CN113446683A - 一种地铁车站设备及管理用房智能空调 - Google Patents
一种地铁车站设备及管理用房智能空调 Download PDFInfo
- Publication number
- CN113446683A CN113446683A CN202110736196.0A CN202110736196A CN113446683A CN 113446683 A CN113446683 A CN 113446683A CN 202110736196 A CN202110736196 A CN 202110736196A CN 113446683 A CN113446683 A CN 113446683A
- Authority
- CN
- China
- Prior art keywords
- air
- temperature
- air conditioner
- air volume
- volume
- 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
- 238000004378 air conditioning Methods 0.000 claims abstract description 120
- 238000001931 thermography Methods 0.000 claims abstract description 38
- 230000003068 static effect Effects 0.000 claims description 44
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 34
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 17
- 239000001569 carbon dioxide Substances 0.000 claims description 17
- 238000005057 refrigeration Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 12
- 230000033228 biological regulation Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 9
- 238000004134 energy conservation Methods 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 238000009423 ventilation Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007230 neural mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
-
- 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
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- 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
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
-
- 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
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
- F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
-
- 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
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
-
- 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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F7/00—Ventilation
- F24F7/04—Ventilation with ducting systems, e.g. by double walls; with natural circulation
- F24F7/06—Ventilation with ducting systems, e.g. by double walls; with natural circulation with forced air circulation, e.g. by fan positioning of a ventilator in or against a conduit
- F24F7/08—Ventilation with ducting systems, e.g. by double walls; with natural circulation with forced air circulation, e.g. by fan positioning of a ventilator in or against a conduit with separate ducts for supplied and exhausted air with provisions for reversal of the input and output systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/40—Pressure, e.g. wind pressure
-
- 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
- F24F2110/50—Air quality properties
- F24F2110/65—Concentration of specific substances or contaminants
- F24F2110/70—Carbon dioxide
-
- 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
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Fluid Mechanics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Fuzzy Systems (AREA)
- Sustainable Development (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种地铁车站设备及管理用房智能空调,包括非制冷热成像***、变风量空调***、新风管道、送风管道、回风管道和柜式空调器;非制冷热成像***包括建筑自动化***,建筑自动化***与变风量空调***连接,非制冷热成像***能够得到设备及管理用房的温度数据和人员数据,温度数据和人员数据均通过建筑自动化***接入变风量空调***,变风量空调***由建筑自动化***控制。本地铁车站设备及管理用房智能空调首次通过建筑自动化***将非制冷红外焦平面热成像***应用在地铁车站设备及管理用房空调设计中,从根本上解决了人员数据按照估计值简单、粗暴做法,同时,通过多种技术手段实现空调***的舒适性、节能性。
Description
技术领域
本发明涉及轨道交通地铁车站节能技术领域,特别涉及一种地铁车站设备及管理用房智能空调。
背景技术
随着我国经济的增长与城市化水平的提高,城市轨道交通在大中城市公共交通中发挥越来越重要的作用。目前我国正处在地铁建设高速发展时期,建设规模和承载的客流量都是世界最大的。然而,地铁建设的巨额投资和高昂的运营成本成为制约轨道交通发展的重要因素。如何有效降低工程建设和运营成本,建设节约型地铁既是建设节约型社会的要求,更是轨道交通自身可持续发展的需要。地铁通风空调***作为最大的机电***,是地铁车站的耗能大户,一个标准车站通风空调***能耗约占整个轨道交通能耗的25%~30%,通风空调***耗电成本约占运营成本的30%。通常把典型的地铁地下车站空调***分为大***和小***两个部分。大***是指车站公共区,即乘客使用区;小***是指车站设备及管理用房区域。
车站小***的设备用房区域主要是机电设备发热(95%以上)、人员冷负荷、照明负荷。车站小***的管理用房区域主要人员冷负荷、新风负荷。车站设备管理用房空调***(简称小***)负荷中的人员、设备等的发热量同样按远期资料考虑,初期制冷量往往会超过实际需求。对于空调小***,由于其不直接面对乘客,一般采用相对简单的定风量全空气一次回风空调***。但地铁车站通风空调***的设备及***容量通常是按照远期(建成25年后)负荷设计的,地铁近期运行期间,设备房间的设备发热量远小于空调***设计冷负荷,这就导致小***在运营初期普遍存在“大马拉小车”现象,导致房间温度过低,造成能源的极大浪费。另外,由于各设备***所提供的发热量与实际设备发热量往往存在较大偏差,也导致各房间温度不均衡现象非常普遍,浪费能源的同时也降低了通风空调***的服务水平。另外,在定风量情况下,也无法根据用户的个性化需求调节每个房间的温度,不满足舒适度需求。因此有必要对地铁车站的设备用房通风空调***进行优化设计,采用变风量***,以达到节能减排和提高服务水平的目的。
车站小***空调房间主要分为三种:1.管理类用房,例如站长室、会议室、警务室、更衣室等。此类房间需要18h运行。2.强电类设备用房,例如通信设备室、信号设备室、控制室、环控电控室等。此类房间需要24h运行。3.变电所类设备用房,例如35kV开关柜室、整流变压器室、1500V直流开关柜室、0.4kV开关柜室、跟随所等。此类房间需要24h运行,发热量较大。现阶段地铁车站采用集中冷源的集中式空调***,车站大、小***的冷冻水由设于设备管理用房区的冷水机房提供。冷水机房内设两台冷水机组,对应设置冷冻水泵、冷却水泵、冷却塔各两台,两台冷却塔设于附近地面风亭上。在车站新风道、柜式空调机组回风/送风处、车站设备用房、车站管理用房设置温度计。
地下车站设备及人员管理用房通风空调***(简称小***)采用全空气一次回风***。在车站两端设置通风空调机房,机房内设置组合式空调箱,回/排风机。根据使用要求和室内设计参数进行通风空调设计,为地铁工作人员和设备提供良好的工作环境和运行环境。以上设计能满足车站大、小***的人员舒适性以及设备冷风降温的需求,但是存在一部分的局限性:1)车站管理区设备用房主要为人员冷负荷、新风负荷,计算均简单的按照固定人数,与事实上相差甚大。车站管理区设备用房人员流动性较大,例如更衣间、个别值班室甚至长时间处于无人状态;2)车站设备用房以及管理用房,空调***采用定风量一次回风***,设备安装时需进行风量平衡调节,调节过程非常复杂。且调节后为固定状态,不能进行风量调节;3)地铁车站设备用房的设备发热量均由各***专业提供远期最不利值,冗余量过大;4)地铁车站的温度测点较少,每个设备用房均设置一个温度测点,不能真实反应设备用房真实温度场的情况。在温度测点设置不合理的情况下甚至导致出现过冷及过热现象。
发明内容
本发明的目的在于提供一种地铁车站设备及管理用房智能空调,本地铁车站设备及管理用房智能空调首次通过建筑自动化***将非制冷红外焦平面热成像***应用在地铁车站设备及管理用房空调设计中,能够直观的得到车站设备及管理用房的实时、瞬时客流数据,从根本上解决了人员数据按照估计值简单、粗暴做法。同时,通过多种技术手段实现空调***的舒适性、节能性。
为了实现上述目的,本发明提供如下技术方案:
一种地铁车站设备及管理用房智能空调,包括非制冷热成像***、变风量空调***、新风管道、送风管道、回风管道和柜式空调器;所述新风管道的一端与新风井连通,所述新风管道的另一端与所述送风管道的一端连通,所述送风管道与所述设备及管理用房连通,所述回风管道的一端与排风井连通,所述回风管道与所述设备及管理用房连通,所述柜式空调器设置在所述送风管道上;所述非制冷热成像***包括建筑自动化***,所述建筑自动化***与所述变风量空调***连接,所述非制冷热成像***能够得到所述设备及管理用房的温度数据和人员数据,所述温度数据和所述人员数据均通过所述建筑自动化***接入所述变风量空调***,所述变风量空调***由所述建筑自动化***控制;所述变风量空调***包括柜式空调器送风温度控制回路,所述柜式空调器送风温度控制回路用于调整所述柜式空调器出口处的送风温度。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述非制冷热成像***还包括非制冷型热像仪和监视器;所述非制冷型热像仪设置在所述设备及管理用房,所述非制冷型热像仪与所述监视器连接,所述监视器与所述建筑自动化***连接;入射的红外辐射穿过大气进入所述非制冷型热像仪,并经过所述非制冷型热像仪处理后转换成模拟信号送至所述监视器;优选地,所述非制冷型热像仪为非制冷型焦平面阵列热像仪。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述变风量空调***还包括温度传感器、温度控制器和电动二通阀;所述温度传感器和所述温度控制器均设置在所述柜式空调器的出口,所述电动二通阀设置在柜式空调器上;所述温度传感器、所述温度控制器和所述电动二通阀通过控制线依次连接,所述温度传感器、所述温度控制器、所述电动二通阀和所述柜式空调器依次连接形成所述柜式空调器送风温度控制回路;所述建筑自动化***通过所述温度传感器来检测所述柜式空调器出口处的送风温度,并通过所述温度控制器来调节所述电动二通阀的开度进而调节所述柜式空调器出口处的送风温度。
进一步地,在上述的地铁车站设备及管理用房智能空调中,还包括多个末端装置,所述变风量空调***还包括风量传感器和风量控制器;所述末端装置设置在所述设备及管理用房,所述柜式空调器的出口及所述末端装置上均设置有所述风量传感器和所述风量控制器;所述风量传感器和所述风量控制器通过控制线依次连接,所述风量传感器、所述风量控制器、所述末端装置和所述设备及管理用房依次连接形成风量控制回路;所述温度控制器、所述风量控制回路和所述非制冷热成像***依次连接形成设备及管理用房温度控制回路;所述温度控制器给定风量设定值,所述建筑自动化***通过所述风量传感器来检测所述设备及管理用房的进风量与所述风量设定值是否存在偏差,若存在偏差,所述风量控制器通过调整所述末端装置的开度来改变进入所述设备及管理用房的进风量。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述风量控制器内设置有BP神经网络***,所述BP神经网络***包括输入层、隐含层和输出层;所述输入层包括控制参数、状态参数和辅助参数,所述输出层用于计算所述末端装置的风量值,所述控制参数、所述状态参数、所述辅助参数用于为所述建筑自动化***提供数据参数;所述建筑自动化***能够预测下一时刻所述末端装置的送风量,从而确定所述末端装置的最佳运行参数。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述控制参数包括前一天t时刻送风量、前两天t时刻送风量;所述状态参数包括当天t时刻室外温度、当天t-1时刻室外温度、当天t时刻室内温度、当天t-1时刻室内温度、前一天t时刻房间人数、当天t时刻房间人数目;所述辅助参数包括当天太阳辐射强度、当天大气湿度。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述变风量空调***包括连通风管,所述连通风管将所述新风管道、所述送风管道与所述回风管道连通;在所述新风管道上设置有第一新风阀,在所述连通风管上设置有第二新风阀,在所述回风管道上设置有二氧化碳传感器和新风阀门控制器,所述二氧化碳传感器、所述新风阀门控制器和所述第一新风阀通过控制线依次连接,所述送风管道、所述回风管道、所述二氧化碳传感器、所述新风阀门控制器、所述连通风管、所述第一新风阀以及所述新风管道依次连接形成所述新风量控制回路;所述建筑自动化***通过所述二氧化碳传感器来检测所述连通管道处的二氧化碳浓度,并通过所述新风阀门控制器来控制所述第一新风阀的开度进而调节所述柜式空调器送风的新风比。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述变风量空调***还包括静压传感器、静压控制器和风机变频器;所述静压传感器、所述静压控制器和所述风机变频器均设置在所述柜式空调器上,所述静压传感器、所述静压控制器和所述风机变频器通过控制线依次连接,所述静压传感器、所述静压控制器、所述风机变频器和所述柜式空调器依次连接形成管网风机频率-管道静压控制回路;所述建筑自动化***通过所述静压传感器将所述送风管道末端的静压值传给所述静压控制器,所述静压控制器按给定的调节规律输出频率以通过所述风机变频器来调节所述柜式空调器的风机的转速,从而维持所述送风管道末端的静压值。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述调节规律为比例积分调节规律。
进一步地,在上述的地铁车站设备及管理用房智能空调中,所述人员数据包括实时、瞬时客流数据;所述温度数据包括所述设备及管理用房实时、瞬时温度场;所述设备及管理用房包括地铁车站设备用房和地铁车站管理人员用房。
分析可知,本发明公开一种地铁车站设备及管理用房智能空调的实施例实现了如下技术效果:
1)本地铁车站设备及管理用房智能空调耦合了非制冷红外焦平面热成像***、变风量空调***、人工神经网络***,上***通过地铁车站建筑自动化***控制,通过多种技术手段实现空调***的舒适性、节能性。
2)本地铁车站设备及管理用房智能空调中的非制冷红外焦平面热成像***,包括非制冷型焦平面阵列热像仪、建筑自动化***,通过非制冷红外焦平面热成像***能直观得到房间内的实时、瞬时人员数据,车站设备用房的温度场。温度数据、人员数据通过建筑自动化***接入车站设备及人员管理用房区域变风量空调***。
3)变风量空调***由4个控制回路构成:柜式空调器送风温度控制回路、管网风机频率-管道静压控制回路、新风量控制回路和设备及管理用房温度控制回路。变风量空调***通过4个回路能够有效降低送风机的运行能耗,节约***的运行费用。不需要进行***风量平衡测试,对各设备及人员管理用房空气温度实现独立控制。
4)本发明中采用BP神经网络***,BP神经网络***由输入层、隐含层(中间层)和输出层构成。通过建筑自动化***对控制参数、状态参数、辅助参数采集,计算并记录空气处理机组的输出能量趋势序列,结合***特性、循环周期、历史负荷数据等推理预测下一时刻变风量空调***的末端装置(VAV box)的送风量,从而确定变风量空调***的末端装置(VAV box)的最佳运行参数,实现空调区域温度的精确控制,在保证服务质量的前提下,最大限度地降低***的能耗。
对比现阶段地铁车站空调***,本发明是通过建筑自动化***耦合了非制冷红外焦平面热成像***、变风量空调***、人工神经网络***的地铁车站设备及管理用房智能空调,本地铁车站设备及管理用房智能空调通过多种技术手段实现空调***的舒适性、节能性。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。其中:
图1为本发明一实施例中地铁车站设备区小***非制冷焦平面红外热像***的功能框图;
图2为本发明一实施例中地铁车站设备及管理用房变风量空调***控制回路图;
图3为本发明一实施例中地铁车站设备及管理用房温度控制回路;
图4为本发明一实施例中地铁车站设备及管理用房神经网络***控制原理图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上,本领域的技术人员将清楚,在不脱离本发明的范围或精神的情况下,可在本发明中进行修改和变型。例如,示为或描述为一个实施例的一部分的特征可用于另一个实施例,以产生又一个实施例。因此,所期望的是,本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。
在本发明的描述中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作,因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”、“设置”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接;可以是直接相连,也可以通过中间部件间接相连;可以是有线电连接、无线电连接,也可以是无线通信信号连接,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
所附附图中示出了本发明的一个或多个示例。详细描述使用了数字和字母标记来指代附图中的特征。附图和描述中的相似或类似标记的已经用于指代本发明的相似或类似的部分。如本文所用的那样,用语“第一”、“第二”、“第三”以及“第四”等可互换地使用,以将一个构件与另一个区分开,且不旨在表示单独构件的位置或重要性。
如图1至图4所示,根据本发明的实施例,提供了一种地铁车站设备及管理用房智能空调,包括非制冷热成像***(非制冷红外焦平面热成像***)、变风量空调***、新风管道、送风管道、回风管道和柜式空调器;新风管道的一端与新风井连通,新风管道的另一端与送风管道的一端连通,送风管道与设备及管理用房连通,回风管道的一端与排风井连通,回风管道与设备及管理用房连通,柜式空调器设置在送风管道上;非制冷热成像***包括建筑自动化***,建筑自动化***与变风量空调***连接,非制冷热成像***能够得到设备及管理用房的温度数据和人员数据,温度数据和人员数据均通过建筑自动化***接入变风量空调***,变风量空调***由建筑自动化***控制;变风量空调***包括柜式空调器送风温度控制回路,柜式空调器送风温度控制回路用于调整柜式空调器出口处的送风温度。
在上述实施例中,本地铁车站设备及管理用房智能空调耦合了非制冷红外焦平面热成像***、变风量空调***(Variable Air Volume Air Condition System或VAV)、人工神经网络***,以上***通过地铁车站的建筑自动化***(BAS:Building AutomationSystem)控制,通过多种技术手段实现空调***的舒适性、节能性。本发明系首次通过建筑自动化***,将非制冷红外焦平面热成像***应用在地铁车站设备区小***空调设计中,非制冷红外焦平面热成像***包括非制冷型焦平面阵列热像仪和建筑自动化***,通过非制冷红外焦平面热成像***能直观得到房间内的实时、瞬时人员数据,从根本上解决了人员数据按照估计值简单、粗暴做法;能够得到车站设备区人员管理用房实时、瞬时温度场,不仅反映房间内人体温度,而且人体周边环境温度;能够得到车站设备用房的温度场,能直观表达发热设备表面温度以及设备周边环境温度;同时温度数据、人员数据通过建筑自动化***接入地铁车站小***变风量空调***(VAV)。这里人员数据包括实时、瞬时客流数据,温度数据包括车站设备及管理用房实时、瞬时温度场,设备及管理用房包括地铁车站设备用房和地铁车站管理人员用房。本发明采用的变风量空调***由车站建筑自动化***控制,变风量空调***由4个控制回路构成,分别为:柜式空调器送风温度控制回路、管网风机频率-管道静压控制回路、新风量控制回路和设备及管理用房温度控制回路(设备区小***末端温度控制回路)、即由建筑自动化***控制的4个控制回路(柜式空调器送风温度控制回路、管网风机频率-管道静压控制回路、新风量控制回路和设备及管理用房温度控制回路)的地铁车站设备及人员管理用房变风量空调***。本发明采用BP神经网络***,通过建筑自动化***对控制参数、状态参数、辅助参数采集、计算,从而确定变风量***末端装置(VAV box)的最佳运行参数,实现空调区域温度的精确控制,在保证服务质量的前提下,最大限度地降低***的能耗。变风量空调***的控制对象较多(包括送风温度、管道静压、室内温度、新风比例等)、***结构复杂、滞后大、易受干扰、控制效果不理想、相关的回路之间存在耦合现象(例如送风温度和风机转速的耦合)。地铁车站的VAV空调***是一个干扰大、具有高度非线性和不确定性的***,这就使得依赖于精确模型基础上的传统PID控制算法控制效果不够理想。本发明变风量(VAV)***能够相应地自动调节空气处理机组(AHU)风机的转速,运行在部分负荷工况时,可有效降低送风机的运行能耗,节约***的运行费用。不需要进行***风量平衡测试,对各设备区小***各房间空气温度实现独立控制,各空调区域可以根据使用情况灵活设置不同的房间温度。对比现阶段地铁车站空调***,本发明是通过建筑自动化***耦合了非制冷红外焦平面热成像***、变风量空调***、人工神经网络***的地铁车站设备及管理用房智能空调,本地铁车站设备及管理用房智能空调通过多种技术手段实现空调***的舒适性、节能性。
其中,变风量空调***于20世纪60年代诞生在美国,它不同于传统的定风量空气调节方式,而是能够动态地调整送入房间的风量以平衡室内负荷的变化,从而使被控温度和新风指标达到要求。变风量空调是指恒定送风温度,通过改变送风量来满足室内负荷要求的空调***。变风量空调(VAV)和定风量空调(CAV)皆为全空气调节,通过送入经处理的空气来改善室内大气环境,VAV空调***的优势在于采用了变频风机,通过管道的送风量由变频风机控制,而室内风量需求由末端装置(VAV box)二次控制,或者说是各房间对风量的不同要求使得风阀开度变化,而变频风机就要适应这些变化,为各房间提供合适且足够的风量,它可以更加灵活的改变送入各个房间的风量,满足不同房间的不同或相同要求,进一步提高节能效率和各个房间的空气环境要求。(1)相对于定风量空调***而言,随着室内负荷的变化,变风量***能够相应地自动调节空气处理机组(AHU)风机的转速,从而改变送风量以维持室内所需要的温度。合理的变风量***设计,加上合理的自动控制方案,可以有效地响应变化的负荷,当运行在部分负荷工况时,可有效降低送风机的运行能耗,节约***的运行费用。(2)在确定***总送风量时由于可以考虑一定的同时使用系数,所以空调设备的装机容量较定风量***减少10%-30%,节省设备投资费用。(3)变风量***可以对各空调区域空气温度实现独立控制,各空调区域可以根据使用情况灵活设置不同的房间温度。(4)变风量***不需要进行***风量平衡测试,就可以取得令人满意的风量平衡效果。***风量平衡只需对新风阀、回风阀和排风阀进行调节即可。为解决现阶段地铁车站定风量空调的上述技术问题,本发明采用变风量***(VAV),VAV空调***控制的主要参数有新风量(CO2浓度)、送风温度、风机转速、房间温湿度等。
另外,红外热像仪是把不可见的红外辐射转换成可见光图像的装置,它以红外探测器为核心,借助于红外探测器把自身辐射转换为可见光图像,从而把人的视觉范围扩展到红外波段。红外热成像***可分为低温制冷型和非制冷型两种。低温制冷型热像仪探测器属于光子探测器,即依赖入射红外光子在探测器中激发的光生载流子,定向生成的光生电荷产生正比于入射红外辐射通量的电信号。它在探测性能指标上要领先于非制冷探测器,但是当焦平面阵列工作在较高的温度下时,探测器材料固有的热激发迅速增强,而暗电流和噪声的增大会严重降低探测器的性能,故它需要昂贵的低温制冷器,从而使热像仪制造成本偏高,同时整机工作寿命短,体积、重量、功耗偏大,因此主要用于军事领域。非制冷型焦平面阵列热像仪是美国世纪年代开发出来的高科技产品,探测器从工作机理上看属于热探测器,这种热探测器虽然在探测性能指标上逊色于光子探测器。目前的灵敏度已优于0.05℃。与传统低温制冷型热像仪相比,它具有性价比高、无须制冷、可靠性高、使用方便、功耗低、体积小、重量轻、易携带的优点。而其低成本、小型化、高可靠等优点则是光量子型红外焦平面阵列所远不及的,因而是当前热像仪领域的一个热点。
优选地,如图1所示,在本发明一个实施例中,非制冷热成像***还包括非制冷型热像仪和监视器;非制冷型热像仪设置在设备及管理用房,非制冷型热像仪与监视器连接,监视器与建筑自动化***连接;入射的红外辐射穿过大气进入非制冷型热像仪,并经过非制冷型热像仪处理后转换成数字信号送至监视器;优选地,非制冷型热像仪为非制冷型焦平面阵列热像仪。其中,入射红外辐射穿过大气,进入红外光学***,被聚焦在热敏面上探测器把光信号转换成模拟电信号,该模拟信号经过预处理后,转换成数字信号进行处理该数字信号经过处理后恢复成模拟信号送到监视器以便人眼观察。数字信号及图像可以直观的反映所探测的区域逐时的人员数目、人员温度、温度场等数据。本发明将非制冷红外焦平面热成像***设置于地铁车站设备用房、设备区人员管理用房,对车站设备区空调设计中有以下几点优点:1)能直观得到房间内的实时、瞬时人员数据,从根本上解决了人员数据按照估计值简单、粗暴做法;2)得到车站设备区人员管理用房实时、瞬时温度场,不仅反映房间内人体温度,而且人体周边环境温度;3)得到车站设备用房的温度场,能直观表达发热设备表面温度以及设备周边环境温度;4)温度数据、人员数据通过建筑自动化***接入地铁车站小***变风量空调***(VAV)。
优选地,如图1和图2所示,在本发明一个实施例中,变风量空调***包括连通风管,连通风管将新风管道、送风管道与回风管道连通;在新风管道上设置有第一新风阀,在连通风管上设置有第二新风阀,在回风管道上设置有二氧化碳传感器和新风阀门控制器,二氧化碳传感器、新风阀门控制器和第一新风阀通过控制线依次连接,送风管道、回风管道、二氧化碳传感器、新风阀门控制器、连通风管、第一新风阀以及新风管道依次连接形成新风量控制回路;建筑自动化***通过二氧化碳传感器来检测连通管道处的二氧化碳浓度,并通过新风阀门控制器来控制第一新风阀的开度进而调节柜式空调器送风的新风比,回风管道接入组合式空调器的回风箱部分,连通风管也属于回风管道。如图2中的回路1所示,二氧化碳传感器设置于空调器连通风管(回风管道)处,建筑自动化***通过检测连通风管(回风管道)处二氧化碳浓度,控制第一新风阀的开度进而调节柜式空调器送风的新风比。
优选地,如图1和图2所示,在本发明一个实施例中,变风量空调***还包括温度传感器、温度控制器和电动二通阀;温度传感器和温度控制器均设置在柜式空调器的出口,电动二通阀设置在柜式空调器上;温度传感器、温度控制器和电动二通阀通过控制线依次连接,温度传感器、温度控制器、电动二通阀和柜式空调器依次连接形成柜式空调器送风温度控制回路;建筑自动化***通过温度传感器来检测柜式空调器出口处的送风温度,并通过温度控制器来调节电动二通阀的开度进而调节柜式空调器出口处的送风温度。如图2中的回路2所示,柜式空调器送风温度控制回路也可叫做组柜式空调机组送风温度控制回路,在空调器出风口设置温度传感器,建筑自动化***通过检测空调器出风口处送风温度,调节冷冻水处电动二通阀开度进而调节送风温度。
优选地,如图1和图2所示,在本发明一个实施例中,变风量空调***还包括静压传感器、静压控制器和风机变频器;静压传感器、静压控制器和风机变频器均设置在柜式空调器上,静压传感器、静压控制器和风机变频器通过控制线依次连接,静压传感器、静压控制器、风机变频器和柜式空调器依次连接形成管网风机频率-管道静压控制回路;建筑自动化***通过静压传感器将送风管道末端的静压值传给静压控制器,静压控制器按给定的调节规律输出频率以通过风机变频器来调节柜式空调器的风机的转速,从而维持送风管道末端的静压值。如图2中的回路3所示,当空调房间的冷/热负荷发生改变,各房间对风量的要求也发生了改变,此时总送风道的压降发生变化,从而导致了风道末端的静压值发生变化,静压传感器将静压值传给控制器,控制器按给定的调节规律输出频率,让风机增加或减少转速,以维持风道末端静压,使空调房间有足够所需风量,***重新进入稳态工作点。优选地,调节规律为比例积分(PI)调节规律。
优选地,如图1至图4所示,在本发明一个实施例中,还包括多个末端装置,变风量空调***还包括风量传感器和风量控制器;末端装置设置在设备及管理用房,柜式空调器的出口及末端装置上均设置有风量传感器和风量控制器;风量传感器和风量控制器通过控制线依次连接,风量传感器、风量控制器、末端装置和设备及管理用房依次连接形成风量控制回路;温度控制器、风量控制回路和非制冷热成像***依次连接形成设备及管理用房温度控制回路;温度控制器给定风量设定值,建筑自动化***通过风量传感器来检测设备及管理用房的进风量与风量设定值是否存在偏差,若存在偏差,风量控制器通过调整末端装置的开度来改变进入设备及管理用房的进风量。如图2中的回路4,风量空调***(VAV)控制进入车站设备及管理用房空气流量的末端装置为节流风阀,大体可以分为压力有关型(Pressure Dependent)和压力无关型(Pressure Independent)。压力有关型末端装置由温度控制器直接控制风阀开度,这类末端装置在控制室内温度时有一定的延迟性,当风道压力波动较大时会使室内温度产生较大波动。本发明采用的是压力无关型,它在温度控制回路增加了一个风量控制回路,当管道静压发生变化使得风阀(房间)的进风量发生变化时,风量检测器会第一时间检测到输出值与风量设定值(由温度控制器给定)是否存在偏差,若有偏差风量控制器会及时做出调整来改变风阀开度从而改变进风量,而不至于当室内温度发生变化时才进行调整,这进一步提升了室内温度控制的稳定性。本设备及管理用房温度控制回路的核心为内嵌人工神经网络算法的风量控制器。
当前的变风量空调***控制基本上采用的是传统的PID算法的DDC控制。但是,地铁车站的VAV空调***是一个干扰大、具有高度非线性和不确定性的***,这就使得依赖于精确模型基础上的传统PID控制算法控制效果不够理想。而VAV***中室内温度控制不仅是一个复杂控制回路(串级),并且在***运行过程中存在较为频繁的温度扰动,需要不断的实施调节,而温度控制回路是利用串级***的参数整定方式对其主、副控制器进行参数整定。在单回路***中,常规的PID参数整定本身就不是最优的,在确定副控制器参数后再确定主控制器参数,这就导致室内温度控制的稳定性和抗干扰性更差,并且在调节一个室内温度串级回路的主、副控制器参数时,往往需要一周甚至几周的时间,因此对于室内温度控制回路的参数整定时,不仅要消耗工程师的大量时间和精力,而且其控制效果也不尽人意。随着智能控制的发展以及在工业领域的成功应用,同样可以将智能控制引用到VAV空调***中来,提高***的稳定性及抗干扰性,从而改善空调房间的舒适性。
而人工神经网络控制可以克服变风量空调***的复杂控制问题,可以对温度、湿度、送风量、新风量等匹配控制,而不会产生***的不稳定。VAV***空气调节过程及各执行器的运行特性具有高度非线性,使得***建模困难,且由于外界气候和空调区域内人员的活动变化很大,对***形成很大的干扰,难以实现稳定控制。这就需要研究适当的控制手段,以保证***的节能效果和运行的稳定性。而人工神经网络以求得问题的满意解为目标,非常适用于VAV空调***的控制。
人工神经网络是一门发展十分迅速的交叉学科,是模拟人类生理上的神经机制的计算模型。它由大量的处理单元组成非线性的大规模自适应***。近些年来,神经网络技术已渗透到各个领域,神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点,具有很强的适应能力和学习能力,在智能控制、模式识别、计算机视觉、非线性优化、信号处理等方面取得了巨大的成功和进展。在实际应用中,绝大部分神经网络模型都是采用前馈(BP)神经网络及其变换形式。BP神经网络是前向网络的核心部分,体现了人工神经网络的精华。BP网络的实质就是采用BP算法进行训练的多层感知器(multi-layer perception,MLP)模型,因为任意连续函数或映射均可用一个三层网络加以实现。而对于空调***的控制,BP模型是比较适合的。它所采用的算法也称为“误差逆传播算法”,其基本思想是最小二乘法。BP网络由输入层、隐含层(中间层)和输出层构成。BP算法的主要思想是把学习过程分为两个阶段:第一阶段是正向传播过程,输入信息从输入层经隐含层逐层计算各单元的实际输出值,每一层神经元的状态只对下一层神经元的状态产生影响。第二阶段是反向传播过程,若在输出层未能得到期望的输出值,则逐层递归计算实际输出与期望输出之间的差值,根据此误差修正前一层权值使误差信号趋向最小。它通过连续不断地在相对于误差函数斜率下降的方向上计算网络权值和偏差变化而逐渐逼近目标。每一次权值和误差的变化都与网络误差的影响成正比。
优选地,如图3和图4所示,在本发明一个实施例中,风量控制器内设置有BP神经网络***,BP神经网络***包括输入层、隐含层和输出层;输入层包括控制参数、状态参数和辅助参数,输出层用于计算末端装置的风量值,控制参数、状态参数、辅助参数用于为建筑自动化***提供数据参数;建筑自动化***能够预测下一时刻末端装置的送风量,从而确定末端装置的最佳运行参数。本发明采用BP神经网络***,通过建筑自动化***对控制参数、状态参数、辅助参数采集,计算并记录空气处理机组的输出能量趋势序列,结合***特性、循环周期、历史负荷数据等推理预测下一时刻变风量空调***的末端装置(VAV box)的送风量,从而确定变风量空调***的末端装置(VAV box)的最佳运行参数,实现空调区域温度的精确控制,在保证服务质量的前提下,最大限度地降低***的能耗。本发明采用BP神经网络***,BP神经网络***由输入层、隐含层(中间层)和输出层构成。针对地铁车站设备用房及管理人员用房负荷的特性,BP神经网络的输入层为如下参数:控制参数、控制参数包括前一天t时刻送风量、前两天t时刻送风量;状态参数、状态参数包括当天t时刻室外温度、当天t-1时刻室外温度、当天t时刻室内温度、当天t-1时刻室内温度、前一天t时刻房间人数、当天t时刻房间人数目;辅助参数、辅助参数包括当天太阳辐射强度、当天大气湿度。输出层为计算风量值。优选地,这里t时刻与t-1时刻之间的单位为小时,例如,当t为8点时,t-1为7点。其中,本发明创新性的引入控制参数、状态参数、辅助参数来计算变风量空调***的末端装置(VAV box)的送风量,同时,本发明选用的控制参数(前一天t时刻送风量、前两天t时刻送风量)、状态参数(当天t时刻室外温度、当天t-1时刻室外温度、当天t时刻室内温度、当天t-1时刻室内温度、前一天t时刻客流、当天t时刻客流)、辅助参数(当天太阳辐射强度、当天大气湿度)。输出层为计算风量值。输入层为如下参数:控制参数(前一天t时刻送风量、前两天t时刻送风量)、状态参数(当天t时刻室外温度、当天t-1时刻室外温度、当天t时刻室内温度、当天t-1时刻室内温度、前一天t时刻房间人数、当天t时刻房间人数目)、辅助参数(当天太阳辐射强度、当天大气湿度)是针对地铁车站设备及管理用房的实际情况而选择的,采用这些参数能更精确的计算变风量空调***的末端装置(VAV box)的送风量,输出层为计算风量值。通过建筑自动化***对控制参数、状态参数、辅助参数采集,计算并记录空气处理机组的输出能量趋势序列,结合***特性、循环周期、历史负荷数据等推理预测下一时刻变风量空调***的末端装置(VAV box)的送风量,从而确定变风量空调***的末端装置(VAV box)的最佳运行参数,实现空调区域温度的精确控制,在保证服务质量的前提下,最大限度地降低***的能耗。
从以上的描述中,可以看出,本发明上述的实施例实现了如下技术效果:
1)本地铁车站设备及管理用房智能空调耦合了非制冷红外焦平面热成像***、变风量空调***、人工神经网络***,上***通过地铁车站建筑自动化***控制,通过多种技术手段实现空调***的舒适性、节能性。
2)本地铁车站设备及管理用房智能空调中的非制冷红外焦平面热成像***,包括非制冷型焦平面阵列热像仪、建筑自动化***,通过非制冷红外焦平面热成像***能直观得到房间内的实时、瞬时人员数据,车站设备用房的温度场。温度数据、人员数据通过建筑自动化***接入车站设备及人员管理用房区域变风量空调***。
3)变风量空调***由4个控制回路构成:柜式空调器送风温度控制回路、管网风机频率-管道静压控制回路、新风量控制回路和设备及管理用房温度控制回路。变风量空调***通过4个回路能够有效降低送风机的运行能耗,节约***的运行费用。不需要进行***风量平衡测试,对各设备及人员管理用房空气温度实现独立控制。
4)本发明中采用BP神经网络***,BP神经网络***由输入层、隐含层(中间层)和输出层构成。通过建筑自动化***对控制参数、状态参数、辅助参数采集,计算并记录空气处理机组的输出能量趋势序列,结合***特性、循环周期、历史负荷数据等推理预测下一时刻变风量空调***的末端装置(VAV box)的送风量,从而确定变风量空调***的末端装置(VAV box)的最佳运行参数,实现空调区域温度的精确控制,在保证服务质量的前提下,最大限度地降低***的能耗。
对比现阶段地铁车站空调***,本发明是通过建筑自动化***耦合了非制冷红外焦平面热成像***、变风量空调***、人工神经网络***的地铁车站设备及管理用房智能空调,本地铁车站设备及管理用房智能空调通过多种技术手段实现空调***的舒适性、节能性。
以上仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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)
1.一种地铁车站设备及管理用房智能空调,其特征在于,包括非制冷热成像***、变风量空调***、新风管道、送风管道、回风管道和柜式空调器;
所述新风管道的一端与新风井连通,所述新风管道的另一端与所述送风管道的一端连通,所述送风管道与所述设备及管理用房连通,所述回风管道的一端与排风井连通,所述回风管道与所述设备及管理用房连通,所述柜式空调器设置在所述送风管道上;
所述非制冷热成像***包括建筑自动化***,所述建筑自动化***与所述变风量空调***连接,所述非制冷热成像***能够得到所述设备及管理用房的温度数据和人员数据,所述温度数据和所述人员数据均通过所述建筑自动化***接入所述变风量空调***,所述变风量空调***由所述建筑自动化***控制;
所述变风量空调***包括柜式空调器送风温度控制回路,所述柜式空调器送风温度控制回路用于调整所述柜式空调器出口处的送风温度。
2.根据权利要求1所述的地铁车站设备及管理用房智能空调,其特征在于,所述非制冷热成像***还包括非制冷型热像仪和监视器;
所述非制冷型热像仪设置在所述设备及管理用房,所述非制冷型热像仪与所述监视器连接,所述监视器与所述建筑自动化***连接;
入射的红外辐射穿过大气进入所述非制冷型热像仪,并经过所述非制冷型热像仪处理后转换成模拟信号送至所述监视器;
优选地,所述非制冷型热像仪为非制冷型焦平面阵列热像仪。
3.根据权利要求1所述的地铁车站设备及管理用房智能空调,其特征在于,所述变风量空调***还包括温度传感器、温度控制器和电动二通阀;
所述温度传感器和所述温度控制器均设置在所述柜式空调器的出口,所述电动二通阀设置在柜式空调器上;
所述温度传感器、所述温度控制器和所述电动二通阀通过控制线依次连接,所述温度传感器、所述温度控制器、所述电动二通阀和所述柜式空调器依次连接形成所述柜式空调器送风温度控制回路;
所述建筑自动化***通过所述温度传感器来检测所述柜式空调器出口处的送风温度,并通过所述温度控制器来调节所述电动二通阀的开度进而调节所述柜式空调器出口处的送风温度。
4.根据权利要求3所述的地铁车站设备及管理用房智能空调,其特征在于,还包括多个末端装置,所述变风量空调***还包括风量传感器和风量控制器;
所述末端装置设置在所述设备及管理用房,所述柜式空调器的出口及所述末端装置上均设置有所述风量传感器和所述风量控制器;
所述风量传感器和所述风量控制器通过控制线依次连接,所述风量传感器、所述风量控制器、所述末端装置和所述设备及管理用房依次连接形成风量控制回路;
所述温度控制器、所述风量控制回路和所述非制冷热成像***依次连接形成设备及管理用房温度控制回路;
所述温度控制器给定风量设定值,所述建筑自动化***通过所述风量传感器来检测所述设备及管理用房的进风量与所述风量设定值是否存在偏差,若存在偏差,所述风量控制器通过调整所述末端装置的开度来改变进入所述设备及管理用房的进风量。
5.根据权利要求4所述的地铁车站设备及管理用房智能空调,其特征在于,所述风量控制器内设置有BP神经网络***,所述BP神经网络***包括输入层、隐含层和输出层;
所述输入层包括控制参数、状态参数和辅助参数,所述输出层用于计算所述末端装置的风量值,所述控制参数、所述状态参数、所述辅助参数用于为所述建筑自动化***提供数据参数;
所述建筑自动化***能够预测下一时刻所述末端装置的送风量,从而确定所述末端装置的最佳运行参数。
6.根据权利要求5所述的地铁车站设备及管理用房智能空调,其特征在于,所述控制参数包括前一天t时刻送风量、前两天t时刻送风量;
所述状态参数包括当天t时刻室外温度、当天t-1时刻室外温度、当天t时刻室内温度、当天t-1时刻室内温度、前一天t时刻房间人数、当天t时刻房间人数目;
所述辅助参数包括当天太阳辐射强度、当天大气湿度。
7.根据权利要求1所述的地铁车站设备及管理用房智能空调,其特征在于,所述变风量空调***包括连通风管,所述连通风管将所述新风管道、所述送风管道与所述回风管道连通;
在所述新风管道上设置有第一新风阀,在所述连通风管上设置有第二新风阀,在所述回风管道上设置有二氧化碳传感器和新风阀门控制器,所述二氧化碳传感器、所述新风阀门控制器和所述第一新风阀通过控制线依次连接,所述送风管道、所述回风管道、所述二氧化碳传感器、所述新风阀门控制器、所述连通风管、所述第一新风阀以及所述新风管道依次连接形成所述新风量控制回路;
所述建筑自动化***通过所述二氧化碳传感器来检测所述连通管道处的二氧化碳浓度,并通过所述新风阀门控制器来控制所述第一新风阀的开度进而调节所述柜式空调器送风的新风比。
8.根据权利要求1所述的地铁车站设备及管理用房智能空调,其特征在于,所述变风量空调***还包括静压传感器、静压控制器和风机变频器;
所述静压传感器、所述静压控制器和所述风机变频器均设置在所述柜式空调器上,所述静压传感器、所述静压控制器和所述风机变频器通过控制线依次连接,所述静压传感器、所述静压控制器、所述风机变频器和所述柜式空调器依次连接形成管网风机频率-管道静压控制回路;
所述建筑自动化***通过所述静压传感器将所述送风管道末端的静压值传给所述静压控制器,所述静压控制器按给定的调节规律输出频率以通过所述风机变频器来调节所述柜式空调器的风机的转速,从而维持所述送风管道末端的静压值。
9.根据权利要求8所述的地铁车站设备及管理用房智能空调,其特征在于,所述调节规律为比例积分调节规律。
10.根据权利要求1所述的地铁车站设备及管理用房智能空调,其特征在于,所述人员数据包括实时、瞬时客流数据;
所述温度数据包括所述设备及管理用房实时、瞬时温度场;
所述设备及管理用房包括地铁车站设备用房和地铁车站管理人员用房。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736196.0A CN113446683B (zh) | 2021-06-30 | 2021-06-30 | 一种地铁车站设备及管理用房智能空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736196.0A CN113446683B (zh) | 2021-06-30 | 2021-06-30 | 一种地铁车站设备及管理用房智能空调 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113446683A true CN113446683A (zh) | 2021-09-28 |
CN113446683B CN113446683B (zh) | 2023-01-17 |
Family
ID=77814692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110736196.0A Active CN113446683B (zh) | 2021-06-30 | 2021-06-30 | 一种地铁车站设备及管理用房智能空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113446683B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114135991A (zh) * | 2021-12-03 | 2022-03-04 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
CN114877490A (zh) * | 2022-04-02 | 2022-08-09 | 重庆市特种设备检测研究院 | 一种用于电梯故障时的通风控制方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201297737Y (zh) * | 2008-11-04 | 2009-08-26 | 杭州华源人工环境工程有限公司 | 一种变风量空调***的可变静压控制*** |
CN103335363A (zh) * | 2013-05-22 | 2013-10-02 | 华中科技大学 | 一体化集中空气处理***的控制装置及控制方法 |
CN208012003U (zh) * | 2018-04-03 | 2018-10-26 | 武汉理工大学 | 一种通过无线信号改变风量的风量控制*** |
CN209801723U (zh) * | 2019-03-28 | 2019-12-17 | 广州珠江装修工程有限公司 | 一种数字化变风量装置 |
CN110736222A (zh) * | 2018-11-19 | 2020-01-31 | 中国建筑西北设计研究院有限公司 | 基于热成像和大数据技术的中央空调***节能控制方法 |
CN111594996A (zh) * | 2020-05-29 | 2020-08-28 | 桂林电子科技大学 | 一种基于深度置信神经网络的变风量空调送风量的预测方法 |
-
2021
- 2021-06-30 CN CN202110736196.0A patent/CN113446683B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201297737Y (zh) * | 2008-11-04 | 2009-08-26 | 杭州华源人工环境工程有限公司 | 一种变风量空调***的可变静压控制*** |
CN103335363A (zh) * | 2013-05-22 | 2013-10-02 | 华中科技大学 | 一体化集中空气处理***的控制装置及控制方法 |
CN208012003U (zh) * | 2018-04-03 | 2018-10-26 | 武汉理工大学 | 一种通过无线信号改变风量的风量控制*** |
CN110736222A (zh) * | 2018-11-19 | 2020-01-31 | 中国建筑西北设计研究院有限公司 | 基于热成像和大数据技术的中央空调***节能控制方法 |
CN209801723U (zh) * | 2019-03-28 | 2019-12-17 | 广州珠江装修工程有限公司 | 一种数字化变风量装置 |
CN111594996A (zh) * | 2020-05-29 | 2020-08-28 | 桂林电子科技大学 | 一种基于深度置信神经网络的变风量空调送风量的预测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114135991A (zh) * | 2021-12-03 | 2022-03-04 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
CN114135991B (zh) * | 2021-12-03 | 2023-03-31 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
CN114877490A (zh) * | 2022-04-02 | 2022-08-09 | 重庆市特种设备检测研究院 | 一种用于电梯故障时的通风控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113446683B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108413567B (zh) | 基于物联网的中央空调节费优化方法与*** | |
CN110288164B (zh) | 一种建筑空调制冷站***预测控制方法 | |
CN113446683B (zh) | 一种地铁车站设备及管理用房智能空调 | |
CN107726546B (zh) | 无人运营的中央空调智能***及其控制方法 | |
CN105320184B (zh) | 建筑室内环境智能监控*** | |
CN201666640U (zh) | 基于无线传感网的中央空调控制*** | |
CN107166633A (zh) | 机房运行能耗实时监测调控方法 | |
CN102494387B (zh) | 地铁bas通风空调***节能控制方法 | |
CN111694388B (zh) | 一种地铁智能监控***及控制方法 | |
CN105042797A (zh) | 一种壁挂式变频空调器控制方法 | |
CN111076378A (zh) | 一种基于负荷预测的地铁车站通风空调节能***及方法 | |
CN116398994B (zh) | 一种基于负荷预测的冷水机组群控优化方法 | |
Bi et al. | Load forecast and fuzzy control of the air-conditioning systems at the subway stations | |
CN109857177B (zh) | 一种建筑电气节能监测方法 | |
CN210377913U (zh) | 新风实训*** | |
CN211526662U (zh) | 一种基于负荷预测的地铁车站通风空调节能*** | |
CN113446684B (zh) | 一种地铁车站公共区智能空调 | |
CN109545022B (zh) | 能源替代技术的独立新风实训***及其控制和计算方法 | |
CN201803430U (zh) | 地铁站内空调节能控制器 | |
CN208567008U (zh) | 基于辐射时间序列方法的空调负荷预测*** | |
CN113390171B (zh) | 通过视觉监测的地下车站通风空调控制方法 | |
CN115854498A (zh) | 一种人工智能自适应节能*** | |
CN113283649B (zh) | 供需协同运行能效控制方法、装置、设备和介质 | |
CN110942262B (zh) | 一种面向增量配电园区内空调需求响应的分区域调控方法 | |
Xiao et al. | Energy saving analysis of refrigeration room group control based on kernel ridge regression algorithm |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |