CN117053355A - 一种冷冻站节能控制装置及其控制方法 - Google Patents

一种冷冻站节能控制装置及其控制方法 Download PDF

Info

Publication number
CN117053355A
CN117053355A CN202310730217.7A CN202310730217A CN117053355A CN 117053355 A CN117053355 A CN 117053355A CN 202310730217 A CN202310730217 A CN 202310730217A CN 117053355 A CN117053355 A CN 117053355A
Authority
CN
China
Prior art keywords
water
cooling
temperature
cooling water
unit
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
Application number
CN202310730217.7A
Other languages
English (en)
Other versions
CN117053355B (zh
Inventor
周纬
汤晓敏
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.)
Jiangsu Zhongyi Energy Technology Co ltd
Original Assignee
Jiangsu Zhongyi Energy 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 Jiangsu Zhongyi Energy Technology Co ltd filed Critical Jiangsu Zhongyi Energy Technology Co ltd
Priority to CN202310730217.7A priority Critical patent/CN117053355B/zh
Publication of CN117053355A publication Critical patent/CN117053355A/zh
Application granted granted Critical
Publication of CN117053355B publication Critical patent/CN117053355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
    • 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
    • F24F11/62—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
    • 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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
    • F24F3/06—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the arrangements for the supply of heat-exchange fluid for the subsequent treatment of primary air in the room units
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F24F2110/22—Humidity of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/50—Load

Abstract

本发明公开了一种冷冻站节能控制装置及其控制方法，包括：冷水机组、冷冻水回路、冷却水回路以及负荷预测与控制装置；所述冷却水回路包括多个冷却泵和冷却塔，多个所述冷却塔的侧壁上固定连接有与其连通的冷却水支管，且多个冷却水支管远离冷却塔的一端固定连接有同一根冷却水总管。本发明中的预测控制模组内设置有三种运行模式包括机械制冷模式、预冷模式和自然冷却模式，三种运行模式的转换由负荷预测单元、神经网络控制单元和能效比预测单元联合根据冷水机组及板式换热器的运行状况综合确定，并且该预测过程基于神经网络的预测控制，在控制过程中能够克服不确定性因素的影响,在负荷不断变化的情况下使系统稳定在高能效比工况。

Description

一种冷冻站节能控制装置及其控制方法
技术领域
本发明涉及的冷冻站节能技术领域，尤其涉及一种冷冻站节能控制装置及其控制方法。
背景技术
研究表明，在建筑设备能耗占比上，空调系统、给排水系统、照明系统占总能耗的2/3以上；而冷冻站系统是其中能耗最为显著的部分，也是最为复杂的部分，如何实现高效，节能，稳定的冷冻站系统控制系统，是每个项目必须考虑的重点。
然而目前国内冷冻站系统的运行效率普遍偏低，冷冻站系统的高能耗、低效率使客户的运营成本显著增加。由于空调冷冻站系统拥有众多设备,包括冷水机组、水泵和冷却塔等,使得系统结构复杂,具有非线性、大滞后以及时变等复杂特性,且冷冻水回路和冷却水回路间存在耦合关系,造成传统控制方法设计和调试困难,因此系统控制效果不佳，另外由于参数整定困难,造成传统控制方法在空调系统负荷变化时极易产生振荡,所以目前90％以上的集中式空调系统采用手动控制,造成能源的大量浪费，即使采用自动控制的系统,也没有把冷冻站系统看成一个整体,只针对局部设备进行控制,通常达不到理想的节能效果，为此，我们提出一种冷冻站节能控制装置及其控制方法来解决上述提出的问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有冷冻站节能控制装置及其控制方法存在的问题，提出了本发明。
因此，本发明目的是提供一种冷冻站节能控制装置及其控制方法，其中的预测控制模组内设置有三种运行模式包括机械制冷模式、预冷模式和自然冷却模式，三种运行模式的转换由负荷预测单元、神经网络控制单元和能效比预测单元联合根据室外湿球温度、冷却塔风机的负荷、冷水机组及板式换热器的运行状况综合确定。
为解决上述技术问题，本发明提供如下技术方案：一种冷冻站节能控制装置，包括：
冷水机组、冷冻水回路、冷却水回路以及负荷预测与控制装置；
所述冷却水回路包括多个冷却泵和冷却塔，多个所述冷却塔的侧壁上固定连接有与其连通的冷却水支管，且多个冷却水支管远离冷却塔的一端固定连接有同一根冷却水总管，所述冷却水总管与冷水机组固定连通，所述冷水机组的侧壁上固定连接有与冷却泵连通的第一冷却水管道，且冷却泵的侧壁上固定连通有第二冷却水管道，多个所述第二冷却水管道的侧壁上固定连通有同一根第二冷却水管道，所述第二冷却水管道的侧壁上设置有与多个冷却塔连通的第三冷却水管道；
所述冷冻水回路包括多个冷冻泵，所述冷冻泵与冷水机组之间通过冷冻水管道固定连通，所述冷冻泵远离冷冻水管道的一端固定连通有冷冻水支管，且多个冷冻水支管的另一端固定连通有同一根冷冻水总管，所述冷冻水总管的侧壁上固定连通有板式换热器，且板式换热器的另一端固定连通有第一冷冻水回水管，所述第一冷冻水回水管与多个冷水机组之间通过第二冷冻水回水管固定连通，所述第一冷冻水回水管的一端与外部的空气处理器及风机连接并实现热交换，且降温后的冷风由风机吹向外部的空调末端并经末端设备进入室内达到降温的目的；
所述冷水机组包括蒸发器、压缩机、冷却器和膨胀阀，所述蒸发器、压缩机、冷却器和膨胀阀内循环有制冷剂，所述蒸发器内吸收冷冻水回水的热量变成气态再经过压缩机被压缩成高温高压气体，且该气体流经冷凝器放出热量并被冷却水带到冷却塔排出，所述制冷剂流经膨胀阀降压后再次流向蒸发器进入下一循环；
所述负荷预测与控制装置包括中央处理器以及分别与冷却塔、冷却泵和冷冻泵连接的冷却塔控制模组、冷却泵控制模组和冷冻泵控制模组，所述中央处理器中设置有与冷却塔控制模组、冷却泵控制模组和冷冻泵控制模组的输出端连接的预测控制模块，所述预测控制模块内设置有负荷预测单元、神经网络控制单元和能效比预测单元，所述预测控制模块的输出端连接有数据库，且数据库中的数据通过信号采集模块分别对冷水机组、冷冻水回路和冷却水回路进行采集，所述负荷预测单元内设置有负荷预测模型，所述神经网络控制单元内设置有神经网络预测模型、所述能效比预测单元分别与负荷预测单元和神经网络控制单元连接并用于对能效比进行计算。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述冷却水支管的外侧壁上连接有第一电动开关阀门，所述第二冷却水管道的外侧壁上连接有第一温度传感器，且第一温度传感器的外侧设置有与其连接的室外湿球温度传感器；所述第一冷却水管道和冷冻水管道的外侧壁上均连接有第二电动开关，所述冷水机组内设置有用于对其监测的功率传感器；所述冷却水总管的侧壁上连接有第二温度传感器和第一流量传感器，所述第一冷冻水回水管的外侧壁上连接有第三温度传感器和第二流量传感器，所述板式换热器的外侧连接有第三流量传感器。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述冷水机组制备的冷量表示为：
Qch＝c·mchw·(Tchwr-Tchws)
式中：Qch表示冷水机组制备的冷量，单位KW；c表示水的比热容，单位KJ/(Kg·K)；mchw表示冷冻水流量，单位Kg/s；Tchwr表示冷冻水供水温度，单位℃；Tchws表示冷冻水回水温度，单位℃；冷水机组的运行能效比表示为：
COP＝Qch/Pchiller
式中：COP表示冷水机组的运行能效比；Pchiller表示冷水机组的运行功率，单位KW。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述冷却水泵和冷冻水泵均采用变频水泵，所述变频水泵的功率计算公式为：
Ppump＝ρgVH/3.6×106·η
η＝ηP·ηm·ηVFD
式中：Ppump表示水泵的功率，ρ表示流体密度，g表示重力加速度；V表示流体的体积流量；H表示水泵的扬程；η表示水泵的全效率；ηP表示水泵效率；ηm为电机效率；ηVFD为变频器效率。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述冷却塔风机的运行功率表示为：
式中：Ptower表示风机的运行功率；Ptower，rated表示风机的额定功率；ft表示风机的运行频率；f0表示风机的额定功率；
所述冷冻站的能效比EER的计算公式为：
EER＝Qch/Ptotal
式中：Ptotal表示冷冻站各设备的运行功率总和，计算公式为：
Ptotal＝Pchiller+Ppumpch+Ppumpc+Ptower
式中：Pchiller冷水机组的运行功率能够直接测量获得，；冷冻水泵运行功率Ppumpch、冷却水泵运行功率Ppumpc和冷却塔运行功率Ptower能够由前述计算公式求得。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述负荷预测模型的输入参数包括室外温度Tout[k]、室外相对湿度RHout[k]、太阳辐射强度S[k]、室外风速Wnorth[k]和Weast[k]、室内负荷Qin[k]，其中k表示当前时刻，负荷预测模型的输出为下一时刻负荷预测值Q[k+1]。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述神经网络预测模型包括输入层、隐含层和输出层，所述输入层参数包括当前时刻室外干球温度、室外湿球温度、当前时刻负荷、下一时刻负荷预测值、回风温度、EER值和EER的设定值；所述输出层参数包括当前时刻冷冻水供水温度、冷却水回水温度、冷冻水泵频率以及冷却水泵频率。
作为本发明所述冷冻站节能控制装置的一种优选方案，其中：所述冷冻站节能控制方法包括以下步骤：
S1、首先，液态制冷剂在蒸发器内吸收冷冻水回水的热量，变成气态，再经过压缩机，被压缩成高温高压的气体，该气体流经冷凝器放出热量，使其温度降低，变成液体；
S2、冷却水在冷凝器处吸收制冷剂释放的热量，从而温度升高，然后，冷却泵将升温后的冷却水压入冷却塔，使之与外界环境进行热交换，降温后的冷却水又回到冷水机组处；
S3、冷冻水回路使用过程中，冷冻水首先在蒸发器处与制冷剂进行热交换，降温后由冷冻泵加压送入冷冻水管道，然后流到空气处理器，与混风进行热交换；降温后的冷风由风机吹向空调末端，经末端设备进入室内，达到降温的目的；同时，冷冻水因吸收混风热量而温度升高，升温后的冷冻水再与冷水机组进行热交换；
S4、最后，高压液态制冷剂在系统的推动下流经膨胀阀，降压后再次流向蒸发器进入下一个循环。
作为本发明所述冷冻站节能控制方法的一种优选方案，其中：所述预测控制模组内设置有三种运行模式包括机械制冷模式、预冷模式和自然冷却模式，三种所述运行模式的转换由负荷预测单元、神经网络控制单元和能效比预测单元联合根据室外湿球温度、冷却塔风机的负荷、冷水机组及板式换热器的运行状况综合确定，且三种模式具体方法为：
(1)机械制冷模式即完全由冷水机组供冷：当室外空气湿球温度＞16℃或初始启动时，冷却水总管温度设定为23℃；在机械制冷模式下运行，冷却水总管温度控制在23℃～34℃之间以保证冷机正常运行；
(2)预冷模式即冷水机组、板式换热器和空气处理器及风机配合供冷：满足10℃<室外湿球温度≤16℃的时间达到20min时，预测控制模组检测冷却水供水温度、冷冻水回水温度与该温度的差值ΔT，若冷却塔供水温度≤21.5℃且ΔT≥1.5℃的时间达到10min时，确认进入预冷模式；
(3)自然冷却模式即板式换热器和空气处理器及风机供冷：当室外湿球温度≤10℃的时间达到40min时，群控控制器命令单元控制器开始检测冷却水供水温度，若该温度≤17℃，同时冷水机组的负载率≤35％、冷却塔风机频率≤40Hz且板换进入冷机的冷冻水温度≤18.5℃达到20min时，确认进入自然冷却模式。
作为本发明所述冷冻站节能控制方法的一种优选方案，其中：所述预测控制模组401中的负荷预测单元、神经网络控制单元和能效比预测单元在MATLAB环境下进行预测控制仿真验证；在验证实验中将通过神经网络辨识的冷冻站能效比模型既作为预测模型使用，同时也作为被控对象使用，并通过采集的数据计算得知能效比EER值分布在3.2，将EER期望值设定为3.5，在运行80分钟后能够将系统能效比值稳定在3.5。
本发明的有益效果：本发明中的预测控制模组内设置有三种运行模式包括机械制冷模式、预冷模式和自然冷却模式，三种运行模式的转换由负荷预测单元、神经网络控制单元和能效比预测单元联合根据室外湿球温度、冷却塔风机的负荷、冷水机组及板式换热器的运行状况综合确定，并且该预测过程基于神经网络的预测控制，在控制过程中能够克服不确定性因素的影响,在负荷不断变化的情况下使系统稳定在高能效比工况。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明冷冻站节能控制装置及其控制方法的装置整体结构示意图；
图2为本发明冷冻站节能控制装置及其控制方法的装置俯视结构示意图；
图3为本发明冷冻站节能控制装置及其控制方法的装置传感器分布结构示意图；
图4为本发明冷冻站节能控制装置及其控制方法的控制装置结构框图；
图5为本发明冷冻站节能控制装置及其控制方法的控制框图；
图6为本发明冷冻站节能控制装置及其控制方法的能效比EER变化情况示意图；
图7为本发明冷冻站节能控制装置及其控制方法的本方案控制方法与传统控制方法比较示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
参照图1-图5，提供了一种冷冻站节能控制装置，包括：
冷水机组100、冷冻水回路200、冷却水回路300以及负荷预测与控制装置400；
其中，冷却水回路300包括多个冷却泵301和冷却塔302，多个冷却塔302的侧壁上固定连接有与其连通的冷却水支管，且多个冷却水支管远离冷却塔302的一端固定连接有同一根冷却水总管，冷却水总管与冷水机组100固定连通，冷水机组100的侧壁上固定连接有与冷却泵301连通的第一冷却水管道，且冷却泵301的侧壁上固定连通有第二冷却水管道，多个第二冷却水管道的侧壁上固定连通有同一根第二冷却水管道，第二冷却水管道的侧壁上设置有与多个冷却塔302连通的第三冷却水管道。
其中，冷冻水回路200包括多个冷冻泵201，冷冻泵201与冷水机组100之间通过冷冻水管道固定连通，冷冻泵201远离冷冻水管道的一端固定连通有冷冻水支管，且多个冷冻水支管的另一端固定连通有同一根冷冻水总管，冷冻水总管的侧壁上固定连通有板式换热器202，且板式换热器202的另一端固定连通有第一冷冻水回水管，第一冷冻水回水管与多个冷水机组100之间通过第二冷冻水回水管固定连通，第一冷冻水回水管的一端与外部的空气处理器及风机连接并实现热交换，且降温后的冷风由风机吹向外部的空调末端并经末端设备进入室内达到降温的目的。
其中，冷水机组100包括蒸发器、压缩机、冷却器和膨胀阀，蒸发器、压缩机、冷却器和膨胀阀内循环有制冷剂，蒸发器内吸收冷冻水回水的热量变成气态再经过压缩机被压缩成高温高压气体，且该气体流经冷凝器放出热量并被冷却水带到冷却塔302排出，制冷剂流经膨胀阀降压后再次流向蒸发器进入下一循环。
具体的，冷却水支管的外侧壁上连接有第一电动开关阀门，第二冷却水管道的外侧壁上连接有第一温度传感器，且第一温度传感器的外侧设置有与其连接的室外湿球温度传感器；第一冷却水管道和冷冻水管道的外侧壁上均连接有第二电动开关，冷水机组内设置有用于对其监测的功率传感器；冷却水总管的侧壁上连接有第二温度传感器和第一流量传感器，第一冷冻水回水管的外侧壁上连接有第三温度传感器和第二流量传感器，板式换热器的外侧连接有第三流量传感器，多个传感器将信号输送至信号采集模块中，且该采集过程为现有技术，在此不再赘述。
其中，负荷预测与控制装置400包括中央处理器以及分别与冷却塔302、冷却泵301和冷冻泵201连接的冷却塔控制模组401、冷却泵控制模组402和冷冻泵控制模组403，中央处理器中设置有与冷却塔控制模组401、冷却泵控制模组402和冷冻泵控制模组403的输出端连接的预测控制模块404，预测控制模块404内设置有负荷预测单元、神经网络控制单元和能效比预测单元，预测控制模块404的输出端连接有数据库405，且数据库405中的数据通过信号采集模块分别对冷水机组100、冷冻水回路200和冷却水回路300进行采集，负荷预测单元内设置有负荷预测模型，神经网络控制单元内设置有神经网络预测模型、能效比预测单元分别与负荷预测单元和神经网络控制单元连接并用于对能效比进行计算。
具体的，冷水机组制备的冷量表示为：
Qch＝c·mchw·(Tchwr-Tchws)
式中：Qch表示冷水机组制备的冷量，单位KW；c表示水的比热容，单位KJ/(Kg·K)；mchw表示冷冻水流量，单位Kg/s；Tchwr表示冷冻水供水温度，单位℃；Tchws表示冷冻水回水温度，单位℃；冷水机组的运行能效比表示为：
COP＝Qch/Pchiller
式中：COP表示冷水机组的运行能效比；Pchiller表示冷水机组的运行功率，单位KW。
进一步的，冷却水泵和冷冻水泵均采用变频水泵，变频水泵的功率计算公式为：
Ppump＝ρgVH/3.6×106·η
η＝ηP·ηm·ηVFD
式中：Ppump表示水泵的功率，ρ表示流体密度，g表示重力加速度；V表示流体的体积流量；H表示水泵的扬程；η表示水泵的全效率；ηP表示水泵效率；ηm为电机效率；ηVFD为变频器效率；
更进一步的，冷却塔风机的运行功率表示为：
式中：Ptower表示风机的运行功率；Ptower，rated表示风机的额定功率；ft表示风机的运行频率；f0表示风机的额定功率；
冷冻站的能效比EER的计算公式为：
EER＝Qch/Ptotal
式中：Ptotal表示冷冻站各设备的运行功率总和，计算公式为：
Ptotal＝Pchiller+Ppumpch+Ppumpc+Ptower
式中：Pchiller冷水机组的运行功率能够直接测量获得，；冷冻水泵运行功率Ppumpch、冷却水泵运行功率Ppumpc和冷却塔运行功率Ptower能够由前述计算公式求得。
其中，负荷预测模型的输入参数包括室外温度Tout[k]、室外相对湿度RHout[k]、太阳辐射强度S[k]、室外风速Wnorth[k]和Weast[k]、室内负荷Qin[k]，其中k表示当前时刻，负荷预测模型的输出为下一时刻负荷预测值Q[k+1]。
其中，神经网络预测模型包括输入层、隐含层和输出层，输入层参数包括当前时刻室外干球温度、室外湿球温度、当前时刻负荷、下一时刻负荷预测值、回风温度、EER值和EER的设定值；输出层参数包括当前时刻冷冻水供水温度、冷却水回水温度、冷冻水泵频率以及冷却水泵频率，
其中，冷冻站节能控制方法包括以下步骤：
S1、首先，液态制冷剂在蒸发器内吸收冷冻水回水的热量，变成气态，再经过压缩机，被压缩成高温高压的气体，该气体流经冷凝器放出热量，使其温度降低，变成液体；
S2、冷却水在冷凝器处吸收制冷剂释放的热量，从而温度升高，然后，冷却泵将升温后的冷却水压入冷却塔，使之与外界环境进行热交换，降温后的冷却水又回到冷水机组处；
S3、冷冻水回路使用过程中，冷冻水首先在蒸发器处与制冷剂进行热交换，降温后由冷冻泵加压送入冷冻水管道，然后流到空气处理器，与混风进行热交换；降温后的冷风由风机吹向空调末端，经末端设备进入室内，达到降温的目的；同时，冷冻水因吸收混风热量而温度升高，升温后的冷冻水再与冷水机组进行热交换；
S4、最后，高压液态制冷剂在系统的推动下流经膨胀阀，降压后再次流向蒸发器进入下一个循环。
具体的，预测控制模组内设置有三种运行模式包括机械制冷模式、预冷模式和自然冷却模式，三种运行模式的转换由负荷预测单元、神经网络控制单元和能效比预测单元联合根据室外湿球温度、冷却塔风机的负荷、冷水机组及板式换热器的运行状况综合确定，且三种模式具体方法为：
(1)机械制冷模式即完全由冷水机组供冷：当室外空气湿球温度＞16℃或初始启动时，冷却水总管温度设定为23℃；在机械制冷模式下运行，冷却水总管温度控制在23℃～34℃之间以保证冷机正常运行；
(2)预冷模式即冷水机组、板式换热器和空气处理器及风机配合供冷：满足10℃<室外湿球温度≤16℃的时间达到20min时，预测控制模组检测冷却水供水温度、冷冻水回水温度与该温度的差值ΔT，若冷却塔供水温度≤21.5℃且ΔT≥1.5℃的时间达到10min时，确认进入预冷模式；
(3)自然冷却模式即板式换热器和空气处理器及风机供冷：当室外湿球温度≤10℃的时间达到40min时，群控控制器命令单元控制器开始检测冷却水供水温度，若该温度≤17℃，同时冷水机组的负载率≤35％、冷却塔风机频率≤40Hz且板换进入冷机的冷冻水温度≤18.5℃达到20min时，确认进入自然冷却模式。
更具体的，当板式换热器冷冻水出水温度高于设定值0.5℃达到15min返回预冷模式；另外当室外湿球温度＞16℃达到15min，同时冷却塔风机满频率运行、冷却水供水温度＞21.5℃且板式换热器冷冻侧的供回水温差<0.5℃的持续时间达到10min，返回机械制冷模式，保证了机组热负荷的安全可靠性、灵活性，大大提高了能源的利用效率，满足了节能减排的要求。
其中，神经网络控制单元的预测过程包括：
具体实施例：
首先根据需求，预测时域M取6，对1小时系统状态进行预测，学习率μ＝1，
1)初始化神经网络控制单元，将神经网络的连接权值W设为随机数0.01，确定预测时域M和控制器权值学习率μ；
2)输出反馈值x[t0]确定预测时域内的状态初值x[t1]；
3)将当前时刻为k＝t1，在预测时域内，根据控制目标设置期望输出x*[t1+1]在各个时刻的值；
4)将x[t1]和x*[t1+1]输入变量作用于神经网络控制单元，得到控制量u[t1]，然后根据负荷预测模型得到当前时刻负荷预测值Q[t1]，再将x[t1]，u[t1]和Q[t1]作用于预测模型，得到
5)将和x*[t1+i+1]输入变量作用于神经网络控制单元得到控制量u[t1+i]，其中i＝1，2，...，M，然后根据负荷预测模型得到负荷预测值Q[t1+i]，再将u[t1+i]，和Q[t1+i]作用于预测模型，得到/>并存储计算结果；
6)重复步骤4)和5)根据Hamilton正则方程从后向前计算拉格朗日乘子向量q[k]；
7)根据计算出的q[k]，采用以下方程，修正神经网络控制单元的权值：
W＝W+ΔW，
其中，W是神经网络控制单元的权重矩阵；
8)重复步骤4)至7)，不断修改神经网络控制单元权值，直至ΔW＝0；
9)令t1＝t1+1，重复步骤3)至8)，计算出以后各个时刻控制量的值u，直至控制过程结束。
预测控制模组401中的负荷预测单元、神经网络控制单元和能效比预测单元在MATLAB环境下进行预测控制仿真验证；在验证实验中将通过神经网络辨识的冷冻站能效比模型既作为预测模型使用，同时也作为被控对象使用，并通过采集的数据计算得知能效比EER值分布在3.2，将EER期望值设定为3.5，在运行80分钟后能够将系统能效比值稳定在3.5，具体见图6。
根据图7计算得知，采用本发明预测控制方法与采用传统控制方法相比，系统的总能耗节省约8.57％，((3.5-3.2)/3.5＝0.0857)。
仿真实验结果表明，基于神经网络的预测控制，在控制过程中能够克服不确定性因素的影响，在负荷不断变化的情况下使系统稳定在高能效比工况下，且与传统控制算法相比，总能耗节省约8.57％。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种冷冻站节能控制装置，其特征在于，包括：
冷水机组(100)、冷冻水回路(200)、冷却水回路(300)以及负荷预测与控制装置(400)；
所述冷却水回路(300)包括多个冷却泵(301)和冷却塔(302)，多个所述冷却塔(302)的侧壁上固定连接有与其连通的冷却水支管，且多个冷却水支管远离冷却塔(302)的一端固定连接有同一根冷却水总管，所述冷却水总管与冷水机组(100)固定连通，所述冷水机组(100)的侧壁上固定连接有与冷却泵(301)连通的第一冷却水管道，且冷却泵(301)的侧壁上固定连通有第二冷却水管道，多个所述第二冷却水管道的侧壁上固定连通有同一根第二冷却水管道，所述第二冷却水管道的侧壁上设置有与多个冷却塔(302)连通的第三冷却水管道；
所述冷冻水回路(200)包括多个冷冻泵(201)，所述冷冻泵(201)与冷水机组(100)之间通过冷冻水管道固定连通，所述冷冻泵(201)远离冷冻水管道的一端固定连通有冷冻水支管，且多个冷冻水支管的另一端固定连通有同一根冷冻水总管，所述冷冻水总管的侧壁上固定连通有板式换热器(202)，且板式换热器(202)的另一端固定连通有第一冷冻水回水管，所述第一冷冻水回水管与多个冷水机组(100)之间通过第二冷冻水回水管固定连通，所述第一冷冻水回水管的一端与外部的空气处理器及风机连接并实现热交换，且降温后的冷风由风机吹向外部的空调末端并经末端设备进入室内达到降温的目的；
所述冷水机组(100)包括蒸发器、压缩机、冷却器和膨胀阀，所述蒸发器、压缩机、冷却器和膨胀阀内循环有制冷剂，所述蒸发器内吸收冷冻水回水的热量变成气态再经过压缩机被压缩成高温高压气体，且该气体流经冷凝器放出热量并被冷却水带到冷却塔(302)排出，所述制冷剂流经膨胀阀降压后再次流向蒸发器进入下一循环；
所述负荷预测与控制装置(400)包括中央处理器以及分别与冷却塔(302)、冷却泵(301)和冷冻泵(201)连接的冷却塔控制模组(401)、冷却泵控制模组(402)和冷冻泵控制模组(403)，所述中央处理器中设置有与冷却塔控制模组(401)、冷却泵控制模组(402)和冷冻泵控制模组(403)的输出端连接的预测控制模块(404)，所述预测控制模块(404)内设置有负荷预测单元、神经网络控制单元和能效比预测单元，所述预测控制模块(404)的输出端连接有数据库(405)，且数据库(405)中的数据通过信号采集模块分别对冷水机组(100)、冷冻水回路(200)和冷却水回路(300)进行采集，所述负荷预测单元内设置有负荷预测模型，所述神经网络控制单元内设置有神经网络预测模型、所述能效比预测单元分别与负荷预测单元和神经网络控制单元连接并用于对能效比进行计算。
2.根据权利要求1所述的冷冻站节能控制装置，其特征在于：所述冷却水支管的外侧壁上连接有第一电动开关阀门，所述第二冷却水管道的外侧壁上连接有第一温度传感器，且第一温度传感器的外侧设置有与其连接的室外湿球温度传感器；所述第一冷却水管道和冷冻水管道的外侧壁上均连接有第二电动开关，所述冷水机组内设置有用于对其监测的功率传感器；所述冷却水总管的侧壁上连接有第二温度传感器和第一流量传感器，所述第一冷冻水回水管的外侧壁上连接有第三温度传感器和第二流量传感器，所述板式换热器的外侧连接有第三流量传感器。
3.根据权利要求2所述的冷冻站节能控制装置，其特征在于：所述冷水机组制备的冷量表示为：
Qch＝c·mchw·(Tchwr-Tchws)
式中：Qch表示冷水机组制备的冷量，单位KW；c表示水的比热容，单位KJ/(Kg·K)；mchw表示冷冻水流量，单位Kg/s；Tchwr表示冷冻水供水温度，单位℃；Tchws表示冷冻水回水温度，单位℃；冷水机组的运行能效比表示为：
COP＝Qch/Pchiller
式中：COP表示冷水机组的运行能效比；Pchiller表示冷水机组的运行功率，单位KW。
4.根据权利要求3所述的冷冻站节能控制装置，其特征在于：所述冷却水泵和冷冻水泵均采用变频水泵，所述变频水泵的功率计算公式为：
Ppump＝ρgVH/3.6×106·η
η＝ηP·ηm·ηVFD
式中：Ppump表示水泵的功率，ρ表示流体密度，g表示重力加速度；V表示流体的体积流量；H表示水泵的扬程；η表示水泵的全效率；ηP表示水泵效率；ηm为电机效率；ηVFD为变频器效率。
5.根据权利要求1所述的冷冻站节能控制装置，其特征在于：所述冷却塔风机的运行功率表示为：
式中：Ptower表示风机的运行功率；Ptower,rated表示风机的额定功率；ft表示风机的运行频率；f0表示风机的额定功率；
所述冷冻站的能效比EER的计算公式为：
EER＝Qch/Ptotal
式中：Ptotal表示冷冻站各设备的运行功率总和，计算公式为：
Ptotal＝Pchiller+Ppumpch+Ppumpc+Ptower
式中：Pchiller冷水机组的运行功率能够直接测量获得，；冷冻水泵运行功率Ppumpch、冷却水泵运行功率Ppumpc和冷却塔运行功率Ptower能够由前述计算公式求得。
6.根据权利要求5所述的冷冻站节能控制装置，其特征在于：所述负荷预测模型的输入参数包括室外温度Tout[k]、室外相对湿度RHout[k]、太阳辐射强度S[k]、室外风速Wnorth[k]和Weast[k]、室内负荷Qin[k]，其中k表示当前时刻，负荷预测模型的输出为下一时刻负荷预测值Q[k+1]。
7.根据权利要求1所述的冷冻站节能控制装置，其特征在于：所述神经网络预测模型包括输入层、隐含层和输出层，所述输入层参数包括当前时刻室外干球温度、室外湿球温度、当前时刻负荷、下一时刻负荷预测值、回风温度、EER值和EER的设定值；所述输出层参数包括当前时刻冷冻水供水温度、冷却水回水温度、冷冻水泵频率以及冷却水泵频率。
8.根据权利要求2所述的冷冻站节能控制装置，其特征在于：所述冷冻站节能控制方法包括以下步骤：
S1、首先,液态制冷剂在蒸发器内吸收冷冻水回水的热量,变成气态,再经过压缩机,被压缩成高温高压的气体，该气体流经冷凝器放出热量,使其温度降低,变成液体；
S2、冷却水在冷凝器处吸收制冷剂释放的热量,从而温度升高，然后,冷却泵将升温后的冷却水压入冷却塔,使之与外界环境进行热交换,降温后的冷却水又回到冷水机组处；
S3、冷冻水回路使用过程中,冷冻水首先在蒸发器处与制冷剂进行热交换,降温后由冷冻泵加压送入冷冻水管道,然后流到空气处理器,与混风进行热交换；降温后的冷风由风机吹向空调末端,经末端设备进入室内,达到降温的目的；同时,冷冻水因吸收混风热量而温度升高,升温后的冷冻水再与冷水机组进行热交换；
S4、最后,高压液态制冷剂在系统的推动下流经膨胀阀,降压后再次流向蒸发器进入下一个循环。
9.根据权利要求8所述的冷冻站节能控制方法，其特征在于：所述预测控制模组内设置有三种运行模式包括机械制冷模式、预冷模式和自然冷却模式，三种所述运行模式的转换由负荷预测单元、神经网络控制单元和能效比预测单元联合根据室外湿球温度、冷却塔风机的负荷、冷水机组及板式换热器的运行状况综合确定，且三种模式具体方法为：
(1)机械制冷模式即完全由冷水机组供冷：当室外空气湿球温度>16℃或初始启动时，冷却水总管温度设定为23℃；在机械制冷模式下运行，冷却水总管温度控制在23℃～34℃之间以保证冷机正常运行；
(2)预冷模式即冷水机组、板式换热器和空气处理器及风机配合供冷：满足10℃＜室外湿球温度≤16℃的时间达到20min时，预测控制模组检测冷却水供水温度、冷冻水回水温度与该温度的差值ΔT，若冷却塔供水温度≤21.5℃且ΔT≥1.5℃的时间达到10min时，确认进入预冷模式；
(3)自然冷却模式即板式换热器和空气处理器及风机供冷：当室外湿球温度≤10℃的时间达到40min时，群控控制器命令单元控制器开始检测冷却水供水温度，若该温度≤17℃，同时冷水机组的负载率≤35％、冷却塔风机频率≤40Hz且板换进入冷机的冷冻水温度≤18.5℃达到20min时，确认进入自然冷却模式。
10.根据权利要求9所述的冷冻站节能控制方法，其特征在于：所述预测控制模组401中的负荷预测单元、神经网络控制单元和能效比预测单元在MATLAB环境下进行预测控制仿真验证；在验证实验中将通过神经网络辨识的冷冻站能效比模型既作为预测模型使用,同时也作为被控对象使用，并通过采集的数据计算得知能效比EER值分布在3.2,将EER期望值设定为3.5,在运行80分钟后能够将系统能效比值稳定在3.5。
CN202310730217.7A 2023-06-20 2023-06-20 一种冷冻站节能控制装置及其控制方法 Active CN117053355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310730217.7A CN117053355B (zh) 2023-06-20 2023-06-20 一种冷冻站节能控制装置及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310730217.7A CN117053355B (zh) 2023-06-20 2023-06-20 一种冷冻站节能控制装置及其控制方法

Publications (2)

Publication Number Publication Date
CN117053355A true CN117053355A (zh) 2023-11-14
CN117053355B CN117053355B (zh) 2024-04-02

Family

ID=88659622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310730217.7A Active CN117053355B (zh) 2023-06-20 2023-06-20 一种冷冻站节能控制装置及其控制方法

Country Status (1)

Country Link
CN (1) CN117053355B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100652249B1 (ko) * 2005-12-26 2006-12-01 주식회사 성지공조기술 냉각탑 제어시스템
CN101089503A (zh) * 2007-07-06 2007-12-19 北京时代嘉华环境控制科技有限公司 中央空调冷冻站质量并调控制方法及系统
JP2011185478A (ja) * 2010-03-05 2011-09-22 Hitachi Plant Technologies Ltd 冷却システム
CN104515271A (zh) * 2013-09-30 2015-04-15 代建国 中央空调冷冻站系统的节能优化控制系统及其控制方法
CN110288164A (zh) * 2019-07-02 2019-09-27 广州市特沃能源管理有限公司 一种建筑空调制冷站系统预测控制方法
CN115630331A (zh) * 2022-09-16 2023-01-20 大连理工大学 一种基于数学物理模型的空调冷冻站全局节能优化及调控方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100652249B1 (ko) * 2005-12-26 2006-12-01 주식회사 성지공조기술 냉각탑 제어시스템
CN101089503A (zh) * 2007-07-06 2007-12-19 北京时代嘉华环境控制科技有限公司 中央空调冷冻站质量并调控制方法及系统
JP2011185478A (ja) * 2010-03-05 2011-09-22 Hitachi Plant Technologies Ltd 冷却システム
CN104515271A (zh) * 2013-09-30 2015-04-15 代建国 中央空调冷冻站系统的节能优化控制系统及其控制方法
CN110288164A (zh) * 2019-07-02 2019-09-27 广州市特沃能源管理有限公司 一种建筑空调制冷站系统预测控制方法
CN115630331A (zh) * 2022-09-16 2023-01-20 大连理工大学 一种基于数学物理模型的空调冷冻站全局节能优化及调控方法

Also Published As

Publication number Publication date
CN117053355B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
CN103216908B (zh) 变频多联式空调机组制冷时室外风机的控制方法
CN103216909B (zh) 变频多联式空调机组制热时室外风机的控制方法
CN101614451A (zh) 热泵空调系统和热回收系统
CN102777990B (zh) 一种地下水电站洞室的水库水源热泵空调机系统
CN104235978A (zh) 蓄冷蓄热型空调机
CN106766450A (zh) 制冷热泵系统最小能耗优化控制装置及控制方法
CN116558049A (zh) 一种基于中央空调负荷动态预测的系统及优化控制方法
CN111159632A (zh) 一种数据中心冷却能效与经济性计算方法
CN102777989B (zh) 适用于地下水电站洞室高湿低温环境的热泵空调机组系统
CN117053355B (zh) 一种冷冻站节能控制装置及其控制方法
CN104776524A (zh) 带自然冷的多联制冷系统及其控制方法
CN210267598U (zh) 一种蒸发冷却冷风冷水双利用的节能空调
CN216868703U (zh) 一种应用于空调系统的冷热水装置
CN116305758A (zh) 一种基于空调负荷模拟的冷机建模方法及模型应用
CN213873261U (zh) 一种数据中心用混合制冷系统
CN205037469U (zh) 一种冷凝热回收新风空调制冷系统
CN211953310U (zh) 一种节能制冷系统
CN204534926U (zh) 多联制冷系统
CN1167922C (zh) 液化天然气气化时冷量的利用方法
CN111649424A (zh) 一种热管节能型基站空调机组
CN102620490A (zh) 一种新风除湿加干盘管制冷的空调机组
CN2245744Y (zh) 蓄冷式空调器
CN220541250U (zh) 一种多功能除湿机
CN206469393U (zh) 节能型空气温控净化系统
CN104896630A (zh) 多联制冷系统及其控制方法

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