CN116255716A - 一种中央空调人工智能负荷预测节能策略 - Google Patents
一种中央空调人工智能负荷预测节能策略 Download PDFInfo
- Publication number
- CN116255716A CN116255716A CN202310343719.4A CN202310343719A CN116255716A CN 116255716 A CN116255716 A CN 116255716A CN 202310343719 A CN202310343719 A CN 202310343719A CN 116255716 A CN116255716 A CN 116255716A
- Authority
- CN
- China
- Prior art keywords
- strategy
- energy
- air conditioner
- energy efficiency
- 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.)
- Withdrawn
Links
- 238000001816 cooling Methods 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 96
- 238000004378 air conditioning Methods 0.000 claims description 51
- 239000000498 cooling water Substances 0.000 claims description 34
- 238000005265 energy consumption Methods 0.000 claims description 34
- 238000011217 control strategy Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000000630 rising effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000007710 freezing Methods 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000007791 dehumidification Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 230000002411 adverse Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000005057 refrigeration Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000009423 ventilation Methods 0.000 claims description 4
- 230000002265 prevention Effects 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims 1
- 238000009472 formulation Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000004134 energy conservation Methods 0.000 abstract description 9
- 238000013486 operation strategy Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 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
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
-
- 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
- F24F11/89—Arrangement or mounting of control or safety devices
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种中央空调人工智能负荷预测节能策略，涉及中央空调负荷预测节能策略技术领域，该负荷预测节能策略旨在解决现有技术下只着重中央空调某个单独设备或局部循环系统的节能，没有对运行策略的节能有效性进行判断并自动修正，节能效果未能发挥到最大限度的技术问题，该负荷预测节能策略，其步骤如下：S1：采集多种参数与运行数据，根据用户特点、空调大小适当调整取样周期，对用户用冷需求进行负荷预测，S2：根据边界条件选择专家策略库算法，专家策略库算法综合了多种业态，该负荷预测节能策略通过采集多种参数与运行数据，对用户用冷需求进行负荷预测，选择专家库算法，防止错误策略投入运行，确保系统能效比的持续上升。
