CN117404725A - 对建筑空调蓄冷设备进行节能优化配置的方法及系统 - Google Patents
对建筑空调蓄冷设备进行节能优化配置的方法及系统 Download PDFInfo
- Publication number
- CN117404725A CN117404725A CN202311586647.2A CN202311586647A CN117404725A CN 117404725 A CN117404725 A CN 117404725A CN 202311586647 A CN202311586647 A CN 202311586647A CN 117404725 A CN117404725 A CN 117404725A
- Authority
- CN
- China
- Prior art keywords
- cold
- daily
- data
- cold accumulation
- air
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000009825 accumulation Methods 0.000 claims abstract description 119
- 238000001816 cooling Methods 0.000 claims abstract description 23
- 238000004378 air conditioning Methods 0.000 claims description 71
- 230000005611 electricity Effects 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000005057 refrigeration Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
- F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
- F24F5/0017—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using cold storage bodies, e.g. ice
-
- 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
- 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
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Signal Processing (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种用于对建筑空调蓄冷设备进行节能优化配置的方法及系统，属于电蓄冷空调技术领域。本发明方法，包括：确定所述空调蓄冷设备的日理论蓄冷放冷量；在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。本发明提高了能源效率，降低了运行成本，同时提高了室内环境的舒适度。
Description
技术领域
本发明涉及电蓄冷空调技术领域，并且更具体地，涉及一种用于对建筑空调蓄冷设备进行节能优化配置的方法及系统。
背景技术
目前市场主流的电蓄冷空调技术方案中，空调系统负荷按照建筑需求最大负荷进行设计，冰蓄冷储能设备配置按照空调设备规模的20％-30％进行配置，考虑夜间蓄冷规模的最大化，造成严重的蓄冷设备浪费，这种配置方案具有以下缺点：
过度设计：由于这种方法是基于最大负荷来设计空调系统，往往会导致空调设备的过度设计，即设备的规模和能力远超出了实际需要，导致初始投资成本增加。
能源浪费：当建筑物的实际运行条件没有达到最大负荷时，过大的空调设备会低效运行，造成能源的浪费。
设备寿命降低：由于设备经常在非最佳工况下运行，可能会对设备的稳定性和寿命造成影响。
室温波动大：因为设备过大，所以在室内温度接近设定值时，可能会频繁开启和关闭，导致室内温度波动大，影响人们的舒适感。
维护成本高：设备功率大，维护困难，维护成本相应提高。
环境压力：过大的空调设备可能会给电网带来较大压力，尤其在夏季高峰期，甚至可能引发供电紧张或者停电等情况。
发明内容
针对上述问题，本发明提出了一种用于对建筑空调蓄冷设备进行配置的方法，包括：
针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
可选的，目标建筑及空调蓄冷设备的相关数据，包括：
所述目标建筑的平面布局、外窗体积比、热容量和热传导系数数据；
所述空调蓄冷设备的型号、功率和制冷效率数据。
可选的，根据所述目标曲线建立蓄冷规模模型，包括：
根据所述目标曲线及目标建筑所在地的实际电价时段，建立空调规模模型；
根据所述目标曲线及所述空调规模模型建立蓄冷规模模型。
可选的，空调规模模型，计算公式如下：
空调规模＝平电价时段最大冷负荷。
可选的，蓄冷规模模型，计算公式如下：
蓄冷规模＝MIN((平谷电价时段最大负荷*谷电价时段时长-谷段价时段日用冷量)，(峰电价时段供能量))×储能配置比例；
其中，峰时放能≤蓄冷规模≤MIN(最大负荷*谷电价时段时长-谷段价时段日需冷量，最大负荷*峰电价时段时长)。
可选的，预设阈值为85％-100％。
可选的，优化配置方法，还包括：
基于物联网平台实时监控目标建筑的空调蓄冷设备的运行状态，基于所述运行状态，确定所述空调蓄冷设备的典型日负荷用能数据。
根据本发明的另一方面，提供一种用于对建筑空调蓄冷设备进行节能优化配置的方法，包括：
针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
再一方面，本发明还提出了一种用于对建筑空调蓄冷设备进行配置的系统，包括：
数据采集单元，用于针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
模型搭建单元，用于获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
求解单元，用于从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
配置单元，用于对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
可选的，目标建筑及空调蓄冷设备的相关数据，包括：
所述目标建筑的平面布局、外窗体积比、热容量和热传导系数数据；
所述空调蓄冷设备的型号、功率和制冷效率数据。
可选的，根据所述目标曲线建立蓄冷规模模型，包括：
根据所述目标曲线及目标建筑所在地的实际电价时段，建立空调规模模型；
根据所述目标曲线及所述空调规模模型建立蓄冷规模模型。
可选的，空调规模模型，计算公式如下：
空调规模＝平电价时段最大冷负荷。
可选的，蓄冷规模模型，计算公式如下：
蓄冷规模＝MIN((平谷电价时段最大负荷*谷电价时段时长-谷段价时段日用冷量)，(峰电价时段供能量))×储能配置比例；
其中，峰时放能≤蓄冷规模≤MIN(最大负荷*谷电价时段时长-谷段价时段日需冷量，最大负荷*峰电价时段时长)。
可选的，预设阈值为85％-100％。
可选的，优化配置方法，还包括：
基于物联网平台实时监控目标建筑的空调蓄冷设备的运行状态，基于所述运行状态，确定所述空调蓄冷设备的典型日负荷用能数据。
再一方面，本发明还提出了一种用于对建筑空调蓄冷设备进行节能优化配置的系统，包括：
数据采集单元，用于针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
模型搭建单元，用于获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
求解单元，用于从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
配置单元，用于对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
再一方面，本发明还提供了一种计算设备，包括：一个或多个处理器；
处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的方法。
再一方面，本发明还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的方法。
与现有技术相比，本发明的有益效果为：
本发明提供了一种用于对建筑空调蓄冷设备进行配置的方法，包括：针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。本发明能够根据实际需求和环境条件动态调整空调设备的运行状态，可以有效地解决当前市场主流的电蓄冷空调技术方案存在的问题，提高了能源效率，降低了运行成本，同时提高了室内环境的舒适度。
附图说明
图1为根据本发明实施方式的对建筑空调蓄冷设备进行节能优化配置的方法的流程图；
图2为根据本发明实施方式的对建筑空调蓄冷设备进行节能优化配置的系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
实施例1：
针对上述问题，本发明提出了一种用于对建筑空调蓄冷设备进行配置(例如，节能优化配置)的方法，如图1所示，包括：
步骤1、针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
步骤2、获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
步骤3、从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
步骤4、对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
其中，目标建筑及空调蓄冷设备的相关数据，包括：
所述目标建筑的平面布局、外窗体积比、热容量和热传导系数数据；
所述空调蓄冷设备的型号、功率和制冷效率数据。
其中，根据所述目标曲线建立蓄冷规模模型，包括：
根据所述目标曲线及目标建筑所在地的实际电价时段，建立空调规模模型；
根据所述目标曲线及所述空调规模模型建立蓄冷规模模型。
其中，空调规模模型，计算公式如下：
空调规模＝平电价时段最大冷负荷。
其中，蓄冷规模模型，计算公式如下：
蓄冷规模＝MIN((平谷电价时段最大负荷*谷电价时段时长-谷段价时段日用冷量)，(峰电价时段供能量))×储能配置比例；
其中，峰时放能≤蓄冷规模≤MIN(最大负荷*谷电价时段时长-谷段价时段日需冷量，最大负荷*峰电价时段时长)。
其中，预设阈值为85％-100％。
其中，优化配置方法，还包括：
基于物联网平台实时监控目标建筑的空调蓄冷设备的运行状态，基于所述运行状态，确定所述空调蓄冷设备的典型日负荷用能数据。
下面结合具体案例对本发明进行进一步的说明：
其具体案例步骤如下：
数据采集：首先，需要获取建筑物的相关数据，包括但不限于建筑物的平面布局、外窗体积比、热容量、热传导系数等参数。同时也需要考虑到空调设备的型号、功率、制冷效率等。
确定空调规模，根据选取的某一典型日建筑日负荷特性曲线，并根据当地实际电价时段进行统计，空调规模＝平电价时段最大冷负荷。
确定蓄冷规模，蓄冷规模＝MIN((平谷电价时段最大负荷*谷电价时段时长-谷段价时段日用冷量)，(峰电价时段供能量))×储能配置比例，峰时放能≤储能配置规模≤MIN(最大负荷*谷电价时段时长-谷段价时段日需冷量，最大负荷*峰电价时段时长)
验证与调整：在实际运行中，选取其他典型日负荷曲线，对空调及蓄冷设备实际蓄放冷能力进行评估(日实际蓄冷放冷量/设计蓄冷设备放冷量)，如果长期达不到预期的效果(理论蓄冷能力的85％)，则需要根据最新的典型日负荷用能情况进行相应设备增减配置调整。
设备用供能在线监控：利用物联平台将空调、蓄冷设备运行情况、放冷量数据进行在线监测，可快速分析设备运行状态，及时调整运行策略提升运行效果。
本发明可以有效地提高建筑空调蓄冷设备的节能性能，同时也能满足建筑物对室内环境的需求。
实施例2：
本发明还提出了一种用于对建筑空调蓄冷设备进行配置(例如，节能优化配置)的系统200，如图2所示，包括：
数据采集单元201，用于针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
模型搭建单元202，用于获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
求解单元203，用于从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
配置单元204，用于对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
其中，目标建筑及空调蓄冷设备的相关数据，包括：
所述目标建筑的平面布局、外窗体积比、热容量和热传导系数数据；
所述空调蓄冷设备的型号、功率和制冷效率数据。
其中，根据所述目标曲线建立蓄冷规模模型，包括：
根据所述目标曲线及目标建筑所在地的实际电价时段，建立空调规模模型；
根据所述目标曲线及所述空调规模模型建立蓄冷规模模型。
其中，空调规模模型，计算公式如下：
空调规模＝平电价时段最大冷负荷。
其中，蓄冷规模模型，计算公式如下：
蓄冷规模＝MIN((平谷电价时段最大负荷*谷电价时段时长-谷段价时段日用冷量)，(峰电价时段供能量))×储能配置比例；
其中，峰时放能≤蓄冷规模≤MIN(最大负荷*谷电价时段时长-谷段价时段日需冷量，最大负荷*峰电价时段时长)。
其中，，预设阈值为85％-100％。
其中，优化配置方法，还包括：
基于物联网平台实时监控目标建筑的空调蓄冷设备的运行状态，基于所述运行状态，确定所述空调蓄冷设备的典型日负荷用能数据。
本发明能够根据实际需求和环境条件动态调整空调设备的运行状态，可以有效地解决当前市场主流的电蓄冷空调技术方案存在的问题，提高了能源效率，降低了运行成本，同时提高了室内环境的舒适度。
实施例3：
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中方法的步骤。
实施例4：
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用于对建筑空调蓄冷设备进行配置的方法，其特征在于，所述方法包括：
针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
2.根据权利要求1所述的优化配置方法，其特征在于，所述目标建筑及空调蓄冷设备的相关数据，包括：
所述目标建筑的平面布局、外窗体积比、热容量和热传导系数数据；
所述空调蓄冷设备的型号、功率和制冷效率数据。
3.根据权利要求1所述的优化配置方法，其特征在于，所述根据所述目标曲线建立蓄冷规模模型，包括：
根据所述目标曲线及目标建筑所在地的实际电价时段，建立空调规模模型；
根据所述目标曲线及所述空调规模模型建立蓄冷规模模型。
4.根据权利要求3所述的优化配置方法，其特征在于，所述空调规模模型，计算公式如下：
空调规模＝平电价时段最大冷负荷。
5.根据权利要求3所述的优化配置方法，其特征在于，所述蓄冷规模模型，计算公式如下：
蓄冷规模＝MIN((平谷电价时段最大负荷*谷电价时段时长-谷段价时段日用冷量)，(峰电价时段供能量))×储能配置比例；
其中，峰时放能≤蓄冷规模≤MIN(最大负荷*谷电价时段时长-谷段价时段日需冷量，最大负荷*峰电价时段时长)。
6.根据权利要求1所述的优化配置方法，其特征在于，所述预设阈值为85％-100％。
7.根据权利要求1所述的优化配置方法，其特征在于，所述优化配置方法，还包括：
基于物联网平台实时监控目标建筑的空调蓄冷设备的运行状态，基于所述运行状态，确定所述空调蓄冷设备的典型日负荷用能数据。
8.一种用于对建筑空调蓄冷设备进行配置的系统，其特征在于，所述系统包括：
数据采集单元，用于针对目标建筑及目标建筑内的空调蓄冷设备，采集所述目标建筑的相关数据及空调蓄冷设备的相关数据，基于所述目标建筑的相关数据及空调蓄冷设备的相关数据，确定所述空调蓄冷设备的日理论蓄冷放冷量；
模型搭建单元，用于获取所述空调蓄冷设备的历史冷负荷数据，在所述历史冷负荷数据的多个日冷负荷特性曲线中选择第一日冷负荷特性曲线作为目标曲线，根据所述目标曲线建立蓄冷规模模型；
求解单元，用于从历史冷负荷数据中除所述第一日冷负荷特性曲线之外的多个日冷负荷特性曲线中选择第二日冷负荷特性曲线，作为蓄冷规模模型的输入数据，对所述蓄冷规模模型求解，以得到空调蓄冷设备的日实际蓄冷放冷量；以及
配置单元，用于对所述日实际蓄冷放冷量与所述日理论蓄冷放冷量进行对比，并获取对比值，若所述对比值未落入在预设阈值区间内，则根据目标建筑的最新的日负荷用能数据，对空调蓄冷设备进行配置。
9.一种计算机设备，其特征在于，包括：
一个或多个处理器；
处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311586647.2A CN117404725A (zh) | 2023-11-24 | 2023-11-24 | 对建筑空调蓄冷设备进行节能优化配置的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311586647.2A CN117404725A (zh) | 2023-11-24 | 2023-11-24 | 对建筑空调蓄冷设备进行节能优化配置的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117404725A true CN117404725A (zh) | 2024-01-16 |
Family
ID=89498070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311586647.2A Pending CN117404725A (zh) | 2023-11-24 | 2023-11-24 | 对建筑空调蓄冷设备进行节能优化配置的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117404725A (zh) |
-
2023
- 2023-11-24 CN CN202311586647.2A patent/CN117404725A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Comparison of energy efficiency between variable refrigerant flow systems and ground source heat pump systems | |
| Vakiloroaya et al. | Energy-efficient HVAC systems: Simulation–empirical modelling and gradient optimization | |
| EP4328788A1 (en) | Method and apparatus for calculating energy efficiency of refrigerating machine room, and electronic device | |
| Liao et al. | A hybrid predictive sequencing control for multi-chiller plant with considerations of indoor environment control, energy conservation and economical operation cost | |
| CN105605753A (zh) | 基于多联机与新风机复合空调系统的新风送风温控系统 | |
| CN104236020B (zh) | 一种空调系统的控制方法及装置 | |
| CN112283890A (zh) | 适应建筑暖通设备监控系统的冷热量控制方法及装置 | |
| CN107917509A (zh) | 一种机房空调系统控制方法 | |
| CN203454321U (zh) | 一种节能型可调风量防结露空调系统 | |
| Seo et al. | Comparative analysis of cooling energy performance between water-cooled VRF and conventional AHU systems in a commercial building | |
| CN112283834B (zh) | 一种冷水机组的冷冻水出水温度控制方法及装置 | |
| CN112229043A (zh) | 一种空调运行方法、装置、电子设备和计算机可读介质 | |
| CN113007829B (zh) | 空调控制方法、装置及空调 | |
| WO2014115247A1 (ja) | システムコントローラ、設備管理システム、デマンド制御方法及びプログラム | |
| CN108507126A (zh) | 一种中央空调冷冻水的模糊控制方法、装置及空调 | |
| CN117404725A (zh) | 对建筑空调蓄冷设备进行节能优化配置的方法及系统 | |
| US11703248B2 (en) | Proactive system control using humidity prediction | |
| CN114526537B (zh) | 一种设备节能控制方法和装置 | |
| CN115235049A (zh) | 一种空调主机节能控制方法和装置 | |
| Wenzel et al. | Flexibilization of energy supply using the example of industrial hall climatization and cold production | |
| US20230288092A1 (en) | Hvac system with improved operation of a single-stage compressor during a peak demand response | |
| CN115638509B (zh) | 一种空调控制方法、装置、空调及存储介质 | |
| CN115654704B (zh) | 优化新风空调制冷效果的控制方法、控制装置及新风空调 | |
| CN117346295B (zh) | 多机组的耦合控制方法、装置、设备及计算机可读介质 | |
| CN221197644U (zh) | 一种中央空调风柜节能控制装置及系统 |
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 |