空调负荷调整系统及空调负荷调整方法
技术领域
本发明涉及空调领域，尤其涉及用以调整空调负荷的调整系统以及调整方法。
背景技术
大型空调系统通常都会配置有对应的冰水主机，这些冰水主机会在电费较便宜的离峰时段进行制冰程序，而空调系统可以在电费较昂贵的尖峰时段使用预先制造的冰块来进行热交换，借此降低空调系统所需耗费的电力成本。
冰水主机的所述制冰程序一般会具有固定的储冰量。然而，会影响建筑物内的舒适度的内部因素(例如人员数量或活动内容)与外部因素(例如温度或湿度)每天皆不相同，若在对空调系统进行控制时，令空调系统在一天的每个时段中皆令室内维持在固定的舒适度，将可能会造成所述储冰量不够使用的问题。
当储冰量不足时(即，空调系统的实际负荷量超过预测负荷量)，空调系统需实时启动冰水主机再次进行制冰程序。惟，此时制冰程序所耗费的可能是尖峰时段的高昂电费，并且其额外的用电将可能导致空调系统的整体用电量超出契约容量。
再者，当室内环境有剧烈变化时(例如突然变热)，空调系统将需带动冰水主机剧烈运转以快速改善环境，导致冰水主机超出了一般于60％～80％的最佳效率区间，这也会造成空调系统整体的用电量提升。
有鉴于此，如何对空调系统的负荷量进行预测，并且据此对空调系统的运转进行最佳化，即为本领域相当重要的研究课题。
发明内容
本发明的目的在于提供一种空调负荷调整系统及空调负荷调整方法，使其可令室内维持于一定的舒适度范围，并可依据对空调负荷量的预测来达到空调设备的最佳化控制，以达到节能及降低尖峰时段的用电量的目的。
为了达成上述目的，本发明提供一种空调负荷调整系统，应用于一建筑中，并且包括：
一中央监控电脑；
一空调负荷预测单元，借由一能源管理平台与该中央监控电脑通讯连接，依据在一过去时间区间所得的多个数据预测一空调设备在一未来时间区间的一预测负荷量，并提供该预测负荷量给该能源管理平台；
一室内温湿度感测模块，感测并输出该建筑于一第一时间的一感测温度与一感测湿度；
一风速感测模块，感测并输出该空调设备于该第一时间的一空调风速；
一舒适度预测模块，借由该能源管理平台与该中央监控电脑通讯连接，根据该感测温度、该感测湿度及该空调风速计算该空调设备于一第二时间需达到的一室内舒适度默认值，并提供该室内舒适度默认值给该能源管理平台，其中该第二时间晚于该第一时间，并且该第二时间落于该未来时间区间内；
其中，该能源管理平台根据该室内舒适度默认值控制该中央监控电脑产生该空调设备的一温度设定值与一风速设定值；
其中，该中央监控电脑于该空调设备基于该温度设定值及该风速设定值进行运转时，依据该预测负荷量与该空调设备的一实际负荷量的一比较结果实时修正该温度设定值与该风速设定值。
如上所述，其中更包括一黑球温度感测模块，感测并输出该建筑于该第一时间的一辐射温度，并且该舒适度预测模块根据该感测温度、该感测湿度、该空调风速及该辐射温度计算该室内舒适度默认值。
如上所述，其中该室内舒适度预测模块取得一人体活动量表及一衣着量表，并且根据该感测温度、该感测湿度、该空调风速、该辐射温度、该人体活动量表及该衣着量表计算该室内舒适度默认值。
如上所述，其中该室内舒适度预测模块储存对应至不同场所的多个人体活动量表，并且依据该建筑的性质读取对应的该人体活动量表。
如上所述，其中该室内舒适度预测模块储存对应至不同气候的多个衣着量表，并且根据该建筑的室外温度读取对应的该衣着量表。
如上所述，其中该室内舒适度预测模块储存对应至不同气候的多个衣着量表，并且根据当前季节读取对应的该衣着量表。
如上所述，其中该能源管理平台于判断未来一段时间的该预测负荷量高于该实际负荷量时调升该空调设备于该第二时间需达到的该室内舒适度默认值。
如上所述，其中该中央监控电脑依据调升后的该室内舒适度默认值提高该温度设定值并降低该风速设定值。
如上所述，其中该能源管理平台于判断未来一段时间的该预测负荷量低于该实际负荷量时调降该空调设备于该第二时间需达到的该室内舒适度默认值。
如上所述，其中该中央监控电脑依据调降后的该室内舒适度默认值降低该温度设定值并提高该风速设定值。
如上所述，其中该空调负荷预测单元包括：
一空调设备排程管理模块，输出该空调设备于该过去时间区间的一排程参数；
一室内温度设定模块，输出该建筑于该过去时间区间的一室内温度设定条件；
