CN115573926A - 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 - Google Patents
结合bp神经网络拟合特性曲线的机房水泵节能运行方法 Download PDFInfo
- Publication number
- CN115573926A CN115573926A CN202211453613.1A CN202211453613A CN115573926A CN 115573926 A CN115573926 A CN 115573926A CN 202211453613 A CN202211453613 A CN 202211453613A CN 115573926 A CN115573926 A CN 115573926A
- Authority
- CN
- China
- Prior art keywords
- characteristic curve
- flow
- water pump
- frequency
- lift
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0066—Control, e.g. regulation, of pumps, pumping installations or systems by changing the speed, e.g. of the driving engine
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2270/00—Control
- F05D2270/70—Type of control algorithm
- F05D2270/709—Type of control algorithm with neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了结合BP神经网络拟合特性曲线的机房水泵节能运行方法,包括以下步骤:S1、采集一至两个月数据机房各个制冷设备的运行参数数据和温感设备的温度数据,所述制冷设备包括制冷机、冷却塔、冷冻泵和冷却泵,制冷设备运行参数包括:水泵频率、主管压差、主机开启状态、主机电流和电表数据;S2、根据水泵额定参数绘制出水泵各特性曲线;S3、结合BP神经网络拟合特性曲线;S4、通过压差控制方法对冷冻泵模块进行控制;相比现有技术,本发明通过多组数据不断完善特性曲线,是数据更加精准,控制更加精确;通过各特征曲线计算得出优化方案,可结合负荷预测,使主机逻辑等提前制定运行策略,达到节能运行的目的。
Description
技术领域
本发明涉及机房空调控制领域,具体涉及结合BP神经网络拟合特性曲线的机房水泵节能运行方法。
背景技术
信息化时代的到来,使数据机房的规模不断增大,随之带来了一系列问题。由于机房中的环境设备和子系统相互影响,若机房的安全性和稳定性无法得到保障,会造成重大损失。通常,数据机房空调配置存在冗余,备份空调一直处于运行状态,空调机组运行效率较低,造成能耗浪费。此外,数据机房发热量巨大,产生的负荷主要来自IT设备散热,且设备全年无间断运行,冷负荷变化较为稳定,使其具有较大的节能潜力。因此,针对数据机房的运行进行负荷预测,提前给出调控方案,对于节能降耗十分有必要。
目前,数据机房的控制系统智能化程度较低,缺乏有效的调节策略,仅支持一些简单的启停控制。同时,在制定控制策略时,缺少空调专业相关知识的支撑。当前普遍的控制运行策略多是人为调节,观察末端温湿度状态来进行设备的启停及频率等调节,运行策略随意,缺乏专业的节能控制运行知识,造成了能耗的浪费。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种结合BP神经网络拟合特性曲线的机房水泵节能运行方法。
为了实现上述目标,本发明采用如下的技术方案:
结合BP神经网络拟合特性曲线的机房水泵节能运行方法,包括以下步骤:S1、采集一至两个月数据机房各个制冷设备的运行参数数据和温感设备的温度数据,所述制冷设备包括制冷机、冷却塔、冷冻泵和冷却泵,制冷设备运行参数包括:水泵频率、主管压差、主机开启状态、主机电流和电表数据;S2、根据水泵额定参数绘制出水泵各特性曲线;S3、结合BP神经网络拟合特性曲线;S4、通过压差控制方法对冷冻泵模块进行控制;S5、通过温差控制模块对冷却泵模块进行控制。
作为本发明的进一步优选,所述步骤S2中包括以下具体步骤:S2.1、通过水泵铭牌获得水泵的额定参数,水泵的额定参数包括额定流量Q0,额定扬程H0,额定效率η0,额定功率P0,额定转速k;S2.2、根据,计算得出水泵对应比转速ns;S2.3、根据最小二乘法拟合绘制出水泵流量-扬程特性曲线、流量-效率特性曲线以及流量-功率特性曲线并得到其公式,并根据相似定律得出各频率曲线公式; S2.4、根据采集到的水泵运行参数,对三条曲线进行修正。
作为本发明的进一步优选,所述步骤S2.2中水泵流量-扬程特性曲线公式为:;流量-效率特性曲线公式为:;流量-功率特性曲线公式为:;所述根据相似定律得水泵流量-扬程特性曲线公式为:;流量-效率特性曲线公式为:;流量-功率特性曲线公式为:,其中,H为扬程,Q为流量,η效率,n为频率,P为功率 ,a、b、c为常数 ,50是频率可调节范围最大值50hz。
作为本发明的进一步优选,所述步骤S3中包括以下具体步骤:S3.1、在系统运行时,当水泵开启台数为1台时,将水泵频率、流量、功率及当前主管压差换算出扬程,形成一组数据,并暂存;S3.2、当暂存数据达到10组时,将各频率下的流量、扬程、功率数据通过相似定律处理为50hz下的流量、扬程、功率数据;S3.3、将S3.2中得到的数据代入BP神经网络模型,输入层样本为流量Q,实际输出为扬程H,功率P,效率η,隐含层神经元个数为100,隐含层的激励函数选用Sigmoid函数,输出层的激励函数选用纯线性函数,绘制特性曲线图;S3.4、此后,每存10数据即可对特性曲线图进行完善,最终达到精确拟合。
作为本发明的进一步优选,所述步骤S4中包括以下具体步骤:S4.1、获取所需参数,参数包括水泵的最低和最高开启台数,目标主管压差,主机冷量Q冷,以及冷冻水的温差范围Δt;S4.2、根据,计算得出冷冻水流量范围,其中,qm为水泵流量,C为比热容;S4.3、主管压差经过计算及修正得出水泵扬程;S4.4、根据水泵流量-扬程特性曲线,结合当前得到的水泵扬程,得出该水泵扬程下各频率所对应的不同流量;S4.5、流量-效率特性曲线为开口向下的二次曲线,且曲线对称轴随频率变化左右平移;在某一频率下,读取该频率下水泵扬程与水泵流量-扬程特性曲线的交点,当该交点所对应的流量-效率特性曲线的点为流量-效率特性曲线的最高点时,记录当前频率;S4.6、从水泵最低开启台数开始计算,逐渐增加水泵开启台数,其中水泵的最低开启台数为主机开启台数,需要至少满足一机对一泵,将水泵组的总流量控制在S4.2所计算的流量范围内,将各水泵频率均控制30-50hz范围内;S4.7、如果当前水泵开启台数流量小于S4.2计算的最低流量标准,则在可控频率范围30-50hz内增水加泵频率至满足S4.2计算的流量范围要求,记录当前开启台数及频率;S4.8、记录水泵开启台数、频率、计算总功率,并选出最优开启方案。
作为本发明的进一步优选,所述步骤S3.1和步骤S4.3中:水泵扬程=(主管压差+主机阻力损失+沿程阻力损失)/ρg,计算得到水泵扬程,其中,ρ为水的密度,g为重力加速度。
作为本发明的进一步优选,所述步骤S5中包括以下具体步骤:S5.1、获取所需参数,所述参数包括水泵的最低和最高开启台数,主机冷量,主机功率、以及冷却水的最低温度与最高温度;S5.2、通过计算得到冷却泵侧流量;S5.3、从水泵最低开启台数开始,通过相似定律:,计算得出当前台数流量应开启频率,其中,Q1为当前流量,Q0为额定流量,n1为当前频率,n0为额定频率;S5.4、若当前频率大于30hz则增开一台,若小于30hz则返回错误信号;S5.5、将所有水泵频率在30-50hz内的开启状况通过相似定律:计算得出功率,其中,P1为当前功率,P0为额定功率,n1为当前频率,n0为额定频率;选出最有开启组合。
本发明的有益之处在于:本发明在数据样本较少的情况下解决了水泵特性曲线的拟合问题,使拟合结果可以应用在实际项目中;BP神经网络拟合特性曲线相较于最小二乘法更精确且应用范围更广,具有较强的非线性处理能力和函数逼近能力,网络运算速度快,通过多组数据不断完善特性曲线,是数据更加精准,控制更加精确;通过各特征曲线计算得出优化方案,可结合负荷预测,使主机逻辑等提前制定运行策略,达到节能运行的目的;该拟合方法适用于不同的离心泵型号,控制逻辑适用于不同的机房系统,应用范围广泛。
附图说明
图1是本发明的流程示意图;
图2是水泵特性曲线拟合及绘制流程示意图;
图3是 BP神经网络拟合特性曲线拟合流程示意图;
图4是冷冻泵模块压差控制流程示意图;
图5是冷却泵模块温差控制流程示意图;
图6是水泵流量-扬程特性曲线、流量-效率特性曲线以及流量-功率特性曲线;
图7是BP神经网络拟合特性曲线;
图8是冷冻泵各频率下流量-扬程曲线,流量-效率曲线;
图9是冷冻泵各频率下流量-功率曲线。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
实施例一:
结合图1、结合BP神经网络拟合特性曲线的机房水泵节能运行方法,包括以下步骤:
S1、采集一至两个月数据机房各个制冷设备的运行参数数据和温感设备的温度数据,所述制冷设备包括制冷机、冷却塔、冷冻泵和冷却泵,制冷设备运行参数包括:水泵频率、主管压差、主机开启状态、主机电流和电表数据。
结合图2,S2、根据水泵额定参数绘制出水泵各特性曲线。
包括以下具体步骤:
S2.1、通过水泵铭牌获得水泵的额定参数,水泵的额定参数包括额定流量Q0,额定扬程H0,额定效率η0,额定功率P0,额定转速k。
S2.3、根据最小二乘法拟合绘制出水泵流量-扬程特性曲线、流量-效率特性曲线以及流量-功率特性曲线并得到其公式,并根据相似定律得出各频率曲线公式。
其中,H为扬程,Q为流量,η效率,n为频率,P为功率 ,a、b、c为常数 ,50是频率可调节范围最大值50hz。
S2.4、根据采集到的水泵运行参数,对三条曲线进行修正,见图6。
结合图3和图7,S3、结合BP神经网络拟合特性曲线。
包括以下具体步骤:
S3.1、在系统运行时,当水泵开启台数为1台时,将水泵频率、流量、功率及当前主管压差换算出扬程,形成一组数据,并暂存。
S3.2、当暂存数据达到10组时,将各频率下的流量、扬程、功率数据通过相似定律处理为50hz下的流量、扬程、功率数据。
S3.3、将S3.2中得到的数据代入BP神经网络模型,输入层样本为流量Q,实际输出为扬程H,功率P,效率η,隐含层神经元个数为100,隐含层的激励函数选用Sigmoid函数,输出层的激励函数选用纯线性函数,绘制特性曲线图。
S3.4、此后,每存10数据即可对特性曲线图进行完善,最终达到精确拟合。
结合图4,S4、通过压差控制方法对冷冻泵模块进行控制。
包括以下具体步骤:
S4.1、获取所需参数,参数包括水泵的最低和最高开启台数,目标主管压差,主机冷量Q冷,以及冷冻水的温差范围Δt。
Q--冷量,单位:KW,
qm--水泵流量,单位:kg/s,
C--比热容,单位:J /(kg·℃),
△t--冷冻水的温差范围,单位:℃,
计算得出冷冻水流量范围。
S4.3、主管压差经过计算及修正得出水泵扬程。
S4.4、根据水泵流量-扬程特性曲线,结合当前得到的水泵扬程,得出该水泵扬程下各频率所对应的不同流量。
结合图8,S4.5、流量-效率特性曲线为开口向下的二次曲线,且曲线对称轴随频率变化左右平移;在某一频率下,读取该频率下水泵扬程与水泵流量-扬程特性曲线的交点,当该交点所对应的流量-效率特性曲线的点为流量-效率特性曲线的最高点时,记录当前频率。
S4.6、从水泵最低开启台数开始计算,逐渐增加水泵开启台数,其中水泵的最低开启台数为主机开启台数,需要至少满足一机对一泵,将水泵组的总流量控制在S4.2所计算的流量范围内,将各水泵频率均控制30-50hz范围内。
S4.7、如果当前水泵开启台数流量小于S4.2计算的最低流量标准,则在可控频率范围30-50hz内增水加泵频率至满足S4.2计算的流量范围要求,记录当前开启台数及频率。
S4.8、记录水泵开启台数、频率、计算总功率,并选出最优开启方案。
步骤S3.1和步骤S4.3中:水泵扬程=(主管压差+主机阻力损失+沿程阻力损失)/ρg,计算得到水泵扬程,其中,ρ为水的密度,g为重力加速度。
结合图5,S5、通过温差控制模块对冷却泵模块进行控制。
包括以下具体步骤:
S5.1、获取所需参数,所述参数包括水泵的最低和最高开启台数,主机冷量,主机功率、以及冷却水的最低温度与最高温度。
S5.3、从水泵最低开启台数开始,通过相似定律:
其中,Q1为当前流量,Q0为额定流量,n1为当前频率,n0为额定频率。
S5.4、若当前频率大于30hz则增开一台,若小于30hz则返回错误信号。
S5.5、将所有水泵频率在30-50hz内的开启状况通过相似定律:
其中,P1为当前功率,P0为额定功率,n1为当前频率,n0为额定频率;选出最有开启组合。
实施例二:
中国电信常州天目湖数据中心机房水泵运行策略优化,具体步骤如下:
采集2022年4月20日至5月20日的中国电信常州天目湖数据中心机房运行数据,选取其中运行工况稳定的部分进行分析。
