CN116336625B - 一种中央空调冷站群控节能控制方法、装置、设备及存储介质 - Google Patents
一种中央空调冷站群控节能控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116336625B CN116336625B CN202310563803.7A CN202310563803A CN116336625B CN 116336625 B CN116336625 B CN 116336625B CN 202310563803 A CN202310563803 A CN 202310563803A CN 116336625 B CN116336625 B CN 116336625B
- Authority
- CN
- China
- Prior art keywords
- representative
- cooling
- radiator
- cooling circuit
- wind speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004378 air conditioning Methods 0.000 title description 9
- 238000001816 cooling Methods 0.000 claims abstract description 233
- 230000007613 environmental effect Effects 0.000 claims abstract description 51
- 239000003507 refrigerant Substances 0.000 claims abstract description 41
- 239000013598 vector Substances 0.000 claims description 166
- 238000004891 communication Methods 0.000 claims description 18
- 239000002826 coolant Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 abstract description 6
- 238000004134 energy conservation Methods 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 239000013589 supplement Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 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
- F24F11/62—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
- F24F11/30—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
-
- 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)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种中央空调冷站群控节能控制方法、装置、设备及存储介质,涉及空调节能技术领域。本发明包括,将相同用冷习惯的冷却回路划入同一个冷却回路分组;获取每个冷却回路分组的代表冷却回路;根据代表冷却回路的环境温差和散热器风速的历史记录得到代表冷却回路的分时段的代表环境温差和代表散热器风速;根据代表冷却回路的分时段的代表环境温差和代表散热器风速匹配代表冷却回路的分时段冷媒需求温度;向代表冷却回路所在的冷却回路分组中的全部冷却回路的冷端,按照代表冷却回路的分时段冷媒需求温度通入对应温度的冷媒。本发明有效降低了制冷的能耗有效降低了制冷的能耗。
Description
技术领域
本发明属于空调节能技术领域,特别是涉及一种中央空调冷站群控节能控制方法、装置、设备及存储介质。
背景技术
中央空调***广泛应用于办公楼、商场、酒店、医院等大型建筑物,对于节能减排具有重要意义。中央空调冷站是中央空调***的核心部分,由冷水机组、冷却塔、水泵、管道等组成,负责为空调***提供冷源。为了提高能源利用效率需要在满足用户制冷需求的前提下尽量提高冷媒的温度,以此降低冷站热泵的制冷功率损耗。
有鉴于此,需要避免为了照顾部分用冷习惯偏低温的用户需要全体通入较低温冷媒的问题。
发明内容
本发明的目的在于提供一种中央空调冷站群控节能控制方法、装置、设备及存储介质,通过将用冷习惯接近或相同的用户冷端通入相同温度的冷媒,有效降低了制冷的能耗。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明提供一种中央空调冷站群控节能控制方法,包括,
接收每条冷却回路的冷端的环境温差和散热器风速的历史记录;
根据每条冷却回路的冷端的环境温差和散热器风速的历史记录将具有相同用冷习惯的冷却回路划入同一个冷却回路分组;
获取每个所述冷却回路分组的代表冷却回路;
根据所述代表冷却回路的环境温差和散热器风速的历史记录得到所述代表冷却回路的分时段的代表环境温差和代表散热器风速;
根据所述代表冷却回路的分时段的代表环境温差和代表散热器风速匹配所述代表冷却回路的分时段冷媒需求温度;
向所述代表冷却回路所在的所述冷却回路分组中的全部所述冷却回路的冷端,按照所述代表冷却回路的分时段冷媒需求温度通入对应温度的冷媒。
本发明还公开了一种中央空调冷站群控节能控制方法,包括,
获取冷却回路的冷端的环境温差和散热器风速的历史记录;
发送冷却回路的冷端的环境温差和散热器风速的历史记录;
接入按照以上的中央空调冷站群控节能控制方法控制生成的温度的冷媒。
本发明还公开了一种控制设备,包括,
传感单元,用于获取冷却回路的冷端的环境温差和散热器风速的历史记录;
第二通讯单元,用于发送冷却回路的冷端的环境温差和散热器风速的历史记录;
第二控制单元,用于控制接入按照上述的中央空调冷站群控节能控制方法控制生成的温度的冷媒。
本发明还公开了一种中央空调冷站群控节能控制装置,包括,冷站,冷端以及冷却回路,所述冷站通过相互独立的所述冷却回路连通所述冷端;其中,
所述冷站包括第一通讯单元、计算单元以及第一控制单元,
所述第一通讯单元,用于接收每条冷却回路的冷端的环境温差和散热器风速的历史记录;
所述计算单元,用于根据每条冷却回路的冷端的环境温差和散热器风速的历史记录将具有相同用冷习惯的冷却回路划入同一个冷却回路分组;
获取每个所述冷却回路分组的代表冷却回路;
根据所述代表冷却回路的环境温差和散热器风速的历史记录得到所述代表冷却回路的分时段的代表环境温差和代表散热器风速;
根据所述代表冷却回路的分时段的代表环境温差和代表散热器风速匹配所述代表冷却回路的分时段冷媒需求温度;
所述第一控制单元,用于向所述代表冷却回路所在的所述冷却回路分组中的全部所述冷却回路的冷端,按照所述代表冷却回路的分时段冷媒需求温度通入对应温度的冷媒;
所述冷端包括传感单元、第二通讯单元以及第二控制单元,
所述传感单元,用于获取冷却回路的冷端的环境温差和散热器风速的历史记录,
所述第二通讯单元,用于发送冷却回路的冷端的环境温差和散热器风速的历史记录,
所述第二控制单元,用于控制接入所述第一控制单元控制生成的温度的冷媒。
本发明还公开了一种存储介质,所述存储介质中存储有至少一条命令、至少一段程序、代码集或指令集,所述至少一条命令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的中央空调冷站群控节能控制方法。
本发明通过收集每条冷却回路的冷端环境温差和散热器风速的历史记录,根据这些记录将具有相似用冷习惯的冷却回路分为同一组,获取每个组的代表回路,根据代表冷却回路的数据计算出分时段代表温差和风速,匹配代表冷却回路的冷媒需求温度,最终按照需求温度向该组内的所有冷却回路通入对应温度的冷媒。在本方案中由于不需要按照最低冷媒温度需求向全部冷却回路接入冷媒,从而有效提高了冷媒制冷的功耗。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明所述一种中央空调冷站群控节能控制方法于一实施例的实施步骤示意图;
图2为本发明所述步骤S2于一实施例的实施步骤示意图;
图3为本发明所述步骤S24于一实施例的实施步骤示意图;
图4为本发明所述步骤S243于一实施例的实施步骤示意图;
图5为本发明所述步骤S3于一实施例的实施步骤示意图;
图6为本发明所述步骤S4于一实施例的实施步骤示意图;
图7为本发明所述一种中央空调冷站群控节能控制装置于一实施例的功能模块及信息流向示意图。
附图中,各标号所代表的部件列表如下:
1-冷站,11-第一控制单元,12-计算单元,13-第一通讯单元;
2-冷端,21传感单元,22-第二通讯单元,23第二控制单元。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
为了提高冷站对冷媒的制冷效率,本发明提供以下方案。
请参阅图1所示,本发明提供了一种中央空调冷站群控节能控制装置,从功能模块上划分可以包括冷站、冷端以及制冷回路,冷站是负责对冷端集中供冷的集中热泵站,即中央空调集中制冷机房。冷端是位于用户住宅等居所的空调机。冷站通过相互独立的冷却回路连通冷端,冷却回路在实际应用中可以是保温材料包裹的耐压密封铜管。
本方案中的冷站在功能模块上可以包括第一通讯单元、计算单元以及第一控制单元。在具体实施的过程中第一通讯单元首先可以执行步骤S1接收每条冷却回路的冷端的环境温差和散热器风速的历史记录。接下来由计算单元执行步骤S2根据每条冷却回路的冷端的环境温差和散热器风速的历史记录将具有相同用冷习惯的冷却回路划入同一个冷却回路分组。接下来可以执行步骤S3获取每个冷却回路分组的代表冷却回路。接下来可以执行步骤S4根据代表冷却回路的环境温差和散热器风速的历史记录得到代表冷却回路的分时段的代表环境温差和代表散热器风速。接下来可以执行步骤S5根据代表冷却回路的分时段的代表环境温差和代表散热器风速匹配代表冷却回路的分时段冷媒需求温度。最后由第一控制单元执行步骤S6向代表冷却回路所在的冷却回路分组中的全部冷却回路的冷端,按照代表冷却回路的分时段冷媒需求温度通入对应温度的冷媒;
本方案中的冷端包括传感单元、第二通讯单元以及第二控制单元。在具体实施的过程中首先由传感单元获取冷却回路的冷端的环境温差和散热器风速的历史记录。之后可以由第二通讯单元发送冷却回路的冷端的环境温差和散热器风速的历史记录。最后由第二控制单元控制接入第一控制单元控制生成的温度的冷媒。
以上步骤在实施的过程中,通过搜集每个冷却循环中冷部的环境温差和散热器风速的过往数据,依据这些信息将具备相近冷却习惯的冷却循环归为一类,获得每类的典型循环,依据典型冷却循环的信息推算出时段划分的温差和风速,对应典型冷却循环的制冷剂需求温度,最后根据所需温度向同类冷却循环输送适宜温度的制冷剂。在此方案中,由于无需根据最低制冷剂温度要求为所有冷却循环提供制冷剂,因此能够显著提高制冷剂制冷效率。
为了对以上步骤进行补充说明,针对上述步骤的核心内容提供部分功能模块的源码。
#include<iostream>
#include<vector>
#include<map>
#include<algorithm>
using namespace std;
struct Record {
int temperature_difference;
int radiator_wind_speed;
};
struct RepresentativeRecord {
int representative_temperature_difference;
int representative_radiator_wind_speed;
int representative_medium_temperature;
};
bool cmp(const Record&a, const Record&b) {
if (a.temperature_difference != b.temperature_difference) {
return a.temperature_difference<b.temperature_difference;
}
return a.radiator_wind_speed<b.radiator_wind_speed;
}
int main() {
vector<Record>records;
map<Record, vector<Record>>groups;
map<Record, RepresentativeRecord>representatives;
// 接收历史记录
int n;
cin>>n;
for (int i = 0; i<n; i++) {
Record record;
cin>>record.temperature_difference>>record.radiator_wind_speed;
records.push_back(record);
}
// 划分冷却回路分组
sort(records.begin(), records.end(), cmp);
for (int i = 0; i<n; i++) {
groups[records[i]].push_back(records[i]);
}
// 获取代表冷却回路
for (map<Record, vector<Record>>::iterator it = groups.begin();it != groups.end(); it++) {
Record representative = it->first;
representatives[representative] ={representative.temperature_difference, representative.radiator_wind_speed,0};
}
// 获取代表环境温差和代表散热器风速
for (map<Record, RepresentativeRecord>::iterator it =representatives.begin(); it != representatives.end(); it++) {
Record representative = it->first;
vector<Record>group = groups[representative];
int sum_temperature_difference = 0, sum_radiator_wind_speed =0;
for (int i = 0; i<group.size(); i++) {
sum_temperature_difference += group[i].temperature_difference;
sum_radiator_wind_speed += group[i].radiator_wind_speed;
}
int average_temperature_difference = sum_temperature_difference / group.size();
int average_radiator_wind_speed = sum_radiator_wind_speed /group.size();
representatives[representative] = {average_temperature_difference, average_radiator_wind_speed, 0};
}
// 匹配冷媒需求温度
for (map<Record, RepresentativeRecord>::iterator it =representatives.begin(); it != representatives.end(); it++) {
RepresentativeRecord representative = it->second;
int temperature_difference = representative.representative_temperature_difference;
int radiator_wind_speed = representative.representative_radiator_wind_speed;
int medium_temperature = 0;
// 根据环境温差和散热器风速计算冷媒需求温度
// 以下代码仅为示例,请根据具体需求进行修改
medium_temperature = temperature_difference * radiator_wind_speed;
representatives[it->first] = {representative.representative_temperature_difference, representative.representative_radiator_wind_speed,medium_temperature};
}
请参阅图2所示,为了发现使用空调习惯相同或相似的冷端,上述的步骤S2在实施的过程中首先可以执行步骤S21根据每条冷却回路的冷端的环境温差和散热器风速的历史记录获取在设定历史时间段内的环境温差的均值以及标准差。接下来可以执行步骤S22将在设定历史时间段内的环境温差和散热器风速的均值以及标准差均分别处于相同范围内的冷却回路划入同一个冷却回路预分组内。接下来可以执行步骤S23在每个冷却回路预分组内,根据每条冷却回路的冷端的环境温差和散热器风速在设定历史时间段内的历史记录得到每条冷却回路的冷端的环境温差和散热器风速的分布特征。接下来可以执行步骤S24将每个冷却回路预分组内环境温差和散热器风速的分布特征相同的冷却回路划入同一个冷却回路分组。以上过程中将用户的用冷习惯具体到设定历史时段内环境温差、散热器风速等具体指标,通过这些指标进行预分类,之后再根据分布特征进行准确分类,从而将使用空调习惯相同或相似的用户冷端进行归类。
为了对以上步骤进行补充说明,针对上述步骤的核心内容提供部分功能模块的源码。
#include<iostream>
#include<vector>
#include<map>
#include<cmath>
using namespace std;
struct Record {
int temperature_difference;
int radiator_wind_speed;
};
bool cmp1(const Record&a, const Record&b) {
return a.temperature_difference<b.temperature_difference;
}
bool cmp2(const Record&a, const Record&b) {
return a.radiator_wind_speed<b.radiator_wind_speed;
}
double mean(const vector<Record>&records, int feature) {
double sum = 0;
for (int i = 0; i<records.size(); i++) {
if (feature == 1) {
sum += records[i].temperature_difference;
} else {
sum += records[i].radiator_wind_speed;
}
}
return sum / records.size();
}
double standard_deviation(const vector<Record>&records, int feature){
double average = mean(records, feature);
double deviation = 0;
for (int i = 0; i<records.size(); i++) {
if (feature == 1) {
deviation += pow(records[i].temperature_difference -average, 2);
} else {
deviation += pow(records[i].radiator_wind_speed -average, 2);
}
}
deviation = sqrt(deviation / records.size());
return deviation;
}
int main() {
vector<Record>records;
map<pair<double, double>, vector<Record>>pre_groups;
map<pair<double, double>, vector<vector<Record>>>groups;
// 接收历史记录
int n;
cin>>n;
for (int i = 0; i<n; i++) {
Record record;
cin>>record.temperature_difference>>record.radiator_wind_speed;
records.push_back(record);
}
// 获取均值和标准差
int period;
cin>>period;
vector<Record>period_records(records.end() - period, records.end());
double average_temperature_difference = mean(period_records, 1);
double average_radiator_wind_speed = mean(period_records, 2);
double deviation_temperature_difference = standard_deviation(period_records, 1);
double deviation_radiator_wind_speed = standard_deviation(period_records, 2);
// 预分组
double lower_bound_temperature_difference = average_temperature_difference - deviation_temperature_difference;
double upper_bound_temperature_difference = average_temperature_difference + deviation_temperature_difference;
double lower_bound_radiator
请参阅图3所示,为了对不同用冷习惯的用户冷端进行准确分组,上述的步骤S24在具体实施的过程中首先可以执行步骤S241从每条冷却回路的冷端的环境温差和散热器风速的分布特征中获取每条冷却回路的冷端的环境温差和散热器风速位于若干个相同间隔设定时刻的数值。接下来可以执行步骤S242将每条冷却回路的冷端的环境温差和散热器风速位于若干个相同间隔设定时刻的数值按照相同的顺序排列得到冷却回路的多维数据特征向量。最后可以执行步骤S243根据冷却回路的多维数据特征向量将具有相同向量特征的冷却回路划入同一个冷却回路分组。在此过程中通过构建冷却回路的多维数据特征向量对用户冷端的用冷习惯进行量化描述,从而提高分组的准确性。
为了对以上步骤进行补充说明,针对上述步骤的核心内容提供部分功能模块的源码。
#include<iostream>
#include<vector>
#include<map>
using namespace std;
struct Record {
int temperature_difference;
int radiator_wind_speed;
};
bool cmp(const vector<int>&a, const vector<int>&b) {
for (int i = 0; i<a.size(); i++) {
if (a[i]<b[i]) {
return true;
} else if (a[i]>b[i]) {
return false;
}
}
return false;
}
vector<int>get_feature_vector(const vector<Record>&records, intinterval) {
vector<int>feature_vector;
for (int i = 0; i<records.size(); i += interval) {
feature_vector.push_back(records[i].temperature_difference);
feature_vector.push_back(records[i].radiator_wind_speed);
}
return feature_vector;
}
int main() {
vector<vector<Record>>records;
map<vector<int>, vector<vector<Record>>>groups;
// 接收历史记录
int n, m;
cin>>n>>m;
for (int i = 0; i<n; i++) {
int k;
cin>>k;
vector<Record>record;
for (int j = 0; j<k; j++) {
Record r;
cin>>r.temperature_difference>>r.radiator_wind_speed;
record.push_back(r);
}
records.push_back(record);
}
// 获取特征向量
int interval;
cin>>interval;
for (int i = 0; i<n; i++) {
vector<int>feature_vector = get_feature_vector(records[i],interval);
groups[feature_vector].push_back(records[i]);
}
// 分组
for (map<vector<int>, vector<vector<Record>>>::iterator it =groups.begin(); it != groups.end(); it++) {
vector<int>feature_vector = it->first;
vector<vector<Record>>group = it->second;
cout<<"冷却回路分组:"<<endl;
cout<<"特征向量:";
for (int i = 0; i<feature_vector.size(); i++) {
cout<<feature_vector[i]<<" ";
}
cout<<endl;
cout<<"冷却回路数量:"<<group.size()<<endl;
for (int i = 0; i<group.size(); i++) {
cout<<"冷却回路 "<<i + 1<<
请参阅图4所示,考虑到精细调控的难度,可以将用冷习惯相差不大的冷端划入同一个分组内,也就是将对应的冷却回路划入同一个冷却回路分组内。具体而言,上述的步骤S243在实施的过程中首先可以执行步骤S2431在同一个冷却回路预分组内全部冷却回路的多维数据特征向量中抽取若干个多维数据特征向量作为基准多维数据特征向量。接下来可以执行步骤S2432获取每个基准多维数据特征向量与其它多维数据特征向量的向量差的模长。接下来可以执行步骤S2433根据每个基准多维数据特征向量与其它多维数据特征向量的向量差的模长,将基准多维数据特征向量与向量差的模长最小的其它多维数据特征向量进行配组。接下来可以执行步骤S2434基准多维数据特征向量与配组的全部其它多维数据特征向量构成特征向量数组。接下来可以执行步骤S2435获取每个特征向量数组中全部多维数据特征向量的均值向量。接下来可以执行步骤S2436将特征向量数组中与均值向量的向量差的模长最小的多维数据特征向量作为更新后的基准多维数据特征向量。接下来可以执行步骤S2437持续更新基准多维数据特征向量和特征向量数组。接下来可以执行步骤S2438判断特征向量数组内多维数据特征向量的数量是否不再变化。若否则接下来可以返回执行步骤S2437持续更新基准多维数据特征向量和特征向量数组。若是则接下来可以执行步骤S2439将同一个特征向量数组内多维数据特征向量对应的冷却回路划入同一个冷却回路分组。
为了对以上步骤进行补充说明,针对上述步骤的核心内容提供部分功能模块的源码。
#include<iostream>
#include<vector>
#include<cmath>
using namespace std;
const int N = 100; // 假设有100个多维数据特征向量
// 向量差的模长
double modulus(vector<double>v1, vector<double>v2) {
double res = 0;
for (int i = 0; i<v1.size(); i++) {
res += (v1[i] - v2[i]) * (v1[i] - v2[i]);
}
return sqrt(res);
}
// 获取均值向量
vector<double>mean(vector<vector<double>>data) {
vector<double>res(data[0].size(), 0);
for (int i = 0; i<data.size(); i++) {
for (int j = 0; j<data[i].size(); j++) {
res[j] += data[i][j];
}
}
for (int i = 0; i<res.size(); i++) {
res[i] /= data.size();
}
return res;
}
int main() {
vector<vector<double>>features(N, vector<double>(5, 0)); // 假设每个多维数据特征向量有5维
// 先将features中的数据模拟出来
for (int i = 0; i<N; i++) {
for (int j = 0; j<5; j++) {
features[i][j]= i * j;
}
}
vector<int>groups(N, -1); // 初始化冷却回路分组
int group_id = 0; // 分组编号
while (true) {
vector<int>base_features; // 基准多维数据特征向量编号
for (int i = 0; i<N; i++) {
if (groups[i] == -1) {
base_features.push_back(i);
groups[i] = group_id;
}
}
if (base_features.empty()) {
break;
}
while (true) {
bool updated = false; // 标识是否有基准多维数据特征向量被更新
for (int i = 0; i<base_features.size(); i++) {
int base = base_features[i];
vector<vector<double>>feature_group
请参阅图5所示,为了减低后续的计算量,可以在每个冷却回路分组选择一个最具有代表性的冷却回路用于后续分析计算,因此上述的步骤S3在具体实施的过程中首先可以执行步骤S31获取每个冷却回路分组对应的特征向量数组。接下来可以执行步骤S32获取对应的特征向量数组中的基准多维数据特征向量作为代表多维数据特征向量。最后可以执行步骤S33将代表多维数据特征向量对应的冷却回路作为冷却回路分组的代表冷却回路。
为了对以上步骤进行补充说明,针对上述步骤的核心内容提供部分功能模块的源码。
#include<iostream>
#include<vector>
using namespace std;
const int N = 100; // 假设有100个多维数据特征向量
int main() {
vector<int>groups(N, -1); // 冷却回路分组,初始化为-1
vector<vector<double>>features(N, vector<double>(5, 0)); // 假设每个多维数据特征向量有5维
// 先将features中的数据模拟出来
for (int i = 0; i<N; i++) {
for (int j = 0; j<5; j++) {
features[i][j]= i * j;
}
}
// 先将groups中的数据模拟出来
for (int i = 0; i<N; i++) {
groups[i] = i % 10;
}
// 获取每个冷却回路分组对应的特征向量数组
int group_count = *max_element(groups.begin(), groups.end()) +1;
vector<vector<vector<double>>>group_features(group_count);
for (int i = 0; i<N; i++) {
group_features[groups[i]].push_back(features[i]);
}
// 获取对应的特征向量数组中的基准多维数据特征向量作为代表多维数据特征向量
vector<vector<double>>representative_features(group_count);
for (int i = 0; i<group_count; i++) {
representative_features[i] = group_features[i][0];
}
// 将代表多维数据特征向量对应的冷却回路作为冷却回路分组的代表冷却回路
vector<int>representative_cooling_loops(group_count);
for (int i = 0; i<group_count; i++) {
for (int j = 0; j<N; j++) {
if (features[j] == representative_features[i]) {
representative_cooling_loops[i] = j;
break;
}
}
}
return 0;
}
请参阅图6所示,由于用户使用冷气具有时间上的周期性,这就导致不能使用恒定的冷媒温度对用户的冷端进行供冷,而是需要考虑到不同的时段。因此上述的步骤S4在具体实施的过程中首先可以执行步骤S41根据代表冷却回路的环境温差和散热器风速的历史记录获取在设定历史时间段内的代表冷却回路的环境温差和散热器风速关于时间的拟合函数。接下来可以执行步骤S42将在设定历史时间段内的代表冷却回路的环境温差和散热器风速关于时间的拟合函数按照相同的时间间隔进行分段,得到代表冷却回路的环境温差和散热器风速关于时间的分时段拟合函数。接下来可以执行步骤S43对于每一个时段,获取代表冷却回路的环境温差关于时间的拟合函数在该时段上的积分的均值作为代表冷却回路的分时段的代表环境温差。最后可以执行步骤S44对于每一个时段,获取代表冷却回路的散热器风速关于时间的拟合函数在该时段上的积分的均值作为代表冷却回路的分时段的代表散热器风速。
为了对以上步骤进行补充说明,针对上述步骤的核心内容提供部分功能模块的源码。
#include<iostream>
#include<vector>
#include<cmath>
using namespace std;
const int N = 100; // 假设有100个代表冷却回路
const int M = 1000; // 假设有1000个历史记录
// 假设拟合函数已经得到,这里模拟拟合函数的返回值
double temperature_fit(double t) {
return t * t + 2 * t + 1;
}
double wind_speed_fit(double t) {
return t + 2;
}
int main() {
int history_time = 10; // 假设历史时间段为10
int time_interval = 2; // 假设时间间隔为2
// 获取代表冷却回路的分时段的代表环境温差
vector<double>representative_temperature(history_time / time_interval, 0);
for (int i = 0; i<history_time / time_interval; i++) {
double t_start = i * time_interval;
double t_end = t_start + time_interval;
double sum = 0;
for (double t = t_start; t<= t_end; t += 0.01) {
sum += temperature_fit(t);
}
representative_temperature[i] = sum / (t_end - t_start) *100;
}
// 获取代表冷却回路的分时段的代表散热器风速
vector<double>representative_wind_speed(history_time / time_interval, 0);
for (int i = 0; i<history_time / time_interval; i++) {
double t_start = i * time_interval;
double t_end = t_start + time_interval;
double sum = 0;
for (double t = t_start; t<= t_end; t += 0.01) {
sum += wind_speed_fit(t);
}
representative_wind_speed[i] = sum / (t_end - t_start) * 100;
}
return 0;
}
本方案还提供一种中央空调冷站群控节能控制方法。本方法与上述的步骤S1至S6相互配合。本方法是由冷端视角进行步骤执行,在具体实施的过程中首先可以执行步骤获取冷却回路的冷端的环境温差和散热器风速的历史记录。之后可以执行步骤发送冷却回路的冷端的环境温差和散热器风速的历史记录。最后执行步骤接入步骤S1至步骤S6生成的温度的冷媒。
请参阅图7所示,本方案中的冷端中还具有一种控制设备,从功能模块上划分可以包括传感单元、第二通讯单元以及第二控制单元。在具体实施的过程中传感单元可以用于获取冷却回路的冷端的环境温差和散热器风速的历史记录。第二通讯单元可以用于发送冷却回路的冷端的环境温差和散热器风速的历史记录。第二控制单元可以用于控制接入按照步骤S1至步骤S6控制生成的温度的冷媒。
本方案还提供一种存储介质,存储介质中存储有至少一条命令、至少一段程序、代码集或指令集,至少一条命令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的中央空调冷站群控节能控制方法。
综上所述,本方案通过搜集各冷却循环线路的冷端温度差以及散热器的风速历史数据,依据这些信息将具有类似冷却使用习惯的回路归为一组。对每组抽取代表性冷却回路,根据其数据计算各时段的代表温差和风速,确定相应的冷却剂需求温度。最后,根据所需温度为每组内的所有冷却循环提供相应温度的冷却剂。在此方案中,由于无需根据最低冷却剂温度需求为所有冷却回路提供冷却剂,从而有助于提高冷却剂制冷效能。
附图中的流程图和框图显示了根据本申请的多个实施例的装置、***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行相应的功能或动作的硬件,例如电路或ASIC(专用集成电路,Application Specific Integrated Circuit)来实现,或者可以用硬件和软件的组合,如固件等来实现。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其它变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种中央空调冷站群控节能控制方法,其特征在于,包括,
接收每条冷却回路的冷端的环境温差和散热器风速的历史记录;
根据每条冷却回路的冷端的环境温差和散热器风速的历史记录将具有相同用冷习惯的冷却回路划入同一个冷却回路分组;
获取每个所述冷却回路分组的代表冷却回路;
根据所述代表冷却回路的环境温差和散热器风速的历史记录得到所述代表冷却回路的分时段的代表环境温差和代表散热器风速;
根据所述代表冷却回路的分时段的代表环境温差和代表散热器风速匹配所述代表冷却回路的分时段冷媒需求温度;
向所述代表冷却回路所在的所述冷却回路分组中的全部所述冷却回路的冷端,按照所述代表冷却回路的分时段冷媒需求温度通入对应温度的冷媒。
2.根据权利要求1所述的方法,其特征在于,所述根据每条冷却回路的冷端的环境温差和散热器风速的历史记录将具有相同用冷习惯的冷却回路划入同一个冷却回路分组的步骤,包括,
根据每条冷却回路的冷端的环境温差和散热器风速的历史记录获取在设定历史时间段内的环境温差的均值以及标准差;
将在设定历史时间段内的环境温差和散热器风速的均值以及标准差分别处于相同范围内的所述冷却回路划入同一个冷却回路预分组内;
在每个冷却回路预分组内,根据每条冷却回路的冷端的环境温差和散热器风速在设定历史时间段内的历史记录得到每条冷却回路的冷端的环境温差和散热器风速的分布特征;
将每个冷却回路预分组内环境温差和散热器风速的分布特征相同的冷却回路划入同一个冷却回路分组。
3.根据权利要求2所述的方法,其特征在于,所述将每个冷却回路预分组内环境温差和散热器风速的分布特征相同的冷却回路划入同一个冷却回路分组的步骤,包括,
从每条冷却回路的冷端的环境温差和散热器风速的分布特征中获取每条冷却回路的冷端的环境温差和散热器风速位于若干个相同间隔设定时刻的数值;
将每条冷却回路的冷端的环境温差和散热器风速位于若干个相同间隔设定时刻的数值按照相同的顺序排列得到所述冷却回路的多维数据特征向量;
根据所述冷却回路的多维数据特征向量将具有相同向量特征的所述冷却回路划入同一个冷却回路分组。
4.根据权利要求3所述的方法,其特征在于,所述根据所述冷却回路的多维数据特征向量将具有相同向量特征的所述冷却回路划入同一个冷却回路分组的步骤,包括,
在同一个冷却回路预分组内全部所述冷却回路的多维数据特征向量中抽取若干个所述多维数据特征向量作为基准多维数据特征向量;
获取每个所述基准多维数据特征向量与其它所述多维数据特征向量的向量差的模长;
根据每个所述基准多维数据特征向量与其它所述多维数据特征向量的向量差的模长,将所述基准多维数据特征向量与向量差的模长最小的其它所述多维数据特征向量进行配组;
所述基准多维数据特征向量与配组的全部其它所述多维数据特征向量构成特征向量数组;
获取每个特征向量数组中全部所述多维数据特征向量的均值向量;
将所述特征向量数组中与均值向量的向量差的模长最小的所述多维数据特征向量作为更新后的所述基准多维数据特征向量;
持续更新所述基准多维数据特征向量和所述特征向量数组;
判断所述特征向量数组内所述多维数据特征向量的数量是否不再变化;
若否,则持续更新所述基准多维数据特征向量和所述特征向量数组;
若是,则将同一个所述特征向量数组内所述多维数据特征向量对应的冷却回路划入同一个冷却回路分组。
5.根据权利要求4所述的方法,其特征在于,所述获取每个所述冷却回路分组的代表冷却回路的步骤,包括,
获取每个所述冷却回路分组对应的所述特征向量数组;
获取对应的所述特征向量数组中的所述基准多维数据特征向量作为代表多维数据特征向量;
将代表多维数据特征向量对应的冷却回路作为所述冷却回路分组的所述代表冷却回路。
6.根据权利要求2所述的方法,其特征在于,所述根据所述代表冷却回路的环境温差和散热器风速的历史记录得到所述代表冷却回路的分时段的代表环境温差和代表散热器风速的步骤,包括,
根据所述代表冷却回路的环境温差和散热器风速的历史记录获取在设定历史时间段内的所述代表冷却回路的环境温差和散热器风速关于时间的拟合函数;
将在设定历史时间段内的所述代表冷却回路的环境温差和散热器风速关于时间的拟合函数按照相同的时间间隔进行分段,得到所述代表冷却回路的环境温差和散热器风速关于时间的分时段拟合函数;
对于每一个时段,获取所述代表冷却回路的环境温差关于时间的拟合函数在该时段上的积分的均值作为所述代表冷却回路的分时段的代表环境温差;
对于每一个时段,获取所述代表冷却回路的散热器风速关于时间的拟合函数在该时段上的积分的均值作为所述代表冷却回路的分时段的代表散热器风速。
7.一种中央空调冷站群控节能控制方法,其特征在于,包括,
获取冷却回路的冷端的环境温差和散热器风速的历史记录;
发送冷却回路的冷端的环境温差和散热器风速的历史记录;
接入按照权利要求1至6任一项所述的中央空调冷站群控节能控制方法控制生成的温度的冷媒。
8.一种控制设备,其特征在于,包括,
传感单元,用于获取冷却回路的冷端的环境温差和散热器风速的历史记录;
第二通讯单元,用于发送冷却回路的冷端的环境温差和散热器风速的历史记录;
第二控制单元,用于控制接入按照权利要求1至6任一项所述的中央空调冷站群控节能控制方法控制生成的温度的冷媒。
9.一种中央空调冷站群控节能控制装置,其特征在于,包括,冷站,冷端以及冷却回路,所述冷站通过相互独立的所述冷却回路连通所述冷端;其中,
所述冷站包括第一通讯单元、计算单元以及第一控制单元,
所述第一通讯单元,用于接收每条冷却回路的冷端的环境温差和散热器风速的历史记录;
所述计算单元,用于根据每条冷却回路的冷端的环境温差和散热器风速的历史记录将具有相同用冷习惯的冷却回路划入同一个冷却回路分组;
获取每个所述冷却回路分组的代表冷却回路;
根据所述代表冷却回路的环境温差和散热器风速的历史记录得到所述代表冷却回路的分时段的代表环境温差和代表散热器风速;
根据所述代表冷却回路的分时段的代表环境温差和代表散热器风速匹配所述代表冷却回路的分时段冷媒需求温度;
所述第一控制单元,用于向所述代表冷却回路所在的所述冷却回路分组中的全部所述冷却回路的冷端,按照所述代表冷却回路的分时段冷媒需求温度通入对应温度的冷媒;
所述冷端包括传感单元、第二通讯单元以及第二控制单元,
所述传感单元,用于获取冷却回路的冷端的环境温差和散热器风速的历史记录,
所述第二通讯单元,用于发送冷却回路的冷端的环境温差和散热器风速的历史记录,
所述第二控制单元,用于控制接入所述第一控制单元控制生成的温度的冷媒。
10.一种存储介质,其特征在于,所述存储介质中存储有至少一条命令、至少一段程序、代码集或指令集,所述至少一条命令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至6任一项所述的中央空调冷站群控节能控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310563803.7A CN116336625B (zh) | 2023-05-18 | 2023-05-18 | 一种中央空调冷站群控节能控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310563803.7A CN116336625B (zh) | 2023-05-18 | 2023-05-18 | 一种中央空调冷站群控节能控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116336625A CN116336625A (zh) | 2023-06-27 |
CN116336625B true CN116336625B (zh) | 2023-08-18 |
Family
ID=86893230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310563803.7A Active CN116336625B (zh) | 2023-05-18 | 2023-05-18 | 一种中央空调冷站群控节能控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116336625B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1782584A (zh) * | 2004-11-30 | 2006-06-07 | 乐金电子(天津)电器有限公司 | 一托多型空气调节器及其控制方法 |
JP2008241231A (ja) * | 2007-02-26 | 2008-10-09 | Shimizu Corp | 省エネ空調制御システム |
JP2018189293A (ja) * | 2017-05-01 | 2018-11-29 | 株式会社東芝 | 空調制御システム、空調制御方法及びプログラム |
CN109269036A (zh) * | 2018-09-14 | 2019-01-25 | 青岛海信日立空调***有限公司 | 多联机空调的云端控制方法以及多联机空调*** |
CN112432323A (zh) * | 2020-11-03 | 2021-03-02 | 青岛海尔空调器有限总公司 | 空调的控制方法、装置、计算机存储介质和电子设备 |
CN113405240A (zh) * | 2021-06-24 | 2021-09-17 | 海信(山东)空调有限公司 | 同步一拖多空调的控制方法和控制装置及空调和存储介质 |
CN215062790U (zh) * | 2020-12-31 | 2021-12-07 | 广州永昱节能科技股份有限公司 | 一种变风量箱 |
CN115507527A (zh) * | 2022-10-14 | 2022-12-23 | 青岛海信日立空调***有限公司 | 一种基于深度强化学习的空调控制*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5801732B2 (ja) * | 2012-01-24 | 2015-10-28 | 株式会社日立製作所 | 情報処理システムの運用管理方法 |
-
2023
- 2023-05-18 CN CN202310563803.7A patent/CN116336625B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1782584A (zh) * | 2004-11-30 | 2006-06-07 | 乐金电子(天津)电器有限公司 | 一托多型空气调节器及其控制方法 |
JP2008241231A (ja) * | 2007-02-26 | 2008-10-09 | Shimizu Corp | 省エネ空調制御システム |
JP2018189293A (ja) * | 2017-05-01 | 2018-11-29 | 株式会社東芝 | 空調制御システム、空調制御方法及びプログラム |
CN109269036A (zh) * | 2018-09-14 | 2019-01-25 | 青岛海信日立空调***有限公司 | 多联机空调的云端控制方法以及多联机空调*** |
CN112432323A (zh) * | 2020-11-03 | 2021-03-02 | 青岛海尔空调器有限总公司 | 空调的控制方法、装置、计算机存储介质和电子设备 |
CN215062790U (zh) * | 2020-12-31 | 2021-12-07 | 广州永昱节能科技股份有限公司 | 一种变风量箱 |
CN113405240A (zh) * | 2021-06-24 | 2021-09-17 | 海信(山东)空调有限公司 | 同步一拖多空调的控制方法和控制装置及空调和存储介质 |
CN115507527A (zh) * | 2022-10-14 | 2022-12-23 | 青岛海信日立空调***有限公司 | 一种基于深度强化学习的空调控制*** |
Non-Patent Citations (1)
Title |
---|
工业循环水***的节能优化研究;林雪茹 等;自动化仪表;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116336625A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104515245B (zh) | 空调***的控制方法及装置 | |
CN110410942B (zh) | 一种冷热源机房节能优化控制方法及*** | |
CN105890082A (zh) | 蓄冷型空调器及其控制方法 | |
CN107255347A (zh) | 一种空调器压缩机运行功率检测方法和空调器 | |
CN109737570B (zh) | 一种多联机运行调控方法及*** | |
CN106568172B (zh) | 节能温度控制方法、装置及空调遥控*** | |
CN111156657A (zh) | 空调结霜状态确定方法和装置 | |
US10684070B2 (en) | Variable refrigerant flow system with capacity limits | |
CN109210729B (zh) | 一种提高空调制冷利用效率和冗余度方法及*** | |
CN116336625B (zh) | 一种中央空调冷站群控节能控制方法、装置、设备及存储介质 | |
Jain et al. | Thermodynamics-based optimization and control of vapor-compression cycle operation: Optimization criteria | |
Chen | The equivalent cycle system of an endoreversible absorption refrigerator and its general performance characteristics | |
CN110848892B (zh) | 一种冰蓄冷***的节能运行方法、装置、设备及存储介质 | |
CN208705744U (zh) | 一种适用于复杂温度环境的智能温控配电柜 | |
CN105518394A (zh) | 运行控制装置及运行控制方法 | |
CN109506344A (zh) | 空调制冷量的控制方法、装置及电子设备 | |
CN111415036B (zh) | 一种中央空调***并联冷机负荷优化分配方法 | |
CN114909724A (zh) | 用于空调外机降温的方法、装置、空调、存储介质 | |
CN109764555A (zh) | 一种能源***及其热水器、空调温度调节的控制方法 | |
CN212253245U (zh) | 多种出水温度调节控制的冷水机 | |
CN106133318B (zh) | 用于控制可变容量压缩机的***及方法 | |
CN210861901U (zh) | 一种冷水供应***的变工况能效测试*** | |
CN105588268B (zh) | 多联机空调***的控制方法及室内机 | |
CN110864417A (zh) | 一种空调***的节能控制方法、装置及*** | |
CN110671869A (zh) | 一种冷水供应***的变工况能效测试***及其应用 |
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 |