CN117232110A - 用于工业空调分仓控制的多源数据处理方法及系统 - Google Patents
用于工业空调分仓控制的多源数据处理方法及系统 Download PDFInfo
- Publication number
- CN117232110A CN117232110A CN202311511550.5A CN202311511550A CN117232110A CN 117232110 A CN117232110 A CN 117232110A CN 202311511550 A CN202311511550 A CN 202311511550A CN 117232110 A CN117232110 A CN 117232110A
- Authority
- CN
- China
- Prior art keywords
- factor
- control
- regulation
- index
- source data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 230000001105 regulatory effect Effects 0.000 claims abstract description 33
- 230000001276 controlling effect Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004378 air conditioning Methods 0.000 claims description 61
- 238000012545 processing Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 18
- 238000009423 ventilation Methods 0.000 claims description 17
- 238000009434 installation Methods 0.000 claims description 16
- 238000010219 correlation analysis Methods 0.000 claims description 14
- 230000001419 dependent effect Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 10
- 230000000241 respiratory effect Effects 0.000 claims description 7
- 230000001808 coupling effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000003068 static effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了用于工业空调分仓控制的多源数据处理方法及系统，涉及空调控制技术领域，该方法包括：将多个空调分仓安装至目标工厂车间；匹配第一车间区域；得到第一多源数据集；分析所述第一车间区域的第一调控需求；得到第一预测调控负荷；将所述指标参数阈作为寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数，解决了现有无法对控制区域的实际需求和静态基础条件进行综合分析，导致其控制目标与实际需求存在偏差，同时易造成能源浪费的问题，通过基于需求侧分析，在保证车间环境满足工作需求的同时，达到节能降耗的技术效果。
Description
技术领域
本发明涉及空调控制技术领域，具体涉及用于工业空调分仓控制的多源数据处理方法及系统。
背景技术
空调分仓控制是将车间划分为多个区域，每个区域进行独立的空调控制，通过调节空调的控制参数，保证车间内的环境满足工业生产过程和作业人员的需求。现有技术中，大多通过监测车间环境对空调控制参数进行调整，可以有效保证车间的大气环境，但是，其没有对空调的能耗进行分析，导致存在大量的能源浪费。
综上，现有技术在对工业空调分仓进行控制时，无法对控制区域的实际需求和静态基础条件进行综合分析，进而导致其控制目标与实际需求存在偏差，同时易造成耗能过高、出现能源浪费的问题。
发明内容
本发明提供了用于工业空调分仓控制的多源数据处理方法及系统，用以解决现有技术在对工业空调分仓进行控制时，无法对控制区域的实际需求和静态基础条件进行综合分析，进而导致其控制目标与实际需求存在偏差，同时易造成耗能过高、出现能源浪费的问题。
根据本发明的第一方面，提供了用于工业空调分仓控制的多源数据处理方法，包括：基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间；提取所述多个空调分仓中的第一空调分仓，并在所述目标工厂车间中匹配所述第一空调分仓对应控制的第一车间区域；读取预定数据源，并基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集；在需求侧分析所述第一车间区域的第一调控需求，其中，所述第一调控需求包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求；基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈；将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数。
根据本发明的第二方面，提供了用于工业空调分仓控制的多源数据处理系统，包括：空调分仓安装模块，所述空调分仓安装模块用于基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间；车间区域匹配模块，所述车间区域匹配模块用于提取所述多个空调分仓中的第一空调分仓，并在所述目标工厂车间中匹配所述第一空调分仓对应控制的第一车间区域；多源数据采集模块，所述多源数据采集模块用于读取预定数据源，并基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集；调控需求分析模块，所述调控需求分析模块用于在需求侧分析所述第一车间区域的第一调控需求，其中，所述第一调控需求包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求；调控负荷预测模块，所述调控负荷预测模块用于基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈；寻优约束获取模块，所述寻优约束获取模块用于将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；全局寻优模块，所述全局寻优模块用于基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数。
根据本发明采用的用于工业空调分仓控制的多源数据处理方法，通过采集第一多源数据集，在需求侧分析第一车间区域的第一调控需求，基于第一调控需求，通过调控负荷预测模型对第一多源数据集进行分析，得到第一预测调控负荷，其中，第一预测调控负荷包括多个控制指标的多个指标参数阈，将指标参数阈作为多个控制指标的寻优空间，将多个控制指标的综合控制负荷最小作为寻优约束，基于寻优约束在寻优空间中进行全局寻优，得到最优控制指标参数，实现对工业空调分仓数据的分析，达到保证车间环境满足工作需求的同时，节能降耗的技术效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的用于工业空调分仓控制的多源数据处理方法的流程示意图；
图2为本发明实施例提供的用于工业空调分仓控制的多源数据处理系统的结构示意图。
附图标记说明：空调分仓安装模块11，车间区域匹配模块12，多源数据采集模块13，调控需求分析模块14，调控负荷预测模块15，寻优约束获取模块16，全局寻优模块17。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
图1为本发明实施例提供的用于工业空调分仓控制的多源数据处理方法图，所述多源数据处理方法应用于多源数据处理系统，且所述多源数据处理系统与一工业空调机组通信连接，所述方法包括：
基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间；
所述多源数据处理系统是用于执行本发明实施例提供的用于工业空调分仓控制的多源数据处理方法的系统平台，所述多源数据处理系统与一工业空调机组通信连接，工业空调机组包括多个分布于不同位置的多个空调分仓。
基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间，预定装设方案是由本领域技术人员预先设置的工业空调装设方案，优选地，预定装设方案可以是多个空调分仓的均匀分布方案，包括任一空调分仓的控制区域，即任意相邻的两个空调分仓的距离相同，具体可结合实际情况确定，不同的空调分仓用于控制不同区域的空气流通。目标工厂车间即为待进行空调数据处理的任意类型的任一工厂车间，基于所述预定装设方案中的各个空调分仓的分布位置，将目标工厂车间划分为多个控制区域，确定各个空调分仓的对应控制区域，每个空调分仓的控制区域也是均匀分布的。
提取所述多个空调分仓中的第一空调分仓，并在所述目标工厂车间中匹配所述第一空调分仓对应控制的第一车间区域；
提取所述多个空调分仓中的第一空调分仓，第一空调分仓是指所述多个空调分仓中的任一空调分仓，在所述目标工厂车间中匹配所述第一空调分仓对应控制的第一车间区域。
读取预定数据源，并基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集；
其中，本发明实施例还包括：
所述预定数据源包括环境源、空气源和人员源；依次组建所述环境源的动态环境指标、动态空气指标和动态人员指标。
所述预定数据源包括环境源、空气源和人员源，依次组建所述环境源的动态环境指标、动态空气指标和动态人员指标，其中，所述动态环境指标包括环境温度、环境通风指数；其中，所述动态空气指标包括空气湿度、空气质量指数；其中，所述动态人员指标包括人员总数、人员平均间距。
基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集，第一多源数据集包括实时环境温度、实时环境通风指数、实时空气湿度、实时空气质量指数、实时人员总数、实时人员平均间距。环境温度、环境通风指数、空气湿度、空气质量指数均可通过现有的传感器采集获取，比如温湿度传感器、空气质量检测仪。通过采集获取第一多源数据集，为后续的多源数据处理提供基础数据。
在需求侧分析所述第一车间区域的第一调控需求，其中，所述第一调控需求包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求；
在需求侧分析所述第一车间区域的第一调控需求，第一调控需求是指在作业工况的工作下人员的综合湿热舒适性需求，包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求，第一热舒适性需求即为人对周围热环境所做的主观满意度评价，第一湿舒适性需求即为人对周围湿度环境所做的主观满意度评价，第一呼吸舒适性需求人对周围空气所做的主观满意度评价，第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求均可以用一个需求分数表示，比如第一热舒适性需求设为80分，第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求与周围环境温湿度、空气质量、通风等相关。
基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈；
