CN110878959B - 基于模型预测控制的建筑物温度控制方法及*** - Google Patents
基于模型预测控制的建筑物温度控制方法及*** Download PDFInfo
- Publication number
- CN110878959B CN110878959B CN201911189765.3A CN201911189765A CN110878959B CN 110878959 B CN110878959 B CN 110878959B CN 201911189765 A CN201911189765 A CN 201911189765A CN 110878959 B CN110878959 B CN 110878959B
- Authority
- CN
- China
- Prior art keywords
- temperature
- model
- control
- water supply
- building
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于模型预测控制的建筑物温度控制方法及***,方法基于模型预测控制MPC进行供热温度调节,并且在预测控制中加入了对干扰的预测,并对即将到来的环境温度变化做出补偿。***包括:MPC控制器,将建筑物室温维持在确定的最舒适温度值,并计算最佳供热温度值;PID控制器,根据最佳供热温度值和二次侧供回水温度操纵执行机构作出响应;执行机构,调节换热器一次侧热水流量,并通过换热器控制二次侧热水的温度;第一温度传感器,采集换热器二次侧热水的温度并发送给PID控制器;第二温度传感器,采集建筑物室内实时温度并发送给MPC控制器。本发明使室内温度更加稳定,提高了用户的舒适度,显著降低了供热能耗。
Description
技术领域
本发明涉及一种基于模型预测控制的建筑物温度控制方法及***,属于供热控制技术领域。
背景技术
许多国家在冬季有供暖需求,包含住宅建筑与非住宅建筑的供暖设计。在我国北方地区,城市及部分农村地区以集中供暖为主。由集中热源产生的蒸汽、热水经过一次换热站和一次管网到达二次换热站,在二次换热站中进行热交换,将热量传递给二次管网,热量通过二次管网传递给基层的热用户用于生产和生活。如图1所示,二次换热站负责热力的集中、交换,其供热温度直接决定了热用户的热舒适度,是供暖***的关键组成部分。
目前,换热站的供热温度大多由操作员依据经验以及当前室外温度进行调节,室外温度下降时提高供水温度,室外温度升高时下调供水温度,供热效果依赖于操作员的专业经验,自动化智能化程度低,是一种开环的控制方法。此外,由于供热***具有大时间常数,并且操作员在制定供热温度时没有考虑对未来天气的预测,导致供水温度调节后可能需要很长时间室内温度才会稳定到舒适范围内,很可能会造成供暖不足或过度供暖,造成用户热舒适度下降或者不必要的能源浪费。
因此,需要研究一种有效改善换热站供热效果的建筑物温度控制措施。
发明内容
针对以上方法存在的不足,本发明提出了一种基于模型预测控制的建筑物温度控制方法及***,能够有效地改善换热站的供热效果,使室内温度更加稳定,提高用户的舒适度,显著降低供热能耗。
本发明解决其技术问题采取的技术方案是:
一方面,本发明实施例提供的一种基于模型预测控制的建筑物温度控制方法,基于模型预测控制MPC(Model Predictive Control)进行供热温度调节,并且在预测控制中加入了对干扰的预测,并对即将到来的环境温度变化做出补偿。
作为本实施例一种可能的实现方式,所述方法包括以下步骤:
S1:所需数据准备:天气预报数据、用户设定的室内温度理想值、建筑物室内温度数据、换热器二次侧供回水温度及流量;
S2:MPC根据所需数据计算得到当前最优供水温度设定值u(k);
S3:将计算得到的供水温度设定值u(k)传递给底层控制回路,由底层控制回路操纵执行机构作出响应;
S4:执行机构调节换热器一次侧热水流量,进而通过换热器控制二次侧热水的温度;
S5:室内温度随供水温度、流量变化而变化,同时由传感器测得室内实时温度、二次侧供回水温度及流量,反馈给MPC进行下一时刻的优化。
作为本实施例一种可能的实现方式,在步骤S2中,MPC将室温y(k)维持在用户或站点操作员确定的最舒适的值r(k);通过互联网从天气预报中心获取未来24小时的环境温度数据D(k),该变量被视为MPC算法中的预测干扰变量,位于室外的温度传感器给出当前的环境温度T0(k)以补偿误差;MPC计算当前时间的供水温度设定值u(k),该值作为下层PID控制的设定点;测量供水和回水之间的压差△p(k),并将其视为测得的干扰。
作为本实施例一种可能的实现方式,所述模型预测控制的过程包括以下步骤:
建立针对建筑热交换过程的机理模型;
使用模型来预测将来在有限范围内的模型输出;
通过优化使模型输出与测量值之间的误差最小。
作为本实施例一种可能的实现方式,所述机理模型为:
式中,T为室内温度,Tin为供水温度,Tout为回水温度,T0为室外温度,cp1为室内空气比热,V为室内取暖面积,cp2为供水的比热,q为供水流量,h1A1和h2A2为换热系数乘以换热面积,假设室外与室内为对流换热。
作为本实施例一种可能的实现方式,如果现场未安装流量传感器,使用热水供应管与回水管之间的压差△p,它们的平方关系通过压差计算流量:
将机理模型转化为:
其中θ=[θ1 θ2 θ3 θ4]T是模型参数向量,对室外温度的预测包含在参数θ2中。
作为本实施例一种可能的实现方式,对机理模型离散化处理,获得离散化状态空间模型为:
x(k+1)=A(k)x(k)+B(k)u(k)+Bdd(k)
y(k+1)=Cx(k)
其中:
x=[T Tout],u=Tin,d=T0,y=T
其中d(k)表示未来干扰数据,即天气预报数据;x(k)表示状态向量;u(k)表示操纵变量,即供水温度。
作为本实施例一种可能的实现方式,所述模型输出为:
其中,等式左侧为对输出的预测,x(k)为当前时刻状态向量,u(k-1)为上一时刻的操纵变量,△U(k)为控制时域内的操纵变量,D(k)为对未来干扰的预测,Ey为误差反馈,ФA、ФB、G和Gd为系数矩阵;具体描述如下:
ΔU=[Δu(k) … Δu(k+Nu-1)]T
R=[r(k+1) … r(k+Np)]T
D=[d(k) … d(k+Np-1)]T
应用输出反馈来纠正模型输出和测量值之间的误差:
其中ek为误差,用实际输出与预测输出的差来表示。
作为本实施例一种可能的实现方式,所述通过优化使模型输出与测量值之间的误差最小的过程为:
目标函数为:
解决以下优化问题:
Δumin≤Δu(k+j)≤Δumax
umin≤u(k+j)≤umax
其中J是优化的目标函数,R为设定值向量,r是设定点,w是操纵输入变化的权重,Np是预测时域,Nc是控制时域,umin和umax分别是操纵输入的最小和最大约束,Δumin和Δumax是对操纵输入变化速率的约束,ymin和ymax是对预测输出的约束;
令目标函数最小,求解优化问题,得到最优控制向量:
ΔU*(k)=[GTG+W]-1GTE(k)=KE(k)
其中:
E(k)=R(k)-ΦAx(k)-ΦBu(k-1)-GdD(k)-Ey(k)
将控制向量第一个元素作用于***,得到反馈值后作为下一时刻优化所需的数据。
另一方面,本发明实施例提供的一种基于模型预测控制的建筑物温度控制***,包括:
MPC控制器,用于将建筑物室温维持在用户或站点操作员确定的最舒适温度值,并计算当前时间的最佳供热温度值;
PID控制器,用于根据最佳供热温度值和二次侧供回水温度操纵执行机构作出响应;
执行机构,用于调节换热器一次侧热水流量,并通过换热器控制二次侧热水的温度;
第一温度传感器,用于采集换热器二次侧热水的温度并发送给PID控制器;
第二温度传感器,用于采集建筑物室内实时温度并发送给MPC控制器。
本发明实施例的技术方案可以具有的有益效果如下:
本发明提出了一种基于模型预测控制的供热温度调节方案,并且在预测控制中加入了对未来干扰的预测,对即将到来的环境温度变化做出补偿,有效地改善了换热站的供热效果,使室内温度更加稳定,提高了用户的舒适度,显著降低了供热能耗。
本发明分析了现有集中供暖***的不足,并针对性地采用包含可测干扰的模型预测控制方法对其进行改进,在现有PID控制回路的上层添加优化监督层,实时设定优化的PID给定值,取代传统的规则控制给定值设置,在每个采样时刻计算当前时刻的最优控制变量并作用于***,优化算法中包含了对未来干扰的预测以及反馈校正。
附图说明:
图1是一种二次换热站的工作原理图;
图2是根据一示例性实施例示出的一种基于模型预测控制的建筑物温度控制方法的流程图;
图3是根据一示例性实施例示出的一种基于模型预测控制的建筑物温度控制***的原理示意图;
图4是一种供热过程的MPC配置示意图;
图5是一种建筑物的室内热交换过程示意图;
图6是MPC仿真结果与RBC对比示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明:
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
图3是根据一示例性实施例示出的一种基于模型预测控制的建筑物温度控制***的原理示意图。如图3所示,本发明实施例提供的一种基于模型预测控制的建筑物温度控制***,包括:
MPC控制器,用于将建筑物室温维持在用户或站点操作员确定的最舒适温度值,并计算当前时间的最佳供热温度值;
PID控制器,用于根据最佳供热温度值和二次侧供回水温度操纵执行机构作出响应;
执行机构,用于调节换热器一次侧热水流量,并通过换热器控制二次侧热水的温度;
第一温度传感器,用于采集换热器二次侧热水的温度并发送给PID控制器;
第二温度传感器,用于采集建筑物室内实时温度并发送给MPC控制器。
本发明实施例提供的一种基于模型预测控制的建筑物温度控制方法,基于模型预测控制MPC进行供热温度调节,并且在预测控制中加入了对干扰的预测,并对即将到来的环境温度变化做出补偿。
图2是根据一示例性实施例示出的一种基于模型预测控制的建筑物温度控制方法的流程图。如图2所示,本发明实施例提供的一种基于模型预测控制的建筑物温度控制方法,包括以下步骤:
S1:所需数据准备:天气预报数据、用户设定的室内温度理想值、建筑物室内温度数据、换热器二次侧供回水温度及流量;
S2:MPC根据所需数据计算得到当前最优供水温度设定值u(k);
S3:将计算得到的供水温度设定值u(k)传递给底层控制回路,由底层控制回路操纵执行机构作出响应;
S4:执行机构调节换热器一次侧热水流量,进而通过换热器控制二次侧热水的温度;
S5:室内温度随供水温度、流量变化而变化,同时由传感器测得室内实时温度、二次侧供回水温度及流量,反馈给MPC进行下一时刻的优化。
本发明采取的技术方案是:加入包含未来可测干扰的模型预测控制(MPC),作为底层PID控制的上级,为PID控制提供设定点。现有的二次换热站供水温度大多由操作员根据经验及当前天气状况进行调节,本发明中供水温度不再由人工调节,而是由MPC经过优化计算得到。实际操作中,在二次换热站PID控制的上层添加监督层MPC控制器,利用已知的天气预报和过去的供水温度信息,结合用户端或操作员端给出的温度设定值,通过MPC优化算法计算得到优化后的供水温度值u(k)传递给下层PID,取代之前由操作员依据经验和当前天气给出的供水温度值,从而对执行机构(如图1中的阀门、泵)进行调节,改善对室内温度的控制。
MPC作为一种先进控制方法,在工业上得到了广泛应用。MPC具有滚动时域、反馈校正的特点,优化问题中包含对未来干扰的预测,在每一时刻通过对优化问题的计算,得到当前时刻的最优控制向量,并将第一项作用于控制***。下一时刻再次求解优化问题,如此反复,滚动向前。针对现有供热控制方案的不足,MPC应用于供热***的主要优势如下:
1)处理相互矛盾的优化目标:最大化用户舒适度与最小化能源消耗。
2)包含对未来干扰的预测(环境温度、占用率、太阳辐射)。
3)供热过程存在许多约束,MPC可以处理约束问题。
4)可以处理多输入多输出耦合问题,也可以消除建筑物的大时间常数对控制产生的不利影响。
图4显示了加热过程的MPC配置。MPC的目的是将室温y(k)维持在用户或站点操作员确定的最舒适的值r(k)。室温是根据由多个无线传感器获得的温度数据的平均值计算出的值。通过互联网从天气预报中心获取未来24小时的环境温度数据D(k),该变量被视为MPC算法中的预测干扰变量,位于室外的温度传感器给出当前的环境温度T0(k)以补偿误差。可以测量供水和回水之间的压差△p(k),并将其视为测得的干扰。MPC计算当前时间u(k)的最佳供热温度值,该值作为下层PID控制的设定点。
为了实现模型预测控制,需要建立针对建筑热交换过程的机理模型,该模型需要能够正确地反映***动态,建筑热交换过程如图5所示,其中Tin为供水温度,Tout为回水温度,T为室内温度,T0为室外温度,q为供水流量。
机理模型可以写成:
式中,T为室内温度,Tin为供水温度,Tout为回水温度,T0为室外温度,cp1为室内空气比热,V为室内取暖面积,cp2为供水的比热,q为供水流量,h1A1和h2A2为换热系数乘以换热面积,假设室外与室内为对流换热。
现场未安装流量传感器,可使用热水供应管与回水管之间的压差△p,因此可考虑它们的平方关系通过压差计算流量:
将模型转化为:
其中θ=[θ1 θ2 θ3 θ4]T是模型参数向量,对室外温度的预测包含在参数θ2中。
进一步对模型离散化,获得离散化状态空间模型:
x(k+1)=A(k)x(k)+B(k)u(k)+Bdd(k)
y(k+1)=Cx(k)
其中:
x=[T Tout],u=Tin,d=T0,y=T
其中d(k)表示未来干扰数据,即天气预报数据;x(k)表示状态向量;u(k)表示操纵变量,即供水温度。
模型建立后,模型预测控制使用模型来预测将来在有限范围内的模型输出,通过优化方法可以使模型输出与期望值之间的误差最小。
模型预测输出如下:
其中,等式左侧为对输出的预测,x(k)为当前时刻状态向量,u(k-1)为上一时刻的操纵变量,△U(k)为控制时域内的操纵变量,D(k)为对未来干扰的预测,Ey为误差反馈,ФA、ФB、G和Gd为系数矩阵;具体描述如下:
ΔU=[Δu(k) … Δu(k+Nu-1)]T
R=[r(k+1) … r(k+Np)]T
D=[d(k) … d(k+Np-1)]T
应用输出反馈来纠正模型输出和测量值之间的误差:
其中ek为误差,用实际输出与预测输出的差来表示。
优化目标函数写为:
通常,预测控制解决以下优化问题:
Δumin≤Δu(k+j)≤Δumax
umin≤u(k+j)≤umax
其中J是优化的目标函数,R为设定值向量,r是设定点,w是操纵输入变化的权重,Np是预测时域,Nc是控制时域,umin和umax分别是操纵输入的最小和最大约束,Δumin和Δumax是对操纵输入变化速率的约束,ymin和ymax是对预测输出的约束。
令目标函数最小,求解优化问题,得到最优控制向量:
ΔU*(k)=[GTG+W]-1GTE(k)=KE(k)
其中:
E(k)=R(k)-ΦAx(k)-ΦBu(k-1)-GdD(k)-Ey(k)
根据MPC“滚动时域”的原理,将控制向量第一个元素作用于***,得到反馈值后作为下一时刻优化所需的数据。下一时刻重复进行上述步骤,并得到控制向量,如此反复进行。
在基于规则的控制的情况下,现场数据用于比较MPC性能。仿真结果如图6所示。图6中第一张图显示了25天期间的环境温度变化。环境温度在-3℃至20℃之间变化。图6中第二张图显示了压差变化,该压差变化在长时间内几乎保持恒定。13天有一个手动控制。经过13天的时间后,由于环境温度相对较高,因此进行了手动控制,因此将供热温度和压差控制为一个较低的值并保持恒定。
图6中第三张图显示供热温度,图6中第四张图显示室温。传统的RBC根据当前测得的环境温度获得供热温度。控制规则预先写入专家规则表中。该控制定律是开环且粗糙的,不能将室温精确地控制到参考值,并且不能预先预测和补偿环境温度。MPC可以预测环境温度并使用天气预报预先进行补偿。从图6中可以看出,运用MPC的供热***其室内温度可以较长时间地保持在最优水平附近,而RBC则会出现较大的变化,造成用户热舒适度下降或者能源浪费。
本发明的仿真结果证明,相比于传统的规则控制,该预测控制方法可以明显改善控制性能,对未来的室外温度变化提前进行补偿,在保证用户的用热舒适度的同时,还可以减少能源损耗。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也被视作为本发明的保护范围。
Claims (2)
1.一种基于模型预测控制的建筑物温度控制方法,其特征是,基于模型预测控制MPC进行供热温度调节,并且在预测控制中加入了对干扰的预测,并对即将到来的环境温度变化做出补偿;
所述方法包括以下步骤:
S1:所需数据准备:天气预报数据、用户设定的室内温度理想值、建筑物室内温度数据、换热器二次侧供回水温度及流量;
S2:MPC根据所需数据计算得到当前最优供水温度设定值u(k);
S3:将计算得到的供水温度设定值u(k)传递给底层控制回路,由底层控制回路操纵执行机构作出响应;
S4:执行机构调节换热器一次侧热水流量,进而通过换热器控制二次侧热水的温度;
S5:室内温度随供水温度、流量变化而变化,同时由传感器测得室内实时温度、二次侧供回水温度及流量,反馈给MPC进行下一时刻的优化;
在步骤S2中,MPC将室温y(k)维持在用户或站点操作员确定的最舒适的值r(k);通过互联网从天气预报中心获取未来24小时的环境温度数据D(k),环境温度数据D(k)被视为MPC算法中的预测干扰变量,位于室外的温度传感器给出当前的环境温度T0(k)以补偿误差;MPC计算当前时间的供水温度设定值u(k),该值作为下层PID控制的设定点;测量供水和回水之间的压差△p(k),并将其视为测得的干扰;
所述模型预测控制的过程包括以下步骤:
建立针对建筑热交换过程的机理模型;
使用模型来预测将来在有限范围内的模型输出;
通过优化使模型输出与测量值之间的误差最小;
所述机理模型为:
式中,T为室内温度,Tin为供水温度,Tout为回水温度,T0为室外温度,cp1为室内空气比热,V1和V2为室内取暖面积,cp2为供水的比热,q为供水流量,h1A1和h2A2为换热系数乘以换热面积,假设室外与室内为对流换热;
如果现场未安装流量传感器,使用热水供应管与回水管之间的压差△p,它们的平方关系通过压差计算流量:
将机理模型转化为:
其中,θ=[θ1 θ2 θ3 θ4]T是模型参数向量,对室外温度的预测包含在参数θ2中;
对机理模型离散化处理,获得离散化状态空间模型为:
x(k+1)=A(k)x(k)+B(k)u(k)+Bdd(k)
y(k+1)=Cx(k)
其中:
x=[T Tout],u=Tin,d=T0,y=T,
其中d(k)表示未来干扰数据,即天气预报数据;x(k)表示状态向量;u(k)表示操纵变量,即供水温度;
所述模型输出为:
其中,等式左侧为对输出的预测,x(k)为当前时刻状态向量,u(k-1)为上一时刻的操纵变量,△U(k)为控制时域内的操纵变量,D(k)为对未来干扰的预测,Ey为误差反馈,ФA、ФB、G和Gd为系数矩阵;
应用输出反馈来纠正模型输出和测量值之间的误差:
其中ek为误差,用实际输出与预测输出的差来表示。
2.根据权利要求1所述的基于模型预测控制的建筑物温度控制方法,其特征是,所述通过优化使模型输出与测量值之间的误差最小的过程为:
目标函数为:
解决以下优化问题:
Δumin≤Δu(k+j)≤Δumax
umin≤u(k+j)≤umax
其中J是优化的目标函数,R为设定值向量,r是设定点,w是操纵输入变化的权重,Np是预测时域,Nu是控制时域,umin和umax分别是操纵输入的最小和最大约束,Δumin和Δumax是对操纵输入变化速率的约束,ymin和ymax是对预测输出的约束;
令目标函数最小,求解优化问题,得到最优控制向量:
ΔU*(k)=[GTG+W]-1GTE(k)=KE(k)
其中:
E(k)=R(k)-ΦAx(k)-ΦBu(k-1)-GdD(k)-Ey(k)
将控制向量第一个元素作用于***,得到反馈值后作为下一时刻优化所需的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911189765.3A CN110878959B (zh) | 2019-11-28 | 2019-11-28 | 基于模型预测控制的建筑物温度控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911189765.3A CN110878959B (zh) | 2019-11-28 | 2019-11-28 | 基于模型预测控制的建筑物温度控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110878959A CN110878959A (zh) | 2020-03-13 |
CN110878959B true CN110878959B (zh) | 2021-04-27 |
Family
ID=69730242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911189765.3A Expired - Fee Related CN110878959B (zh) | 2019-11-28 | 2019-11-28 | 基于模型预测控制的建筑物温度控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110878959B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854109A (zh) * | 2020-06-11 | 2020-10-30 | 深圳市合信达控制***有限公司 | 一种室内温度控制方法、装置、电子设备及存储介质 |
CN112361450B (zh) * | 2020-09-02 | 2022-06-03 | 天津大学 | 一种基于室内温度的换热站二次供水温度反馈预测调控方法 |
CN113534703B (zh) * | 2021-07-07 | 2022-12-06 | 国网福建省电力有限公司检修分公司 | 一种暖通组合机节能***及其控制方法 |
CN114508784A (zh) * | 2022-02-16 | 2022-05-17 | 重庆邮电大学 | 一种多源互补供热***及其优化控制方法 |
CN114811714A (zh) * | 2022-04-26 | 2022-07-29 | 大连理工大学 | 一种基于模型预测控制的供暖房间室温控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104515194B (zh) * | 2013-09-26 | 2017-08-01 | 珠海格力电器股份有限公司 | 供暖***的控制方法及装置 |
CN106958855B (zh) * | 2017-03-31 | 2019-06-11 | 常州英集动力科技有限公司 | 供热***水力平衡的模型预测控制方法及*** |
CN107120721B (zh) * | 2017-05-25 | 2019-08-09 | 石家庄华浩能源科技有限公司 | 一种集中供热动态气候补偿方法 |
CN108256672B (zh) * | 2017-12-27 | 2022-02-22 | 北京四方继保自动化股份有限公司 | 一种集中供热***全网平衡调节方法 |
CN109165418B (zh) * | 2018-08-01 | 2023-08-01 | 代傲表计(济南)有限公司 | 基于户用热量表数据的室温测量方法 |
CN110410942B (zh) * | 2019-07-30 | 2020-12-29 | 上海朗绿建筑科技股份有限公司 | 一种冷热源机房节能优化控制方法及*** |
-
2019
- 2019-11-28 CN CN201911189765.3A patent/CN110878959B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN110878959A (zh) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110878959B (zh) | 基于模型预测控制的建筑物温度控制方法及*** | |
CN111473407B (zh) | 一种基于模型的集中供热***按需精准调控方法 | |
CN109270842B (zh) | 一种基于贝叶斯网络的区域供热模型预测控制***及方法 | |
Gwerder et al. | Control of thermally-activated building systems (TABS) | |
EP1956460B1 (en) | Heating system control based on required heating power | |
CN114484557B (zh) | 一种基于目标能耗管控的建筑群供热负荷调控方法 | |
CN111365828A (zh) | 结合机器学习实现数据中心节能温控的模型预测控制方法 | |
CN111578371A (zh) | 一种数据驱动的城市集中供热***精准调控方法 | |
CN103162346A (zh) | 基于云服务的集中供暖监控***及集中供暖***调节方法 | |
Valenzuela et al. | Closed-loop identification for model predictive control of HVAC systems: From input design to controller synthesis | |
Chen et al. | Model predictive control for energy-efficient optimization of radiant ceiling cooling systems | |
CN109212965A (zh) | 基于粒子群优化算法的地暖温度控制***及方法 | |
CN116592417A (zh) | 基于负荷预测的集中供热***优化控制方法及*** | |
Sun et al. | Integrated control strategy of district heating system based on load forecasting and indoor temperature measurement | |
CN113623719A (zh) | 一种基于有效室温检测的换热站预测控制方法 | |
CN114484556B (zh) | 一种基于目标能耗管控的供水温度调控方法 | |
Raftery et al. | A new control strategy for high thermal mass radiant systems | |
CN114165825A (zh) | 一种换热站供热调控***及方法 | |
CN111473408A (zh) | 一种基于气候补偿的供热控制***的控制方法 | |
Reynolds et al. | A smart heating set point scheduler using an artificial neural network and genetic algorithm | |
Karpenko et al. | The conceptual model of neuro-fuzzy regulation of the microclimate in the room | |
CN113222231A (zh) | 一种基于物联网技术的智慧供热*** | |
CN111156586B (zh) | 一种基于户内温度的供热***调控方法 | |
CN116822682A (zh) | 一种热力站热负荷在线预测方法 | |
CN114608065B (zh) | 一种新型热力入口阀位调控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210427 Termination date: 20211128 |
|
CF01 | Termination of patent right due to non-payment of annual fee |