CN114963414A - 基于ai数据分析的空调系统智能调控装置 - Google Patents
基于ai数据分析的空调系统智能调控装置 Download PDFInfo
- Publication number
- CN114963414A CN114963414A CN202210640693.5A CN202210640693A CN114963414A CN 114963414 A CN114963414 A CN 114963414A CN 202210640693 A CN202210640693 A CN 202210640693A CN 114963414 A CN114963414 A CN 114963414A
- Authority
- CN
- China
- Prior art keywords
- temperature
- conditioning system
- water
- air conditioning
- optimization
- 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
- 238000004378 air conditioning Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 87
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 11
- 239000000498 cooling water Substances 0.000 claims description 21
- 238000005265 energy consumption Methods 0.000 claims description 19
- 238000011217 control strategy Methods 0.000 claims description 14
- 238000001816 cooling Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000013486 operation strategy Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims 1
- 238000012549 training Methods 0.000 abstract description 2
- 238000004134 energy conservation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
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
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
-
- 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)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调系统运行技术领域，公开了基于AI数据分析的空调系统智能调控装置，包括优化控制器、温湿度传感器、冷热量积算仪、电力监测仪、云平台和终端显示设备，所述优化控制器和云平台中存储有参数数据库；所述优化控制器用于将机房冷水机组运行过程中产生的实时数据上传至云平台；所述云平台通过同比参数知识库中历史环温、室温、水温以及当前实时数据、计算预测负荷变化走向及流量变化趋势。本发明通过优化控制器对空调各机组工作调参，基于参数数据库以及云平台采集的各类数据，控制器进行优化控制算法训练，直至空调系统运行达到最优状态，使得空调系统用能更加安全，设备运行更加稳定、高效，同时达到节能的目的。
Description
技术领域
本发明涉及空调系统运行技术领域，具体是基于AI数据分析的空调系统智能调控装置。
背景技术
现在的医院通常采用中央空调系统，这些中央空调普遍存在用能浪费的情况，普通的优化控制策略基于PLC手动或自动实现温度调节，无法满足病患及医护人员的舒适度的要求，医院后勤工作人员经常收到此类投诉；因此，迫切需要一种新型优化控制策略用于医院特殊场景中，在不降低用户舒适度的前提下，实现空调系统运行在最优状态，相关设备设施安全实现安全运行、绿色节能的目的。
然而当前的中央空调系统一般采用变流量固定最不利末端压差设定点的控制方法；这个设定点一般是根据设计值取，而设计值是考虑了较大负荷而确定的，在多数的运行时间内，大楼处于部分负荷状态，并不需要较高的压差设定，这就造成了水泵能源浪费，同时也对冷热源的运行能耗产生影响。
发明内容
本发明的目的在于提供基于AI数据分析的空调系统智能调控装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
基于AI数据分析的空调系统智能调控装置，包括优化控制器、温湿度传感器、冷热量积算仪、电力监测仪、云平台和终端显示设备，所述冷热量积算仪用于采集空调系统的水温和水流量；
所述温湿度传感器用于采集环境的温度和湿度；且温湿度传感器部署在室内温度和湿度在敏感的位置
所述电力监测仪用于监测和采集冷却塔运行信息、制冷机组运行信息、末端设备调控响应信息、泵组运行信息、管网信息；
所述优化控制器和云平台中存储有参数数据库；所述优化控制器用于将机房冷水机组运行过程中产生的实时数据上传至云平台；
所述云平台通过同比参数知识库中历史环温、室温、水温以及当前实时数据、计算预测负荷变化走向及流量变化趋势，建立负荷预测模型、末端热力模型、泵组能耗模型、泵组运行特征曲线模型、台数及频率模型和系统水力模型，生成系统用能曲线以及节能运行策略，将节能运行策略指令下达至优化控制器，并通过优化控制器进行调控智慧加减开机台数、修正设定水温，调控水泵运行频率，确保空调系统最低功耗运行；
所述终端显示设备用于进行数据查询和能效分析诊断；
所述节能运行策略包括冷站和锅炉房供水温度控制策略、设备机组运行台数优化策略、水系统压差优化策略以及冷热源群控策略。
作为本发明进一步的方案：所述参数知识库基于物联网、AI算法、大数据分析技术、机器学习技术,并根据线性控制算法、模糊预算算法和自适应优化算法建立；根据算法特性及所需数据量，分别置于优化控制器及云平台中。
作为本发明再进一步的方案：所述线性控制算法的计算公式如下：
当参数知识库相应于任意两种输入和初始状态(u1(t),x01)和(u2(t),x02)时，则参数知识库的状态和输出分别为(x1(t),y1(t))和(x2(t),y2(t))；
当参数知识库相应于输入和初始状态为(C1u1(t)+C2u2(t),C1x01+C2x02)时，则参数知识库的状态和输出必为(C1x1(t)+C2x2(t),C1y1(t)+C2y2(t))；
其中，x表示状态，y表示输出，u表示输入，C1和C2为任意实数。
作为本发明再进一步的方案：所述冷站和锅炉房供水温度控制策略如下：
当冷水量上升时，设备机组根据自身负荷调节的能力增加冷负荷，并结合历史相似情况的空调运行参数，通过优化控制器调取往年历史记录，根据当天温度对比范围，输出最优水温度设定值，自动调整设备机组，并按照最优设定值运行。
作为本发明再进一步的方案：所述设备机组运行台数优化策略如下：
当空调系统末端负荷增加时，冷热量积算仪接收相应的压差变化，首先调节自身的负荷来满足空调系统符合增加的需求；根据最优水温度设定值，并结合历史数据，当单台机组的系统负荷超过设定值时，优化控制器根据监测数据判定当前的工作机组已不能满足供冷需求，并输出需要的机组工作量，结合机组特性曲线，实现机组高效运行，节省能耗。
作为本发明再进一步的方案：所述水系统压差优化策略如下：
监测空调系统中主干管供回水温度，并结合负荷预测结果，结合参数知识库数据，优化控制器输出水泵最优运行频率，对用户侧水泵、深井泵进行优化变频控制，在满足末端供冷需求的同时减小水泵运行频率，降低水泵运行能耗；
在确保冷水机高效率区运行时需要有最低冷却水流量的前提下，根据冷水机组负荷变化，冷却水温度变化情况，控制冷却水泵变频；采用冷却水总管供水温差作为控制参数，空调负荷变化时，冷水机组加载或减载，冷却水供回水温差变化，冷却水泵频率响应变化
作为本发明再进一步的方案：所述冷热源群控策略如下：
考虑空调系统中所有用能设备，从整体上进行节能优化，并设定适宜的供水温度；并根据实际系统用能曲线对设备进行阈值切换设定；并通过多环节组合调参，最终实现整个空调系统运行在最优状态。
与现有技术相比，本发明的有益效果：
本发明通过优化控制器对空调各机组工作调参，达到整体的节能方法，同时对空调系统进行安全运行监测；通过温湿度传感器采集的实时数据上传至优化控制器，再由优化控制器上传至云平台；基于参数数据库以及云平台采集的各类数据，控制器进行优化控制算法训练，直至空调系统运行达到最优状态，使得空调系统用能更加安全，设备运行更加稳定、高效，同时达到节能的目的。
附图说明
图1为基于AI数据分析的空调系统智能调控装置的结构示意图；
图2为基于AI数据分析的空调系统智能调控装置中用能曲线的示意图；
图3为基于AI数据分析的空调系统智能调控装置中模糊预算算法的示意图；
图4为基于AI数据分析的空调系统智能调控装置中自适应优化算法的示意图。
具体实施方式
请参阅图1～4，本发明实施例中，基于AI数据分析的空调系统智能调控装置，包括优化控制器、温湿度传感器、冷热量积算仪、电力监测仪、云平台和终端显示设备，冷热量积算仪用于采集空调系统的水温和水流量；
温湿度传感器用于采集环境的温度和湿度；温湿度传感器部署在室内温度和湿度在敏感的位置
电力监测仪用于监测和采集冷却塔运行信息、制冷机组运行信息、末端设备调控响应信息、泵组运行信息、管网信息；
优化控制器和云平台中存储有参数数据库；优化控制器用于将机房冷水机组运行过程中产生的实时数据上传至云平台；
云平台通过同比参数知识库中历史环温、室温、水温以及当前实时数据、计算预测负荷变化走向及流量变化趋势，建立负荷预测模型、末端热力模型、泵组能耗模型、泵组运行特征曲线模型、台数及频率模型和系统水力模型，生成系统用能曲线以及节能运行策略，将节能运行策略指令下达至优化控制器，并通过优化控制器进行调控智慧加减开机台数、修正设定水温，调控水泵运行频率，确保空调系统最低功耗运行；
终端显示设备用于进行数据查询和能效分析诊断；
节能运行策略包括冷站和锅炉房供水温度控制策略、设备机组运行台数优化策略、水系统压差优化策略以及冷热源群控策略。
优选的，参数知识库基于物联网、AI算法、大数据分析技术、机器学习技术,并根据线性控制算法、模糊预算算法和自适应优化算法建立；根据算法特性及所需数据量，分别置于优化控制器及云平台中；当空调运行时，参照参数知识库以及实际冷热需求量进行优化调节，实现整体空调系统的深度节能，如图3和图4所示。
优选的，线性控制算法的计算公式如下：
当参数知识库相应于任意两种输入和初始状态(u1(t),x01)和(u2(t),x02)时，则参数知识库的状态和输出分别为(x1(t),y1(t))和(x2(t),y2(t))；
当参数知识库相应于输入和初始状态为(C1u1(t)+C2u2(t),C1x01+C2x02)时，则参数知识库的状态和输出必为(C1x1(t)+C2x2(t),C1y1(t)+C2y2(t))；
其中，x表示状态，y表示输出，u表示输入，C1和C2为任意实数。
线性控制是指同时满足叠加性与均匀性（又称为齐次性）的系统；所谓叠加性是指当几个输入信号共同作用于系统时，总的输出等于每个输入单独作用时产生的输出之和；均匀性是指当输入信号增大若干倍时，输出也相应增大同样的倍数。对于线性连续控制系统，可以用线性的微分方程来表示。
优选的，冷站和锅炉房供水温度控制策略如下：
因为随着周围环境温度和湿度的变化，空调末端实际需冷热量也随之变化，当冷水量上升时，设备机组根据自身负荷调节的能力增加冷负荷，并结合历史相似情况（如近三年的当天温度、湿度相似）的空调运行参数（如锁定的出水温度），通过优化控制器调取往年历史记录，根据当天温度对比范围，输出最优水温度设定值，自动调整设备机组，并按照最优设定值运行；
例如：在前三年，某写字楼夏季7～9月份工作日，平均气温28℃～35℃，常规出水温度设置为7℃，进过多次调参（先设置为8℃，汇总各房间供冷情况，如能满足冷量供应需求，继续提升出水温度），空调出水温度为10℃，供冷需求已满足整体写字楼；在第四年，此写字楼进入夏季之后，直接将出水温度设置为10℃，不再按照常规参数设置；如出现功能冷量不足，重新确认机组工作状态是否正常；在不降低舒适度的前提下，夏季供水温度越高机组能耗越低，最大限度减少机组能耗，冬季反之。
优选的，设备机组运行台数优化策略如下：
当空调系统末端负荷增加时，冷热量积算仪接收相应的压差变化，首先调节自身的负荷来满足空调系统符合增加的需求；根据最优水温度设定值，并结合历史数据（如近三年实验过程中，相似条件下，开启的机组数量），当单台机组的系统负荷超过设定值时（如当单台机组的系统负荷超过75%时，具体可按实况调整），优化控制器根据监测数据（即目前的负荷状态）判定当前的工作机组已不能满足供冷需求，并输出需要的机组工作量（即应增加n台工作机组，并同时运行），结合机组特性曲线，实现机组高效运行，节省能耗。
优选的，水系统压差优化策略如下：
监测空调系统中主干管供回水温度，并结合负荷预测结果，结合参数知识库数据，优化控制器输出水泵最优运行频率，对用户侧水泵、深井泵进行优化变频控制，在满足末端供冷需求的同时减小水泵运行频率，降低水泵运行能耗；
在确保冷水机高效率区运行时需要有最低冷却水流量的前提下，根据冷水机组负荷变化，冷却水温度变化情况，控制冷却水泵变频；采用冷却水总管供水温差作为控制参数，空调负荷变化时，冷水机组加载或减载，冷却水供回水温差变化，冷却水泵频率响应变化，按照冷水机组技术要求，冷却水温差一般为5℃，因此按照5℃温差与冷却水供回水温差来控制冷却水泵变频，可以最大限度节能运行。
优选的，冷热源群控策略如下：
考虑空调系统中所有用能设备，从整体上进行节能优化，并设定适宜的供水温度；因为适宜的供水温度至关重要，同一负荷，冷水温度越高，风冷热泵能耗越低，而需求水量大导致水泵能耗越高；冷热源优化选择最适宜的温度设定点，让空调系统整体能耗保持最低，如图2所示；
并根据实际系统用能曲线对设备进行阈值切换设定；如风冷热泵的加减机，传统做法为一台机组负荷接近最大制冷能力时才加机，但是对于变频主机来说，在较大负荷时能效已经下降；如图2所示，当负荷率超过35%时，运行两台机组反而比运行一台要节能，因此，根据每个项目的实际运行曲线制定加减机策略，最大限度的保证设备在最高能效区间内运行；
并通过多环节组合调参，最终实现整个空调系统运行在最优状态；优化控制器不仅实时计算输出各项控制参数，还将这些参数及计算分析过程进行记录，积累空调优化控制知识库；当同一条件下，室温未达到预期效果时，可进行逆向排查，发现问题环节，排除安全隐患，并将全过程进行存档，可作为整个空调系统全生命周期管理的部分数据支撑文件，数据作用最大化。
以上的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.基于AI数据分析的空调系统智能调控装置，包括优化控制器、温湿度传感器、冷热量积算仪、电力监测仪、云平台和终端显示设备，其特征在于，所述冷热量积算仪用于采集空调系统的水温和水流量；
所述温湿度传感器用于采集环境的温度和湿度；且温湿度传感器部署在室内温度和湿度在敏感的位置
所述电力监测仪用于监测和采集冷却塔运行信息、制冷机组运行信息、末端设备调控响应信息、泵组运行信息、管网信息；
所述优化控制器和云平台中存储有参数数据库；所述优化控制器用于将机房冷水机组运行过程中产生的实时数据上传至云平台；
所述云平台通过同比参数知识库中历史环温、室温、水温以及当前实时数据、计算预测负荷变化走向及流量变化趋势，建立负荷预测模型、末端热力模型、泵组能耗模型、泵组运行特征曲线模型、台数及频率模型和系统水力模型，生成系统用能曲线以及节能运行策略，将节能运行策略指令下达至优化控制器，并通过优化控制器进行调控智慧加减开机台数、修正设定水温，调控水泵运行频率，确保空调系统最低功耗运行；
所述终端显示设备用于进行数据查询和能效分析诊断；
所述节能运行策略包括冷站和锅炉房供水温度控制策略、设备机组运行台数优化策略、水系统压差优化策略以及冷热源群控策略。
2.根据权利要求1所述的基于AI数据分析的空调系统智能调控装置，其特征在于，所述参数知识库基于物联网、AI算法、大数据分析技术、机器学习技术,并根据线性控制算法、模糊预算算法和自适应优化算法建立；根据算法特性及所需数据量，分别置于优化控制器及云平台中。
3.根据权利要求1所述的基于AI数据分析的空调系统智能调控装置，其特征在于，所述线性控制算法的计算公式如下：
当参数知识库相应于任意两种输入和初始状态(u1(t),x01)和(u2(t),x02)时，则参数知识库的状态和输出分别为(x1(t),y1(t))和(x2(t),y2(t))；
当参数知识库相应于输入和初始状态为(C1u1(t)+C2u2(t),C1x01+C2x02)时，则参数知识库的状态和输出必为(C1x1(t)+C2x2(t),C1y1(t)+C2y2(t))；
其中，x表示状态，y表示输出，u表示输入，C1和C2为任意实数。
4.根据权利要求1所述的基于AI数据分析的空调系统智能调控装置，其特征在于，所述冷站和锅炉房供水温度控制策略如下：
当冷水量上升时，设备机组根据自身负荷调节的能力增加冷负荷，并结合历史相似情况的空调运行参数，通过优化控制器调取往年历史记录，根据当天温度对比范围，输出最优水温度设定值，自动调整设备机组，并按照最优设定值运行。
5.根据权利要求1所述的基于AI数据分析的空调系统智能调控装置，其特征在于，所述设备机组运行台数优化策略如下：
当空调系统末端负荷增加时，冷热量积算仪接收相应的压差变化，首先调节自身的负荷来满足空调系统符合增加的需求；根据最优水温度设定值，并结合历史数据，当单台机组的系统负荷超过设定值时，优化控制器根据监测数据判定当前的工作机组已不能满足供冷需求，并输出需要的机组工作量，结合机组特性曲线，实现机组高效运行，节省能耗。
6.根据权利要求1所述的基于AI数据分析的空调系统智能调控装置，其特征在于，所述水系统压差优化策略如下：
监测空调系统中主干管供回水温度，并结合负荷预测结果，结合参数知识库数据，优化控制器输出水泵最优运行频率，对用户侧水泵、深井泵进行优化变频控制，在满足末端供冷需求的同时减小水泵运行频率，降低水泵运行能耗；
在确保冷水机高效率区运行时需要有最低冷却水流量的前提下，根据冷水机组负荷变化，冷却水温度变化情况，控制冷却水泵变频；采用冷却水总管供水温差作为控制参数，空调负荷变化时，冷水机组加载或减载，冷却水供回水温差变化，冷却水泵频率响应变化。
7.根据权利要求1所述的基于AI数据分析的空调系统智能调控装置，其特征在于，所述冷热源群控策略如下：
考虑空调系统中所有用能设备，从整体上进行节能优化，并设定适宜的供水温度；并根据实际系统用能曲线对设备进行阈值切换设定；并通过多环节组合调参，最终实现整个空调系统运行在最优状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210640693.5A CN114963414B (zh) | 2022-06-08 | 2022-06-08 | 基于ai数据分析的空调系统智能调控装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210640693.5A CN114963414B (zh) | 2022-06-08 | 2022-06-08 | 基于ai数据分析的空调系统智能调控装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114963414A true CN114963414A (zh) | 2022-08-30 |
| CN114963414B CN114963414B (zh) | 2023-11-24 |
Family
ID=82959130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210640693.5A Active CN114963414B (zh) | 2022-06-08 | 2022-06-08 | 基于ai数据分析的空调系统智能调控装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114963414B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115385554A (zh) * | 2022-09-06 | 2022-11-25 | 河北光兴半导体技术有限公司 | 加料控制系统、加料控制方法及加料系统 |
| CN115623753A (zh) * | 2022-10-27 | 2023-01-17 | 南京群顶科技股份有限公司 | 一种基于动态时间表的水冷节能定时调控方法 |
| CN115962546A (zh) * | 2022-12-07 | 2023-04-14 | 南京天溯自动化控制系统有限公司 | 基于布谷鸟算法和多系统联动的中央空调机组综合管控方法、装置和系统 |
| CN116406137A (zh) * | 2023-04-23 | 2023-07-07 | 南京群顶科技股份有限公司 | 一种基于温感变化的压差自适应调整方法、系统及设备 |
| CN117146382A (zh) * | 2023-10-31 | 2023-12-01 | 西华大学 | 一种智能化调适系统优化方法 |
| CN117519054A (zh) * | 2023-12-11 | 2024-02-06 | 广州智业节能科技有限公司 | 一种高效冷站控制系统 |
| CN118019294A (zh) * | 2024-02-19 | 2024-05-10 | 上海金榜智能科技有限公司 | 一种风冷空调型机房节能控制方法及系统 |
| CN118224714A (zh) * | 2024-03-29 | 2024-06-21 | 广州崇实自动控制科技有限公司 | 数字化平台空调压差控制方法、装置、设备及存储介质 |
| CN118376029A (zh) * | 2024-06-21 | 2024-07-23 | 济南大森制冷工程有限公司 | 一种采用ai算法的制冷系统节能方法 |
| CN118423810A (zh) * | 2024-07-02 | 2024-08-02 | 广州崇实自动控制科技有限公司 | 空调能耗优化方法、装置、设备、存储介质及程序产品 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102135311A (zh) * | 2011-04-06 | 2011-07-27 | 华南理工大学 | 一种中央空调系统整体优化控制装置 |
| CN105135636A (zh) * | 2015-09-12 | 2015-12-09 | 褚如圣 | 中央空调变流量优化系统 |
| CN110425685A (zh) * | 2019-08-16 | 2019-11-08 | 珠海格力电器股份有限公司 | 空调系统控制方法、装置及空调系统 |
| CN110440396A (zh) * | 2019-07-11 | 2019-11-12 | 雄安达实智慧科技有限公司 | 云边端协同的中央空调全局优化节能控制方法和系统 |
| US20210123625A1 (en) * | 2018-11-29 | 2021-04-29 | Tianjin University | Low-cost commissioning method for the air-conditioning systems in existing large public buildings |
-
2022
- 2022-06-08 CN CN202210640693.5A patent/CN114963414B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102135311A (zh) * | 2011-04-06 | 2011-07-27 | 华南理工大学 | 一种中央空调系统整体优化控制装置 |
| CN105135636A (zh) * | 2015-09-12 | 2015-12-09 | 褚如圣 | 中央空调变流量优化系统 |
| US20210123625A1 (en) * | 2018-11-29 | 2021-04-29 | Tianjin University | Low-cost commissioning method for the air-conditioning systems in existing large public buildings |
| CN110440396A (zh) * | 2019-07-11 | 2019-11-12 | 雄安达实智慧科技有限公司 | 云边端协同的中央空调全局优化节能控制方法和系统 |
| CN110425685A (zh) * | 2019-08-16 | 2019-11-08 | 珠海格力电器股份有限公司 | 空调系统控制方法、装置及空调系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115385554A (zh) * | 2022-09-06 | 2022-11-25 | 河北光兴半导体技术有限公司 | 加料控制系统、加料控制方法及加料系统 |
| CN115623753A (zh) * | 2022-10-27 | 2023-01-17 | 南京群顶科技股份有限公司 | 一种基于动态时间表的水冷节能定时调控方法 |
| CN115623753B (zh) * | 2022-10-27 | 2024-03-15 | 南京群顶科技股份有限公司 | 一种基于动态时间表的水冷节能定时调控方法 |
| CN115962546A (zh) * | 2022-12-07 | 2023-04-14 | 南京天溯自动化控制系统有限公司 | 基于布谷鸟算法和多系统联动的中央空调机组综合管控方法、装置和系统 |
| CN116406137A (zh) * | 2023-04-23 | 2023-07-07 | 南京群顶科技股份有限公司 | 一种基于温感变化的压差自适应调整方法、系统及设备 |
| CN116406137B (zh) * | 2023-04-23 | 2023-10-13 | 南京群顶科技股份有限公司 | 一种基于温感变化的压差自适应调整方法、系统及设备 |
| CN117146382B (zh) * | 2023-10-31 | 2024-01-19 | 西华大学 | 一种智能化调适系统优化方法 |
| CN117146382A (zh) * | 2023-10-31 | 2023-12-01 | 西华大学 | 一种智能化调适系统优化方法 |
| CN117519054A (zh) * | 2023-12-11 | 2024-02-06 | 广州智业节能科技有限公司 | 一种高效冷站控制系统 |
| CN117519054B (zh) * | 2023-12-11 | 2024-06-11 | 广州智业节能科技有限公司 | 一种高效冷站控制系统 |
| CN118019294A (zh) * | 2024-02-19 | 2024-05-10 | 上海金榜智能科技有限公司 | 一种风冷空调型机房节能控制方法及系统 |
| CN118224714A (zh) * | 2024-03-29 | 2024-06-21 | 广州崇实自动控制科技有限公司 | 数字化平台空调压差控制方法、装置、设备及存储介质 |
| CN118376029A (zh) * | 2024-06-21 | 2024-07-23 | 济南大森制冷工程有限公司 | 一种采用ai算法的制冷系统节能方法 |
| CN118423810A (zh) * | 2024-07-02 | 2024-08-02 | 广州崇实自动控制科技有限公司 | 空调能耗优化方法、装置、设备、存储介质及程序产品 |
| CN118423810B (zh) * | 2024-07-02 | 2024-09-13 | 广州崇实自动控制科技有限公司 | 空调能耗优化方法、装置、设备、存储介质及程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114963414B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114963414B (zh) | 基于ai数据分析的空调系统智能调控装置 | |
| CN102721156B (zh) | 中央空调自寻优智能模糊控制装置及其控制方法 | |
| 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 | |
| CN202734154U (zh) | 中央空调自寻优智能模糊控制装置 | |
| CN101968651B (zh) | 基于无线模式的建筑节能监控系统 | |
| CN109059195B (zh) | 用于削减电网负荷峰值的中央空调的控制方法及控制系统 | |
| CN104134100A (zh) | 一种基于云计算的节能管理系统 | |
| CN101655272A (zh) | 一种网络中央空调节能控制管理系统及其方法 | |
| CN102135311A (zh) | 一种中央空调系统整体优化控制装置 | |
| CN205807750U (zh) | 冷机群控节能控制系统及空调设备 | |
| CN212320021U (zh) | 一种模块化冷热水空调机组智能联控系统 | |
| 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 | |
| CN114396714B (zh) | 一种系统启动台数自动控制运行系统和方法 | |
| CN110848895B (zh) | 一种非工空调柔性负荷控制方法和系统 | |
| CN212132815U (zh) | 一种智能冷站控制系统 | |
| CN111649464B (zh) | 智能制冷系统的控制方法、系统、服务器以及计算机存储介质 | |
| CN212720195U (zh) | 一种基于系统整体能效比cop最佳的冷却水系统控制装置 | |
| CN114264045A (zh) | 一种中央空调的能效调控系统及方法 | |
| TW201027014A (en) | Method for managing air conditioning power consumption | |
| CN117930659A (zh) | 一种高效机房全局寻优控制方法 | |
| CN111678248B (zh) | 空调设备的运行控制方法、空调设备和存储介质 | |
| CN106249598B (zh) | 一种基于多代理的工业大用户能效优化控制方法 | |
| CN116792882A (zh) | 一种空调远程智能控制管理系统 | |
| 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 | |
| CN115540216A (zh) | 一种分体式空调的基于因果推理集群调度实现节能的方法 |
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 |