016-02-03 珠海格力电器股份有限公司 中央空调的温度控制系统及方法
CN206755498U (zh) * 2017-04-27 2017-12-15 环达电脑(上海)有限公司 空调监控系统
CN111140999A (zh) * 2020-02-10 2020-05-12 数方节能科技(烟台)有限公司 一种基于模糊控制的中央空调系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1482409A (zh) * 2003-06-13 2004-03-17 ���ݻ�ͨ����¥��Ƽ����޹�˾ 中央空调节能模糊控制方法及模糊控制器
WO2004111737A1 (fr) * 2003-06-13 2004-12-23 Guizhou Huiton Huacheng Building Science & Technologies Co., Ltd. Procede et machine de gestion a logique floue pour l'economie d'energie dans une centrale de climatisation
US20050119986A1 (en) * 2003-07-25 2005-06-02 Panfilov Sergey A. Soft computing optimizer of intelligent control system structures
US20100168989A1 (en) * 2007-04-09 2010-07-01 Hau Zhao Control Method and Device For Engine
CN101165422A (zh) * 2007-09-28 2008-04-23 李钢 新型绿色中央空调系统节能模糊控制装置及控制方法
US20150136862A1 (en) * 2014-01-16 2015-05-21 GoSocialSolutions LLC System and Method for Environmental Control
CN105046595A (zh) * 2015-07-24 2015-11-11 武汉泰康翔科技有限公司 一种基于物联网技术的能效评估诊断云系统及方法
CN105299838A (zh) * 2015-11-06 2016-02-03 珠海格力电器股份有限公司 中央空调的温度控制系统及方法
CN206755498U (zh) * 2017-04-27 2017-12-15 环达电脑(上海)有限公司 空调监控系统
CN111140999A (zh) * 2020-02-10 2020-05-12 数方节能科技(烟台)有限公司 一种基于模糊控制的中央空调系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邱春梅;: "公共建筑能源管理系统应用探讨", 智能建筑, no. 10 *

Also Published As

Publication number Publication date
CN114095532B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN111256294B (zh) 一种基于模型预测的冷水机组组合运行优化控制方法
Pfeiffer et al. Control of temperature and energy consumption in buildings-a review.
CN109798646B (zh) 一种基于大数据平台的变风量空调控制系统和方法
CN110726218B (zh) 空调器及其控制方法、装置、存储介质和处理器
CN104833154B (zh) 基于模糊pid与神经内模的冷冻水回路控制方法
CN104315683B (zh) 一种基于模糊pid的水冷空调的调控方法
CN112413831A (zh) 一种中央空调节能控制系统及方法
CN110410960B (zh) 一种风机盘管预测控制方法
CN114265306B (zh) 海洋平台通风系统在线风平衡控制方法及控制系统
CN109708267B (zh) 一种新风机组的电子膨胀阀的控制方法及系统
CN107023966B (zh) 一种地铁站空调冷却水出水温度设定值优化方法
CN115823706B (zh) 一次泵自适应变压差节能控制系统及方法
CN109990445B (zh) 一种变风量空调系统节能控制器及方法
CN101893851A (zh) 一种室内温度模糊控制系统及其方法
CN112093025A (zh) 一种变风量布风器风阀的控制系统及其控制方法
CN114440409A (zh) 一种中央空调系统自适应节能控制方法
CN114216256A (zh) 离线预训练-在线学习的通风系统风量控制方法
CN111288610A (zh) 一种变风量空调系统变静压自适应模糊控制方法
CN112180733B (zh) 一种基于模糊逻辑的建筑能耗系统预测控制参数整定方法
CN1837696A (zh) 一种变风量空调系统总风量法控制方法
CN114095532A (zh) 一种基于云计算的模糊控制空调系统
CN102889671A (zh) 自校正Smith预估控制的室温控制装置以及控制方法
Wang et al. Application of an intelligent PID control in heating ventilating and air-conditioning system
CN105240993A (zh) 一种中央空调的精细化节能控制系统及其实现方法
CN107036231A (zh) 中央空调监控系统中冷却塔智能节电控制方法

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