其中，本发明实施例还包括：
将所述环境温度、所述环境通风指数、所述空气湿度、所述空气质量指数、所述人员总数和所述人员平均间距作为自变量指标；依次将所述第一热舒适性需求、所述第一湿舒适性需求和所述第一呼吸舒适性需求中的第一热舒适性、第一湿舒适性和第一呼吸舒适性作为因变量指标；利用最大信息系数原理对所述自变量指标与所述因变量指标进行相关性分析，得到相关性分析结果；根据所述相关性分析结果，所述第一热舒适性与第一因子集具备第一对应关系、所述第一湿舒适性与第二因子集具备第二对应关系、所述第一呼吸舒适性与第三因子集具备第三对应关系；将所述第一对应关系、所述第二对应关系和所述第三对应关系存储至所述调控负荷预测模型。
本发明实施例还包括：
获取所述调控负荷预测模型中的第一预测单元；所述第一预测单元基于所述第一热舒适性需求，对所述第一因子集中的各因子信息进行分析，得到所述第一因子集中各因子的因子调控量；获取所述调控负荷预测模型中的第二预测单元；所述第二预测单元基于所述第一湿舒适性需求，对所述第二因子集中的各因子信息进行分析，得到所述第二因子集中各因子的因子调控量；获取所述调控负荷预测模型中的第三预测单元；所述第三预测单元基于所述第一呼吸舒适性需求，对所述第三因子集中的各因子信息进行分析，得到所述第三因子集中各因子的因子调控量；分析所述第一因子集中各因子的因子调控量、所述第二因子集中各因子的因子调控量和所述第三因子集中各因子的因子调控量，得到所述第一预测调控负荷；其中，所述因子调控量是指所述第一因子集和所述第二因子集和所述第三因子集中各因子的指标参数阈。
其中，本发明实施例还包括：
根据所述第一对应关系，匹配所述第一多源数据集中的第一因子集；提取所述第一因子集中的第一因子，并结合所述第一因子集得到所述第一因子的第一因子信息；所述第一预测单元基于所述第一热舒适性需求，对所述第一因子信息进行分析，得到第一调控量；将所述第一调控量作为第一因子调控量，其中，所述第一因子调控量是指所述第一因子的第一指标参数阈。
其中，本发明实施例还包括：
提取所述第一因子集中的第二因子，并结合所述第一因子集得到所述第二因子的第二因子信息；基于所述第一热舒适性需求，通过所述第一预测单元对所述第一因子信息和所述第二因子信息进行耦合作用分析，分别得到第二调控量和第三调控量；通过所述第二调控量对所述第一因子调控量进行调整；将所述第三调控量作为第二因子调控量，其中，所述第二因子调控量是指所述第二因子的第二指标参数阈。
其中，本发明实施例还包括：
依次获取所述第一因子的第一单位用能和所述第二因子的第二单位用能；依次对所述第一单位用能和所述第二单位用能进行标准化处理，分别得到第一系数和第二系数；加权所述第一系数和所述第一指标参数阈、所述第二系数和所述第二指标参数阈得到所述第一预测调控负荷。
基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈，多个控制指标是指用于控制工业空调工作状态的控制指标，比如空调采暖、空气质量调控、通风量调控等。
在所述通过调控负荷预测模型对所述第一多源数据集进行分析之前，将所述环境温度、所述环境通风指数、所述空气湿度、所述空气质量指数、所述人员总数和所述人员平均间距作为自变量指标，依次将所述第一热舒适性需求、所述第一湿舒适性需求和所述第一呼吸舒适性需求中的第一热舒适性、第一湿舒适性和第一呼吸舒适性作为因变量指标。利用最大信息系数原理对所述自变量指标与所述因变量指标进行相关性分析，得到相关性分析结果，相关性分析结果，是指，任一因变量指标与自变量指标的关联程度，最大信息系数是一种常用数据关联性分析方法，通过互信息来定义两个变量之间的最大信息系数，用来衡量两个变量之间的相关性，具体过程如下：
根据所述自变量指标与所述因变量指标，获取多组历史数据，提取历史数据中任一因变量指标对应的自变量指标，比如，提取第一热舒适性对应的环境温度、环境通风指数、空气湿度、空气质量指数、人员总数和人员平均间距，绘制第一热舒适性与环境温度、环境通风指数、空气湿度、空气质量指数、人员总数和人员平均间距的散点图，得到散点图集合。遍历散点图集合进行分析，可得到多个指标关联系数，比如第一热舒适性与环境温度的指标关联系数，或者第一热舒适性与环境通风指数的关联系数，就是说，最大信息系数法通过对于变量的散点图而言，存在某种网格覆盖散点图，根据各散点在网格中子格内的分布来计算变量之间的相关系数，遍历所有散点，获得多个指标关联系数，多个指标关联系数组成相关性分析结果。根据多个指标关联系数对自变量指标进行筛选，一个因变量指标对应一个自变量指标集合，比如，第一热舒适性对应一个由环境温度、环境通风指数、空气湿度、空气质量指数、人员总数和人员平均间距组成的自变量指标集合，由此得到多个关联指标集合。将一一个因变量指标对应的一个自变量指标集合中的多个关联性系数按照大小顺序排列，进一步设定一个关联系数阈值，将关联性系数大于所述关联系数阈值的自变量指标组建第一因子集、第二因子集和第三因子集。第一因子集即为与第一热舒适性相关的自变量指标；第二因子集是指与第一湿舒适性相关的自变量指标；第三因子集是指与第一呼吸舒适性相关的自变量指标，换句话说，所述第一热舒适性与第一因子集具备第一对应关系、所述第一湿舒适性与第二因子集具备第二对应关系、所述第一呼吸舒适性与第三因子集具备第三对应关系。将所述第一对应关系、所述第二对应关系和所述第三对应关系存储至所述调控负荷预测模型，为调控负荷预测提供数据支持。
所述调控负荷预测模型包括第一预测单元、第二预测单元和第三预测单元，所述第一预测单元基于所述第一热舒适性需求，对所述第一因子集中的各因子信息进行分析，得到所述第一因子集中各因子的因子调控量，具体过程如下：根据所述第一对应关系，匹配所述第一多源数据集中的第一因子集，提取所述第一因子集中的第一因子，并结合所述第一因子集得到所述第一因子的第一因子信息，通俗地讲，所述第一因子集是指与第一热舒适性需求相关的指标，比如温度、环境通风指数等指标；第一多源数据集中则包含所述环境温度、所述环境通风指数、所述空气湿度、所述空气质量指数、所述人员总数和所述人员平均间距的实时采集数据，比如当前的环境温度为30℃；根据第一因子集中所包含的指标在第一多源数据集中匹配获取对应的实时采集数据组建第一因子集。进一步地，提取所述第一因子集中的任意一个因子信息记为第一因子信息，比如温度，所述第一预测单元基于所述第一热舒适性需求，对所述第一因子信息进行分析，得到第一调控量，简单来说，就是分析可以满足第一热舒适性需求的第一因子信息的调控量，具体来说，可基于现有技术获取多个第一因子集样本，通过现有技术分析第一因子信息可以达到的热舒适性，比如可通过设置同样的环境参数进行测试，对该热舒适性与第一热舒适性作比较，根据比较结果对第一因子信息进行调整，使得调整后的第一因子信息的热舒适性样本满足第一热舒适性，根据调整结果即可得到第一调控量，比如采暖控制指标的调整量。将所述第一调控量作为第一因子调控量，其中，所述第一因子调控量是指所述第一因子的第一指标参数阈，比如采暖控制指标的调整后的参数范围，由此实现对因子调控量的分析，为后续的工业空调的优化控制提供支持，达到节能降耗的效果。
将所述第一调控量作为第一因子调控量之后，提取所述第一因子集中的第二因子，第二因子是指第一因子集中除第一因子之外的其他任一个因子，并结合所述第一因子集匹配获取所述第二因子的第二因子信息，比如湿度。基于所述第一热舒适性需求，通过所述第一预测单元对所述第一因子信息和所述第二因子信息进行耦合作用分析，就是第一因子信息和第二因子信息之间具有互相影响作用，调整了第一因子，第二因子也会发生变化，反之亦然，由此分别得到第二调控量和第三调控量，就是对第一因子和第二因子进行同时调整，使得对应的热舒适性满足第一热舒适性的调控量。进而通过所述第二调控量对所述第一因子调控量进行调整，也就是说，第一调控量和第二调控量都是对第一因子的调控，以二者为基础确定第一因子调控量，简单来说，就是以第二调控量作为第一因子调控量，将所述第三调控量作为第二因子调控量，其中，所述第二因子调控量是指所述第二因子的第二指标参数阈。以此类推，如果第一因子集还包含第三因子、第四因子等，需要继续对第二因子和第三因子进行耦合作用分析，对第一因子调控量和第二因子调控量进行调整并获取第三因子调控量，直至将第一因子集中的各个因子分析完毕，得到所述第一因子集中各因子的因子调控量，由此实现对因子调控量的分析，为后续的流程提供技术支持。
进而采用与获取第一因子集中各因子的因子调控量相同的方法，获取所述调控负荷预测模型中的第二预测单元，所述第二预测单元基于所述第一湿舒适性需求，对所述第二因子集中的各因子信息进行分析，得到所述第二因子集中各因子的因子调控量；获取所述调控负荷预测模型中的第三预测单元；所述第三预测单元基于所述第一呼吸舒适性需求，对所述第三因子集中的各因子信息进行分析，得到所述第三因子集中各因子的因子调控量。需要说明的是，第二预测单元、第三预测单元的工作原理与第一预测单元相同，知识分析的指标数据不同，通过第一预测单元的分析过程，很容易就可以得到第二预测单元、第三预测单元的工作流程，因此，在此不进行展开。
进一步分析所述第一因子集中各因子的因子调控量、所述第二因子集中各因子的因子调控量和所述第三因子集中各因子的因子调控量，得到所述第一预，测调控负荷。其中，所述因子调控量是指所述第一因子集和所述第二因子集和所述第三因子集中各因子的指标参数阈。简单来说，就是将第一车间区域的环境情况调节控制到可以满足第一调控需求时，第一空调分仓的各个因子调控量应当调节和控制的区间量，比如，要满足热舒适性需求，可以调控热量释放指标，或者同时调控热量和风量指标，分析调控热量释放指标，或者同时调控热量和风量指标所耗费的能源，具体过程如下：
依次获取所述第一因子的第一单位用能和所述第二因子的第二单位用能，单位用能是指各因子的指标参数阈的单位调整步长所耗费的能源数量，比如耗费的电量，依次对所述第一单位用能和所述第二单位用能进行标准化处理，标准化处理是数据处理常用的预处理方法，主要用于消除量纲带来的影响，将不同类型的数据整合到一个范围内，便于进行数据分析，分别得到第一系数和第二系数，第一系数和第二系数表征第一单位用能和第二单位用能的用能数量，以耗费的电能为例，将第一因子调整一个单位步长后，第一单位用能为40°电，将第二因子调整一个单位步长后，第二单位用能为60°电，分别用第一单位用能、第二单位用能与两个单位用能之和的比值作为第一系数和第二系数。进而加权所述第一系数和所述第一指标参数阈、所述第二系数和所述第二指标参数阈得到所述第一预测调控负荷，由此实现对调控负荷的预测，为后续的控制指标寻优提供依据，达到节能降耗的效果。
将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；
基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数。
其中，本发明实施例还包括：
随机获取所述寻优空间中的第一控制指标参数，并结合所述寻优约束得到第一综合控制负荷；获取所述第一控制指标参数的第一目标邻域；获取所述第一目标邻域中的第一最优邻域控制指标参数的第一邻域综合控制负荷；对比所述第一综合控制负荷与所述第一邻域综合控制负荷，得到第一对比结果；根据所述第一对比结果，确定所述最优控制指标参数。
将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束，基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数，也就是说，最优控制指标参数一定是处于指标参数阈的范围内，在这个范围内寻找最优控制参数，才可以在满足第一调控需求的同时，达到节能降耗的效果。
具体地，随机获取所述寻优空间中的第一控制指标参数，第一控制指标参数泛指满足指标参数阈的多个控制指标的指标参数，并结合所述寻优约束，通过第一系数和第二系数对多个控制指标的指标参数进行加权计算，如果加权计算结果为最小值，则以此作为第一综合控制负荷。进一步获取所述第一控制指标参数的第一目标邻域，第一目标邻域即为与第一控制指标参数相似度较高的参数集，可以设置参数更改范围，比如设为5%，就对第一控制指标参数作0-5%的调整，获得多个调整后的控制指标参数作为第一目标邻域，获取所述第一目标邻域中的任一控制指标参数对应的邻域综合控制负荷，并选取最小邻域综合控制负荷作为第一最优邻域控制指标参数的第一邻域综合控制负荷，对比所述第一综合控制负荷与所述第一邻域综合控制负荷，得到第一对比结果，根据所述第一对比结果，选取最小的综合控制负荷对应的控制指标参数作为所述最优控制指标参数。需要说明的是，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数，采用相同的方法，获取其他空调分仓的最优控制指标参数进行空调控制。
基于上述分析可知，本发明提供了用于工业空调分仓控制的多源数据处理方法，在本实施例中，根据本发明采用的用于工业空调分仓控制的多源数据处理方法，通过采集第一多源数据集，在需求侧分析第一车间区域的第一调控需求，基于第一调控需求，通过调控负荷预测模型对第一多源数据集进行分析，得到第一预测调控负荷，其中，第一预测调控负荷包括多个控制指标的多个指标参数阈，将指标参数阈作为多个控制指标的寻优空间，将多个控制指标的综合控制负荷最小作为寻优约束，基于寻优约束在寻优空间中进行全局寻优，得到最优控制指标参数，实现对工业空调分仓数据的分析，达到保证车间环境满足工作需求的同时，节能降耗的技术效果。
实施例二
基于与前述实施例中用于工业空调分仓控制的多源数据处理方法同样的发明构思，如图2所示，本发明还提供了用于工业空调分仓控制的多源数据处理系统，所述系统与一工业空调机组通信连接，所述系统包括：
空调分仓安装模块11，所述空调分仓安装模块11用于基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间；
车间区域匹配模块12，所述车间区域匹配模块12用于提取所述多个空调分仓中的第一空调分仓，并在所述目标工厂车间中匹配所述第一空调分仓对应控制的第一车间区域；
多源数据采集模块13，所述多源数据采集模块13用于读取预定数据源，并基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集；
调控需求分析模块14，所述调控需求分析模块14用于在需求侧分析所述第一车间区域的第一调控需求，其中，所述第一调控需求包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求；
调控负荷预测模块15，所述调控负荷预测模块15用于基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈；
寻优约束获取模块16，所述寻优约束获取模块16用于将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；
全局寻优模块17，所述全局寻优模块17用于基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数。
进一步而言，所述多源数据采集模块13还用于包括：
所述预定数据源包括环境源、空气源和人员源；
依次组建所述环境源的动态环境指标、动态空气指标和动态人员指标；
其中，所述动态环境指标包括环境温度、环境通风指数；
其中，所述动态空气指标包括空气湿度、空气质量指数；
其中，所述动态人员指标包括人员总数、人员平均间距。
进一步而言，所述调控负荷预测模块15还用于：
将所述环境温度、所述环境通风指数、所述空气湿度、所述空气质量指数、所述人员总数和所述人员平均间距作为自变量指标；
依次将所述第一热舒适性需求、所述第一湿舒适性需求和所述第一呼吸舒适性需求中的第一热舒适性、第一湿舒适性和第一呼吸舒适性作为因变量指标；
利用最大信息系数原理对所述自变量指标与所述因变量指标进行相关性分析，得到相关性分析结果；
根据所述相关性分析结果，所述第一热舒适性与第一因子集具备第一对应关系、所述第一湿舒适性与第二因子集具备第二对应关系、所述第一呼吸舒适性与第三因子集具备第三对应关系；
将所述第一对应关系、所述第二对应关系和所述第三对应关系存储至所述调控负荷预测模型。
进一步而言，所述调控负荷预测模块15还用于：
获取所述调控负荷预测模型中的第一预测单元；
所述第一预测单元基于所述第一热舒适性需求，对所述第一因子集中的各因子信息进行分析，得到所述第一因子集中各因子的因子调控量；
获取所述调控负荷预测模型中的第二预测单元；
所述第二预测单元基于所述第一湿舒适性需求，对所述第二因子集中的各因子信息进行分析，得到所述第二因子集中各因子的因子调控量；
获取所述调控负荷预测模型中的第三预测单元；
所述第三预测单元基于所述第一呼吸舒适性需求，对所述第三因子集中的各因子信息进行分析，得到所述第三因子集中各因子的因子调控量；
分析所述第一因子集中各因子的因子调控量、所述第二因子集中各因子的因子调控量和所述第三因子集中各因子的因子调控量，得到所述第一预测调控负荷；
其中，所述因子调控量是指所述第一因子集和所述第二因子集和所述第三因子集中各因子的指标参数阈。
进一步而言，所述调控负荷预测模块15还用于：
根据所述第一对应关系，匹配所述第一多源数据集中的第一因子集；
提取所述第一因子集中的第一因子，并结合所述第一因子集得到所述第一因子的第一因子信息；
所述第一预测单元基于所述第一热舒适性需求，对所述第一因子信息进行分析，得到第一调控量；
将所述第一调控量作为第一因子调控量，其中，所述第一因子调控量是指所述第一因子的第一指标参数阈。
进一步而言，所述调控负荷预测模块15还用于：
提取所述第一因子集中的第二因子，并结合所述第一因子集得到所述第二因子的第二因子信息；
基于所述第一热舒适性需求，通过所述第一预测单元对所述第一因子信息和所述第二因子信息进行耦合作用分析，分别得到第二调控量和第三调控量；
