TWI811801B - 冷卻水塔控制方法及系統 - Google Patents

冷卻水塔控制方法及系統 Download PDF

Info

Publication number
TWI811801B
TWI811801B TW110136702A TW110136702A TWI811801B TW I811801 B TWI811801 B TW I811801B TW 110136702 A TW110136702 A TW 110136702A TW 110136702 A TW110136702 A TW 110136702A TW I811801 B TWI811801 B TW I811801B
Authority
TW
Taiwan
Prior art keywords
control parameter
water temperature
outlet water
target
parameter combinations
Prior art date
Application number
TW110136702A
Other languages
English (en)
Other versions
TW202316211A (zh
Inventor
邱谷川
黃憲輝
李聯峰
顏嘉宏
吳昌達
謝育霖
Original Assignee
台朔重工股份有限公司
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 台朔重工股份有限公司 filed Critical 台朔重工股份有限公司
Priority to TW110136702A priority Critical patent/TWI811801B/zh
Priority to CN202210013817.7A priority patent/CN115930665A/zh
Priority to US17/957,596 priority patent/US20230105109A1/en
Publication of TW202316211A publication Critical patent/TW202316211A/zh
Application granted granted Critical
Publication of TWI811801B publication Critical patent/TWI811801B/zh

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
    • F28F27/00—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus
    • F28F27/003—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus specially adapted for cooling towers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49216—Control of temperature of processor
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Heat-Exchange Devices With Radiators And Conduit Assemblies (AREA)
  • Air Conditioning Control Device (AREA)
  • Devices That Are Associated With Refrigeration Equipment (AREA)

Abstract

冷卻水塔控制方法，用以控制安裝有至少一感測器之一冷卻水塔，該冷卻水塔控制方法包括：接收與處理所接收到的一感測器資料；根據所接收到的該感測器資料，定時訓練一出水溫度預測模型；接收一目標出水溫度；遍歷來找尋符合該目標出水溫度的複數個控制參數組合；從符合該目標出水溫度的該些控制參數組合中，篩選出一目標控制參數組合；以及根據該目標控制參數組合，來控制該冷卻水塔。

Description

冷卻水塔控制方法及系統
本發明是有關於一種冷卻水塔控制方法及系統。
在工廠內，冷卻水塔的用途廣泛。冷卻水塔的控制機制包括：入水量控制與風扇馬達電流控制等。透過冷卻水塔的控制機制，可以將出水溫度控制低於預設溫度。
以目前而言，冷卻水塔的控制機制通常是藉由人為控制。由人工量測檢測感測器相關數據後，依負載及經驗，由人工來調整控制參數。
但是，此種人工控制/調整方式未必能真正找出最節能情況。亦即，以人工控制/調整，雖然仍可將出水溫度控制在低於預設溫度，但人工控制所找出的控制參數未必能會是最節能情況。
故而，業界努力找出透過人工智慧(AI)等方式來進行冷卻水塔的控制機制，使冷卻水塔的控制可保持在最節能情況下運作。
本案提出冷卻水塔控制方法及系統，透過感測器擷取冷卻水塔資訊如水流量、進水溫度、濕球溫度和風扇馬達電流等，並將此歷史數據使用深度學習方法建立模型，定時以最新資料重新訓練模型，加強預測準確度。當使用者設定好目標出水溫度後，該控制方法與系統會自動最佳化冷卻水塔控制參數組合，最後挑出可以符合目標出水溫度之最節能(費用最低)控制參數組合反饋給使用者，使冷卻水塔能保持在最節能情況下運作。
根據本案一實例，提出一種冷卻水塔控制方法，用以控制安裝有至少一感測器之一冷卻水塔，該冷卻水塔控制方法包括：接收與處理所接收到的一感測器資料；根據所接收到的該感測器資料，定時訓練一出水溫度預測模型；接收一目標出水溫度；遍歷來找尋符合該目標出水溫度的複數個控制參數組合；從符合該目標出水溫度的該些控制參數組合中，篩選出一目標控制參數組合；以及根據該目標控制參數組合，來控制該冷卻水塔。
根據本案另一實例，提出一種冷卻水塔控制系統，用以控制安裝有至少一感測器之一冷卻水塔，該冷卻水塔控制系統包括：一感測器資料接收與處理模組，接收與處理所接收到的一感測器資料；一出水溫度預測模組，根據所接收到的該感測器資料，定時訓練一出水溫度預測模型；一遍歷搜索模組，遍歷來找尋符合一目標出水溫度的複數個控制參數組合；以及一篩選模組，從符合該目標出水溫度的該些控制參數組合中，篩選出一目標控制參數組合，其中，根據該目標控制參數組合，該冷卻水塔 控制系統控制該冷卻水塔。
為了對本發明之上述及其他方面有更佳的瞭解，下文特舉實施例，並配合所附圖式詳細說明如下：
110~160:步驟
210~250:步驟
310~350:步驟
410~440:步驟
500:冷卻水塔控制系統
510:感測器資料接收與處理模組
520:出水溫度預測模組
530:遍歷搜索模組
540:篩選模組
550:冷卻水塔
560:感測器
600:操作界面
610-660:欄位
第1圖顯示根據本案一實施例之冷卻水塔控制方法之流程圖。
第2圖顯示根據本案一實施例之接收與處理感測器資料與定時訓練「出水溫度預測模型」之細節。
第3圖顯示根據本案一實施例之「透過遍歷來找尋符合目標出水溫度的所有控制參數」之細節。
第4圖顯示根據本案一實施例之「篩選出最節能之控制參數組合」之細節。
第5圖顯示根據本案一實施例之冷卻水塔控制系統之功能方塊圖。
第6圖顯示根據本案一實施例之冷卻水塔系統之操作界面示意圖。
本說明書的技術用語係參照本技術領域之習慣用語，如本說明書對部分用語有加以說明或定義，該部分用語之解釋係以本說明書之說明或定義為準。本揭露之各個實施例分別具有一或多個技術特徵。在可能實施的前提下，本技術領域具有通常知 識者可選擇性地實施任一實施例中部分或全部的技術特徵，或者選擇性地將這些實施例中部分或全部的技術特徵加以組合。
第1圖顯示根據本案一實施例之冷卻水塔控制方法之流程圖。冷卻水塔安裝有多種感測器，例如但不受限於，流量計、溫度計、濕球溫度計、電流感測器等。本案一實施例中，冷卻水塔控制方法係由電腦的人工智慧所執行。
如第1圖所示，於步驟110中，接收感測器資料並對於所接收到的感測器資料進行處理。所接收的感測器資料包括，例如但不受限於，入水流量、入水溫度、出水溫度、濕球溫度、風扇馬達轉速等。在本案一實施例中，感測器資料處理包括，例如但不受限於，異常資料清除、資料正規化等。異常資料清除例如但不受限於，將離群值資料清除，以讓模型有更佳表現。
於步驟120中，以所接收到的感測器資料，定時訓練「出水溫度預測模型」。於步驟120中，透過深度學習來建立出水溫度預測模型，並自動優化神經網路，以達到最佳化預測結果。
於步驟130中，接收由使用者所設定的目標出水溫度。
於步驟140中，透過遍歷來找尋符合目標出水溫度的所有控制參數組合。在此，「控制參數組合」包括，例如但不受限於，水流量參數與風扇馬達電流(頻率)參數等之組合，其中，風扇馬達電流(頻率)參數可以控制風扇轉速。在步驟140中，在 進水溫度與濕球溫度不變下，嘗試在既定範圍內的各種水流量參數與各種風扇馬達電流(頻率)參數所組合出的複數個控制參數組合，以找出能符合目標出水溫度的所有控制參數組合。
於步驟150中，從符合目標出水溫度的所有控制參數組合中，篩選出最節能之控制參數組合(亦可稱為目標控制參數組合)。
於步驟160中，根據目標控制參數組合，來控制冷卻水塔的水流量與風扇轉速。在本案一實施例中，根據目標控制參數組合，可用手動或自動來控制冷卻水塔的水流量與風扇轉速。
現請參照第2圖，顯示根據本案一實施例之接收與處理感測器資料(步驟110)與定時訓練「出水溫度預測模型」(步驟120)之細節。如第2圖所示，接收與處理感測器資料(步驟110)包括：定時更新感測器資料(步驟210)，與清除異常感測器資料(步驟220)。在本案一實施例中，定時更新感測器資料(步驟210)例如但不受限於，每月或每季定時更新感測器資料。
定時訓練「出水溫度預測模型」(步驟120)包括：建立深度學習模型(步驟230)、對所建立的深度學習模型進行最佳化(步驟240)，以得到「出水溫度預測模型」(步驟250)。
現請參照第3圖，顯示根據本案一實施例之「透過遍歷來找尋符合目標出水溫度的所有控制參數」(步驟140)之細節。如第3圖所示，「透過遍歷來找尋符合目標出水溫度的所有 控制參數」(步驟140)包括：輸入由既定範圍內的各種水流量參數(亦可稱為第一控制參數)與各種風扇馬達電流(頻率)參數(亦可稱為第二控制參數)所組成之所有控制參數組合(步驟310)；輸入當前入水溫度與濕球溫度(步驟320)；針對每一種控制參數組合，根據出水溫度預測模型，得到每一種控制參數組合的一相對應預測出水溫度(步驟330)；判斷所得到的各該些相對應預測出水溫度是否小於目標出水溫度N度(N為正整數，N例如但不受限於為1)(步驟340，亦即，判斷所得到的各該些相對應預測出水溫度與該目標出水溫度之間的一關係)與記錄符合目標出水溫度之該些控制參數組合(步驟350)。該些步驟310-350的細節將如後所述。
輸入在既定範圍內的各種水流量參數與各種風扇馬達電流(頻率)參數之所有控制參數組合(步驟310)的細節如後。水流量既定範圍例如但不受限於，是指，水流量介於1000~2000(立方公尺每小時，M3/H)。如果每100(M3/H)改變一次水流量，如此共有11個水流量參數(1000、1100、1200、1300、1400、…2000)。相似地，風扇馬達電流(頻率)既定範圍例如但不受限於，是指，風扇馬達電流(頻率)介於30~60(Hz)。如果每10(Hz)改變一次風扇馬達電流(頻率)，如此共有4個風扇馬達電流(頻率)參數(30、40、50、60)。該些水流量參數(共11種)與該些風扇馬達電流(頻率)參數(共4種)之所有控制參數組合共有44種。亦即，水流量參數(1000)與風扇馬達電流(頻率)參數(30)是其中一種組合，亦即，水流量參數(1100)與風扇馬達電流(頻率)參數(30)是其中另一種 組合，其餘可依此類推。
針對每一種控制參數組合，根據出水溫度預測模型，得到每一種控制參數組合的一相對應預測出水溫度(步驟330)之細節如後。以上例而言，根據出水溫度預測模型，得到水流量參數(1000)與風扇馬達電流(頻率)參數(30)所對應的第一出水溫度；得到水流量參數(1100)與風扇馬達電流(頻率)參數(30)所對應的第二出水溫度。直到找出所有控制參數組合的對應出水溫度為止。以上例而言，由於有44種控制參數組合，所以要找出這44種控制參數組合所對應的44個出水溫度。
步驟340與350的細節如後所述。以上例而言，以目標出水溫度為25℃而N=1為例做說明，但當知本案並不受限於此。對於這44種參數組合所對應的44個出水溫度，各別判斷該些預測出水溫度是否小於目標出水溫度1度(亦即，判斷該些預測出水溫度是否在24度~25度的範圍內)。對於預測出水溫度與目標出水溫度相差N度內的該些控制參數，將之記錄下來。
下表顯示根據本案一實施例之控制參數組合與預測出水溫度。
Figure 110136702-A0305-02-0009-7
Figure 110136702-A0305-02-0010-8
由上表可知，在本案一實施例中，可針對各種控制參數組合來分別預測相對應的出水溫度。
現請參照第4圖，顯示根據本案一實施例之「篩選出最節能之控制參數組合(亦可稱為目標控制參數組合)」(步驟150)之細節。如第4圖所示，「篩選出最節能之控制參數組合(亦可稱為目標控制參數組合)」(步驟150)包括，例如但不受限於，接收符合目標出水溫度之該些控制參數組合(步驟410)；針對各該些控制參數組合，估算個別耗水量與電量耗能(步驟420)；針對各該些控制參數組合，估算個別水費與電費(步驟430)；以及，篩選出總費用最低之控制參數組合(步驟440)。
第5圖顯示根據本案一實施例之冷卻水塔控制系統之功能方塊圖。如第5圖所示，冷卻水塔控制系統500可控制冷卻水塔550，冷卻水塔550安裝有多種感測器560。
冷卻水塔控制系統500包括：感測器資料接收與處 理模組510、出水溫度預測模組520、遍歷搜索模組530與篩選模組540。感測器資料接收與處理模組510可執行步驟110。出水溫度預測模組520可執行步驟120。遍歷搜索模組530可執行步驟140。篩選模組540可執行步驟150。故而，感測器資料接收與處理模組510、出水溫度預測模組520、遍歷搜索模組530與篩選模組540之細節在此不重述。
第6圖顯示根據本案一實施例之冷卻水塔系統之操作界面600之示意圖。如第6圖所示，使用者可在欄位610輸入目標出水溫度。經冷卻水塔系統運算後，冷卻水塔系統在欄位620與630分別顯示所推薦的控制參數(水流量控制參數與風扇馬達電流控制參數)。此外，冷卻水塔系統可以在欄位640、650與660分別顯示所節省的水費、所節省的電費，以及總節省費用。
在本案上述實施例中，透過對控制參數進行最佳化以達到節能與省錢。當使用者設定好目標出水溫度後，本案上述實施例的控制方法不只以歷史資料趨勢來反饋水塔控制參數，還會計算每項控制參數組合所對應的可能水費與電費，從中挑選最省錢的方案。故而，本案實施例具有節能、省錢的優點。
此外，本案實施例的控制參數包括風扇變頻馬達電流參數與入水量參數，控制方法能將風扇馬達電流與入水量最佳化，於節能效率上更突出。
此外，在本案實施例中，可以透過神經網路來定時更新冷卻水塔出水溫度預測模型，每月(或每季)定時將最新資料 更新至冷卻水塔出水溫度預測模型中，重新訓練冷卻水塔出水溫度預測模型，使未來預測結果能更準確。
此外，在本案一實施例中，以「遍歷」尋找最佳參數，對入水量與風扇馬達電流的所有控制參數組合搭配當前濕球溫度與入水溫度，來篩選出符合目標出水溫度之控制參數組合，再換算成電費與水費，以挑選出最佳(目標)控制參數組合(總電費水費最低)。
綜上所述，雖然本發明已以實施例揭露如上，然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。
110~160:步驟

Claims (8)

  1. 一種人工智慧冷卻水塔控制方法，由一電腦所執行，用以控制安裝有至少一感測器之一冷卻水塔，該人工智慧冷卻水塔控制方法包括：接收與處理所接收到的一感測器資料；根據所接收到的該感測器資料，定時訓練一出水溫度預測模型；接收一目標出水溫度；遍歷來找尋符合該目標出水溫度的複數個控制參數組合，該些控制參數組合由複數種水流量參數與複數種風扇馬達電流或頻率參數所組成；從符合該目標出水溫度的該些控制參數組合中，篩選出一目標控制參數組合，其中，針對每一種該些控制參數組合，得到每一種該些控制參數組合的一相對應預測出水溫度；判斷所得到的各該些相對應預測出水溫度是否符合該目標出水溫度；針對符合該目標出水溫度的該些控制參數組合，估算個別耗水量與電量耗能並估算個別水費與電費；以及篩選出總費用最低之該目標控制參數組合；以及根據該目標控制參數組合，來控制該冷卻水塔。
  2. 如請求項1所述之人工智慧冷卻水塔控制方法，其中，接收與處理所接收到的該感測器資料之該步驟包括：定時更新該感測器資料；以及 判斷離群值資料為異常的該感測器資料，並清除異常的該感測器資料。
  3. 如請求項2所述之人工智慧冷卻水塔控制方法，其中，定時訓練該出水溫度預測模型之該步驟包括：建立一深度學習模型；以及得到該出水溫度預測模型。
  4. 如請求項3所述之人工智慧冷卻水塔控制方法，其中，遍歷來找尋符合該目標出水溫度的該些控制參數組合包括：輸入由一既定範圍內的該些水流量參數與該些風扇馬達電流或頻率參數所組成的該些控制參數組合；輸入一當前入水溫度與一濕球溫度；針對每一種該些控制參數組合，根據該出水溫度預測模型，得到每一種該些控制參數組合的各該些相對應預測出水溫度；判斷所得到的各該些相對應預測出水溫度與該目標出水溫度之間的一關係；以及記錄符合該目標出水溫度之該些控制參數組合。
  5. 一種冷卻水塔控制系統，用以控制安裝有至少一感測器之一冷卻水塔，該冷卻水塔控制系統包括：一感測器資料接收與處理模組，接收與處理所接收到的由該至少一感測器所傳來的一感測器資料；一出水溫度預測模組，根據所接收到的該感測器資料，定時訓練一出水溫度預測模型； 一遍歷搜索模組，遍歷來找尋符合一目標出水溫度的複數個控制參數組合，該些控制參數組合由複數種水流量參數與複數種風扇馬達電流或頻率參數所組成；以及一篩選模組，從符合該目標出水溫度的該些控制參數組合中，篩選出一目標控制參數組合，其中，針對每一種該些控制參數組合，得到每一種該些控制參數組合的一相對應預測出水溫度；判斷所得到的各該些相對應預測出水溫度是否符合該目標出水溫度；針對符合該目標出水溫度的該些控制參數組合，估算個別耗水量與電量耗能並估算個別水費與電費；以及篩選出總費用最低之該目標控制參數組合；其中，根據該目標控制參數組合，該冷卻水塔控制系統控制該冷卻水塔。
  6. 如請求項5所述之冷卻水塔控制系統，其中，該感測器資料接收與處理模組：定時更新該感測器資料；以及判斷離群值資料為異常的該感測器資料，並清除異常的該感測器資料。
  7. 如請求項6所述之冷卻水塔控制系統，其中，該出水溫度預測模組：建立一深度學習模型；以及得到該出水溫度預測模型。
  8. 如請求項7所述之冷卻水塔控制系統，其中，該遍歷搜索模組：輸入由一既定範圍內的該些水流量參數與該些風扇馬達電流或頻率參數所組成的該些控制參數組合；輸入一當前入水溫度與一濕球溫度；針對每一種該些控制參數組合，根據該出水溫度預測模型，得到每一種該些控制參數組合的各該些相對應預測出水溫度；判斷所得到的各該些相對應預測出水溫度與該目標出水溫度之間的一關係；以及記錄符合該目標出水溫度之該些控制參數組合。
TW110136702A 2021-10-01 2021-10-01 冷卻水塔控制方法及系統 TWI811801B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW110136702A TWI811801B (zh) 2021-10-01 2021-10-01 冷卻水塔控制方法及系統
CN202210013817.7A CN115930665A (zh) 2021-10-01 2022-01-06 冷却水塔控制方法及系统
US17/957,596 US20230105109A1 (en) 2021-10-01 2022-09-30 Cooling tower control method and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110136702A TWI811801B (zh) 2021-10-01 2021-10-01 冷卻水塔控制方法及系統

Publications (2)

Publication Number Publication Date
TW202316211A TW202316211A (zh) 2023-04-16
TWI811801B true TWI811801B (zh) 2023-08-11

Family

ID=85774418

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110136702A TWI811801B (zh) 2021-10-01 2021-10-01 冷卻水塔控制方法及系統

Country Status (3)

Country Link
US (1) US20230105109A1 (zh)
CN (1) CN115930665A (zh)
TW (1) TWI811801B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200848667A (en) * 2007-06-12 2008-12-16 Cq Inc Intelligent-type monitoring management control system
TW200905143A (en) * 2008-10-24 2009-02-01 Chunghwa Telecom Co Ltd Energy saving control system and energy saving warning processing unit incorporating the same
CN211552588U (zh) * 2019-07-03 2020-09-22 广州双日智能科技有限公司 冷却塔监测控制终端

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200848667A (en) * 2007-06-12 2008-12-16 Cq Inc Intelligent-type monitoring management control system
TW200905143A (en) * 2008-10-24 2009-02-01 Chunghwa Telecom Co Ltd Energy saving control system and energy saving warning processing unit incorporating the same
CN211552588U (zh) * 2019-07-03 2020-09-22 广州双日智能科技有限公司 冷却塔监测控制终端

Also Published As

Publication number Publication date
CN115930665A (zh) 2023-04-07
TW202316211A (zh) 2023-04-16
US20230105109A1 (en) 2023-04-06

Similar Documents

Publication Publication Date Title
CN106920006B (zh) 一种基于isoa-lssvm的地铁站空调系统能耗预测方法
CN105805822B (zh) 基于神经网络预测的供热节能控制方法与系统
TWI516886B (zh) 智能學習節能調控系統與方法
CN106406083A (zh) 一种模糊控制选煤方法
CN116360331B (zh) 一种通用的灌溉自动化控制系统及控制方法
CN110426956A (zh) 一种基于过程迁移模型的间歇过程最优补偿控制策略
CN106372749A (zh) 基于云变分析的超短期光伏功率预测方法
CN112819802A (zh) 基于风口信息深度学习的监督及预测高炉炉况异常的方法
CN109847916A (zh) 一种水泥原料立磨系统的节能优化方法
CN107145981A (zh) 一种电厂锅炉排烟温度的寻优方法及装置
TWI811801B (zh) 冷卻水塔控制方法及系統
CN108086965B (zh) 基于动液面与套压的抽油控制系统及方法
CN107220449A (zh) 一种基于分段非线性函数的风机功率曲线建模方法
Shi et al. Rethinking the pid optimizer for stochastic optimization of deep networks
CN114154677A (zh) 空调运行负荷模型构建和预测方法、装置、设备和介质
CN116186993A (zh) 一种基于在线质量监测的浮选优化控制方法
CN116675277A (zh) 一种基于物联网的低能耗废水浓缩系统控制方法
CN117556196A (zh) 一种面向自来水厂絮凝剂智能投加方法及其系统
CN108821435B (zh) 一种污水处理中的溶氧控制方法
CN105785760B (zh) 一种退火炉净环水硬度自动控制系统及其方法
CN112330089A (zh) 装备制造类企业的综合能效监测方法及监测系统
CN116384254A (zh) 一种用于lf精炼炉钢水温度预测的误差修正方法及系统
WO2024021150A1 (zh) 一种建立混凝智能监控联动系统的方法
CN110218960A (zh) 基于视觉识别的炉鼻子姿态自动调整系统和方法
CN115509122A (zh) 基于机器视觉导航的无人划线车在线寻优控制方法及系统