[發明專利]一種空調系統智能降耗方法和系統

在審

• 申請號: 201911092710.0
• 申請日: 2019-11-11
• 公開（公告）號: CN112781184A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 梅茜;董建林;胡雨
• 申請（專利權）人: 中國鐵建電氣化局集團有限公司;廈門邑通軟件科技有限公司
• 主分類號: F24F11/47
• 分類號: F24F11/47;F24F11/62;F24F110/10;F24F110/30;F24F110/20;F24F110/64;F24F110/70
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種空調系統智能降耗方法，其特征在于，包括：

根據空調管理的舒適度調整目標、能效調整目標，確定舒適度調整模型和能效調整模型；

根據數據監測點的傳感器采集數據測試點的環境參數，并根據環境參數以及建筑自動化控制系統的參數進行分析，以確定根據CO₂濃度調整空調能耗的節能降耗混合策略；

通過動態在線學習歷史數據迭代產生操作策略數據表，其中所述操作策略數據表中包括歷史環境參數和建筑自動化控制系統的歷史參數與調整策略的對應關系；根據當前環境參數以及建筑自動化控制系統的當前參數，查詢所述操作策略數據表以確定當前的操作策略。

2.根據權利要求1所述的空調系統智能降耗方法，其特征在于，所述通過動態在線學習歷史數據迭代產生操作策略數據表，包括：

將各測點數據的變化范圍劃分為至少兩個范圍區間，確定數據所屬的范圍區間，并在該區間范圍內通過機器學習的方式對數據進行學習。

3.根據權利要求1所述的空調系統智能降耗方法，其特征在于，所述舒適度調整目標為空氣分布特性指標ADPI，即滿足預定風速和溫度要求的測點數與總測點數之比；所述舒適度調整目標通過以下公式計算：

ΔET＝(t_i-t_n)-7.66(u_i-0.15)

其中，ΔET為有效溫度差：t_i和t_i分別為測量區域內的空氣溫度和作為調整目標的室內設計溫度；u_i為測量區域的空氣流速；其中-1.7＜ΔET＜1.1的測點數為溫度在-1.7＜ΔET＜1.1的測試點數，總測點數為測試點的總數。

4.根據權利要求3所述的空調系統智能降耗方法，其特征在于，所述舒適度調整目標為空氣分布特性指標ADPI80％。

5.根據權利要求1所述的空調系統智能降耗方法，其特征在于，所述能效調整目標包括：制冷能效比和制熱能效比；

制冷能效比EER通過以下公式計算：

其中Qc指單位時間內的名義制冷量；W表示單位時間內空調器所消耗的功率；

制熱能效比COP通過以下公式計算：

其中Q_h指單位時間內的名義制熱量；W表示單位時間內空調器所消耗的功率。

6.根據權利要求1所述的空調系統智能降耗方法，其特征在于，當相同或相似的環境條件下，選擇能耗最低的一種設備運行狀態。

7.一種空調系統智能降耗系統，其特征在于，包括：

確定模塊，用于根據空調管理的舒適度調整目標、能效調整目標，確定舒適度調整模型和能效調整模型；

分析模塊，用于根據數據監測點的傳感器采集數據測試點的環境參數，并根據環境參數以及建筑自動化控制系統的參數進行分析，以確定根據CO₂濃度調整空調能耗的節能降耗混合策略；

調整模塊，用于通過動態在線學習歷史數據迭代產生操作策略數據表，其中所述操作策略數據表中包括歷史環境參數和建筑自動化控制系統的歷史參數與調整策略的對應關系；根據當前環境參數以及建筑自動化控制系統的當前參數，查詢所述操作策略數據表以確定當前的操作策略。

8.根據權利要求7所述的空調系統智能降耗系統，其特征在于，所述調整模塊，用于執行以下操作：

將各測點數據的變化范圍劃分為至少兩個范圍區間，確定數據所屬的范圍區間，并在該區間范圍內通過機器學習的方式對數據進行學習。