Description
技术领域
本发明属于中央空调负荷预测节能策略技术领域，具体涉及一种中央空调人工智能负荷预测节能策略。
背景技术
中央空调系统主要由制冷主机、冷凝器、蒸发器和循环泵、冷却塔等构成，在中央空调系统这些耗能设备中，制冷主机、冷冻水泵、冷却水泵、冷却塔风机等冷源设备(或称制冷站设备)的能耗约占空调系统总能耗的60％～65％，风机盘管、组合式空调机组、新风机等末端用冷设备，其能耗约占空调系统总能耗的35％～40％。
在已经推出的中央空调节能控制策略中，包括水泵变频技术、冷冻水系统变流量控制技术等已普遍应用于各类中央空调技术改造工程中，并取得比较可观的节能效果，但是这些技术存在的一个主要问题是只着重中央空调某个单独设备或局部循环系统的节能，没有对其全局进行考虑，另一方面，没有对运行策略的节能有效性进行判断并自动修正的系统，因此节能效果未能发挥到最大限度，有时还会出现某种设备节能，而影响另外设备耗能增加，最终可能出现整体负效益结果，有时会想当然的认为每种节能策略有效，而没有跟踪判别真实有效性，并自动修正的方法。
因此，针对上述只着重中央空调某个单独设备或局部循环系统的节能的问题，亟需得到解决，以改善中央空调的使用场景。
发明内容
(1)要解决的技术问题
针对现有技术的不足，本发明的目的在于提供一种中央空调人工智能负荷预测节能策略，该负荷预测节能策略旨在解决现有技术下只着重中央空调某个单独设备或局部循环系统的节能，没有对运行策略的节能有效性进行判断并自动修正，节能效果未能发挥到最大限度的技术问题。
(2)技术方案
为了解决上述技术问题，本发明提供了这样一种中央空调人工智能负荷预测节能策略，其步骤如下：
S1：采集多种参数与运行数据，根据用户特点、空调大小适当调整取样周期，对用户用冷需求进行负荷预测，智能控制器通过负荷预测算法进行运算：首先计算t时刻空调负荷：Q(t)＝cpGtΔTt，然后计算下一检测周期空调负荷预测值Q(t+dt)＝Q(t)+[Q(t)-Q(t-dt)]；
S2：根据边界条件选择专家策略库算法，专家策略库算法综合了多种业态，并结合一套完整的能效子诊断系统，时时对正在运行的系统策略进行辨识，确认能效比COP增长的方向，防止错误策略的运行，自修正，专家策略库输出的控制策略，需要诊断系统自动辨识系统的能效比是否处于上升中，因此自修正算法首先要计算当前的能效比cop值，并和上一个周期的能效比cop值进行对比，若发现开始下降，则需要修正专家策略库的输出策略，而控制策略分为主控制策略和子控制策略，优先修正子策略，在下一个周期在重复辨识系统的能效比的变化方向，若有必要，则修正主策略，专家策略库由大量算法组成，而修正的方法，采用根据边界条件查询的办法，而边界条件的产生，就是规则的新制定方法，一旦经过验证的新的正确控制策略得到验证，则边界条件进入专家策略库储存；
S3：中央空调系统能效在线分析诊断，防止错误策略投入运行确保系统能效比的持续上升，满足节能要求的前提下，能源站的设计综合能效应为4.9以上，综合能效EERO＝1/(1/ERRⅠ+1/ERRⅡ+1/ERRⅢ+1/ERRⅤ)；
S3:取得空调负荷后，空调能效控制系统完成以下工作：
S31：主机群控：根据负荷自动启/停冷冻机组和自动加减载；
S32：在线能效比cop监测：实时采集系统供冷量、各设备能耗，计算并实时显示主机、冷冻水环路、冷却水环路、末端环路的能效比曲线，自动诊断各个环路的效率水平，持续优化；
S33：基本的启停逻辑控制：
开机：冷却塔风机—冷却水塔电动蝶阀—冷冻机的冷凝器电动蝶阀—冷却水泵—冷冻机的蒸发器电动蝶阀—冷冻水泵—制冷机组
关机：制冷机—冷冻水泵—冷冻机的蒸发器电动蝶阀—冷却水泵—冷冻机的冷凝器电动蝶阀—冷却水塔电动蝶阀—冷却水塔风机，其中制冷机延时5分钟关机；
S34：冷冻水出水温度自动调节：一般设定7℃冷冻供水，主要是为了满足空调系统的除湿需求，当室外露点温度小于14℃时，新风可以带走室内的湿负荷，此时冷冻出水温度可以设定为9～12℃，当室外露点温度在14℃～17℃之间时，系统主要的湿负荷主要来自室内，冷冻水既要降温也要除湿，此时冷冻出水设为7～9℃，通过对全年室外露点温度统计分析可知全年约有60％时间的室外露点温度在14℃以下，70％时间室外露点温度在17℃以下，冷冻水出水温度设定值的升高可以提高制冷主机的能效，同时降低管道输配沿程冷量损耗，对冷冻出水温度的设定值动态修改将在原控制系统通过修改程序实现，每提高1℃冷冻水温度，主机能效提高2.5％～3％；
S35:压差旁通的节能控制：由于冷冻泵采用变流量控制，压差旁通一般尽量保持关闭，只有在系统压力过大时才开启旁通调节；
S36：多种设备启停方式：一键启停、远程/本地启停和界面手动启停；
S37：各种参数设置以及策略选择功能：设置设备启停时间、冷冻水出水温度、温差、末端联网监控时的空调区域温湿度设定、循环泵的上运行频率上下限，还能选择多种节能策略是否加入运行：包括负荷预测策略、最佳启停时间控制策略、新风焓值控制策略、冷却水跟随湿球温度策略等、负荷预测持续优化策略；
S38：系统和设备状态、参数记录：主机状态参数、冷冻水系统参数、冷却水系统参数实时读数和历史记录，各种分析参数：包括系统各个环路能效比曲线、温差曲线、负荷率曲线、实时读数和历史记录；
S39：能源管理功能：分项计量、统计分析和能耗预警；
S310：实时报警；
S311：系统预警。
进一步地，所述S1中采集的参数与运行数据包括但不限于：室外环境温湿度、室内温湿度、冷冻水流量、冷冻进回水温度、冷却进回水温度、最不利末端用户冷水压差、冷冻主机设定出水温度等、最不利末端用户冷水压差和冷冻主机设定出水温度。
进一步地，所述S1中cp是水定压比热，为定值，Gt为t时刻冷冻水流量，ΔTt为t时刻冷冻送回水温差，Q(t-dt)为上一检测周期实测空调负荷值。
进一步地，所述S2中专家测量库综合了多种业态，包括但不限于各种公共建筑、工业洁净厂房、多种暖通空调方案、常规水冷中央空调、风冷热泵、水源热泵、冰蓄冷空调、水蓄冷空调、溴化锂空调系统在应用中出现的中央空调方案，各类控制策略，包括变流量、变温度、变负荷率和变风量，专家策略库的算法包括PID算法和AI人工算法，其中AI人工算法包括多元线性回归、支持向量机、K近邻算法、LGBM、stacking算法和朴素贝叶斯。
进一步地，所述S3中ERRⅠ为中央空调冷水机组制冷循环系统的能效，ERRⅡ为中央空调冷冻水循环系统的能效，ERRⅢ为中央空调冷却水循环系统的能效，ERRⅤ为中央空调冷却塔循环系统的能效。
进一步地，所述S31中主机群控根据负荷预测结果，实现对冷冻机组启停台数的控制，才开机时，可以任意选择启停台数，系统运行到末端温度达到设定值后，进入节能自动控制，加/减载综合考虑主机负荷率、能效比-负荷率曲线、大小机搭配、各机组的运行时间平衡，最大限度的让主机工作于最高能效比工作点。
进一步地，所述S36中一键启停：在界面上选择需要启停的机组，一键自动按照逻辑依次启停各设备，延时后进入自动加减载程序，远程/本地启停：允许机组用本地控制柜启停，但在上位机保持数据采集和状态监视，界面手动启停：允许在上位机中通过鼠标，自主选择设备的启停，而不再进入自动加减载。
进一步地，所述S39中分项计量的内容包括各个设备历史以及实施能耗数据，统计分析按照年月日，同比，环比各个设备能耗和系统总能耗，能耗预警制定设备每天的用能指标，超出指标给出预警信号。
进一步地，所述S310中实时报警通过短信、微信、电脑界面弹窗方式，推送实时报警信号，详细报警变量见控制系统点表，并在数据库中进行报警记录，实时报警，主要针对设备故障和系统故障这些直接影响系统安全运行的参数变量，在报警发生时，启动自动停机，或者切换工作模式动作。
进一步地，所述S311中系统预警主要针对不直接影响系统运行安全性，但是影响系统长期运行的效率，安全性的报警，一般来自系统能效比的运算结果，控制系统一般不直接停机，或者切换工作状态，需要工作人员根据预警的情况，及时发现问题，调整系统运行参数，或者对系统进行检修、保养。
(3)有益效果
与现有技术相比，本发明的有益效果在于：本发明的负荷预测节能策略通过采集多种参数与运行数据，对用户用冷需求进行负荷预测，根据边界条件选择专家库算法，时时对正在运行的系统策略进行辨识，确认能效比COP增长的方向，防止错误策略的运行，自修正，确保正在运行的策略的高效性的同时，将新产生的策略，补充到专家库算法中，对已经正在运行的策略进行能效分析，辨识是否是真正有效的节能策略，防止错误策略投入运行，确保系统能效比的持续上升。
附图说明
图1为本发明负荷预测节能策略一种具体实施方式的原理图；
图2为本发明负荷预测节能策略一种具体实施方式中专家策略库自修正算法流程图；
图3为本发明负荷预测节能策略一种具体实施方式中新风除湿原理图；
图4为本发明负荷预测节能策略一种具体实施方式中冷冻水出水温度调节测量图。
具体实施方式
本具体实施方式是中央空调人工智能负荷预测节能策略，其原理图如图1所示，其专家策略库自修正算法流程图如图2所示，该负荷预测节能策略，其步骤如下：
S1：采集多种参数与运行数据，根据用户特点、空调大小适当调整取样周期，对用户用冷需求进行负荷预测，智能控制器通过负荷预测算法进行运算：首先计算t时刻空调负荷：Q(t)＝cpGtΔTt，然后计算下一检测周期空调负荷预测值Q(t+dt)＝Q(t)+[Q(t)-Q(t-dt)]；
S2：根据边界条件选择专家策略库算法，专家策略库算法综合了多种业态，并结合一套完整的能效子诊断系统，时时对正在运行的系统策略进行辨识，确认能效比COP增长的方向，防止错误策略的运行，自修正，专家策略库输出的控制策略，需要诊断系统自动辨识系统的能效比是否处于上升中，因此自修正算法首先要计算当前的能效比cop值，并和上一个周期的能效比cop值进行对比，若发现开始下降，则需要修正专家策略库的输出策略，而控制策略分为主控制策略和子控制策略，优先修正子策略，在下一个周期在重复辨识系统的能效比的变化方向，若有必要，则修正主策略，专家策略库由大量算法组成，而修正的方法，采用根据边界条件查询的办法，而边界条件的产生，就是规则的新制定方法，一旦经过验证的新的正确控制策略得到验证，则边界条件进入专家策略库储存；
S3：中央空调系统能效在线分析诊断，防止错误策略投入运行确保系统能效比的持续上升，满足节能要求的前提下，能源站的设计综合能效应为4.9以上，综合能效EERO＝1/(1/ERRⅠ+1/ERRⅡ+1/ERRⅢ+1/ERRⅤ)；
S3:取得空调负荷后，空调能效控制系统完成以下工作：
S31：主机群控：根据负荷自动启/停冷冻机组和自动加减载；
S32：在线能效比cop监测：实时采集系统供冷量、各设备能耗，计算并实时显示主机、冷冻水环路、冷却水环路、末端环路的能效比曲线，自动诊断各个环路的效率水平，持续优化；
S33：基本的启停逻辑控制：
开机：冷却塔风机—冷却水塔电动蝶阀—冷冻机的冷凝器电动蝶阀—冷却水泵—冷冻机的蒸发器电动蝶阀—冷冻水泵—制冷机组
关机：制冷机—冷冻水泵—冷冻机的蒸发器电动蝶阀—冷却水泵—冷冻机的冷凝器电动蝶阀—冷却水塔电动蝶阀—冷却水塔风机，其中制冷机延时5分钟关机；
S34：冷冻水出水温度自动调节：一般设定7℃冷冻供水，主要是为了满足空调系统的除湿需求，当室外露点温度小于14℃时，新风可以带走室内的湿负荷，此时冷冻出水温度可以设定为9～12℃，当室外露点温度在14℃～17℃之间时，系统主要的湿负荷主要来自室内，冷冻水既要降温也要除湿，此时冷冻出水设为7～9℃，通过对全年室外露点温度统计分析可知全年约有60％时间的室外露点温度在14℃以下，70％时间室外露点温度在17℃以下，冷冻水出水温度设定值的升高可以提高制冷主机的能效，同时降低管道输配沿程冷量损耗，对冷冻出水温度的设定值动态修改将在原控制系统通过修改程序实现，每提高1℃冷冻水温度，主机能效提高2.5％～3％；
S35:压差旁通的节能控制：由于冷冻泵采用变流量控制，压差旁通一般尽量保持关闭，只有在系统压力过大时才开启旁通调节；
S36：多种设备启停方式：一键启停、远程/本地启停和界面手动启停；
S37：各种参数设置以及策略选择功能：设置设备启停时间、冷冻水出水温度、温差、末端联网监控时的空调区域温湿度设定、循环泵的上运行频率上下限，还能选择多种节能策略是否加入运行：包括负荷预测策略、最佳启停时间控制策略、新风焓值控制策略、冷却水跟随湿球温度策略等、负荷预测持续优化策略；
S38：系统和设备状态、参数记录：主机状态参数、冷冻水系统参数、冷却水系统参数实时读数和历史记录，各种分析参数：包括系统各个环路能效比曲线、温差曲线、负荷率曲线、实时读数和历史记录；
S39：能源管理功能：分项计量、统计分析和能耗预警；
S310：实时报警；
S311：系统预警。
进一步地，所述S1中采集的参数与运行数据包括但不限于：室外环境温湿度、室内温湿度、冷冻水流量、冷冻进回水温度、冷却进回水温度、最不利末端用户冷水压差、冷冻主机设定出水温度等、最不利末端用户冷水压差和冷冻主机设定出水温度。
进一步地，所述S1中cp是水定压比热，为定值，Gt为t时刻冷冻水流量，ΔTt为t时刻冷冻送回水温差，Q(t-dt)为上一检测周期实测空调负荷值。
进一步地，所述S2中专家测量库综合了多种业态，包括但不限于各种公共建筑、工业洁净厂房、多种暖通空调方案、常规水冷中央空调、风冷热泵、水源热泵、冰蓄冷空调、水蓄冷空调、溴化锂空调系统在应用中出现的中央空调方案，各类控制策略，包括变流量、变温度、变负荷率和变风量，专家策略库的算法包括PID算法和AI人工算法，其中AI人工算法包括多元线性回归、支持向量机、K近邻算法、LGBM、stacking算法和朴素贝叶斯。
进一步地，所述S3中ERRⅠ为中央空调冷水机组制冷循环系统的能效，ERRⅡ为中央空调冷冻水循环系统的能效，ERRⅢ为中央空调冷却水循环系统的能效，ERRⅤ为中央空调冷却塔循环系统的能效。
进一步地，所述S31中主机群控根据负荷预测结果，实现对冷冻机组启停台数的控制，才开机时，可以任意选择启停台数，系统运行到末端温度达到设定值后，进入节能自动控制，加/减载综合考虑主机负荷率、能效比-负荷率曲线、大小机搭配、各机组的运行时间平衡，最大限度的让主机工作于最高能效比工作点。
进一步地，所述S36中一键启停：在界面上选择需要启停的机组，一键自动按照逻辑依次启停各设备，延时后进入自动加减载程序，远程/本地启停：允许机组用本地控制柜启停，但在上位机保持数据采集和状态监视，界面手动启停：允许在上位机中通过鼠标，自主选择设备的启停，而不再进入自动加减载。
进一步地，所述S39中分项计量的内容包括各个设备历史以及实施能耗数据，统计分析按照年月日，同比，环比各个设备能耗和系统总能耗，能耗预警制定设备每天的用能指标，超出指标给出预警信号。
进一步地，所述S310中实时报警通过短信、微信、电脑界面弹窗方式，推送实时报警信号，详细报警变量见控制系统点表，并在数据库中进行报警记录，实时报警，主要针对设备故障和系统故障这些直接影响系统安全运行的参数变量，在报警发生时，启动自动停机，或者切换工作模式动作。
进一步地，所述S311中系统预警主要针对不直接影响系统运行安全性，但是影响系统长期运行的效率，安全性的报警，一般来自系统能效比的运算结果，控制系统一般不直接停机，或者切换工作状态，需要工作人员根据预警的情况，及时发现问题，调整系统运行参数，或者对系统进行检修、保养。
该负荷预测节能策略中新风除湿原理图如图3所示，其冷冻水出水温度调节测量图如图4所示。
使用本技术方案的负荷预测节能策略时，其步骤如下：
S1：采集多种参数与运行数据，根据用户特点、空调大小适当调整取样周期，对用户用冷需求进行负荷预测，智能控制器通过负荷预测算法进行运算：首先计算t时刻空调负荷：Q(t)＝cpGtΔTt，然后计算下一检测周期空调负荷预测值Q(t+dt)＝Q(t)+[Q(t)-Q(t-dt)]，，采集的参数与运行数据包括但不限于：室外环境温湿度、室内温湿度、冷冻水流量、冷冻进回水温度、冷却进回水温度、最不利末端用户冷水压差、冷冻主机设定出水温度等、最不利末端用户冷水压差和冷冻主机设定出水温度，cp是水定压比热，为定值，Gt为t时刻冷冻水流量，ΔTt为t时刻冷冻送回水温差，Q(t-dt)为上一检测周期实测空调负荷值；
S2：根据边界条件选择专家策略库算法，专家策略库算法综合了多种业态，并结合一套完整的能效子诊断系统，时时对正在运行的系统策略进行辨识，确认能效比COP增长的方向，防止错误策略的运行，自修正，专家策略库输出的控制策略，需要诊断系统自动辨识系统的能效比是否处于上升中，因此自修正算法首先要计算当前的能效比cop值，并和上一个周期的能效比cop值进行对比，若发现开始下降，则需要修正专家策略库的输出策略，而控制策略分为主控制策略和子控制策略，优先修正子策略，在下一个周期在重复辨识系统的能效比的变化方向，若有必要，则修正主策略，专家策略库由大量算法组成，而修正的方法，采用根据边界条件查询的办法，而边界条件的产生，就是规则的新制定方法，一旦经过验证的新的正确控制策略得到验证，则边界条件进入专家策略库储存，专家测量库综合了多种业态，包括但不限于各种公共建筑、工业洁净厂房、多种暖通空调方案、常规水冷中央空调、风冷热泵、水源热泵、冰蓄冷空调、水蓄冷空调、溴化锂空调系统在应用中出现的中央空调方案，各类控制策略，包括变流量、变温度、变负荷率和变风量，专家策略库的算法包括PID算法和AI人工算法，其中AI人工算法包括多元线性回归、支持向量机、K近邻算法、LGBM、stacking算法和朴素贝叶斯；
S3：中央空调系统能效在线分析诊断，防止错误策略投入运行确保系统能效比的持续上升，满足节能要求的前提下，能源站的设计综合能效应为4.9以上，综合能效EERO＝1/(1/ERRⅠ+1/ERRⅡ+1/ERRⅢ+1/ERRⅤ)，ERRⅠ为中央空调冷水机组制冷循环系统的能效，ERRⅡ为中央空调冷冻水循环系统的能效，ERRⅢ为中央空调冷却水循环系统的能效，ERRⅤ为中央空调冷却塔循环系统的能效；
S3:取得空调负荷后，空调能效控制系统完成以下工作：
S31：主机群控：根据负荷自动启/停冷冻机组和自动加减载，主机群控根据负荷预测结果，实现对冷冻机组启停台数的控制，才开机时，可以任意选择启停台数，系统运行到末端温度达到设定值后，进入节能自动控制，加/减载综合考虑主机负荷率、能效比-负荷率曲线、大小机搭配、各机组的运行时间平衡，最大限度的让主机工作于最高能效比工作点；
S32：在线能效比cop监测：实时采集系统供冷量、各设备能耗，计算并实时显示主机、冷冻水环路、冷却水环路、末端环路的能效比曲线，自动诊断各个环路的效率水平，持续优化；
S33：基本的启停逻辑控制：
开机：冷却塔风机—冷却水塔电动蝶阀—冷冻机的冷凝器电动蝶阀—冷却水泵—冷冻机的蒸发器电动蝶阀—冷冻水泵—制冷机组
关机：制冷机—冷冻水泵—冷冻机的蒸发器电动蝶阀—冷却水泵—冷冻机的冷凝器电动蝶阀—冷却水塔电动蝶阀—冷却水塔风机，其中制冷机延时5分钟关机；
S34：冷冻水出水温度自动调节：一般设定7℃冷冻供水，主要是为了满足空调系统的除湿需求，当室外露点温度小于14℃时，新风可以带走室内的湿负荷，此时冷冻出水温度可以设定为9～12℃，当室外露点温度在14℃～17℃之间时，系统主要的湿负荷主要来自室内，冷冻水既要降温也要除湿，此时冷冻出水设为7～9℃，通过对全年室外露点温度统计分析可知全年约有60％时间的室外露点温度在14℃以下，70％时间室外露点温度在17℃以下，冷冻水出水温度设定值的升高可以提高制冷主机的能效，同时降低管道输配沿程冷量损耗，对冷冻出水温度的设定值动态修改将在原控制系统通过修改程序实现，每提高1℃冷冻水温度，主机能效提高2.5％～3％；
S35:压差旁通的节能控制：由于冷冻泵采用变流量控制，压差旁通一般尽量保持关闭，只有在系统压力过大时才开启旁通调节；
S36：多种设备启停方式：一键启停、远程/本地启停和界面手动启停，一键启停：在界面上选择需要启停的机组，一键自动按照逻辑依次启停各设备，延时后进入自动加减载程序，远程/本地启停：允许机组用本地控制柜启停，但在上位机保持数据采集和状态监视，界面手动启停：允许在上位机中通过鼠标，自主选择设备的启停，而不再进入自动加减载；
S37：各种参数设置以及策略选择功能：设置设备启停时间、冷冻水出水温度、温差、末端联网监控时的空调区域温湿度设定、循环泵的上运行频率上下限，还能选择多种节能策略是否加入运行：包括负荷预测策略、最佳启停时间控制策略、新风焓值控制策略、冷却水跟随湿球温度策略等、负荷预测持续优化策略；
S38：系统和设备状态、参数记录：主机状态参数、冷冻水系统参数、冷却水系统参数实时读数和历史记录，各种分析参数：包括系统各个环路能效比曲线、温差曲线、负荷率曲线、实时读数和历史记录；
S39：能源管理功能：分项计量、统计分析和能耗预警，分项计量的内容包括各个设备历史以及实施能耗数据，统计分析按照年月日，同比，环比各个设备能耗和系统总能耗，能耗预警制定设备每天的用能指标，超出指标给出预警信号；
S310：实时报警，实时报警通过短信、微信、电脑界面弹窗方式，推送实时报警信号，详细报警变量见控制系统点表，并在数据库中进行报警记录，实时报警，主要针对设备故障和系统故障这些直接影响系统安全运行的参数变量，在报警发生时，启动自动停机，或者切换工作模式动作；
S311：系统预警，系统预警主要针对不直接影响系统运行安全性，但是影响系统长期运行的效率，安全性的报警，一般来自系统能效比的运算结果，控制系统一般不直接停机，或者切换工作状态，需要工作人员根据预警的情况，及时发现问题，调整系统运行参数，或者对系统进行检修、保养。
Claims (10)
1.一种中央空调人工智能负荷预测节能策略；其特征在于，其步骤如下：
S1：采集多种参数与运行数据，根据用户特点、空调大小适当调整取样周期，对用户用冷需求进行负荷预测，智能控制器通过负荷预测算法进行运算：首先计算t时刻空调负荷：Q(t)＝cpGtΔTt，然后计算下一检测周期空调负荷预测值Q(t+dt)＝Q(t)+[Q(t)-Q(t-dt)]；
S2：根据边界条件选择专家策略库算法，专家策略库算法综合了多种业态，并结合一套完整的能效子诊断系统，时时对正在运行的系统策略进行辨识，确认能效比COP增长的方向，防止错误策略的运行，自修正，专家策略库输出的控制策略，需要诊断系统自动辨识系统的能效比是否处于上升中，因此自修正算法首先要计算当前的能效比cop值，并和上一个周期的能效比cop值进行对比，若发现开始下降，则需要修正专家策略库的输出策略，而控制策略分为主控制策略和子控制策略，优先修正子策略，在下一个周期在重复辨识系统的能效比的变化方向，若有必要，则修正主策略，专家策略库由大量算法组成，而修正的方法，采用根据边界条件查询的办法，而边界条件的产生，就是规则的新制定方法，一旦经过验证的新的正确控制策略得到验证，则边界条件进入专家策略库储存；
S3：中央空调系统能效在线分析诊断，防止错误策略投入运行确保系统能效比的持续上升，满足节能要求的前提下，能源站的设计综合能效应为4.9以上，综合能效EERO＝1/(1/ERRⅠ+1/ERRⅡ+1/ERRⅢ+1/ERRⅤ)；
S3:取得空调负荷后，空调能效控制系统完成以下工作：
S31：主机群控：根据负荷自动启/停冷冻机组和自动加减载；
S32：在线能效比cop监测：实时采集系统供冷量、各设备能耗，计算并实时显示主机、冷冻水环路、冷却水环路、末端环路的能效比曲线，自动诊断各个环路的效率水平，持续优化；
S33：基本的启停逻辑控制：
开机：冷却塔风机—冷却水塔电动蝶阀—冷冻机的冷凝器电动蝶阀—冷却水泵—冷冻机的蒸发器电动蝶阀—冷冻水泵—制冷机组
关机：制冷机—冷冻水泵—冷冻机的蒸发器电动蝶阀—冷却水泵—冷冻机的冷凝器电动蝶阀—冷却水塔电动蝶阀—冷却水塔风机，其中制冷机延时5分钟关机；
S34：冷冻水出水温度自动调节：一般设定7℃冷冻供水，主要是为了满足空调系统的除湿需求，当室外露点温度小于14℃时，新风可以带走室内的湿负荷，此时冷冻出水温度可以设定为9～12℃，当室外露点温度在14℃～17℃之间时，系统主要的湿负荷主要来自室内，冷冻水既要降温也要除湿，此时冷冻出水设为7～9℃，通过对全年室外露点温度统计分析可知全年约有60％时间的室外露点温度在14℃以下，70％时间室外露点温度在17℃以下，冷冻水出水温度设定值的升高可以提高制冷主机的能效，同时降低管道输配沿程冷量损耗，对冷冻出水温度的设定值动态修改将在原控制系统通过修改程序实现，每提高1℃冷冻水温度，主机能效提高2.5％～3％；
S35:压差旁通的节能控制：由于冷冻泵采用变流量控制，压差旁通一般尽量保持关闭，只有在系统压力过大时才开启旁通调节；
S36：多种设备启停方式：一键启停、远程/本地启停和界面手动启停；
S37：各种参数设置以及策略选择功能：设置设备启停时间、冷冻水出水温度、温差、末端联网监控时的空调区域温湿度设定、循环泵的上运行频率上下限，还能选择多种节能策略是否加入运行：包括负荷预测策略、最佳启停时间控制策略、新风焓值控制策略、冷却水跟随湿球温度策略等、负荷预测持续优化策略；
S38：系统和设备状态、参数记录：主机状态参数、冷冻水系统参数、冷却水系统参数实时读数和历史记录，各种分析参数：包括系统各个环路能效比曲线、温差曲线、负荷率曲线、实时读数和历史记录；
S39：能源管理功能：分项计量、统计分析和能耗预警；
S310：实时报警；
S311：系统预警。
2.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S1中采集的参数与运行数据包括但不限于：室外环境温湿度、室内温湿度、冷冻水流量、冷冻进回水温度、冷却进回水温度、最不利末端用户冷水压差、冷冻主机设定出水温度等、最不利末端用户冷水压差和冷冻主机设定出水温度。
3.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S1中cp是水定压比热，为定值，Gt为t时刻冷冻水流量，ΔTt为t时刻冷冻送回水温差，Q(t-dt)为上一检测周期实测空调负荷值。
4.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S2中专家测量库综合了多种业态，包括但不限于各种公共建筑、工业洁净厂房、多种暖通空调方案、常规水冷中央空调、风冷热泵、水源热泵、冰蓄冷空调、水蓄冷空调、溴化锂空调系统在应用中出现的中央空调方案，各类控制策略，包括变流量、变温度、变负荷率和变风量，专家策略库的算法包括PID算法和AI人工算法，其中AI人工算法包括多元线性回归、支持向量机、K近邻算法、LGBM、stacking算法和朴素贝叶斯。
5.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S3中ERRⅠ为中央空调冷水机组制冷循环系统的能效，ERRⅡ为中央空调冷冻水循环系统的能效，ERRⅢ为中央空调冷却水循环系统的能效，ERRⅤ为中央空调冷却塔循环系统的能效。
6.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S31中主机群控根据负荷预测结果，实现对冷冻机组启停台数的控制，才开机时，可以任意选择启停台数，系统运行到末端温度达到设定值后，进入节能自动控制，加/减载综合考虑主机负荷率、能效比-负荷率曲线、大小机搭配、各机组的运行时间平衡，最大限度的让主机工作于最高能效比工作点。
7.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S36中一键启停：在界面上选择需要启停的机组，一键自动按照逻辑依次启停各设备，延时后进入自动加减载程序，远程/本地启停：允许机组用本地控制柜启停，但在上位机保持数据采集和状态监视，界面手动启停：允许在上位机中通过鼠标，自主选择设备的启停，而不再进入自动加减载。
8.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S39中分项计量的内容包括各个设备历史以及实施能耗数据，统计分析按照年月日，同比，环比各个设备能耗和系统总能耗，能耗预警制定设备每天的用能指标，超出指标给出预警信号。
9.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S310中实时报警通过短信、微信、电脑界面弹窗方式，推送实时报警信号，详细报警变量见控制系统点表，并在数据库中进行报警记录，实时报警，主要针对设备故障和系统故障这些直接影响系统安全运行的参数变量，在报警发生时，启动自动停机，或者切换工作模式动作。
10.根据权利要求1所述的一种中央空调人工智能负荷预测节能策略，其特征在于，所述S311中系统预警主要针对不直接影响系统运行安全性，但是影响系统长期运行的效率，安全性的报警，一般来自系统能效比的运算结果，控制系统一般不直接停机，或者切换工作状态，需要工作人员根据预警的情况，及时发现问题，调整系统运行参数，或者对系统进行检修、保养。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310343719.4A CN116255716A (zh) | 2023-04-03 | 2023-04-03 | 一种中央空调人工智能负荷预测节能策略 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310343719.4A CN116255716A (zh) | 2023-04-03 | 2023-04-03 | 一种中央空调人工智能负荷预测节能策略 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116255716A true CN116255716A (zh) | 2023-06-13 |
Family
ID=86679469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310343719.4A Withdrawn CN116255716A (zh) | 2023-04-03 | 2023-04-03 | 一种中央空调人工智能负荷预测节能策略 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116255716A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116447726A (zh) * | 2023-06-20 | 2023-07-18 | 上海能誉科技股份有限公司 | 一种中央空调冷冻水循环系统的控制系统及控制方法 |
| CN117846942A (zh) * | 2024-03-08 | 2024-04-09 | 湖南捷工医疗科技有限公司 | 一款气体多功能自动检测装备 |
-
2023
- 2023-04-03 CN CN202310343719.4A patent/CN116255716A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116447726A (zh) * | 2023-06-20 | 2023-07-18 | 上海能誉科技股份有限公司 | 一种中央空调冷冻水循环系统的控制系统及控制方法 |
| CN117846942A (zh) * | 2024-03-08 | 2024-04-09 | 湖南捷工医疗科技有限公司 | 一款气体多功能自动检测装备 |
| CN117846942B (zh) * | 2024-03-08 | 2024-05-10 | 湖南捷工医疗科技有限公司 | 一款气体多功能自动检测装备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104134100B (zh) | 一种基于云计算的节能管理系统 | |
| CN116255716A (zh) | 一种中央空调人工智能负荷预测节能策略 | |
| CN101498494B (zh) | 一种集中空调系统的经济运行方法 | |
| CN108534394B (zh) | 一种地源热泵双机组加卸载群控优化控制方法 | |
| CN112594904A (zh) | 一种制冷站节能优化控制系统 | |
| CN112283993B (zh) | 一种制冷控制方法、装置及制冷设备 | |
| CN113790542B (zh) | 多模块冷水机组及其调度控制方法 | |
| CN106801972B (zh) | 一种变频空调器保护控制方法和变频空调器 | |
| CN111271907A (zh) | 基于大数据技术的智慧空气源热泵控制系统及方法 | |
| CN115860445B (zh) | 铀浓缩制冷机组与闭式冷却塔多层级协同调度方法 | |
| CN116085936A (zh) | 一种中央空调能源站智慧能源管理系统、设备及介质 | |
| CN112682882A (zh) | 一种绿色高效节能制冷机房集合式模块的实施方法 | |
| CN115218346B (zh) | 蓄热化霜控制方法以及空调机组 | |
| CN111076371A (zh) | 一种中央空调动态需求响应的控制方法及系统 | |
| CN110906497A (zh) | 一种中央空调的控制系统及中央空调 | |
| CN206247552U (zh) | 中央空调自动寻优节能控制器 | |
| CN114322220B (zh) | 一种空气调节装置及其控制方法 | |
| CN216592032U (zh) | 一种水蓄冷调节系统 | |
| CN114206071A (zh) | 基于双曲线冷却塔的数据中心冷却系统 | |
| CN118376029B (zh) | 一种采用ai算法的制冷系统节能方法 | |
| CN114909781A (zh) | 基于windows的楼宇设备智能群控系统 | |
| Ng et al. | Performance evaluation of centrifugal chillers in an air-conditioning plant with the building automation system (BAS) | |
| CN113757856A (zh) | 一种空调冷却水系统控制方法及装置 | |
| CN110736218A (zh) | 用于空调器的室内机防冻结控制方法 | |
| CN118328600B (zh) | 一种空气源热泵智能除霜方法、系统及存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230613 |
|
| WW01 | Invention patent application withdrawn after publication |