CN117970798A - 一种空调风系统和水系统能耗的优化控制方法 - Google Patents
一种空调风系统和水系统能耗的优化控制方法 Download PDFInfo
- Publication number
- CN117970798A CN117970798A CN202311863869.4A CN202311863869A CN117970798A CN 117970798 A CN117970798 A CN 117970798A CN 202311863869 A CN202311863869 A CN 202311863869A CN 117970798 A CN117970798 A CN 117970798A
- Authority
- CN
- China
- Prior art keywords
- equipment
- control
- air conditioning
- load
- water
- 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
- 238000004378 air conditioning Methods 0.000 title claims abstract description 146
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 136
- 238000005265 energy consumption Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000001816 cooling Methods 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 18
- 238000009423 ventilation Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000007710 freezing Methods 0.000 claims description 9
- 230000008014 freezing Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000000498 cooling water Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000012888 cubic function Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000007787 long-term memory Effects 0.000 claims 1
- 230000006403 short-term memory Effects 0.000 claims 1
- 238000004134 energy conservation Methods 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调风系统和水系统能耗的优化控制方法,包括步骤一:通过采集传感器获取轨道交通空调系统运行的空间环境信息,设备运行状态的信息以及设备参数信息;步骤二:采用长短期记忆神经网络进行迭代学习和动态预测将来时间段内的空调系统负荷需求;步骤三:同步对空调系统中的风系统和水系统进行联动控制,进行系统的运行动态规划;步骤四:根据风水联动控制对当前环境的影响以及历史影响,优化整个系统的控制逻辑;步骤五:通过将空调系统问题分解、优化得出算法,求解最小化问题获得全系统设备切换的时间点以及各设备在每个时间段内的最佳设定点,本发明,具有实现空调水系统的综合优化与高效节能的特点。
Description
技术领域
本发明涉及轨道交通能耗优化控制技术领域,具体为一种空调风系统和水系统能耗的优化控制方法。
背景技术
传统的轨道交通行业中,通风空调系统由隧道通风空调系统、公共区通风空调系统(简称大系统)车站设备与管理用房通风空调系统(简称小系统)、水系统、多联机备用空调系统等多个系统组成,通风空调运行控制方面包含较多的技术性问题,如风机水泵变频调速控制策略、风水联动节能控制系统技术等,这些技术的合理运用可以使通风空调系统达到节能减排的标准要求,根据对轨道交通的运营负荷统计分析,现有的控制策略是将空调整体系统划分为多个不同子系统,对子系统中的不同电气设备用单独控制、模式控制等方式实现,鉴于车站系统的空调系统设备的复杂多样和控制的长时间滞后性、轨道交通环境空间因素的不确定性,很难从整体车站系统耗能上实现优化设计。因此,设计实现空调水系统的综合优化与高效节能的一种空调风系统和水系统能耗的优化控制方法是很有必要的。
发明内容
本发明的目的在于提供一种空调风系统和水系统能耗的优化控制方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种空调风系统和水系统能耗的优化控制方法,包括。
根据上述技术方案,所述以下步骤:
步骤一:通过采集传感器获取轨道交通空调系统运行的空间环境信息,设备运行状态的信息以及设备参数信息,将所有数据信息上传到样本数据库中进行运算参数的筛选整理;
步骤二:根据当前采集到的环境信息设备信息以和历史运行记录,采用长短期记忆神经网络进行迭代学习和动态预测将来时间段内的空调系统负荷需求;
步骤三:同步对空调系统中的风系统和水系统进行联动控制,进行系统的运行动态规划;
步骤四:根据风水联动控制对当前环境的影响以及历史影响,使用算法和模型调整所有设备的运行状态并记录在未改变环境温湿度的前提下设备的设置状态,优化整个系统的控制逻辑;
步骤五:针对步骤四中最小问题求解,通过将空调系统问题分解、优化得出算法,获得全系统设备切换的时间点以及各设备在每个时间段内的最佳设定点。
根据上述技术方案,所述获取轨道交通空调系统运行的空间环境信息,设备运行状态的信息以及设备参数信息的步骤,包括:
轨道交通空调系统运行的空间环境信息包括:空调水系统运行的环境信息,被定义为大系统的公共区域通风空调系统的运行环境信息,和被定义为小系统的设备管理用放通风空调系统的运行环境信息,设备运行状态的信息、设备参数信息包括:冷却塔风机的频率、冷却水泵频率、冷水主机的水温设定点、冷冻水泵频率、空调箱的电磁阀开度、风机的频率以及这些设备的启停命令数据,并同步根据室外气象预报获取包括室外环境温度和湿度的逐时气象数据。
根据上述技术方案,所述采用长短期记忆神经网络进行迭代学习和动态预测将来时间段内的空调系统负荷需求的步骤,包括:
采用长短期记忆神经网络拟合空调系统的动态特性,空调负荷计算预测系统首先判断是否处于工作时段,当在工作时段时,根据获取的当前气象数据和季节信息数据、轨道交通的运营时刻表数据和运营日特征数据,输入长短期记忆神经网络模型获得未来指定时间周期内空调系统的负荷需求,同步进行长短期记忆神经网络模型预测偏差的判断纠正,当不存在偏差时,预测模型根据最新输入的参数数据进行模型的迭代训练和负荷预测输出,当存在偏差时,对预测模型进行瞬时负荷偏差的纠正,同样判断是否处于工作时间段,当处于工作时间段时根据输入的参数数据中的温度和湿度数据偏差进行负荷需求的计算,根据计算结果判断预测模型中温度和湿度是否超标,当没有超标时按照预测的时长进行预测的时间段划分,并以负荷预测曲线进行输出,当根据计算结果判断预测模型中温度和湿度超标时,根据湿度和温度数据的偏差进行负荷需求的修正,然后再输出修正后的负荷预测曲线。
根据上述技术方案,所述进行系统的运行动态规划的步骤,包括:
通过控制当前水系统和风系统的运行状态,实现根据风系统的运行状态影响水系统的运行状态以及通过水系统的运行状态影响风系统的运行状态,通过风系统和水系统的联动控制在不改变当前环境温湿度的情况下,达到能耗最低,其中对风系统进行大系统A区和大系统B区的划分;
具体进行联动控制的方法流程为:空调系统识别划分的大系统A区和大系统B区是否均处于工作状态,当判断结果为是时,获取大系统A区和大系统B区的负荷预测结果,再利用空调箱性能模型计算A区空调箱包括水温、流量和风速的负荷需求,而B取则直接计算空调箱包括水温、流量和风速的负荷需求,将各空调箱负荷需求进行汇总后,计算冷站中包括水温、流量和压力的供应需求,具体的,通过主机性能模型根据冷量和温度需求确定主机台数以及出水温度的设定点,以及同步利用冷冻泵性能模型根据冷冻水流量需求确定冷冻水泵以及频率设定点,进一步利用冷却塔性能模型根据冷量确定冷却塔台数以及风机频率,该冷却量的计算公式为:冷却量=(制冷量+主机功率)*系数,最后通过冷却泵性能模型根据冷却量需求确定冷却水泵的台数以及频率设定点,即包括A区和B区的大系统的组合式空调箱和回/排风机,根据公共区控制对象和实际需求,基于空调负荷预测的结果和实时反馈的数据,主动提前调整风设备的启停和工况设定点,采用变频控制方式调节空调系统送/排风量,同时组合式空调冷冻水阀依据送风温度进行自动调节,在满足公共区环境温度的前提下,最大限度的降低能源消耗,同时实现全局的动态水力平衡调节功能。
根据上述技术方案,所述优化整个系统的控制逻辑的步骤,包括:
根据汇总的负荷预测信息,对运行终端的所有主机设备、水泵设备、冷却塔设备和风机设备优化控制需求进行判断,当当前设备可以切为优化控制时判断设备是否可以进行远程控制,当可以进行远程控制时进一步判断是否存在故障,当不可以进行远程控制时将其加入标注为“不可控”的设备队列,当设备判断为不存在故障时加入“自动化控制”的设备队列,而当存在设备故障时即表示该设备不可进行优化控制,因此对加入“自动化控制”设备队列以及加入“不可控”设备队列中的设备生成对应的若干未来运行计划方案,即根据负荷需求、设备性能和包括启停时间间隔、最小流程的约束条件进行方案的能耗代价评估,当判断为能耗最低的方案时判断是否符合所有的运行约束,当判断不是能耗最低的方案时,继续根据负荷需求、设备性能和包括启停时间间隔、最小流程的约束条件的进行方案的能耗代价评估,即进行算法迭代改进方案,直到能耗方案为最低能耗,当符合所有的运行约束时从所有方案中的“最优”运行方案中获取下一时间点包括启停时间、温度设定和流量设定的运行指令,并将其发往对应的设备,并提示规划成功的输出信息,并进入下一调度的等待;
在下一调度的运行过程中,利用ECNS切为优化控制,计算距离上次规划超过时间步长,当超过时进入到下一调度的控制逻辑的运算中,当没有超过时计算当前供应量与负荷需求的差别是否超过设定的偏差,当该偏差超过时同样进入到下一调度的控制逻辑的运算中,当该偏差没有超过时判断是否有设备状态发生非预期变化或设备报警,当存在时同样进入到下一调度的控制逻辑的运算中,当不存在时进一步判断是否超出设定的范围值,超出了继续进入到下一调度的控制逻辑的运算中,当没有超出时继续等待下一调度,而当输出的能耗最低方案不符合所有的运行约束时提示规划失败的输出信息。
根据上述技术方案,所述最小问题求解的步骤,包括:
系统优化问题的目标函数为:
其中,Tcost为系统总能耗成本,以能耗费用计,N为系统设备总台数,T为时段总数,共96段,每段15分钟,总时间跨度为24小时,ui(t)为设备i在t时段内的机组状态,1表示启动,0表示停机,FCosti(t)为设备i在t时段中的能耗费用,PenaltySwitchi(t)为设备i在t时段中的机组启停惩罚项,PenaltySupplyi(t)为设备i在t时段中的负荷供应与需求偏差惩罚项,i为设备序号,t为时段序号,
进一步的,主机和冷却塔的能耗费用采用二次函数形式表示为:
其中,ai、bi、ci分别为主机和冷却塔的性能曲线的常数项、一次项和二次项系数;
进一步的,变频设备的能耗费用采用三次函数形式表示为:
其中,ai、bi、ci、di分别为变频设备的性能曲线的常数项、一次项、二次项和三次项系数,Pi(t)为主机i在时段t中的负荷,单位为kW;
机组组合问题的约束条件为:
Pi min≤Pt(t)≤Pi max
Pi(t-1)-DRi≤Pi(t)≤Pi(t-1)+DRi
其中:D(t)为时段t中系统的负荷需求,单位为kW;Pi max为设备i的负荷能力上限,单位为kW;Pi min为设备i的负荷能力上限,单位为kW;DRi为设备i的最大降负荷速率,单位为kW/h;URi为设备i的最大升负荷速率,单位为kW/h;Ti on为设备i的最小连续运行时间,单位为h;为设备i的连续运行时间,单位为h;Ti off为设备i的最小连续停运时间,单位为h;为设备i的连续停机时间,单位为h,最小化问题既包含表示设备启停的0、1整数变量,也包含表示温度设定点,变频设定点等的实数变量。
根据上述技术方案,所述该系统包括:
空调水系统模块,用于通过自动跟踪环境与负荷的变化,确保空调冷水机组、冷冻水系统、冷却水系统、冷却塔风机等全系统协调运行;
大系统模块,用于根据公共区控制对象和实际需求,基于空调负荷预测的结果和实时反馈的数据进行控制方式调节和自动调节;
风、水系统联合控制模块,用于风水联动控制将控制技术和人工智能算法应用到整个空调系统进行协同控制。
与现有技术相比,本发明所达到的有益效果是:本发明,
1、通过空调水系统智能控制技术集合负荷预测,设备性能模型辨识,动态规划算法等技术,利用智能控制单元的强大的计算能力,将全系统的运行信息进行集成,对系统运行参数进行优化和动态调节,实现全系统协调运行,自动跟踪环境与负荷的变化,确保冷冻水系统、冷却水系统、冷却塔风机、冷水机组等全系统协调、匹配地运行,在任何负荷条件下,都能以最少的系统能耗获得所需要的冷量,在保证末端空调服务质量的前提下,实现空调水系统的综合优化与高效节能;
2、大系统的智能控制单元实时监测车站公共区环境状况,并采用变频控制方式通过BAS主体系统实现对大系统组合式空调箱和回排风机运行频率的调节控制,在满足服务质量的前提下,尽量降低大系统设备能耗,达到节能的目的,智能控制单元还可以依据负荷预测结果和实时室内环境信息反馈对组合式空调箱冷冻水阀进行自动调节,以实现全局的动态水力平衡调节功能;
3、风水联动控制将先进控制技术和人工智能算法应用到整个空调系统的协同控制,建立全空调系统的仿真模型,通过对末端空调的负荷变化模式进行学习和预测,全系统控制框架将风系统的控制与水系统的控制无缝整合,需求侧的冷暖信息实时反馈到供应侧,系统针对风系统不同区域建立负荷预测模型,自动探测每个典型区域的负荷变化模式,最终汇总需求信息,传递到供应侧的运行优化模块,水系统与风系统的控制不再分离,风与水系统的运行协调统一,简化车站通风空调系统的节能控制模型,实现节能控制的工程化应用。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明实施例一提供的空调系统-负荷计算逻辑步骤流程图;
图2是本发明实施例一提供的空调系统-风水联动控制逻辑步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:本实施例可应用空调系统节能优化控制的场景,该方法可以由本实施例提供的一种空调风系统和水系统能耗的优化控制系统来执行,如图1-2所示,该方法具体包括以下步骤:
步骤一:通过采集传感器获取轨道交通空调系统运行的空间环境信息,设备运行状态的信息以及设备参数信息,将所有数据信息上传到样本数据库中进行运算参数的筛选整理;
在本发明实施例中,轨道交通空调系统运行的空间环境信息包括:空调水系统运行的环境信息,被定义为大系统的公共区域通风空调系统的运行环境信息,和被定义为小系统的设备管理用放通风空调系统的运行环境信息,设备运行状态的信息、设备参数信息包括:冷却塔风机的频率、冷却水泵频率、冷水主机的水温设定点、冷冻水泵频率、空调箱的电磁阀开度、风机的频率以及这些设备的启停命令数据,并同步根据室外气象预报获取包括室外环境温度和湿度的逐时气象数据;
示例性的,空调系统中的冷热源设备及管路阀门的群控和空气调节设备的控制是独立运行的,分别由各自的控制模块独立完成,其中控制模块包括硬件单元,逻辑单元和软件单元,空调系统通过将站内空气中的热量传递到站外大气中进行热量的转换;因此基于空调系统节能优化控制的目标,通过将大系统环境下的空气的温度参数和湿度参数作为输入参数,输出空调系统用冷量的负荷预测,以及水冷空调系统的冷水主机、泵、冷却塔、风机进行开、关、大小调节的控制参数,直接可控变量为冷却塔风机的频率、冷却水泵频率、冷水主机的水温设定点、冷冻水泵频率、空调箱的电磁阀开度、风机的频率以及运行设备的启停命令参数,在空调系统的工作时段内,保证站内大系统舒适度设定的条件下,使得空调系统的各设备的整体能耗全时段最小。
步骤二:根据当前采集到的环境信息设备信息以和历史运行记录,采用长短期记忆神经网络进行迭代学习和动态预测将来时间段内的空调系统负荷需求;
在本发明实施例中,采用长短期记忆神经网络拟合空调系统的动态特性,以五分钟为一个时间步长,将时间周期为两小时的即24步包括冷冻供水温度、冷冻供水流量、空调箱电磁阀开度、风机转速个分区的温湿度的系统状态参数作为输入,预测未来时刻分区包括未来时刻的冷冻水温度、流量、电磁阀开度、风机转速的可控参数的舒适度信息;通过利用神经网络层通过激活函数对冷量供应进行计算,根据长短期记忆神经网络定义Xt是在t时刻的输入信息,为之前时刻的冷量供应数据,ht为在t时刻的输出信息,即现在时刻的冷量供应数据,神经元递归的调用自身并且将t-1时刻的信息传递给t时刻;
示例性的,空调负荷计算预测的方法为:空调负荷计算预测系统首先判断是否处于工作时段,当在工作时段时,根据获取的当前气象数据和季节信息数据、轨道交通的运营时刻表数据和运营日特征数据,输入长短期记忆神经网络模型获得未来指定时间周期内空调系统的负荷需求,同步进行长短期记忆神经网络模型预测偏差的判断纠正,当不存在偏差时,预测模型根据最新输入的参数数据进行模型的迭代训练和负荷预测输出,当存在偏差时,对预测模型进行瞬时负荷偏差的纠正,同样判断是否处于工作时间段,当处于工作时间段时根据输入的参数数据中的温度和湿度数据偏差进行负荷需求的计算,根据计算结果判断预测模型中温度和湿度是否超标,当没有超标时按照预测的时长进行预测的时间段划分,并以负荷预测曲线进行输出,当根据计算结果判断预测模型中温度和湿度超标时,根据湿度和温度数据的偏差进行负荷需求的修正,然后再输出修正后的负荷预测曲线。
步骤三:同步对空调系统中的风系统和水系统进行联动控制,进行系统的运行动态规划;
在本发明实施例中,通过控制当前水系统和风系统的运行状态,实现根据风系统的运行状态影响水系统的运行状态以及通过水系统的运行状态影响风系统的运行状态,通过风系统和水系统的联动控制在不改变当前环境温湿度的情况下,达到能耗最低,其中对风系统进行大系统A区和大系统B区的划分;
示例性的,具体进行联动控制的方法流程为:空调系统识别划分的大系统A区和大系统B区是否均处于工作状态,当判断结果为是时,获取大系统A区和大系统B区的负荷预测结果,再利用空调箱性能模型计算A区空调箱包括水温、流量和风速的负荷需求,而B取则直接计算空调箱包括水温、流量和风速的负荷需求,将各空调箱负荷需求进行汇总后,计算冷站中包括水温、流量和压力的供应需求,具体的,通过主机性能模型根据冷量和温度需求确定主机台数以及出水温度的设定点,以及同步利用冷冻泵性能模型根据冷冻水流量需求确定冷冻水泵以及频率设定点,进一步利用冷却塔性能模型根据冷量确定冷却塔台数以及风机频率,该冷却量的计算公式为:冷却量=(制冷量+主机功率)*系数,最后通过冷却泵性能模型根据冷却量需求确定冷却水泵的台数以及频率设定点,即包括A区和B区的大系统的组合式空调箱和回/排风机,根据公共区控制对象和实际需求,基于空调负荷预测的结果和实时反馈的数据,主动提前调整风设备的启停和工况设定点,采用变频控制方式调节空调系统送/排风量,同时组合式空调冷冻水阀依据送风温度进行自动调节,在满足公共区环境温度的前提下,最大限度的降低能源消耗,同时实现全局的动态水力平衡调节功能。
步骤四:根据风水联动控制对当前环境的影响以及历史影响,使用算法和模型调整所有设备的运行状态并记录在未改变环境温湿度的前提下设备的设置状态,优化整个系统的控制逻辑;
在本发明实施例中,建立全空调系统的仿真模型,通过对末端空调的负荷变化模式进行学习和预测,主动的计算风系统的未来逐时需求,并将逐时需求主动地反馈到水系统设备的运行规划中,并结合实时反馈信息,将水系统和风系统的设备控制协调一致,变水系统被动式的响应风系统的负荷变化为主动地协调两端的运行,并从全空调系统的级别规划设备的启停和工况设定点,统一实现风系统和水系统之间的能量分配和平衡控制,简化车站通风空调系统的节能控制模型,实现节能控制的工程化应用;
示例性的,全系统控制框架为:将风系统的控制与水系统的控制无缝整合,需求侧的冷暖信息实时反馈到供应侧,系统针对风系统不同区域建立负荷预测模型,自动探测每个典型区域的负荷变化模式,最终汇总需求信息传递到供应侧的运行优化终端,将水系统与风系统的控制进行联动,风与水系统的运行协调统一;
示例性的,优化整个系统的控制逻辑的方法流程为:根据汇总的负荷预测信息,对运行终端的所有主机设备、水泵设备、冷却塔设备和风机设备优化控制需求进行判断,当当前设备可以切为优化控制时判断设备是否可以进行远程控制,当可以进行远程控制时进一步判断是否存在故障,当不可以进行远程控制时将其加入标注为“不可控”的设备队列,当设备判断为不存在故障时加入“自动化控制”的设备队列,而当存在设备故障时即表示该设备不可进行优化控制,因此对加入“自动化控制”设备队列以及加入“不可控”设备队列中的设备生成对应的若干未来运行计划方案,即根据负荷需求、设备性能和包括启停时间间隔、最小流程的约束条件进行方案的能耗代价评估,当判断为能耗最低的方案时判断是否符合所有的运行约束,当判断不是能耗最低的方案时,继续根据负荷需求、设备性能和包括启停时间间隔、最小流程的约束条件的进行方案的能耗代价评估,即进行算法迭代改进方案,直到能耗方案为最低能耗,当符合所有的运行约束时从所有方案中的“最优”运行方案中获取下一时间点包括启停时间、温度设定和流量设定的运行指令,并将其发往对应的设备,并提示规划成功的输出信息,并进入下一调度的等待;
示例性的,在下一调度的运行过程中,利用ECNS切为优化控制,计算距离上次规划超过时间步长,当超过时进入到下一调度的控制逻辑的运算中,当没有超过时计算当前供应量与负荷需求的差别是否超过设定的偏差,当该偏差超过时同样进入到下一调度的控制逻辑的运算中,当该偏差没有超过时判断是否有设备状态发生非预期变化或设备报警,当存在时同样进入到下一调度的控制逻辑的运算中,当不存在时进一步判断是否超出设定的范围值,超出了继续进入到下一调度的控制逻辑的运算中,当没有超出时继续等待下一调度,而当输出的能耗最低方案不符合所有的运行约束时提示规划失败的输出信息。
步骤五:针对步骤四中最小问题求解,通过将空调系统问题分解、优化得出算法,获得全系统设备切换的时间点以及各设备在每个时间段内的最佳设定点。
在本发明实施例中,系统优化问题的目标函数为:
其中,Tcost为系统总能耗成本,以能耗费用计,N为系统设备总台数,T为时段总数,共96段,每段15分钟,总时间跨度为24小时,ui(t)为设备i在t时段内的机组状态,1表示启动,0表示停机,FCosti(t)为设备i在t时段中的能耗费用,PenaltySwitchi(t)为设备i在t时段中的机组启停惩罚项,PenaltySupplyi(t)为设备i在t时段中的负荷供应与需求偏差惩罚项,i为设备序号,t为时段序号,
进一步的,主机和冷却塔的能耗费用采用二次函数形式表示为:
其中,ai、bi、ci分别为主机和冷却塔的性能曲线的常数项、一次项和二次项系数;
进一步的,变频设备的能耗费用采用三次函数形式表示为:
其中,ai、bi、ci、di分别为变频设备的性能曲线的常数项、一次项、二次项和三次项系数,Pi(t)为主机i在时段t中的负荷,单位为kW;
示例性的,机组组合问题的约束条件为:
Pi min≤Pt(t)≤Pi max
Pi(t-1)-DRi≤Pi(t)≤Pi(t-1)+DRi
其中:D(t)为时段t中系统的负荷需求,单位为kW;Pi max为设备i的负荷能力上限,单位为kW;Pi min为设备i的负荷能力上限,单位为kW;DRi为设备i的最大降负荷速率,单位为kW/h;URi为设备i的最大升负荷速率,单位为kW/h;Ti on为设备i的最小连续运行时间,单位为h;为设备i的连续运行时间,单位为h;Ti off为设备i的最小连续停运时间,单位为h;为设备i的连续停机时间,单位为h,最小化问题既包含表示设备启停的0、1整数变量,也包含表示温度设定点,变频设定点等的实数变量。
实施例二:本发明实施例二提供了一种空调风系统和水系统能耗的优化控制系统,该系统包括:
空调水系统模块,用于通过自动跟踪环境与负荷的变化,确保空调冷水机组、冷冻水系统、冷却水系统、冷却塔风机等全系统协调运行;
大系统模块,用于根据公共区控制对象和实际需求,基于空调负荷预测的结果和实时反馈的数据进行控制方式调节和自动调节;
风、水系统联合控制模块,用于风水联动控制将控制技术和人工智能算法应用到整个空调系统进行协同控制。
在本发明的一些实施例中,空调水系统模块包括:
控制功能模块,用于系统通过全面采集影响空调水系统设备运行时的各种数据,进行符合条件的优化控制计算;
参数自动匹配运行模块,用于自动跟踪环境与负荷的变化,确保包括冷冻水系统、冷却水系统、冷却塔风机、冷水机组的全系统协调、匹配地运行;
控制逻辑策略模块,用于利用智能控制单元将全系统的运行信息进行集成,规划对系统运行参数进行优化和动态调节的逻辑策略。
在本发明的一些实施例中,大系统模块包括:
智能调节控制模块,用于根据智能控制单元实时监测车站公共区环境状况,并采用变频控制方式通过BAS主体系统实现对大系统组合式空调箱和回排风机运行频率的调节控制;
自动平衡调节模块,用于智能控制单元依据负荷预测结果和实时室内环境信息反馈对组合式空调箱冷冻水阀进行自动平衡调节;
频率控制模块,用于根据车站两端回风温度的比例关系,确定两端空气处理机组送风量的比例实现空气处理机组的频率控制。
在本发明的一些实施例中,风、水系统联合控制模块包括:
负荷变化预测模块,用于建立全空调系统的仿真模型,通过对末端空调的负荷变化模式进行学习和预测;
设备控制协调模块,用于根据计算的风系统未来逐时需求和反馈到水系统设备的运行规划,将水系统和风系统的设备控制协调一致;
全系统控制框架模块,用于将风系统的控制与水系统的控制进行整合,汇总需求信息进行供应侧的运行优化;
节能控制模块,用于变从全空调系统的级别规划设备的启停和工况设定点,统一实现风系统和水系统之间的能量分配和平衡控制。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种空调风系统和水系统能耗的优化控制方法,其特征在于:包括以下步骤:
步骤一:通过采集传感器获取轨道交通空调系统运行的空间环境信息,设备运行状态的信息以及设备参数信息,将所有数据信息上传到样本数据库中进行运算参数的筛选整理;
步骤二:根据当前采集到的环境信息设备信息以和历史运行记录,采用长短期记忆神经网络进行迭代学习和动态预测将来时间段内的空调系统负荷需求;
步骤三:同步对空调系统中的风系统和水系统进行联动控制,进行系统的运行动态规划;
步骤四:根据风水联动控制对当前环境的影响以及历史影响,使用算法和模型调整所有设备的运行状态并记录在未改变环境温湿度的前提下设备的设置状态,优化整个系统的控制逻辑;
步骤五:针对步骤四中最小问题求解,通过将空调系统问题分解、优化得出算法,获得全系统设备切换的时间点以及各设备在每个时间段内的最佳设定点。
2.根据权利要求1所述的一种空调风系统和水系统能耗的优化控制方法,其特征在于:所述获取轨道交通空调系统运行的空间环境信息,设备运行状态的信息以及设备参数信息的步骤,包括:
轨道交通空调系统运行的空间环境信息包括:空调水系统运行的环境信息,被定义为大系统的公共区域通风空调系统的运行环境信息,和被定义为小系统的设备管理用放通风空调系统的运行环境信息,设备运行状态的信息、设备参数信息包括:冷却塔风机的频率、冷却水泵频率、冷水主机的水温设定点、冷冻水泵频率、空调箱的电磁阀开度、风机的频率以及这些设备的启停命令数据,并同步根据室外气象预报获取包括室外环境温度和湿度的逐时气象数据。
3.根据权利要求2所述的一种空调风系统和水系统能耗的优化控制方法,其特征在于:所述采用长短期记忆神经网络进行迭代学习和动态预测将来时间段内的空调系统负荷需求的步骤,包括:
采用长短期记忆神经网络拟合空调系统的动态特性,空调负荷计算预测系统首先判断是否处于工作时段,当在工作时段时,根据获取的当前气象数据和季节信息数据、轨道交通的运营时刻表数据和运营日特征数据,输入长短期记忆神经网络模型获得未来指定时间周期内空调系统的负荷需求,同步进行长短期记忆神经网络模型预测偏差的判断纠正,当不存在偏差时,预测模型根据最新输入的参数数据进行模型的迭代训练和负荷预测输出,当存在偏差时,对预测模型进行瞬时负荷偏差的纠正,同样判断是否处于工作时间段,当处于工作时间段时根据输入的参数数据中的温度和湿度数据偏差进行负荷需求的计算,根据计算结果判断预测模型中温度和湿度是否超标,当没有超标时按照预测的时长进行预测的时间段划分,并以负荷预测曲线进行输出,当根据计算结果判断预测模型中温度和湿度超标时,根据湿度和温度数据的偏差进行负荷需求的修正,然后再输出修正后的负荷预测曲线。
4.根据权利要求3所述的一种空调风系统和水系统能耗的优化控制方法,其特征在于:所述进行系统的运行动态规划的步骤,包括:
通过控制当前水系统和风系统的运行状态,实现根据风系统的运行状态影响水系统的运行状态以及通过水系统的运行状态影响风系统的运行状态,通过风系统和水系统的联动控制在不改变当前环境温湿度的情况下,达到能耗最低,其中对风系统进行大系统A区和大系统B区的划分;
具体进行联动控制的方法流程为:空调系统识别划分的大系统A区和大系统B区是否均处于工作状态,当判断结果为是时,获取大系统A区和大系统B区的负荷预测结果,再利用空调箱性能模型计算A区空调箱包括水温、流量和风速的负荷需求,而B取则直接计算空调箱包括水温、流量和风速的负荷需求,将各空调箱负荷需求进行汇总后,计算冷站中包括水温、流量和压力的供应需求,具体的,通过主机性能模型根据冷量和温度需求确定主机台数以及出水温度的设定点,以及同步利用冷冻泵性能模型根据冷冻水流量需求确定冷冻水泵以及频率设定点,进一步利用冷却塔性能模型根据冷量确定冷却塔台数以及风机频率,该冷却量的计算公式为:冷却量=(制冷量+主机功率)*系数,最后通过冷却泵性能模型根据冷却量需求确定冷却水泵的台数以及频率设定点,即包括A区和B区的大系统的组合式空调箱和回/排风机,根据公共区控制对象和实际需求,基于空调负荷预测的结果和实时反馈的数据,主动提前调整风设备的启停和工况设定点,采用变频控制方式调节空调系统送/排风量,同时组合式空调冷冻水阀依据送风温度进行自动调节,在满足公共区环境温度的前提下,最大限度的降低能源消耗,同时实现全局的动态水力平衡调节功能。
5.根据权利要求4所述的一种空调风系统和水系统能耗的优化控制方法,其特征在于:所述优化整个系统的控制逻辑的步骤,包括:
根据汇总的负荷预测信息,对运行终端的所有主机设备、水泵设备、冷却塔设备和风机设备优化控制需求进行判断,当当前设备可以切为优化控制时判断设备是否可以进行远程控制,当可以进行远程控制时进一步判断是否存在故障,当不可以进行远程控制时将其加入标注为“不可控”的设备队列,当设备判断为不存在故障时加入“自动化控制”的设备队列,而当存在设备故障时即表示该设备不可进行优化控制,因此对加入“自动化控制”设备队列以及加入“不可控”设备队列中的设备生成对应的若干未来运行计划方案,即根据负荷需求、设备性能和包括启停时间间隔、最小流程的约束条件进行方案的能耗代价评估,当判断为能耗最低的方案时判断是否符合所有的运行约束,当判断不是能耗最低的方案时,继续根据负荷需求、设备性能和包括启停时间间隔、最小流程的约束条件的进行方案的能耗代价评估,即进行算法迭代改进方案,直到能耗方案为最低能耗,当符合所有的运行约束时从所有方案中的“最优”运行方案中获取下一时间点包括启停时间、温度设定和流量设定的运行指令,并将其发往对应的设备,并提示规划成功的输出信息,并进入下一调度的等待;
在下一调度的运行过程中,利用ECNS切为优化控制,计算距离上次规划超过时间步长,当超过时进入到下一调度的控制逻辑的运算中,当没有超过时计算当前供应量与负荷需求的差别是否超过设定的偏差,当该偏差超过时同样进入到下一调度的控制逻辑的运算中,当该偏差没有超过时判断是否有设备状态发生非预期变化或设备报警,当存在时同样进入到下一调度的控制逻辑的运算中,当不存在时进一步判断是否超出设定的范围值,超出了继续进入到下一调度的控制逻辑的运算中,当没有超出时继续等待下一调度,而当输出的能耗最低方案不符合所有的运行约束时提示规划失败的输出信息。
6.根据权利要求5所述的一种空调风系统和水系统能耗的优化控制方法,其特征在于:所述最小问题求解的步骤,包括:
系统优化问题的目标函数为:
其中,Tcost为系统总能耗成本,以能耗费用计,N为系统设备总台数,T为时段总数,共96段,每段15分钟,总时间跨度为24小时,ui(t)为设备i在t时段内的机组状态,1表示启动,0表示停机,FCosti(t)为设备i在t时段中的能耗费用,PenaltySwitchi(t)为设备i在t时段中的机组启停惩罚项,PenaltySupplyi(t)为设备i在t时段中的负荷供应与需求偏差惩罚项,i为设备序号,i为时段序号,
进一步的,主机和冷却塔的能耗费用采用二次函数形式表示为:
其中,ai、bi、ci分别为主机和冷却塔的性能曲线的常数项、一次项和二次项系数;
进一步的,变频设备的能耗费用采用三次函数形式表示为:
其中,ai、bi、ci、di分别为变频设备的性能曲线的常数项、一次项、二次项和三次项系数,Pi(t)为主机i在时段t中的负荷,单位为kW;
机组组合问题的约束条件为:
Pi min≤Pt(t)≤Pi max
Pi(t-1)-DRi≤Pi(t)≤Pi(t-1)+DRi
其中:D(t)为时段t中系统的负荷需求,单位为kW;Pi max为设备i的负荷能力上限,单位为kW;Pi min为设备i的负荷能力上限,单位为kW;DRi为设备i的最大降负荷速率,单位为kW/h;URi为设备i的最大升负荷速率,单位为kW/h;Ti on为设备i的最小连续运行时间,单位为h;为设备i的连续运行时间,单位为h;Ti off为设备i的最小连续停运时间,单位为h;/>为设备i的连续停机时间,单位为h,最小化问题既包含表示设备启停的0、1整数变量,也包含表示温度设定点,变频设定点等的实数变量。
7.根据权利要求6所述的一种空调风系统和水系统能耗的优化控制方法,应用于一种空调风系统和水系统能耗的优化控制系统,其特征在于:所述该系统包括:
空调水系统模块,用于通过自动跟踪环境与负荷的变化,确保空调冷水机组、冷冻水系统、冷却水系统、冷却塔风机等全系统协调运行;
大系统模块,用于根据公共区控制对象和实际需求,基于空调负荷预测的结果和实时反馈的数据进行控制方式调节和自动调节;
风、水系统联合控制模块,用于风水联动控制将控制技术和人工智能算法应用到整个空调系统进行协同控制。
8.根据权利要求7所述的一种空调风系统和水系统能耗的优化控制系统,其特征在于:所述空调水系统模块包括:
控制功能模块,用于系统通过全面采集影响空调水系统设备运行时的各种数据,进行符合条件的优化控制计算;
参数自动匹配运行模块,用于自动跟踪环境与负荷的变化,确保包括冷冻水系统、冷却水系统、冷却塔风机、冷水机组的全系统协调、匹配地运行;
控制逻辑策略模块,用于利用智能控制单元将全系统的运行信息进行集成,规划对系统运行参数进行优化和动态调节的逻辑策略。
9.根据权利要求8所述的一种空调风系统和水系统能耗的优化控制系统,其特征在于:所述大系统模块包括:
智能调节控制模块,用于根据智能控制单元实时监测车站公共区环境状况,并采用变频控制方式通过BAS主体系统实现对大系统组合式空调箱和回排风机运行频率的调节控制;
自动平衡调节模块,用于智能控制单元依据负荷预测结果和实时室内环境信息反馈对组合式空调箱冷冻水阀进行自动平衡调节;
频率控制模块,用于根据车站两端回风温度的比例关系,确定两端空气处理机组送风量的比例实现空气处理机组的频率控制。
10.根据权利要求9所述的一种空调风系统和水系统能耗的优化控制系统,其特征在于:所述风、水系统联合控制模块包括:
负荷变化预测模块,用于建立全空调系统的仿真模型,通过对末端空调的负荷变化模式进行学习和预测;
设备控制协调模块,用于根据计算的风系统未来逐时需求和反馈到水系统设备的运行规划,将水系统和风系统的设备控制协调一致;
全系统控制框架模块,用于将风系统的控制与水系统的控制进行整合,汇总需求信息进行供应侧的运行优化;
节能控制模块,用于变从全空调系统的级别规划设备的启停和工况设定点,统一实现风系统和水系统之间的能量分配和平衡控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311863869.4A CN117970798A (zh) | 2023-12-29 | 2023-12-29 | 一种空调风系统和水系统能耗的优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311863869.4A CN117970798A (zh) | 2023-12-29 | 2023-12-29 | 一种空调风系统和水系统能耗的优化控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117970798A true CN117970798A (zh) | 2024-05-03 |
Family
ID=90862006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311863869.4A Pending CN117970798A (zh) | 2023-12-29 | 2023-12-29 | 一种空调风系统和水系统能耗的优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117970798A (zh) |
-
2023
- 2023-12-29 CN CN202311863869.4A patent/CN117970798A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11754984B2 (en) | HVAC system with predictive airside control | |
US20240044541A1 (en) | Systems and methods of optimizing hvac control in a building or network of buildings | |
CN110410942B (zh) | 一种冷热源机房节能优化控制方法及系统 | |
US11067955B2 (en) | HVAC system using model predictive control with distributed low-level airside optimization | |
CN102301288B (zh) | 用以控制能量消耗效率的系统和方法 | |
CN113091123A (zh) | 一种基于数字孪生模型的楼宇机组供热系统调控方法 | |
US11789415B2 (en) | Building HVAC system with multi-level model predictive control | |
US11221597B2 (en) | Systems and methods for balancing an electrical grid with networked buildings | |
CN101782258A (zh) | 空调节能方法 | |
CN109341010B (zh) | 一种电制冷机空调系统用供能一体化的控制方法和装置 | |
CN111076378A (zh) | 一种基于负荷预测的地铁车站通风空调节能系统及方法 | |
CN114383299A (zh) | 基于大数据与动态仿真的中央空调系统运行策略优化方法 | |
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 | |
CN114264045A (zh) | 一种中央空调的能效调控系统及方法 | |
CN114154677A (zh) | 空调运行负荷模型构建和预测方法、装置、设备和介质 | |
CN115081220A (zh) | 一种高能效中央空调系统调节方法及其系统 | |
CN111197846A (zh) | 一种建筑内冷热负荷自适应调节方法及系统 | |
US20140379139A1 (en) | Systems and methods for balancing an electrical grid with networked buildings | |
US11781772B2 (en) | Air conditioning system, server system, network, method for controlling air conditioning system and method for controlling network with self-tuning for optimal configuration of the air conditioning system | |
CN211526662U (zh) | 一种基于负荷预测的地铁车站通风空调节能系统 | |
CN117970798A (zh) | 一种空调风系统和水系统能耗的优化控制方法 | |
US20230088808A1 (en) | Building hvac system with multi-level model predictive control | |
CN114396718B (zh) | 全空气变风量系统控制方法、装置、电子设备及存储介质 | |
CN113685971A (zh) | 恒温供热自控循环动态平衡控制系统、方法、数据处理终端 | |
CN116592469B (zh) | 一种暖通管控系统、方法及存储介质 |
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 |