CN115018305A - 一种冷库调度方法、系统及计算机可读存储介质 - Google Patents

一种冷库调度方法、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN115018305A
CN115018305A CN202210605827.XA CN202210605827A CN115018305A CN 115018305 A CN115018305 A CN 115018305A CN 202210605827 A CN202210605827 A CN 202210605827A CN 115018305 A CN115018305 A CN 115018305A
Authority
CN
China
Prior art keywords
refrigeration house
temperature
energy consumption
electricity price
refrigeration
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
Application number
CN202210605827.XA
Other languages
English (en)
Inventor
杨朋
王秋森
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.)
Shenzhen International Graduate School of Tsinghua University
Original Assignee
Shenzhen International Graduate School of Tsinghua University
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 Shenzhen International Graduate School of Tsinghua University filed Critical Shenzhen International Graduate School of Tsinghua University
Priority to CN202210605827.XA priority Critical patent/CN115018305A/zh
Publication of CN115018305A publication Critical patent/CN115018305A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D13/00—Stationary devices, e.g. cold-rooms
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D17/00—Arrangements for circulating cooling fluids; Arrangements for circulating gas, e.g. air, within refrigerated spaces
    • F25D17/04—Arrangements for circulating cooling fluids; Arrangements for circulating gas, e.g. air, within refrigerated spaces for circulating air, e.g. by convection
    • F25D17/06—Arrangements for circulating cooling fluids; Arrangements for circulating gas, e.g. air, within refrigerated spaces for circulating air, e.g. by convection by forced circulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D29/00—Arrangement or mounting of control or safety devices
    • F25D29/005—Mounting of control devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Devices That Are Associated With Refrigeration Equipment (AREA)

Abstract

本发明提供一种冷库调度方法、系统及计算机可读存储介质，方法包括：确定冷库运行时的能耗来源与所述能耗来源的计算方式；将基于差异性电价的所述冷库运行周期分为高电价稳态与高电价非稳态、低电价稳态与低电价非稳态四个阶段，并确定每个阶段下冷库运行能耗的数学模型，所述冷库运行能耗数学模型的决策变量为所述冷库的设定温度，参数变量为环境温度；基于所述冷库运行能耗的数学模型调度所述冷库的运行。通过差异性电价模型将冷库的运行周期分为四个阶段，并确定冷库运行能耗的数学模型，能够对基于差异性电价的高耗能冷库系统的运作进行节能调度优化，从而提升节能水平，降低运营成本。

Description

一种冷库调度方法、系统及计算机可读存储介质
技术领域
本发明涉及冷库调度技术领域，尤其涉及一种冷库调度方法、系统及计算机可读存储介质。
背景技术
我国现保有的冷库存在着内部设计结构不合理、运行模式单一且与差异性电价模型不匹配等诸多问题。与此同时，我国冷库自动化运行水平较低，与发达国家冷库的自动化水平相比相距甚远。目前我国大多数冷库的货物进出仍然使用人力搬运，消耗大量的人力物力资源，并且对能耗的控制水平也不甚理想。国外冷库的货物进出通常使用计算机实时控制，采用较为先进的仓储管理系统对冷库货物的进出、使用与能耗进行了有效控制，节约了大量人力物力资源。我国大多数小型冷库的建造过程中未将能耗成本的水平考虑其中，导致冷库运行成本过高，整个冷链运输收益受损。关注以上问题均为坚持我国冷库行业的可持续健康发展观念，冷库是我国的耗能大户每年耗电量约150亿千瓦时，据悉制冷系统耗电量占据我国每年耗电总量的15％。如何降低冷库行业的能耗成为一个急需解决的问题。
破解这一降低冷库能耗难题的思路有两点：一是合理规划冷库内的设施布局。优化冷风机安装位置、货架以及货物摆放位置等一系列冷库内部设施位置，使冷库内达到货物储藏温度的冷风机工况参数为节能效果较优的运行水平；二是针对目前我国各个城市特有的差异性电价模型，将冷库运行的调节与所在城市的差异性电价模型相对应，通过优化冷库运行调度模型，提高冷库运行时的节能水平与降本水平。目前针对冷库内部设施布局优化的研究工作开展较多，各种类型和各个不同大小的冷库研究均有涵盖，但针对差异性电价而优化冷库运行调度模型的研究却较少出现。
现有技术中缺乏一种基于差异性电价的冷库节能优化调度方法。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明为了解决现有的问题，提供一种冷库调度方法、系统及计算机可读存储介质。
为了解决上述问题，本发明采用的技术方案如下所述：
一种冷库调度方法，包括如下步骤：S1：确定冷库运行时的能耗来源与所述能耗来源的计算方式；S2：将基于差异性电价的所述冷库运行周期分为高电价稳态与高电价非稳态、低电价稳态与低电价非稳态四个阶段，并确定每个阶段下冷库运行能耗的数学模型，所述冷库运行能耗数学模型的决策变量为所述冷库的设定温度，参数变量为环境温度；S3：基于所述冷库运行能耗的数学模型调度所述冷库的运行。
优选地，所述冷库运行时的能耗用于承担所述冷库内的冷负荷Qload，包括：当外界温度高于所述冷库内温度时，外界通过所述冷库内的围护结构向所述冷库内传导热量Qwall；当货物进出所述冷库时，外界通过冷库门的开关，热压渗风进入所述冷库内并传导热量Qdoor。
优选地，基于如下假设：所述冷库内为封闭的自然空间对流换热且库内空气均为不可压缩气体，气体变化过程中它的密度基本保持不变且符合布辛涅司克假设；忽略所述冷库内货架及管道等对气流流动的影响；所述冷库预冷过程中冷库内空气为非稳态流动且库外温度基本保持稳定，将外界通过所述冷库围护结构传导的热量在所述冷库运行过程中分为稳态与非稳态两个状态；所述非稳态状态的模型通过如下得到：假定所述冷库在某初始温度Tini开始过度蓄冷，并设定温度为Tc<Tini，冷风机制冷功率为W,为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，所述冷库内温度变化几乎为0，寻找能耗关系式如下：
W dt＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
其中，cp是空气在该库内温度下的比热容，cv是冷库内货物的平均比热容，mp是冷库内空气的质量，mv是冷库内货物的质量，A是冷库四周保温材料的换热面积与保温材料厚度的比值，λ是冷库围护材料的导热系数，T0是冷库运行时冷库外部的环境温度，Q0是其他设备运行或取用货物的冷负荷在该时间段内的平均功率；
移项积分得到：
Figure BDA0003670510340000031
其中，Tc是冷风机过度蓄冷的设定温度，Tini是冷库开始一个新的运行周期的初始温度，所述稳态状态为所述冷库内冷风机始终用同一设定温度运行，所述冷库内温度保持不变，室内外温差也保持不变，将此稳态模型简化为稳态的热传导模型加以求解，具体地：所述冷库的保温结构包括固定材料和所述固定材料之间的保温材料，传热系数应为三层材料串联后的传热系数，所述保温结构的保温系数近似等于所述保温材料的换热系数，其换热方程如下：
Qwall＝λA(T0-TC)。
优选地，确定每个阶段运行时冷库运行能耗的数学模型，包括如下步骤：获取所述冷库所在城市的电价模型；基于所述电价模型分别求得每个所述阶段的所述冷库运行能耗，并整合得到所述冷库运行周期的能耗数学模型。
优选地，在所述低电价非稳态阶段：假定所述冷库在某初始温度Tini开始过度蓄冷，并设定温度为Tc<Tini，低电价非稳态下冷风机制冷功率为W11,为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，所述冷库内温度变化几乎为0，寻找能耗关系式如下：
W11dt＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
移项积分得到：
Figure BDA0003670510340000032
根据上述积分式可以得到所述低电价非稳态过程中，冷库运行时间t11，而低电价下总时间为t1，那么两者之差得到低电价稳态下冷库运行时间t12；
同时由于调低设定温度后，冷风机总体功率为额定功率，此时得到：
W11＝EERW0
其中，W0是冷风机运行的额定功率；EER是冷风机额定功率下的能效比；
在所述低电价稳态阶段：
W12＝λA(T0-TC)+Q0。
优选地，对于所述高电价非稳态阶段：假定所述冷库在达到设定温度为Tc<Tini后进入高电价阶段，高电价非稳态下冷风机不工作，所以其制冷功率为0，为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，冷库内温度变化几乎为0，寻找能耗关系式如下：
0＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
移项积分得到：
Figure BDA0003670510340000041
根据上述积分式可以得到高电价非稳态过程中，系统运行时间t21，而高电价下总时间为t2，那么两者之差得到高电价稳态下系统运行时间t22；
对于所述高电价稳态阶段：冷库内冷风机始终用同一设定温度运行，冷库内温度基本保持不变，室内外温差也基本保持不变，可将此稳态模型简化为稳态的热传导模型加以求解：
W22＝λA(T0-Tini)+Q0。
优选地，所述冷库在低电价运行时过度蓄冷，并在高电价运行时降低能耗，并且必定经历上述四个阶段才可完成一个周期的运行，所以所述冷库单周期的能耗目标函数如下：
min(power)＝(t11W11+t12W12)+(t22W22)
加入差异性电价模型，得到单周期的能耗成本目标函数如下：
min(price)＝price1(t11W11+t12W12)+price2(t22W22)
进一步的，得到如下函数的表达式：
Figure BDA0003670510340000051
Figure BDA0003670510340000052
通过上述价格目标函数的最终表达式可以看到，当所述冷库具体使用参数确定后，所述价格目标函数的变量为冷库设定温度Tc与库外环境温度T0。
优选地，基于所述冷库运行能耗的数学模型调度所述冷库的运行包括如下步骤：S31：获取所述冷库所在城市的环境温度，基于所述环境温度和所述冷库运行具体参数的读取，对冷库周期能耗数学函数模型进行求解，得到决策变量对应的设定温度；S32：基于所述冷库运行的设定温度值调节所述冷库并求解所述冷库运作模式优化后的节能水平。
本发明还提高一种冷库调度方法系统，包括处理器和用于存储计算机程序的存储介质；其中，处理器用于执行所述计算机程序时至少执行如上任一所述的方法。
本发明再提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
本发明的有益效果为：提供一种冷库调度方法、系统及计算机可读存储介质，通过差异性电价模型将冷库的运行周期分为四个阶段，并确定冷库运行能耗的数学模型，能够对基于差异性电价的高耗能冷库系统的运作进行节能调度优化，从而提升节能水平，降低运营成本。
附图说明
图1是本发明实施例中一种冷库调度方法的示意图。
图2是本发明实施例中冷库内部冷负荷来源示意图。
图3是本发明实施例中冷库内部冷负荷占比示意图。
图4是本发明实施例中冷库保温结构示意图。
图5是本发明实施例中确定每个阶段下冷库运行能耗数学模型的方法示意图。
图6是本发明实施例中冷库运行周期内的状态变化图。
图7是本发明实施例中基于所述冷库运行能耗的数学模型调度所述冷库运行的方法示意图。
图8是本发明实施例中基于差异性电价的冷库运作调度流程图。
图9是本发明实施例中哈尔滨、深圳和上海三座城市的冷库月设置温度对比图。
图10是本发明实施例中哈尔滨冷库优化后月能耗与原有月能耗对比图。
图11是本发明实施例中哈尔滨、深圳和上海冷库优化后年能耗与原有年能耗对比图。
图12是本发明实施例中哈尔滨、深圳和上海冷库优化后年能耗与原有年能耗成本对比图。
具体实施方式
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接既可以是用于固定作用也可以是用于电路连通作用。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
如图1所示，本发明提供一种冷库调度方法，包括如下步骤：
S1：确定冷库运行时的能耗来源与所述能耗来源的计算方式；
S2：将基于差异性电价的所述冷库运行周期分为高电价稳态与高电价非稳态、低电价稳态与低电价非稳态四个阶段，并确定每个阶段下冷库运行能耗的数学模型，所述冷库运行能耗数学模型的决策变量为所述冷库的设定温度，参数变量为环境温度；
S3：基于所述冷库运行能耗的数学模型调度所述冷库的运行。
本发明通过差异性电价模型将冷库的运行周期分为四个阶段，并确定冷库运行能耗的数学模型，能够对基于差异性电价的高耗能冷库系统的运作进行节能调度优化，从而提升节能水平，降低运营成本。
如下对本发明的内容进行详细说明。
在步骤S1中，确定冷库运行时的能耗来源与所述能耗来源的计算方式，具体如下所述。
如图2所示，在本发明的一种实施例中，冷库制冷系统80％以上的能耗用于承担冷库内的冷负荷，其中冷库内冷负荷Qload主要来源有以下几种：
1)外界温度通常高于冷库内温度，外界通过冷库内的围护结构(库顶、围墙与地面)向冷库内传导热量Qwall；
2)货物进出冷库时，外界通过冷库门的开关，热压渗风进入冷库内并传导热量Qdoor；
3)货物进入冷库后，由于自身温度较高，会向冷库散发热量Qretr；
4)冷库内的照明设备以及其它自动化设备运行时的发热量Qelec。
如图3所示，冷库内不同来源的冷负荷大小差异较大，冷库运行时冷负荷来源占比的85％为上述1)与2)，因此将针对上述冷负荷的主要来源进行核算。为了方便描述，如下先提供表1对能耗计算使用的符号以及意义说明。
表1冷库能耗模型的符号表
Figure BDA0003670510340000081
如上冷库内冷负荷Qload第1)种来源：围护结构向冷库传导热量的分析计算如下：
为研究建模选择合理的数学模型现需要做出以下系列的假设：
所述冷库内为封闭的自然空间对流换热且库内空气均为不可压缩气体，气体变化过程中它的密度基本保持不变且符合布辛涅司克假设；
忽略所述冷库内货架及管道等对气流流动的影响；
所述冷库预冷过程中冷库内空气为非稳态流动且库外温度基本保持稳定。
由上可知，外界通过冷库内的围护结构散热的冷负荷在冷库运行的过程中会经历稳态与非稳态两个状态。
非稳态状态为冷库内冷风机进行预冷或者冷风机设定温度发生变化时，此时冷库内温度在不断地连续变化，导致库内外温差也在连续不断地发生变化，此时可采用针对极短时间内的温度变化情况建立微分方程的方法寻求该冷负荷随时间的变化函数来求解。
稳态状态为冷库内冷风机始终用同一设定温度运行，冷库内温度基本保持不变，室内外温差也基本保持不变，可将此稳态模型简化为稳态的热传导模型加以求解。
所述非稳态状态的模型通过如下得到：
假定所述冷库在某初始温度Tini开始过度蓄冷，并设定温度为Tc<Tini，冷风机制冷功率为W,为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，所述冷库内温度变化几乎为0，寻找能耗关系式如下：
W dt＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
其中，cp是空气在该库内温度下的比热容，cv是冷库内货物的平均比热容，mp是冷库内空气的质量，mv是冷库内货物的质量，A是冷库四周保温材料的换热面积与保温材料厚度的比值，λ是冷库围护材料的导热系数，T0是冷库运行时冷库外部的环境温度，Q0是其他设备运行或取用货物的冷负荷在该时间段内的平均功率；
移项积分得到：
Figure BDA0003670510340000101
其中，Tc是冷风机过度蓄冷的设定温度，Tini是冷库开始一个新的运行周期的初始温度。
根据上述积分式可以得到非稳态过程中，系统运行时间以及进而可以找到冷库内温度T随时间变化的函数关系式。
所述稳态状态为所述冷库内冷风机始终用同一设定温度运行，所述冷库内温度保持不变，室内外温差也保持不变，将此稳态模型简化为稳态的热传导模型加以求解。
如图4所示，冷库保温材料的结构包括固定材料1和所述固定材料1之间的保温材料2，该稳态模型视为热传导模型，其传热系数应为三层材料串联后的传热系数，但由于固定材料一般选用质地坚硬但保温效果较差的材料，且厚度较薄，所以该复合材料的保温系数可以近似等于固定材料中间的保温材料的换热系数。其换热方程如下：
Qwall＝λA(T0-TC)
由上可知，冷库运行周期内的稳态、非稳态过程中围护结构向冷库内散热功率大小总是与冷库设定温度、保温材料选取以及库外温度差等因素息息相关。
如上冷库内冷负荷Qload第2)种来源：货物进出冷库时热渗风导致的能耗损失计算如下：
对于货物进出冷库时，外界通过冷库门的开关，热压渗风进入冷库内并传导的热量的研究通常采用模型仿真、经验公式与实验测量相结合的研究方式实现。
为得到仿真模型结果以及经验公式的输入参数，需要对冷库开关门时的状态情况进行仿真，此处依据实际工况设计边界条件如下：
(1)入口边界：采用速度入口边界，入口风速9.3m/s，入口温度依据设定值-18℃出风。方程中难以确定湍流动能和动能耗散率的确切值，因此采用湍流强度和特性尺寸来定义湍流，湍流强度设为5％，水力直径0.4m。
(2)出口边界：由于回风口的风速和压力未知，采用自由出口边界。
(3)壁面：风机壁面材料是钢材选择steel，冷库壁面材料是聚氨酯泡沫塑料板，因此选择自定义材料属性设置密度热传导系数等参数。冷库壁面采用第一类边界条件，温度初始值设置为26℃。库门壁面处存在一定泄漏有冷热交换设置为对流换热壁面条件热流密度1.27W/m2壁厚为0.1m。
根据上述仿真结果，可获得CFD仿真结果的渗透率，并将气流温度、速度等参数输入经验公式，得到结果比对为如下表2所示。
表2冷库渗风能耗对比表
Figure BDA0003670510340000111
在步骤S2中，先确定每个阶段下冷库运行能耗的数学模型，所述冷库运行能耗数学模型的决策变量为所述冷库的设定温度，参数变量为环境温度，具体如下所述。
如图5所示，在本发明的一种实施例中，确定每个阶段运行时冷库运行能耗的数学模型，包括如下步骤：
获取所述冷库所在城市的电价模型；
基于所述电价模型分别求得每个所述阶段的所述冷库运行能耗，并整合得到所述冷库运行周期的能耗数学模型。
深圳市谷时电价为峰时电价的四分之一，所以高能耗冷库在谷时电价运行时过度蓄冷，并在峰时电价运行时降低能耗，此运行调度模式可减少冷库运行的整体能耗成本，并且由于谷时电价通常对应每天气温较低的时间段，此时过度蓄冷导致的能量也可以大大减少。由仿真结果可知，冷库预冷时间通常在40-45min之间，而调低设定温度的蓄冷时间会比该时间段更短，而工业用电的峰谷时间段通常长于120min，所以冷库在低电价时过度蓄冷，高电价时减少能耗，必定会经历低电价时的稳态与非稳态阶段与高电价时的稳态与非稳态阶段，如图6所示。
基于所述电价模型分别求得每个所述阶段的所述冷库运行能耗，并整合得到所述冷库运行周期的能耗数学模型如下：
在所述低电价非稳态阶段：
假定所述冷库在某初始温度Tini开始过度蓄冷，并设定温度为Tc<Tini，低电价非稳态下冷风机制冷功率为W11,为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，所述冷库内温度变化几乎为0，寻找能耗关系式如下：
W11dt＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
其中，Q0表示其他冷负荷在该时间段内的平均功率(照明设备，取用货物等)，可采用仿真以及经验公式方法求得。移项积分得到：
Figure BDA0003670510340000131
根据上述积分式可以得到所述低电价非稳态过程中，冷库运行时间t11，而低电价下总时间为t1，那么两者之差得到低电价稳态下冷库运行时间t12；
同时由于调低设定温度后，冷风机总体功率为额定功率，此时得到：
W11＝EERW0
其中，W0是冷风机运行的额定功率；EER是冷风机额定功率下的能效比；
