一种应用于嵌入式控制系统的空调冷负荷实时预测算法的制作方法

文档序号:12155072阅读:433来源:国知局

本发明涉及中央空调系统控制领域,特别是应用于嵌入式中央空调控制系统中的空调冷负荷实时预测算法。



背景技术:

采用合理的运行调节方法是提高中央空调系统能源利用效率的主要途径之一,实行冷负荷预测是空气调节系统优化运行的有效依据,也是蓄能空调系统高效经济运行发挥其优势的关键所在。空调冷负荷预测的作用在于能确保空调参数的稳定达标,实现合理调配不同品种冷源设备,达到高效安全运行,同时,采用合理的节能控制策略,达到节能、节钱或充分利用余热等不同运行目标。

现有技术中,使用较多的空调冷负荷预测方法有三种:线性回归法、指数平滑法以及神经网络法。

线性回归方法是最为常见的一种数据处理方式,将回归分析方法应用于负荷预测领域,建立一种解释性模型。但建筑负荷是高度非线性的,采用线性回归方法精度较差,且线性回归模型的建立依托于大量的历史数据,模型通用性差,因此线性回归方法应用于工程中的难度高。

指数平滑法是根据预测对象本身的历史数据来进行预测的,属于时间序列预测技术范畴。时间指数平滑法不需要很多的历史数据作为建模依据,且建立模型具有通用性,但正由于其模型的简化性,指数平滑法的预测精度较差,且不能随着工程实施进一步提升。

神经网络分析法是目前研究最多的负荷预测方法。神经网络分析法预测精度高,但存在建模复杂,数据需求量大的缺点。此外,神经网络分析法在建模上不能实现自动化,在选择网络结构和训练网络时相当一部分工作需要借助于人的分析,存在大量的试算过程,增大了建模的难度。此外,神经网络分析法建立的负荷预测系统要应用到另一栋建筑物上,需要重新训练网络,因此,不具有通用性,工程上的应用可行性较差。



技术实现要素:

针对上述现有技术中存在的不足,本发明提出一种应用于嵌入式控制系统的空调冷负荷实时预测算法。它利用建筑物在一段时间内正常投入运行的空调系统其逐时负荷变化曲线相对稳定的特点,根据基础日的负荷分配系数和室外预报气象参数预测得到预测日最大小时负荷,计算得到预测日全天的负荷分布;具有数据需求量小、计算简便、预测结果准确且通用性好的特点。

为了达到上述发明目的,本发明的技术方案以如下方式实现:

一种应用于嵌入式控制系统的空调冷负荷实时预测算法,它包括如下步骤:

1) 获取预测日室外环境预报的气象参数,包括室外温度、湿度以及辐射;

2) 选取空调系统稳定运行代表日作为参照日,并计算得参照日逐时负荷分配系数,逐时负荷分配系数计算方法:

其中,是第i小时的负荷分配系数,是参照日第i小时内的冷负荷,是参照日最大小时负荷;

3) 根据日最大小时负荷预测公式计算预测日最大小时冷负荷,最大小时负荷预测公式为:

其中,x是内外扰分布系数,是预测日建筑最大小时负荷,是参照日建筑最大小时负荷,是内扰预测修正函数,是外扰预测修正函数;

4) 根据预测日最大小时冷负荷和参照日负荷分布系数计算预测日负荷分布情况,预测日逐小时负荷计算公式为:

其中,为预测日第i小时预测冷负荷;

5) 实际运行时,根据系统运行情况,对当前运行日预测负荷进行在线修正,修正方法为:当连续存在两个小时的当前逐时预测负荷与实测负荷的绝对误差同方向超过预测负荷的平均值的15%时,对后续逐时预测负荷进行修正,公式为:

其中,为后续第i小时的修正后冷负荷,为第i小时原预测冷负荷,和为出现超过15%偏差的连续两个小时的绝对偏差,和为出现超过15%偏差的连续两个小时的原预测冷负荷;

6)当预测日运行完毕,将预测日实际各小时冷负荷数据与预测各小时冷负荷数据进行对比,根据偏差情况对参照日负荷分配系数进行修正,具体修正方法为:若实际预测日全天有两个小时的实际运行绝对误差超过全天平均预测负荷的15%,则用当前实际运行数据重新计算负荷分配系数,后续预测采用重新计算的逐时负荷分配系数。

本发明由于采用了上述方法,利用逐时负荷系数分配法来进行空调冷负荷实施预测。逐时负荷系数分配法是根据已检测到的建筑负荷及预测得到的当天室外温度,对当日最大小时冷负荷进行预测,并根据建筑物内形成的负荷曲线分配计算逐时负荷的空调冷负荷预测方法。此外,逐时负荷系数分配法还会根据逐时检测的实时冷负荷,对后续预测冷负荷进行实时修正,提高负荷预测的准确度。该方法跟现有技术中已有的冷负荷预测方法相比最主要的区别就是更具有工程应用可行性。本发明方法建模简单,不需要依赖建筑负荷历史数据,只需在运行过程中,监测实时负荷即可不断修正预测的负荷值,提高负荷预测精度。此外,逐时负荷系数分配法数据需求量小,且模型具有通用性,不需根据不同建筑重新建模,简化了负荷预测的难度,提高了其工程应用的可行性。尤其在中央空调嵌入式控制系统中,现有较为复杂的负荷预测方法基本难以在现场控制器中运算实现,而逐时负荷系数分配法在基本保证了预测精度的情况下,大大简化了预测建模过程,完全可以在嵌入式控制系统中应用实现。通过实际数据验证,采用了本发明提供的冷负荷预测算法后,当根据建筑物特性,取得合适的内外扰修正函数时,可以将绝大部分预测负荷误差控制在10%以内,且数据需求量小,模型具有通用性,简化了空调冷负荷预测的难度。

下面结合附图和具体实施方式对本发明作进一步说明。

附图说明

图1为本发明预测算法的流程图。

具体实施方式

参看图1,本发明的一种优选实施方法,其中内外扰分布系数取0.4,内扰预测修正函数取1(对于酒店,商业综合体等内扰会出现变动的建筑,内扰修正系数应根据入住率等变化因素取值),外扰预测修正函数取(其中,为预测日预报最高室外温度,为参照日最高室外温度),方法步骤为:

1) 获取预测日室外环境预报的气象参数,包括室外温度、湿度以及辐射;

2) 选取空调系统稳定运行代表日作为参照日,并计算得参照日逐时负荷分配系数。逐时负荷分配系数计算方法:

其中,是第i小时的负荷分配系数,是参照日第i小时内的冷负荷,是参照日最大小时负荷。

3) 根据日最大小时负荷预测公式计算预测日最大小时冷负荷。

最大小时负荷预测公式为:

其中,x是内外扰分布系数,为预测日建筑最大小时负荷,为参照日建筑最大小时负荷。

4)根据基础日负荷分配系数确定预测日逐小时预测冷负荷。预测日逐小时预测冷负荷计算方法:

其中,为预测日第i小时预测负荷,是预测日建筑最大小时负荷,是第i小时的负荷分配系数。

5)实际运行时,根据系统实际运行情况,对当前运行日预测负荷进行在线修正。修正方法为:

当连续存在两个小时的当前逐时预测负荷与实测负荷的绝对误差同方向超过预测负荷的平均值的15%时,对后续逐时预测负荷进行修正。

其中,为后续第i小时的修正后冷负荷,为第i小时原预测冷负荷,和为出现超过15%偏差的连续两个小时的绝对偏差,和为出现超过15%偏差的连续两个小时的原预测冷负荷。

6)当预测日运行完毕,将预测日实际各小时冷负荷数据与预测各小时冷负荷数据进行对比,根据偏差情况对参照日负荷分配系数进行修正。具体修正方法为:

若实际预测日全天有两个小时的实际运行绝对误差超过全天平均预测负荷的15%,则用当前实际运行数据根据2中所述逐时负荷分配系数计算方法重新计算负荷分配系数,后续预测采用重新计算的逐时负荷分配系数。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1