变风量空调工况分析评估与优化算法的制作方法

1.本发明涉及空调控制技术领域，具体是变风量空调工况分析评估与优化算法。


背景技术：

2.楼宇自动化系统，是将建筑物内的空调、给排水、供配电、照明设备以集中监视、控制和管理为目的而构成的一个综合管理系统。它基于直接数字控制器及传感器、执行器，通过计算机软件及通讯网络，系统的管理设备，提高设备利用率、降低设备运行成本。
3.现有的楼宇自动化系统，只针对于变风量空调现场单体设备进行自动化运行管理，如：室内温度设定为25℃，当监测到室内温度高于25℃时，则加大风阀；或者是风管静压传感器测量值小于设定值，则加大风机频率；上述情景中，没有考虑空调系统整体风平衡，容易造成空调系统管辖范围内的房间供给温度明显动荡，存在风阀已开到最大，但室内温度仍无法达到设定值；或风机频率已开到最大，但风管静压测定值仍不能达到设定值的情况。
4.现有楼宇自动化系统无法通过已有数据判断目前空调系统的运行情况是否正常，也无法分析不正常情况出现的原因，更无法对不正常运行情况进行优化，基于以上不足，本发明提出变风量空调工况分析评估与优化算法。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出变风量空调工况分析评估与优化算法，本发明拓展常规楼宇自动化系统所采集的数据点和逻辑量，从变风量空调系统整体运行平衡角度考虑，采集大数据，建立分析模型；通过模型结合数据进行运算，全面分析变风量空调系统的运行情况，更准确的判断分析、优化系统的运行情况。
6.为实现上述目的，根据本发明的第一方面的实施例提出变风量空调工况分析评估与优化算法，包括：
7.ss1：按一定的周期采集到变风量空调系统风柜及所辖vavbox运行大数据后，利用均值算法将其与预定值定期比较；
8.ss2：当出现预定偏差并超过一定时间形成趋势后，发出预警并根据趋势情况进入不同分析优化模型；其中分析优化模型包括房间降温异常分析优化算法模型、房间升温异常分析优化算法模型、房间忽冷忽热分析优化算法模型以及节能分析优化算法模型；
9.ss3：根据所述分析优化模型的逻辑流程，按照一定的幅度逐步修正vavbox及风柜相应运行参数，以达到优化空调系统运行效果的目的，并继续监视运行反馈数据，直至运行数据趋近预设正常范围。
10.进一步地，其中，房间降温异常分析优化算法模型，包括如下步骤：
11.步骤1：收集并监测室内温度传感器传回温度实测值t，当t＞t
set
且持续时间t＞n分钟时，判断房间处于降温异常状态，输出报警信息；
12.步骤2：收集房间vavbox风阀开度实测值％1；
13.步骤3：当％1＜maxopen时，则修改vavbox最大送风量设定值v1，设定完成后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤2；
14.步骤4：当％1＝maxopen时，判断楼层空调风柜送风温度设定值是否是最低值；如是，则加大系统静压设定值p以增加空调风柜送风量；如否，则增加空调风柜冷冻水水阀开度；调整完毕后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤4。
15.进一步地，其中，房间升温异常分析优化算法模型，包括如下步骤：
16.步骤1：收集并监测室内温度传感器传回温度实测值t，当t＜t
set
且持续时间t＞n分钟时，判断房间处于升温异常状态，输出报警信息；
17.步骤2：收集系统内所有vavbox送风量实测数据；
18.步骤3：当存在系统内不足50％的vavbox送风量实测值已达到下限值的情况时，则修改该vavbox最小风量设定值p1；设定完成后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤2；
19.步骤4：当存在系统内超过50％的vavbox送风量实测值已达到下限值的情况时，判断楼层空调风柜风机运行频率是否是最小值；
20.如是，则加大空调风柜送风温度设定值p3以提高空调风柜送风温度；如否，则减小系统静压设定值p2；调整完毕后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤4。
21.进一步地，其中，房间忽冷忽热分析优化算法模型，包括如下步骤：
22.步骤1：收集并监测系统内所有vavbox最大阀位值；
23.步骤2：当不存在某vavbox最大阀位值＞95％时，则系统无忽冷忽热风险，保持监测状态；
24.步骤3：当存在某vavbox最大阀位值＞95％时，则判断空调风柜风机频率是否达到最大值，如是，则降低空调风柜送风温度设定值p3；如否，则增加系统静压设定值p3；调整完毕后间隔n分钟，收集并监测系统内所有vavbox最大阀位值；重复步骤2。
25.进一步地，节能分析优化算法模型，包括如下步骤：
26.步骤1：收集并监测系统内所有房间室内温度传感器实测值，如所有房间t＝t
set
，则进入步骤2，如否，则重复步骤1；
27.步骤2：收集并监测系统内所有vavbox最大阀位值；
28.步骤3：当存在最大阀位值＜70％，则降低系统静压设定p1；
29.步骤4：间隔n分钟，重复步骤2。
30.进一步地，n可自行设定，设定值v1的修改幅度可自行设定，p加大幅度可自行设定。
31.与现有技术相比，本发明的有益效果是：
32.本发明通过采集变风量空调闭环内所有设备大数据，利用均值算法将其与预定值定期比较；当出现预定偏差并超过一定时间形成趋势后，发出预警并根据趋势情况进入不
同分析优化模型，根据所述分析优化模型的逻辑流程，按照一定的幅度逐步修正vavbox及风柜相应运行参数，以达到优化空调系统运行效果的目的，并继续监视运行反馈数据，直至运行数据趋近预设正常范围；能依托实测数据，及时发现变风量空调系统运行问题并发出警告，同时根据算法分析流程修改相应运行参数，完成系统优化，改善空调系统的稳定性和舒适性。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1为本发明变风量空调工况分析评估与优化算法的原理框图。
35.图2为本发明中房间降温异常分析优化算法模型的流程图。
36.图3为本发明中房间升温异常分析优化算法模型的流程图。
37.图4为本发明中房间忽冷忽热分析优化算法模型的流程图。
38.图5为本发明中节能分析优化算法模型的流程图。
具体实施方式
39.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
40.如图1所示，变风量空调工况分析评估与优化算法，包括：
41.ss1：按一定的周期采集到变风量空调系统风柜及所辖vavbox运行大数据后，利用均值算法将其与预定值定期比较；
42.ss2：当出现预定偏差并超过一定时间形成趋势后，发出预警并根据趋势情况进入不同分析优化模型；其中分析优化模型包括房间降温异常分析优化算法模型、房间升温异常分析优化算法模型、房间忽冷忽热分析优化算法模型以及节能分析优化算法模型；
43.ss3：根据所述分析优化模型的逻辑流程，按照一定的幅度逐步修正vavbox及风柜相应运行参数，以达到优化空调系统运行效果的目的，并继续监视运行反馈数据，直至运行数据趋近预设正常范围；
44.如图2所示，房间降温异常分析优化算法模型，包括如下步骤：
45.步骤1：收集并监测室内温度传感器传回温度实测值t，当t＞t
set
且持续时间t＞n分钟(n可自行设定)时，判断房间处于降温异常状态，输出报警信息；
46.步骤2：收集房间vavbox风阀开度实测值％1；
47.步骤3：当％1＜maxopen(maxopen可自行设定)时，则修改vavbox最大送风量设定值v1，修改
48.幅度可自行设定，设定完成后间隔n分钟(n可自行设定)，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分
钟(n可自行设定)时，重复步骤2；
49.步骤4：当％1＝maxopen时，判断楼层空调风柜送风温度设定值是否是最低值；如是，则加大系统静压设定值p(p加大幅度可自行设定)以增加空调风柜送风量；如否，则增加空调风柜冷冻水水阀开度；调整完毕后间隔n分钟(n可自行设定)，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟(n可自行设定)时，重复步骤4；
50.其中，如图3所示，房间升温异常分析优化算法模型，包括如下步骤：
51.步骤1：收集并监测室内温度传感器传回温度实测值t，当t＜t
set
且持续时间t＞n分钟(n可自行设定)时，判断房间处于升温异常状态，输出报警信息；
52.步骤2：收集系统内所有vavbox送风量实测数据；
53.步骤3：当存在系统内不足50％(可自行设定)的vavbox送风量实测值已达到下限值的情况时，则修改该vavbox最小风量设定值p1，设定完成后间隔n分钟(n可自行设定)，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟(n可自行设定)时，重复步骤2；
54.步骤4：存在系统内超过50％(可自行设定)的vavbox送风量实测值已达到下限值的情况时，判断楼层空调风柜风机运行频率是否是最小值，如是，则加大空调风柜送风温度设定值p3(p3加大幅度可自行设定)以提高空调风柜送风温度；如否，则减小系统静压设定值p2；调整完毕后间隔n分钟(n可自行设定)，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟(n可自行设定)时，重复步骤4；
55.在本实施例中，当某vav的阀门开度最大时，说明该区温度未达到设定温度。当vav的阀门超过95％时，风平衡极易被打破，该房间有“忽冷忽热”风险，舒适感较低，系统不稳定；
56.其中，如图4所示，房间忽冷忽热分析优化算法模型，包括如下步骤：
57.步骤1：收集并监测系统内所有vavbox最大阀位值；
58.步骤2：当不存在某vavbox最大阀位值＞95％(可自行设定)时，则系统无忽冷忽热风险，保持监测状态；
59.步骤3：当存在某vavbox最大阀位值＞95％(可自行设定)时，则判断空调风柜风机频率是否达到最大值，如是，则降低空调风柜送风温度设定值p3；如否，则增加系统静压设定值p3；
60.调整完毕后间隔n分钟(n可自行设定)，收集并监测系统内所有vavbox最大阀位值；重复步骤2；
61.其中，当系统运行稳定且达到一定条件下，对系统进行节能分析；如图5所示，节能分析优化算法模型，包括如下步骤：
62.步骤1：收集并监测系统内所有房间室内温度传感器实测值，如所有房间t＝t
set
，则进入步骤2，如否，则重复步骤1；
63.步骤2：收集并监测系统内所有vavbox最大阀位值；
64.步骤3：当存在最大阀位值＜70％(可自行设定)，则降低系统静压设定值
65.p1(降低幅度可自行设定)；
66.步骤4：间隔n分钟(n可自行设定)，重复步骤2；
67.现有楼宇自动化技术，只能针对空调系统某一设备(如风柜、vavbox)进行基本自动化设定，但实际设备输出效果及系统运行状况无法进行闭环分析、判断、优化，只能通过操作人员凭借实践经验通过反馈数据进行人为单点判断，因操作人员差异会有不同程度的滞后性及风平衡的不确定性；
68.本发明通过采集变风量空调闭环内所有设备大数据、建立分析模型，利用算法对变风量空调运行情况进行分析评估及优化，能依托实测数据，及时发现变风量空调系统运行问题并发出警告，同时根据算法分析流程修改相应运行参数，完成系统优化，改善空调系统的稳定性和舒适性。
69.本发明中分析优化算法模型基于技术工程师现场经验及研究，并在实践中得到证实，能覆盖变风量空调系统运行中出现的绝大多数情况，覆盖面广；本发明中分析模型的参数优化方式及具体数值基于变风量空调项目运行数据，准确性高，能极大的提高变风量空调系统的稳定性、舒适性。
70.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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。
71.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

技术特征：
1.变风量空调工况分析评估与优化算法，其特征在于，包括：ss1：按一定的周期采集到变风量空调系统风柜及所辖vavbox运行大数据后，利用均值算法将其与预定值定期比较；ss2：当出现预定偏差并超过一定时间形成趋势后，发出预警并根据趋势情况进入不同分析优化模型；其中分析优化模型包括房间降温异常分析优化算法模型、房间升温异常分析优化算法模型、房间忽冷忽热分析优化算法模型以及节能分析优化算法模型；ss3：根据所述分析优化模型的逻辑流程，按照一定的幅度逐步修正vavbox及风柜相应运行参数，以达到优化空调系统运行效果的目的，并继续监视运行反馈数据，直至运行数据趋近预设正常范围。2.根据权利要求1所述的变风量空调工况分析评估与优化算法，其特征在于，其中，房间降温异常分析优化算法模型，包括如下步骤：步骤1：收集并监测室内温度传感器传回温度实测值t，当t＞t
set
且持续时间t＞n分钟时，判断房间处于降温异常状态，输出报警信息；步骤2：收集房间vavbox风阀开度实测值％1；步骤3：当％1＜maxopen时，则修改vavbox最大送风量设定值v1；设定完成后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤2；步骤4：当％1＝maxopen时，判断楼层空调风柜送风温度设定值是否是最低值；如是，则加大系统静压设定值p以增加空调风柜送风量；如否，则增加空调风柜冷冻水水阀开度；调整完毕后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤4。3.根据权利要求1所述的变风量空调工况分析评估与优化算法，其特征在于，其中，房间升温异常分析优化算法模型，包括如下步骤：步骤1：收集并监测室内温度传感器传回温度实测值t，当t＜t
set
且持续时间t＞n分钟时，判断房间处于升温异常状态，输出报警信息；步骤2：收集系统内所有vavbox送风量实测数据；步骤3：当存在系统内不足50％的vavbox送风量实测值已达到下限值的情况时，则修改该vavbox最小风量设定值p1；设定完成后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤2；步骤4：当存在系统内超过50％的vavbox送风量实测值已达到下限值的情况时，判断楼层空调风柜风机运行频率是否是最小值；如是，则加大空调风柜送风温度设定值p3以提高空调风柜送风温度；如否，则减小系统静压设定值p2；调整完毕后间隔n分钟，收集并监测室内温度传感器传回温度实测值t，当t＝t
set
则完成优化，取消报警信息；当t＞t
set
且持续时间t＞n分钟时，重复步骤4。4.根据权利要求1所述的变风量空调工况分析评估与优化算法，其特征在于，其中，房间忽冷忽热分析优化算法模型，包括如下步骤：步骤1：收集并监测系统内所有vavbox最大阀位值；步骤2：当不存在某vavbox最大阀位值＞95％时，则系统无忽冷忽热风险，保持监测状
态；步骤3：当存在某vavbox最大阀位值＞95％时，则判断空调风柜风机频率是否达到最大值，如是，则降低空调风柜送风温度设定值p3；如否，则增加系统静压设定值p3；调整完毕后间隔n分钟，收集并监测系统内所有vavbox最大阀位值；重复步骤2。5.根据权利要求1所述的变风量空调工况分析评估与优化算法，其特征在于，节能分析优化算法模型，包括如下步骤：步骤1：收集并监测系统内所有房间室内温度传感器实测值，如所有房间t＝t
set
，则进入步骤2，如否，则重复步骤1；步骤2：收集并监测系统内所有vavbox最大阀位值；步骤3：当存在最大阀位值＜70％，则降低系统静压设定p1；步骤4：间隔n分钟，重复步骤2。6.根据权利要求2所述的变风量空调工况分析评估与优化算法，其特征在于，n可自行设定，maxopen可自行设定，设定值v1的修改幅度可自行设定，p加大幅度可自行设定。

技术总结
本发明公开了变风量空调工况分析评估与优化算法，涉及空调控制技术领域，包括：按一定的周期采集到变风量空调系统风柜及所辖VAVBOX运行大数据后，利用均值算法将其与预定值定期比较；当出现预定偏差并超过一定时间形成趋势后，发出预警并根据趋势情况进入不同分析优化模型；包括房间降温异常分析优化算法模型、房间升温异常分析优化算法模型、房间忽冷忽热分析优化算法模型以及节能分析优化算法模型；根据分析优化模型的逻辑流程，按照一定的幅度逐步修正VAVBOX及风柜相应运行参数，以达到优化空调系统运行效果的目的，并继续监视运行反馈数据，直至运行数据趋近预设正常范围；完成系统优化，改善空调系统的稳定性和舒适性。适性。适性。


技术研发人员：陈胜举 刘世龙 逯若望 侯曦
受保护的技术使用者：广东普而通科技有限公司
技术研发日：2023.05.29
技术公布日：2023/9/6