一种中央空调冷热源集控系统及方法

本发明属于中央空调冷热源集控，尤其涉及一种中央空调冷热源集控系统及方法。

背景技术：

1、中央空调冷热源集控是一种对中央空调系统中的冷热源进行集中监控和管理的技术。中央空调冷热源系统通常包括冷水机组、冷却塔、锅炉、热泵机组等冷热源设备，以及与之配套的管道、阀门、传感器、执行器等组成的复杂系统。中央空调冷热源集控可以实时监测冷热源设备的启停状态、运行状态(如冷热源机组温度、流量和压力等)，可以监测输配系统的运行状态(如冷热媒供回管道上的温度、流量和压力等)，还可以进行能效在线监测、能耗统计分析等，并根据实际需求进行自动调节和控制；然而，现有中央空调冷热源机房控制要么传感器精度较低，要么控制策略存疑，要么集成度偏低，存在集控效果不佳的问题。

2、现有技术存在的技术问题：

3、1.数据采集不准确，影响控制精度

4、现有中央空调冷热源集控系统在数据采集方面存在明显不足，主要表现为传感器的精度低、数据噪声大、数据丢失等问题。这些问题导致采集到的数据存在较大的误差，无法真实反映系统的实际运行状态。由于数据的不准确，控制系统在进行调节和控制时，依据的基础数据不可靠，导致控制精度低，系统的能效和性能无法得到充分发挥。此外，数据的延迟和传输过程中的丢包问题也进一步影响了数据的实时性和完整性，进一步降低了控制精度。

5、2.故障不能及时警报，导致系统无法正常运行

6、现有的中央空调冷热源集控系统在发生故障时，往往无法及时检测和报警，导致系统无法正常运行。故障检测机制不完善，主要表现在以下几个方面：首先，系统缺乏智能故障诊断和预警功能，不能在故障发生前进行有效的预测和预防。其次，故障发生后，系统的报警机制不够及时和准确，无法迅速通知维护人员进行处理，导致故障时间延长，影响系统的正常运行。此外，由于缺乏有效的故障管理和恢复机制，故障发生后系统的恢复时间较长，进一步影响了系统的可靠性和可用性。

7、3.能耗管理不足，无法实现高效节能

8、现有技术在能耗管理方面存在不足，难以实现系统的高效节能。传统的中央空调冷热源集控系统缺乏智能化的能耗监测和优化机制，无法根据实时负荷情况和环境变化进行动态调整，导致能耗过高，能源利用效率低。具体表现为：无法实时监测和分析各设备的能耗情况，缺乏有效的能耗优化算法，难以实现精准的能耗管理。同时，系统在部分负荷情况下运行效率低，未能充分利用部分负荷运行时的节能潜力，导致整体能耗较高，运行成本增加。

9、4.系统集成度低，维护和升级困难

10、现有的中央空调冷热源集控系统集成度低，各子系统之间缺乏有效的协调和集成，导致系统的维护和升级困难。具体表现为：各子系统(如冷水机组、热泵机组、锅炉、冷却塔等)独立运行，缺乏统一的集控平台，数据和控制指令难以共享和协同。系统的扩展性差，难以适应日益增长的能耗管理需求和技术升级要求。同时，由于系统的集成度低，维护人员需要分别对各子系统进行管理和维护，增加了维护工作量和复杂性，降低了维护效率和系统的可用性。

11、通过上述分析，可以看出，现有中央空调冷热源集控系统在数据采集、故障检测、能效监测、能耗管理和系统集成方面存在诸多问题和缺陷，亟需通过技术创新和系统优化来解决这些问题，提高系统的性能和可靠性。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种中央空调冷热源集控系统及方法。

2、本发明是这样实现的，一种中央空调冷热源集控系统，包括：

3、数据采集模块与数据传输模块连接，用于采集室内外温度、湿度、空气质量参数(包括co2浓度、pm2.5等)，采集空调设备的运行状态和故障情况(包括启停、故障、温度、流量、压力等)，以及采集输配系统的运行状态(包括冷热媒供回管道上的温度、流量和压力等)；

4、数据传输模块与数据采集模块和中央控制模块连接，用于通过无线网络(如wi-fi、lora、zigbee等)进行数据传输；

5、中央控制模块与数据传输模块、数据预处理模块、冷热源模块、调节功能模块、节能功能模块、报警功能模块、人机交互模块连接，用于接收和发送控制指令，监测和控制整个系统的运行；

6、数据预处理模块与中央控制模块连接，用于对采集的数据进行预处理，包括数据清洗、过滤、校正和补全等；

7、冷热源模块与中央控制模块连接，用于通过冷水机组或热泵机组产生空调末端需求的冷量或热量，按需供应；

8、调节功能模块与中央控制模块连接，用于根据不同区域的需求，对各区域的温度、湿度进行精确调节；

9、节能功能模块与中央控制模块连接，用于能效在线监测和通过智能控制算法进行节能优化控制；

10、报警功能模块与中央控制模块连接，用于监测到异常情况或设备故障时发出警报，通知相关人员处理；

11、人机交互模块与中央控制模块连接，用于通过交互窗口显示系统的运行状态和参数信息，并接受用户的控制指令。

12、进一步，数据预处理模块应用卡尔曼滤波算法对采集的信号进行去噪处理，以确保数据的准确性；

13、并利用插值法对丢失或异常数据进行补全，以保证数据的连续性和完整性；

14、通过数据清洗和过滤，去除噪声和异常值；

15、利用校正算法对偏差数据进行调整，确保数据的可靠性；

16、最终将处理后的数据传输至中央控制模块进行进一步分析和处理。

17、进一步，中央控制模块通过模糊控制算法和pid控制算法生成控制指令，发送给调节功能模块和冷热源模块，以实现各区域的温湿度精确调节和系统的高效运行；调节功能模块根据pid控制算法实时调整温湿度，以达到设定的环境参数；在复杂调节需求时，结合模糊控制算法处理多变量调节，提高系统的响应速度和稳定性；

18、节能功能模块通过遗传算法(ga)或粒子群优化算法(pso)进行节能优化，寻找系统的最优运行参数组合；

19、使用预测算法(如机器学习模型)预测未来的负荷需求，提前调整系统运行状态，达到节能效果；

20、并实施动态调度算法，根据实时负荷变化智能调度冷热源设备，减少不必要的能耗；

21、最终实现系统在节能和性能之间的最佳平衡，降低整体能耗，提高系统的运行效率。

22、进一步，所述数据预处理模块处理方法：

23、(1)数据滤波；

24、对原始数据进行滤波消除噪声和干扰；

25、(2)数据融合；

26、将来自多个传感器的数据融合起来；

27、(3)特征提取；

28、(4)数据压缩；

29、(5)数据校准。

30、数据预处理模块的具体信号数据处理过程：

31、数据预处理模块在中央空调冷热源集控系统中起着关键作用，通过一系列信号数据处理步骤，确保输入到中央控制模块的数据准确、可靠。以下是具体的信号数据处理过程，包括数据滤波、数据融合、特征提取、数据压缩和数据校准。

32、1.数据滤波

33、目的：消除原始数据中的噪声和干扰，提高数据的准确性和稳定性。

34、过程：

35、卡尔曼滤波算法：对时间序列数据进行滤波，估计系统的状态，并最小化噪声对数据的影响。

36、步骤：

37、1.初始化状态估计值和估计误差协方差矩阵。

38、2.预测下一时刻的状态估计值和估计误差协方差。

39、3.计算当前时刻的卡尔曼增益。

40、4.利用当前测量值更新状态估计值。

41、5.更新估计误差协方差矩阵。

42、6.重复上述步骤。

43、```python

44、import numpy as np

45、defkalman_filter(measurements,initial_state,process_variance,measurement_variance):

46、n＝len(measurements)

47、x＝np.zeros(n)状态估计值

48、p＝np.zeros(n)估计误差协方差

49、k＝np.zeros(n)卡尔曼增益

50、x[0]＝initial_state

51、p[0]＝1.0

52、

53、2.数据融合

54、目的：整合来自多个传感器的数据，提供更全面和准确的环境信息。

55、过程：

56、加权平均法：对不同传感器的测量值进行加权平均，以减小个别传感器误差的影响。步骤：

57、1.获取多个传感器的数据。

58、2.根据传感器的可靠性或其他指标设定权重。

59、3.计算加权平均值，作为融合后的数据。

60、

61、3.特征提取

62、目的：从原始数据中提取重要特征，简化后续数据处理和分析。

63、过程：

64、步骤：

65、1.对时间序列数据进行统计分析，提取特征值(如均值、标准差、峰值等)。

66、2.对环境数据进行特征提取，如温度、湿度的变化率等。

67、

68、4.数据压缩

69、目的：减少数据量，降低存储和传输的负担，同时保留数据的主要特征。

70、过程：

71、主成分分析(pca)：通过线性变换将高维数据投影到低维空间，保留主要特征。步骤：

72、1.标准化数据。

73、2.计算协方差矩阵。

74、3.计算协方差矩阵的特征值和特征向量。

75、4.选择主要特征向量组成的子空间，进行数据压缩。

76、

77、5.数据校准

78、目的：通过校准消除传感器的系统误差，确保数据的准确性。

79、过程：

80、步骤：

81、1.对传感器数据进行初步检测，发现系统误差。

82、2.利用校准数据(如标准数据或参考数据)对传感器数据进行修正。

83、

84、综合工作流程：

85、1.数据采集：

86、多个传感器采集温度、湿度、co2浓度、pm2.5等环境数据，空调设备状态和故障情况，以及冷热媒输配系统运行状态。

87、2.数据传输：

88、通过无线网络将采集到的数据传输至中央控制模块。

89、3.数据预处理：

90、数据滤波：使用卡尔曼滤波算法对原始数据进行去噪处理。

91、数据融合：通过加权平均法融合多个传感器的数据。

92、特征提取：提取重要的统计特征。

93、数据压缩：应用主成分分析(pca)进行数据压缩。

94、数据校准：使用校准数据修正传感器的系统误差。

95、4.数据应用：

96、预处理后的数据输入到中央控制模块，进行进一步的分析和控制指令生成。

97、控制指令发送至调节功能模块和冷热源模块，实时调整各区域的温湿度，控制冷水机组和热泵机组产生所需的冷量或热量。

98、通过上述数据预处理方法，可以有效提高数据的准确性和可靠性，为中央空调冷热源集控系统的高效、智能运行提供可靠的数据支持。

99、进一步，所述特征提取方法：

100、时域特征：提取数据在时间域上的特征，包括均值、方差；

101、频域特征：通过傅里叶变换方法将数据转换到频域，提取频域上的特征；

102、小波变换：一种时频分析方法，可以同时提取数据在时域和频域上的特征。

103、进一步，所述数据压缩方法：

104、差分编码：利用数据之间的差分进行编码；

105、哈夫曼编码：一种变长编码方式，根据数据的出现频率分配不同的编码长度；

106、小波压缩：利用小波变换对数据进行压缩。

107、中央空调冷热源集控系统的数据预处理模块的具体实现方法：

108、数据预处理模块的处理方法：

109、1.数据滤波

110、卡尔曼滤波算法用于对原始数据进行滤波，消除噪声和干扰，提高数据的准确性和稳定性。

111、

112、2.数据融合

113、加权平均法用于将来自多个传感器的数据进行融合，以提供更全面和准确的环境信息。

114、

115、

116、3.特征提取

117、时域特征：提取数据在时间域上的特征，包括均值和方差。

118、

119、频域特征：通过傅里叶变换方法将数据转换到频域，提取频域上的特征。

120、

121、小波变换：同时提取数据在时域和频域上的特征。

122、

123、

124、4.数据压缩

125、差分编码：利用数据之间的差分进行编码。

126、

127、哈夫曼编码：根据数据的出现频率分配不同的编码长度。

128、

129、

130、小波压缩：利用小波变换对数据进行压缩。

131、

132、

133、5.数据校准

134、数据校准：通过校准消除传感器的系统误差，确保数据的准确性。

135、

136、综合数据处理流程

137、

138、步骤3：特征提取

139、time_features＝time_domain_features(fused_data)

140、freq_features＝frequency_domain_features(fused_data)

141、wavelet_features＝wavelet_features(fused_data)

142、步骤4：数据压缩

143、diff_encoded_data＝differential_encoding(fused_data)

144、huffman_encoded_data,codes＝huffman_encoding(diff_encoded_data)

145、compressed_wavelet＝wavelet_compression(fused_data)

146、步骤5：数据校准

147、calibrated_data＝data_calibration(fused_data,calibration_values)

148、print("滤波后数据：",filtered_data)

149、print("融合后数据：",fused_data)

150、print("时域特征：",time_features)

151、print("频域特征：",freq_features)

152、print("小波特征：",wavelet_features)

153、print("差分编码后数据：",diff_encoded_data)

154、print("哈夫曼编码后数据：",huffman_encoded_data)

155、print("压缩小波：",compressed_wavelet)

156、print("校准后数据：",calibrated_data)

157、```通过上述具体实现方法，数据预处理模块可以有效地滤波、融合、提取特征、压缩和校准数据，确保输入到中央控制模块的数据准确可靠，从而实现中央空调冷热源集控系统的高效、智能运行。

158、进一步，所述数据校准方法：

159、与已知准确值的比较：通过与实际已知值的比较，计算并修正传感器的误差；

160、使用校准设备进行实验验证：利用专门的校准设备对传感器进行校准，得到更准确的测量值。

161、进一步，所述报警功能模块报警方法：

162、1)系统在检测到故障时，会显示相应的故障代码，包括e1、e2，这些代码对应着不同的故障类型；

163、e1代表系统高压保护，e2代表室内防冻结保护，维修人员可以根据这些代码快速定位故障；

164、2)实时监测各个设备的运行数据，包括温度、压力、电流；当某些数据超出正常范围时，系统会发出警报，并显示异常数据，以便维修人员及时发现问题；

165、3)集控系统具备自动诊断功能，分析设备的运行数据，判断是否存在潜在故障；一旦发现潜在故障，系统会立即发出警报，并给出的故障原因和解决方案，帮助维修人员提前进行预防性维护；

166、4)集控系统支持远程监控功能，通过手机、电脑终端实时查看系统的运行状态和故障情况；当系统发出警报时，用户会立即收到通知，远程查看故障详情和解决方案；

167、5)记录所有警报的详细信息，包括警报时间、警报类型、故障代码、处理结果。

168、本发明的另一目的在于提供一种中央空调冷热源集控方法包括：

169、步骤1，通过数据采集模块采集室内外温度、湿度、空气质量参数，以及空调设备的运行状态和故障情况；通过数据传输模块利用无线网络进行数据传输；

170、步骤2，中央控制模块通过数据预处理模块对采集的数据进行预处理；通过冷热源模块利用冷水机组或热泵机组负责产生供空调系统使用的冷量或热量，按需供应；

171、步骤3，通过调节功能模块根据不同区域的不同需求，对各区域的温度、湿度进行精确调节；通过节能功能模块进行能效在线检测并利用智能控制算法进行节能优化；

172、步骤4，通过报警功能模块监测到异常情况或设备故障时，立即发出警报，通知相关人员处理；

173、步骤5，通过人机交互模块利用交互的窗口，显示系统的运行状态和参数信息，接受用户的控制指令。

174、本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述中央空调冷热源集控方法的步骤。

175、本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述中央空调冷热源集控方法的步骤。

176、本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述中央空调冷热源集控系统。

177、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

178、第一、本发明通过数据预处理模块可以大大提高传感器采集数据的质量，为中央空调冷热源集控系统提供准确、可靠的数据支持；同时，通过报警功能模块实时监测、故障代码显示、自动诊断与警报、远程监控与警报以及报警日志记录多种手段，确保中央空调系统的稳定运行；当系统出现异常情况或设备故障时，系统会及时发出警报并给出解决方案，帮助维修人员快速定位和解决问题；同时，这些技术方法还可以提高系统的智能化和自动化水平，降低维护成本和提高维护效率。

179、第二，本发明通过数据预处理模块可以大大提高传感器采集数据的质量，为中央空调冷热源集控系统提供准确、可靠的数据支持；同时，通过报警功能模块实时监测、故障代码显示、自动诊断与警报、远程监控与警报以及报警日志记录多种手段，确保中央空调系统的稳定运行；当系统出现异常情况或设备故障时，系统会及时发出警报并给出解决方案，帮助维修人员快速定位和解决问题；同时，这些技术方法还可以提高系统的智能化和自动化水平，降低维护成本和提高维护效率。

180、第三，现有技术中的中央空调系统在数据采集、数据处理、控制精度和节能效果方面存在诸多不足。首先，传统系统在数据采集过程中容易受到噪声和干扰的影响，导致数据不准确。其次，现有技术中，数据处理能力有限，难以对多传感器数据进行有效融合和分析，影响系统的整体性能。此外，控制算法简单，无法根据不同区域的需求进行精确调节，导致能源浪费。最后，缺乏智能化的节能优化和故障报警机制，影响了系统的节能效果和运行可靠性。

181、本发明通过引入先进的信号处理和智能控制技术，提出了一种高效的中央空调冷热源集控系统。首先，采用卡尔曼滤波、加权平均法、傅里叶变换和小波变换等多种数据处理技术，提高了数据的准确性和可靠性。其次，通过多种特征提取和压缩算法(如差分编码、哈夫曼编码、小波压缩)，有效地处理和传输大数据量，保证了实时性和高效性。再次，利用模糊控制和pid控制相结合的智能算法，实现了对各区域温湿度的精确调节，满足了不同区域的需求。最后，结合遗传算法、粒子群优化算法等智能控制算法，进行系统的节能优化和动态调度，提高了能源利用效率。

182、本发明在多个方面取得了显著的技术进步。首先，通过先进的数据滤波和融合技术，极大地提高了数据采集的准确性和可靠性，解决了传统系统中数据噪声和干扰的问题。其次，通过特征提取和压缩算法的应用，提高了数据处理的效率和实时性，解决了现有技术中数据处理能力不足的问题。再次，通过智能控制算法的引入，实现了对各区域温湿度的精确调节，显著提升了系统的控制精度和响应速度。最后，通过智能节能优化算法的应用，实现了系统的节能减排，显著降低了能源消耗，提升了系统的运行效率和经济效益。

183、本发明不仅在技术上取得了显著进步，还带来了显著的经济效益和广阔的应用前景。通过提高系统的能源利用效率，降低了数据中心的整体能耗，减少了运行成本。同时，系统的高精度控制和实时故障报警功能，提高了数据中心的设备安全性和可靠性，减少了设备故障率和维护成本。此外，该系统的模块化设计和智能化管理，使其具有广泛的适应性和扩展性，可应用于不同类型和规模的空调系统，具有广阔的市场前景。综上所述，本发明在解决现有技术问题的同时，实现了显著的技术进步和经济效益，具有重要的应用价值和推广前景。