一种电制冷机空调系统用供能一体化的控制方法和装置制造方法及图纸

本发明专利技术实施例公开了一种电制冷机空调系统用供能一体化的控制方法和装置，该方法包括：将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型；其中负荷预测神经网络模型的输入参数包括供能端的当前运行数据；通过动态仿真模型进行优化仿真以对预设的优化变量进行优化；将优化后的优化变量下发至用能端的制冷系统，并通过优化后的所述优化变量控制制冷系统运行。通过该实施例方案，实现了将供能端和用能端有机的耦合成一体，既保证了用能端不同负荷条件下的动态能量分配均衡以及舒适性要求，也保证了供能端的最佳经济性运行，从而降低了供能端和用能端的运维成本。

【技术实现步骤摘要】
一种电制冷机空调系统用供能一体化的控制方法和装置
本专利技术实施例涉及流体机械和暖通空调
，尤指一种电制冷机空调系统用供能一体化的控制方法和装置。
技术介绍
在传统园区级别的集中供冷中，用供能系统存在明显的割裂，用能端和供能端分属于不同的主体，用能端负责楼宇内部空调系统的调节，供能端负责制冷系统的控制，二者的分界点为楼宇冷冻水总管接口处。尽管冷冻水是相连的，但是控制信息和用能信息却被中断，形成粗放的供冷管理模式，造成能源的浪费。用能端往往存在水力不平衡的现象，造成楼宇内部最不利回路无法获得足够的冷量，而用户往往缺乏水力平衡调节方面的经验，只能通过投诉供能端寻求解决。供能端往往又没有权限或由于责任分工的原因不能对楼宇内部水力平衡进行直接干预，于是退而求其次通过增大冷冻水流量的方式加以解决。这就必然造成冷冻水供回水温差缩小，增大了供能端的耗电，降低了供能端的系统COP(coefficientofperformance循环性能系数)。即使供能端有权限对楼宇内部进行冷冻水系统水力平衡调节，也只能进行静态水力平衡调节，这对于当前普遍采用量调节方式的供冷系统来讲也不适用。即使采用动态压差平衡阀，当环路流量超出阀门正常工作范围时，水力平衡调节功能也会失效。此外压差并不能直接反映用户侧的实际负荷需求，用户负荷更直观的表现为温差的变化。针对不同的环境参数，以及用能端室内温度、相对湿度情况，冷冻水供水温度存在一定的调节空间。提高冷冻水供水温度可以明显降低制冷系统的耗电功率，但如果供能端无法实时获取以上这些参数，也就无法采用用供一体化的节能控制调节手段，只能以较低的供水温度运行保证用能端的供冷舒适性，造成了不必要的能源浪费。这种将用能端与供能端割裂开的现象十分普遍，也直接造成了建筑能耗居高不下的现状。近年来虽然在动态水力平衡调节以及室内湿度控制方面提出了新的控制方法，但是仍然没有一种将这两种技术融合在一起的控制方法，从而从根本上解决楼宇空调的按需供能及舒适性保证。
技术实现思路
本专利技术实施例提供了一种电制冷机空调系统用供能一体化的控制方法和装置，能够将供能端和用能端有机的耦合成一体，既保证用能端不同负荷条件下的动态能量分配均衡以及舒适性要求，也保证供能端的最佳经济性运行，从而降低供能端和用能端的运维成本。为了达到本专利技术实施例目的，本专利技术实施例提供了一种电制冷机空调系统用供能一体化的控制方法，所述方法包括：将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型；其中，所述负荷预测神经网络模型的输入参数包括供能端的当前运行数据；通过所述动态仿真模型进行优化仿真，以对预设的优化变量进行优化；将优化后的所述优化变量下发至用能端的制冷系统，并通过优化后的所述优化变量控制所述制冷系统运行。可选地，在将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型之前，所述方法还包括：收集所述供能端的运行数据；所述运行数据包括所述当前运行数据和历史运行数据；以所述运行数据作为训练集对所述负荷预测神经网络模型进行训练。可选地，所述运行数据包括以下任意一种或多种：室外温度、室外相对湿度、风速、风向、光照度以及冷负荷。可选地，所述负荷预测神经网络模型的输入参数还包括：预设的经济性指标；所述预设的经济性指标包括以下一种或多种：供冷价格、用电价格和用水价格。可选地，所述优化变量包括以下任意一种或多种：冷机启动台数、冷却塔启动台数、冷却水流量、冷冻水流量以及冷冻水供水温度。可选地，所述方法还包括：对预设的优化变量进行优化过程中，遵循预设的约束条件；所述约束条件包括以下任意一种或多种：冷机最大制冷能力、冷机最小冷冻水流量、冷机最小冷却水流量、冷机最大冷冻水流量、冷机最大冷却水流量、冷冻水泵流量范围、冷却水泵流量范围以及室内最大相对湿度。可选地，当所述优化变量为所述冷冻水供水温度时，所述通过所述动态仿真模型进行优化仿真，以对预设的优化变量进行优化包括：以所述室内最大相对湿度作为所述约束条件，通过所述动态仿真模型中的预设的优化算法，根据所反馈的用户室内最大相对湿度计算当前允许的最高冷冻水供水温度。可选地，所述动态仿真模型包括以下任意一种或多种：电制冷机模型、水泵模型、冷却塔模型和管网阻力模型。可选地，所述方法还包括：根据水力环路上的回水温度和/或温差，判断所述水力环路中冷冻水所供给的冷量是否与用能端负荷需求相匹配；其中，当所述回水温度和所述温差等于设定值时，判定所述水力环路中冷冻水所供给的冷量与所述用能端负荷需求相匹配；当所述回水温度和所述温差不等于设定值时，判定所述水力环路中冷冻水所供给的冷量与所述用能端负荷需求不匹配。本专利技术实施例还提供了一种电制冷机空调系统用供能一体化的控制装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令被所述处理器执行时，实现上述任意一项所述的电制冷机空调系统用供能一体化的控制方法。本专利技术实施例包括：将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型；其中，所述负荷预测神经网络模型的输入参数包括供能端的当前运行数据；通过所述动态仿真模型进行优化仿真，以对预设的优化变量进行优化；将优化后的所述优化变量下发至用能端的制冷系统，并通过优化后的所述优化变量控制所述制冷系统运行。通过该实施例方案，实现了将供能端和用能端有机的耦合成一体，既保证了用能端不同负荷条件下的动态能量分配均衡以及舒适性要求，也保证了供能端的最佳经济性运行，从而降低了供能端和用能端的运维成本。本专利技术实施例的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。图1为本专利技术实施例的电制冷机空调系统用供能一体化的控制方法流程图；图2为本专利技术实施例的负荷预测神经网路模型示意图；图3为本专利技术实施例的动态仿真模型结构示意图；图4为本专利技术实施例的信息流模型示意图；图5为本专利技术实施例的电制冷机空调系统用供能一体化的控制装置组成框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下文中将结合附图对本专利技术的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。为了达到本专利技术实施例目的，本专利技术实施例提供了一种电制冷机空调系统用供能一体化的控制方法，如图1所示，所述方法可以包括S101-S103：S101、将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型；其中，所述负荷预测神经网络模型的输入参数包本文档来自技高网...

【技术保护点】
1.一种电制冷机空调系统用供能一体化的控制方法，其特征在于，所述方法包括：将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型；其中，所述负荷预测神经网络模型的输入参数包括供能端的当前运行数据；通过所述动态仿真模型进行优化仿真，以对预设的优化变量进行优化；将优化后的所述优化变量下发至用能端的制冷系统，并通过优化后的所述优化变量控制所述制冷系统运行。

【技术特征摘要】
1.一种电制冷机空调系统用供能一体化的控制方法，其特征在于，所述方法包括：将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型；其中，所述负荷预测神经网络模型的输入参数包括供能端的当前运行数据；通过所述动态仿真模型进行优化仿真，以对预设的优化变量进行优化；将优化后的所述优化变量下发至用能端的制冷系统，并通过优化后的所述优化变量控制所述制冷系统运行。2.根据权利要求1所述的电制冷机空调系统用供能一体化的控制方法，其特征在于，在将预设的负荷预测神经网络模型输出的未来预设时长内的冷负荷需求结果作为仿真输入条件，定时发送至预设的动态仿真模型之前，所述方法还包括：收集所述供能端的运行数据；所述运行数据包括所述当前运行数据和历史运行数据；以所述运行数据作为训练集对所述负荷预测神经网络模型进行训练。3.根据权利要求2所述的电制冷机空调系统用供能一体化的控制方法，其特征在于，所述运行数据包括以下任意一种或多种：室外温度、室外相对湿度、风速、风向、光照度以及冷负荷。4.根据权利要求1所述的电制冷机空调系统用供能一体化的控制方法，其特征在于，所述负荷预测神经网络模型的输入参数还包括：预设的经济性指标；所述预设的经济性指标包括以下一种或多种：供冷价格、用电价格和用水价格。5.根据权利要求1所述的电制冷机空调系统用供能一体化的控制方法，其特征在于，所述优化变量包括以下任意一种或多种：冷机启动台数、冷却塔启动台数、冷却水流量、冷冻水流量以及冷冻水供水温度。6.根据权利要求5所述的电制冷机空调系统用供能一体化的控制方法，其特征在于，所述方法还...

【专利技术属性】
技术研发人员：邵帅，孙建玲，刘晓龙，赵志渊，王学博，
申请(专利权)人：新智能源系统控制有限责任公司，
类型：发明
国别省市：北京,11