共查询到13条相似文献,搜索用时 46 毫秒
1.
2.
目的:研究实现智能建筑暖通空调系统节能的有效途径和优化方法。方法:分析比较建筑物内部主要耗能单元的节能措施。结果实现了对BA控制系统(主要是暖通空调系统)的传感器、执行器、控制器、网络等若干环节分级优化,从系统的各种可能结构和参数中找到最佳匹配,使整体效能最佳,从而提高系统的效率。结论:确立智能建筑暖通空调系统能量管理与控制系统优化的基本出发点、优化原则及技术措施对于智能建筑节能实现具有重要的现实意义,BAS系统是实现智能建筑节能的有效途径之一。 相似文献
3.
叶剑成 《电子制作.电脑维护与应用》2015,(12)
本文首先对制冷机和暖通空调进行了一番概念性的描述,在此基础上,着重针对优化控制制冷机在暖通空调中的重要作用进行了认真深入的探讨分析,以供参考。 相似文献
4.
变风量空调系统房间舒适度温度优化设置 总被引:2,自引:0,他引:2
房间温度是变风量空调系统的重要控制量,对舒适度和空调能耗影响很大.房间温度的设置应该考虑室内人员不同的舒适度需求、空气品质和变风量空调系统的节能运行,是一种多目标优化的结果.本文分析了PMV舒适度性能指标,提出便于优化运算的实用舒适度公式.综合考虑舒适度、空气品质和能耗三方面的因素,提出变风量空调系统房间舒适温度优化设置的方法,详细说明优化原理和优化步骤.通过仿真验证了优化方法的有效性,为变风量空调系统房间温度提供了一种可行的设置方法. 相似文献
5.
6.
空调暖通作为数据中心十分基础的设施运维组成部分,是保证数据中心稳定安全运行的必要条件,然而空调暖通设备在数据中心所暴露的能耗问题越来越严重,为了实现节能空调暖通系统管理,需要不断提升质量和水平。基于此,本文阐述了数据中心暖通空调现状与节能方法,分析其节能过程中存在的不足,探讨了PLC节能控制的价值与投入使用方法,以期能为PLC节能控制在暖通空调自控系统中发挥价值,提供参考。 相似文献
7.
强化学习方法在近年来被逐渐尝试应用于工程控制之中,并且展示出其强大的控制能力和潜力。强化学习算法虽然具有较好的控制性能,但是其控制策略的收敛需要建立在一段时间后的训练上,而这段时间在工程应用上可能会造成一些浪费。为了解决这一问题,提出了基于先验知识的DQN对暖通空调(HVAC)系统中的冷却水系统进行控制,将先验知识引入DQN算法的前期训练中,以减少训练时间,加速收敛,节约成本。基于先验知识的DQN算法不仅能够对系统进行有效的控制,并且能够比DQN更早地实现节能。 相似文献
8.
李定贤 《数码设计:surface》2021,(10):165-165
随着我国人们日常生活物质水平的逐步提高,人们对整个室内环境的舒适性能也提出了越来越高的物质要求。暖通空调控制系统已在主要公共生活场所广泛使用,在夏季,暖通空调系统虽然使用非常频繁,但这会严重影响室内空气质量并且会浪费一定程度数量的清洁能源。因此,暖通空调供热系统中非常多的需要充分使用这种节能环保供热技术,能够充分发挥提高系统能源综合利用率,从而有效节省系统相应的使用能源。 相似文献
9.
10.
11.
为满足楼宇暖通智能控制的需求,对基于ARM7的楼宇暖通DDC控制器的设计进行了研究.采用模块化设计和在线编程等技术,详细介绍了控制器的硬件体系结构和各软件功能模块的设计,并对软硬件功能等进行了测试.结果表明,控制器具有显示直观准确、操作方便、运行稳定可靠等优点,适用于各类空调系统. 相似文献
12.
为实现对CPR1000核电机组核岛通风系统的可靠控制,采用了小型PLC作为其控制器.介绍了该类型核电机组核岛通风控制系统大分散、小集中的特点,对比了小型PLC和直接数字控制器(DDC)两种控制器的性能参数,详细分析了小型PLC应用的优势.实际应用结果验证了小型PLC应用的可行性,对于同类型的控制方式选择具有参考和借鉴作用. 相似文献
13.
This paper presents the application of a deep learning based model for the short-term forecasting of the electric demand in a heating, ventilation, and air conditioning system (HVAC) for the demand response programs of utility companies. The deep learning model is applied through two different approaches comparing their merits. The approaches consist of: (i) a monolithic approach that applies a single large model to forecast the target variables, and (ii) a sequential approach that consists of multiple deep learning models coupled together each targeting a specific energy load within the HVAC system. The model accuracy of both approaches is explored over two case studies applied to the same institutional building; however, the case studies differ in their data source. The first case study uses synthetic data obtained from an eQuest simulation, while the second case study uses measurement data obtained from the building automation system. Results show that the difference in forecasting error of these approaches is negligible; however, the monolithic approach required the least amount of calibration time. Next, this paper explores the application of off-site weather data applied to a building model calibrated with on-site data. The experiments demonstrated that the off-site weather data can be applied with a slight reduction in forecasting performance. 相似文献