[發明專利]中央空調動態負荷全局優化與節能控制的方法和裝置

有效

• 申請號: 202110390696.3
• 申請日: 2021-04-12
• 公開（公告）號: CN113028610B
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 劉國忠;李松;孔全存;喬嗣勛
• 申請（專利權）人: 北京信息科技大學;金捷利工程技術（北京）有限公司
• 主分類號: F24F11/64
• 分類號: F24F11/64;F24F11/58
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 祝樂芳

本公開涉及一種中央空調動態負荷全局優化與節能控制的方法和裝置；其中，該方法包括：根據預先建立的遞歸神經網絡模型對目標空調的運行負荷進行預測，得到第一負荷預測值；根據環境數據曲線對目標空調的運行負荷進行預測，得到第二負荷預測值；設置初始負荷比例系數，并根據初始負荷比例系數、第一負荷預測值、第二負荷預測值，確定目標空調的目標負荷預測值；根據目標負荷預測值對空調系統進行優化處理，確定空調系統的優化信息；根據優化信息對空調系統進行節能控制。本公開實施例能夠根據空調的預測負荷預先判斷空調負荷，在空調負荷超限時，及時進行預防控制措施，有效提升節能效率。

技術領域

本公開涉及空調技術領域，尤其涉及一種中央空調動態負荷全局優化與節能控制的方法和裝置。

背景技術

中央空調制冷系統控制的目標是在滿足末端負荷需求的前提下，使得其整體能耗最優。當末端負荷發生變化時，需要及時調整制冷主機、冷凍泵、冷卻泵和冷卻塔工作臺數以及水流量、溫度、溫差、泵的工作頻率和冷卻風機頻率等運行參數，使得冷量達到供需平衡。由于目前絕大多數制冷系統采用液體水作為傳熱媒介，導致熱量傳輸和轉移的速度較為緩慢，且從操作參數開始調整至溫度、壓力等狀態參數發生改變往往要經歷十幾分鐘甚至幾十分鐘的時間，控制系統的響應滯后較大；目前常用的空調預測方法為神經網絡法，采用歷史數據建立神經網絡模型進行下一時刻的負荷預測。

現有方案的缺陷在于：空調系統的非線性以及數據大滯后的特性導致歷史數據與未來數據不一定具有固定比例，從而導致負荷預測的誤差較大。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本公開提供了一種中央空調動態負荷全局優化與節能控制的方法和裝置。

第一方面，本公開提供了一種中央空調動態負荷全局優化與節能控制的方法，所述方法包括：

根據預先建立的遞歸神經網絡模型對目標空調的運行負荷進行預測，得到第一負荷預測值；

根據環境數據曲線對目標空調的運行負荷進行預測，得到第二負荷預測值；

設置初始負荷比例系數，并根據所述初始負荷比例系數、所述第一負荷預測值、所述第二負荷預測值，確定所述目標空調的目標負荷預測值；

根據目標負荷預測值對空調系統進行優化處理，確定所述空調系統的優化信息；根據所述優化信息對所述空調系統進行節能控制。

可選的，在所述根據預先建立的遞歸神經網絡模型對目標空調的運行負荷進行預測之前，所述方法還包括：

確定網絡模型訓練數據；其中，所述網絡模型訓練數據包括：干球溫度數據、濕度數據、太陽輻射強度數據、二氧化碳數據、室內溫度數據和歷史空調負荷數據中的至少一種；

根據所述網絡模型訓練數據進行模型訓練，得到網絡模型參數；

根據所述網絡模型參數構建遞歸神經網絡模型。

可選的，所述確定網絡模型訓練數據，包括：

獲取空調當日運行模式；其中，所述空調當日運行模式包括工作日、周末或節假日；

基于所述空調當日運行模式，選擇與第一特征數據誤差低于預設誤差閾值的歷史特征數據作為網絡模型訓練數據；

其中，所述第一特征數據包括：當前時刻的干球溫度數據、當前時刻的濕度數據、當前時刻的太陽輻射強度數據、當前時刻的二氧化碳數據、當前時刻的室內溫度數據和當前空調負荷數據中的至少一種。

可選的，所述根據環境數據曲線對目標空調的運行負荷進行預測，得到第二負荷預測值，包括：

根據第二特征數據建立三維特征曲線和二維特征曲線；其中，所述第二特征數據包括歷史干球溫度數據、歷史濕度數據和歷史空調負荷數據中的至少一種；