CN114095532B - 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 PDFInfo
- Publication number
- CN114095532B CN114095532B CN202111298312.1A CN202111298312A CN114095532B CN 114095532 B CN114095532 B CN 114095532B CN 202111298312 A CN202111298312 A CN 202111298312A CN 114095532 B CN114095532 B CN 114095532B
- Authority
- CN
- China
- Prior art keywords
- cloud
- fuzzy
- data
- cooling water
- 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.)
- Active
Links
- 238000004378 air conditioning Methods 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 239000000498 cooling water Substances 0.000 claims description 47
- 230000008859 change Effects 0.000 claims description 24
- 238000013139 quantization Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 210000001061 forehead Anatomy 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 101001072091 Homo sapiens ProSAAS Proteins 0.000 description 1
- 102100036366 ProSAAS Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
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
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
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:Qch,单位:m3/s;冷却水体积流量:Qc,单位:m3/s
冷冻水供水温度:Tch,sup,单位:℃;冷冻水回水温度:Tch,re,单位:℃;
冷却水供水温度:Tc,sup,单位:℃;冷却水回水温度:Tc,re,单位:℃;
冷冻水供水压力:pch,sup,单位:MPa;冷冻水回水压力:pch,re,单位:MPa;
冷却水供水压力:pc,sup,单位:MPa;冷却水回水压力:pc,re,单位:MPa;
空调末端功率:P末,单位:KW;风机功率:P风机,单位:KW;
水泵功率:P泵,单位:KW;空调主机功率:P主,单位:KW;
室内温度:Tin,单位:℃;室内相对湿度:HRin,单位:%;
室内压力:Pin,单位:MPa;
室外温度:Tout,单位:℃;室外相对湿度:HRout,单位:%;
室外气压:Pout,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,ΔTc,即冷却水温度偏差。当ΔTc增加时,对象的增益就增大;ΔTc减小时,对象增益随之减小。在控制中取误差信号为:
E=Tc,回-Tc,回额=ΔTc
相当于对模糊控制器的比例作用进行修正。
其中,Tc,回——冷却水实际回水温度;Tc,回额——冷却水额定回水温度;
E为冷却水温度误差;Ec为冷却水温度误差变化率;T为单位时间,单位为分钟。
冷却水温度误差E的基本论域范围为[2,8],将冷却水温度误差E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E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
冷却水温度误差E模糊控制规则表
冷却水温度误差变化率Ec的基本论域范围为[-1,1],将冷却水温度误差变化率Ec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Ec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
冷却水温度误差变化率Ec模糊控制规则表
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:
根据电机转速公式:得到/>
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f。
电机的频率f的基本论域范围为[0,50],将电机的频率f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f的变化范围,设定则根据量化公式可以得到比例因子为
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E为NB(负大)时,并且锅底的冷却水温度误差变化率Ec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E为NB(负大)时,并且冷却水温度误差变化率Ec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
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:
R1:当E为冷却水温度误差为负大,且日常冷却水温度误差变化率Ec为负大时,水泵工作频率应为很高。
R2:当E为冷却水温度误差为负大,且日常冷却水温度误差变化率Ec为负中时,水泵工作频率应为很高。
……
R49:当E为冷却水温度误差为正大,且日常冷却水温度误差变化率Ec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:
R1:if E is X1 and EC is Y1,then f is U11;
R2:if E is X1 and EC is Y2,then f is U12;
……
R49:if E is X7 and EC is Y7,then f is U77;
其中,X和Y就是前面所说的语言变量E和Ec,X1,X2,......,X7是E的模糊集合,Y1,Y2,......,Y7是Ec的模糊集合,U11,U12,......,U77是f的模糊集合。
每条控制规则是一个在积空间X×Y×U,同时还可以写出模糊关系矩阵Ri,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:
在t时刻若输入量为x和y,x∈X,y∈Y,若论域X,Y,Z都是离散的,则矢量x对应X,矢量y对应Y,则推理结果是矢量u上的U。即
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:
依据模糊推理语句“if…,and…,then…”确定的三元模糊关系,即:
R=(X×Y)T×U
其中(X×Y)T为模糊关系矩阵(X×Y)(m×n)构成的m×n列向量,m和n分别为X和Y论域元素的个数。
得
将矩阵X×Y和U扩展成如下向量式:
模糊控制的输出即现某一时刻,冷却水温度误差E为7℃,冷却水温度误差变化率Ec为为/>的话,则有
模糊控制的输出f可以通过下式转换为实际的输出值:
按照“隶属度最大原则”进行反模糊化,则选择控制量为f=36Hz,即变频水泵频率应该在转速36Hz,转速同样工作在的转速下,管道内输出流量为/>
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 (5)
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;
该系统执行经过数据采集、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、数据执行步骤构成;
部署在云端的软件平台是系统的核心,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;
