本发明涉及一种热泵与太阳能热水器组合系统中太阳能得热量预测控制方法。
背景技术：
空气源热泵热水器辅助太阳能热水器具有节能和环境适应性强的优点，在生活热水供应中得到了越来越广泛的应用。空气源热泵热水器与太阳能热水器组合中传统的控制方法是优先使用太阳能加热，当用户使用热水时如水温达不到要求，则开启热泵热水器进行加热，或者是人工提前开启或在某一固定时间提前开启。采用上述控制方法的主要问题是由于空气源热泵热水器的能效比随室外环境温度升高而升高，但随水箱水温升高而降低，如以日常用水高峰在18时以后为例，其室外环境温度一般比午间最高温度低5～8℃，而午间的水箱水温也比较低。为此，发明专利“热泵与太阳能热水器组合的节能控制方法（ZL201210485068.4）”中提出了通过对太阳能热水器全天得热量进行预测，在午间气温较高的时段提前开启热泵热水器补充加热的技术方案。但由于每天气象条件都不相同，如何准确预测太阳能热水器全天所能提供的热量是实施的关键。
技术实现要素：
本发明的目的是克服现有技术的不足而提供一种热泵与太阳能热水器组合系统中太阳能得热量预测控制方法，其基于神经网络算法，能根据历史太阳能辐射数据和使用当天前几小时的水箱实际得热量，预测未来某段时间水箱的有效得热量，从而确定所需热泵热水器辅助加热量以及热泵热水器最佳的开机时间及总的运行时间，实现系统运行节能目的。
为了达到上述目的，本发明是这样实现的，其是一种热泵与太阳能热水器组合系统中太阳能得热量预测控制方法，其特征在于热泵与太阳能热水器包括热泵热水器、热泵循环水泵、储水箱、太阳能循环水泵、太阳能热水器、储水箱水温传感器、环境温度传感器及控制器；所述储水箱水温传感器感应的温度为储水箱的水温，所述环境温度传感器感应的温度为环境温度，所述控制器预测太阳能热水器得热量的方法步骤如下：
（一）影响组合系统中的有效得热量的因素主要有太阳能辐照量和环境温度，将太阳能辐照量、环境温度因素对热泵与太阳能热水器组合系统得热量的影响综合表述为储水箱的有效得热量，在给定储水箱容积的情况下，通过储水箱水温传感器测量的温升即可以得到组合系统的有效得热量；
（二）建立储水箱的温升ΔT随时间t、单位时间内太阳辐射平均值Ia、平均环境温度ThP及储水箱初始温度TC变化的函数式ΔT= ƒ (t, Ia, TC, ThP)；
（三）根据历史逐时太阳辐射序列与平均环境温度参数建立神经网络模型，采集使用当日开始预测的前2～6个小时热水系统运行时储水箱温升实时情况和平均环境温度作为网络输入，将网络模型输出的储水箱温升预测值置入到控制器，经过数学计算得到储水箱的总的温升值ΔT′。
（四）预测的储水箱的总的温升值ΔT′与初始水温TC之和即为预测得到的储水箱的最终温度TZ，用户设定水温TS与最终温度TZ之差△T″,即△T″= TS -TZ为需要热泵热水器辅助加热的热量，热泵热水器在全天环境温度较高时提前启动运行即一般为中午12:00，当热泵热水器完成辅助加热的这一部分热量即通过热泵热水器运行温升达到△T″后停止运行。
本发明与现有技术相比的优点为：对气象条件变化较大时的太阳能有效得热量预测更准确，热泵热水器运行时间段的能效比更高，系统节能效果明显。
附图说明
图1是本发明的系统原理图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示，其是一种热泵与太阳能热水器组合系统预测控制方法，其特征在于热泵与太阳能热水器组合系统包括热泵热水器1、热泵循环水泵2、储水箱3、太阳能循环水泵4、太阳能热水器5、储水箱水温传感器6、环境温度传感器7及控制器8；其中所述热泵热水器1的出水口与储水箱水温传感器6的一入水口连通，所述储水箱水温传感器6的一出水口通过热泵循环水泵2与热泵热水器1的入水口连通，储水箱水温传感器6的另一出水口通过太阳能循环水泵4与太阳能热水器5的入水口连通，储水箱水温传感器6的另一入水口与太阳能热水器5的出水口连通；热泵循环水泵2及太阳能循环水泵4受控制器8的控制；所述储水箱水温传感器6感应的温度为储水箱3的水温，所述环境温度传感器7感应的温度为环境温度；所述控制器8预测太阳能热水器5得热量的方法步骤如下：
（一）建立储水箱3的温升ΔT随时间t、单位时间内太阳辐射平均值Ia、平均环境温度ThP及水箱初始温度TC变化的函数式ΔT= ƒ (t, Ia, TC, ThP)，根据能量守恒定律，Q＝C×M×ΔT，C为水的比热容， M为储水箱3内水的质量，C及M为定值，即ΔT= Q/( C×M) =(QS-QC)/ ( C×M)，QS表示时间t内太阳能热水器5的制热量，QC表示储水箱3散热损失的热量；
（二）根据GBT50364-2005《民用建筑太阳能热水系统应用技术规范》，太阳能热水器5的集热模块一天的集热量计算公式为QS =R×I，R为常数，R与集热模块的总面积、太阳能集热器的年平均集热效率、储水箱、管路热损失率以及太阳能转换率相关,R的取值可以由同一地区的历史数据整理得出，I为日平均太阳辐射量，为了判断准确，将日平均太阳辐射量变化为逐时平均太阳辐射量之和，即，Ia为单位时间内太阳辐射平均值，QC为储水箱3散热量，储水箱3温度与环境温度温差越大，散热越快，即QC与水箱温升ΔT、初始水温TC及平均环境温度ThP直接相关，QC =ƒ (t, TC, ThP)，具体函数式可根据储水箱3的具体结构，由传热学相关理论得到；
（三）根据历史逐时太阳辐射序列与平均环境温度参数建立神经网络模型，采集使用当日开始预测的前2～6个小时热水系统运行时的储水箱3温升实时情况和平均环境温度作为神经网络输入，将网络模型输出的储水箱3温升预测值置入到控制系统，经过数学计算得到储水箱3温升值ΔT′，具体步骤如下：
（1）输入本地区太阳逐时辐射历史序列和平均环境温度历史序列，对大部分地区，时间段可定为7:00-18:00，每30分钟取1次太阳能逐时辐射值和平均环境温度值；
（2）输入使用当天的日期及开始预测和结束预测的时间，一般以中午12:00作为开始预测的时间，以下午18:00作为结束预测的时间；
（3）输入使用当日通过环境温度传感器7测量的平均环境温度ThP，一般测量时间从上午7:00到中午12:00，每30分钟取1次环境温度Th，并作为这30分钟内平均环境温度ThP；
（4）输入使用当日开始进行预测时刻t之前的储水箱3内水的温升ΔT变化数据，通过储水箱水温传感器6测量得到，一般测量时间从上午7:00到中午12:00，每30分钟取1次温度数据；
（5）输入太阳能的常数R，网络神经算法对气象条件稳定的情况预测结果较好，但对天气突变情况预测效果不够理想，考虑到天气变化对的影响，在不同气象条件下，R所反映出的太阳能保证率等数值差别较大，可以按不同气象条件依据历史数据得出近似值；在神经网络输入项中加入R，可以有效反应气象因素，增加数据准确性，较为有效的应对天气突变状况；
（6）使用单隐层神经网络，构建非线性的连续收敛的网络序列逼近储水箱（3）温升值ΔT，得到满足回溯误差要求的储水箱3预测温升值ΔT′；
（四）预测的储水箱3的总的温升值ΔT′与初始水温TC之和即为预测得到的储水箱3最终温度TZ，用户设定水温TS与TZ之差△T″,即△T″= TS -TZ为需要热泵热水器1辅助加热的热量，热泵热水器1在全天环境温度较高时即一般为中午12:00提前启动运行，当热泵热水器1完成辅助加热的这一部分热量即通过热泵热水器1运行温升达到△T″后停止运行。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换及变形，本发明的范围由权利要求及其等同物限定。