CN106338127B - 用于地铁暖通空调***的负荷预测和控制***及其方法 - Google Patents

用于地铁暖通空调***的负荷预测和控制***及其方法 Download PDF

Info

Publication number
CN106338127B
CN106338127B CN201610836083.7A CN201610836083A CN106338127B CN 106338127 B CN106338127 B CN 106338127B CN 201610836083 A CN201610836083 A CN 201610836083A CN 106338127 B CN106338127 B CN 106338127B
Authority
CN
China
Prior art keywords
load
prediction
subway
data
load 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.)
Active
Application number
CN201610836083.7A
Other languages
English (en)
Other versions
CN106338127A (zh
Inventor
孙栋军
王升
王娟
刘国林
刘羽松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201610836083.7A priority Critical patent/CN106338127B/zh
Publication of CN106338127A publication Critical patent/CN106338127A/zh
Priority to PCT/CN2017/082142 priority patent/WO2018054055A1/zh
Priority to EP17852129.0A priority patent/EP3483517B1/en
Application granted granted Critical
Publication of CN106338127B publication Critical patent/CN106338127B/zh
Priority to US16/280,909 priority patent/US10983542B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
    • G05D23/193—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces
    • G05D23/1931—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces to control the temperature of one space
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1917—Control of temperature characterised by the use of electric means using digital means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D27/00—Heating, cooling, ventilating, or air-conditioning
    • B61D27/0072—Means for cooling only
    • 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
    • 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
    • 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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/10—Occupancy
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
    • B60H2001/00733—Computational models modifying user-set values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/30—Artificial light
    • 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
    • F24F2140/20—Heat-exchange fluid temperature
    • 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
    • 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
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2614—HVAC, heating, ventillation, climate control
    • 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
    • Y02T30/00—Transportation of goods or passengers via railways, e.g. energy recovery or reducing air resistance

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及用于地铁暖通空调***的负荷预测和控制***及其方法。在一个方面中，提供一种用于地铁暖通空调***的负荷预测和控制***。该***包括基础数据库、感测***、负荷预测部和控制器，基础数据库存储有历史数据，感测***提供实测数据，负荷预测部基于历史数据和实测数据而计算出地铁暖通空调***的预测负荷值并且将预测负荷值传输至控制部，控制器基于预测负荷值发出控制指令以控制地铁暖通空调***的运行。历史数据和实测数据包括强时变性数据。根据本发明，解决了传统负荷预测精度差，空调***控制欠理想等问题，还具有节省初投资，运行可靠，改善暖通空调***节能效果，减少数据库存储数据，负荷预测模型简单，实用性强等优点。

Description

用于地铁暖通空调***的负荷预测和控制***及其方法
技术领域
本发明涉及暖通空调领域，尤其涉及在负荷预测方面做出改进的用于地铁暖通空调***的负荷预测和控制***以及用于地铁暖通空调***的负荷预测和控制方法。
背景技术
在地铁运营过程中，暖通空调***全年开启，运行时间长，年能耗水平相比普通建筑物大很多，对地铁暖通空调开发新的节能控制策略对于降低地铁暖通空调能耗水平有重要意义。传统地铁冷站控制方式多为PID负反馈控制，存在较为严重的滞后性，可能会导致控制结果的震荡，节能控制效果不够理想。
目前也有些前馈控制方法，主要是采用线性回归法、神经网络算法、指数平滑法等空调负荷预测来实现冷站的提前控制，但应用于地铁的暖通空调***时这些负荷预测控制***依然存在较多不足，如线性回归法预测精度较差，而神经网络算法工程应用局限性较多。地铁建筑负荷难预测、多时变性的原因主要是受不可控的环境外界温湿度、地铁人员散热量、散湿潜热影响，因此建筑负荷预测的精确性是空调***前馈控制策略是否合理的根本性因素。
这里，应当指出的是，本部分中所提供的技术内容旨在有助于本领域技术人员对本发明的理解，而不一定构成现有技术。
发明内容
有鉴于此,本发明的目的是提供一种用于地铁暖通空调***(比如冷站)的负荷预测控制***及方法，解决传统负荷预测精度差，空调***控制欠理想等问题。
根据本发明的一个方面，提供一种用于地铁暖通空调***的负荷预测和控制***。所述负荷预测和控制***包括基础数据库、感测***、负荷预测部和控制器，所述基础数据库存储有与所述地铁暖通空调***相关的历史数据，所述强时变性数据包括地铁站内实时人员数量、地铁发车信息(例如包括发车数量和时刻)、环境温度和环境湿度中的至少一者，所述感测***提供与所述地铁暖通空调***相关的实测数据(当前实测数据)，所述负荷预测部基于所述历史数据和所述实测数据通过季节指数平滑法计算出所述地铁暖通空调***的预测负荷值并且将所述预测负荷值传输至所述控制部，所述控制器基于所述预测负荷值发出控制指令以控制所述地铁暖通空调***的运行，所述历史数据和所述实测数据包括强时变性数据，所述感测***的感测数据被分类地存储在所述基础数据库中的根据季节、日期和/或时刻特性分类的相应数据文件夹中，预先设定数据分类形式；
所述地铁暖通空调***还包括负荷量确定部，所述负荷量确定部集成在所述控制器或所述负荷预测部中，所述负荷量确定部基于所述感测***的感测数据确定实际负荷量，以及
所述负荷预测部基于所述预测负荷值与从所述负荷量确定部反馈的所述实际负荷量的差修正下一负荷预测的预测负荷值。
优选地，所述基础数据库剔除包括地铁站通风、地铁站设备、地铁站照明和/或地铁站围护结构温差传热在内的弱时变性数据，以便简化所述基础数据库。
优选地，所述地铁暖通空调***实施为地铁冷站，以及，所述历史数据和/或所述实测数据还包括负荷量、预测负荷量、冷冻水供水温度、冷冻水回水温度和/或冷冻水流量。
优选地，所述感测***包括用于提供所述地铁站内实时人员数量的门禁人员数量采集装置。
优选地，所述感测***包括发车信息检测装置，所述发车信息检测装置与车辆运行管理***通信以获取当前地铁发车信息和/或未来地铁发车信息。
优选地，所述基础数据库中的所述历史数据为基于时间序列的逐时数据。
优选地，所述地铁暖通空调***还包括多个数据预处理模块，所述感测***的感测数据根据数据特性被分类为与所述多个数据预处理模块中的相应数据预处理模块相关联，以及，所述感测数据在经过所述数据预处理模块进行预处理之后被传输至所述控制器并且/或者被分类地存储在所述基础数据库中。
优选地，所述数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹。
优选地，所述感测***将所述实测数据传输至所述负荷预测部以便进行负荷预测，并且所述感测***还将所述实测数据传输至所述基础数据库以便存储作为下一负荷预测的历史数据。
优选地，所述感测***还将所述实测数据传输至所述控制器，使得所述控制器基于所述预测负荷值和所述实测数据发出所述控制指令。
优选地，所述地铁暖通空调***实施为地铁冷站，所述地铁冷站包括下述冷站装置中的至少一者：冷机、冷冻水泵、阀门、冷却水泵和冷却塔，以及，所述地铁冷站还包括与所述冷站装置对应的执行机构，所述执行机构从所述控制器接收所述控制指令以控制所述冷站装置的运行。
根据本发明的另一方面，提供一种用于地铁暖通空调***的负荷预测和控制方法。所述负荷预测和控制方法通过如上所述的负荷预测和控制***来计算所述地铁暖通空调***的预测负荷值并且基于所述预测负荷值来控制所述地铁暖通空调***的运行。
优选地，所述负荷预测和控制方法包括如下步骤：
从所述基础数据库中提取近两日或更多日的负荷量，然后分别计算近两日或更多日的逐时负荷量平均值；
基于所述逐时负荷量平均值计算近两日或更多日的水平因子；
基于所述逐时负荷量平均值计算近两日或更多日的趋势因子；
计算近两日或更多日中每日的周期因子，然后取平均并进行正态化处理而获得正态化周期因子；
从所述感测***将实时感测到的地铁站内实时人员数量和环境温度传输至所述负荷预测部，然后所述负荷预测部计算第一个负荷预测的人员数量修正系数和温度修正系数；
基于所述水平因子、所述正态化周期因子以及所述第一个负荷预测的人员数量修正系数和温度修正系数计算第一个预测负荷值；以及
将所述第一个预测负荷值传输至所述控制部，然后所述控制器基于所述第一个预测负荷值发出所述控制指令以控制所述地铁暖通空调***的运行。
优选地，所述负荷预测部计算第一个预测负荷的人员数量修正系数和温度修正系数的步骤包括：将从所述感测***获得的实时感测到的地铁站内实时人员数量和环境温度与前一日或前几日同一时刻的相应历史数据进行比较而获得所述第一个预测负荷的人员数量修正系数和温度修正系数。
优选地，所述负荷预测和控制方法还包括如下步骤：
在所述第一个负荷预测结束之后，由所述地铁暖通空调***的负荷量确定部基于所述感测***的感测数据确定实际负荷量；
所述负荷预测部基于所述第一个预测负荷值与从所述负荷量确定部反馈的所述实际负荷量的差修正所述水平因子和所述正态化周期因子而获得更新的水平因子和更新的正态化周期因子；
从所述感测***将实时感测到的地铁站内实时人员数量和环境温度传输至所述负荷预测部，然后所述负荷预测部计算第二个预测负荷的人员数量修正系数和温度修正系数；以及
基于所述更新的水平因子、所述更新的正态化周期因子以及所述第二个预测负荷的人员数量修正系数和温度修正系数计算第二个预测负荷值。
本发明提供的用于地铁暖通空调***的负荷预测控制***及方法，采用改进型季节性指数平滑法，基于历史信息，并结合未来时刻的实测信息，通过计算并输出预测负荷值实现冷机、冷冻水泵、冷却水泵、冷却塔等的控制，并且通过实测建筑(地铁站)负荷与预测负荷之差，不断修正冷机输出能力，改善地铁冷站全局控制效果。
本发明解决了传统负荷预测精度差，空调***控制欠理想等问题，还具有节省初投资，运行可靠，改善暖通空调***节能效果，减少数据库存储数据，负荷预测模型简单，实用性强等优点。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
附图1是示出本发明涉及的用于地铁暖通空调***的负荷预测和控制***的示意图；
附图2是示出本发明涉及的用于地铁暖通空调***的负荷预测和控制***的另一示意图；
附图3是示出本发明涉及的用于地铁暖通空调***的负荷预测和控制方法的数据采集、预处理及存储的示意图；以及
附图4是本发明涉及的用于地铁暖通空调***的负荷预测和控制方法的示例性流程图。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。
如图1-2所示，本发明提供了一种用于地铁暖通空调***(比如冷站)的负荷预测和控制***。该***可以包括基础数据库、负荷预测软件(负荷预测部)和控制器。基础数据库可以包括历史信息(历史数据)。可以将历史信息传输给负荷预测软件，由此负荷预测软件可以结合历史信息和实测信息(实测数据)而计算并输出预测负荷值。控制器根据预测负荷值发出指令，以便执行开机动作。负荷预测软件根据反馈的实测建筑负荷(地铁负荷量)对预测负荷值进行修正，依次循环运行。这里，实测信息也可以称为预见信息。
本发明提供的用于地铁暖通空调***的负荷预测和控制***方便地集成了地铁站历史信息(原有信息)，并且无需额外较大投资即可获得影响地铁站未来时刻的建筑负荷的实测(预见)信息，基础数据库中简化了传统建筑负荷预测模型数据库，剔除了通风、太阳辐射、设备、照明、围护结构温差传热等时变性不强的影响因素(即弱时变性数据)。
在一些实施例中，用于地铁站的建筑负荷预测和控制***还包括执行机构、通讯模块、人员计数器(例如，可以实施为门禁人员数量采集装置)、温度传感器、湿度传感器、流量传感器、数据预处理模块、发车信息检测装置中的一者或多者。
在一些示例中，执行机构可以将实测建筑负荷反馈给负荷预测软件。在其它示例中，地铁暖通空调***还可以包括负荷量确定部(例如集成在控制器或负荷预测部中)，该负荷量确定部基于感测***(由各种传感器组成，并且一部分传感器可以附接在相应的执行机构中)的感测数据确定实际负荷量，由此，负荷预测部可以基于预测负荷值与从负荷量确定部反馈的实际负荷量的差修正下一负荷预测的预测负荷值。
温度传感器和湿度传感器分别采集气象参数(比如，干球温度、相对湿度)，传送至数据预处理模块，获得气象数据(对应于环境温度和环境湿度)，并存储于基础数据库中。
人员计数器从地铁控制台获得当前时刻实时人员数量，经处理后存储于所述基础数据库中。
发车信息检测装置确定下一时刻地铁站发车对数。
数据预处理模块可以包括第一数据预处理模块、第二数据预处理模块、第三数据预处理模块、第四数据预处理模块。然而，应当理解的是，数据预处理模块的数量不限于此。第一数据预处理模块处理的数据可以包括设备启停状态、管理信息，第二数据预处理模块处理的数据可以包括温度、湿度，第三数据预处理模块处理的数据可以包括人员量，而第四数据预处理模块处理的数据包括可以温度、流量(比如冷冻水供水温度、冷冻水回水温度、冷冻水流量、冷却水温度、冷却水流量)。
温度传感器、流量传感器将采集的冷站运行数据经数据预处理模块而传输至控制器作为控制指令发出的依据，并将计算的冷负荷存储于基础数据库中。
优选地，控制器控制执行机构，执行机构发出指令控制冷机、冷冻水泵、冷却水泵、冷却塔、阀门(比如电动蝶阀)中的一者或多者，由此实现对地铁冷站制冷量的精确供给。
优选地，基础数据库包括气象参数文件、地铁人员数据文件，干球温度、相对湿度存储于气象参数文件中，而当前时刻实时人员数量存储于地铁人员数据文件中。
在一些实施例中，启动负荷预测软件后，根据预先设置的空调时间段，自动启动负荷预测计算，从基础数据库中调取相应历史数据，并实时输入可直接测量获得或经过计算获得的人员数量、干球温度、相对湿度、实测冷负荷，由此计算出下一时刻预测负荷值，并经通讯模块将预测负荷值传输至控制器。控制器基于预测负荷值计算出需要开启的冷机、冷冻水泵、冷却水泵、冷却塔、电动蝶阀的数量，根据预先设定时间发送开机命令，执行开机动作。控制器还可通过所发出的控制指令来控制各冷站装置的能力率(例如，对于变频水泵而言，可以通过控制变频水泵的频率而调整变频水泵的输出能力)。当未获得下一个预测值时，所述控制器根据前一个预测值与实测值之差，调整例如冷却水、冷冻水流量等而调节冷站供冷量；接到负荷预测软件给出的下一个预测值后，控制器根据预测值与实测值之差再调整冷机出力、冷冻水、冷却水流量等而实现前馈控制。
本发明利用地铁站的现有资源能够比较容易地确定乘车人员数量、发车情况、温湿度，因此未来时刻关键信息的采集非常简便，还能够降低成本。
优选地，建立地铁建筑负荷与历史信息(数据)和/或实测信息(数据)的模糊关系式，这便于提高建筑负荷预测精度。
优选地，历史信息包括基于时间序列的干球温度、湿球温度、列车发车数量、地铁站内人员数量、地铁站建筑负荷、冷冻水供回水温度、冷冻水流量、冷冻水供回水温差中的至少一者，地铁冷站的历史信息多，且收集方便，能够提高建筑负荷预测精度，并降低收集历史信息的成本。
