JP2017048959A - 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム - Google Patents
冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム Download PDFInfo
- Publication number
- JP2017048959A JP2017048959A JP2015171870A JP2015171870A JP2017048959A JP 2017048959 A JP2017048959 A JP 2017048959A JP 2015171870 A JP2015171870 A JP 2015171870A JP 2015171870 A JP2015171870 A JP 2015171870A JP 2017048959 A JP2017048959 A JP 2017048959A
- Authority
- JP
- Japan
- Prior art keywords
- cooling water
- water temperature
- heat source
- unit
- prediction
- 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
- 239000000498 cooling water Substances 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 46
- 238000010521 absorption reaction Methods 0.000 description 38
- 239000000446 fuel Substances 0.000 description 37
- 238000001816 cooling Methods 0.000 description 34
- 238000005457 optimization Methods 0.000 description 30
- 239000007789 gas Substances 0.000 description 28
- 238000010926 purge Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 24
- 238000010248 power generation Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 17
- 238000009423 ventilation Methods 0.000 description 17
- 238000011084 recovery Methods 0.000 description 12
- 238000013500 data storage Methods 0.000 description 8
- 238000005057 refrigeration Methods 0.000 description 8
- 238000004378 air conditioning Methods 0.000 description 7
- 101150052169 cgab gene Proteins 0.000 description 6
- 239000002826 coolant Substances 0.000 description 6
- 239000002918 waste heat Substances 0.000 description 6
- 230000005611 electricity Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 101100356020 Haemophilus influenzae (strain ATCC 51907 / DSM 11121 / KW20 / Rd) recA gene Proteins 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 235000002020 sage Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/27—Relating to heating, ventilation or air conditioning [HVAC] technologies
- Y02A30/274—Relating to heating, ventilation or air conditioning [HVAC] technologies using waste energy, e.g. from internal combustion engine
-
- 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
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/14—Combined heat and power generation [CHP]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/12—Improving ICE efficiencies
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
Description
予測モデルを生成するために、少なくとも1つの単位時間における外気温の実績値、少なくとも1つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
少なくとも1つの単位時間における外気温の予測値と、少なくとも1つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測装置である。
予測モデルを生成するために、少なくとも1つの単位時間における外気温の実績値、少なくとも1つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成するステップと、
少なくとも1つの単位時間における外気温の予測値と、少なくとも1つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測するステップとを含む、熱源機器の冷却水温予測方法である。
予測モデルを生成するために、少なくとも1つの単位時間における外気温の実績値、少なくとも1つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
少なくとも1つの単位時間における外気温の予測値と、少なくとも1つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測ソフトウェアプログラムである。
Prec(t)=Precl(t)+Precre(t) (1)
PEG(t)=PEGl(t)+PEGER(t) (2)
FS(t)=FSEGE(t)+FSEXH(t)+FSGAB(t) (3)
Precl(t)+Precre(t)+PEGl(t)+PEGER(t)=Pd(t) (4)
HcERU(t)+HcEXH(t)+HcGAB(t)=Hd(t) (5)
を満たす必要がある。
Din(t)=hout(t)×ρout×VV(t) (6)
により求めることができる。
Dout(t)=hin(t)×ρin×VV(t) (7)
により求めることができる。
VQ(t)=Din(t)−Dout(t) (8)
により求めることができる。
Hd *(t)=k0+k1・θout(t)+k2・humout(t)+k3・NP(t)+VQ(t) (9)
によって表される。ここで、k0は定数であり、k1、k2、及びk3は回帰係数である。パラメータ推計部408は、変量のセットΩ1=[θout(t),humout(t),NP(t),VQ(t)]の多数のサンプルを使用して、定数k0及び回帰係数k1、k2、及びk3の推計を行い、推計処理は、一般的な回帰分析の手法により行われる。代替的に、推計処理は、LMSアルゴリズムを用いて適応的に行われてもよい。
T*(i,t)=l0+l1・θ* out(t)+l2・θout(t−1)+l3・T(i,t−1)+l4・(Hd(i,t−1)−Hd(i,t−2)) (i=1,…、m) (10)
で表される。
・ COP(i,17,x(i,t))=a0(i,17)+a1(i,17)・x(i,t)+a2(i,17)・{x(i,t)}2+a3(i,17)・{x(i,t)}3
・ COP(i,20,x(i,t))=a0(i,20)+a1(i,20)・x(i,t)+a2(i,20)・{x(i,t)}2+a3(i,20)・{x(i,t)}3
・ COP(i,24,x(i,t))=a0(i,24)+a1(i,24)・x(i,t)+a2(i,24)・{x(i,t)}2+a3(i,24)・{x(i,t)}3
・ COP(i,28,x(i,t))=a0(i,28)+a1(i,28)・x(i,t)+a2(i,28)・{x(i,t)}2+a3(i,28)・{x(i,t)}3
・ COP(i,32,x(i,t))=a0(i,32)+a1(i,32)・x(i,t)+a2(i,32)・{x(i,t)}2+a3(i,32)・{x(i,t)}3
として求めることができる。冷却水温T=17℃、20℃、24℃、28℃、32℃についての関数を決定する際に、1組のパラメータA=[a0,a1,a2,a3]が得られるが、このパラメータAは、冷却水温T=17℃、20℃、24℃、28℃、32℃ごとに得られる。機器特性モデル化ブロック212は、例えば、スプライン補間法を使用して、このパラメータAを、T(i,t)の関数として、
・ a0(i,T(i,t))=α0+α1・T(i,t)+α2・{T(i,t)}2+α3・{T(i,t)}3 (11a)
・ a1(i,T(i,t))=β0+β1・T(i,t)+β2・{T(i,t)}2+β3・{T(i,t)}3 (11b)
・ a2(i,T(i,t))=γ0+γ1・T(i,t)+γ2・{T(i,t)}2+γ3・{T(i,t)}3 (11c)
・ a3(i,T(i,t))=δ0+δ1・T(i,t)+δ2・{T(i,t)}2+δ3・{T(i,t)}3 (11d)
のように求める。
COP(i,T(i,t),x(i,t))=a0(i,T(i,t))+a1(i,T(i,t))・x(i,t)+a2(i,T(i,t))・{x(i,t)}2+a3(i,T(i,t))・{x(i,t)}3 (12)
for (i,t) (i=1,…,m),(t=1,…,n)
として求める。
を求めることと同じである。
電動冷凍機(ERU)108は、機器諸元入力部402、機器諸元格納部1404、負荷率計算部1406、熱量設定部1408、機器特性データ入力部1410、機器特性データ格納部1412、機器特性モデル生成部1414、冷却水温入力部1416、冷却水温格納部1418、COP計算部1420、所要燃料計算部1422、コスト計算部1424、計算結果格納部1426、補機類稼働判定部1428を含む。
HcEXH(j,t)=g(FSEXH(j,t),HhEG(j,t),x(gd) EXH(j、t),COP(exh),COP(gd)) (15)
で表される。
p(j,t)=[prec(j,t),pGE(j,t),hEXH(j,t),hERU(j,t),hGAB(j,t)] (16)
と表される。運転パターンp(j,t)の各値が実数かつ連続値となるのは、本発明の運転計画最適化システムが、各熱源機器の負荷率x(i,t)に基づいてコストを評価することと密接な関連性がある。
Prec(j,t)=Precl(j,t)+Precre(j,t) (1)´
PEG(j,t)=PEGl(j,t)+PEGER(j,t) (2)´
FS(j,t)=FSEGE(j,t)+FSEXH(j,t)+FSGAB(j,t) (3)´
Precl(j,t)+Precre(j,t)+PEGl(j,t)+PEGER(j,t)=Pd(t) (4)´
HcERU(j,t)+HcEXH(j,t)+HcGAB(j,t)=Hd(j,t) (5)´
HcEXH(j,t)=g(FSEXH(j,t),HhEG(j,t),x(gd) EXH(j、t),COP(exh),COP(gd)) (15)
他にも、熱源機器の各々の受電電力及び機器出力が0又は上下限値の範囲内にあること、CO2の排出量が上限値以下であること、及びガス消費量が下限値以上であることを含んでもよい。
Γcon=[θin(t),θout(t),humin(t),humout(t),NP(t),IV(t),VQ(t),θ* in(t),θ* out(t),hum* in(t),hum* out(t),NP*(t)VQ*(t)];
Γene=[Prec(t),Precl(t),Precre(t),PP(t),FS(t),FSEGE(t),FSEXH(t),FSGAB(t),PEG(t),PEGl(t),PEGER(t),HhEG(t),HhEG(t),HcERU(t),HcEXH(t),HcGAB(t),TEGE(t),x(i,t)(xEGE(t),xERU(t),xEXH(t),xGAB(t)),T(i,t)(TEGE(t),TERU(t),TEXH(t),TGAB(t)),Pd(t),Hd(t),P* d(t),H* d(t)]
となる。これを用いて目的関数Fob(j,t)を表すと、
Fob(j,t)=f(j,t,Γcon,Γene,COP(i,T(i),x(i))) (17)
となる。従って、単位時間tにおけるFob(j,t)の最適値をfopt(t)とすると、
となる。従って、熱源機器運転計画最適化ブロック216は、fopt(t)を求めるべく、各jについてf(j,t,Γcon,Γene,COP(i,T(i),x(i)))の値を計算する。
popt(t)=p(jopt(t),t) (19)
となるので、ステップS1632において、このjopt(t)とpopt(t)(単位時間tにおける最適な運転パターン)を格納する。なお、ここで、
である。
Ps=[popt(1),…,popt(n)] (20)
として求める。
102 受電設備
104 燃料供給設備
106 電気負荷(EL)
108 電動冷凍機(ERU)
110 発電設備(EGE)
112 排熱投入型吸収冷温水機(EXH)
114 ガス吸収式冷温水機(GAB)
116 空調負荷
200 最適化システム
202 電力需要予測ブロック
204 熱需要予測ブロック
206 外気冷房(ナイトパージ)ブロック
208 比エンタルピ予測ブロック
210 冷却水温予測ブロック
212 機器特性モデル化ブロック
214 需要計算ブロック
216 熱源機器運転計画最適化ブロック
218 実績データ入力ブロック
220 計画・予測データ入力ブロック
222 熱源機器・補機類諸元入力ブロック
224 熱源機器特性データ入力ブロック
226 運転計画作成諸元入力ブロック
228 運転計画出力ブロック
Claims (9)
- 冷却水を用いて動作する熱源機器の冷却水温を予測する装置であって、
予測モデルを生成するために、少なくとも1つの単位時間における外気温の実績値、少なくとも1つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
少なくとも1つの単位時間における外気温の予測値と、少なくとも1つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測装置。 - 請求項1に記載の熱源機器の冷却水温予測装置において、
該予測モデルは、線形予測モデルである、熱源機器の冷却水温予測装置。 - 請求項1に記載の熱源機器の冷却水温予測装置において、
該冷却水温の予測値は、予測対象の単位時間の直前の単位時間のパラメータの組を使用して該冷却水温の予測モデルを適用することにより予測される、熱源機器の冷却水温予測装置。 - 請求項1に記載の熱源機器の冷却水温予測装置において、
該冷却水温の予測モデルの生成は回帰分析により行われる、熱源機器の冷却水温予測装置。 - 冷却水を用いて動作する熱源機器の冷却水温を予測する方法であって、
予測モデルを生成するために、少なくとも1つの単位時間における外気温の実績値、少なくとも1つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成するステップと、
少なくとも1つの単位時間における外気温の予測値と、少なくとも1つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測するステップとを含む、熱源機器の冷却水温予測方法。 - 請求項5に記載の熱源機器の冷却水温予測方法において、
該予測モデルは、線形予測モデルである、熱源機器の冷却水温予測方法。 - 請求項5に記載の熱源機器の冷却水温予測方法において、
該冷却水温の予測値は、予測対象の単位時間の直前の単位時間のパラメータの組を使用して該冷却水温の予測モデルを適用することにより予測される、熱源機器の冷却水温予測方法。 - 請求項5に記載の熱源機器の冷却水温予測方法において、
該冷却水温の予測モデルの生成は、回帰分析により、又はLMSアルゴリズムを用いて適応的に行われる、熱源機器の冷却水温予測方法。 - プロセッサとメモリとを含むコンピュータの該プロセッサ上で実行されたときに、該コンピュータを、冷却水を用いて動作する熱源機器の冷却水温を予測する装置として動作させるソフトウェアプログラムであって、該装置は、
予測モデルを生成するために、少なくとも1つの単位時間における外気温の実績値、少なくとも1つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
少なくとも1つの単位時間における外気温の予測値と、少なくとも1つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を1組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測ソフトウェアプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015171870A JP6533952B2 (ja) | 2015-09-01 | 2015-09-01 | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015171870A JP6533952B2 (ja) | 2015-09-01 | 2015-09-01 | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017048959A true JP2017048959A (ja) | 2017-03-09 |
JP6533952B2 JP6533952B2 (ja) | 2019-06-26 |
Family
ID=58280009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015171870A Active JP6533952B2 (ja) | 2015-09-01 | 2015-09-01 | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6533952B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107062548A (zh) * | 2017-04-25 | 2017-08-18 | 天津大学 | 一种基于参数序列化的中央空调变负载率调节控制方法 |
CN113739397A (zh) * | 2021-08-31 | 2021-12-03 | 广州汇电云联互联网科技有限公司 | 一种中央空调系统及其节能控制方法、可读存储介质 |
CN115147239A (zh) * | 2022-06-10 | 2022-10-04 | 自然资源部第一海洋研究所 | 新建滨海电厂温升区环境本底水温推算方法及温升计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010236786A (ja) * | 2009-03-31 | 2010-10-21 | Yamatake Corp | 送水温度制御装置および方法 |
CN103322647A (zh) * | 2013-06-13 | 2013-09-25 | 浙江工业大学 | 一种中央空调的冷却水供水温度预测控制方法 |
JP2015218995A (ja) * | 2014-05-21 | 2015-12-07 | アズビル株式会社 | 省エネルギー効果算出方法および装置 |
-
2015
- 2015-09-01 JP JP2015171870A patent/JP6533952B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010236786A (ja) * | 2009-03-31 | 2010-10-21 | Yamatake Corp | 送水温度制御装置および方法 |
CN103322647A (zh) * | 2013-06-13 | 2013-09-25 | 浙江工业大学 | 一种中央空调的冷却水供水温度预测控制方法 |
JP2015218995A (ja) * | 2014-05-21 | 2015-12-07 | アズビル株式会社 | 省エネルギー効果算出方法および装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107062548A (zh) * | 2017-04-25 | 2017-08-18 | 天津大学 | 一种基于参数序列化的中央空调变负载率调节控制方法 |
CN113739397A (zh) * | 2021-08-31 | 2021-12-03 | 广州汇电云联互联网科技有限公司 | 一种中央空调系统及其节能控制方法、可读存储介质 |
CN115147239A (zh) * | 2022-06-10 | 2022-10-04 | 自然资源部第一海洋研究所 | 新建滨海电厂温升区环境本底水温推算方法及温升计算方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6533952B2 (ja) | 2019-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Macarulla et al. | Implementation of predictive control in a commercial building energy management system using neural networks | |
CN110736227B (zh) | 具有在线可配置系统标识的建筑物管理系统 | |
Good et al. | Optimization under uncertainty of thermal storage-based flexible demand response with quantification of residential users’ discomfort | |
US10378805B2 (en) | Model predictive control for heat transfer to fluids | |
Váňa et al. | Model-based energy efficient control applied to an office building | |
WO2015002092A1 (ja) | エネルギー管理サーバ、エネルギー管理方法およびプログラム | |
US20240151415A1 (en) | System and method for reducing peak energy consumption load of a renewable-resource-power-production- system-connected building with the aid of a digital computer | |
EP2469676A1 (en) | Demand-prediction device, program, and recording medium | |
JP6582755B2 (ja) | 熱源機器ネットワークの運転計画を最適化するための方法及びシステム、及びプログラム | |
Maasoumy et al. | Selecting building predictive control based on model uncertainty | |
Sossan et al. | A model predictive control strategy for the space heating of a smart building including cogeneration of a fuel cell-electrolyzer system | |
US9454173B2 (en) | Predictive alert system for building energy management | |
Jin et al. | Model predictive control of heat pump water heaters for energy efficiency | |
US20210332998A1 (en) | System for plot-based forecasting fuel consumption for indoor thermal conditioning with the aid of a digital computer | |
US11215375B2 (en) | Building control system with heat disturbance estimation and prediction | |
JP5501893B2 (ja) | プラント運転評価装置 | |
US11953871B2 (en) | Building control system with automatic control problem formulation using building information model | |
JP6533952B2 (ja) | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム | |
CA3058316A1 (en) | Systems and methods of predicting energy usage | |
Sawant et al. | Experimental demonstration of grid-supportive scheduling of a polygeneration system using economic-MPC | |
JP6617478B2 (ja) | 熱源機器の機器特性モデルを生成する方法及びシステム、及びプログラム | |
Szega et al. | Improving the accuracy of electricity and heat production forecasting in a supervision computer system of a selected gas-fired CHP plant operation | |
Pippia et al. | Scenario-based model predictive control approach for heating systems in an office building | |
Binini et al. | Comparison of hot water draw models integrated within a statistical physically-based model for electrical demand of domestic water heater | |
JP6641854B2 (ja) | コジェネレーション・システムの機器特性を作成するための方法、システム、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180816 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190416 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190419 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190429 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6533952 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |