CN115325682B - 一种高效智能制冷机房性能监测的优化控制方法及装置 - Google Patents
一种高效智能制冷机房性能监测的优化控制方法及装置 Download PDFInfo
- Publication number
- CN115325682B CN115325682B CN202211034033.9A CN202211034033A CN115325682B CN 115325682 B CN115325682 B CN 115325682B CN 202211034033 A CN202211034033 A CN 202211034033A CN 115325682 B CN115325682 B CN 115325682B
- Authority
- CN
- China
- Prior art keywords
- machine room
- parameters
- refrigerating
- cooling
- temperature
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005057 refrigeration Methods 0.000 title claims description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 188
- 238000001816 cooling Methods 0.000 claims abstract description 118
- 239000000498 cooling water Substances 0.000 claims abstract description 79
- 238000013486 operation strategy Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000007710 freezing Methods 0.000 claims description 26
- 230000008014 freezing Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 22
- 230000033228 biological regulation Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 7
- 238000011217 control strategy Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 239000008400 supply water Substances 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 63
- 230000008859 change Effects 0.000 description 9
- 238000004378 air conditioning Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000005494 condensation Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
Classifications
-
- 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
- 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
- F24F11/46—Improving electric energy efficiency or saving
-
- 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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
- F24F2110/12—Temperature of the outside air
-
- 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
- F24F2110/22—Humidity of the outside air
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提出了一种高效智能制冷机房性能监测的优化控制方法及装置,首先根据机组特性制定初级运行策略;采集制冷机房实时运行数据,计算实时制冷量、能效比EER;调整冷却塔风机、冷却水泵、冷冻水泵等的转速,利用李雅普诺夫函数使***达到能耗最小的均衡,将此时室外环境、运行配置、运行效果等参数储存为元胞,进而得到不同环境参数及建筑负荷下的元胞数据库;通过比对室外环境参数、实时制冷量匹配元胞数据,调取元胞配置参数,若△EER大于设定值,***发出报警,调整后达到新的均衡,存储并更新元胞。其有益效果是:本发明确保制冷机房能够在既定工况条件下高效运行,并通过比对学习,进行***优化,保证方法可靠和运行的安全高效。
Description
技术领域
本发明涉及暖通空调制冷机房***领域,特别是指一种高效智能制冷机房性能监测的优化控制方法及装置。
背景技术
水冷中央空调集中式制冷机房内的主要设备包括水冷式冷水机组、冷却水泵、冷冻水泵和冷却塔,这些主要设备需要根据建筑内的冷负荷需求变化调整设备的运行参数,以提供相应的冷水,满足用户需求,实现按需调控。
目前,制冷机房能效过低,制冷机房的EER(Energy Efficiency Ratio,空调、采暖设备提供的冷量或热量与设备本身所消耗的能量之比,简称能效比)大部分都不超过3.5,制冷机房群控自动化程度低,往往依靠人员手动调整水泵、阀门等的开度进行调节,无法按需调控。采用机房群控的制冷机房其智能化程度低,仅通过设定的控制策略及简单的温度反馈,实现一定的节能效果;有些群控策略依照室外环境预测建筑的负荷,将对应负荷率下的运行策略进行实际运行控制,但当制冷机房的运行效率变化较大时无法实现报警,当建筑部分空间功能变化导致负荷变化较大时,无法根据需求自动调整运行策略实现按需调控及节能。现有的机房群控措施,均无法实现既定环境下,自动调整运行参数使之达到既定环境下机房能耗最低,能效最大的功能,也无法实现制冷机房自优化自学习的智能化控制。
发明内容
本发明为解决现有技术中存在的问题,提出一种高效智能制冷机房性能监测的优化控制方法及装置。
本发明的技术方案是这样实现的:
一种高效智能制冷机房性能监测的优化控制方法,包括以下步骤:
步骤1:根据机组特性制定初级运行策略;所述运行策略为满足设备初始使用设定的控制策略,包括不同负荷率下冷水机组、冷冻水泵、冷却水泵、冷却塔风机运行台数及频率;
步骤2:采集制冷机房实时运行数据;所述运行数据包括室外环境温度、相对湿度、湿球温度,室内空气温度、相对湿度,冷水机组的进出水温度、运行台数、耗功率,冷冻水泵和冷却水泵的运行台数、频率、流量、耗功率,冷却塔的进出水温度,冷却塔风机的运行台数、频率、风量、耗功率,用户侧供、回水压差;
步骤3:根据运行数据来计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;输出制冷机房运行时的实时制冷量、机组负荷率、耗功率、制冷能效比EER;显示制冷机房的实时运行数据、实时制冷能效比EER;
步骤4:设定程序参数,调整冷却塔风机、冷却水泵、冷冻水泵的转速;
步骤5:根据李雅普诺夫函数(Lyapunov function)制冷机房达到***均衡;设定***函数为各相关设备耗功率之和与时间的关系,不同时间的配置按照一定的逻辑设定,若按照设定的配置运行较前一配置存在△W减少,则更新配置记录,最终李雅普诺夫函数达到***均衡即达到设定配置中的最小耗功率;
步骤6:将此时室外环境、运行配置、运行效果参数储存为元胞,得到不同环境参数及建筑负荷下的元胞数据库;记录或更新室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,记录机组主要运行参数作为元胞识别参数,包括室外湿球温度、冷却水进入制冷机温度、供冷负荷,并形成数据库元胞;
根据元胞数据控制制冷机房运行及优化程序:采集室外气象参数及制冷机房***实时运行数据,比对室外湿球温度、冷却水进入制冷机温度、供冷负荷等参数,与元胞数据库进行比对,当存在能够匹配的元胞数据,即调用该元胞数据下记录的制冷机房各设备配置进行运行,并进一步对运行能效比进行比对,当△EER≥10%(较原EER低)时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
进一步,在步骤1中,根据机组厂家提供的不同冷却水温度下的不同负荷率的能效比等性能参数制定初级运行策略。
进一步,在步骤4中,调整可分为冷却侧调整和冷冻侧调整,冷却侧调整分为冷却水泵变频和冷却塔风机变频,调整参数时,先调整冷却水泵频率,使冷却水流量一定,再调整冷却塔风机频率,使冷却塔气水比控制在1-1.5,获得与室外湿球温度较***近度的冷却水;冷冻侧调整分为提高用户侧冷冻水供水温度和降低冷冻水供水温度两种模式,调整的模式均为先设定主机的出水温度(即用户侧供水温度),再调整冷冻水泵的频率,并控制室内相对湿度,使之满足室内设计舒适度;设定程序参数时分别对冷却侧和冷冻侧进行调整,先调整冷却侧,再调整冷冻侧。
进一步,在步骤5中,将步骤4设定的所有不同运行调整配置参数运行完毕,得到所有设备的最小功率模式认为达到李雅普诺夫函数达到***均衡。
进一步,在步骤5中,李雅普诺夫函数(Lyapunov function)为在给定的不同离散时间点内设定不同运行配置的动态***,当时间按照xt+1=G(xt)转移时,存在李雅普诺夫函数P(xt)=∑W,对于所有的xt,都有P(xt)≥min{∑W};如果xt+1=G(xt)时,存在一个△W>0,使P(xt+1)≤P(xt)-△W,那么对于G,P是一个李雅普诺夫函数,从x0开始,必定存在一个t*,即xt*=G(xt*)时,使P(xt*)≥min{∑W},即G(xt*)时对应的运行参数可使制冷机房所有设备运行功耗最小。
进一步,在步骤6中,将达到***均衡的数据存储为元胞时,依据室外湿球温度作为标尺,将不同湿球温度下的运行参数及运行效果参数进行储存
一种高效智能制冷机房性能监测的优化控制装置,包括:数据采集处理模块,用于采集并处理室外环境参数及制冷机房***实时运行数据;室外环境参数包括温度、相对湿度;制冷机房***运行数据包括冷水机组主机的进出水温度、机组功耗及运行台数,冷却水泵和冷冻水泵的流量、频率、功耗及运行台数,冷却塔的进出水温度及冷却塔风机的风量、频率、功耗及运行台数,用户侧供回水压差,用户侧室内环境的温度、相对湿度、湿球温度;处理数据包括室外的湿球温度,计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;
对比模块,用于根据采集的室外气象参数及制冷机房***实时运行数据,与元胞数据库进行比对,并匹配确定制冷机房的运行模式;比对参数为室外湿球温度、冷却水进入制冷机温度、供冷负荷;
元胞数据储存模块,为云端远程服务器,用于记录或更新达到***均衡的运行配置及效果数据;记录或更新数据包括室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,并记录机组运行参数作为元胞识别参数,包括室外湿球温度、冷却水进入制冷机温度、冷冻水出制冷机温度,形成数据库元胞;
调整控制模块,调控模块计算为远程服务器提供云计算,用于在一定控制范围内调整制冷机房的运行配置参数,并通过李雅普诺夫函数达到***均衡;的运行配置参数主要为冷却塔风机、冷却水泵、冷冻水泵的参数;李雅普诺夫函数为以时间为变量的不同配置下的设备的耗功率函数;在***在设定的所有配置中,所有设备的功耗最小时的配置达到***均衡;
***优化模块,用于匹配及优化***运行,包括:
当调用元胞数据下记录的制冷机房各设备配置进行运行,对运行能效比进行比对,当△EER≥10%(较原EER低)时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
进一步,结果输出模块,用于输出制冷机房运行实时制冷量、机组负荷率、耗功率、制冷能效比EER;显示模块,用于显示制冷机房实时运行数据、实时制冷能效比EER。
进一步,所述数据采集模块包括温度传感器、湿度传感器、压力传感器、湿球温度计、流量计和电能表。
进一步,所述数据采集处理模块的处理数据的计算方法如下:
Qc=CpGchwρchw(tchwr-tchws)
P=∑W=∑(W1+W2+W3+W4)
式中Qc—制冷机房的制冷量(供冷负荷)、Cp—冷冻水定压质量比热容、ρchw—冷冻水密度、Gchw—冷冻水体积流量、tchwr—冷冻水回水温度、tchws—冷冻水供水温度、PLR—供冷负荷率、Qe—冷水机组额定制冷量、P—制冷机房***所有设备的输入功率、W1—制冷机房***主机输入功率、W2—制冷机房***冷冻水泵输入功率、W3—制冷机房***冷却水泵输入功率、W4—制冷机房***冷却塔风机输入功率、EER—制冷机房制冷能效比、λ—冷却塔气水比、G空—进入冷却塔的空气体积流量、ρ空—进入冷却塔的空气密度、Gcw—进入冷却塔冷却水体积流量、ρcw—进入冷却塔冷却水密度。
本发明的有益效果是:
1、与现有基于既定运行策略下的制冷机房群控相比,本发明通过在既定运行策略下,采集制冷运行参数并进行处理分析基础上,通过自主设定的阈值控制条件,调整制冷机房冷却侧和冷冻侧设备运行配置参数,通过一定的云计算,使***实现李雅普诺夫函数达到***均衡,通过机器自学习,实现了既定工况下制冷机房能耗最小的高效运行;
2、与现有通过参数预测负荷的机房群控相比,本发明通过比对环境参数及设定的运行参数,匹配存储元胞的云数据,确定机组的运行参数,当由于建筑功能变化导致负荷变化较大,使机组运行效果偏差较大时,可通过机器自学习实现制冷机房自优化,从而保证了制冷机房按需调控的稳定性的同时时刻实现机房的高效运行,并且自由化保证了元胞数据方法的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图;
图2为本发明的测点布置图;
图3为本发明制冷机房冷却侧调控及影响示意图;
图4为机组冷凝温度与冷却水温度及室外湿球温度的关系图;
图5为本发明制冷机房冷冻侧调控及影响示意图;
图6为机组蒸发温度与冷冻水温度及室内送风空气温度的关系图;
图7为本发明一种制冷机房性能监测的优化控制装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1~图7所示一种高效智能制冷机房性能监测的优化控制方法,包括以下步骤:
步骤1:根据机组特性制定初级运行策略,根据机组厂家提供的不同冷却水温度下的不同负荷率的能效比等性能参数制定初级运行策略,运行策略为满足设备初始使用设定的控制策略,包括不同负荷率下冷水机组、冷冻水泵、冷却水泵、冷却塔风机运行台数及频率;
步骤2:采集制冷机房实时运行数据;所述运行数据包括室外环境温度、相对湿度、湿球温度,室内空气温度、相对湿度,冷水机组的进出水温度、运行台数、耗功率,冷冻水泵和冷却水泵的运行台数、频率、流量、耗功率,冷却塔的进出水温度,冷却塔风机的运行台数、频率、风量、耗功率,用户侧供、回水压差;
步骤3:根据运行数据来计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;输出制冷机房运行时的实时制冷量、机组负荷率、耗功率、制冷能效比EER;显示制冷机房的实时运行数据、实时制冷能效比EER;
步骤4:设定程序参数,调整冷却塔风机、冷却水泵、冷冻水泵的转速,调整可分为冷却侧调整和冷冻侧调整,冷却侧调整分为冷却水泵变频和冷却塔风机变频,调整参数时,先调整冷却水泵频率,使冷却水流量一定,再调整冷却塔风机频率,使冷却塔气水比控制在1-1.5,获得与室外湿球温度较***近度的冷却水;冷冻侧调整分为提高用户侧冷冻水供水温度和降低冷冻水供水温度两种模式,调整的模式均为先设定主机的出水温度(即用户侧供水温度),再调整冷冻水泵的频率,并控制室内相对湿度,使之满足室内设计舒适度;设定程序参数时分别对冷却侧和冷冻侧进行调整,先调整冷却侧,再调整冷冻侧;
步骤5:根据李雅普诺夫函数(Lyapunov function)制冷机房达到***均衡;设定***函数为各相关设备耗功率之和与时间的关系,不同时间的配置按照一定的逻辑设定,若按照设定的配置运行较前一配置存在△W减少,则更新配置记录,最终李雅普诺夫函数达到***均衡即达到设定配置中的最小耗功率,将步骤4设定的所有不同运行调整配置参数运行完毕,得到所有设备的最小功率模式认为达到李雅普诺夫函数达到***均衡;
李雅普诺夫函数(Lyapunov function)为在给定的不同离散时间点内设定不同运行配置的动态***,当时间按照xt+1=G(xt)转移时,存在李雅普诺夫函数P(xt)=∑W,对于所有的xt,都有P(xt)≥min{∑W};如果xt+1=G(xt)时,存在一个△W>0,使P(xt+1)≤P(xt)-△W,那么对于G,P是一个李雅普诺夫函数,从x0开始,必定存在一个t*,即xt*=G(xt*)时,使P(xt*)≥min{∑W},即G(xt*)时对应的运行参数可使制冷机房所有设备运行功耗最小;
步骤6:将此时室外环境、运行配置、运行效果参数储存为元胞,得到不同环境参数及建筑负荷下的元胞数据库;记录或更新室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,记录机组主要运行参数作为元胞识别参数,包括室外湿球温度、冷却水进入制冷机温度、供冷负荷,并形成数据库元胞,将达到***均衡的数据存储为元胞时,依据室外湿球温度作为标尺,将不同湿球温度下的运行参数及运行效果参数进行储存;
根据元胞数据控制制冷机房运行及优化程序:采集室外气象参数及制冷机房***实时运行数据,比对室外湿球温度、冷却水进入制冷机温度、供冷负荷等参数,与元胞数据库进行比对,当存在能够匹配的元胞数据,即调用该元胞数据下记录的制冷机房各设备配置进行运行,并进一步对运行能效比进行比对,当△EER≥10%(较原EER低)时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
一种高效智能制冷机房性能监测的优化控制装置,包括:
数据采集处理模块,用于采集并处理室外环境参数及制冷机房***实时运行数据,数据采集模块包括温度传感器、湿度传感器、压力传感器、湿球温度计、流量计和电能表;室外环境参数包括温度、相对湿度;制冷机房***运行数据包括冷水机组主机的进出水温度、机组功耗及运行台数,冷却水泵和冷冻水泵的流量、频率、功耗及运行台数,冷却塔的进出水温度及冷却塔风机的风量、频率、功耗及运行台数,用户侧供回水压差,用户侧室内环境的温度、相对湿度、湿球温度;处理数据包括室外的湿球温度,计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;
对比模块,用于根据采集的室外气象参数及制冷机房***实时运行数据,与元胞数据库进行比对,并匹配确定制冷机房的运行模式;比对参数为室外湿球温度、冷却水进入制冷机温度、供冷负荷;
元胞数据储存模块,为云端远程服务器,用于记录或更新达到***均衡的运行配置及效果数据;记录或更新数据包括室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,并记录机组运行参数作为元胞识别参数,包括室外湿球温度、冷却水进入制冷机温度、冷冻水出制冷机温度,形成数据库元胞;
调整控制模块,调控模块计算为远程服务器提供云计算,用于在一定控制范围内调整制冷机房的运行配置参数,并通过李雅普诺夫函数达到***均衡;运行配置参数为冷却塔风机、冷却水泵、冷冻水泵的参数;李雅普诺夫函数为以时间为变量的不同配置下的设备的耗功率函数;李雅普诺夫函数为以时间为变量的不同配置下的设备的耗功率函数;在***在设定的所有配置中,所有设备的功耗最小时的配置达到***均衡,***在设定的所有配置中,认为所有设备的功耗最小时的配置达到***均衡;
***优化模块,用于匹配及优化***运行,包括:
当调用元胞数据下记录的制冷机房各设备配置进行运行,对运行能效比进行比对,当△EER≥10%(较原EER低)时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
结果输出模块,用于输出制冷机房运行实时制冷量、机组负荷率、耗功率、制冷能效比EER;具体地,数据采集模块包括温度传感器、湿度传感器、压力传感器、湿球温度计、流量计和电能表。温度传感器用来监测室内外环境温度、冷水机组进出水温度、冷却塔进出水温度,湿度传感器用来监测室内外环境相对湿度,压力传感器用来监测用户侧供回水压力差,湿球温度计用来监测室外环境湿球温度,电能表用来监测和计量制冷机房***内冷水机组、冷冻水泵、冷却水泵、冷却塔风机等的耗电量,作为一种可实施方式,电能表可为三相多功能电表;将监测到的数据按时间轴处理数据包括室外的湿球温度,计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;同时,将制冷机房***内制冷机组的运行台数、负荷率,冷冻水泵、冷却水泵、冷却塔风机的运行台数及频率等参数,记录上传并储存云端。
显示模块,用于显示制冷机房实时运行数据、实时制冷能效比EER。具体地,显示模块是用户了解***运行状态的窗口,用户可以通过显示装置来确定***内各传感器反馈的参数以及处理过的***运行数据,并可在后台调出云端储存的运行配置参数等数据,显示装置为显示器、打印机等输出设备。
数据采集处理模块的处理数据的计算方法如下:
Qc=CpGchwρchw(tchwr-tchws)
P=∑W=∑(W1+W2+W3+W4)
式中Qc—制冷机房的制冷量(供冷负荷)、Cp—冷冻水定压质量比热容、ρchw—冷冻水密度、Gchw—冷冻水体积流量、tchwr—冷冻水回水温度、tchws—冷冻水供水温度、PLR-供冷负荷率、Qe—冷水机组额定制冷量、P—制冷机房***所有设备的输入功率、W1—制冷机房***主机输入功率、W2—制冷机房***冷冻水泵输入功率、W3—制冷机房***冷却水泵输入功率、W4—制冷机房***冷却塔风机输入功率、EER—制冷机房制冷能效比、λ—冷却塔气水比、G空—进入冷却塔的空气体积流量、ρ空—进入冷却塔的空气密度、Gcw—进入冷却塔冷却水体积流量、ρcw—进入冷却塔冷却水密度。
实施例一
如图1所示,一种制冷机房性能监测的优化控制方法,包括:
步骤S101:根据机组特性制定初级运行策略;
步骤S102:采集制冷机房实时运行数据;
步骤S103:根据所述数据计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;
步骤S104:设定一定的程序,调整冷却塔风机、冷却水泵、冷冻水泵等的转速;
步骤S105:制冷机房根据李雅普诺夫函数(Lyapunov function)达到***均衡;
步骤S106:将此时室外环境、运行配置、运行效果等参数储存为元胞,进而得到不同环境参数及建筑负荷下的元胞数据库;
此外,根据元胞数据控制制冷机房运行及优化程序包括:采集室外气象参数及制冷机房***实时运行数据,比对室外湿球温度、冷却水进入制冷机温度、供冷负荷等参数,室外湿球温度和供冷负荷两个参数可以确定机组的运行台数和负荷率,而冷却水进入制冷机温度的不同对应的主机不同负荷率下的能效不同,其决定机组初期的运行策略,同样影响着元胞数据对应的机组运行能效。与元胞数据库进行比对,当存在能够匹配的元胞数据,即调用该元胞数据下记录的制冷机房各设备配置进行运行,并进一步对运行能效比进行比对,当△EER≥10%(较原EER低)时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
制定初级运行策略的依据是机组厂家提供的不同冷却水温度下的不同负荷率的能效比等性能参数。
运行数据室外环境温度、相对湿度、湿球温度,室内空气温度、相对湿度,冷水机组的进出水温度、运行台数、耗功率,冷冻水泵和冷却水泵的运行台数、频率、流量、耗功率,冷却塔的进出水温度,冷却塔风机的运行台数、频率、风量、耗功率,用户侧供、回水压差。制冷机房在运行过程中,通过安装在***上的传感器(具体安装位置示意如图2所示),采集的参数有室外环境参数包括温度、相对湿度、湿球温度;所述制冷机房***运行数据包括冷水机组主机的进出水温度、机组功耗及运行台数,冷却水泵和冷冻水泵的流量、频率、功耗及运行台数,冷却塔的进出水温度及冷却塔风机的风量、频率、功耗及运行台数,用户侧供回水压差,用户侧室内环境的温度、相对湿度等参数,采集时间间隔为5min,并将所采集的运行数据传递给下一步进行处理。
处理数据包括制冷机房实时制冷量、负荷率、耗功率、能效比EER、气水比,计算方法如下:
Qc=CpGchwρchw(tchwr-tchws)
P=∑W=∑(W1+W2+W3+W4)
式中Qc—制冷机房的制冷量(供冷负荷);
Cp—冷冻水定压质量比热容;
ρchw—冷冻水密度;
Gchw—冷冻水体积流量;
tchwr—冷冻水回水温度;
tchws—冷冻水供水温度;
PLR—供冷负荷率;
Qe—冷水机组额定制冷量;
P—制冷机房***所有设备的输入功率;
W1—制冷机房***主机输入功率;
W2—制冷机房***冷冻水泵输入功率;
W3—制冷机房***冷却水泵输入功率;
W4—制冷机房***冷却塔风机输入功率;
EER—制冷机房制冷能效比;
λ—冷却塔气水比;
G空—进入冷却塔的空气体积流量;
ρ空—进入冷却塔的空气密度;
Gcw—进入冷却塔冷却水体积流量;
ρcw—进入冷却塔冷却水密度。
在步骤S103后,还包括:
输出制冷机房运行实时制冷量、机组负荷率、耗功率、制冷能效比EER;
显示制冷机房实时运行数据、实时制冷能效比EER。
步骤S104,可分为冷却侧调整和冷冻侧调整:
冷却侧调整又分为冷却水泵变频和冷却塔风机变频(如图3所示),调整参数时,先调整冷却水泵频率,水泵频率变化会影响水泵的流量、扬程(一般水泵选型时额定流量下扬程可满足,当频率调小时流量减小扬程增大,所以无需考虑扬程变化)和功耗,流量的变化会影响冷却水供回水温差,流量变小换热量不变的情况下温差会增大,即使冷却水温度与环境湿球温度逼近度比较小,较大的温差也会使制冷机组冷凝温度较高(如图4所示),冷凝温度较高使机组耗功较大,所以冷却水泵流量的变化导致水泵耗功降低和机组能耗之间存在博弈;考虑无论几台冷水机组运行,所有冷却塔均运行,并使冷却水均布,调整冷却塔风机频率使每座冷却塔都达到设定气水比范围,可以降低冷却水出水温度,使机组冷凝温度降低,降低了机组的功耗,但同时增加了冷却塔风机功耗,这两个能耗之间也存在博弈。设定时使冷却水流量一定,再调整冷却塔风机频率,控制冷却水泵最低调频35Hz(即冷却水流量最小为额定流量的70%),每5min离散变频幅度为5Hz,同时调整冷却塔风机频率,调频幅度为5Hz,最终使冷却塔气水比控制在1-1.5(相关研究表明,风水比达到1-1.5时,冷却塔换热效能基本处于稳定,接近极限);
冷冻侧调整可分为提高用户侧冷冻水供水温度和降低冷冻水供水温度两种模式(如图5所示),提高冷冻水供水温度(即冷冻水出制冷机温度,如图6所示)可以提高制冷机组蒸发温度,从而降低机组能耗,但提高冷冻水供水温度使用户侧末端同样出风温度下,空气的含湿量相应增大,即相对湿度变大,根据《民用建筑供暖通风与空气调节设计规范》GB50736-2012中关于舒适性空调室内设计参数规定,具体规定如下:
表1人员长期逗留区域空调室内设计参数
注:I级热舒适度较高,II级热舒适度一般。
当建筑物设计为I级热舒适性等级时,冷冻水供水温度上限是使室内侧相对湿度应≤60%,对设计为II级热舒适性等级建筑,冷冻水供水温度上限是使相对湿度应≤70%。机组出水温度设定后,冷冻水泵根据室内侧负荷需求变频,根据相关研究表明,同一末端产品要取得相同的热交换效果取9℃进水温度比7℃进水温度冷水流量要增加35%左右,用户侧供水温度升高,所需的冷水流量较原来要高,此时水泵功耗较原来要高,所以提高机组出水温度(蒸发温度)与水泵功耗之间存在博弈;降低冷冻水供水温度(即降低冷冻水出制冷机温度,如图6所示)需降低蒸发温度,导致冷水机组压比增大、功耗增加,但其可以增大供回水温差从而使冷冻水泵运输能耗降低,相关研究表明风机盘管冷水供回水在5℃/13℃时的供冷能力,与7℃/12℃冷水的供冷能力基本相同,而降低供水温度,会导致相对湿度降低,根据表1,确定控制条件为室内侧相对湿度≥40%,此时冷水机组功耗增加与冷冻水泵能耗降低之间存在博弈;调整的模式均为先设定主机的出水温度(即用户侧供水温度),可设定每5min修改1℃的步长,再调整冷冻水泵的频率,冷冻水的调整最小频率也为35Hz,每5min离散变频幅度为5Hz,以室内相对湿度为控制目标,使之满足室内设计舒适度;
程序设定时应分别对冷却侧和冷冻侧进行调整,一般可先调整冷却侧,再调整冷冻侧。
在步骤S105中,需将步骤S104设定的所有不同运行调整配置参数运行完毕,得到所有设备的最小功率模式才认为达到李雅普诺夫函数达到***均衡。
在步骤S105中,李雅普诺夫函数(Lyapunov function)为在给定的不同离散时间点内设定不同运行配置的动态***,当时间按照xt+1=G(xt)转移时,存在李雅普诺夫函数P(xt)=∑W,对于所有的xt,都有P(xt)≥min{∑W};如果xt+1=G(xt)时,存在一个△W>0,使P(xt+1)≤P(xt)-△W,那么对于G,P是一个李雅普诺夫函数,从x0开始,必定存在一个t*,即xt*=G(xt*)时,使P(xt*)≥min{∑W},即G(xt*)时对应的运行参数可使制冷机房所有设备运行功耗最小。所述的李雅普诺夫函数达到***均衡为设定***函数为各相关设备耗功率之和与时间的关系,不同时间的配置按照一定的逻辑设定,若按照设定的配置运行较前一配置存在△W减少,则更新配置记录,最终李雅普诺夫函数达到***均衡即达到设定配置中的最小耗功率。
在步骤S106中,将达到***均衡的数据存储为元胞时,依据室外湿球温度作为标尺,将不同湿球温度下的运行参数及运行效果参数进行储存,对同一湿球温度下不同的建筑负荷下运行参数进行二维储存。
如图7所示,本发明还公开一种制冷机房性能监测的优化控制装置,包括:
数据采集处理模块701,用于采集并处理室外环境及制冷机房***实时运行数据;
对比模块702,用于根据采集的室外气象参数及制冷机房***实时运行数据,与元胞数据库进行比对,并匹配确定制冷机房的运行模式;
元胞数据储存模块703,其为云端远程服务器,用于记录或更新达到***均衡的运行配置及效果数据;
调整控制模块704,其为远程服务器提供云计算,用于在一定控制范围内调整制冷机房的运行配置参数,并通过李雅普诺夫函数达到***均衡;
***优化模块705,用于匹配及优化***运行,包括:
当调用元胞数据下记录的制冷机房各设备配置进行运行,对运行能效比进行比对,当△EER≥10%(较原EER低)时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
比对参数为室外湿球温度、冷却水进入制冷机温度、制冷负荷等。
记录或更新数据包括室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,并记录机组主要运行参数作为元胞识别参数,主要包括室外湿球温度、冷却水进入制冷机温度、制冷负荷,形成数据库元胞,记录在云端。
运行配置参数主要为冷却塔风机、冷却水泵、冷冻水泵的参数;李雅普诺夫函数为以时间为变量的不同配置下的设备的耗功率函数;***均衡,即使***在设定的所有配置中,认为所有设备的功耗最小时的配置达到***均衡。
结果输出模块,用于输出制冷机房运行实时制冷量、机组负荷率、耗功率、制冷能效比EER;具体地,数据采集模块包括温度传感器、湿度传感器、压力传感器、湿球温度计、流量计和电能表,温度传感器用来监测室内外环境温度、冷水机组进出水温度、冷却塔进出水温度,湿度传感器用来监测室内外环境相对湿度,压力传感器用来监测用户侧供回水压力差,湿球温度计用来监测室外环境湿球温度,电能表用来监测和计量制冷机房***内冷水机组、冷冻水泵、冷却水泵、冷却塔风机等的耗电量,作为一种可实施方式,电能表可为三相多功能电表;将监测到的数据按时间轴处理数据包括室外的湿球温度,计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;同时,将制冷机房***内制冷机组的运行台数、负荷率,冷冻水泵、冷却水泵、冷却塔风机的运行台数及频率等参数,记录上传并储存云端。
显示模块,用于显示制冷机房实时运行数据、实时制冷能效比EER,显示模块是用户了解***运行状态的窗口,用户可以通过显示装置来确定***内各传感器反馈的参数以及处理过的***运行数据,并可在后台调出云端储存的运行配置参数等数据。显示装置可以为显示器、打印机等输出设备。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (9)
1.一种高效智能制冷机房性能监测的优化控制方法,其特征在于,包括以下步骤:
步骤1:根据机组特性制定初级运行策略;所述运行策略为满足设备初始使用设定的控制策略,包括不同负荷率下冷水机组、冷冻水泵、冷却水泵、冷却塔风机运行台数及频率;
步骤2:采集制冷机房实时运行数据;所述运行数据包括室外环境温度、相对湿度、湿球温度,室内空气温度、相对湿度,冷水机组的进出水温度、运行台数、耗功率,冷冻水泵和冷却水泵的运行台数、频率、流量、耗功率,冷却塔的进出水温度,冷却塔风机的运行台数、频率、风量、耗功率,用户侧供、回水压差;
步骤3:根据运行数据来计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;输出制冷机房运行时的实时制冷量、机组负荷率、耗功率、制冷能效比EER;显示制冷机房的实时运行数据、实时制冷能效比EER;
步骤4:设定程序参数,调整冷却塔风机、冷却水泵、冷冻水泵的转速;
步骤5:根据李雅普诺夫函数(Lyapunov function)制冷机房达到***均衡;设定***函数为各相关设备耗功率之和与时间的关系,不同时间的配置按照一定的逻辑设定,若按照设定的配置运行较前一配置存在△W减少,则更新配置记录,最终李雅普诺夫函数达到***均衡即达到设定配置中的最小耗功率;具体的,李雅普诺夫函数(Lyapunov function)为在给定的不同离散时间点内设定不同运行配置的动态***,当时间按照xt+1=G(xt)转移时,存在李雅普诺夫函数P(xt)=∑W,对于所有的xt,都有P(xt)≥min{∑W};如果xt+1=G(xt)时,存在一个△W>0,使P(xt+1)≤P(xt)-△W,那么对于G,P是一个李雅普诺夫函数,从x0开始,必定存在一个t*,即xt*=G(xt*)时,使P(xt*)≥min{∑W},即G(xt*)时对应的运行参数可使制冷机房所有设备运行功耗最小;
步骤6:将此时室外环境、运行配置、运行效果参数储存为元胞,得到不同环境参数及建筑负荷下的元胞数据库;记录或更新室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,记录机组主要运行参数作为元胞识别参数,包括室外湿球温度、冷却水进入制冷机温度、供冷负荷,并形成数据库元胞;
根据元胞数据控制制冷机房运行及优化程序:采集室外气象参数及制冷机房***实时运行数据,比对室外湿球温度、冷却水进入制冷机温度、供冷负荷参数,与元胞数据库进行比对,当存在能够匹配的元胞数据,即调用该元胞数据下记录的制冷机房各设备配置进行运行,并进一步对运行能效比进行比对,当△EER≥10%时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
2.根据权利要求1所述的高效智能制冷机房性能监测的优化控制方法,其特征在于:在步骤1中,根据机组厂家提供的不同冷却水温度下的不同负荷率的能效比性能参数制定初级运行策略。
3.根据权利要求1所述的高效智能制冷机房性能监测的优化控制方法,其特征在于:在步骤4中,调整可分为冷却侧调整和冷冻侧调整,冷却侧调整分为冷却水泵变频和冷却塔风机变频,调整参数时,先调整冷却水泵频率,使冷却水流量一定,再调整冷却塔风机频率,使冷却塔气水比控制在1-1.5,获得与室外湿球温度较***近度的冷却水;冷冻侧调整分为提高用户侧冷冻水供水温度和降低冷冻水供水温度两种模式,调整的模式均为先设定主机的出水温度,再调整冷冻水泵的频率,并控制室内相对湿度,使之满足室内设计舒适度;设定程序参数时分别对冷却侧和冷冻侧进行调整,先调整冷却侧,再调整冷冻侧。
4.根据权利要求1所述的高效智能制冷机房性能监测的优化控制方法,其特征在于:在步骤5中,将步骤4设定的所有不同运行调整配置参数运行完毕,得到所有设备的最小功率模式认为达到李雅普诺夫函数达到***均衡。
5.根据权利要求1所述的高效智能制冷机房性能监测的优化控制方法,其特征在于:在步骤6中,将达到***均衡的数据存储为元胞时,依据室外湿球温度作为标尺,将不同湿球温度下的运行参数及运行效果参数进行储存。
6.如权利要求1~5任一项所述的一种高效智能制冷机房性能监测的优化控制装置,其特征在于,包括:数据采集处理模块,用于采集并处理室外环境参数及制冷机房***实时运行数据;室外环境参数包括温度、相对湿度;制冷机房***运行数据包括冷水机组主机的进出水温度、机组功耗及运行台数,冷却水泵和冷冻水泵的流量、频率、功耗及运行台数,冷却塔的进出水温度及冷却塔风机的风量、频率、功耗及运行台数,用户侧供回水压差,用户侧室内环境的温度、相对湿度、湿球温度;处理数据包括室外的湿球温度,计算制冷机房实时制冷量、负荷率、耗功率、能效比EER;
对比模块,用于根据采集的室外气象参数及制冷机房***实时运行数据,与元胞数据库进行比对,并匹配确定制冷机房的运行模式;比对参数为室外湿球温度、冷却水进入制冷机温度、供冷负荷;
元胞数据储存模块,为云端远程服务器,用于记录或更新达到***均衡的运行配置及效果数据;记录或更新数据包括室外气象参数、机组制冷量、负荷率、制冷能效比EER,以及此时水泵、风机、水泵的运行参数配置,并记录机组运行参数作为元胞识别参数,包括室外湿球温度、冷却水进入制冷机温度、冷冻水出制冷机温度,形成数据库元胞;
调整控制模块,调控模块计算为远程服务器提供云计算,用于在一定控制范围内调整制冷机房的运行配置参数,并通过李雅普诺夫函数达到***均衡;的运行配置参数主要为冷却塔风机、冷却水泵、冷冻水泵的参数;李雅普诺夫函数为以时间为变量的不同配置下的设备的耗功率函数;在***在设定的所有配置中,所有设备的功耗最小时的配置达到***均衡;
***优化模块,用于匹配及优化***运行,包括:
当调用元胞数据下记录的制冷机房各设备配置进行运行,对运行能效比进行比对,当△EER≥10%时,发出报警信号,可通过调整运行策略或设备维护后重新达到李雅普诺夫函数达到***均衡,新的能效比对△EER≤5%时满足要求,更新数据建立新的元胞数据;当不存在能够匹配的元胞数据,按照设定程序使***达到李雅普诺夫函数达到***均衡,并储存新的元胞数据,完善数据库。
7.根据权利要求6所述的高效智能制冷机房性能监测的优化控制装置,其特征在于:结果输出模块,用于输出制冷机房运行实时制冷量、机组负荷率、耗功率、制冷能效比EER;显示模块,用于显示制冷机房实时运行数据、实时制冷能效比EER。
8.根据权利要求6所述的高效智能制冷机房性能监测的优化控制装置,其特征在于:所述数据采集处理模块包括温度传感器、湿度传感器、压力传感器、湿球温度计、流量计和电能表。
9.根据权利要求6所述的高效智能制冷机房性能监测的优化控制装置,其特征在于:所述数据采集处理模块的处理数据的计算方法如下:
Qc=CpGchwρchw(tchwr-tchws)
P=∑W=∑(W1+W2+W3+W4)
式中Qc-制冷机房的制冷量、Cp-冷冻水定压质量比热容、ρchw-冷冻水密度、Gchw-冷冻水体积流量、tchwr-冷冻水回水温度、tchws-冷冻水供水温度、PLR-供冷负荷率、Qe-冷水机组额定制冷量、P-制冷机房***所有设备的输入功率、W1-制冷机房***主机输入功率、W2-制冷机房***冷冻水泵输入功率、W3-制冷机房***冷却水泵输入功率、W4-制冷机房***冷却塔风机输入功率、EER-制冷机房制冷能效比、λ-冷却塔气水比、G空-进入冷却塔的空气体积流量、ρ空-进入冷却塔的空气密度、Gcw-进入冷却塔冷却水体积流量、ρcw-进入冷却塔冷却水密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034033.9A CN115325682B (zh) | 2022-08-26 | 2022-08-26 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034033.9A CN115325682B (zh) | 2022-08-26 | 2022-08-26 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115325682A CN115325682A (zh) | 2022-11-11 |
CN115325682B true CN115325682B (zh) | 2024-04-26 |
Family
ID=83927931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211034033.9A Active CN115325682B (zh) | 2022-08-26 | 2022-08-26 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115325682B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116068886B (zh) * | 2022-12-09 | 2024-06-28 | 上海碳索能源服务股份有限公司 | 一种高效制冷机房冷却水***的优化控制装置 |
CN116007122B (zh) * | 2022-12-31 | 2023-07-21 | 珠海市百徽机电工程有限公司 | 基于数据分析的高效制冷机房节能监控*** |
CN115686108B (zh) * | 2023-01-03 | 2023-04-07 | 浙江德塔森特数据技术有限公司 | 一种边缘数据机房多层级云管控方法及*** |
WO2024146529A1 (zh) * | 2023-01-04 | 2024-07-11 | 青岛海信日立空调***有限公司 | 制冷机房及其能效确定方法 |
CN116481150B (zh) * | 2023-06-25 | 2023-08-29 | 烟台东方智能技术有限公司 | 基于端云协同的高效空调机房***能效优化控制方法 |
CN116840605B (zh) * | 2023-08-28 | 2023-11-17 | 北京英沣特能源技术有限公司 | 一种高效制冷机房能效预测方法 |
CN117053619B (zh) * | 2023-10-13 | 2024-01-02 | 常州中冷环保技术有限公司 | 一种冷却塔运行监测***及控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010020160A1 (en) * | 2008-08-22 | 2010-02-25 | Weldtech Technology (Shanghai) Co., Ltd. | Method and system of energy-efficient control for central chiller plant systems |
CN101968250A (zh) * | 2010-10-13 | 2011-02-09 | 日滔贸易(上海)有限公司 | 一种冷冻机房节能优化控制***及方法 |
CN103277875A (zh) * | 2013-06-21 | 2013-09-04 | 上海能誉科技发展有限公司 | 一种冷冻机房节能控制*** |
JP2015102876A (ja) * | 2013-11-20 | 2015-06-04 | 国立大学法人金沢大学 | 最大電力追従制御装置及び最大電力追従制御方法 |
CN105719028A (zh) * | 2016-03-08 | 2016-06-29 | 北京工业大学 | 一种基于多因素混沌支持向量机的空调负荷动态预测方法 |
CN107218701A (zh) * | 2017-06-09 | 2017-09-29 | 河海大学 | 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 |
CN109546873A (zh) * | 2019-01-30 | 2019-03-29 | 哈尔滨理工大学 | 基于李雅普诺夫算法状态变量优化的均流方法 |
CN113937802A (zh) * | 2021-09-10 | 2022-01-14 | 南京南瑞继保电气有限公司 | 一种基于李雅普诺夫优化的微电网实时调度方法及装置 |
CN114611288A (zh) * | 2022-03-10 | 2022-06-10 | 上海聚鑫节能工程科技有限公司 | 一种中央空调***智能化高效机房节能算法模型 |
-
2022
- 2022-08-26 CN CN202211034033.9A patent/CN115325682B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010020160A1 (en) * | 2008-08-22 | 2010-02-25 | Weldtech Technology (Shanghai) Co., Ltd. | Method and system of energy-efficient control for central chiller plant systems |
CN101968250A (zh) * | 2010-10-13 | 2011-02-09 | 日滔贸易(上海)有限公司 | 一种冷冻机房节能优化控制***及方法 |
CN103277875A (zh) * | 2013-06-21 | 2013-09-04 | 上海能誉科技发展有限公司 | 一种冷冻机房节能控制*** |
JP2015102876A (ja) * | 2013-11-20 | 2015-06-04 | 国立大学法人金沢大学 | 最大電力追従制御装置及び最大電力追従制御方法 |
CN105719028A (zh) * | 2016-03-08 | 2016-06-29 | 北京工业大学 | 一种基于多因素混沌支持向量机的空调负荷动态预测方法 |
CN107218701A (zh) * | 2017-06-09 | 2017-09-29 | 河海大学 | 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 |
CN109546873A (zh) * | 2019-01-30 | 2019-03-29 | 哈尔滨理工大学 | 基于李雅普诺夫算法状态变量优化的均流方法 |
CN113937802A (zh) * | 2021-09-10 | 2022-01-14 | 南京南瑞继保电气有限公司 | 一种基于李雅普诺夫优化的微电网实时调度方法及装置 |
CN114611288A (zh) * | 2022-03-10 | 2022-06-10 | 上海聚鑫节能工程科技有限公司 | 一种中央空调***智能化高效机房节能算法模型 |
Non-Patent Citations (1)
Title |
---|
不可逆制冷机全局稳定性分析;马文礼;王荣;赵刘波;;建筑热能通风空调;20160725(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115325682A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115325682B (zh) | 一种高效智能制冷机房性能监测的优化控制方法及装置 | |
US8660702B2 (en) | Central cooling and circulation energy management control system | |
CN104566868B (zh) | 一种中央空调控制***及其控制方法 | |
CN101424436B (zh) | 一种中央空调智能优化控制***及方法 | |
CN113739371B (zh) | 一种基于云端协同的中央空调***及其控制方法 | |
WO2012048443A1 (zh) | 一种冷冻机房节能优化控制***及方法 | |
CN110107989A (zh) | 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法 | |
CN102455093A (zh) | 制冷***能效控制方法 | |
CN212720195U (zh) | 一种基于***整体能效比cop最佳的冷却水***控制装置 | |
CN112747419B (zh) | 中央空调风水联动控制方法、装置、设备及存储介质 | |
CN113446705A (zh) | 一种地铁高效机房节能控制***及控制方法 | |
CN112503746A (zh) | 基于机器学习与粒子群算法的动力站房冷源***的控制方法 | |
CN114459133B (zh) | 一种中央空调***节能控制方法及节能控制*** | |
CN101922783A (zh) | 一种基于焓值控制的空调节能控制方法及*** | |
CN110940061A (zh) | 中央空调控制方法及*** | |
CN211903215U (zh) | 一种地铁高效机房节能控制*** | |
CN111854015B (zh) | 空调制冷机房***及其控制方法 | |
CN217109938U (zh) | 一种空调能效分析与调适*** | |
CN114440409A (zh) | 一种中央空调***自适应节能控制方法 | |
CN210441402U (zh) | 一种空调***的自动化控制装置 | |
CN115560430B (zh) | 一种基于云边计算的空调模型优化方法及*** | |
CN216620197U (zh) | 一种中央空调风水联动控制*** | |
CN113757856A (zh) | 一种空调冷却水***控制方法及装置 | |
CN105240993A (zh) | 一种中央空调的精细化节能控制***及其实现方法 | |
CN204853838U (zh) | 一种中央空调控制*** |
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 |