CN114923268B - 基于空调负载和区域温度评估的机房空调调控方法及装置 - Google Patents

基于空调负载和区域温度评估的机房空调调控方法及装置 Download PDF

Info

Publication number
CN114923268B
CN114923268B CN202210810988.2A CN202210810988A CN114923268B CN 114923268 B CN114923268 B CN 114923268B CN 202210810988 A CN202210810988 A CN 202210810988A CN 114923268 B CN114923268 B CN 114923268B
Authority
CN
China
Prior art keywords
air conditioner
temperature
area
machine room
load
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
Application number
CN202210810988.2A
Other languages
English (en)
Other versions
CN114923268A (zh
Inventor
杨鹏
杨波
戴伟
周宇
李沣展
金依岩
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.)
Nanjing Qunding Technology Co ltd
Original Assignee
Nanjing Qunding 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 Nanjing Qunding Technology Co ltd filed Critical Nanjing Qunding Technology Co ltd
Priority to CN202210810988.2A priority Critical patent/CN114923268B/zh
Publication of CN114923268A publication Critical patent/CN114923268A/zh
Application granted granted Critical
Publication of CN114923268B publication Critical patent/CN114923268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F24F11/62—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
    • F24F11/30—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
    • F24F11/65—Electronic processing for selecting an operating mode
    • 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

本申请涉及基于空调负载和区域温度评估的机房空调调控方法及装置，通过对收集到的设备布局信息以及机房空调运行参数数据、温感设备数据进行关联度分析，实现空调与温感设备的绑定，并根据该绑定关系对机房区域进行划分；进而评估空调运行负载情况和区域温度，根据评估结果对空调进行调控。本方法可以较为准确地判断区域对制冷量的需求，能够得到更具备针对性的调控策略，从而提升调控效率、节省能源消耗。

Description

基于空调负载和区域温度评估的机房空调调控方法及装置
技术领域
本发明属于机房空调控制技术领域，特别是涉及基于空调负载和区域温度评估的机房空调调控方法及装置。
背景技术
随着5G通讯的迅速普及，数据中心的规模日益壮大，重要性也不断提升；数据中心机房需要借助空调将环境温度维持在适宜的范围内，避免因为温度过高而导致服务器损坏、数据丢失等问题；但不合理的机房空调调控方法和制冷量的冗余现象导致数据中心的运营成本和运维难度急剧增加，因此需要对机房空调调控方法进行深入研究，以实现数据中心的节能减排与安全稳定。
现有的机房空调调控方法中，运维人员在温感设备温度异常时会选择对离该温感设备最近的空调进行调控，没有考虑机房气流模式的干扰，在调控设备和运行参数的选择上精度不高，空调调控效益低；此外不同机房的空间布局、空调品牌和型号、空调运行参数也存在差异，在一个机房积累的温感设备与空调关联关系的判断经验无法在其它机房运用,因此需研发一种新的基于空调负载和区域温度评估的机房空调调控方法及装置来解决现有的问题。
发明内容
本发明的目的在于提供基于空调负载和区域温度评估的机房空调调控方法及装置，以解决机房空调调控效益低的问题。
为实现上述目的，本发明提供如下技术方案：基于空调负载和区域温度评估的机房空调调控方法及装置，包括以下步骤：
S1：收集设备的布局信息，实时采集机房空调运行参数数据和温感设备温度数据；
S2：对采集到的数据进行关联度分析，根据分析结果绑定空调与温感设备；
S3：根据空调与温感设备的绑定关系对机房区域进行划分；
S4：评估空调运行负载状况；
S5：评估区域温度；
S6：根据空调运行负载状况和区域温度评估结果对空调进行调控。
优先的，步骤S1中，所述布局信息包括机房空调和温感设备的布局信息；所述机房空调运行参数数据包括但不限于：空调开关机状态、压缩机1/2开关状态、温度设定值、风机转速；所述温感设备温度数据包括每个温感设备对应的目标温度值。
优先的，步骤S2中，所述绑定空调与温感设备的步骤包括：
S21：依次改变和调节各个空调运行参数，收集空调在不同运行状态下的机房空调运行参数数据和温感温度数据；
S22：设置机房温感设备数量为M、精密空调数量为N、该机房空调可调节运行参数数量为P，根据S21调节时间段的数据，抽取机房空调运行参数调整量和调整后温感温度的变化数据，利用皮尔逊相关性分析法分析温感设备与空调各个运行参数的关联性C，表示第i个温感设备与第j台空调的第k个运行参数的相关性系数，其中
S23：根据温感设备与空调各个运行参数相关性系数计算温感设备与空调的关联度G，则机房内第i个温感设备与第j台空调的关联度计算公式为：
S24：将温感设备与关联度G大于0.5的空调进行绑定，若温感设备与每台空调的关联度都小于0.5，则将该温感设备绑定至关联度最高的空调。
优先的，步骤S3中，所述根据空调与温感设备的绑定关系对机房区域进行划分的步骤包括：将每个空调及其绑定的温感设备所覆盖的范围设置成一个区域，以空调为单位对机房区域进行划分。
优先的，步骤S4中，所述评估空调运行负载状况的步骤包括：
S41：分别对近期空调各项参数运行状况进行评估：
 ；
S42：利用公式对每台空调整体运行负载Q进行评估：
S43：根据空调整体负载的评估结果对空调负载状况进行分级，当Q在0-10%内，空调处于空闲状态；当Q在10%-30%内，空调处于低负载状态；当Q在30%-60%内，空调处于中负载状态；当Q在60%-90%内，空调处于高负载状态；当Q在90%-100%内，空调处于满负载状态。
优先的，步骤S5中，所述评估区域温度的步骤包括：
S51：获取最近60分钟内机房温感的温度数据，使用DeepAR算法进行建模，预测10分钟后机房各个温感的温度；计算温感当前温度与该温感目标温度的温度差，计算十分钟后温度与该温感目标温度的温度差；若温度差大于0，则温度偏高；若温度差小于0，则温度偏低；
基于区域当前温感平均温度差和最大温度差，以及预测10分钟后，温感平均温度差和最大温度差，加权计算区域整体温度合理度T：
S52：根据区域整体温度合理度T对区域温度合理度进行分级，若，则区域温度处于过冷状态；若，则区域温度处于适宜状态；若，则区域温度处于危险状态；若，则区域温度处于告警状态；
S53：根据近20分钟内温感温度数据，利用时序分解算法分解趋势项，判断各个温感温度变化趋势是上升、平稳或者下降；
S54：如果该区域存在温度在上升的温感，则认为该区域温度处于上升状态；如果该区域不存在温度在上升的温感，且有温感温度变化趋势是平稳，则认为该区域温度处于平稳状态；如果该区域温感温度均在下降，则认为该区域温度处于下降状态。
优先的，步骤S6中，所述根据空调运行负载状况和区域温度评估结果对空调进行调控的步骤包括：
S61：降温调控：当区域温度处于告警或者危险状态且呈上升状态时，若该区域空调近5分钟内处于空闲、低负载或者中负载状态，则通过增加该空调的制冷量进行降温；若该区域空调近10分钟内处于高负载或者满负载状态，则通过增加相邻区域空调的制冷量进行降温；
S62：微调节能调控：对未参与降温策略的区域，当区域温度处于适宜且下降状态、过冷且平稳状态或者过冷且下降状态时，如果该区域空调近10分钟内处于高负载或者满负载状态，则通过部分回收该空调不关机状态下的制冷量进行节能；如果该区域空调近10分钟内处于中负载状态，则通过关闭该空调的制冷量进行节能；如果该区域空调近10分钟内处于空闲或者低负载状态，则将该空调作为待选关机空调；
S63：关机节能调控：对S62筛选出待关机空调的区域，选择区域整体温度合理度T值最小的区域，将该区域对应的空调关闭。
优先的，基于空调负载和区域温度评估的机房空调调控方法的装置，所述装置包括：
数据获取模块：用于实时采集机房空调设备运行参数数据和温感设备温度数据；
温感与空调设备绑定模块：用于分析空调与温感设备的关联关系，将温感设备绑定至空调；
机房区域划分模块：用于将每个空调及绑定的温感设备所覆盖的范围设置成一个区域，对机房区域进行划分；
空调运行负载评估模块：用于根据机房空调各项运行参数数据统计各项指标运行负载情况评估空调运行负载状况；
区域温度评估模块：用于根据区域内当前各个温感温度与目标温度的差异，预测10分钟后各个温感温度与目标温度的差异，对区域整体温度合理度进行评估；
调控生成模块：用于根据空调运行负载和区域温度评估结果生成相应的降温、微调节能、关机节能调控。
本发明提出一种基于空调负载和区域温度评估的机房空调调控方法及装置，与现有技术相比，本发明的优点如下：基于空调调控对温感温度的影响情况分析空调与温感的相关性，将强关联的空调与温感进行绑定，并以空调为单位对机房区域进行划分，每个区域覆盖的范围包括一台空调及该空调绑定的温感；通过对区域内空调负载状况、区域整体温度合理度、区域温度变化趋势的评估结果，综合分析该区域是否需要降温或者是否存在多余的制冷量需要回收；将区域整体温度合理度与变化趋势相结合，能够更准确地判断该区域对制冷量的需求情况，再基于空调负载情况，能够在高温情况下及时找出合适的降温策略，在低温情况下回收合理的制冷量，在保障机房环境安全的前提下，稳妥有序的进行节能。
附图说明
图1为本发明的流程示意图；
图2为本发明空调与温感绑定的流程示意图；
图3为本发明中对空调负载进行评估的流程示意图；
图4为本发明中对区域温度进行评估的流程示意图；
图5为本发明策略生成的流程示意图；
图6为本发明装置主要功能模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于空调负载和区域温度评估的机房空调调控方法，该方法的流程如图1所示，具体包括：
S1：收集机房空调和温感设备的布局信息，实时采集机房空调运行参数数据和温感设备温度数据；
在本发明实施例中，所采集的空调可以为不同品牌或型号，在采集数据期间，人为的有目标的改变和控制指定空调的运行参数，以提升机房空调运行参数组合的多样性，空调运行参数包括但不限于：空调开关机状态、温度设定值、压缩机1/2开关状态、风机转速。
S2：基于空调运行参数数据和温感设备温度数据，分析空调与温感的关联情况，从而将温感设备绑定至合理的空调；
如图2所示，进行绑定的具体操作包括：
S21：依次改变和调节各个空调各项运行参数，以收集空调在不同运行状态下的空调运行参数数据和温感温度数据；
S22：设置机房温感设备数量为M、精密空调数量为N、该机房空调可调节运行参数数量为P，基于S21调控时间段的数据，抽取机房空调设备运行参数调整量和调整后温感温度的变化数据，利用皮尔逊相关性分析法分析温感设备与空调各个运行参数的关联性C，表示第i个温感设备与第j台空调的第k个运行参数的相关性系数，其中，
S23：根据温感设备与空调各个运行参数相关性系数计算温感设备与空调的关联度G，则机房内第i个温感设备与第j台空调的关联度为：
S24：将温感设备与关联度G大于0.5的空调进行绑定，如果温感设备与每台空调的关联度都不超过0.5，则将该温感设备绑定至关联度最高的空调；
S3：根据S2空调与温感设备的绑定关系对机房区域进行划分，把每个空调及其绑定的温感设备所覆盖的范围看作是一个区域，以空调为单位对机房区域进行划分；
S4：根据机房空调运行参数数据对空调运行负载状况进行评估；
如图3所示，评估的具体操作包括：
本实施例中，S41：分别对空调近期各项参数运行情况进行评估，如：
 ；
S42：利用公式对每台空调整体运行负载情况Q进行评估：
S43：根据空调整体负载的评估结果对空调负载情况进行分级，当Q在0-10%内，空调处于空闲状态；当Q在10%-30%内，空调处于低负载状态；当Q在30%-60%内，空调处于中负载状态；当Q在60%-90%内，空调处于高负载状态；当Q在90%-100%内，空调处于满负载状态。
S5：根据区域内温感温度数据对区域整体温度情况进行评估，如图4所示，评估的具体操作步骤包括：
S51：获取近60分钟内机房温感的温度数据，使用DeepAR算法进行建模，预测10分钟后机房各个温感的温度；计算温感当前温度与该温感目标温度的温度差，计算十分钟后温度与该温感目标温度的温度差；若温度差大于0，则温度偏高；若温度差小于0，则温度偏低；
基于区域当前温感平均温度差和最大温度差，以及预测10分钟后，温感平均温度差和最大温度差，加权计算区域整体温度合理度T：
S52：根据区域整体温度合理度T对区域温度合理度进行分级，若，则区域温度处于过冷状态；若，则区域温度处于适宜状态；若，则区域温度处于危险状态；若，则区域温度处于告警状态；
S53：根据近20分钟内温感温度数据，利用时序分解算法分解趋势项，判断各个温感温度变化趋势是上升、平稳或者下降；
S54：如果该区域存在温度在上升的温感，则认为该区域温度处于上升状态；如果该区域不存在温度在上升的温感，且有温感温度变化趋势是平稳，则认为该区域温度处于平稳状态；如果该区域温感温度均在下降，则认为该区域温度处于下降状态；
S6：基于S4空调负载分析结果，以及S5区域整体温度合理度和变化趋势分析结果，依次判断每个区域是否需要进行降温调控、微调节能调控或者关机节能调控；如图5所示，具体操作包括:
S61：降温调控：当区域温度处于告警或者危险状态且呈上升状态时，如果该区域空调近5分钟内处于空闲、低负载或者中负载状态，则通过增加该空调的制冷量进行降温；如果该区域空调近10分钟内处于高负载或者满负载状态，则通过增加相邻区域空调的制冷量进行降温；
S62：微调节能调控：对于未参与降温策略的区域，当区域温度处于适宜且下降状态、过冷且平稳状态或者过冷且下降状态时，如果该区域空调近10分钟内处于高负载或者满负载状态，则通过部分回收该空调不关机状态下的制冷量进行节能；如果该区域空调近10分钟内处于中负载状态，则通过关闭该空调的制冷量进行节能；如果该区域空调近10分钟处于空闲或者低负载状态，则将该空调作为待选关机空调；
S63：关机节能调控：针对S62筛选出待关机空调的区域，从中选择区域整体温度合理度T值最小的区域，将该区域对应的空调关闭。
基于上述方法中的内容，本发明实施例提供了一种基于空调负载和区域温度评估的机房空调调控装置，该装置如图6所示，具体包括：
数据获取模块：用于实时采集机房空调设备运行参数数据和温感设备温度数据；
温感与空调设备绑定模块：用于分析空调与温感设备的关联关系，将温感设备绑定至空调；
机房区域划分模块：用于将每个空调设备及绑定的温感设备所覆盖的范围设置成一个区域，对机房区域进行划分；
空调运行负载评估模块：用于根据机房空调各项运行参数数据统计各项指标运行负载情况评估空调运行负载状况；
区域温度评估模块：用于根据区域内当前各个温感温度与目标温度的差异，预测10分钟后各个温感温度与目标温度的差异，对区域整体温度合理度进行评估；
调控生成模块：用于根据空调运行负载和区域温度评估结果生成相应的降温、微调节能、关机节能调控。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于空调负载和区域温度评估的机房空调调控方法，其特征在于：所述方法包括以下步骤：
S1：收集设备的布局信息，实时采集机房空调运行参数数据和温感设备温度数据；
S2：对采集到的数据进行关联度分析，根据分析结果绑定空调与温感设备；
S3：根据空调与温感设备的绑定关系对机房区域进行划分；
S4：评估空调运行负载状况；
S5：评估区域温度；
S6：根据空调负载状况和区域温度评估结果对空调进行调控；
步骤S4中，所述评估空调运行负载状况的步骤包括：
S41：分别对近期空调各项参数运行状况进行评估：
S42：利用公式对每台空调运行负载Q进行评估：
S43：根据空调整体负载的评估结果对空调负载状况进行分级，当Q在0-10％内，空调处于空闲状态；当Q在10％-30％内，空调处于低负载状态；当Q在30％-60％内，空调处于中负载状态；当Q在60％-90％内，空调处于高负载状态；当Q在90％-100％内，空调处于满负载状态；
步骤S5中，所述评估区域温度的步骤包括：
S51：获取最近60分钟内机房温感温度数据，使用DeepAR算法进行建模，预测10分钟后机房各个温感的温度；计算温感当前温度与该温感目标温度的温度差Δt1，计算十分钟后温度与该温感目标温度的温度差Δt2；
基于区域当前温感平均温度差和最大温度差，以及预测10分钟后，温感平均温度差和最大温度差，加权计算区域整体温度合理度T：
S52：根据区域整体温度合理度T对区域温度合理度进行分级，若T＜-3，则区域温度处于过冷状态；若-3≤T≤-1，则区域温度处于适宜状态；若-1＜T≤0，则区域温度处于危险状态；若0＜T，则区域温度处于告警状态；
S53：根据近20分钟内温感温度数据，利用时序分解算法分解趋势项，判断各个温感温度变化趋势是上升、平稳或者下降；
S54：如果该区域存在温度在上升的温感，则认为该区域温度处于上升状态；如果该区域不存在温度在上升的温感，且有温感温度变化趋势是平稳，则认为该区域温度处于平稳状态；如果该区域温感温度均在下降，则认为该区域温度处于下降状态；
步骤S6中，所述根据空调负载状况和区域温度评估结果对空调进行调控的步骤包括：
S61：降温调控：当区域温度处于告警或者危险状态且呈上升状态时，若该区域空调近5分钟内处于空闲、低负载或者中负载状态，则通过增加该空调的制冷量进行降温；若该区域空调近10分钟内处于高负载或者满负载状态，则通过增加相邻区域空调的制冷量进行降温；
S62：微调节能调控：对未参与降温策略的区域，当区域温度处于适宜且下降状态、过冷且平稳状态或者过冷且下降状态时，如果该区域空调近10分钟内处于高负载或者满负载状态，则通过部分回收该空调不关机状态下的制冷量进行节能；如果该区域空调近10分钟内处于中负载状态，则通过关闭该空调的制冷量进行节能；如果该区域空调近10分钟内处于空闲或者低负载状态，则将该空调作为待选关机空调；
S63：关机节能调控：对步骤S62中筛选出待关机空调的区域，选择区域整体温度合理度T值最小的区域，将该区域对应的空调关闭。
2.根据权利要求1所述的基于空调负载和区域温度评估的机房空调调控方法,其特征在于：步骤S1中，所述布局信息包括机房空调布局和温感设备布局；所述机房空调运行参数数据包括但不限于：空调开关机状态、压缩机1开关状态、压缩机2开关状态、温度设定值、风机转速；所述温感设备温度数据包括每个温感设备对应的目标温度值。
3.根据权利要求1所述的基于空调负载和区域温度评估的机房空调调控方法，其特征在于：步骤S2中，所述绑定空调与温感设备包括以下步骤：
S21：依次改变和调节各个空调运行参数，收集空调在不同运行状态下的机房空调运行参数数据和温感温度数据；
S22：设置机房温感设备数量为M、精密空调设备数量为N、该机房空调可调节运行参数数量为P，根据S21调节时间段的数据，抽取机房空调设备运行参数调整量和调整后温感温度的变化数据，利用皮尔逊相关性分析法分析温感设备与空调各个运行参数的关联性C，
Figure 10000136095151
表示第i个温感设备与第j台空调的第k个运行参数的相关性系数，其中
S23：根据温感设备与空调各个运行参数相关性系数计算温感设备与空调的关联度G，则机房内第i个温感设备与第j台空调的关联度计算公式为：
S24：将温感设备与关联度G大于0.5的空调进行绑定，若温感设备与每台空调的关联度小于0.5，则将该温感设备绑定至关联度最高的空调。
4.根据权利要求1所述的基于空调负载和区域温度评估的机房空调调控方法，其特征在于：步骤S3中，所述根据空调与温感设备的绑定关系对机房区域进行划分的步骤包括：将每个空调设备及其绑定的温感设备所覆盖的范围设置成一个区域，以空调为单位对机房区域进行划分。
5.基于权利要求1所述的基于空调负载和区域温度评估的机房空调调控方法的装置，其特征在于：所述装置包括：
数据获取模块：用于实时采集机房空调设备运行参数数据和温感设备温度数据；温感与空调设备绑定模块：用于分析空调与温感设备的关联关系，将温感设备绑定至空调；
机房区域划分模块：用于将每个空调及绑定的温感设备所覆盖的范围设置成一个区域，对机房区域进行划分；
空调运行负载评估模块：用于根据机房空调各项运行参数数据统计各项指标运行负载情况评估空调运行负载状况；
区域温度评估模块：用于根据区域内当前各个温感温度与目标温度的差异，预测10分钟后各个温感温度与目标温度的差异，对区域整体温度合理度进行评估；调控生成模块：用于根据空调运行负载和区域温度评估结果生成相应的降温、微调节能、关机节能调控。
CN202210810988.2A 2022-07-11 2022-07-11 基于空调负载和区域温度评估的机房空调调控方法及装置 Active CN114923268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210810988.2A CN114923268B (zh) 2022-07-11 2022-07-11 基于空调负载和区域温度评估的机房空调调控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210810988.2A CN114923268B (zh) 2022-07-11 2022-07-11 基于空调负载和区域温度评估的机房空调调控方法及装置

