一、我国中央空调制冷机组的市场需求分析(论文文献综述)
孙锐[1](2021)在《基于粒子群优化的高效制冷机房负荷预测及控制策略研究》文中研究表明建筑运行所消耗的能源占全球能源消费总量的30%,其所排放的CO2占全球CO2排放总量的28%。为减少建筑碳排放、实现绿色发展,我国提出一系列应对措施,其中建立高效制冷机房,提升制冷系统能效,是实现我国“2030年碳排放达峰,2060年碳排放中和”目标的重要手段。在制冷机房的实际运行中,由于系统设计不合理、控制策略不完善等因素导致制冷机房能耗一直居高不下。本文以建立高效制冷机房为目标,对高效制冷设备、节能技术的应用以及运行控制策略进行研究,以青岛市某公共建筑的制冷机房实例为研究基础,制定制冷系统设计方案及运行控制方案。采集研究对象的历史运行数据,分析制冷机房运行能效低、能耗高的原因,并提出建立高效机房的设计思路。基于De ST软件搭建建筑冷负荷模拟模型,根据模拟结果进行高效设备的选型,包括高效螺杆式冷水机组、变频水泵、小冷幅冷却水塔。基于Revit建立系统三维模型并分析不同布置方式时系统的阻力情况,对管路系统进行优化。利用TRNSYS建立制冷机房仿真模拟平台,以实际的冷负荷作为输入,对比设备优化前后制冷机房能耗。并以同类型制冷机房的实际能耗量为基准检验仿真平台的准确性。模拟可得,采用高效设备并结合一定的控制策略优化后的制冷机房,与原有运行相比可减少129tce的能耗,制冷能效EER可提升至4.68。通过对控制策略的优化可使制冷能效EER进一步提高。将负荷预测与粒子群算法结合制定制冷机房的运行策略。选用BP神经网络作为建筑的冷负荷预测方法并建立模型,以建筑历史运行数据及气象参数作为输入,模型具有良好的拟合性和预测精度,平均相对误差为5.9%。制冷机房各设备的运行参数互相耦合,仅对单一变量进行优化无法使系统运行在最佳状态。本文基于粒子群算法,建立TRNOPT寻优平台,对制冷机房各设备运行参数进行寻优。在建筑冷负荷一定时,以制冷机房能耗最低为目标,在保证建筑室内温度满足用户舒适性的前提下,通过定义自变量、设定约束条件、确定目标函数,对制冷机组蒸发器出水设定温度、冷冻水泵频率、冷却水泵频率、冷却水塔风机频率四个耦合变量进行寻优,得到不同负荷率下设备最佳运行设定参数表。设计负荷预测-参数寻优的控制策略并通过TRNSYS与MATLAB联合进行能耗模拟。模拟可得,将优化的控制策略应用于目标制冷机房的运行与传统控制策略下制冷机房运行相比可节省24.9%的能源消耗,制冷机房EER可提升至5.5,达到高效制冷机房标准。设计上位机层-现场控制层-被控设备层三层制冷机房群控系统将所提出控制策略应用于实际。本文从制冷系统设计、运行控制优化两方面研究了如何建立高效制冷机房,并提出系统性的高效制冷机房建立方法。得到的研究成果可为同类制冷机房设计提供一定的参考。
郭虹[2](2021)在《中央空调冷站系统多模型融合优化节能控制研究》文中提出中央空调系统是城市公共建筑中重要的基础配套设施和主要能源消耗装置,为了实现对中央空调系统的优化节能控制,需要重点对中央空调冷站系统进行研究。而影响中央空调冷站系统优化节能的关键因素之一是建立准确的静态能耗模型。对于中央空调冷站系统建模存在的问题,文中针对能耗占比最大、非线性最强的中央空调制冷机组提出了一种基于工况划分的多模型加权融合模型。根据制冷机组工作曲线的非线性特征、将输入/输出数据聚类为若干个子类,每个子类采用麦夸特法建立一个子模型。考虑到中央空调系统的慢时变特性和制冷机组的工况特点,子模型间存在信息冗余,因此采用加权法融合子模型最终形成一个全局模型以消除其冗余信息,加权系数以均方差最小为指标,利用粒子群算法优化得到。仿真结果验证了文中建立的制冷机组的多模型融合模型的精度高于单一的全局模型。该制冷机组的多模型融合模型应用于中央空调冷站系统的优化节能,将更符合实际工况。准确的负荷预测是中央空调冷站系统优化节能控制的基础,同时也是建筑节能技术中的重要环节。文中选用BP神经网络对中央空调冷负荷进行预测,依据历史样本数据来预测中央空调系统未来一天内的逐分冷负荷,选取样本数据的历史冷负荷数据和气象因子作为训练样本,以得到准确的中央空调系统的冷负荷预测值。在得到准确的中央空调预测冷负荷和中央空调冷站系统的能耗模型之后,通过控制中央空调冷站系统运行在当前负荷需求下的最佳工作点来实现系统的优化节能控制。为了得到中央空调冷站系统在不同的冷负荷下的最佳工作点,以中央空调冷站系统的能耗最小为目标,将中央空调冷站系统的静态能耗模型作为目标函数,建立目标函数的约束条件,同时利用粒子群优化算法,计算得到中央空调冷站系统在不同冷负荷需求下的最佳工作点并进行优化节能控制。由于中央空调冷站是一个具有强扰动的系统,因此当外界影响因子发生变化时,需要对扰动进行估计和消除。文中利用自抗扰控制器实现中央空调冷站系统的优化节能控制,并与PID控制器的控制性能进行对比以得到最佳的控制方法,自抗扰控制器可以通过微分跟踪器有效的消除中央空调冷站系统在控制过程中出现的超调,并利用扩张状态观测器对中央空调冷站系统的外扰和内扰进行预估和消除,具有较强的鲁棒性。文中通过在Simulink Model中搭建自抗扰控制器模型进行仿真,跟踪控制中央空调冷站系统工作在不同冷负荷需求下的最佳工作点,以实现中央空调冷站系统的优化节能控制。
徐旻政[3](2021)在《基于ZigBee的楼宇智能化系统设计》文中研究指明进入新时期以来,建筑智能领域多样化趋势愈加显着,建筑楼宇内部的设施功能也愈发齐全,人们对于楼宇控制的关注点、聚焦点开始向智能化、便利性与如何实现高效、合理的运用转移。随着时代的进步、科技的发展,高楼大厦不断增多,传统的有线控制系统已经无法满足人们多样化的需要,无线的控制系统应运而生,但随之而来的能源消耗也日渐上升成为一个十分严峻的问题,降低楼宇的能耗,提升能源使用效率已经成为国内外研究热点。在智能楼宇建筑中,包括配电、照明、空调、电梯、给排水等系统,空调、照明系统能源消耗占比最大。针对高能耗问题,提出一种基于ZigBee的楼宇智能化系统设计,主要完成的研究工作如下:(1)针对传统的中央空调温度控制方法能够保持室内温度固定在某一值,但由于人为的操作设定,室内温度无法达到理想状态下的人体需求,且无法在线及时调整的问题。本文结合模糊控制器能够消除稳态误差和传统PID能够简易设置、及时调整的优点,提出了一种基于热舒适度指标(PMV)的模糊自适应整定PID控制器,在线整定PID参数,根据风速控制系统的实时输入,进行模糊推理,并进行运算。实验表明,模糊自适应整定PID控制器能够在5s内实现迅速稳定自我调节,无超调和振荡,控制效果有了显着提升。(2)针对传统的照明系统在人工控制的基础上,每盏LED灯的使用效率都达到了最大值(100%),但未能实现能源节约的问题。本文提出一种改进的照明系统,即运用最优化方法对系统目标函数寻求最优解,求出极值,在满足照明需求的前提下,合理分配LED亮度,从而达到节能效果。并且能在多人场景下,找到最佳照明策略。实验证明,使用优化后的照明系统,可以有效节约能源,相比于传统的照明系统,提出的方法能够达到60%的能源节约效率。(3)针对夏季中央空调运行过程中,整个空调系统产生的能耗较多的问题。在特定负荷、一定户外温度和湿度条件下,本文提出采用非线性规划算法对系统目标函数以及约束条件进行了优化,并求解出使系统耗能最小化、性能最优化的各组件的运行参数。通过实验得出,与中央空调的稳定控流运行模式和变冷冻水控流运行模式比较后,优化后的系统具有明显的节能效果,能够节能10%以上。
本刊编辑部[4](2021)在《聚焦制冷展》文中研究表明2021年4月7日—9日,2021中国制冷展在上海新国际博览中心举行。本届展会以"强基固本,质量优先,内外协同,低碳发展"为主题,设置W1~W5、E1~E5共10个展馆,展览面积约11万m2,共有来自10个国家和地区的1 225家企业和机构参展,展览规模和展商数量均创历史新高。
张丽珠[5](2021)在《中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究》文中研究指明中央空调系统在住宅、商场、医院、数据机房和工业厂房等建筑中有着广泛的应用,其能源消耗大约占中国建筑总能耗的50%~65%。因此,中央空调系统具有较大的节能潜力。长期以来,我国中央空调系统从业人员专业素养整体不高,运行维护管理相当粗放,普遍能源浪费十分严重。传统基于人工经验的运行维护管理已难以实现空调系统的可靠、低能耗、高效率地运行,因此有必要对空调系统进行整体智能化升级。物联网、5G通讯、人工智能、自动化等领域的快速发展,为实现中央空调系统信息化和数字化转型提供了技术支撑。借助新一代信息技术发展智慧能源是我国能源行业的发展趋势,而融合物理系统与信息技术的“数字孪生”为解决当前智慧能源发展所面临的问题提供了新的思路。通过“数字孪生”技术,计算机能够低成本地探索最佳设计方案、最优控制策略以及潜在故障风险,从而自动化地指导系统的运行维护。构建准确和可靠的系统模型是实现以上愿景的基石。其中,如何对模型参数进行可靠辨识、如何估计模型预测不确定性以及如何降低模型预测不确定性是系统建模领域三个亟待解决的关键科学问题。为此,本文开展了以下研究工作:(1)提出了一种基于遗传算法和多策略初始解空间优化的中央空调系统设备模型参数辨识框架,克服了遗传算法在高维模型参数辨识时效率不高且模型精度较低的问题。该框架包含初始解空间优化和遗传算法寻优两个步骤:首先,提出了一种多策略初始解空间优化方法来确定模型初始解空间;然后,采用遗传算法在给定初始解空间内对模型参数进行辨识。结果表明,该方法可以有效提高遗传算法的参数辨识效率,并且最终得到的模型具有较高的精度。(2)提出了一种基于k-means聚类的中央空调系统设备模型预测区间估计方法,旨在对模型的预测不确定性进行定量估计。该方法包括残差聚类和预测区间估计两个步骤:首先,采用k-means聚类对训练集上的模型残差进行划分,得到不同输入组合下的模型残差;然后,根据模型残差的统计分位数估计模型的预测区间。结果表明,通过该方法可以得到可靠的预测区间。此外,模型预测不确定性与模型输入有关,该方法得到的预测区间能够自适应地追踪输入变量变化。(3)采用了模型残差补偿方法,旨在对中央空调系统设备模型的预测结果进行修正,提高中央空调系统设备模型的预测精度,并降低模型的预测不确定性。该方法使用人工神经网络对模型残差与模型输入之间的关系进行建模,从而实现对设备模型残差进行补偿。结果表明,对于冷水机组模型,经过误差补偿后,该模型的精度得到显着提高。其平均绝对误差、均方根误差、平均绝对误差百分比和均方根误差的变异系数分别降低36.49%、46.00%、33.16%和45.73%,而其决定系数提高25.75%。此外,结果进一步表明,该方法可以显着降低模型的预测不确定性。经过误差补偿后,该模型的预测区间宽度显着减小。本文为提高中央空调系统设备模型准确度和可靠性提供了新思路,有助于构建准确可靠的中央空调系统“数字孪生”模型,并最终实现高度自动化、智能化和低碳化的中央空调系统运维管理。
本刊编辑部[6](2021)在《论道两联供——2021中国热泵两联供峰会特辑》文中提出1综述近年来,热泵两联供在南方地区发展一路高歌猛进,众多厂商纷纷涌入该市场。《机电信息·中央空调市场》统计数据显示,在2020年新冠肺炎疫情的影响下,两联供仍逆势增长17.56%,成为家装暖通行业唯一保持增长的细分市场。然而,随着行业的快速发展,越来越多的从业人员涌入两联供市场,在推动行业进步的同时,也因部分从业人员缺乏专业性而给行业的健康发展带来了隐忧。此外,两联供系统的推广、设计、施工及售后等方面仍存在不少问题,
李浩[7](2021)在《大型综合医院制冷系统优化控制研究》文中研究说明随着我国经济发展势态逐年增长,经济的高速发展带来的附加影响例如高能耗现象变得日益严重。造成我国高能耗因素占比最大的是建筑能耗,约占35%。在建筑能耗中,中央空调系统能耗占比最大,且众多建筑中央空调系统缺乏合理的运行策略,因此如何让空调制冷系统以更合理更节能的方式运行成为建筑节能改造的关键所在。本文将通过对郑州市某医院制冷系统运行的调研,根据实际制冷系统运行的状况,指出系统运行过程中存在的不合理现象,并针对冷冻水系统以及冷却水系统的运行提出了相应的控制策略,为优化空调制冷系统提供合理的改进建议。本次课题通过项目图纸提供的数据,利用TRNBUILD对该项目进行建筑模型的搭建并对建筑进行制冷季节的负荷动态模拟,得到全年的逐时冷负荷分布。用模拟的冷负荷值与实际测试结果进行对比验证了冷负荷模拟结果的准确性。随后根据项目提供的制冷系统各设备型号,利用数学模型以及TRNSYS软件对制冷系统设备模块进行搭建,得到空调制冷系统的模型,为后续对空调制冷系统运行控制策略的研究奠定基础。针对制冷系统运行出现的高能耗问题,提出了三种优化系统运行控制的方案。空调冷冻水系统优化分别采用定流量变水温控制、变流量定温差空调水系统控制;其中定流量变水温控制策略通过“阶梯温度控制”、“线性温度控制”两种不同的方法对冷冻水系统进行控制优化的模拟。空调冷却水系统优化采用变流量定温差的运行控制方案。利用TRNSYS平台对制冷系统在不同控制策略下的运行状态进行模拟,得到制冷系统各机组的运行数据以及能耗计算结果。通过对制冷系统运行的模拟结果来看,冷冻水系统采用定流量变水温阶梯控制策略时制冷系统节能率为3%,线性控制策略下节能率可达5%;冷冻水变流量定水温控制策略下节能率高达12.7%。冷却水系统变流量定温差控制策略下系统节能率高达9%。以上控制策略均实现制冷系统运行的节能化,具有参考意义。