在所述低电价稳态阶段：
W12＝λA(T0-TC)+Q0
对于所述高电价非稳态阶段：
假定所述冷库在达到设定温度为Tc<Tini后进入高电价阶段，高电价非稳态下冷风机不工作，所以其制冷功率为0，为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，冷库内温度变化几乎为0，寻找能耗关系式如下：
0＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
移项积分得到：
Figure BDA0003670510340000132
根据上述积分式可以得到高电价非稳态过程中，系统运行时间t21，而高电价下总时间为t2，那么两者之差得到高电价稳态下系统运行时间t22；
对于所述高电价稳态阶段：
冷库内冷风机始终用同一设定温度运行，冷库内温度基本保持不变，室内外温差也基本保持不变，可将此稳态模型简化为稳态的热传导模型加以求解：
W22＝λA(T0-Tini)+Q0
所述冷库在低电价运行时过度蓄冷，并在高电价运行时降低能耗，并且必定经历上述四个阶段才可完成一个周期的运行，所以所述冷库单周期的能耗目标函数如下：
min(power)＝(t11W11+t12W12)+(t22W22)
加入差异性电价模型，得到单周期的能耗成本目标函数如下：
min(price)＝price1(t11W11+t12W12)+price2(t22W22)
联立上述四个阶段的方程式，得到如下函数表达式方程式，得到如下函数表达式：
Figure BDA0003670510340000141
Figure BDA0003670510340000142
通过上述价格目标函数的最终表达式可以看到，当所述冷库具体使用参数(冷库结构、保温材料的选取、货物存放频率、冷风机具体参数等)确定后，所述价格目标函数的变量为冷库设定温度Tc与库外环境温度T0。应当注意的是，该设定温度的选取不应超过冷风机的最低设定温度，同时也应保持冷库内风速与湿度在适当的范围内，以保证冷冻食物的储存条件得到满足。
在步骤S3中，基于所述冷库运行能耗的数学模型调度所述冷库的运行具体如下所述。
如图7所示，在本发明的一种实施例中，基于所述冷库运行能耗的数学模型调度所述冷库的运行包括如下步骤：
S31：获取所述冷库所在城市的环境温度，基于所述环境温度和所述冷库运行具体参数的读取，对冷库周期能耗数学函数模型进行求解，得到决策变量对应的设定温度；
S32：基于所述冷库运行的设定温度值调节所述冷库并求解所述冷库运作模式优化后的节能水平。
基于上述冷库能耗模型的数学函数表达式，可确定冷库具体运行参数(冷库结构、保温材料的选取、货物存放频率、冷风机具体参数等)与库外环境温度T0确定后，该目标函数的变量为冷库设定温度Tc。可根据冷库随差异性电价的变化进行周期性调节设定温度的特性，得到以下冷库运作流程图，具体如图8所示。
继续如图8所示，对冷库运行调度流程开始时，应如图8设置冷库运行的初始温度Tini，此初始温度的设定保证冷库以额定功率从空库常温状态迅速下降到贮存货物的制冷状态，从而确保冷库内温度在调节过程中，始终保持在货物贮藏所需的保存温度以下。
对冷库输入具体运行参数(冷库结构、保温材料的选取、货物存放频率、冷风机具体参数等)与此刻库外的环境温度T0，上述冷库具体参数和环境温度参数影响冷库的能耗成本水平函数，从而影响对冷库的运行调度，此环境温度应实时读取，提高对模型的精细化调节。
输入冷库设定温度Tc，该设定温度来源于对冷库周期能耗数学模型的求解，当冷库具体运行参数和环境温度参数确定后，此设定温度也可随之确定，可见，设定温度也会随环境温度变化而发生实时变化。
对冷库的库内温度与设定温度进行实时判定，当冷库库内温度低于设定温度时，冷库的制冷系统停止工作；当冷库库内温度高于设定温度时，冷库的制冷系统此时进行电价判定是否需要过度蓄冷。
此电价判定的电价模型来源于冷库所在城市的峰谷平时电价模型。若此时为低电价时间段，制冷系统判定为此时间段冷库进行过度蓄冷，过度蓄冷结束的标志是冷库库内温度达到设定温度，此时冷库保持此设定温度直到进入高电价时间段。所此时为高电价时间段，冷库只需保持库内温度在货物贮藏温度以下即可，若此时冷库内温度明显低于此温度，冷库制冷系统即刻停止工作。
由于冷库调节具有一定的滞后性，所以选取实时读取冷库运行具体参数以及冷库库外环境温度参数的时间间隔不应过大，过大会导致冷库调节滞后性从而使冷库部分时间段的温度高于货物贮藏温度，从而导致对贮藏货物的品质产生影响。此处冷库数值的读取采用每一分钟进行一次读取的方法，所以以天为周期，M数值最大为1440，也可根据不同冷库的具体特性改变其数值的选取。
由于哈尔滨城市位于中国北方，昼夜温差较大，而本模型中昼夜温差作为重要变量会对计算结果产生较大影响。所以选取位于中国北方的哈尔滨、中国东部的上海和中国南部的深圳三座城市作为比较对象。
如图9所示，根据本发明的方法，将哈尔滨、深圳和上海三座城市的全年月平均昼夜温差输入三座城市的能耗成本模型，求解三座城市2018年每月的最佳设定温度。
如图10所示，采用按月调节设定温度的运行模式进行能耗优化，将该最佳设定温度模型输入哈尔滨能耗函数模型与能耗成本模型，得到2018年哈尔滨月平均能耗的前后对比图。
如图11和图12所示，采用按季度调节设定温度的运行模式进行能耗优化，将三个城市的最佳设定温度模型输入三个城市的能耗函数模型与能耗成本函数模型，得到基于差异性电价的过度蓄冷模型下，三座城市冷库能耗和能耗成本与原有策略能耗和能耗成本的比对。
进一步，如表3所示，是哈尔滨、上海和深圳的全年能耗分析。
表3哈尔滨、上海和深圳的全年能耗分析
Figure BDA0003670510340000161
