CN114109465A - 一种矿井通风系统智能分析决策方法 - Google Patents
一种矿井通风系统智能分析决策方法 Download PDFInfo
- Publication number
- CN114109465A CN114109465A CN202111218265.5A CN202111218265A CN114109465A CN 114109465 A CN114109465 A CN 114109465A CN 202111218265 A CN202111218265 A CN 202111218265A CN 114109465 A CN114109465 A CN 114109465A
- Authority
- CN
- China
- Prior art keywords
- mine
- ventilation system
- ventilation
- algorithm model
- mine ventilation
- 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.)
- Pending
Links
- 238000009423 ventilation Methods 0.000 title claims abstract description 149
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 230000001105 regulatory effect Effects 0.000 claims abstract description 15
- 230000001276 controlling effect Effects 0.000 claims abstract description 9
- 238000013461 design Methods 0.000 claims abstract description 7
- 206010063385 Intellectualisation Diseases 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000004134 energy conservation Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F1/00—Ventilation of mines or tunnels; Distribution of ventilating currents
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Ventilation (AREA)
Abstract
本发明提供一种矿井通风系统智能分析决策方法，包括以下步骤：步骤1、建立主要通风巷道风流参数和通风动力运行参数的实时监测系统，步骤2、建立矿井通风系统智能算法模型；步骤3、建立矿井风流参数分析与风流调控决策系统；步骤4、应用矿井通风系统智能算法模型预测进入井下作业区域的风量，得到预测值；步骤5、根据矿井作业区域的设计需风量的要求，并与预测值进行对比分析；步骤6、对相关的风机和通风构筑物进行调控；本发明根据井下采矿工程的变化，随时优化矿井通风系统分析与决策模型；构建矿井智能通风系统，实现矿井通风系统运行的智能化，风机实时智能调控；实现主扇无人值守；矿井智能通风系统工程化应用。
Description
技术领域
本发明涉及矿井通风技术领域，具体涉及一种矿井通风系统智能分析决策方法。
背景技术
矿井通风的目的是将地表新鲜空气输送到井下作业区域，再将生产作业过程中产生的有毒有害污浊空气排出地表，为井下作业地点创造良好的工作环境。其通风效果取决于由通风动力、通风网络和通风构筑物所构成的矿井通风系统是否完善。矿井通风系统是保障矿井通风安全的重要系统，也是一个动态系统，随矿井开采条件和环境条件的变化而变化，需要及时优化调整通风动力的运行工况、通风构筑物的位置、通风网络的结构等，保障矿井通风系统的完善。
传统的矿井通风系统优化调整方法主要靠人工提出完善矿井通风系统的技术方案，应用矿井通风网络解算软件进行模拟分析，再通过技术经济比较后确定一个相对较优的矿井通风系统实施方案。这种方法耗时间、耗人力，且难以做到对矿井通风系统的实时调整。另外，矿井有效风量率、风速合格率、风机装置效率等是评价矿井通风系统优劣的主要指标，也是制定矿井通风系统优化调整方案依据的重要基础数据。目前，这些基础数据主要通过人工检测或传感器这两种方法测算获得，前者存在人为因素的影响，数据的实时、可靠性不好；后者受采矿工艺的影响(作业区域设置传感器易被破坏)，难以感知到作业区域的基础数据；两种方法均难以获得实时、可靠、全面的基础数据，且依赖人工分析获取的基础数据并作出是否对矿井通风系统进行调控的决策，人为因素的影响和基础数据的不全，使得井下风险隐患不能及时把控。因此，两种方法获取的基础数据不能有效支撑矿井通风系统实时调控系统的构建。
近年来，随着矿井开采深度逐步增加，矿井通风系统的网络结构也越来越复杂，人工手段已无法满足对复杂通风系统的实时分析和作出通风系统调控决策，不利于矿井安全隐患的及时消除。因此，为了提高矿井通风的本质安全水平，依据矿井通风系统的实际构成，应用人工智能技术和方法构矿井风流参数分析与风流调控决策系统，实现矿井通风系统调控的智能化。
随着对矿井通风的深入研究和探讨，国内外已经开发出很多计算机模拟管理系统，使得计算机在矿井生产作业中的应用也变得普遍起来，在矿井通风网络计算机解算等方面取得了丰硕的成果，但也存在不足，例如通风网络的实时解算还没有实现，也未能与矿井风流参数的监测系统结合起来，无法自动根据矿井的实际通风状况对矿井通风系统实施调控。
因此，需要对现有技术进行改进。
发明内容
本发明要解决的技术问题是提供一种高效的矿井通风系统智能分析决策方法。
为解决上述技术问题，本发明提供一种矿井通风系统智能分析决策方法，包括以下步骤：
步骤1、建立主要通风巷道风流参数和通风动力运行参数的实时监测系统，实时获取矿井主要通风巷道的风流参数和风机的运行参数作为风流参数数据；
步骤2、建立矿井通风系统智能算法模型，并应用大量的矿井通风网络解算数据和现场实测数据训练算法模型；
步骤3、建立矿井风流参数分析与风流调控决策系统；
步骤4、应用矿井通风系统智能算法模型预测进入井下作业区域的风量，得到预测值；
步骤5、根据矿井作业区域的设计需风量的要求，并与步骤4的矿井通风系统智能算法模型所得的预测值进行对比分析；
步骤6、根据对比分析的结果，给出调控通风动力、通风构筑物的决策指令，对相关的风机和通风构筑物进行调控，从而对矿井通风系统实施实时调控。
优选的，在步骤1中：
在主要通风巷道和安装风机的巷道中安装相应的传感器，传感器包括风速传感器、风压传感器和风温传感器；
风速传感器、风压传感器和风温传感器分别用于检测通风巷道中的平均风速、风压和风温等，监测得到通风巷道的风流参数数据，将风流参数数据共同发送到实时监测系统；
通过各个传感器可以实现对矿井主要通风巷道的风流参数和风机运行工况参数进行监测，风流参数数据实时发送到矿井通风系统智能算法模型。
优选的，在步骤2中：
将步骤1所得到的实时监测系统监测得到的历史风流参数数据作为现场实测数据，应用现场实测数据训练矿井通风系统智能算法模型，使得训练完成的矿井通风系统智能算法模型所感知的巷道风流参数与现场实际情况吻合。
优选的，在步骤3中：
依据矿井通风系统的实际构成，应用人工智能技术和方法构建矿井风流参数分析与风流调控决策系统，实现矿井通风系统调控的智能化；矿井风流参数分析与风流调控决策系统用于发出调控指令，调节风机的运行工况参数。
优选的，在步骤4中：
将步骤1所得到的实时监测系统监测到的实时风流参数数据输入到训练完成的矿井通风系统智能算法模型，预测矿井风流参数，从而得到进入井下作业区域的平均风速或风量的预测值。
优选的，在步骤6中：
当步骤4的矿井通风系统智能算法模型所得的预测值大于设定值25％时，矿井通风系统智能算法模型发出指令，调低主扇风机电机的运行频率，达到通风节能的效果；当进入作业区域的风量小于设定值25％时，矿井通风系统智能算法模型发出指令，适当调大主扇风机电机的运行频率，确保井下作业区域的通风效果。
优选的，设置井下无人作业及交接班时间段，其余时间段为井下工作时间段；
在井下工作时间段，设置井下有人时段的设定值；当步骤4的矿井通风系统智能算法模型所得的预测值大于设定值25％时，矿井通风系统智能算法模型发出指令，调低主扇风机电机的运行频率，达到通风节能的效果；当进入作业区域的风量小于设定值25％时，矿井通风系统智能算法模型发出指令，调大主扇风机电机的运行频率，确保井下作业区域的通风效果；
在井下无人作业及交接班时间段，设置井下无人时段的设定值，直接调低主扇风机电机的运行频率，使得风量达到井下无人时段的设定值。
本发明一种矿井通风系统智能分析决策方法的技术优势为：
本发明根据井下采矿工程的变化，随时优化矿井通风系统分析与决策模型；构建矿井智能通风系统，实现矿井通风系统运行的智能化，风机实时智能调控；实现主扇无人值守；矿井智能通风系统工程化应用。
具体实施方式
下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此。
实施例1、一种矿井通风系统智能分析决策方法，包括以下步骤：
步骤1、建立主要通风巷道风流参数和通风动力(风机)运行参数的实时监测系统，实时获取矿井主要通风巷道的风流参数和风机的运行参数作为风流参数数据；
在主要通风巷道和安装风机的巷道中安装相应的传感器，传感器包括风速传感器、风压传感器和风温传感器；
风速传感器、风压传感器和风温传感器分别用于检测通风巷道中的平均风速、风压和风温等，监测得到通风巷道的风流参数数据，将风流参数数据共同发送到实时监测系统；
通过各个传感器可以实现对矿井主要通风巷道的风流参数和风机运行工况参数进行监测，风流参数数据实时发送到矿井通风系统智能算法模型。
步骤2、建立矿井通风系统智能算法模型，并应用大量的矿井通风网络解算数据和现场实测数据训练算法模型；
将步骤1所得到的实时监测系统监测得到的历史风流参数数据作为现场实测数据，应用现场实测数据训练矿井通风系统智能算法模型，使得训练完成的矿井通风系统智能算法模型所感知的巷道风流参数与现场实际情况吻合。
步骤3、建立矿井风流参数分析与风流调控决策系统；
依据矿井通风系统的实际构成，应用人工智能技术和方法构建矿井风流参数分析与风流调控决策系统，实现矿井通风系统调控的智能化。矿井风流参数分析与风流调控决策系统用于发出调控指令，调节风机的运行工况参数。
步骤4、应用矿井通风系统智能算法模型预测进入井下作业区域的风量；
将步骤1所得到的实时监测系统监测到的实时风流参数数据输入到训练完成的矿井通风系统智能算法模型，预测矿井风流参数，从而得到进入井下作业区域的平均风速(或风量)的预测值；
步骤5、根据矿井作业区域的设计需风量的要求，并与步骤3的矿井通风系统智能算法模型所得的预测值进行对比分析；
步骤6、根据对比分析的结果，给出调控通风动力、通风构筑物的决策指令，对相关的风机和通风构筑物进行调控，从而对矿井通风系统实施实时调控；
当进入作业区域的风量(即为步骤4的矿井通风系统智能算法模型所得的预测值)大于设定值25％时，矿井通风系统智能算法模型发出指令，调低主扇风机电机的运行频率，达到通风节能的效果；当进入作业区域的风量小于设定值25％时，矿井通风系统智能算法模型发出指令，适当调大主扇风机电机的运行频率，确保井下作业区域的通风效果。
在实际生产过程中，根据矿山初步设计文本提供的井下作业区域的设计需风量；
某采矿作业区域的设计需风量为20m3/s，即有人作业时，进入作业区域的新鲜风量应不小于20m3/s；若是井下交接班时间段，进入作业区域的新鲜风量可小于20m3/s。
人为设置若干时间段作为井下无人作业或交接班时间段，其余时间段为井下工作时间；可以每天的15点～17点、凌晨0点～2点作为井下交接班时间段。
设定值：在井下工作时间，当平均风速的预测值(即进入作业区域的新鲜风量)大于25m3/s或小于15m3/s时，智能分析与决策系统发出调控指令，调节风机的运行工况参数；井下无人作业或交接班时间段，直接调低风机电机的运行频率，满足12m3/s的风量即可。
最后，还需要注意的是，以上列举的仅是本发明的若干个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。
Claims (7)
1.一种矿井通风系统智能分析决策方法，其特征在于：包括以下步骤：
步骤1、建立主要通风巷道风流参数和通风动力运行参数的实时监测系统，实时获取矿井主要通风巷道的风流参数和风机的运行参数作为风流参数数据；
步骤2、建立矿井通风系统智能算法模型，并应用大量的矿井通风网络解算数据和现场实测数据训练算法模型；
步骤3、建立矿井风流参数分析与风流调控决策系统；
步骤4、应用矿井通风系统智能算法模型预测进入井下作业区域的风量，得到预测值；
步骤5、根据矿井作业区域的设计需风量的要求，并与步骤4的矿井通风系统智能算法模型所得的预测值进行对比分析；
步骤6、根据对比分析的结果，给出调控通风动力、通风构筑物的决策指令，对相关的风机和通风构筑物进行调控，从而对矿井通风系统实施实时调控。
2.根据权利要求1所述的一种矿井通风系统智能分析决策方法，其特征在于：
在步骤1中：
在主要通风巷道和安装风机的巷道中安装相应的传感器，传感器包括风速传感器、风压传感器和风温传感器；
风速传感器、风压传感器和风温传感器分别用于检测通风巷道中的平均风速、风压和风温等，监测得到通风巷道的风流参数数据，将风流参数数据共同发送到实时监测系统；
通过各个传感器可以实现对矿井主要通风巷道的风流参数和风机运行工况参数进行监测，风流参数数据实时发送到矿井通风系统智能算法模型。
3.根据权利要求2所述的一种矿井通风系统智能分析决策方法，其特征在于：
在步骤2中：
将步骤1所得到的实时监测系统监测得到的历史风流参数数据作为现场实测数据，应用现场实测数据训练矿井通风系统智能算法模型，使得训练完成的矿井通风系统智能算法模型所感知的巷道风流参数与现场实际情况吻合。
4.根据权利要求3所述的一种矿井通风系统智能分析决策方法，其特征在于：
在步骤3中：
依据矿井通风系统的实际构成，应用人工智能技术和方法构建矿井风流参数分析与风流调控决策系统，实现矿井通风系统调控的智能化；矿井风流参数分析与风流调控决策系统用于发出调控指令，调节风机的运行工况参数。
5.根据权利要求4所述的一种矿井通风系统智能分析决策方法，其特征在于：
在步骤4中：
将步骤1所得到的实时监测系统监测到的实时风流参数数据输入到训练完成的矿井通风系统智能算法模型，预测矿井风流参数，从而得到进入井下作业区域的平均风速或风量的预测值。
6.根据权利要求5所述的一种矿井通风系统智能分析决策方法，其特征在于：
在步骤6中：
当步骤4的矿井通风系统智能算法模型所得的预测值大于设定值25％时，矿井通风系统智能算法模型发出指令，调低主扇风机电机的运行频率，达到通风节能的效果；当进入作业区域的风量小于设定值25％时，矿井通风系统智能算法模型发出指令，适当调大主扇风机电机的运行频率，确保井下作业区域的通风效果。
7.根据权利要求6所述的一种矿井通风系统智能分析决策方法，其特征在于：
设置井下无人作业及交接班时间段，其余时间段为井下工作时间段；
在井下工作时间段，设置井下有人时段的设定值；当步骤4的矿井通风系统智能算法模型所得的预测值大于设定值25％时，矿井通风系统智能算法模型发出指令，调低主扇风机电机的运行频率，达到通风节能的效果；当进入作业区域的风量小于设定值25％时，矿井通风系统智能算法模型发出指令，调大主扇风机电机的运行频率，确保井下作业区域的通风效果；
在井下无人作业及交接班时间段，设置井下无人时段的设定值，直接调低主扇风机电机的运行频率，使得风量达到井下无人时段的设定值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218265.5A CN114109465A (zh) | 2021-10-20 | 2021-10-20 | 一种矿井通风系统智能分析决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218265.5A CN114109465A (zh) | 2021-10-20 | 2021-10-20 | 一种矿井通风系统智能分析决策方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114109465A true CN114109465A (zh) | 2022-03-01 |
Family
ID=80376204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111218265.5A Pending CN114109465A (zh) | 2021-10-20 | 2021-10-20 | 一种矿井通风系统智能分析决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114109465A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115270532A (zh) * | 2022-09-29 | 2022-11-01 | 山东新矿信息技术有限公司 | 一种基于矿井智能化的数据处理方法及系统 |
| CN117272480A (zh) * | 2023-10-09 | 2023-12-22 | 武汉联合立本能源科技有限公司 | 一种矿井回风余热回收方法、系统、存储设备及计算设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160061033A1 (en) * | 2014-08-28 | 2016-03-03 | Chembio Shelter, Inc. | Method and apparatus for providing controlled atmosphere in mobile mine refuges |
| CN108223014A (zh) * | 2018-03-05 | 2018-06-29 | 中国矿业大学(北京) | 一种基于改进谱聚类和交叉标注技术的目标定位方法 |
| CN109826663A (zh) * | 2019-03-18 | 2019-05-31 | 中国矿业大学 | 一种矿井灾变通风分布式区域联动与智能调控系统及方法 |
| WO2021114519A1 (zh) * | 2019-12-12 | 2021-06-17 | 山东科技大学 | 基于实时监测风量的矿井通风系统异常的诊断方法 |
| CN113309571A (zh) * | 2021-05-20 | 2021-08-27 | 中国矿业大学 | 一种矿井巷网热动力灾害演化评估系统与预测救援方法 |
| CN113356916A (zh) * | 2021-07-08 | 2021-09-07 | 长安大学 | 一种基于数字孪生技术的矿井风流调控虚拟系统及智能调控方法 |
-
2021
- 2021-10-20 CN CN202111218265.5A patent/CN114109465A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160061033A1 (en) * | 2014-08-28 | 2016-03-03 | Chembio Shelter, Inc. | Method and apparatus for providing controlled atmosphere in mobile mine refuges |
| CN108223014A (zh) * | 2018-03-05 | 2018-06-29 | 中国矿业大学(北京) | 一种基于改进谱聚类和交叉标注技术的目标定位方法 |
| CN109826663A (zh) * | 2019-03-18 | 2019-05-31 | 中国矿业大学 | 一种矿井灾变通风分布式区域联动与智能调控系统及方法 |
| WO2021114519A1 (zh) * | 2019-12-12 | 2021-06-17 | 山东科技大学 | 基于实时监测风量的矿井通风系统异常的诊断方法 |
| CN113309571A (zh) * | 2021-05-20 | 2021-08-27 | 中国矿业大学 | 一种矿井巷网热动力灾害演化评估系统与预测救援方法 |
| CN113356916A (zh) * | 2021-07-08 | 2021-09-07 | 长安大学 | 一种基于数字孪生技术的矿井风流调控虚拟系统及智能调控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周福宝: "矿井智能通风原理、关键技术及其初步实现", 煤炭学报, vol. 45, no. 6, pages 2225 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115270532A (zh) * | 2022-09-29 | 2022-11-01 | 山东新矿信息技术有限公司 | 一种基于矿井智能化的数据处理方法及系统 |
| CN115270532B (zh) * | 2022-09-29 | 2022-12-23 | 山东新矿信息技术有限公司 | 一种基于矿井智能化的数据处理方法及系统 |
| CN117272480A (zh) * | 2023-10-09 | 2023-12-22 | 武汉联合立本能源科技有限公司 | 一种矿井回风余热回收方法、系统、存储设备及计算设备 |
| CN117272480B (zh) * | 2023-10-09 | 2024-05-28 | 武汉联合立本能源科技有限公司 | 一种矿井回风余热回收方法、系统、存储设备及计算设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114109465A (zh) | 一种矿井通风系统智能分析决策方法 | |
| CN110067764A (zh) | 一种煤矿局部通风机远程切换与智能调控装置及控制方法 | |
| CN112127934B (zh) | 高海拔高温特长隧道施工变频节能通风系统及方法 | |
| CN105370609B (zh) | 高海拔集群通风智能控制系统及其方法 | |
| CN113551340B (zh) | 一种智能新风监控系统及其新风控制方法 | |
| CN204902127U (zh) | 一种空调水系统与空调末端联动控制的节能装置 | |
| CN114738031B (zh) | 自然和机械通风耦合的施工隧道数字孪生智能通风方法 | |
| CN103453580A (zh) | 换热站综合智能控制方法 | |
| CN103306701B (zh) | 大区域自动控制均压防灭火系统 | |
| CN110017161B (zh) | 综采工作面智能供液方法、存储介质、电子设备和系统 | |
| CN113406984B (zh) | 一种制冷恒温恒湿控制方法及系统 | |
| CN102538504A (zh) | 一种冷却塔进风侧优化节能防寒系统及方法 | |
| CN111025895A (zh) | 一种基于人工智能的建筑节能控制系统 | |
| US9995306B2 (en) | Method and system for fluid flow control in a fluid network system | |
| CN106155024A (zh) | 一种无烟装煤集气管压力智能控制系统 | |
| CN211849214U (zh) | 一种矿道喷淋降尘自动控制系统 | |
| CN206174984U (zh) | 矿井主通风机在线监控系统 | |
| CN110685948A (zh) | 一种煤矿局部通风自动监控系统控制方法、装置及处理器 | |
| CN203772118U (zh) | 冷却水塔幕帘式防结冰自动控制系统 | |
| CN111322740B (zh) | 一种基于逐日调节的变频排热风机制冷季的节能率计算方法 | |
| CN117348648A (zh) | 一种羊舍环境自动控制方法及其装置 | |
| CN113535233A (zh) | 用于暖通云边协同的人工智能系统 | |
| KR20180078420A (ko) | IoT 기반의 해수펌프 제어를 통한 양식장 전력 감축 시스템 | |
| CN115961996A (zh) | 一种基于随机风速场预测的煤矿主通风机变频器调速方法 | |
| CN110593355A (zh) | 一种基于压力控制模型和plc的供水降低能耗方法 |
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 |