优选地，实测信息包括环境干球温度、环境湿球温度、列车发车数量、地铁站内实时人员数量中的至少一者。地铁站内实时人员数量可以由门禁***的人员计数器来进行准确统计，而车辆运行管理***已规划下一时刻(冷冻水循环一周所需时间)地铁站发车对数，因此，数据采集非常方便。这里，需要说明的是，与通风、太阳辐射、设备、照明、围护结构温差传热等时变性不强的影响因素相比，地铁站内实时人员数量、地铁发车信息、环境温度和环境湿度等数据会随着时间而变化较大。例如，工作日早晚高峰时地铁站内实时人员数量较多、夏季中午时环境温度较高。因此，这些数据在本申请中被简称为强时变性数据。
如图3所示，根据本发明，用于地铁地铁暖通空调***的负荷预测和控制方法可以包括数据采集与整合处理阶段和预测计算阶段。
数据采集与整合处理阶段可以包括：采集数据并分类存储在基础数据库中不同数据文件夹，即，预先设定冷负荷数据分类形式。
预测计算阶段可以包括如下步骤。
根据用户需求在程序中预设预测间隔时间，并，从预测日的基础数据库中提取近两日d(n-1)、d(n-2)的实测冷负荷Q(t)，分别计算近两日实测逐时冷负荷平均值Qj-1、Qj-2(这里，需要说明的是，也可以是近一日或多于近两日的近几日)。
将实时监测到的地铁室内人员数量、室外气温传给负荷预测模型，以计算第一个负荷预测的气温修正系数ζ(1)、室内人员数量修正系数ξ(1)。接着，计算预测日的第一个预测负荷值Q(1)。与此同时，可以将实测冷负荷、气象参数、地铁人员数量存储于相应数据文件夹中一做备用。
根据预先设定的第一个空调时间提前值τ1和冷冻水循环周期τ以及根据预测负荷值，控制器提前(例如提前(τ+τ1))发送开机命令。
在第一个负荷预测时刻结束并获得实测地铁冷站供冷量Q’(1)之后，将实时监测到的地铁室内人员数量、室外气温传给负荷预测模型，由此负荷预测模型计算预测日的第二个预测负荷值Q(2)。与此同时，可以将实测冷负荷、气象参数、地铁人员数量存储于相应数据文件夹中以作后用。
与预测第二个时刻点的方法一样，依次预测后续时刻的冷负荷需求量，直到最后一个空调时刻点预测结束后，冷站控制器发送关机命令，结束一天的负荷预测工作。
优选地，数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹、假日数据文件夹，其中，每个类型文件夹包含历史气象参数、历史在室人员数量、历史冷负荷数据、历史预测冷负荷数据中的至少一项。
优选地，近两日实测逐时冷负荷平均值分别为：
两个负荷日的水平因子为：
两个负荷日的趋势因子为：
其中，N表示单个负荷日的冷负荷预测点数(例如，N＝1、2、3……24)；
计算出每个负荷日的周期因子Ct(j-1,i)、Ct(j-2,i)，取平均后正态化处理得到Ct(i)；
计算第一个预测负荷值的气温修正系数ζ(1)、室内人员数量修正系数ξ(1)，预测日的第一个预测负荷值为：
Q(1)＝ζ(1)*ξ(1)*Ct(1)*S。
优选地，在第一个负荷预测时刻结束并获得实测地铁冷站供冷量Q’(1)之后，对水平因子S、周期因子分别进行修正，得更新后的St(i)、Ct(i)；
基于实时监测到的地铁室内人员数量、室外气温，计算第二个预测负荷值的气温修正系数ζ、室内人员数量修正系数ξ，预测日的第二个预测负荷值为：
Q(2)＝ζ*ξ*Ct(2)*St(2)。
优选地，数据采集与整合处理阶段包括：
数据采集阶段，包括气象数据采集、地铁门禁***数据采集、中央空调***数据采集和管理信息采集；
数据预处理阶段，包括实施数据预处理和管理信息预处理；
数据存储(提取)阶段，选择预测模式后，将供冷量、冷量预测值、人员在室率、室外干球温度、湿球温度存储到负荷预测模型。
在如图4所示的用于地铁暖通空调***的负荷预测和控制方法的另一实施例中，包括如下步骤：
选择预测模式，启动计算；
N＝1时，调取最近两个同类型负荷日基于时间序列的负荷实测数据、地铁人员数量、室外干湿球温度数据；
根据调取的两个相似日数据计算得出预测日逐时冷负荷Q；
实时采集中央空调供冷量、气象温度、人数统计，根据当前时刻检测的地铁人员数量、室外干湿球温度条件，与前一相似负荷日同一时刻值进行比较，得出一个当前预测负荷值的修正系数λ，并对上述预测值进行修正，得出预测日第一个空调时刻预测值λ*Q；
负荷预测日数据存储；
N＝24，则预测结束；
N≠24，则返回N＞1状态，继续运行；
N＞1时，调取最近两个同类型负荷日基于时间序列的负荷实测数据、地铁人员数量、室外干湿球温度数据；
根据调取的两个相似日数据计算得出预测日逐时冷负荷Q；
根据上一时刻t(n-1)空调***供冷量，修正预测值的水平因子St，周期因子Ct；
根据修正预测值的水平因子St，周期因子Ct，得出预测值Q；
实时采集中央空调供冷量、气象温度、人数统计，根据当前的时刻t监测的地铁人员数量、室外干湿球温度条件，与前一相似负荷日同一时刻值进行比较，得出一个当前预测负荷值的修正系数λ，并对上述预测值进行修正，得出预测日第一个空调时刻预测值λ*Q；
负荷预测日数据存储；
N＝24，则预测结束；
N≠24，则返回N＞1状态，继续运行，依次循环，直至N＝24，预测结束。
本发明提供的用于地铁暖通空调***的负荷预测和控制***及方法，利用地铁冷站已有数据信息，而无需额外较大投资即可获得影响地铁冷站未来时刻的建筑负荷的实测(预见)信息，应用改进的季节指数平滑法计算下一时刻(冷冻水循环一周所需时间)地铁站建筑负荷，并发出指令控制冷机、冷冻水泵、冷却水泵、冷却塔、电动蝶阀，进而实现对地铁站精确的空气调节。
本发明提供的用于地铁暖通空调***的负荷预测和控制***及方法能够解决传统负荷预测精度差，空调***控制欠理想等问题，还具有节省初投资，应用难度小、运行可靠，改善暖通空调***节能效果，减少数据库存储数据，负荷预测模型简单，实用性强等优点。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理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 (15)

1.一种用于地铁暖通空调***的负荷预测和控制***，其特征在于：
所述负荷预测和控制***包括基础数据库、感测***、负荷预测部和控制器，所述基础数据库存储有与所述地铁暖通空调***相关的历史数据，所述感测***提供与所述地铁暖通空调***相关的实测数据，所述负荷预测部基于所述历史数据和所述实测数据通过季节指数平滑法计算出所述地铁暖通空调***的预测负荷值并且将所述预测负荷值传输至控制部，所述控制器基于所述预测负荷值发出控制指令以控制所述地铁暖通空调***的运行，以及
所述历史数据和所述实测数据包括强时变性数据，所述强时变性数据包括地铁站内实时人员数量、地铁发车信息、环境温度和环境湿度中的至少一者；
所述感测***的感测数据被分类地存储在所述基础数据库中的根据季节、日期和/或时刻特性分类的相应数据文件夹中，预先设定数据分类形式；
所述地铁暖通空调***还包括负荷量确定部，所述负荷量确定部集成在所述控制器或所述负荷预测部中，所述负荷量确定部基于所述感测***的感测数据确定实际负荷量，以及
所述负荷预测部基于所述预测负荷值与从所述负荷量确定部反馈的所述实际负荷量的差修正下一负荷预测的预测负荷值。
2.根据权利要求1所述的负荷预测和控制***，其特征在于，所述基础数据库剔除包括地铁站通风、地铁站设备、地铁站照明和/或地铁站围护结构温差传热在内的弱时变性数据，以便简化所述基础数据库。
3.根据权利要求1所述的负荷预测和控制***，其特征在于：
所述地铁暖通空调***实施为地铁冷站，以及
所述历史数据和/或所述实测数据还包括负荷量、预测负荷量、冷冻水供水温度、冷冻水回水温度和/或冷冻水流量。
4.根据权利要求1所述的负荷预测和控制***，其特征在于，所述感测***包括用于提供所述地铁站内实时人员数量的门禁人员数量采集装置。
5.根据权利要求1所述的负荷预测和控制***，其特征在于，所述感测***包括发车信息检测装置，所述发车信息检测装置与车辆运行管理***通信以获取当前地铁发车信息和/或未来地铁发车信息。
6.根据权利要求1所述的负荷预测和控制***，其特征在于，所述基础数据库中的所述历史数据为基于时间序列的逐时数据。
7.根据权利要求1所述的负荷预测和控制***，其特征在于：
所述地铁暖通空调***还包括多个数据预处理模块，所述感测***的感测数据根据数据特性被分类为与所述多个数据预处理模块中的相应数据预处理模块相关联，以及
所述感测数据在经过所述数据预处理模块进行预处理之后被传输至所述控制器并且/或者被分类地存储在所述基础数据库中。
8.根据权利要求1所述的负荷预测和控制***，其特征在于，所述数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹。
9.根据权利要求1所述的负荷预测和控制***，其特征在于，所述感测***将所述实测数据传输至所述负荷预测部以便进行负荷预测，并且所述感测***还将所述实测数据传输至所述基础数据库以便存储作为下一负荷预测的历史数据。
10.根据权利要求9所述的负荷预测和控制***，其特征在于，所述感测***还将所述实测数据传输至所述控制器，使得所述控制器基于所述预测负荷值和所述实测数据发出所述控制指令。
11.根据权利要求1所述的负荷预测和控制***，其特征在于：
所述地铁暖通空调***实施为地铁冷站，所述地铁冷站包括下述冷站装置中的至少一者：冷机、冷冻水泵、阀门、冷却水泵和冷却塔，以及
所述地铁冷站还包括与所述冷站装置对应的执行机构，所述执行机构从所述控制器接收所述控制指令以控制所述冷站装置的运行。
12.一种用于地铁暖通空调***的负荷预测和控制方法，其特征在于，所述负荷预测和控制方法通过如权利要求1至11中任一项所述的负荷预测和控制***来计算所述地铁暖通空调***的预测负荷值并且基于所述预测负荷值来控制所述地铁暖通空调***的运行。
13.根据权利要求12所述的负荷预测和控制方法，其特征在于，所述负荷预测和控制方法包括如下步骤：
从所述基础数据库中提取近两日或更多日的负荷量，然后分别计算近两日或更多日的逐时负荷量平均值；
基于所述逐时负荷量平均值计算近两日或更多日的水平因子；
基于所述逐时负荷量平均值计算近两日或更多日的趋势因子；
计算近两日或更多日中每日的周期因子，然后取平均并进行正态化处理而获得正态化周期因子；
从所述感测***将实时感测到的地铁站内实时人员数量和环境温度传输至所述负荷预测部，然后所述负荷预测部计算第一个负荷预测的人员数量修正系数和温度修正系数；
基于所述水平因子、所述正态化周期因子以及所述第一个负荷预测的人员数量修正系数和温度修正系数计算第一个预测负荷值；以及
将所述第一个预测负荷值传输至所述控制部，然后所述控制器基于所述第一个预测负荷值发出所述控制指令以控制所述地铁暖通空调***的运行。
14.根据权利要求13所述的负荷预测和控制方法，其特征在于，所述负荷预测部计算第一个预测负荷的人员数量修正系数和温度修正系数的步骤包括：将从所述感测***获得的实时感测到的地铁站内实时人员数量和环境温度与前一日或前几日同一时刻的相应历史数据进行比较而获得所述第一个预测负荷的人员数量修正系数和温度修正系数。
15.根据权利要求13或14所述的负荷预测和控制方法，其特征在于，所述负荷预测和控制方法还包括如下步骤：
在所述第一个负荷预测结束之后，由所述地铁暖通空调***的负荷量确定部基于所述感测***的感测数据确定实际负荷量；
所述负荷预测部基于所述第一个预测负荷值与从所述负荷量确定部反馈的所述实际负荷量的差修正所述水平因子和所述正态化周期因子而获得更新的水平因子和更新的正态化周期因子；
从所述感测***将实时感测到的地铁站内实时人员数量和环境温度传输至所述负荷预测部，然后所述负荷预测部计算第二个预测负荷的人员数量修正系数和温度修正系数；以及
基于所述更新的水平因子、所述更新的正态化周期因子以及所述第二个预测负荷的人员数量修正系数和温度修正系数计算第二个预测负荷值。
CN201610836083.7A 2016-09-20 2016-09-20 用于地铁暖通空调***的负荷预测和控制***及其方法 Active CN106338127B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201610836083.7A CN106338127B (zh) 2016-09-20 2016-09-20 用于地铁暖通空调***的负荷预测和控制***及其方法
PCT/CN2017/082142 WO2018054055A1 (zh) 2016-09-20 2017-04-27 用于地铁暖通空调***的负荷预测和控制***及其方法
EP17852129.0A EP3483517B1 (en) 2016-09-20 2017-04-27 System and method for predicting load of and controlling subway heating, ventilation, and air conditioning system
US16/280,909 US10983542B2 (en) 2016-09-20 2019-02-20 Load-predicting and control system and method for subway heating, ventilation and air conditioning system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610836083.7A CN106338127B (zh) 2016-09-20 2016-09-20 用于地铁暖通空调***的负荷预测和控制***及其方法

Publications (2)

Publication Number Publication Date
CN106338127A CN106338127A (zh) 2017-01-18
CN106338127B true CN106338127B (zh) 2018-06-22

Family

ID=57839063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610836083.7A Active CN106338127B (zh) 2016-09-20 2016-09-20 用于地铁暖通空调***的负荷预测和控制***及其方法

Country Status (4)

Country Link
US (1) US10983542B2 (zh)
EP (1) EP3483517B1 (zh)
CN (1) CN106338127B (zh)
WO (1) WO2018054055A1 (zh)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106338127B (zh) * 2016-09-20 2018-06-22 珠海格力电器股份有限公司 用于地铁暖通空调***的负荷预测和控制***及其方法
CN106895564A (zh) * 2017-03-27 2017-06-27 中国科学院广州能源研究所 一种车站通风空调控制***及方法
CN109130767B (zh) * 2017-06-28 2020-08-11 北京交通大学 基于客流的轨道交通车站通风空调***的智能控制方法
CN107401816B (zh) * 2017-08-07 2019-07-09 珠海格力电器股份有限公司 空调***能耗的确定方法和装置
CN107797581B (zh) * 2017-09-04 2021-01-26 任升莲 一种暖通大数据节能***
CN107702292B (zh) * 2017-11-08 2020-05-01 四川虹美智能科技有限公司 一种确定多联机空调动态制冷量的方法及室外主机
US10760804B2 (en) 2017-11-21 2020-09-01 Emerson Climate Technologies, Inc. Humidifier control systems and methods
CN108626844A (zh) * 2018-04-18 2018-10-09 芜湖乐锐思信息咨询有限公司 基于大数据技术的暖通空调***的使用方法
WO2019204790A1 (en) 2018-04-20 2019-10-24 Emerson Climate Technologies, Inc. Systems and methods with variable mitigation thresholds
US11226128B2 (en) 2018-04-20 2022-01-18 Emerson Climate Technologies, Inc. Indoor air quality and occupant monitoring systems and methods
US11421901B2 (en) 2018-04-20 2022-08-23 Emerson Climate Technologies, Inc. Coordinated control of standalone and building indoor air quality devices and systems
US11486593B2 (en) 2018-04-20 2022-11-01 Emerson Climate Technologies, Inc. Systems and methods with variable mitigation thresholds
WO2019204789A1 (en) 2018-04-20 2019-10-24 Emerson Climate Technologies, Inc. Indoor air quality sensor calibration systems and methods
CN108644980B (zh) * 2018-05-03 2021-01-29 广东工业大学 地铁车站通风空调***的功耗计算方法、***及存储介质
CN108759011A (zh) * 2018-06-22 2018-11-06 沈阳建筑大学 一种用于暖通空调***的控制装置及其方法
CN109028278B (zh) * 2018-07-17 2020-07-31 哈尔滨工业大学 一种风电供暖的区域运行***及调度策略
CN108870668A (zh) * 2018-08-10 2018-11-23 北京华誉能源技术股份有限公司 一种基于参考日模式的智慧能源管理***及管理方法
CN109409604B (zh) * 2018-10-30 2022-03-18 北京石油化工学院 一种基于遗传算法-支持向量机的冷负荷预测方法
CN109654665B (zh) * 2018-12-14 2021-01-29 广东美的暖通设备有限公司 空调器的控制方法及装置和空调器
CN111380184A (zh) * 2018-12-28 2020-07-07 麦克维尔空调制冷(武汉)有限公司 压缩机运行控制方法、控制装置和换热***
CN109829635A (zh) * 2019-01-21 2019-05-31 上海理工大学 基于运营年限负荷演化特征的冷源设备容量动态匹配方法
CN109917646B (zh) * 2019-02-27 2022-04-01 武汉中电节能有限公司 一种区域供冷供热设备优化运行***及方法
CN110017560B (zh) * 2019-03-26 2024-06-07 中铁第一勘察设计院集团有限公司 严寒地区地铁区间废热利用***及其运行方法
CN110135075A (zh) * 2019-05-17 2019-08-16 中铁二院北方勘察设计有限责任公司 一种地铁环控***的动态设计方法
CN110186156A (zh) * 2019-06-03 2019-08-30 西安锦威电子科技有限公司 制冷站模糊控制***
CN110288164B (zh) * 2019-07-02 2022-12-02 广州市特沃能源管理有限公司 一种建筑空调制冷站***预测控制方法
CN110395286B (zh) * 2019-08-02 2020-08-07 中南大学 一种列车车内空气品质监测与通风调控方法、***
CN112747413B (zh) * 2019-10-31 2022-06-21 北京国双科技有限公司 空调***负荷预测方法及装置
CN111023532B (zh) * 2019-12-31 2020-11-27 中维通(北京)科技有限公司 一种地铁通风空调智能调节的方法
CN111582591B (zh) * 2020-05-12 2022-06-07 江苏方天电力技术有限公司 一种面向综合能源***的冷热电多元负荷预测方法
CN111612112A (zh) * 2020-05-26 2020-09-01 八维通科技有限公司 一种基于数字孪生地铁台站门的识别方法和***
CN111695733B (zh) * 2020-06-11 2022-09-09 国网天津市电力公司 一种基于改进模糊聚类算法的“煤改电”负荷预测方法
CN112348694A (zh) * 2020-09-16 2021-02-09 贵州电网有限责任公司 一种基于改进季节性指数平滑模型的风力发电量预测方法
CN112254320B (zh) * 2020-10-22 2021-08-24 重庆大学 基于ai的空调变流量水***自适应变压差控制方法
CN112379648B (zh) * 2020-11-17 2022-06-03 青岛北冰洋冷暖能源科技有限公司 一种冷站控制***中判断是否增减机组的控制方法
CN113375304B (zh) * 2021-06-01 2022-07-26 深圳地铁建设集团有限公司 一种地铁站空调***预调节方法
CN113551375B (zh) * 2021-07-23 2022-09-06 贵州汇通华城股份有限公司 一种用于电子工厂的冷负荷预测方法及***
CN113991660B (zh) * 2021-11-09 2023-12-05 上海申通地铁集团有限公司 地铁供电***的动力照明负荷建模方法
US11739967B1 (en) * 2021-12-21 2023-08-29 Kentuckiana Curb Company, Inc. System and method for evaluating air conditioner performance at part-load conditions
CN114459132B (zh) * 2022-01-05 2024-04-12 洛阳市轨道交通集团有限责任公司 基于发车对数的分档调节地铁大***空调控制方法及***
CN114462171B (zh) * 2022-01-05 2024-05-24 浙江力德节能科技有限公司 一种中央空调需求侧供回水温差预测值的计算方法
CN115454178B (zh) * 2022-09-19 2023-11-24 苏州大学 无线动态负荷预测的地铁站台温湿度控制***
CN115930373B (zh) * 2023-01-10 2023-07-04 灵汇技术股份有限公司 一种基于负荷预测的地铁空调节能控制方法及***
CN115962551B (zh) * 2023-03-16 2023-05-26 深圳市森辉智能自控技术有限公司 用于楼宇自动控制的智能空调控制***和方法
CN116894528B (zh) * 2023-09-11 2023-11-21 中瑞恒（北京）科技有限公司 一种冷热站负荷预测方法、装置和计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200953100Y (zh) * 2006-08-29 2007-09-26 深圳市地铁有限公司 带有负反馈的地铁空调控制***
CN102705957A (zh) * 2012-06-07 2012-10-03 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及***
CN102779228A (zh) * 2012-06-07 2012-11-14 华南理工大学 商场建筑中央空调冷负荷在线预测方法及***
CN104075402A (zh) * 2014-06-19 2014-10-01 珠海格力电器股份有限公司 智能空调控制方法和***
CN105674500A (zh) * 2016-02-22 2016-06-15 珠海格力电器股份有限公司 一种空调控制***及其控制方法、装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2765630B2 (ja) * 1996-05-23 1998-06-18 東京都地下鉄建設株式会社 地下空間における空気調和・換気シミュレータ
JP3622657B2 (ja) * 2000-09-18 2005-02-23 株式会社日立製作所 空調制御システム
KR100529907B1 (ko) * 2003-06-19 2005-11-22 엘지전자 주식회사 에어컨의 중앙제어 시스템 및 그 동작방법
JP4187688B2 (ja) * 2003-06-23 2008-11-26 株式会社創発システム研究所 列車風による自然換気を利用した空調制御システム
CN101021914A (zh) * 2006-03-22 2007-08-22 侯春海 暖通空调负荷预测方法和***
CN100595494C (zh) * 2008-04-03 2010-03-24 上海交通大学 基于模型的集中空调***全局优化节能控制方法及装置
US8892277B2 (en) * 2009-07-22 2014-11-18 Mitsubishi Electric Corporation Vehicle air-conditioning control method
US20150344044A1 (en) * 2012-06-27 2015-12-03 Mitsubishi Electric Corporation Railway-car total heat exchange ventilation system
CN102980272B (zh) * 2012-12-08 2014-12-03 珠海派诺科技股份有限公司 一种基于负荷预测的空调***节能优化方法
CN104955702B (zh) * 2013-01-17 2017-04-12 三菱电机株式会社 车辆用空调控制装置
JP6222649B2 (ja) * 2013-04-10 2017-11-01 東日本旅客鉄道株式会社 地下駅空気調和予測装置、及び、プログラム
TWI503780B (zh) * 2013-12-27 2015-10-11 Delta Electronics Inc 契約容量最佳化系統及最佳化方法
KR102336642B1 (ko) * 2014-08-21 2021-12-07 삼성전자 주식회사 온도 조절 방법 및 장치
US9967107B2 (en) * 2014-12-24 2018-05-08 Optimum Energy Llc Intelligent equipment sequencing
CN106338127B (zh) * 2016-09-20 2018-06-22 珠海格力电器股份有限公司 用于地铁暖通空调***的负荷预测和控制***及其方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200953100Y (zh) * 2006-08-29 2007-09-26 深圳市地铁有限公司 带有负反馈的地铁空调控制***
CN102705957A (zh) * 2012-06-07 2012-10-03 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及***
CN102779228A (zh) * 2012-06-07 2012-11-14 华南理工大学 商场建筑中央空调冷负荷在线预测方法及***
CN104075402A (zh) * 2014-06-19 2014-10-01 珠海格力电器股份有限公司 智能空调控制方法和***
CN105674500A (zh) * 2016-02-22 2016-06-15 珠海格力电器股份有限公司 一种空调控制***及其控制方法、装置

Also Published As

Publication number Publication date
EP3483517B1 (en) 2021-09-01
EP3483517A4 (en) 2019-10-09
US10983542B2 (en) 2021-04-20
US20190178522A1 (en) 2019-06-13
WO2018054055A1 (zh) 2018-03-29
CN106338127A (zh) 2017-01-18
EP3483517A1 (en) 2019-05-15

Similar Documents

Publication Publication Date Title
CN106338127B (zh) 用于地铁暖通空调***的负荷预测和控制***及其方法
US11002457B2 (en) Variable refrigerant flow, room air conditioner, and packaged air conditioner control systems with cost target optimization
CN106403207A (zh) 用于暖通空调***的基于负荷预测的控制***和控制方法
JP5696877B2 (ja) 運転管理装置、運転管理方法、および運転管理プログラム
JP5668970B2 (ja) 運転管理装置、運転管理方法、および運転管理プログラム
CN111520883B (zh) 一种基于目标房间负荷预测的空调控制方法及***
CN110410942B (zh) 一种冷热源机房节能优化控制方法及***
CN110425685A (zh) 空调***控制方法、装置及空调***
CN110458340B (zh) 基于模式分类的建筑空调冷负荷自回归预测方法
CN107169606A (zh) 一种办公建筑冷负荷的预测方法
CN109871987A (zh) 一种智能建筑暖通设备综合节能控制方法
CN102043907A (zh) 空调房间实时冷负荷确定方法
JP6108333B2 (ja) 運転管理装置、運転管理方法、運転管理プログラム
CN107860102A (zh) 一种控制中央空调的方法及装置
CN110726218A (zh) 空调器及其控制方法、装置、存储介质和处理器
CN111076378A (zh) 一种基于负荷预测的地铁车站通风空调节能***及方法
CN109323419A (zh) 用电高峰控制空调的方法和装置及空调***和设备
CN114154677A (zh) 空调运行负荷模型构建和预测方法、装置、设备和介质
JPH0835706A (ja) 空調熱負荷予測システム
US20170363315A1 (en) Heat source system operation management apparatus, heat source system operation management method and computer program
US10823446B2 (en) System of adjusting load of air conditioning and method of adjusting the same
CN211526662U (zh) 一种基于负荷预测的地铁车站通风空调节能***
CN107192098A (zh) 医院通风调控方法及调控***
CN113390171B (zh) 通过视觉监测的地下车站通风空调控制方法
CN105240993A (zh) 一种中央空调的精细化节能控制***及其实现方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant