基于客流数据的中央空调系统负荷预测调节方法

摘要

本发明针对现有技术中存在的技术问题，提供一种基于客流数据的中央空调系统负荷预测调节方法，智慧节能管控系统每隔固定周期记录一次当前的建筑总客流数量Pft、客流负荷Lpf和室外气象参数，并存储在数据库内，然后生成当天24小时客流数据统计信息；智慧节能管控系统基于步骤四获得的数据信息深度自学习，以一个制冷/热季作为时间周期，对任一一个制冷/热季周期内的客流数据采集、存储和分析后，通过量化分析算法计算出建筑的客流负荷特性；智慧节能管控系统根据客流负荷特性以及当地天气预报逐时室外气象参数；进行智能化预测该建筑第二天的冷/热量逐时负荷；实现中央空调冷量的生产与消费的供需平衡，减少能耗的浪费。

说明书

技术领域

本发明涉及中央空调控制技术领域，具体涉及一种基于客流数据的中央空调系统负荷预测调节方法。

背景技术

大型公共建筑舒适环境空调制冷时，建筑室内环境冷负荷受建筑内部客流情况和室外气象参数影响较大，而大型中央空调水系统属于多耦合因素大滞后系统，在感知客流数据的同时对中央空调水系统的温度进行调节，而客流数据时刻在变化，中央空调水系统的温度调节会一直处于频繁调节和跟随状态，会导致室内环境温度波动较大，且中央空调处于不节能运行状态；如果能利用数字手段，对影响建筑室内环境冷负荷的客流数据和室外气象参数进行有效的监测、存储、分析，得出建筑室内环境冷负荷与客流数据和室外气象参数的数学模型，并利用大数据分析结合建筑当前实时的客流数据和气象数据预测未来一天的建筑室内环境冷负荷曲线，让中央空调温度按照预测的负荷曲线提前进行适配调节，使建筑中央空调制冷的供需平衡，从而实现中央空调系统的节能运行。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于客流数据的中央空调系统负荷预测调节方法，提前预知建筑冷量负荷曲线的前提下，预设中央空调运行逐时运行参量，实现中央空调冷量的生产与消费的供需平衡，减少能耗的浪费，从而实现通过对建筑的冷量负荷预测数据实现中央空调的节能运行控制。

本发明解决上述技术问题的技术方案如下：一种基于客流数据的中央空调系统负荷预测调节方法，其包括以下步骤：

步骤一，在建筑出入口设置用于对该建筑出入口进行双向客流统计分析的摄像头；

步骤二，摄像头通信连接有智慧节能管控系统，将摄像头采集的该建筑出入口的客流数据信息通过TCP/IP通讯协议发送给智慧节能管控系统；

步骤三，智慧节能管控系统将受到的该建筑各个出入口的客流数据汇总后计算出当前时间建筑内的总客流数量Pft,再根据该建筑设计的最大容客量PF计算出建筑客流负荷Lpf，即Lpf=Pft/PF；

步骤四，智慧节能管控系统每隔固定周期记录一次当前的建筑总客流数量Pft、客流负荷Lpf和室外气象参数，并存储在数据库内，然后生成当天24小时客流数据统计信息；

步骤五，智慧节能管控系统基于步骤四获得的数据信息深度自学习，以一个制冷/热季作为时间周期，对任一一个制冷/热季周期内的客流数据采集、存储和分析后，通过量化分析算法计算出建筑的客流负荷特性；

步骤六，智慧节能管控系统根据步骤五分析得到的客流负荷特性以及当地天气预报逐时室外气象参数；进行智能化预测该建筑第二天的冷/热量逐时负荷；

步骤七，根据步骤六分析得到的第二天的冷/热量逐时负荷提前调节中央空调逐时运行参量，并在相应时段将中央空调逐时运行参量下发至中央空调设备。

作为优选的，所述步骤四中的固定周期设定为一分钟。

作为优选的，所述步骤五中，通过量化分析算法计算出建筑的客流负荷特性后，生成建筑客流数据3D曲面图。

作为优选的，所述室外气象参数至少包括实时温度、实时湿度、实时PM2.5、实时风速、太阳实时位置、实时能见度、降雨量中的一种或组合。

作为优选的，所述步骤五的自学习方法基于黑箱算法进行自学习。

作为优选的，所述步骤六中，还需要结合室内环境中的环境参数对第二天的冷/热负荷进行预测；室内环境中的环境参数包括温湿度、含氧量、粉尘浓度、光照强度中的一种或组合。

本发明的有益效果是：本发明提供一种基于客流数据的中央空调系统负荷预测调节方法，针对中央空调水系统温度控制的滞后性，通过获取建筑内部的客流数据，结合室外温湿度气象参数，计算出建筑内部实时冷量负荷并存储；记录一个制冷/制热周期后，再利用数据库中建筑历史负荷数据结合室外气象数据通过深度自学习黑箱分析模型，找出建筑的负荷规律，从而对建筑未来一天的冷量负荷进行预测；在提前预知建筑冷量负荷曲线的前提下，预设中央空调运行逐时运行参量，实现中央空调冷量的生产与消费的供需平衡，减少能耗的浪费，从而实现通过对建筑的冷量负荷预测数据实现中央空调的节能运行控制。

附图说明

图1为本发明的流程示意图。

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，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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，本实施例公开了一种基于客流数据的中央空调系统负荷预测调节方法，其包括以下步骤：

步骤一，在建筑出入口设置用于对该建筑出入口进行双向客流统计分析的摄像头；

步骤二，摄像头通信连接有智慧节能管控系统，将摄像头采集的该建筑出入口的客流数据信息通过TCP/IP通讯协议发送给智慧节能管控系统；

步骤三，智慧节能管控系统将受到的该建筑各个出入口的客流数据汇总后计算出当前时间建筑内的总客流数量Pft,再根据该建筑设计的最大容客量PF计算出建筑客流负荷Lpf，即Lpf=Pft/PF；

步骤四，智慧节能管控系统每隔固定周期记录一次当前的建筑总客流数量Pft、客流负荷Lpf和室外气象参数，并存储在数据库内，然后生成当天24小时客流数据统计信息；

步骤五，智慧节能管控系统基于步骤四获得的数据信息深度自学习，以一个制冷/热季作为时间周期，对任一一个制冷/热季周期内的客流数据采集、存储和分析后，通过量化分析算法计算出建筑的客流负荷特性；

步骤六，智慧节能管控系统根据步骤五分析得到的客流负荷特性以及当地天气预报逐时室外气象参数；进行智能化预测该建筑第二天的冷/热量逐时负荷；

步骤七，根据步骤六分析得到的第二天的冷/热量逐时负荷提前调节中央空调逐时运行参量，并在相应时段将中央空调逐时运行参量下发至中央空调设备。

作为优选的，所述步骤四中的固定周期设定为一分钟。

作为优选的，所述步骤五中，通过量化分析算法计算出建筑的客流负荷特性后，生成建筑客流数据3D曲面图。

作为优选的，所述室外气象参数至少包括实时温度、实时湿度、实时PM2.5、实时风速、太阳实时位置、实时能见度、降雨量中的一种或组合。

作为优选的，所述步骤五的自学习方法基于黑箱算法进行自学习。

作为优选的，所述步骤六中，还需要结合室内环境中的环境参数对第二天的冷/热负荷进行预测；室内环境中的环境参数包括温湿度、含氧量、粉尘浓度、光照强度中的一种或组合。

在本实施例中，如图1所示，拟通过若干双向客流统计分析摄像头对目标建筑的各个出入口的客流数据信息进行统计，摄像头通过以太网与智慧节能管控系统组网连接，该统计信息基于TCP/IP通讯协议发送至智慧节能管控系统，图中，通过交换机作为数据传输过程中的介质之一，而智慧节能管控系统在接收到摄像头的统计信息后，将该数据信息进行计算并汇总，拟获得当前时间建筑内的总客流数量Pft,再根据该建筑设计的最大容客量PF计算出建筑客流负荷Lpf，即Lpf=Pft/PF；以上信息存储在数据库内，数据库按照每分钟一次的频率对该数据信息进行存储，并设定一个完整的制冷季作为原始数据采集的周期。系统在获得一个原始数据采集周期内的所有数据信息后，基于黑箱算法，对以上数据信息进自学习，以预测建筑的冷负荷和客流数据规律关系；并输出对应的散点曲线，然后基于此，基于该建筑第二天或者任一天的逐时负荷需求，逐时表示各个时间点；并输出空调的冷量生产逐时控制参数。输出热量时，其工作原理与以上相同。最终根据该控制参数输出空调设备进行制冷或制热。

此外，智慧节能管控系统根据已知的建筑客流负荷特性，结合第二当地的天气预报逐时气象参数，利用内置的基于客流数据的建筑冷量负荷预测Prophet算法模型进行输入的数据拟合 ，对建筑第二天的冷量逐时负荷进行预测，并输出建筑第二天的间隔时间为30分钟的24小时冷量逐时负荷曲线，然后智慧节能管控系统再据建筑第二天的冷量逐时负荷曲线提前调整中央空调逐时运行参量，并在相应时段将中央空调逐时运行参量（出水温度、流量、主机负荷控制等）下发至中央空调设备，以控制中央空调设备在确保建筑环境舒适的前提下实现冷量的生产和冷量的消费平衡，减少空调系统的能耗浪费。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

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、替换变型，本发明的范围由权利要求及其等同物限定。