汪凯文[8](2020)在《基于负荷预测的酒店中央空调水系统运行优化方法及其应用研究》文中研究说明高端酒店中央空调系统能耗占其运行阶段总能耗的30%~40%,空调系统运行策略优化是酒店节能减支的重要措施。随着数据挖掘技术在空调节能领域的应用,探索基于数据挖掘的中央空调系统运行策略优化方法及其应用成为酒店节能的重要课题。本文基于某四星级酒店能源管理系统数据,对酒店空调系统运行负荷进行预测,并对空调水系统设备的运行策略进行优化,主要内容如下:首先,提出基于数据预处理与支持向量回归(SVR)的空调系统运行负荷预测方法。其中,数据预处理流程包括输入参数选取、数据清理、数据集成、数据降维和数据变换。以预处理结果中训练集、测试集数据为输入参数,采用网格搜索与10层交叉验证对RBF核函数的核参数进行寻优,建立酒店空调系统运行负荷预测的黑箱模型。引入均方根误差RMSE、拟合优度R2和计算时间T对模型的预测精度、泛化性能以及计算成本进行评价。此外,本文对比分析了数据预处理过程中是否采用主成分分析法(PCA)进行输入参数降维对负荷预测结果的影响。训练集与测试集的预测结果表明负荷预测模型的预测精度较高,泛化性能较好;采用PCA法进行数据降维可以降低计算成本,但会降低负荷预测精度。本文提出的基于数据挖掘的空调系统负荷预测方法具有可行性,逐时负荷的预测结果为空调水系统设备运行策略优化奠定基础。其次,采用机理与辨识相结合的方法,建立了冷水机组与变频水泵能耗的灰箱数学模型以及冷却塔风机能耗的机理模型。其中,冷水机组能耗模型是由冷机冷却水进水温度与冷冻水出水温度温差以及制冷量构成的二元函数;变频水泵能耗模型是由系统流量构成的一元函数;冷却塔风机能耗是由风机开启数量构成的一元函数。基于设备历史运行数据与现场实测数据,采用最小二乘法对冷水机组、冷冻水泵和冷却水泵能耗灰箱模型中的未知参数进行辨识,拟合结果能较好反映工程实际。然后,基于设备能耗模型对各设备节能特性进行分析。根据工程实际,对部分负荷下各设备节能特性与运行策略进行定性和定量分析,结果表明:部分负荷时降低冷机冷却水进水温度或提高冷水出水温度均能提高冷机COP,增幅分别为7.55%~29.90%和4.75%~25.52%;并联水泵调速策略中同步调速能耗最低,较阀门节流调速节能21.76%,“一定一变策略”会导致冷冻水泵过载;冷却塔的冷却效率随室外空气湿球温度和风水比的升高而升高,当湿球温度高于28℃时继续增大风水比对冷却效率影响不大。最后,构建能耗优化函数实现酒店空调水系统运行策略的优化。在酒店空调系统负荷预测结果与设备能耗数学模型基础上,建立中央空调水系统能耗优化函数,并以水系统运行过程总能耗最低为优化目标、以各模型参数的变化范围和设备间换热过程为约束条件,对酒店水系统单日逐时及不同负荷率下的设备运行策略进行优化。相较历史运行数据,优化后单日水系统总能耗降低12.11%,冷水机组COP与水系统EER的均值分别提升7.64%和10.67%;不同负荷率下水系统的能耗平均下降12.40%,冷水机组COP与水系统EER的均值分别提升7.85%和15.28%,优化结果验证了本文提出的基于负荷预测的空调水系统优化控制策略具有可行性,在实际酒店节能运行中具有较高的应用价值。
陈立达[9](2020)在《基于遗传蚁群混合算法的中央空调水系统节能优化研究》文中提出近年来,随着我国经济的快速发展,人们不断追求更高的生活质量,对中央空调的需求日益增长。中央空调系统作为现代建筑的一个重要组成成分,虽然改善了人们的生活和工作环境状况,但是消耗了大量的能源,其能耗所占比例超过了建筑总能耗的一半。中央空调系统主要包括空气处理系统和水系统,其中水系统能耗占据中央空调系统总能耗的比例很大,因此进行中央空调水系统的节能优化研究具有非常重要的意义。通过阅读国内外相关的文献,了解了中央空调系统国内外的研究现状,开展了以下研究工作。首先,对中央空调系统的工作原理进行阐述,并将中央空调系统的各个设备进行了能耗分析,在前人建立的冷水机组能耗模型、冷冻水泵能耗模型、末端风机能耗模型、冷却水泵能耗模型、冷却塔风机能耗模型的基础上进行了简化处理和改进。其次,分析了中央空调系统各设备的物理约束和设备之间的相互约束,并利用约束条件对系统优化的目标函数进行简化处理,进而建立了中央空调水系统能耗模型。再通过本校小型中央空调系统实验平台采集相关变量的实验数据,对各个设备能耗模型利用最小二乘法进行参数辨识,并验证模型的准确性。最后,由于中央空调水系统具有非线性、强耦合、多变量的复杂特性,使能耗模型求解精度要求高,因此本文结合遗传算法和蚁群算法的优点提出了遗传蚁群混合算法。通过MATLAB仿真程序,在不同的工况下进行仿真实验,比较遗传蚁群混合算法和遗传算法、蚁群算法的优化结果,同时比较遗传蚁群混合算法和粒子群算法的优化结果,优化结果表明遗传蚁群混合算法收敛速度快,求解精度高,有利于提高中央空调水系统的节能能力。
李国梁[10](2020)在《强强联手,再攀新高峰》文中指出此次奠基的总部大楼将作为住建空间事业部的空调空质销售部门、企划部门以及空调的开发据点投入使用。健康空调空气事业的总部设在苏州,通过强化开发销售一体化,开展接地气的事业活动。自新冠肺炎疫情发生以来,全球供应链遭遇冲击,作为"世界工厂"的中国不可避免地受到影响。正当一种外国制造业将转移出中国的言论甚嚣尘上之时,松下空调设备(中国)有限公司总部大楼开工奠基仪式的举行用实际行动坚定了国内外企业投资中国市场的信心。
二、我国中央空调制冷机组的市场需求分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、我国中央空调制冷机组的市场需求分析(论文提纲范文)
(1)基于粒子群优化的高效制冷机房负荷预测及控制策略研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 研究综述 |
1.2.1 既有公共建筑制冷机房能效现状 |
1.2.2 高效制冷机房节能技术及控制策略研究现状 |
1.2.3 高效制冷机房负荷预测研究现状 |
1.3 研究内容及研究技术路线 |
第2章 中央空调高效制冷机房系统构建 |
2.1 高效制冷机房节能技术 |
2.1.1 高效机房定义 |
2.1.2 高效设备及节能技术应用 |
2.2 项目实例 |
2.2.1 建筑概况 |
2.2.2 空调系统概况 |
2.2.3 项目运行数据采集及分析 |
2.3 建筑动态负荷模拟 |
2.4 高效设备选型及管路系统优化 |
2.4.1 高效制冷主机应用 |
2.4.2 变频水泵选型 |
2.4.3 冷却水塔设计 |
2.4.4 管路系统优化 |
2.5 传统运行策略下制冷机房运行能耗模拟 |
2.5.1 模块建立及选用 |
2.5.2 模拟平台建立 |
2.5.3 模拟结果分析 |
2.6 本章小结 |
第3章 既有公共建筑冷负荷预测 |
3.1 空调系统负荷预测方法选择 |
3.2 BP神经网络负荷预测模型 |
3.2.1 空调系统冷负荷影响因素 |
3.2.2 神经网络模型各层神经元参数的确定 |
3.2.3 神经网络各层数据归一化处理 |
3.2.4 负荷预测结果与分析 |
3.3 本章小结 |
第4章 基于粒子群算法的制冷机房运行参数寻优 |
4.1 粒子群寻优算法 |
4.2 基于TRNOPT的粒子群寻优 |
4.2.1 自变量的定义和约束条件 |
4.2.2 目标函数 |
4.3 制冷机房设备运行参数寻优结果 |
4.4 本章小结 |
第5章 基于粒子群优化的节能预测控制策略评价及控制系统设计 |
5.1 TRNSYS与 MATLAB联合仿真 |
5.2 节能预测控制策略评价 |
5.3 三层控制系统运行设计 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间论文发表及科研情况 |
致谢 |
(2)中央空调冷站系统多模型融合优化节能控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 冷站系统建模方法的研究现状 |
1.2.2 冷站系统的最优化方法研究现状 |
1.2.3 冷站系统控制方法的研究现状 |
1.3 主要研究内容及创新点 |
1.3.1 研究思路及方法 |
1.3.2 主要创新点 |
第2章 中央空调系统运行特性研究 |
2.1 中央空调系统的组成 |
2.1.1 中央空调冷站系统 |
2.1.2 样本数据预处理 |
2.2 制冷机组运行性能研究 |
2.2.1 制冷机组运行特性分析 |
2.2.2 制冷机组能耗模型的建立 |
2.2.2.1 制冷机组全局模型建立 |
2.2.2.2 制冷机组多模型融合建模 |
2.2.2.3 模型准确度对比 |
2.3 水泵运行性能研究 |
2.3.1 水泵运行特性分析 |
2.3.2 水泵能耗模型建立 |
2.4 冷却塔运行性能研究 |
2.4.1 冷却塔运行特性分析 |
2.4.2 冷却塔能耗模型建立 |
2.5 本章小结 |
第3章 中央空调系统负荷预测 |
3.1 负荷预测样本数据的确定 |
3.1.1 影响负荷的主要因素 |
3.1.2 预测精度评价指标 |
3.2 中央空调冷负荷预测 |
3.2.1 典型的空调负荷预测方法 |
3.2.2 BP神经网络负荷预测 |
3.3 本章小结 |
第4章 基于粒子群算法的最佳工作点寻找 |
4.1 优化节能目标函数及约束条件的建立 |
4.1.1 优化节能目标函数的建立 |
4.1.2 优化节能约束条件的建立 |
4.1.3 最佳工作点求解思路 |
4.2 中央空调冷站系统最佳工作点寻找 |
4.3 本章小结 |
第5章 中央空调冷站系统的优化节能控制 |
5.1 自抗扰控制的工作原理 |
5.2 优化节能控制仿真与分析 |
5.2.1 系统辨识与参数估计 |
5.2.2 冷站系统优化节能控制仿真 |
5.2.2.1 冷冻水泵优化节能控制 |
5.2.2.2 冷却水泵优化节能控制 |
5.2.2.3 冷却塔优化节能控制 |
5.3 仿真结果分析 |
5.4 本章小结 |
结论 |
参考文献 |
致谢 |
研究生期间发表论文 |
(3)基于ZigBee的楼宇智能化系统设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 背景意义 |
1.2 研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 本文主要工作 |
1.4 本文结构安排 |
第2章 总体方案设计 |
2.1 智能化控制系统总体方案设计 |
2.1.1 照明子系统 |
2.1.2 风控子系统 |
2.2 无线通信技术 |
2.2.1 ZigBee 技术 |
2.2.2 ZigBee组网技术以及应用 |
2.2.3 ZigBee协议栈 |
2.3 智能照明技术 |
2.3.1 应用特点 |
2.3.2 调光技术 |
2.4 空调PMV控制技术 |
2.5 空调制冷系统 |
2.6 本章小结 |
第3章 基于PMV的风控系统设计 |
3.1 PMV指标控制影响参数分析 |
3.2 PMV指标控制方法 |
3.3 智能热湿环境解决方案 |
3.4 风控模块的设计 |
3.5 模糊自适应整定PID控制器设计优化 |
3.6 基于PMV指标的模糊自适应整定PID控制器的仿真研究 |
3.7 本章小结 |
第4章 基于最优模型的照明系统设计 |
4.1 照明系统总体结构设计 |
4.2 数据流 |
4.3 硬件节点结构和通讯接口 |
4.3.1 硬件设计 |
4.3.2 硬件节点结构 |
4.3.3 通讯接口 |
4.4 最优化模型的改进方案 |
4.4.1 智能照明算法的选择与优化 |
4.4.2 硬件节点 |
4.5 节点管理模块设计 |
4.5.1 节点管理 |
4.5.2 数据传输模块 |
4.6 数据库设计 |
4.6.1 逻辑设计 |
4.6.2 数据库表设计 |
4.7 最优化算法的改进与设计 |
4.8 实验验证 |
4.9 本章小结 |
第5章 基于全局能耗的中央空调系统设计 |
5.1 中央空调系统目标函数优化 |
5.2 独立变量的优化控制 |
5.3 目标函数求解的优化约束条件 |
5.3.1 部件的物理约束 |
5.3.2 部件间的相互约束 |
5.4 中央空调系统运行参数优化 |
5.4.1 优化算法 |
5.4.2 实验结果及其分析 |
5.5 本章小结 |
总结与展望 |
1 总结 |
2 展望 |
参考文献 |
研究生期间发表论文及参加项目情况 |
致谢 |
(4)聚焦制冷展(论文提纲范文)
美的暖通与楼宇 |
格力 |
海尔中央空调 |
天加 |
江森自控 |
麦克维尔 |
西屋康达 |
必信 |
欧博 |
松下 |
探索智慧建筑 |
创新永不止步 |
打造一个全新的天加 |
拥抱市场变化 |
立足优势,突破创新 |
顺势而为布局新基建 |
坚定品质路线 |
为客户创造价值 |
匠心专注洁净领域 |
以客户需求为基石 |
深度赋能舒适家居行业 |
制胜法宝:渠道+售后 |
开拓新领域探索新可能 |
将低碳发展进行到底 |
(5)中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究(论文提纲范文)
摘要 |
Abstract |
主要符号表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 数字孪生简介及研究现状 |
1.3 模型参数辨识方法研究现状 |
1.3.1 经典优化算法 |
1.3.2 启发式优化算法 |
1.4 模型预测不确定性估计方法研究现状 |
1.5 模型误差补偿方法研究现状 |
1.6 本文的主要研究内容 |
2 中央空调系统工程概况及设备模型 |
2.1 中央空调系统的工作原理 |
2.2 项目概况 |
2.2.1 中央空调系统概况 |
2.2.2 中央空调系统的监测内容 |
2.2.3 卷烟厂室内负荷 |
2.3 设备模型 |
2.3.1 冷水机组模型 |
2.3.2 水泵模型 |
2.4 本章小结 |
3 中央空调水系统设备模型参数辨识 |
3.1 遗传算法介绍 |
3.2 基于遗传算法和多策略初始解空间优化的模型参数辨识方法 |
3.3 性能验证 |
3.3.1 数据概况 |
3.3.2 性能评价指标 |
3.3.3 冷机模型参数辨识结果 |
3.3.4 冷冻水泵模型参数辨识结果 |
3.3.5 冷却水泵模型参数辨识结果 |
3.4 本章小结 |
4 中央空调水系统设备模型预测不确定性估计 |
4.1 基于k-means聚类的模型预测区间估计方法 |
4.1.1 残差聚类 |
4.1.2 预测区间估计 |
