【技术实现步骤摘要】
一种基于中央空调大数据分析的智能优化方法和系统
[0001]本专利技术属于中央空调智能控制领域,尤其涉及一种基于中央空调大数据分析的智能优化方法和系统。
技术介绍
[0002]随着我国建筑技术、信息技术的迅速发展,智能建筑与建筑能耗成为了人们日益关注的问题。对于建筑的发展,能源消耗的问题已不可回避。根据调查显示,中央空调所消耗的能量占总建筑能耗的40%
‑
50%左右,中央空调的用电量已占到城市用电量的30%以上。由此可见,降低中央空调系统能耗是降低建筑能耗的关键。
[0003]现有的中央空调系统是根据系统最大负荷设计的,然而实际运行过程中,系统处于满负荷状态较少,多数情况是处于部分负荷下,但中央空调系统仍以系统满负荷设计工况运行,从而使得空调系统效率较低,能耗较高。
[0004]同时,现有很多中央空调节能控制系统都是按照目标控制法,即根据条件或经验制定合理的控制目标,比如空调能效,控制系统根据既定目标来实现相关设备的控制调节。这种人为经验设定方法简单可靠,但不能根据采集的实时数据,进行深度的自学习。更不能根据实际累积数据,进行自我优化提升,无法实现更为深层次的智能化控制。而中央空调控制系统基本都能实时采集相关参数,这些空调大数据没有进行深度处理、分析,并转化为有效的信息,指导中央空调智能化运行。
[0005]因此,在现有中央空调采集的大数据背景下,如何对大数据进行处理、分析,经验累积,并形成智能反馈,指导现有空调的高效运行,是目前亟需解决的问题。
技术实现思路
>[0006]本专利技术实施例的目的在于提供一种基于中央空调大数据分析的智能优化方法和系统,以解决现有的中央空调无法自身学习提升,运行效率低以及能耗高的问题。
[0007]本专利技术实施例是这样实现的,一种基于中央空调大数据分析的智能优化系统,其特征在于,包括:
[0008]数据采集模块,用于对中央空调的各类配套设备的实际运行数据采集;
[0009]数据处理模块,用于对数据采集模块采集的实际运行数据进行处理;
[0010]设备模型数据库模块,所述设备模型数据库模块包含有各类配套设备的设备模型库,并结合处理后的实际运行数据生成各类配套设备的设备优化模型和中央空调总能耗的总能耗模型;
[0011]负荷及能耗数据库模块,包含有各种环境下的负荷数据情况,并结合处理后的实际运行数据中的设备能耗数据和天气数据生成负荷预测模型;
[0012]全局优化模块,用于结合负荷预测模型、设备优化模型、总能耗模型进行整体优化,生成各类配套设备运行的优化变量参数;
[0013]控制模块,控制各类配套设备按照优化变量参数运行。
[0014]作为优选的技术方案,还包括输入和输出模块。
[0015]作为优选的技术方案,所述设备优化模型包含冷水机组能耗模型、冷冻水泵能耗模型、冷却水泵能耗模型、冷却塔能耗模型和空气处理机组能耗模型。
[0016]作为优选的技术方案,冷水机组能耗模型为:P
ch
=f(Q
ch
,ΔT
ch
,Q
cq
,ΔT
cq
),其中,蒸发器侧:Q
ch
=cm
ch
ΔT
ch
,ΔT
ch
=T
chr
‑
T
chs
,c为水的比热容,m
ch
为流入流出蒸发器的水流量,T
chr
为流入蒸发器的温度,T
chs
为流出蒸发器的温度,冷凝器侧:Q
cq
=cm
cq
ΔT
cq
,ΔT
cq
=T
cqr
‑
T
cqs
,c为水的比热容,m
cq
为流入流出冷凝器的水流量,T
cqr
为流入蒸发器的温度,T
cqs
为流出冷凝器的温度。
[0017]作为优选的技术方案,冷冻水泵、冷却水泵能耗模型分别为:
[0018]P
ld
=f(n
ch
),P
1q
=f(n
cq
),其中,n
ch
,n
cq
分别为冷冻水泵、冷却水泵频率。
[0019]作为优选的技术方案,冷却塔能耗模型为:P
ct
=f(m
cq
,ΔT
cq
,T
d
,n
ct
),其中,m
cq
为冷却水流量,ΔT
cq
为冷却水温差,T
d
为室外空气湿球温度,n
ct
为冷却塔风机频率。
[0020]作为优选的技术方案,空气处理机组能耗模型为:P
AHU
=f(β
ch
,ΔT
ch1
,n
AHU
),其中,β
ch
为通过空气处理机组的冷冻水水阀开度,ΔT
ch1
为通过空气处理机组的冷冻水温差,n
AHU
为空气处理机组风机频率。
[0021]作为优选的技术方案,中央空调总能耗为冷水机组能耗、冷冻水泵能耗、冷却水泵能耗、冷却塔能耗和空气处理机组能耗之和。
[0022]作为优选的技术方案,所述数据处理模块包括数据清理单元、数据集成单元、数据归约单元、数据变换单元、特征量提取单元以及归一化单元。
[0023]本专利技术的一种基于中央空调大数据分析的智能优化方法,包括以下步骤:
[0024]S1、采集中央空调的各类配套设备的实际运行数据;
[0025]S2、对采集的实际运行数据进行统一处理,包括纠错、校正、解析、分析;
[0026]S3、建立各类配套设备的设备模型库,并结合处理后的实际运行数据生成各类配套设备的设备优化模型和总能耗模型;
[0027]S4、建立含有各种环境下的负荷数据情况的负荷及能耗数据库,并结合处理后的实际运行数据中的设备能耗数据和天气数据生成负荷预测模型;
[0028]S5、结合负荷预测模型、设备优化模型以及总能耗模型进行整体优化,生成各类配套设备运行的优化变量参数;
[0029]S6、控制各类配套设备及相关参变量,按照优化变量参数运行。
[0030]作为优选的技术方案,生成各类配套设备运行的优化变量参数的具体步骤为:
[0031]冷冻机供水温度、冷冻水泵的频率、冷却水泵的频率、冷却塔风机频率和空气处理机组风机频率中的每个工况至少改变一次,且多次改变其中任意一个工况,其他工况不变,测得空调实际运行参数,并建立实际运行模型曲线,以空调系统整体能耗最低为最佳运行模式,以此获得最优的优化变更参数。
[0032]本专利技术实施例提供了一种基于中央空调大数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于中央空调大数据分析的智能优化系统,其特征在于,包括:数据采集模块,用于对中央空调的各类配套设备的实际运行数据采集;数据处理模块,用于对数据采集模块采集的实际运行数据进行处理;设备模型数据库模块,所述设备模型数据库模块包含有各类配套设备的设备模型库,并结合处理后的实际运行数据生成各类配套设备的设备优化模型和中央空调总能耗的总能耗模型;负荷及能耗数据库模块,包含有各种环境下的负荷数据情况,并结合处理后的实际运行数据中的设备能耗数据和天气数据生成负荷预测模型;全局优化模块,用于结合负荷预测模型、设备优化模型、总能耗模型进行整体优化,生成各类配套设备运行的优化变量参数;控制模块,控制各类配套设备按照优化变量参数运行。2.如权利要求1所述的智能优化系统,其特征在于,还包括输入和输出模块。3.如权利要求1所述的智能优化系统,其特征在于,所述设备优化模型包含冷水机组能耗模型、冷冻水泵能耗模型、冷却水泵能耗模型、冷却塔能耗模型和空气处理机组能耗模型。4.如权利要求3所述的智能优化系统,其特征在于,冷水机组能耗模型为:P
ch
=f(Q
ch
,ΔT
ch
,Q
cq
,ΔT
cq
),其中,蒸发器侧:Q
ch
=cm
ch
ΔT
ch
,ΔT
ch
=T
chr
‑
T
chs
,c为水的比热容,m
ch
为流入流出蒸发器的水流量,T
chr
为流入蒸发器的温度,T
chs
为流出蒸发器的温度,冷凝器侧:Q
cq
=cm
cq
ΔT
cq
,ΔT
cq
=T
cqr
‑
T
cqs
,c为水的比热容,m
cq
为流入流出冷凝器的水流量,T
cqr
为流入蒸发器的温度,T
cqs
为流出冷凝器的温度。5.如权利要求3所述的智能优化系统,其特征在于,冷冻水泵、冷却水泵能耗模型分别为:P
ld
=f(n
ch
),P
lq
=f(n
cq
),其中,n
...
【专利技术属性】
技术研发人员:薛云,叶建墙,黄舸,李俊,李孝彬,
申请(专利权)人:立天节能环保深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。