通过所述第二调控量对所述第一因子调控量进行调整；
将所述第三调控量作为第二因子调控量，其中，所述第二因子调控量是指所述第二因子的第二指标参数阈。
进一步而言，所述调控负荷预测模块15还用于：
依次获取所述第一因子的第一单位用能和所述第二因子的第二单位用能；
依次对所述第一单位用能和所述第二单位用能进行标准化处理，分别得到第一系数和第二系数；
加权所述第一系数和所述第一指标参数阈、所述第二系数和所述第二指标参数阈得到所述第一预测调控负荷。
进一步而言，所述全局寻优模块17还用于：
随机获取所述寻优空间中的第一控制指标参数，并结合所述寻优约束得到第一综合控制负荷；
获取所述第一控制指标参数的第一目标邻域；
获取所述第一目标邻域中的第一最优邻域控制指标参数的第一邻域综合控制负荷；
对比所述第一综合控制负荷与所述第一邻域综合控制负荷，得到第一对比结果；
根据所述第一对比结果，确定所述最优控制指标参数。
前述实施例一中的用于工业空调分仓控制的多源数据处理方法具体实例同样适用于本实施例的用于工业空调分仓控制的多源数据处理系统，通过前述对用于工业空调分仓控制的多源数据处理方法的详细描述，本领域技术人员可以清楚地知道本实施例中用于工业空调分仓控制的多源数据处理系统，所以为了说明书的简洁，在此不再详述。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (9)
1.用于工业空调分仓控制的多源数据处理方法，其特征在于，所述多源数据处理方法应用于多源数据处理系统，且所述多源数据处理系统与一工业空调机组通信连接，所述多源数据处理方法包括：
基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间；
在所述目标工厂车间中匹配所述多个空调分仓中第一空调分仓对应控制的第一车间区域；
读取预定数据源，并基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集；
在需求侧分析所述第一车间区域的第一调控需求，其中，所述第一调控需求包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求；
基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈；
将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；
基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数。
2.根据权利要求1所述多源数据处理方法，其特征在于，所述读取预定数据源，包括：
所述预定数据源包括环境源、空气源和人员源；
依次组建所述环境源的动态环境指标、动态空气指标和动态人员指标；
其中，所述动态环境指标包括环境温度、环境通风指数；
其中，所述动态空气指标包括空气湿度、空气质量指数；
其中，所述动态人员指标包括人员总数、人员平均间距。
3.根据权利要求2所述多源数据处理方法，其特征在于，在所述通过调控负荷预测模型对所述第一多源数据集进行分析之前，包括：
将所述环境温度、所述环境通风指数、所述空气湿度、所述空气质量指数、所述人员总数和所述人员平均间距作为自变量指标；
依次将所述第一热舒适性需求、所述第一湿舒适性需求和所述第一呼吸舒适性需求中的第一热舒适性、第一湿舒适性和第一呼吸舒适性作为因变量指标；
利用最大信息系数原理对所述自变量指标与所述因变量指标进行相关性分析，得到相关性分析结果；
根据所述相关性分析结果，所述第一热舒适性与第一因子集具备第一对应关系、所述第一湿舒适性与第二因子集具备第二对应关系、所述第一呼吸舒适性与第三因子集具备第三对应关系；
将所述第一对应关系、所述第二对应关系和所述第三对应关系存储至所述调控负荷预测模型。
4.根据权利要求3所述多源数据处理方法，其特征在于，所述通过调控负荷预测模型对所述第一多源数据集进行分析，包括：
获取所述调控负荷预测模型中的第一预测单元；
所述第一预测单元基于所述第一热舒适性需求，对所述第一因子集中的各因子信息进行分析，得到所述第一因子集中各因子的因子调控量；
获取所述调控负荷预测模型中的第二预测单元；
所述第二预测单元基于所述第一湿舒适性需求，对所述第二因子集中的各因子信息进行分析，得到所述第二因子集中各因子的因子调控量；
获取所述调控负荷预测模型中的第三预测单元；
所述第三预测单元基于所述第一呼吸舒适性需求，对所述第三因子集中的各因子信息进行分析，得到所述第三因子集中各因子的因子调控量；
分析所述第一因子集中各因子的因子调控量、所述第二因子集中各因子的因子调控量和所述第三因子集中各因子的因子调控量，得到所述第一预测调控负荷；
其中，所述因子调控量是指所述第一因子集和所述第二因子集和所述第三因子集中各因子的指标参数阈。
5.根据权利要求4所述多源数据处理方法，其特征在于，所述得到所述第一因子集中各因子的因子调控量，包括：
根据所述第一对应关系，匹配所述第一多源数据集中的第一因子集；
提取所述第一因子集中的第一因子，并结合所述第一因子集得到所述第一因子的第一因子信息；
所述第一预测单元基于所述第一热舒适性需求，对所述第一因子信息进行分析，得到第一调控量；
将所述第一调控量作为第一因子调控量，其中，所述第一因子调控量是指所述第一因子的第一指标参数阈。
6.根据权利要求5所述多源数据处理方法，其特征在于，在所述将所述第一调控量作为第一因子调控量之后，包括：
提取所述第一因子集中的第二因子，并结合所述第一因子集得到所述第二因子的第二因子信息；
基于所述第一热舒适性需求，通过所述第一预测单元对所述第一因子信息和所述第二因子信息进行耦合作用分析，分别得到第二调控量和第三调控量；
通过所述第二调控量对所述第一因子调控量进行调整；
将所述第三调控量作为第二因子调控量，其中，所述第二因子调控量是指所述第二因子的第二指标参数阈。