Publications (2)

Publication Number Publication Date
CN114923268A CN114923268A (zh) 2022-08-19
CN114923268B true CN114923268B (zh) 2023-05-12

Family

ID=82816156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210810988.2A Active CN114923268B (zh) 2022-07-11 2022-07-11 基于空调负载和区域温度评估的机房空调调控方法及装置

Country Status (1)

Country Link
CN (1) CN114923268B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115407813B (zh) * 2022-09-01 2023-07-25 国网安徽省电力有限公司经济技术研究院 一种基于分布式空调的全户内模块化变电站节能优化系统
CN116358107B (zh) * 2023-05-10 2023-09-12 南京群顶科技股份有限公司 一种基于预调控的温感空调权重关系计算方法
CN116600553B (zh) * 2023-07-18 2023-09-19 科瑞特空调集团有限公司 一种室内服务器动态降温控制方法及系统
CN117537451B (zh) * 2024-01-03 2024-03-29 深圳市众智空调设备有限公司 一种智能热电空调设备低功耗控制的方法及系统
CN117858479B (zh) * 2024-03-06 2024-05-03 南京群顶科技股份有限公司 一种空调对环境温度影响的权重关系实时更新方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006064283A (ja) * 2004-08-26 2006-03-09 Ntt Power & Building Facilities Inc 空調機監視システム、および空調機監視方法
JP2015183935A (ja) * 2014-03-24 2015-10-22 三菱重工業株式会社 施設制御装置、施設管理方法及びプログラム
CN110348634A (zh) * 2019-07-12 2019-10-18 广东电网有限责任公司 一种基于入户式能量管理系统的空调负荷调度方法
CN113685962A (zh) * 2021-10-26 2021-11-23 南京群顶科技有限公司 一种基于相关性分析的机房温度高效控制方法及其系统
CN114727570A (zh) * 2022-06-09 2022-07-08 南京群顶科技有限公司 一种基于温度变化关系的制冷机组水温调节方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI628425B (zh) * 2016-03-22 2018-07-01 新湧科技股份有限公司 冷凍空調主機之能源效率比值（ｅｅｒ）量測驗證及分析的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006064283A (ja) * 2004-08-26 2006-03-09 Ntt Power & Building Facilities Inc 空調機監視システム、および空調機監視方法
JP2015183935A (ja) * 2014-03-24 2015-10-22 三菱重工業株式会社 施設制御装置、施設管理方法及びプログラム
CN110348634A (zh) * 2019-07-12 2019-10-18 广东电网有限责任公司 一种基于入户式能量管理系统的空调负荷调度方法
CN113685962A (zh) * 2021-10-26 2021-11-23 南京群顶科技有限公司 一种基于相关性分析的机房温度高效控制方法及其系统
CN114727570A (zh) * 2022-06-09 2022-07-08 南京群顶科技有限公司 一种基于温度变化关系的制冷机组水温调节方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵盟 ; 张建蓉 ; .机房空调流体分布建模研究.软件导刊.(第04期),全文. *

Also Published As

Publication number Publication date
CN114923268A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN114923268B (zh) 基于空调负载和区域温度评估的机房空调调控方法及装置
CN110392515B (zh) 一种基于历史数据的冷热源机房节能控制方法及系统
CN101782258A (zh) 空调节能方法
CN110458340B (zh) 基于模式分类的建筑空调冷负荷自回归预测方法
CN101021914A (zh) 暖通空调负荷预测方法和系统
CN101655272A (zh) 一种网络中央空调节能控制管理系统及其方法
CN111306706B (zh) 一种空调联动控制方法及系统
US20090216380A1 (en) Adaptive algorithm for setting the proportional integral (pi) gains in lag-dominated hvacr systems
CN107143981A (zh) 一种中央空调节能控制系统和方法
CN114383299A (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
CN113405223A (zh) 一种基于grnn的冷机台数控制方法及其控制系统
CN107036238A (zh) 动态预测外气与负载智慧节能控制方法
CN113778215A (zh) 基于大数据实现数据中心pue预测以及降耗策略的方法
CN111397934A (zh) 一种地源热泵系统性能检测及优化控制方法、装置
CN114282729A (zh) 一种基于负荷预测的冰蓄冷空调优化调度方法
Ma et al. Test and evaluation of energy saving potentials in a complex building central chilling system using genetic algorithm
CN112781184A (zh) 一种空调系统智能降耗方法和系统
Mahdavi Toward a simulation-assisted dynamic building control strategy
CN111048851A (zh) 电池温度管理系统控制方法、装置、设备及存储介质
Yang et al. Hybrid artificial neural network− genetic algorithm technique for condensing temperature control of air-cooled chillers
CN111664560B (zh) 中央空调主机智慧节能控制方法
CN114811857A (zh) 一种冷站系统运行优化方法
CN114183888A (zh) 一种基于窄带物联网的5g基站空调智能控制系统
CN113865018A (zh) 一种水冷中央空调主机功率调控方法及系统
CN114206071A (zh) 基于双曲线冷却塔的数据中心冷却系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 210019 8th floor, building 1, international R & D headquarters park, Nanjing new town science and Technology Park, 68 Aoti street, Jianye District, Nanjing City, Jiangsu Province

Applicant after: Nanjing Qunding Technology Co.,Ltd.

Address before: 210019 8th floor, building 1, international R & D headquarters park, Nanjing new town science and Technology Park, 68 Aoti street, Jianye District, Nanjing City, Jiangsu Province

Applicant before: NANJING QUNDING TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant