System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能预期控制领域,具体涉及一种针对大型超重力离心机组系统热负荷的智能预期控制方法。
技术介绍
1、大型超重力离心机组系统运行的热负荷预测是根据离心机组热负荷的相关历史数据,探索热负荷历史数据变化规律对未来热负荷的影响,寻求热负荷与各种相关因素之间的内在联系,从而对未来的热负荷进行科学预测。热负荷预测的准确度直接影响调度计划和能量管理系统的优化结果。
2、多台大型超重力离心机温控系统运行需要大量的冷负荷,传统的制冷模式存在能耗大、噪声杂、成本高等弊端。为了响应节能减排,需优化和解决传统制冷设计、使用过量的问题。
3、目前的离心机热负荷为模拟计算结果,与实际运行会有一定差异,并且由于离心机实际运行组合方式的不确定性和多样性,使得离心机的综合热负荷需求未知性较大。
4、综上可知,现有的方法在实际使用上,存在着较多的问题,所以有必要加以改进。
技术实现思路
1、针对上述的缺陷,本专利技术的目的在于提供一种针对大型超重力离心机组系统热负荷的智能预期控制方法及装置,能够准确预测离心机组热负荷,使供给的冷量与需求冷量匹配以降低冷水机组的能耗。
2、为了实现上述目的,本专利技术提供了一种针对大型超重力离心机组系统热负荷的智能预期控制方法,包括步骤:
3、获取所述离心机组的每台离心机实时运行的热负荷数据;
4、根据所述热负荷数据,构建各个所述离心机对应的热负荷预测模型;
5、基于对所述离心机的试验调试与
6、将所述热负荷需求信息输入至对应的所述热负荷预测模型,获得第一输出结果;
7、将全部所述离心机的所述热负荷需求信息输入至预先训练的离心机组热负荷预测模型,获得第二输出结果;其中,所述离心机组热负荷预测模型用于依据全部所述离心机的所述热负荷需求信息逐时预测对应工况下的所述离心机组的总负荷信息;
8、根据所述第一输出结果和所述第二输出结果确定所述离心机组的预测结果,并基于各个所述试验工况下的所述离心机组的实际负荷信息进行反馈校正控制,以获得用于调度冷源机房系统的控制变量最优目标值。
9、可选的,所述获取所述离心机组的每台离心机实时运行的热负荷数据的步骤还包括:
10、将所述热负荷数据存于预设的时序数据库;
11、所述根据所述热负荷数据,构建各个所述离心机对应的热负荷预测模型的步骤包括:
12、分别从所述时序数据库中获取所述离心机对应的所述热负荷数据;
13、根据各个所述离心机的所述热负荷数据,分别构建各个所述离心机对应的热负荷预测模型。
14、可选的,所述根据各个所述离心机的所述热负荷数据,分别构建各个所述离心机对应的热负荷预测模型的步骤包括:
15、根据各个所述离心机的所述热负荷数据进行建模,并调节模拟参数进行优化求解以获得各个所述离心机对应的热负荷预测模型。
16、可选的,所述热负荷数据至少包括离心机转速、当前真空度以及温度信息。
17、可选的,所述第一输出结果为所述离心机对应的热负荷预测值;和/或
18、所述第二输出结果为所述离心机组逐时预测的总热负荷值。
19、可选的,所述获取各个所述离心机在若干试验工况下的热负荷需求信息的步骤包括:
20、通过预设的调试策略对所述离心机进行试验调试,并执行模拟计算以获得各个所述离心机在若干试验工况下的热负荷需求信息。
21、可选的,所述根据所述第一输出结果和所述第二输出结果确定所述离心机组的预测结果,并基于各个所述试验工况下的所述离心机组的实际负荷信息进行反馈校正控制,以获得用于调度冷源机房系统的控制变量最优目标值的步骤之后,还包括:
22、基于所述控制变量目标值,确定从所述冷源机房系统调度的至少一目标低温制冷机及工艺冷却水机;
23、控制所述目标低温制冷机及工艺冷却水机运作。
24、本专利技术所述针对大型超重力离心机组系统热负荷的智能预期控制方法通过获取所述离心机组的每台离心机实时运行的热负荷数据;根据所述热负荷数据,构建各个离心机对应的热负荷预测模型;基于对离心机的试验调试与模拟计算,获取各个所述离心机在若干试验工况下的热负荷需求信息;将所述热负荷需求信息输入至对应的热负荷预测模型,获得第一输出结果;将全部所述离心机的热负荷需求信息输入至预先训练的离心机组热负荷预测模型,获得第二输出结果;其中,所述离心机组热负荷预测模型用于依据全部所述离心机的所述热负荷需求信息逐时预测对应工况下的所述离心机组的总负荷信息;根据所述第一输出结果和第二输出结果确定所述离心机组的预测结果,并基于各个所述试验工况下的所述离心机组的实际负荷信息进行反馈校正控制,以获得用于调度冷源机房系统的控制变量最优目标值。如此,本专利技术能够通过预测离心机组热负荷来确定未来系统运行参数,使供给的冷量与需求冷量匹配,保障系统正常运行的同时最大限度减少能量浪费并降低输送能耗。
本文档来自技高网...【技术保护点】
1.一种针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,包括步骤:
2.根据权利要求1所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述获取所述离心机组的每台离心机实时运行的热负荷数据的步骤还包括:
3.根据权利要求2所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述根据各个所述离心机的所述热负荷数据,分别构建各个所述离心机对应的热负荷预测模型的步骤包括:
4.根据权利要求1所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述热负荷数据至少包括离心机转速、当前真空度以及温度信息。
5.根据权利要求1所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述第一输出结果为所述离心机对应的热负荷预测值;和/或
6.根据权利要求1所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述基于对所述离心机的试验调试与模拟计算,获取各个所述离心机在若干试验工况下的热负荷需求信息的步骤包括:
7.根据权利
...【技术特征摘要】
1.一种针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,包括步骤:
2.根据权利要求1所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述获取所述离心机组的每台离心机实时运行的热负荷数据的步骤还包括:
3.根据权利要求2所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述根据各个所述离心机的所述热负荷数据,分别构建各个所述离心机对应的热负荷预测模型的步骤包括:
4.根据权利要求1所述的针对大型超重力离心机组系统热负荷的智能预期控制方法,其特征在于,所述热负荷数据至少包括离心机转速、当前真空度以及温度信息。
5.根据权利要求1...
【专利技术属性】
技术研发人员:刘洋洋,宁娟,韩潇,王宇,孙宇,方明元,
申请(专利权)人:北京卫星环境工程研究所,
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。