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】
本专利技术属于暖通空调智能化,具体涉及一种基于数字孪生技术的冷水机组及其节能优化控制方法。
技术介绍
1、空调系统节能是暖通空调领域重要的研究课题。据统计,夏季空调系统能耗占建筑总能耗近一半以上。冷水机组是空调系统中能耗占比最大的设备,因此冷水机组节能优化控制对于节约能耗非常关键。数字孪生技术是充分利用物理模型、传感器实测更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。
2、现有的中央空调系统节能优化控制主要采用实体控制器根据受控设备的状态如实时出水温度和出水温度设定值的偏差、室内温度、流量等传感器实测数据进行自动控制机组的开停、调节容量、设定运行参数进行控制。
3、一方面由于现有的冷水机组实体控制器仅能依赖传感器实测参数制定策略实时响应运行,对传感器的精度、寿命与稳定性有很高的要求,经常存在因传感器故障等导致控制调节过程常出现过调节、欠调节、调控速度慢、需求不满足的现象,造成能量的浪费及运维费用的增加;另一方面对于未来的控制策略不具有预见性,无法综合考虑环境因素、设备可用状态、其他冷源调度供给能力等不确定因素变化的影响和制约作用合理地预测制定未来一段时间的运行策略。综上,现有的冷水机组控制方法不利于保证供需平衡的可靠性和经济性。
技术实现思路
1、本专利技术要解决的技术问题是针对现有技术的不足,提供一种基于数字孪生技术的冷水机组及其节能优化控制方法。本专利技术能够实现在未
2、一种基于数字孪生技术的冷水机组,其特征在于,包括冷水机组1、控制器2及冷水机组数字孪生体3、孪生控制器4;
3、冷水机组1是物理世界中实际存在的制冷设备,接收和存储数据信息,接受并参照控制器2的命令运行;
4、控制器2是向冷水机组1发出命令的设备,可以接受来自孪生控制器的信息;
5、冷水机组数字孪生体3是与冷水机组1对应的数字空间中的孪生对象,可接收和存储数据,接受并参照孪生控制器4的命令运行,与冷水机组数字孪生体3进行实时数据交互;
6、孪生控制器4是与物理世界中控制器2对应的数字空间中的孪生对象,向冷水机组数字孪生体3发出命令,与控制器2的进行实时数据信息交互;
7、节能优化控制方法的具体步骤包括:
8、s1. 冷水机组1和冷水机组数字孪生体3进行实时数据交互,包含历史数据和未来参考数据。
9、s2. 根据s1中的数据应用负荷预测算法进行建筑冷负荷预测,计算未来周期内各时刻的建筑冷负荷数据。
10、s3. 在冷水机组数字孪生体3中建立、更新冷水机组1性能仿真模型,进行性能仿真计算,根据s1中的数据仿真运行得到未来周期内各时刻的能耗、能效、产能功率等性能参数。
11、s4. 在冷水机组数字孪生体3中依据s1、s2、s3获得的数据以冷负荷优化分配目标进行冷负荷优化分配,计算未来周期内各时刻单台冷水机组制冷负荷、总制冷负荷、运行台数。
12、s5. 在冷水机组数字孪生体3中进行可用性分析计算,得到未来周期内各时刻冷水机组1的可运行台数、总供冷能力。
13、s6. 在冷水机组数字孪生体3中进行运行策略决策。判断s5中总供冷能力是否大于等于s4得到总制冷负荷,若满足,计算冷机启停、频率设定值并转化为可执行控制策略,传递给孪生控制器4;若不满足,返回s4。
14、s7. 孪生控制器4控制冷水机组数字孪生体3仿真运行,进行未来运行周期的能耗预测后,制冷水机组数字孪生体3与冷水机组1进行数据交互,以同步能耗预测信息,孪生控制器4与控制器2进行数据交互,控制器2控制冷水机组1实际运行。
15、s8. 若冷水机组1和冷水机组数字孪生体3进行实时数据交互后,计算重新开始,重复s1-s7。
16、建筑冷负荷预测可以是在冷水机组1或在冷水机组数字孪生体2中建立、更新冷负荷预测算法进行预测。
17、负荷预测算法函数为:
18、
19、其中 qt是周期内各时刻的建筑冷负荷, a, b, c,……是指经数据关联度分析得到的影响建筑负荷变化的建筑信息、人员、天气、日程等特征参数, f( a, b, c,……)是根据以上参数归纳的负荷预测基本函数, g( t)是算法根据预测精度实时修正的函数。
20、周期由其他冷源设备运行周期、经济性指标周期决定:
21、
22、其中 t是指预测周期, ti, tj,……是指其他冷源设备运行周期、经济性指标周期。
23、建立、更新预测算法函数的方法包括但不限于时间序列预测、神经网络、机器学习或以上任意组合等各类预测方法;
24、性能仿真模型是指
25、
26、其中 qchiller是指冷水机组的制冷功率, tw是指冷水机组所处的环境温度, φ是环境湿度, te是蒸发温度, ge是载冷剂的流量, tc是冷凝温度, gc是冷却剂的流量, tlen是累计运行时间,……是影响冷水机组产能、能耗、能效的其他参数,, z( t)是算法根据模型精度实时修正的函数。
27、性能仿真模型根据历史运行数据与预测数据计算偏差实时调整更新模型中的参数;
28、冷负荷优化分配目标是实现整个周期运行能耗及费用最小,不是仅各时刻单独寻优,应在周期内各时刻之间迭代优化调整;冷负荷分配约束条件是周期用能总量约束、其他冷源调度各时刻供给能力及经济性指标。
29、冷负荷优化分配的方法包括但不限于规划求解、进化、多目标权重自适应法、粒子群、混沌等最优化求解方法。
3本文档来自技高网...
【技术保护点】
1.一种基于数字孪生技术的冷水机组,其特征在于,包括冷水机组(1)、控制器(2)及冷水机组数字孪生体(3)、孪生控制器(4);
2.根据据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,建筑冷负荷预测可以是在冷水机组(1)或在冷水机组数字孪生体(2)中建立、更新冷负荷预测算法进行预测。
3.根据权利要求1或2所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,负荷预测算法函数为:
4.根据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,所述的周期由其他冷源设备运行周期、经济性指标周期决定;
5.根据权利要求1至3中任一项的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,所述的建立、更新预测算法函数的方法包括但不限于时间序列预测、神经网络、机器学习或以上任意组合等各类预测方法。
6.根据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,性能仿真模型是指:
7.根据权利要求1或6所述的一
8.根据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,冷负荷优化分配目标是实现整个周期运行能耗及费用最小,不是仅各时刻单独寻优,应在周期内各时刻之间迭代优化调整;冷负荷分配约束条件是周期用能总量约束、其他冷源调度各时刻供给能力及经济性指标。
9.根据权利要求1或8所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,冷负荷优化分配的方法包括但不限于规划求解、进化、多目标权重自适应法、粒子群、混沌等最优化求解方法。
10.根据要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,可用性分析计算包括运行轮换控制分析、安全状态分析、性能分析;运行轮换控制分析是根据各冷水机组运行状态、累计运行时长评价;安全状态分析是根据故障率、维护保养记录进行评价;性能分析是根据能效、能耗进行评价。
...【技术特征摘要】
1.一种基于数字孪生技术的冷水机组,其特征在于,包括冷水机组(1)、控制器(2)及冷水机组数字孪生体(3)、孪生控制器(4);
2.根据据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,建筑冷负荷预测可以是在冷水机组(1)或在冷水机组数字孪生体(2)中建立、更新冷负荷预测算法进行预测。
3.根据权利要求1或2所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,负荷预测算法函数为:
4.根据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,所述的周期由其他冷源设备运行周期、经济性指标周期决定;
5.根据权利要求1至3中任一项的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,所述的建立、更新预测算法函数的方法包括但不限于时间序列预测、神经网络、机器学习或以上任意组合等各类预测方法。
6.根据权利要求1所述的一种基于数字孪生技术的冷水机组及其节能优化控制方法,其特征在于,性能仿真模型是指:
【专利技术属性】
技术研发人员:梁云,赵晓宇,贺延壮,张欢,陈俊,赵笙言,
申请(专利权)人:同方智慧能源有限责任公司,
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。