CN117366799A - 建筑物冷源***的控制方法 - Google Patents
建筑物冷源***的控制方法 Download PDFInfo
- Publication number
- CN117366799A CN117366799A CN202311271306.6A CN202311271306A CN117366799A CN 117366799 A CN117366799 A CN 117366799A CN 202311271306 A CN202311271306 A CN 202311271306A CN 117366799 A CN117366799 A CN 117366799A
- Authority
- CN
- China
- Prior art keywords
- unit
- load
- water
- value
- unit combination
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 222
- 238000001816 cooling Methods 0.000 claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 238000013486 operation strategy Methods 0.000 claims abstract description 13
- 239000000498 cooling water Substances 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 14
- 230000035945 sensitivity Effects 0.000 claims description 13
- 238000011217 control strategy Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 230000003416 augmentation Effects 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000012937 correction 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
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
-
- 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
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
- F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
-
- 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)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了建筑物冷源***的控制方法,包括:基于当前机组组合τ‑Δτ时刻的负荷测量值,预测τ时刻的负荷预测值:基于所述负荷预测值及当前机组组合的负荷值,形成可选择的多种机组组合;对每种机组组合的运行参数优化计算,得到每种机组组合的运行优化参数;基于每种机组组合的负荷率计算每种机组组合的综合运行功率,根据所述综合运行功率,选择一个机组组合作为优化结果。本发明以冷水机组综合能效为目标,对机组启停、各机组负荷率、各机组冷水供水温度、各机组对应的冷冻水水泵频率、各冷却塔风机控制频率设定值组成的冷源***运行策略进行综合优化,在保障供冷效果的前提下,使冷源***运行在更高效的区间,提高***运行能效。
Description
技术领域
本发明涉及建筑物冷源***控制技术领域,特别是涉及建筑物冷源***的控制方法。
背景技术
建筑物在全球能源使用和二氧化碳排放方面都扮演着重要的角色,占世界能源使用的三分之一和二氧化碳排放量的四分之一。由于HVAC(供暖、通风和空调)***占建筑能耗的38%,建筑能耗节能潜力非常巨大。建筑冷源***是指为满足建筑物空调需求而设计的***,由冷水机组、输配管道、换热设备、冷源控制***组成。建筑冷源***的供冷设备包括风冷式冷水机组、地源热泵、直膨式冷水机组等,输配管道包括供水管、回水管、分支管道等,换热设备包括辐射板式换热器、风机盘管等。冷源控制***则负责控制建筑冷源***的运行,包括冷负荷计算、温度控制、水流量控制等。
冷源群控算法随着建筑能源管理和智能化技术的发展,其发展历程分为以下阶段:初期阶段:冷源群控算法最初出现在上世纪八十年代,主要是为了解决传统冷源***存在的能源浪费和舒适度问题。这一阶段主要是基于经验和规则制定的冷源群控算法,控制策略主要是根据季节、时间和建筑物类型等因素制定的固定控制方案。中期阶段:随着计算机技术的进步和智能化控制技术的应用,冷源群控算法逐渐向智能化和自适应发展。这一阶段主要是基于模型预测控制和人工神经网络控制等技术的冷源群控算法,其控制策略可根据实时的冷负荷需求进行动态调节,实现了能源的高效利用和舒适度的提高。现代阶段:随着大数据、云计算和物联网等技术的广泛应用,冷源群控算法进一步向智能化和网络化发展。这一阶段主要是基于云计算平台和物联网技术的冷源群控算法,可以实现冷源***的远程监控和控制,提高了冷源***运行效率和稳定性。
目前冷源群控算法仍然存在一些不足之处,表现在以下方面:
1、负荷预测不准确:冷源群控算法的核心是根据实时的冷负荷需求进行动态调节,然而冷负荷的预测存在误差,导致冷源***的控制效果不尽如人意。2、对控制策略的依赖性:冷源群控算法的控制效果很大程度上取决于控制策略的制定,如果控制策略不合理或者不适用于具体的建筑物,就会导致控制效果不佳。3、***复杂度高:冷源群控算法需要建立冷源***的模型,采集大量的实时数据,并进行复杂的计算和控制,导致***的复杂度较高,不易实现。
因此,需要进一步研究和改进,以提高技术应用效果和稳定性。
发明内容
本发明的目的是针对现有技术中的问题,提供建筑物冷源***的控制方法。
一种建筑物冷源***的控制方法,包括步骤:
基于当前机组组合τ-Δτ时刻的负荷测量值,预测τ时刻的负荷预测值:
基于所述负荷预测值及当前机组组合的负荷值的关系,形成可选择的多种机组组合;
对每种机组组合的运行参数优化计算,得到每种机组组合的运行优化参数;
基于运行优化参数的负荷率计算每种机组组合的综合运行功率,根据所述综合运行功率,选择一个机组组合作为优化结果,输出由对应的运行优化参数构成的运行策略。
其中,所述基于当前机组组合τ-Δτ时刻的负荷测量值,预测τ时刻的负荷预测值,包括:
基于当前机组组合τ-Δτ时刻的负荷测量值Ed,τ-Δτ,得到τ时刻的确定性负荷预测值与τ-Δτ时刻的随机性负荷测量值Xd,τ-Δτ;
执行加权递推算法目标函数FFRLS,修正随机性负荷自回归系数然后执行随机性负荷自回归模型,获得τ时刻的随机性负荷预测值/>
所述确定性负荷预测值与随机性负荷预测值/>之和为τ时刻的负荷预测值/>
所述确定性负荷预测值由确定性模型基于一次移动平均算法获得,表达式如下:
式中,是τ-Δτ时刻的确定性预测值,Ed,τ-Δτ是τ-Δτ时刻的负荷测量值,λ是指数平滑系数;
机组组合τ时刻负荷测量值Ed,τ通过实时冷水机组***的供冷量以及室内温度监测值计算得到,表示如下:
式中,ρwaterCp,water是水的容重,由冷冻水密度ρwater与水的比热容Cp,water相乘获得;是τ-1时刻冷冻水流量;Tchws和Tchwr分别是τ-1时刻冷水供水温度及回水温度;VB是建筑供冷体积,为建筑各层供冷面积与层高乘积;/>和hn,des分别是室内空气焓值τ时刻的检测值与设计值,tτ是建筑供冷调节时间;所述随机性负荷预测值/>被描述为前n个时刻的随机性负荷测量值Xτ-jΔτ与误差值/>的线性组合,所述误差值为前n个时刻的随机性负荷测量值Xτ-jΔτ与对应的前n个时刻的随机性负荷预测值/>之差,表达式如下:
所述加权递推算法目标函数FFRLS为:
α为遗忘因子,若中间传递矩阵P出现非正定,取最新负荷数据对由所述确定性模型及随机性负荷自回归模型构成的负荷预测模型重新训练;否则,获得τ时刻负荷测量值Ed,τ构成的训练数据后,执行确定性模型,获取与训练数据的数量相同的前n个时刻的随机性负荷测量值Xτ-jΔτ,然后最小二乘法初始化随机性负荷自回归系数计算随机性负荷预测值/>
其中,所述多种机组组合是基于当前机组组合形成的,包括在当前机组组合上,通过增加、减少或更换当前运行的一台冷水机组和维持当前运行的冷水机组的加减机策略进行组合而获得的相应的机组组合。其中,增加、减少、更换操作获得的机组组合并不唯一,如通过加机操作所获得的机组组合数量,应当与当前还没有开启的冷水机组数量一致,形成的机组合可以分别在当前机组合上通过加机形成的第一机组组合、在当前机组合上通过减机形成的第二机组组合、更换当前机组组合中的一台机组且保持机组运行控制策略不变而形成的第三机组组合以及保持当前机组组合的运行控制策略作为第四机组组合。
其中,所述可选择的多种机组组合的每个机组组合满足以下条件:
所述负荷预测值小于机组组合的总负荷与最大负荷率的乘积,同时,若机组组合中的机组数量大于1台,则所述负荷预测值大于机组组合中最小机组额定负荷与最小负荷率的乘积。
其中,所述运行优化参数包括机组组合中每个机组的负荷率PLRch,i、每个机组冷水供水温度设定值Tchws、每个机组对应的水泵频率设定值fset,i、每个机组对应的冷却塔风机频率设定值ftwr,i。
其中,每个机组组合的冷水供水温度设定值Tchws,i通过以下方式计算优化:
每个机组组合的冷水供水温度设定值Tchws与室内湿球温度Tn,wb之差Tn,wb-Tchws,与总负荷率PLR满足线性关系,即:
其中,Tn,wb,des表示室内湿球温度设定值,Tchws,des表示机组冷水供水温度设定值,Tchws,min表示机组冷水供水温度最小值,Tchws,max表示机组冷水供水温度最大值,Pch,des是冷水机组额定功率,Pchwp,des是冷冻水泵额定功率,Schws是冷水机组运行功率对冷却水温度的敏感性系数,面对单台机组工况,对任意机组i可通过下式获得:
式中,Pch,i表示冷水机组运行功率,Tchws,i表示冷水机组i的供水温度,Tcwr,set表示冷却水回水温度设定值,PLRch,set表示冷水机组运行功率设定值,Prated,i表示冷水机组i的额定功率,系数ai,bi来自于冷水机组i的性能特性方程;
若存在多台机组组合运行,Schws通过各冷水机组额定功率为权重进行加权计算;
式中,Pch,des,i表示设计工况下冷水机组i的额定功率;
所述冷水机组性能特性方程将机组功率Pch描述为冷水供水温度Tchws、冷却水回水温度Tcwr、机组总负荷率PLR的函数,一个冷水机组运行功率表示如下:
通过所述线性关系求取所述每个机组冷水供水温度设定值Tchws,i。
其中,所述水泵频率设定值fset,i通过以下式计算优化:
式中,为τ-1时刻的冷冻水供水流量设定值,/>表示τ-1时刻的冷冻水泵频率;/>分别表示当前优化的机组组合下各冷水机组的额定负荷,和上一时刻的机组组合下各冷水机组的额定负荷。加机工况时,不存在上一时刻的/>最终通过以下所示的方法获取水泵频率设定值fset,i、冷冻水供水流量设定值:
式中,fset,min、fset,max分别表示水泵频率设定值的最小值、最大值,ΔTset表示冷冻水供回水温差设定值,fmax表示水泵最大频率。
其中,所述的每个机组组合的负荷率PLRch,i通过以下的方式处理优化得到:
对于机组组合,其机组负荷、冷水供水温度优化函数被描述为:
式中,Qrated,i表示冷水机组i的额定负荷,Tchws,min表示冷水机组供水温度设定值下限值,由该机组负荷、冷水供水温度优化函数得到等式约束矩阵方程,求解等式约束矩阵方程得到优化结果X,优化结果X中包含各机组负荷率PLRch,i和冷水供水温度Tchws,i,i为冷水机组编号:等式约束矩阵方程如下:
监测X的计算结果,若不满足不等式约束,则通过构造增广矩阵,将不等式约束化为等式约束,然后求解直到计算结果满足全部不等式约束为止;
其中,所述冷却塔风机控制频率ftwr,i基于每个机组组合的负荷率PLRch,i计算优化得到:
式中,ftwr,max表示冷却塔风机最大功率,atwr,des是设计工况下空气湿球温度与冷却水供水温度之差;rtwr,des是设计工况下冷却水供回水温差;Pch,des是冷水机组额定功率;Ptwr,des是冷却塔风机额定功率;Scwr是冷水机组运行功率对冷却水温度的敏感性系数,若对于单台机组i运行工况,其冷水机组运行功率对冷却水温度的敏感性系数的表达式如下:
式中,ai,bi系数来自于冷水机组性能特性方程,Tcwr,i是冷水机组i的冷却水回水温度;Tchws,i是冷水机组i的冷冻水供水温度;
若存在多台机组组合运行,则多台冷水机组运行功率对冷却水温度的敏感性系数Scwr,des通过各冷水机组的额定功率为权重进行加权计算;
其中,所述基于每种机组组合的负荷率计算每种机组组合的综合运行功率,根据所述综合运行功率,选择一个机组组合作为优化结果,包括:
基于每个机组组合的负荷率PLRch,i,得到每个机组组合的机组综合运行功率P;
对比其中最低的机组综合运行功率Pmin与正在运行的机组组合的机组综合运行功率若/>则选择功率最低的机组组合作为优化结果;否则选择正在运行的机组组合作为优化结果。
本发明实现了一次泵(变频泵)***的冷水机组群控,根据建筑物热需求的实时变化,快速响应建筑负荷变化趋势,以保证末端换热设备的用热需要与室内环境的热舒适;能高效辨识每台冷水机组性能特性,能跟踪运行过程中冷水机组的特性畸变,使之更贴合实际设备性能;以冷水机组综合能效为目标函数,对机组启停、各机组负荷率、各机组冷水供水温度、各机组对应的水泵频率设定值、各冷却塔风机控制频率设定值组成的冷源***运行策略综合优化,保障供冷效果的前提下,使冷源***运行在更高效区间,提高***运行能效。
本发明基于建筑物供冷需求的实时变化,动态调节冷源***运行模式和参数,实现能源有效利用,降低能源消耗和减少二氧化碳等温室气体的排放,达到节能减排目的;通过优化冷源***运行,可提高建筑物的室内温度控制精度,减少温度波动,提高热舒适度,提高居住和工作环境的质量;通过优化冷源***运行,可提高***稳定性和可靠性,降低***故障率,减少维修和更换费用,从而降低建筑物的维护成本。
本发明适合一机一泵一塔单元制连接的运行场景,要求对水温、频率、冷机功率、室内外温湿度状态数据实时监测,对于能通过重设冷水供水温度,实现机组自调节的冷水机组设备均适用。
附图说明
图1为本发明实施例建筑物冷源***的控制方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
本发明实施例的建筑物冷源***的控制方法,利用实时供回水温差和室内温湿度状态监测实时调整负荷,通过对历史负荷测量值进行时间序列分析实现负荷预测,学历历史负荷变化趋势,同时快速响应室内温湿度状态变化时,预测冷水机组运行负荷,保障末端设备用热需要。
通过对冷水机组优化,对多种各种机组组合的冷水供水温度、冷冻水泵泵组频率、冷水机组冷水供水温度设定值以及冷水机组负荷分配进行耦合优化,给出最优的冷水机组供水温度设定值与冷水泵频率设定值,实现对多种机组组合的比选,确定最优运行策略,输出冷水机组设备的启停控制指令,冷水机组供水温度设定值及水泵频率设定值。所述的冷水机组优化包括:a)特定总负荷下,选出包括当前运行策略的多种冷机加减机策略,对特定冷机组合,通过机组功率特性与室内温湿度状态确定冷水供水温度,保障供水温度满足室内供冷需求;b)对特定冷机组合下的冷水水泵运行频率,冷水机组冷水供水温度设定值以及各冷水机组负荷分配进行耦合优化,得到该冷机组合的最优策略。将多种运行策略对比,以保证机组平稳运行,降低***冷机运行能耗为目的确定最优运行策略。
通过对冷却塔频率优化,基于最优的冷机优化策略与机组负荷分配,决定最优的冷却塔风机实时运行频率,输出冷却塔风机频率设定值,保障冷却水冷却效果的前提下降低冷却水侧的能耗,优化冷却塔风机运行频率。
参见图1所示,本发明实施例建筑物冷源***的控制方法,包括以下步骤:
S1.基于当前机组组合τ-Δτ时刻的负荷测量值,预测τ时刻的负荷预测值:
S2.基于所述负荷预测值及计算获得的当前机组组合的负荷值的关系,形成可选择的多种机组组合;
S3.对每种机组组合的运行参数优化计算,得到每种机组组合的运行优化参数;
S4.基于运行优化参数中的负荷率计算每种机组组合的综合运行功率,根据所述综合运行功率,选择一个机组组合作为优化结果,输出由对应的运行优化参数运行策略。
步骤S1中,基于当前机组组合τ-Δτ时刻的负荷测量值,预测τ时刻的负荷预测值可以是通过一个负荷预测模型实现,负荷预测模型由一个确定性模型以及一个自回归模型构成,确定性模型给出τ时刻的确定性负荷预测值自回归模型给出和τ时刻的随机性负荷预测值/>τ时刻的负荷预测值/>由确定性负荷预测值/>和随机性负荷预测值构成,表达式如下:
其中,负荷预测值中的确定性负荷预测值通过一次移动平均算法获得,如下:
其中是τ-Δτ时刻的确定性负荷预测值,Ed,τ-Δτ是τ-Δτ时刻的负荷测量值,λ是指数平滑系数,λ=0.1。
其中,τ时刻的负荷测量值Ed,τ通过实时冷水机组***的供冷量以及室内温度监测值计算得到,即:
等式右边第一部分是冷水机组***的供冷量,ρwaterCp,water是水的容重(kj/(m3·K));是τ-1时刻的冷冻水流量(m3/h);Tchws和Tchwr分别是τ-1时刻的冷冻水供回水温度(℃)。第二部是对室内供冷量的评价,通过室内空气焓值与设计工况的对比实现,其中VB是建筑供冷体积,即建筑各层供冷面积与层高的乘积(m3);/>和hn,des分别是室内空气焓值τ时刻的检测值与设计值,可通过对应的室内温度/湿度值T、RH计算;tτ是建筑供冷调节时间,一般取3600s;
其中,负荷预测值中τ时刻的随机性负荷预测值通过自回归模型获得,自回归模型中τ时刻的随机性负荷预测值/>被描述为τ-jΔτ时刻的随机性负荷测量值Xτ-jΔτ与其误差值/>的线性组合,/>为τ-jΔτ时刻的随机性负荷预测值,自回归系数利用加权递推最小二乘法FFRLS计算:
加权递推算法的目标函数FFRLS设置为:
利用加权递推最小二乘法FFRLS递推修正随机性负荷自回归系数φi,遗忘因子α可设定为0.995。此外由于FFRLS算法,若中间的传递矩阵P非正定,会导致系数越来越小,所以需要监测矩阵P的正定性。若传递矩阵P出现非正定的情况,取最新的若干负荷数据对负荷预测模型进行重新训练。
负荷预测模型预训练流程时,在获得足够的作为训练数据的τ时刻的随机性负荷预测值Ed,τ后(一般为建筑物冷源***的3~7天的运行数据,采用周期为15~30min),通过执行确定性模型,获取与训练数据的数量相同的τ-jΔτ时刻的随机性负荷测量值Xτ-jΔτ作为随机性负荷测量样本。然后,最小二乘法初始化随机性负荷自回归系数
负荷预测模型在预训练完成后,基于更新的冷水机组τ-Δτ时刻的负荷测量值Ed,τ-Δτ,先执行确定性模型,获得τ时刻的确定性负荷预测值与τ-Δτ时刻的随机性负荷测量值Xd,τ-Δτ,再执行加权递推最小二乘法FFRLS,修正随机性负荷自回归系数/>最后执行随机性负荷自回归模型,获得τ时刻的随机性负荷预测值/>最后得到τ时刻的负荷预测值/>
本发明实施例中,步骤S2中,所述的基于所述负荷预测值及计算获得的当前冷水机组组合的负荷,形成可选择的多种冷水机组组合,具体的是包括:
基于当前冷水机组的运行组合,按照以下四个过程+二项要求提出多种冷水机组的运行组合。
a)减机:如果历史负荷在逐渐减小,且正在运行的机组数量>1,则允许减机;
b)保持:保持原有机组(即当前运行机组)的运行的控制策略;
c)换机:在原有机组运行控制策略下,更换机组组合中当前运行的一台机组;
d)加机:如果历史负荷在逐渐增大,且存在还没有运行的机组,则允许加机;
另外,提出的冷水机组的运行组合需满足以下要求:
a)负荷预测值<机组组合的总负荷*冷水机组最大负荷率PLRmax;
b)若中机组数量>1,则要求负荷预测值>机组组合中最小机组的额定负荷×冷水机组最小负荷率PLRmin。
本发明实施例中,所述的机组、冷水机组为同义。
本发明实施例中,对冷水机组运行策略优化的过程如下:
3.1.初始化/更新冷水机组性能特性方程
本发明中,将机组功率Pch,i描述为冷水供水温度Tchws,i、冷却水回水温度Tcwr,i、机组负荷率PLRch,i的函数,即:
利用加权递推最小二乘法FFRLS递推修正系数ai,bi,遗忘因子α可设定为0.995。式中下标i用于指代第i台冷水机组的参数。,
3.2.冷水机组群控策略优化
基于多组不同的机组运行组合,对每一组机组运行组合的运行策略优化。
3.2.1.确定冷水供水温度:
冷水机组的冷水供水温度Tchws,i与室内湿球温度Tn,wb之差Tn,wb-Tchws,与机组的总负荷率PLR满足线性关系,即:
其中,Pch,des是冷水机组额定功率,Ptwr,des是冷却塔风机额定功率,Schws是冷水机组运行功率对冷却水温度的敏感性系数;
对于单台机组的运行功率对冷却水温度的敏感性系数可通过下式获得,系数ai,bi来自于冷水机组性能特性方程。
若存在多台机组组合运行,多台机组的运行功率对冷却水温度的敏感性系数Schws通过机组额定功率为权重进行加权计算:
3.2.2、优化水泵输配参数(包括水泵频率设定值fset,i及冷水流量设定值);
对一个机组组合,其水泵频率的调节比值定义为:
rf,i是水泵频率设定值fset,i与τ-1时刻水泵频率/>的比值;
水泵频率设定值fset,i与τ-1时刻水泵频率的比值rf,i,与机组组合的前后负荷比、机组组合的总额定负荷正相关,比值rf,i表达如下;
由比值rf,i计算水泵频率设定值fset,i、冷水流量设定值若在加机工况,不存在τ-1时刻的水泵频率/>冷水流量设定值/>则按预设方法给出假设值;
通过以下表达式进行水泵频率fset,i、τ时刻的冷水流量设定值的优化:
/>
通过以上处理可以实现得到水泵频率设定值fset,i及冷水流量设定值
3.2.3、冷水机组负荷分配优化(优化机组组合的负荷率PLRch,i与冷水供水温度设定值Tchws,i):
对一定机组组合,其机组组合的负荷、冷水供水温度优化函数被描述为:
由上述函数得到等式约束矩阵方程,求解等式约束方程得到优化结果X,X中第3i和3i+1项(i为冷水机组编号)为各机组负荷率PLRch,i和冷水供水温度Tchws,i:
监测X的计算结果,若不满足不等式约束,则通过构造增广矩阵,使不等式约束化为等式约束,再求解直到计算结果满足全部不等式约束为止。增广矩阵如下:
使不等式约束化为等式约束如下:
通过以上方法可实现优化机组组合的负荷率PLRch,i与冷水供水温度设定值Tchws,i。
3.2.4优化冷却塔风机控制参数(优化冷却塔风机控制频率设定值ftwr,i);
基于机组组合的负荷率PLRch,i,通过以下计算得到冷却塔风机控制频率ftwr,i:
式中,atwr,des是设计工况下空气湿球温度与冷却水供水温度之差;rtwr,des是设计工况下冷却水供回水温差;Pch,des是冷水机组额定功率;Ptwr,des是冷却塔风机额定功率;Scwr是冷水机组运行功率对冷却水温度的敏感性系数;;
若面对单台机组工况,对任意冷水机组i可通过下式获得,系数ai,bi来自于冷水机组性能特性方程。
若存在多台机组组合运行,则多台冷水机组运行功率对冷却水温度的敏感性系数Scwr,des应通过机组额定功率为权重进行加权计算。
通过以上处理,可以实现优化冷却塔风机控制频率设定值ftwr,i。
本发明实施例中,基于以上得到各机组组合的负荷率PLRch,i,通过下式得到各机组组合的冷水机组综合运行功率。
对比机组组合中的最低机组综合运行功率Pmin与正在运行的机组组合的综合运行功率若/>则以功率最低的机组组合为结果,输出运行策略;否则以正在运行的机组组合为结果,输出运行策略。其中,输出的运行策略包括冷水机组负荷率PLRch,i、冷水供水温度设定值Tchws,i、水泵频率设定值fset,i、冷却塔风机控制频率设定值ftwr,i。以上所述仅是本发明的优选实施方式,应当指出的是,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,这些改进和润饰也应视为本发明的保护范围。/>
Claims (10)
1.建筑物冷源***的控制方法,其特征在于,包括步骤:
基于当前机组组合τ-Δτ时刻的负荷测量值,预测τ时刻的负荷预测值:
基于所述负荷预测值及当前机组组合的负荷值的关系,形成可选择的多种机组组合;
对每种机组组合的运行参数优化计算,得到每种机组组合的运行优化参数;
基于运行优化参数的负荷率计算每种机组组合的综合运行功率,根据所述综合运行功率,选择一个机组组合作为优化结果,输出由对应的运行优化参数构成的运行策略。
2.根据权利要求1所述建筑物冷源***的控制方法,其特征在于,所述基于当前机组组合τ-Δτ时刻的负荷测量值,预测τ时刻的负荷预测值,包括:
基于当前机组组合τ-Δτ时刻的负荷测量值Ed,τ-Δτ,得到τ时刻的确定性负荷预测值与τ-Δτ时刻的随机性负荷测量值Xd,τ-Δτ;
执行加权递推算法目标函数FFRLS,修正随机性负荷自回归系数然后执行随机性负荷自回归模型,获得τ时刻的随机性负荷预测值/>
所述确定性负荷预测值与随机性负荷预测值/>之和为τ时刻的负荷预测值/>
所述确定性负荷预测值由确定性模型基于一次移动平均算法获得,表达式如下:
式中,是τ-Δτ时刻的确定性预测值,Ed,τ-Δτ是τ-Δτ时刻的负荷测量值,λ是指数平滑系数;
其中,机组组合τ时刻负荷测量值Ed,τ通过机组组合的实时供冷量及室内温度监测值计算得到,表示如下:
式中,ρwaterCp,water是水的容重,由冷冻水密度ρwater与水的比热容Cp,water相乘获得;是τ-1时刻冷冻水流量;Tchws和Tchwr分别是τ-1时刻的冷水供水温度及回水温度;VB是建筑供冷体积,为建筑各层供冷面积与层高乘积;/>和hn,des分别是室内空气焓值τ时刻的检测值与设计值,tτ是建筑供冷调节时间;
所述随机性负荷预测值被描述为τ-jΔτ时刻的随机性负荷测量值Xτ-jΔτ与其误差值的线性组合,所述误差值为τ-jΔτ时刻的的随机性负荷测量值Xτ-jΔτ与对应的Xτ-jΔτ时刻的随机性负荷预测值/>之差,表达式如下:
所述加权递推算法目标函数FFRLS为:
α为遗忘因子,若中间传递矩阵P出现非正定,取最新负荷数据对由所述确定性模型及随机性负荷自回归模型构成的负荷预测模型重新训练;否则,获得τ时刻负荷测量值Ed,τ构成的训练数据后,执行确定性模型,获取与训练数据数量相同的对应时刻的随机性负荷测量值Xτ-jΔτ,然后最小二乘法初始化随机性负荷自回归系数计算随机性负荷预测值/>
3.根据权利要求1所述建筑物冷源***的控制方法,其特征在于,所述多种机组组合是基于当前机组组合的基础上,通过增加、减少或更换当前运行的一台冷水机组和维持当前运行的冷水机组的加减机策略进行组合形成的,分别为在当前机组合上通过加机形成的第一机组组合、在当前机组合上通过减机形成的第二机组组合、更换当前机组组合中的一台机组且保持机组运行控制策略不变而形成的第三机组组合,以及保持当前机组组合的运行控制策略作为第四机组组合。
4.根据权利要求1所述建筑物冷源***的控制方法,其特征在于,所述可选择的多种机组组合的每个机组组合满足以下条件:
所述负荷预测值小于机组组合的总负荷与最大负荷率的乘积,同时,若机组组合中的机组数量大于1台,则所述负荷预测值大于机组组合中最小机组额定负荷与最小负荷率的乘积。
5.根据权利要求1所述建筑物冷源***的控制方法,其特征在于,所述运行优化参数包括机组组合的负荷率PLRch,i、机组组合的冷水供水温度设定值Tchws,i、机组组合的水泵频率设定值fset,i、机组组合的冷却塔风机频率设定值ftwr,i。
6.根据权利要求5所述建筑物冷源***的控制方法,其特征在于,所述机组组合的冷水供水温度Tchws,i通过以下方式确定:
每个机组组合的冷水供水温度Tchws,i与室内湿球温度Tn,wb之差,与机组组合的负荷率PLR满足线性关系,即:
其中,Tn,wb,des表示设计工况下室内湿球温度设定值,Tchws,des表示设计工况下冷水供水温度设定值,Tchws,min表示冷水供水温度最小值,Tchws,max表示冷水供水温度最大值,Pch,des是冷水机组额定功率,Pchwp,des是冷冻水泵额定功率;Schws是冷水机组运行功率对冷却水温度的敏感性系数;
单台冷水机组敏感性系数由下式获得:
式中,Pch,i表示冷水机组运行功率,Tcwr,set表示冷却水回水温度设定值,PLRch,set表示冷水机组运行功率设定值,Prated,i表示冷水机组的额定功率,系数ai,bi来自于冷水机组性能特性方程;
若存在多台机组组合运行,则冷水机组运行功率对冷却水温度的敏感性系数Schws通过机组额定功率为权重进行加权计算;
Pch,des,i表示设计工况下冷水机组额定功率;
所述冷水机组性能特性方程将冷水机组运行功率Pch描述为冷水供水温度Tchws、冷却水回水温度Tcwr、机组总负荷率PLR的函数,一个冷水机组运行功率表示如下:
通过所述线性关系求取供水温度设定值Tchws,i。
7.根据权利要求6所述建筑物冷源***的控制方法,其特征在于,所述水泵频率设定值fset,i通过以下式计算优化:
式中,为τ-1时刻的冷冻水供水流量设定值,fi τ-1表示τ-1时刻的冷冻水泵频率;Qrated,i、/>分别表示分别表示机组组合的各冷水机组的额定负荷和上一时刻的机组组合下各冷水机组的额定负荷;加机工况时,不存在fi τ-1、/>通过以下式获取水泵频率设定值fset,i、τ时刻的冷冻水供水流量设定值/>fset,min、fset,max分别表示水泵频率设定值的最小值、最大值,fmax表示水泵最大频率,ΔTset表示冷冻水供回水温差设定值:
8.根据权利要求7所述建筑物冷源***的控制方法,其特征在于,所述机组组合的负荷率PLRch,i、冷水供水温度设定值Tchws,i通过以下方式优化得到:
机组负荷率PLRch,i、冷水供水温度设定值Tchws,i的优化函数为:
式中,Qrated,i表示冷水机组i的额定负荷,Tchws,min表示冷水机组供水温度设定值下限值;由该优化函数得到等式约束矩阵方程,求解等式约束矩阵方程得到优化结果X,优化结果X中包含各机组负荷率PLRch,i和冷水供水温度Tchws,i,i为冷水机组编号:等式约束矩阵方程如下:
AX=B
监测X的计算结果,若不满足不等式约束,则通过构造增广矩阵,将不等式约束化为等式约束,然后求解直到计算结果满足全部不等式约束为止;
9.根据权利要求8所述建筑物冷源***的控制方法,其特征在于,所述冷却塔风机控制频率ftwr,i基于每个机组组合的负荷率PLRch,i计算优化得到:
式中,ftwr,max表示冷却塔风机最大功率,atwr,des是设计工况下空气湿球温度与冷却水供水温度之差;rtwr,des是设计工况下冷却水供回水温差;Pch,des是冷水机组额定功率;Ptwr,des是冷却塔风机额定功率;Scwr是冷水机组运行功率对冷却水温度的敏感性系数,单台冷水机组的敏感性系数通过下式获得:
式中,ai,bi系数来自于冷水机组性能特性方程,Tcwr,i是冷水机组i的冷却水回水温度,Tchws,i是冷水机组i的冷冻水供水温度;
若存在多台机组组合运行,则多台冷水机组运行功率对冷却水温度的敏感性系数Scwr,des通过机组额定功率为权重进行加权计算;
10.根据权利要求1所述建筑物冷源***的控制方法,其特征在于,所述基于每种机组组合的负荷率计算每种机组组合的综合运行功率,根据所述综合运行功率,选择一个机组组合作为优化结果,包括:
基于每个机组组合的负荷率PLRch,i,得到每个机组组合的机组综合运行功率P;
对比机组组合中最低机组综合运行功率Pmin与正在运行的机组组合的机组综合运行功率若/>则选择功率最低的机组组合作为优化结果;否则选择正在运行的机组组合作为优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311271306.6A CN117366799A (zh) | 2023-09-28 | 2023-09-28 | 建筑物冷源***的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311271306.6A CN117366799A (zh) | 2023-09-28 | 2023-09-28 | 建筑物冷源***的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117366799A true CN117366799A (zh) | 2024-01-09 |
Family
ID=89401360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311271306.6A Pending CN117366799A (zh) | 2023-09-28 | 2023-09-28 | 建筑物冷源***的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117366799A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118112938A (zh) * | 2024-04-29 | 2024-05-31 | 天津大学 | 复合式地源热泵***短周期控制策略优化方法 |
-
2023
- 2023-09-28 CN CN202311271306.6A patent/CN117366799A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118112938A (zh) * | 2024-04-29 | 2024-05-31 | 天津大学 | 复合式地源热泵***短周期控制策略优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288164B (zh) | 一种建筑空调制冷站***预测控制方法 | |
CN103912966B (zh) | 一种地源热泵制冷***优化控制方法 | |
CN114383299B (zh) | 基于大数据与动态仿真的中央空调***运行策略优化方法 | |
CN109945402A (zh) | 一种中央空调水***节能方法 | |
CN111649457B (zh) | 一种动态预测性机器学习型空调节能控制方法 | |
CN107940679B (zh) | 一种基于数据中心冷水机组性能曲线的群控方法 | |
CN110410960B (zh) | 一种风机盘管预测控制方法 | |
CN116398994B (zh) | 一种基于负荷预测的冷水机组群控优化方法 | |
CN108168030A (zh) | 一种基于制冷性能曲线的智能控制方法 | |
CN112413831A (zh) | 一种中央空调节能控制***及方法 | |
CN117366799A (zh) | 建筑物冷源***的控制方法 | |
CN113375221B (zh) | 一种供热***网源协同调节方法 | |
CN114282729A (zh) | 一种基于负荷预测的冰蓄冷空调优化调度方法 | |
CN116880220B (zh) | 一种基于IPSO-Elman神经网络建模的氟泵空调全年节能运行控制方法 | |
CN113778215A (zh) | 基于大数据实现数据中心pue预测以及降耗策略的方法 | |
CN114580254A (zh) | 一种基于模型预测控制的建筑室内温度调控方法和*** | |
CN113701321A (zh) | 一种中央空调水泵节能变频控制方法 | |
CN113028610B (zh) | 中央空调动态负荷全局优化与节能控制的方法和装置 | |
CN117930659A (zh) | 一种高效机房全局寻优控制方法 | |
CN111664560A (zh) | 中央空调主机智慧节能控制方法 | |
CN111787764A (zh) | 多联机制冷机组的能耗优化方法及装置、电子设备、存储介质 | |
CN114811857A (zh) | 一种冷站***运行优化方法 | |
CN114413458A (zh) | 空调水***的水泵并联运行控制方法、装置、设备及介质 | |
CN113188585A (zh) | 一种基于少量冗余传感器的冷冻站传感器故障诊断方法 | |
Zheng | Research on energy-saving control and optimisation of air conditioning system based on genetic 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 |