7.根据权利要求6所述多源数据处理方法，其特征在于，所述得到所述第一预测调控负荷，包括：
依次获取所述第一因子的第一单位用能和所述第二因子的第二单位用能；
依次对所述第一单位用能和所述第二单位用能进行标准化处理，分别得到第一系数和第二系数；
加权所述第一系数和所述第一指标参数阈、所述第二系数和所述第二指标参数阈得到所述第一预测调控负荷。
8.根据权利要求1所述多源数据处理方法，其特征在于，所述基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，包括：
随机获取所述寻优空间中的第一控制指标参数，并结合所述寻优约束得到第一综合控制负荷；
获取所述第一控制指标参数的第一目标邻域；
获取所述第一目标邻域中的第一最优邻域控制指标参数的第一邻域综合控制负荷；
对比所述第一综合控制负荷与所述第一邻域综合控制负荷，得到第一对比结果；
根据所述第一对比结果，确定所述最优控制指标参数。
9.用于工业空调分仓控制的多源数据处理系统，其特征在于，用于执行权利要求1-8所述的用于工业空调分仓控制的多源数据处理方法，所述系统与一工业空调机组通信连接，所述系统包括：
空调分仓安装模块，所述空调分仓安装模块用于基于预定装设方案将所述工业空调机组中的多个空调分仓安装至目标工厂车间；
车间区域匹配模块，所述车间区域匹配模块用于在所述目标工厂车间中匹配所述多个空调分仓中第一空调分仓对应控制的第一车间区域；
多源数据采集模块，所述多源数据采集模块用于读取预定数据源，并基于所述预定数据源对所述第一车间区域进行动态信息采集，得到第一多源数据集；
调控需求分析模块，所述调控需求分析模块用于在需求侧分析所述第一车间区域的第一调控需求，其中，所述第一调控需求包括第一热舒适性需求、第一湿舒适性需求和第一呼吸舒适性需求；
调控负荷预测模块，所述调控负荷预测模块用于基于所述第一调控需求，通过调控负荷预测模型对所述第一多源数据集进行分析，得到第一预测调控负荷，其中，所述第一预测调控负荷包括多个控制指标的多个指标参数阈；
寻优约束获取模块，所述寻优约束获取模块用于将所述指标参数阈作为所述多个控制指标的寻优空间，将所述多个控制指标的综合控制负荷最小作为寻优约束；
全局寻优模块，所述全局寻优模块用于基于所述寻优约束在所述寻优空间中进行全局寻优，得到最优控制指标参数，其中，所述最优控制指标参数是指对所述第一空调分仓进行控制的参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511550.5A CN117232110B (zh) | 2023-11-14 | 2023-11-14 | 用于工业空调分仓控制的多源数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511550.5A CN117232110B (zh) | 2023-11-14 | 2023-11-14 | 用于工业空调分仓控制的多源数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117232110A true CN117232110A (zh) | 2023-12-15 |
| CN117232110B CN117232110B (zh) | 2024-04-09 |
Family
ID=89084675
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311511550.5A Active CN117232110B (zh) | 2023-11-14 | 2023-11-14 | 用于工业空调分仓控制的多源数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117232110B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3068227A1 (en) * | 2019-01-25 | 2020-07-25 | Heatcraft Refrigeration Products Llc | Self-optimizing subcooler control |
| CN112415924A (zh) * | 2020-10-30 | 2021-02-26 | 南京华盾电力信息安全测评有限公司 | 一种空调系统节能优化方法及系统 |
| CN112682936A (zh) * | 2020-12-29 | 2021-04-20 | 华润智慧能源有限公司 | 一种空调冷站系统控制方法、系统、装置及可读存储介质 |
| CN114723174A (zh) * | 2022-05-06 | 2022-07-08 | 国网江苏省电力有限公司南通供电分公司 | 一种基于状态评估的能源输送参数调整方法及系统 |
| CN116678075A (zh) * | 2023-06-07 | 2023-09-01 | 香江科技股份有限公司 | 空调节能控制方法及系统 |
| CN116822672A (zh) * | 2022-03-17 | 2023-09-29 | 济中能源技术服务(上海)有限公司 | 一种空调冷负荷预测优化方法、系统 |
| CN117006593A (zh) * | 2023-09-28 | 2023-11-07 | 博纳环境设备(太仓)有限公司 | 基于需求的工业空调出风控制方法及系统 |
-
2023
- 2023-11-14 CN CN202311511550.5A patent/CN117232110B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3068227A1 (en) * | 2019-01-25 | 2020-07-25 | Heatcraft Refrigeration Products Llc | Self-optimizing subcooler control |
| CN112415924A (zh) * | 2020-10-30 | 2021-02-26 | 南京华盾电力信息安全测评有限公司 | 一种空调系统节能优化方法及系统 |
| CN112682936A (zh) * | 2020-12-29 | 2021-04-20 | 华润智慧能源有限公司 | 一种空调冷站系统控制方法、系统、装置及可读存储介质 |
| CN116822672A (zh) * | 2022-03-17 | 2023-09-29 | 济中能源技术服务(上海)有限公司 | 一种空调冷负荷预测优化方法、系统 |
| CN114723174A (zh) * | 2022-05-06 | 2022-07-08 | 国网江苏省电力有限公司南通供电分公司 | 一种基于状态评估的能源输送参数调整方法及系统 |
| CN116678075A (zh) * | 2023-06-07 | 2023-09-01 | 香江科技股份有限公司 | 空调节能控制方法及系统 |
| CN117006593A (zh) * | 2023-09-28 | 2023-11-07 | 博纳环境设备(太仓)有限公司 | 基于需求的工业空调出风控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117232110B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298487B (zh) | 一种用于满足用户个性化需求的室内温度预测方法 | |
| CN111639823B (zh) | 一种基于特征集构建的建筑冷热负荷预测方法 | |
| CN103912966A (zh) | 一种地源热泵制冷系统优化控制方法 | |
| CN111897261B (zh) | 一种数据中心机房环境的综合管理系统及方法 | |
| Wang et al. | Evaluation of operation performance of a multi-chiller system using a data-based chiller model | |
| CN114662201B (zh) | 一种自然通风智能调控的寻优方法 | |
| CN113240184A (zh) | 一种基于联邦学习的楼宇空间单元冷负荷预测方法及系统 | |
| US20160363913A1 (en) | Device and method for optimizing an operating point for the operation of a system | |
| CN107036238A (zh) | 动态预测外气与负载智慧节能控制方法 | |
| Shalabi et al. | BIM-energy simulation approach for detecting building spaces with faults and problematic behavior. | |
| CN112984616A (zh) | 一种供热系统热力站调控规律的辨识方法 | |
| Hong et al. | Operational signature-based symbolic hierarchical clustering for building energy, operation, and efficiency towards carbon neutrality | |
| CN117232110B (zh) | 用于工业空调分仓控制的多源数据处理方法及系统 | |
| KR20190004605A (ko) | 에너지 시뮬레이션 모델 생성 장치 및 방법 | |
| Sha et al. | A control strategy of heating system based on adaptive model predictive control | |
| Perera et al. | Prediction of space heating energy consumption in cabins based on multivariate regression modelling | |
| CN113887833A (zh) | 一种分布式能源用户侧逐时负荷预测方法及系统 | |
| CN116992246B (zh) | 一种矿井下风流参数智能感知方法及系统 | |
| CN114139717A (zh) | 基于多元时序分析预测模型的烘丝入口含水率控制方法 | |
| CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
| Howard et al. | Automated data mining methods for identifying energy efficiency opportunities using whole-building electricity data | |
| CN115169707A (zh) | 基于多元线性回归的设备能耗预测方法及装置 | |
| Ajib et al. | Prediction of standardized energy consumption of existing buildings based on hybrid systems modeling and control | |
| Li et al. | XGBoost energy consumption prediction based on multi-system data HVAC | |
| CN114200839A (zh) | 一种耦合环境行为动态监测的办公建筑能耗智能控制模型 |
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 |