其中,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;
在实际调节过程中,ΔTc,即冷却水温度偏差;当ΔTc增加时,对象的增益就增大;ΔTc减小时,对象增益随之减小;在控制中取误差信号为:
E=Tc回-Tc回额=ΔTc
用于对模糊控制器的比例作用进行修正;
其中,Tc回表示冷却水实际回水温度;Tc回额表示冷却水额定回水温度;E为冷却水温度误差;Ec为冷却水温度误差变化率;T为单位时间;冷却水温度误差E的基本论域范围为[2,8],将冷却水温度误差E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E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},则根据量化公式得到量化因子为
冷却水温度误差变化率Ec的基本论域范围为[-1,1],将冷却水温度误差变化率Ec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Ec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},则根据量化公式得到量化因子为KEc=3;
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:
根据电机转速公式:得到/>
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f;
电机的频率f的基本论域范围为[0,50],将电机的频率f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,分别代表电机频率从最小到最大;根据电机的频率的变化范围,设定则根据量化公式得到比例因子为
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: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.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。
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: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、带宽组件。
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:后台控制终端是系统与人交互的接口,进行系统的运行与维护操作。
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 CN114095532A (zh) | 2022-02-25 |
CN114095532B true 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 (6)
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 |
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 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7219087B2 (en) * | 2003-07-25 | 2007-05-15 | Yamaha Hatsudoki Kabushiki Kaisha | Soft computing optimizer of intelligent control system structures |
CN101285431B (zh) * | 2007-04-09 | 2010-04-14 | 山东申普汽车控制技术有限公司 | 组合脉谱对发动机控制的方法 |
US9848586B2 (en) * | 2014-01-16 | 2017-12-26 | GeoSolarHeat | System and method for environmental control |
-
2021
- 2021-11-04 CN CN202111298312.1A patent/CN114095532B/zh active Active
Patent Citations (7)
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 |
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 |
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)
Title |
---|
公共建筑能源管理系统应用探讨;邱春梅;;智能建筑(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114095532A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104134100B (zh) | 一种基于云计算的节能管理系统 | |
CN108444201B (zh) | 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法 | |
CN1164899C (zh) | 压缩式中央空调自适应变流量节能控制装置 | |
CN109798646B (zh) | 一种基于大数据平台的变风量空调控制系统和方法 | |
CN103823368B (zh) | 基于权重规则表的pid型模糊逻辑控制方法 | |
CN114383299B (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 | |
CN107023966B (zh) | 一种地铁站空调冷却水出水温度设定值优化方法 | |
CN112413831A (zh) | 一种中央空调节能控制系统及方法 | |
CN115823706B (zh) | 一次泵自适应变压差节能控制系统及方法 | |
CN109612055A (zh) | 一种空调水系统的前馈模糊控制方法 | |
CN109028447A (zh) | 一种基于云计算的空调制冷机房智能控制系统以及控制方法 | |
CN114440409A (zh) | 一种中央空调系统自适应节能控制方法 | |
CN111288610A (zh) | 一种变风量空调系统变静压自适应模糊控制方法 | |
CN114095532B (zh) | 一种基于云计算的模糊控制空调系统 | |
CN104949274B (zh) | 一种变风量空调冷水机组双回路控制方法 | |
CN105240993A (zh) | 一种中央空调的精细化节能控制系统及其实现方法 | |
Wang et al. | Application of an intelligent PID control in heating ventilating and air-conditioning system | |
CN107036231A (zh) | 中央空调监控系统中冷却塔智能节电控制方法 | |
CN113865018A (zh) | 一种水冷中央空调主机功率调控方法及系统 | |
Xiao et al. | Energy Saving Analysis of refrigeration room Group Control Based on Kernel Ridge Regression Algorithm | |
Wang et al. | Simulation and algorithm optimization of VAV air conditioning room temperature model | |
CN115325783B (zh) | 一种用于果脯的热泵干燥系统的控制系统 | |
CN114237032B (zh) | 一种Fuzzy-PID智能控制的洁净空调控温方法 | |
CN112954977B (zh) | 一种基于人工智能实现数据中心节能温控的系统及方法 | |
CN114115398B (zh) | 一种建筑物冷水机组需求响应控制方法及装置 |
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 |