本申请实施例还提供一种控制装置，包括处理器和用于存储计算机程序的存储介质；其中，处理器用于执行所述计算机程序时至少执行如上所述的方法。
本申请实施例还提供一种存储介质，用于存储计算机程序，该计算机程序被执行时至少执行如上所述的方法。
本申请实施例还提供一种处理器，所述处理器执行计算机程序，至少执行如上所述的方法。
所述存储介质可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，FerromagneticRandomAccess Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，RandomAccess Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static RandomAccess Memory)、同步静态随机存取存储器(SSRAM，Synchronous StaticRandom Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic RandomAccess Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous DynamicRandom Access Memory)、增强型同步动态随机存取存储器(ESDRAMEnhanced SynchronousDynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，Sync LinkDynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct RambusRandomAccess Memory)。本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (10)

1.一种冷库调度方法，其特征在于，包括如下步骤：
S1：确定冷库运行时的能耗来源与所述能耗来源的计算方式；
S2：将基于差异性电价的所述冷库运行周期分为高电价稳态与高电价非稳态、低电价稳态与低电价非稳态四个阶段，并确定每个阶段下冷库运行能耗的数学模型，所述冷库运行能耗数学模型的决策变量为所述冷库的设定温度，参数变量为环境温度；
S3：基于所述冷库运行能耗的数学模型调度所述冷库的运行。
2.如权利要求1所述的冷库调度方法，其特征在于，所述冷库运行时的能耗用于承担所述冷库内的冷负荷Qload，包括：
当外界温度高于所述冷库内温度时，外界通过所述冷库内的围护结构向所述冷库内传导热量Qwall；
当货物进出所述冷库时，外界通过冷库门的开关，热压渗风进入所述冷库内并传导热量Qdoor。
3.如权利要求2所述的冷库调度方法，其特征在于，基于如下假设：
所述冷库内为封闭的自然空间对流换热且库内空气均为不可压缩气体，气体变化过程中它的密度基本保持不变且符合布辛涅司克假设；
忽略所述冷库内货架及管道等对气流流动的影响；
所述冷库预冷过程中冷库内空气为非稳态流动且库外温度基本保持稳定；
将外界通过所述冷库围护结构传导的热量在所述冷库运行过程中分为稳态与非稳态两个状态；
所述非稳态状态的模型通过如下得到：
假定所述冷库在某初始温度Tini开始过度蓄冷，并设定温度为Tc＜Tini，冷风机制冷功率为W，为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，所述冷库内温度变化几乎为0，寻找能耗关系式如下：
Wdt＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
其中，cp是空气在该库内温度下的比热容，cv是冷库内货物的平均比热容，mp是冷库内空气的质量，mv是冷库内货物的质量，A是冷库四周保温材料的换热面积与保温材料厚度的比值，λ是冷库围护材料的导热系数，T0是冷库运行时冷库外部的环境温度，Q0是其他设备运行或取用货物的冷负荷在该时间段内的平均功率；
移项积分得到：
Figure FDA0003670510330000021
其中，Tc是冷风机过度蓄冷的设定温度，Tini是冷库开始一个新的运行周期的初始温度，
所述稳态状态为所述冷库内冷风机始终用同一设定温度运行，所述冷库内温度保持不变，室内外温差也保持不变，将此稳态模型简化为稳态的热传导模型加以求解，具体地：
所述冷库的保温结构包括固定材料和所述固定材料之间的保温材料，传热系数应为三层材料串联后的传热系数，所述保温结构的保温系数近似等于所述保温材料的换热系数，其换热方程如下：
Qwall＝λA(T0-TC)。
4.如权利要求3所述的冷库调度方法，其特征在于，确定每个阶段运行时冷库运行能耗的数学模型，包括如下步骤：
获取所述冷库所在城市的电价模型；
基于所述电价模型分别求得每个所述阶段的所述冷库运行能耗，并整合得到所述冷库运行周期的能耗数学模型。
5.如权利要求4所述的冷库调度方法，其特征在于，在所述低电价非稳态阶段：
假定所述冷库在某初始温度Tini开始过度蓄冷，并设定温度为Tc＜Tini，低电价非稳态下冷风机制冷功率为W11，为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，所述冷库内温度变化几乎为0，寻找能耗关系式如下：
W11dt＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
移项积分得到：
Figure FDA0003670510330000031
根据上述积分式可以得到所述低电价非稳态过程中，冷库运行时间t11，而低电价下总时间为t1，那么两者之差得到低电价稳态下冷库运行时间t12；
同时由于调低设定温度后，冷风机总体功率为额定功率，此时得到：
W11＝EERW0
其中，W0是冷风机运行的额定功率；EER是冷风机额定功率下的能效比；
在所述低电价稳态阶段：
W12＝λA(T0-TC)+Q0。
6.如权利要求5所述的冷库调度方法，其特征在于，对于所述高电价非稳态阶段：
假定所述冷库在达到设定温度为Tc＜Tini后进入高电价阶段，高电价非稳态下冷风机不工作，所以其制冷功率为0，为寻求冷库内温度T随时间变化的函数关系式，取极小时间段[T，T+dT]，在微小时间段内，冷库内温度变化几乎为0，寻找能耗关系式如下：
0＝-(cpmp+cvmv)dT+λA(T0-T)dt+Q0dt
移项积分得到：
Figure FDA0003670510330000032
根据上述积分式可以得到高电价非稳态过程中，系统运行时间t21，而高电价下总时间为t2，那么两者之差得到高电价稳态下系统运行时间t22；
对于所述高电价稳态阶段：
冷库内冷风机始终用同一设定温度运行，冷库内温度基本保持不变，室内外温差也基本保持不变，可将此稳态模型简化为稳态的热传导模型加以求解：
W22＝λA(T0-Tini)+Q0。
7.如权利要求6所述的冷库调度方法，其特征在于，所述冷库在低电价运行时过度蓄冷，并在高电价运行时降低能耗，并且必定经历上述四个阶段才可完成一个周期的运行，所以所述冷库单周期的能耗目标函数如下：
min(power)＝(t11W11+t12W12)+(t22W22)
加入差异性电价模型，得到单周期的能耗成本目标函数如下：
min(price)＝price1(t11W11+t12W12)+price2(t22W22)
进一步的，得到如下函数的表达式：
Figure FDA0003670510330000041
Figure FDA0003670510330000042
通过上述价格目标函数的最终表达式可以看到，当所述冷库具体使用参数确定后，所述价格目标函数的变量为冷库设定温度Tc与库外环境温度T0。
8.如权利要求7所述的冷库调度方法，其特征在于，基于所述冷库运行能耗的数学模型调度所述冷库的运行包括如下步骤：
S31：获取所述冷库所在城市的环境温度，基于所述环境温度和所述冷库运行具体参数的读取，对冷库周期能耗数学函数模型进行求解，得到决策变量对应的设定温度；
S32：基于所述冷库运行的设定温度值调节所述冷库并求解所述冷库运作模式优化后的节能水平。
9.一种冷库调度方法系统，其特征在于，包括处理器和用于存储计算机程序的存储介质；其中，处理器用于执行所述计算机程序时至少执行如权利要求1-8任一所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一所述方法的步骤。
CN202210605827.XA 2022-05-30 2022-05-30 一种冷库调度方法、系统及计算机可读存储介质 Pending CN115018305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210605827.XA CN115018305A (zh) 2022-05-30 2022-05-30 一种冷库调度方法、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210605827.XA CN115018305A (zh) 2022-05-30 2022-05-30 一种冷库调度方法、系统及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115018305A true CN115018305A (zh) 2022-09-06

Family

ID=83071262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210605827.XA Pending CN115018305A (zh) 2022-05-30 2022-05-30 一种冷库调度方法、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115018305A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116629728A (zh) * 2023-04-10 2023-08-22 江苏福思克环境科技有限公司 一种基于光伏和风力一体供电的冷库运行管理系统
CN116928944A (zh) * 2023-09-14 2023-10-24 江苏星星冷链科技有限公司 多分区冷库运行控制方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116629728A (zh) * 2023-04-10 2023-08-22 江苏福思克环境科技有限公司 一种基于光伏和风力一体供电的冷库运行管理系统
CN116629728B (zh) * 2023-04-10 2023-10-24 江苏福思克环境科技有限公司 一种基于光伏和风力一体供电的冷库运行管理系统
CN116928944A (zh) * 2023-09-14 2023-10-24 江苏星星冷链科技有限公司 多分区冷库运行控制方法和系统
CN116928944B (zh) * 2023-09-14 2023-12-22 江苏星星冷链科技有限公司 多分区冷库运行控制方法和系统

Similar Documents

Publication Publication Date Title
CN115018305A (zh) 一种冷库调度方法、系统及计算机可读存储介质
US8180493B1 (en) Method and apparatus for effecting temperature difference in a respective zone
Zhu et al. Modelling and applications of annual energy-using simulation module of separated heat pipe heat exchanger
Ge et al. Performance evaluation and optimal design of supermarket refrigeration systems with supermarket model “SuperSim”, Part I: Model description and validation
EP1729223A2 (en) Demand control apparatus, electric power consumption prediction method, and program therefor
Greensfelder et al. An investigation of optimal control of passive building thermal storage with real time pricing
Song et al. Improving the frosting and defrosting performance of air source heat pump units: review and outlook
Rismanchi et al. Modeling and simulation to determine the potential energy savings by implementing cold thermal energy storage system in office buildings
Barone et al. WLHP systems in commercial buildings: A case study analysis based on a dynamic simulation approach
Reddy et al. Shaving residential air-conditioner electricity peaks by intelligent use of the building thermal mass
CN102283283A (zh) 智能化浅层地能低温储粮系统
Masjuki et al. The applicability of ISO household refrigerator–freezer energy test specifications in Malaysia
Heine et al. Energy and cost assessment of packaged ice energy storage implementations using OpenStudio Measures
Yik et al. Chiller models for plant design studies
Brito et al. Simulation and optimization of energy consumption in cold storage chambers from the horticultural industry
CN115049141A (zh) 用于制冷系统的控制方法、控制装置和制冷系统
Souayfane et al. A weather-clustering and energy-thermal comfort optimization methodology for indoor cooling in subtropical desert climates
Eames et al. Description and validation of a computer based refrigeration system simulator
CN112781177B (zh) 预测空调运行功率的方法、装置、电子设备及存储介质
CN112822903B (zh) 一种基于人工智能的数据中心制冷方法和系统
Griva et al. Energy Consumption Assessment in Refrigeration Equipment: The SmartFridge Project
Wang et al. Modeling Variable Refrigerant Flow (VRF) systems in building applications: A comprehensive review
Le et al. High temperature air-water heat pump and energy storage: Validation of trnsys models
Cortella et al. Prediction of the energy consumption of a supermarket refrigeration system
Kunwar et al. Development of a simplified calibrated building simulation model of a supermarket for proposed ECMs and control strategies impact evaluation

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