4.2 性能验证 |
4.2.1 数据概况 |
4.2.2 性能评价指标 |
4.2.3 冷机模型预测区间估计结果 |
4.2.4 冷冻水泵模型预测区间估计结果 |
4.2.5 冷却水泵模型预测区间估计结果 |
4.3 本章小结 |
5 中央空调水系统设备模型误差补偿 |
5.1 人工神经网络 |
5.2 基于人工神经网络的模型残差补偿方法 |
5.2.1 残差补偿神经网络训练 |
5.2.2 设备模型残差补偿 |
5.3 性能验证 |
5.3.1 数据概况 |
5.3.2 性能评价指标 |
5.3.3 冷机模型误差补偿结果 |
5.4 本章小结 |
6 全文总结与展望 |
6.1 全文总结 |
6.2 本文创新点 |
6.3 研究展望 |
参考文献 |
攻读硕士学位期间取得的科研成果 |
致谢 |
(6)论道两联供——2021中国热泵两联供峰会特辑(论文提纲范文)
1 综述 |
亮点一:高质量的两联供渠道商资源 |
亮点二:两联供系统前沿技术安装标准 |
亮点三:两联供核心理论知识分享 |
亮点四:解密两联供渠道商实战经验 |
亮点五:两联供创新产品&新工艺齐亮相 |
2 图说峰会 |
3论坛现场 |
4 专家 |
5 品牌声音 |
6安装技能大赛 |
7 渠道商分享 |
8 创新产品 |
9高光时刻 |
(7)大型综合医院制冷系统优化控制研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.4 主要研究的内容 |
2 医院冷热源系统概况 |
2.1 项目所在地气候特征 |
2.2 项目介绍 |
2.2.1 项目基本概况 |
2.2.2 冷热源侧设备概况 |
2.2.3 负荷侧设备概况 |
2.2.4 冷却塔系统概况 |
2.3 冷源侧能耗分析 |
2.3.1 用户侧冷需求分析 |
2.3.2 能耗组成分析 |
2.4 系统运行现存问题 |
2.5 本章小结 |
3 医院制冷系统仿真模型的建立 |
3.1 TRNSYS模拟软件的简介 |
3.2 基于TRNSYS建筑模型的建立 |
3.2.1 建筑负荷参数设计 |
3.2.2 建筑负荷模拟结果分析 |
3.2.3 制冷系统部件数学模型的建立 |
3.2.4 系统仿真平台的建立 |
3.3 模型动态模拟分析 |
3.4 本章小结 |
4 空调冷冻水系统运行控制优化分析 |
4.1 变水温冷冻水系统运行策略能耗分析 |
4.1.1 阶梯式变冷冻水温度对表冷器的影响分析 |
4.1.2 阶梯式变冷冻水温对制冷系统的能耗分析 |
4.1.3 线性变水温控制下制冷系统能耗分析 |
4.2 一次泵变流量定水温系统制冷能耗分析 |
4.2.1 一次泵变流量定水温系统控制说明 |
4.2.2 控制策略介绍 |
4.2.3 制冷系统能耗分析 |
4.3 冷冻水系统模拟结果分析 |
4.4 本章小结 |
5 空调冷却水系统运行控制优化研究 |
5.1 冷却水系统运行现状分析 |
5.1.1 冷却水泵变频控制的方法介绍 |
5.1.2 冷却水系统变流量控制策略分析 |
5.2 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
创新点 |
参考文献 |
附录:攻读硕士学位期间取得的科研成果 |
致谢 |
(8)基于负荷预测的酒店中央空调水系统运行优化方法及其应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 一次泵变流量系统节能研究 |
1.2.2 一次泵变流量系统优化运行研究 |
1.2.3 中央空调系统建模方法研究 |
1.2.4 基于数据挖掘的中央空调系统负荷预测研究 |
1.3 本文的主要研究内容及方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第二章 基于支持向量回归模型的酒店中央空调运行负荷预测 |
2.1 工程概况 |
2.1.1 酒店及中央空调系统设备信息 |
2.1.2 能耗监测平台介绍 |
2.2 基于数据挖掘的空调系统负荷预测方法 |
2.2.1 负荷预测流程 |
2.2.2 支持向量回归原理 |
2.2.3 数据预处理方法 |
2.2.4 支持向量回归模型的超参数 |
2.2.5 预测结果评价指标 |
2.3 负荷预测模型建立 |
2.3.1 软件介绍 |
2.3.2 求解步骤 |
2.4 负荷预测结果与分析 |
2.4.1 数据预处理结果 |
2.4.2 负荷预测模型总结 |
2.4.3 负荷预测结果分析 |
2.5 本章小结 |
第三章 水系统设备能耗模型建立 |
3.1 最小二乘法原理 |
3.2 空调水系统模型基础 |
3.2.1 冷水机组模型 |
3.2.2 变频水泵模型 |
3.2.3 冷却塔模型能耗 |
3.3 模型参数辨识 |
3.3.1 软件介绍 |
3.3.2 求解步骤 |
3.4 模型辨识与结果分析 |
3.4.1 冷水机组能耗模型 |
3.4.2 变频水泵能耗模型 |
3.5 本章小结 |
第四章 水系统设备节能特性研究 |
4.1 冷水机组节能特性分析 |
4.1.1 离心式冷水机组节能原理 |
4.1.2 冷凝温度对冷水机组性能的影响 |
4.1.3 蒸发温度对冷水机组性能的影响 |
4.1.4 负荷率与进出水温差对冷水机组性能的影响 |
4.2 水泵节能特性分析 |
4.2.1 水泵性能曲线与水泵相似定律 |
4.2.2 水泵调速策略对水泵能耗的影响 |
4.3 冷却塔节能特性分析 |
4.3.1 冷却塔热力过程分析 |
4.3.2 冷却塔热力模型分析 |
4.3.3 冷却塔性能评价指标 |
4.4 分析与讨论 |
4.4.1 冷水机组运行参数对其性能的影响 |
4.4.2 水泵调速方式对其能耗的影响 |
4.4.3 冷却塔冷却效率影响因素分析 |
4.5 本章小结 |
第五章 水系统节能控制优化研究 |
5.1 水系统能耗优化函数 |
5.1.1 优化控制参数 |
5.1.2 优化函数约束条件 |
5.2 优化函数求解 |
5.2.1 软件介绍 |
5.2.2 求解步骤 |
5.3 酒店空调系统单日优化分析 |
5.3.1 运行参数优化结果 |
5.3.2 水系统能耗分析 |
5.3.3 各设备用能分析 |
5.3.4 冷水机组与水系统能效分析 |
5.4 酒店空调系统不同负荷率优化分析 |
5.4.1 运行参数优化结果 |
5.4.2 水系统能耗分析 |
5.4.3 冷水机组与水系统能效分析 |
5.4.4 优化策略节能率与空调系统负荷率 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 研究总结 |
6.2 论文创新之处 |
6.3 研究展望 |
参考文献 |
在学研究成果 |
致谢 |
(9)基于遗传蚁群混合算法的中央空调水系统节能优化研究(论文提纲范文)
摘要 |
Abstract |
变量注释表 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作及章节安排 |
2 中央空调水系统的工作原理 |
2.1 中央空调水系统概述 |
2.2 中央空调水系统的工作原理 |
2.3 中央空调水系统能耗分析 |
2.4 本章小结 |
3 中央空调水系统的能耗模型 |
3.1 中央空调系统的能耗模型 |
3.2 约束条件 |
3.3 中央空调系统模型建立 |
3.4 中央空调水系统的优化模型 |
3.5 本章小结 |
4 中央空调水系统能耗模型参数辨识及验证 |
4.1 中央空调系统实验装置 |
4.2 最小二乘法参数辨识原理 |
4.3 中央空调水系统能耗模型参数辨识及验证 |
4.4 本章小结 |
5 基于遗传蚁群混合算法的中央空调水系统节能优化 |
5.1 遗传算法 |
5.2 蚁群算法 |
5.3 遗传蚁群混合算法 |
5.4 基于遗传蚁群混合算法的中央空调水系统节能优化 |
5.5 系统优化结果比较分析 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
致谢 |
学位论文数据集 |
四、我国中央空调制冷机组的市场需求分析(论文参考文献)
- [1]基于粒子群优化的高效制冷机房负荷预测及控制策略研究[D]. 孙锐. 青岛理工大学, 2021(02)
- [2]中央空调冷站系统多模型融合优化节能控制研究[D]. 郭虹. 北京建筑大学, 2021(01)
- [3]基于ZigBee的楼宇智能化系统设计[D]. 徐旻政. 扬州大学, 2021(08)
- [4]聚焦制冷展[J]. 本刊编辑部. 机电信息, 2021(13)
- [5]中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究[D]. 张丽珠. 浙江大学, 2021(09)
- [6]论道两联供——2021中国热泵两联供峰会特辑[J]. 本刊编辑部. 机电信息, 2021(10)
- [7]大型综合医院制冷系统优化控制研究[D]. 李浩. 中原工学院, 2021(08)
- [8]基于负荷预测的酒店中央空调水系统运行优化方法及其应用研究[D]. 汪凯文. 安徽工业大学, 2020(07)
- [9]基于遗传蚁群混合算法的中央空调水系统节能优化研究[D]. 陈立达. 山东科技大学, 2020(06)
- [10]强强联手,再攀新高峰[J]. 李国梁. 机电信息, 2020(19)