用于暖通空调系统的基于负荷预测的控制系统和控制方法与流程

本发明涉及暖通空调领域，具体涉及一种能够改善控制品质的用于暖通空调系统的基于负荷预测的控制系统以及一种相关联的控制方法。

背景技术：

在例如现代大型建筑中，暖通空调系统(例如中央空调系统)能耗通常占据建筑总能耗60％以上。因此，在确保楼宇建筑环境舒适性的前提下进一步降低中央空调系统能耗水平具有重要现实意义。集成冷站采用传统PID控制具有控制滞后、抗扰动能力差等固有缺点。采用基于建筑冷负荷预测的集成冷站控制策略，则可以有效避免以上两种缺点。

然而，基于负荷预测的集成冷站控制方法有两个前提。其一是精确可靠的负荷预测模型，其二是合理可行的冷站系统控制策略。现有建筑冷负荷预测模型以人工神经网络算法为主，人工神经网络预测方法具有模型复杂、样本数据更新困难、工程应用成本高等缺点。

另外，在CN101424436A中，提出一种基于负荷预测的中央空调控制方法。然而，所提出的基于负荷预测的负荷增减趋势来加减冷机的控制方法过于简单，无法真正实现中央空调的节能优化控制。

这里，应当指出的是，本部分中所提供的技术内容旨在有助于本领域技术人员对本发明的理解，而不一定构成现有技术。

技术实现要素：

为了解决或部分地解决相关技术中所存在的上述问题中的至少一个问题，本发明提供一种用于暖通空调系统的基于负荷预测的控制系统以及一种相关联的控制方法，以实现暖通空调系统的稳定、优化的节能控制。

根据本发明的一个方面，提供一种用于暖通空调系统的基于负荷预测的控制系统。所述控制系统包括基础数据库、感测系统、负荷预测部和中央控制器，所述基础数据库存储有与所述暖通空调系统相关的数据，所述感测系统提供与所述暖通空调系统相关的实测数据，所述负荷预测部计算所述暖通空调系统的预测负荷值，所述中央控制器基于所述实测数据计算所述暖通空调系统的实际负荷量。所述中央控制器基于所述预测负荷值与所述实际负荷量的差值发出用于控制所述暖通空调系统的运行的控制指令。

优选地，在上述控制系统中，所述中央控制器配置成：将所述差值与预设值进行比较并且根据比较结果发出控制指令。

优选地，在上述控制系统中：所述暖通空调系统为建筑冷站，所述建筑冷站包括下述冷站装置中的至少一者：冷机、冷冻水泵、冷却水泵和冷却塔，所述冷站装置中的每一者为一台或多台，以及，所述中央控制器配置成：根据所述比较结果发出控制指令以增减所述冷站装置的开启台数并且/或者调整所述冷站装置的单机负荷率。

优选地，在上述控制系统中：所述预设值包括正侧限值和负侧限值，以及，所述中央控制器配置成：在所述预测负荷值大于所述实际负荷量的负荷正趋势下，当所述差值的绝对值大于所述正侧限值时增加所述冷站装置的开启台数，当所述差值的绝对值小于等于所述正侧限值时增大处于开启状态的冷站装置的单机负荷率，在所述预测负荷值小于所述实际负荷量的负荷负趋势下，当所述差值的绝对值大于所述负侧限值时减少所述冷站装置的开启台数，当所述差值的绝对值小于等于所述负侧限值时减小处于开启状态的冷站装置的单机负荷率。

优选地，在上述控制系统中：为所述冷站装置中的每一者确定并存储各自的运行性能曲线，以及，所述中央控制器配置成：在综合地考虑所述各自的运行性能曲线的情况下基于与所述预测负荷值相对应的目标负荷量发出控制指令，使得在所述建筑冷站的总能耗最低的情况下实现所述目标负荷量。

优选地，在上述控制系统中：所述冷机、所述冷冻水泵、所述冷却水泵和所述冷却塔分别设置有冷机控制器、冷冻水泵控制器、冷却水泵控制器和冷却塔控制器，以及，所述冷机控制器、所述冷冻水泵控制器、所述冷却水泵控制器和所述冷却塔控制器存储有所述各自的运行性能曲线并且分别接收来自所述中央控制器的控制指令，以便使所述冷机、所述冷冻水泵、所述冷却水泵和所述冷却塔分别以各自的目标运行参数运行。

优选地，在上述控制系统中，所述感测系统的感测数据被分类地存储在所述基础数据库中的根据季节、日期和/或时刻特性分类的相应数据文件夹中。

优选地，在上述控制系统中，所述数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹，每类数据文件夹包含室外温度数据、室内人数数据、预测负荷值数据和/或实际负荷量数据。

优选地，在上述控制系统中：所述基础数据库中存储的与所述暖通空调系统相关的数据包括历史数据，所述负荷预测部基于所述历史数据和所述实测数据计算所述预测负荷值，以及，所述负荷预测部配置成：调取与当前日期相对应的数据文件夹中的数据以进行负荷预测。

优选地，在上述控制系统中，所述负荷预测部配置成：在负荷预测中，将来自所述感测系统的当前室内人数数据和当前环境温度数据分别与同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得负荷预测的室内人数修正系数和环境温度修正系数。

优选地，在上述控制系统中，所述基础数据库中存储的与所述暖通空调系统相关的数据包括历史数据，所述基础数据库中的所述历史数据为基于时间序列的逐时数据，以及，所述负荷预测部通过指数平滑法进行负荷预测。

优选地，在上述控制系统中，所述负荷预测部配置成：基于所述实际负荷量与上一个预测负荷值的差对负荷预测进行修正。

根据本发明的另一方面，提供一种用于暖通空调系统的控制方法。所述控制方法通过如上所述的控制系统来控制所述暖通空调系统的运行。

根据本发明，在一个层面中，基于预测负荷值与实际负荷量的差值控制暖通空调系统的运行。特别地，基于预测负荷值与实际负荷量的差值增减冷机的开启台数并且/或者调整冷机的单机负荷率。因此，与简单地基于负荷正负趋势(通过简单地比较预测负荷值与实际负荷量的大小而非具体差值来判定负荷正负趋势)控制暖通空调系统的运行的相关方案相比，根据本发明的控制方法更加优化并且控制品质更高。另外，根据本发明的控制方法综合地考虑各冷站装置的运行性能曲线，以暖通空调系统的全局性能最优为基准对建筑冷站进行控制，从而实现综合系统节能并且确保控制品质稳定。

根据本发明，在另一层面中，所提出的基于负荷预测的控制系统(集成冷站节能控制系统)的建筑冷负荷预测模型建立有易存取的基础数据库。基础数据库可以包括工作日、星期六、星期日和节假日数据文件夹而方便存取和管理。而且，在负荷预测中，还根据当前室内人数数据和环境温度数据与同一时刻的历史室内人数数据和环境温度数据进行比较以及根据对应的实际负荷量与预测负荷值的差来对负荷预测进行修正。由此，实现了基于改进型指数平滑法的负荷预测模型从而获得更精确的负荷预测结果，进而为实现优化控制提供了基础。

总之，根据本发明，利用基于历史相似数据的建筑负荷预测模型来实现建筑冷负荷的精确预测，以中央空调系统综合能耗最低为原则实现中央空调系统的稳定、优化的节能控制。

附图说明

通过以下参照附图对本发明实施方式的详细描述，本发明的上述以及其它的目的、特征和优点将更为清楚，在附图中：

图1为示出根据本发明示例性实施方式的控制系统的结构框图；以及

图2为示出根据本发明示例性实施方式的基础数据库的示意图。

附图标记清单：

10---基础数据库

20---感测系统

30---负荷预测部

40---中央控制器

42---冷机控制器

44---冷冻水泵控制器

46---冷却水泵控制器

48---冷却塔控制器

CS---控制系统

具体实施方式

下面参照附图、借助示例性实施方式对本发明进行详细描述。对本发明的以下详细描述仅仅是出于说明目的，而绝不是对本发明及其应用或用途的限制。

参照图1(图1为示出根据本发明示例性实施方式的控制系统的结构框图)，根据本发明示例性实施方式的控制系统CS可以用于建筑物(例如大型建筑物)的暖通空调系统。在一些示例中，暖通空调系统可以为中央空调系统特别是建筑冷站。在其它示例中，暖通空调系统可以为其它系统(比如热泵供热系统)。

建筑冷站可以包括一种或多种冷站装置。冷站装置可以包括冷机、冷冻水泵、冷却水泵和冷却塔。当然，冷站装置还可以阀门(比如电动蝶阀)等其它装置。

控制系统CS可以包括基础数据库10、感测系统20、负荷预测部30和中央控制器40。

基础数据库10可以存储有与暖通空调系统相关的历史数据。感测系统20可以提供与暖通空调系统相关的实测数据。例如，感测系统20可以包括多种不同的温度传感器、压力传感器和流量传感器。

在优选的示例中，感测系统20所提供的感测数据例如经由通信模块而被分类地存储在基础数据库10中的根据季节、日期和/或时刻特性分类的相应数据文件夹中。例如，参见图2(图2为示出根据本发明示例性实施方式的基础数据库的示意图)，根据日期特性分类，数据文件夹可以包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹。每类数据文件夹可以包含气象数据(比如室外温度数据和室外湿度数据)、室内人数数据(人员密度数据)、预测负荷值数据和/或实际负荷量数据。当然，根据具体情况，基础数据库10还可以存储有例如由感测系统20提供的与暖通空调系统相关的其它数据，比如冷冻水供水温度数据、冷冻水回水温度数据和冷冻水流量数据。

负荷预测部30可以基于历史数据和实测数据计算暖通空调系统的预测负荷值。中央控制器40可以基于实测数据计算暖通空调系统的实际负荷量。这里，可以构想，负荷预测部的负荷预测可以以其它方式进行而不必然基于历史数据和实测数据。

在一些示例中，负荷预测部30可以配置成：调取与当前日期相对应的数据文件夹中的数据以进行负荷预测。例如，如果是在工作日进行负荷预测，则调取基础数据库10中的工作日数据文件夹中的历史数据，而如果在星期日进行负荷预测，则调取基础数据库10中的星期日数据文件夹中的历史数据。这样，由于相似日历史数据做预测日样本数据，可以提高预测精度。负荷预测部30还可以配置成：在负荷预测中，将来自感测系统20的当前室内人数数据和当前环境温度数据分别与同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得负荷预测的室内人数修正系数和环境温度修正系数。

在一些示例中，基础数据库10中的历史数据可以为基于时间序列的逐时数据，以及，负荷预测部30可以通过指数平滑法进行负荷预测。

在一些示例中，负荷预测部30可以配置成：基于实际负荷量与上一个预测负荷值的差对负荷预测进行修正。这里，上一个预测负荷值即为：在上次负荷预测中所预测出的当前时刻的负荷值，也就是与实际负荷量(当前时刻实际负荷量)相对应的预测负荷值。

下面描述由负荷预测部30进行的示例性负荷预测方法。

示例性负荷预测方法可以包括如下步骤。

从基础数据库10中提取近两日或更多日的负荷量，然后分别计算近两日或更多日的逐时负荷量平均值。

基于逐时负荷量平均值计算近两日或更多日的水平因子。

基于逐时负荷量平均值计算近两日或更多日的趋势因子。

计算近两日或更多日中每日的周期因子，然后取平均并进行正态化处理而获得正态化周期因子。

从感测系统20将实时感测到的室内人数数据和环境温度数据传输至负荷预测部30，然后负荷预测部30计算第一个负荷预测的室内人数修正系数和环境温度修正系数。这里，特别地，如上所述，将来自感测系统20的当前室内人数数据和当前环境温度数据分别与前一日或前几日同一时刻的历史室内人数数据和历史环境温度数据进行比较而获得第一个预测负荷的室内人数修正系数和环境温度修正系数。

基于水平因子、正态化周期因子以及第一个负荷预测的室内人数修正系数和环境温度修正系数计算第一个预测负荷值。

另外，在第一个负荷预测结束之后，由中央控制器40(例如中央控制器40中的负荷量确定部)基于感测系统20的感测数据确定(计算)实际负荷量。这里，例如，中央控制器40可以根据中央空调系统总管供回水两侧温度和流量(冷冻水供水温度、冷冻水供水流量、冷冻水回水温度和冷冻水回水流量)而计算出实际负荷量(当前时刻供冷量)。

负荷预测部30基于第一个预测负荷值与从中央控制器40反馈的实际负荷量的差修正水平因子和正态化周期因子而获得更新的水平因子和更新的正态化周期因子。

从感测系统20将实时感测到的室内人数数据和环境温度数据传输至负荷预测部30，然后负荷预测部30计算第二个预测负荷的室内人数修正系数和环境温度修正系数。

基于更新的水平因子、更新的正态化周期因子以及第二个预测负荷的室内人数修正系数和环境温度修正系数计算第二个预测负荷值。

根据本发明，中央控制器40基于预测负荷值与实际负荷量的差值发出用于控制暖通空调系统的运行的控制指令，以控制(调整或维持)各冷站装置的运行参数。这里，预测负荷值指的是通过本次负荷预测过程而预测出的下一时刻的预测负荷值，而实际负荷量指的是通过本次负荷计算(确定)过程而计算出的这一时刻的实际负荷量(当前实际负荷量)。

中央控制器40可以配置成：将差值与预设值进行比较并且根据比较结果发出控制指令。特别地，多种冷站装置中的每种装置可以为一台或多台，并且中央控制器40可以配置成：根据比较结果发出控制指令以增减冷站装置的开启台数(比如冷机的开启台数)并且/或者调整冷站装置的单机负荷率(比如处于开启状态的冷机的单机负荷率)。

在优选的示例中，预设值包括正侧限值和负侧限值。中央控制器40可以配置成：在预测负荷值大于实际负荷量的负荷正趋势下，当差值的绝对值大于正侧限值时增加冷站装置的开启台数(例如加开一台冷机)，当差值的绝对值小于等于正侧限值时增大处于开启状态的冷站装置的单机负荷率(例如使当前开启的冷机加载)，在预测负荷值小于实际负荷量的负荷负趋势下，当差值的绝对值大于负侧限值时减少冷站装置的开启台数(例如停开一台冷机)，当差值的绝对值小于等于负侧限值时减小处于开启状态的冷站装置的单机负荷率(例如使当前开启的冷机卸载)。

在一些示例中，除了正侧限值和负侧限值，预设值还可以包括小于正侧限值和负侧限值的一系列阈值(多级阈值)，以便中央控制器40基于差值与一系列阈值的比较结果来方便地确定单机负荷率的调整量。

在优选的示例中，预先为冷站装置中的每一者确定并存储各自的运行性能曲线。例如，对于冷机，运行性能曲线可以是冷机在多个不同的运行参数下的COP曲线，运行参数可以是冷冻水出口温度、冷却水进口温度、负荷率、冷冻水流量和冷却水流量等。中央控制器40可以配置成：在综合地考虑各个冷站装置的各自的运行性能曲线的情况下基于与预测负荷值相对应的目标负荷量发出控制指令，使得在建筑冷站的总能耗最低的情况下实现目标负荷量。这里，总能耗(总功率)可以是建筑冷站中各冷站装置的能耗(功率)之和，例如，总能耗＝冷机能耗+冷冻水泵能耗+冷却水泵能耗+冷却塔能耗。

冷机、冷冻水泵、冷却水泵和冷却塔可以分别设置有冷机控制器42、冷冻水泵控制器44、冷却水泵控制器46和冷却塔控制器48(这些智能控制器构成智能控制系统CS的一部分)。冷机控制器42、冷冻水泵控制器44、冷却水泵控制器46和冷却塔控制器48可以存储有各自的运行性能曲线并且分别接收来自中央控制器40的控制指令，以便使冷机、冷冻水泵、冷却水泵和冷却塔分别在各自的目标运行参数下或附近运行。这里，需要指出的是，对于某一冷站装置，用于实现建筑冷站总能耗最低的目标运行参数并不一定是该冷站装置本身能耗最低的运行参数。然而，通过使各冷站装置在各自的目标运行参数(频率、温度和流量等)下或附近运行，能够使建筑冷站的总能耗最低。

根据本发明，还提供一种用于暖通空调系统的控制方法。该控制方法通过如上所述的控制系统CS来控制暖通空调系统的运行。

根据本发明，在一个层面中，基于预测负荷值与实际负荷量的差值控制暖通空调系统的运行。特别地，基于预测负荷值与实际负荷量的差值增减冷机的开启台数并且/或者调整冷机的单机负荷率。因此，与简单地基于负荷正负趋势(通过简单地比较预测负荷值与实际负荷量的大小而非具体差值来判定负荷正负趋势)控制暖通空调系统的运行的相关方案相比，根据本发明的控制方法更加优化并且控制品质更高。另外，根据本发明的控制方法综合地考虑各冷站装置的运行性能曲线，以暖通空调系统的全局性能最优为基准对建筑冷站进行控制，从而实现综合系统节能并且确保控制品质稳定。

根据本发明，在另一层面中，所提出的基于负荷预测的控制系统(集成冷站节能控制系统)的建筑冷负荷预测模型建立有易存取的基础数据库。基础数据库可以包括工作日、星期六、星期日和节假日数据文件夹而方便存取和管理。而且，在负荷预测中，还根据当前室内人数数据和环境温度数据与同一时刻的历史室内人数数据和环境温度数据进行比较以及根据对应的实际负荷量与预测负荷值的差来对负荷预测进行修正。由此，实现了基于改进型指数平滑法的负荷预测模型从而获得更精确的负荷预测结果，进而为实现优化控制提供了基础。

总之，根据本发明，利用基于历史相似数据的建筑负荷预测模型来实现建筑冷负荷的精确预测，以中央空调系统综合能耗最低为原则实现中央空调系统的稳定、优化的节能控制。

应当说明的是，在本说明书中，每当提及“一些示例”和“优选的示例”等时意味着针对该示例描述的具体的特征、结构或特点包括在本发明的至少一个示例中。这些用词在本说明书中不同地方的出现不一定都指代同一示例。此外，当针对任一示例描述具体的特征、结构或特点时，应当认为本领域技术人员也能够在所有所述示例中的其它示例中实现这种特征、结构或特点。

另外，在本申请文件中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还可以包括没有明确列出的其它要素，或者是还可以包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：显然，上述实施方式/示例仅仅是为清楚地说明本发明所作的举例，而并非对本发明的限制。对于本领域技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式/示例予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。