天目湖数据中心机房冷冻水泵额定流量700m³/h,额定扬程35m,额定效率80%,额定功率90kw,额定转速1480r/min。根据公式,计算出比转速为165,再根据一般离心泵比转速、流量比、扬程、效率关系图,利用最小二乘法拟合绘制出50HZ下流量-扬程曲线、流量-效率曲线、流量-功率曲线,并根据采集到的实际数据进行曲线的修正。
最终得出某频率n下该水泵流量-扬程曲线为:
H--扬程,单位:m
Q--流量,单位:m³/h
n--频率,单位:hz
流量-效率曲线为:
η--效率
Q--流量,单位:m³/h
n--频率,单位:hz
流量-功率曲线为:
P--功率,单位:KW
Q--流量,单位:m³/h
n--频率,单位:hz
在冷冻泵模块中输入额定参数及水泵开启台数范围,将压差控制值设置80kpa,温差控制范围为3-6℃,经计算可得出两种开启模式,为水泵开启1台39hz,功率为40.4kw,和水泵开启2台38hz,功率为74kw,具体选择何种模式需结合主机部分进行选择以达到数据机房整体节能。
天目湖数据中心机房冷却水泵额定流量850m³/h,额定功率85kw,在冷冻泵模块中输入额定参数及水泵台数范围、冷却水供回水温差5℃、主机功率等参数,可得出在当前供回水温差下,冷却水泵开启模式为1种,开启1台34.6hz,功率为28.2kw。
通过对当前运行方式的数据进行采集,包括水泵的额定参数、启停、频率,主机的运行参数、供回水温度、压差等数据。在少量数据的基础上结合专业知识拟合出水泵特性曲线,并根据数据机房需求制定运行策略,在冷冻泵侧根据压差数据进行调控,在冷却泵侧根据温差数据进行调控,以达到节能运行的目的。
本发明的有益之处在于:本发明在数据样本较少的情况下解决了水泵特性曲线的拟合问题,使拟合结果可以应用在实际项目中;BP神经网络拟合特性曲线相较于最小二乘法更精确且应用范围更广,具有较强的非线性处理能力和函数逼近能力,网络运算速度快,通过多组数据不断完善特性曲线,是数据更加精准,控制更加精确;通过各特征曲线计算得出优化方案,可结合负荷预测,使主机逻辑等提前制定运行策略,达到节能运行的目的;该拟合方法适用于不同的离心泵型号,控制逻辑适用于不同的机房系统,应用范围广泛。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (7)
1.结合BP神经网络拟合特性曲线的机房水泵节能运行方法,其特征在于,包括以下步骤:S1、采集一至两个月数据机房各个制冷设备的运行参数数据和温感设备的温度数据,所述制冷设备包括制冷机、冷却塔、冷冻泵和冷却泵,制冷设备运行参数包括:水泵频率、主管压差、主机开启状态、主机电流和电表数据;S2、根据水泵额定参数绘制出水泵各特性曲线;S3、结合BP神经网络拟合特性曲线;S4、通过压差控制方法对冷冻泵模块进行控制;S5、通过温差控制模块对冷却泵模块进行控制。
4.根据权利要求1所述的结合BP神经网络拟合特性曲线的机房水泵节能运行方法,其特征在于,所述步骤S3中包括以下具体步骤:S3.1、在系统运行时,当水泵开启台数为1台时,将水泵频率、流量、功率及当前主管压差换算出扬程,形成一组数据,并暂存;S3.2、当暂存数据达到10组时,将各频率下的流量、扬程、功率数据通过相似定律处理为50hz下的流量、扬程、功率数据;S3.3、将S3.2中得到的数据代入BP神经网络模型,输入层样本为流量Q,实际输出为扬程H,功率P,效率η,隐含层神经元个数为100,隐含层的激励函数选用Sigmoid函数,输出层的激励函数选用纯线性函数,绘制特性曲线图;S3.4、此后,每存10数据即可对特性曲线图进行完善,最终达到精确拟合。
5.根据权利要求2所述的结合BP神经网络拟合特性曲线的机房水泵节能运行方法,其特征在于,所述步骤S4中包括以下具体步骤:S4.1、获取所需参数,参数包括水泵的最低和最高开启台数,目标主管压差,主机冷量Q冷,以及冷冻水的温差范围Δt;S4.2、根据,计算得出冷冻水流量范围,其中,qm为水泵流量,C为比热容;S4.3、主管压差经过计算及修正得出水泵扬程;S4.4、根据水泵流量-扬程特性曲线,结合当前得到的水泵扬程,得出该水泵扬程下各频率所对应的不同流量;S4.5、流量-效率特性曲线为开口向下的二次曲线,且曲线对称轴随频率变化左右平移;在某一频率下,读取该频率下水泵扬程与水泵流量-扬程特性曲线的交点,当该交点所对应的流量-效率特性曲线的点为流量-效率特性曲线的最高点时,记录当前频率;S4.6、从水泵最低开启台数开始计算,逐渐增加水泵开启台数,其中水泵的最低开启台数为主机开启台数,需要至少满足一机对一泵,将水泵组的总流量控制在S4.2所计算的流量范围内,将各水泵频率均控制30-50hz范围内;S4.7、如果当前水泵开启台数流量小于S4.2计算的最低流量标准,则在可控频率范围30-50hz内增水加泵频率至满足S4.2计算的流量范围要求,记录当前开启台数及频率;S4.8、记录水泵开启台数、频率、计算总功率,并选出最优开启方案。
6.根据权利要求4-5中任意一项所述的结合BP神经网络拟合特性曲线的机房水泵节能运行方法,其特征在于,所述步骤S3.1和步骤S4.3中:水泵扬程=(主管压差+主机阻力损失+沿程阻力损失)/ρg,计算得到水泵扬程,其中,ρ为水的密度,g为重力加速度。
7.根据权利要求2所述的结合BP神经网络拟合特性曲线的机房水泵节能运行方法,其特征在于,所述步骤S5中包括以下具体步骤:S5.1、获取所需参数,所述参数包括水泵的最低和最高开启台数,主机冷量,主机功率、以及冷却水的最低温度与最高温度;S5.2、通过计算得到冷却泵侧流量;S5.3、从水泵最低开启台数开始,通过相似定律:,计算得出当前台数流量应开启频率,其中,Q1为当前流量,Q0为额定流量,n1为当前频率,n0为额定频率;S5.4、若当前频率大于30hz则增开一台,若小于30hz则返回错误信号;S5.5、将所有水泵频率在30-50hz内的开启状况通过相似定律:计算得出功率,其中,P1为当前功率,P0为额定功率,n1为当前频率,n0为额定频率;选出最有开启组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211453613.1A CN115573926B (zh) | 2022-11-21 | 2022-11-21 | 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211453613.1A CN115573926B (zh) | 2022-11-21 | 2022-11-21 | 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115573926A true CN115573926A (zh) | 2023-01-06 |
CN115573926B CN115573926B (zh) | 2023-06-20 |
Family
ID=84589330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211453613.1A Active CN115573926B (zh) | 2022-11-21 | 2022-11-21 | 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115573926B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116292336A (zh) * | 2023-05-12 | 2023-06-23 | 安徽明泉水设备有限公司 | 一种水泵叶片检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103277875A (zh) * | 2013-06-21 | 2013-09-04 | 上海能誉科技发展有限公司 | 一种冷冻机房节能控制系统 |
CN104598686A (zh) * | 2015-01-24 | 2015-05-06 | 安徽大学 | 基于电磁计算及神经网络的水泵电机建模与优化方法 |
CN106015028A (zh) * | 2016-05-04 | 2016-10-12 | 江苏大学 | 一种基于物联网的水泵泵组智能监控与故障预警方法 |
CN111144027A (zh) * | 2020-01-02 | 2020-05-12 | 辽宁石油化工大学 | 一种基于bp神经网络全特性曲线函数的逼近方法 |
CN111287950A (zh) * | 2020-02-21 | 2020-06-16 | 烟台盛泉泵业有限公司 | 一种水泵节能运行的控制方法 |
CN114202106A (zh) * | 2021-11-18 | 2022-03-18 | 南京师范大学 | 一种基于深度学习的空调系统负荷预测方法 |
-
2022
- 2022-11-21 CN CN202211453613.1A patent/CN115573926B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103277875A (zh) * | 2013-06-21 | 2013-09-04 | 上海能誉科技发展有限公司 | 一种冷冻机房节能控制系统 |
CN104598686A (zh) * | 2015-01-24 | 2015-05-06 | 安徽大学 | 基于电磁计算及神经网络的水泵电机建模与优化方法 |
CN106015028A (zh) * | 2016-05-04 | 2016-10-12 | 江苏大学 | 一种基于物联网的水泵泵组智能监控与故障预警方法 |
CN111144027A (zh) * | 2020-01-02 | 2020-05-12 | 辽宁石油化工大学 | 一种基于bp神经网络全特性曲线函数的逼近方法 |
CN111287950A (zh) * | 2020-02-21 | 2020-06-16 | 烟台盛泉泵业有限公司 | 一种水泵节能运行的控制方法 |
CN114202106A (zh) * | 2021-11-18 | 2022-03-18 | 南京师范大学 | 一种基于深度学习的空调系统负荷预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116292336A (zh) * | 2023-05-12 | 2023-06-23 | 安徽明泉水设备有限公司 | 一种水泵叶片检测方法 |
CN116292336B (zh) * | 2023-05-12 | 2023-09-19 | 安徽明泉水设备有限公司 | 一种水泵叶片检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115573926B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105674472B (zh) | 机房的制冷控制方法及装置 | |
CN100443814C (zh) | 区域集中供冷冷量调节系统的调节方法 | |
CN105928235B (zh) | 具有相变蓄冷的双冷凝器数据中心冷却系统及其控制方法 | |
CN113587414B (zh) | 一种空调水系统控制系统 | |
CN110895016A (zh) | 一种基于模糊自适应的中央空调系统节能群控方法 | |
CN1325849C (zh) | 一种出风温度恒定的空调器及其控制方法 | |
CN115325682B (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 | |
CN107062468B (zh) | 一种双冷源机房空调系统及其控制方法 | |
CN1415915A (zh) | 压缩式中央空调自适应变流量节能控制装置 | |
CN107401806A (zh) | 中央空调冷冻站内主机及冷冻泵综合能效提升控制方法 | |
CN102878639A (zh) | 一种基于水冷空调内机自动控制方法 | |
CN115573926A (zh) | 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 | |
CN105222241A (zh) | 双冷源四管制空调系统 | |
CN109751911A (zh) | 冷却塔风机频率自适应调节方法及空调系统 | |
CN116398994B (zh) | 一种基于负荷预测的冷水机组群控优化方法 | |
CN200975766Y (zh) | 区域集中供冷冷量调节系统 | |
CN114440409A (zh) | 一种中央空调系统自适应节能控制方法 | |
CN115930369A (zh) | 一种基于智能化控制的中央空调系统节能方法 | |
CN110953684B (zh) | 空调冷却系统的控制方法及空调 | |
CN113218040A (zh) | 一种中央空调系统能效提升控制方法 | |
CN110553369B (zh) | 多风机冷却塔控制方法、冷却塔及空调器 | |
CN110864416A (zh) | 一种中央空调系统启停优化控制方法 | |
CN111473480A (zh) | 一种基于决策树分类的中央空调节能控制方法 | |
CN115903712A (zh) | 适用于工业制冷系统的节能优化方法及其优化控制系统 | |
JP2006177568A (ja) | 冷凍機の台数制御装置と冷熱供給システム |
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 |