一建筑外壳负荷采集模块，输出该建筑于该过去时间区间的一外壳负荷因子；
一天气预报数据采集模块，输出该未来时间区间的一天气预报数据；及
一空调负荷预测模块，依据该排程参数、该室内温度设定条件、该外壳负荷因子及该天气预报数据计算该预测负荷量。
如上所述，其中该天气预报数据包含该未来时间区间的一外气温度与一相对湿度。
如上所述，其中该建筑外壳负荷采集模块依据该建筑在该过去时间区间中的一建筑开窗频率、一建筑窗面遮阳因子及至少一建筑方位数据计算该外壳负荷因子。
如上所述，其中该空调负荷预测模块依据该天气预报数据计算一外气焓值，依据该室内温度设定条件计算一室内焓值，依据该外气焓值与该室内焓值计算一室内外焓差值，依据该排程参数及该外气焓值计算一外气引入负荷，并且依据该外气引入负荷、该室内外焓差值及该外壳负荷因子计算该预测负荷量。
为了达成上述目的，本发明提供一种空调负荷调整方法，应用于一建筑并且控制该建筑中的一空调设备，并且包括下列步骤：
a)通过一空调负荷预测单元依据在一过去时间区间中所得的多个数据预测该空调设备在一未来时间区间的一预测负荷量；
b)通过一室内温湿度感测模块感测该建筑于一第一时间的一感测温度与一感测湿度；
c)通过一风速感测模块感测该空调设备于该第一时间的一空调风速；
d)通过一舒适度预测模块根据该感测温度、该感测湿度及该空调风速计算该空调设备于一第二时间需达到的一室内舒适度默认值，其中该第二时间晚于该第一时间，并且该第二时间区间落于该未来时间区间中；
e)通过一能源管理平台根据该室内舒适度默认值控制一中央监控电脑产生该空调设备的一温度设定值与一风速设定值；
f)控制该空调设备基于该温度设定值及风速设定值进行运转；及
g)该中央监控电脑依据该预测负荷量与该空调设备的一实际负荷量的一比较结果实时修正该温度设定值与该风速设定值。
如上所述，其中该步骤d)之前更包括一步骤d1)：通过一黑球温度感测模块感测该建筑于该第一时间的一辐射温度；
其中，该步骤d)是根据该感测温度、该感测湿度、该空调风速及该辐射温度计算该室内舒适度默认值。
如上所述，其中该步骤d)之前更包括一步骤d2)：取得一人体活动量表及一衣着量表；
其中，该步骤d)是根据该感测温度、该感测湿度、该空调风速、该辐射温度、该人体活动量表及该衣着量表计算该室内舒适度默认值。
如上所述，其中该室内舒适度预测模块储存对应至不同场所的多个人体活动量表，并且该步骤d2)是依据该建筑的性质读取对应的该人体活动量表。
如上所述，其中该室内舒适度预测模块储存对应至不同气候的多个衣着量表，并且该步骤d2)是根据该建筑的室外温度读取对应的该衣着量表。
如上所述，其中该室内舒适度预测模块储存对应至不同气候的多个衣着量表，并且该步骤d2)是根据当前季节读取对应的该衣着量表。
如上所述，其中该步骤g)包括下列步骤：
g11)于判断未来一段时间的该预测负荷量高于该实际负荷量时调升该空调设备于该第二时间需达到的该室内舒适度默认值；及
g12)依据调升后的该室内舒适度默认值提高该温度设定值并降低该风速设定值。
如上所述，其中该步骤g)包括下列步骤：
g21)于判断未来一段时间的该预测负荷量低于该实际负荷量时调降该空调设备于该第二时间需达到的该室内舒适度默认值；及
g22)依据调降后的该室内舒适度默认值降低该温度设定值并提高该风速设定值。
如上所述，其中该步骤a)包括下列步骤：
a1)通过一空调设备排程管理模块输出该空调设备于该过去时间区间的一排程参数；
a2)通过一室内温度设定模块输出该建筑于该过去时间区间的一室内温度设定条件；
a3)通过一建筑外壳负荷采集模块输出该建筑于该过去时间区间的一外壳负荷因子；
a4)通过一天气预报数据采集模块输出该未来时间区间的一天气预报数据；及
a5)通过一空调负荷预测模块依据该排程参数、该室内温度设定条件、该外壳负荷因子及该天气预报数据计算该预测负荷量。
如上所述，其中该天气预报数据包含该未来时间区间的一外气温度与一相对湿度。
如上所述，其中该建筑外壳负荷采集模块依据该建筑在该过去时间区间中的一建筑开窗频率、一建筑窗面遮阳因子及至少一建筑方位数据计算该外壳负荷因子。
如上所述，其中该步骤a5)是依据该天气预报资料计算一外气焓值，依据该室内温度设定条件计算一室内焓值，依据该外气焓值与该室内焓值计算一室内外焓差值，依据该排程参数及该外气焓值计算一外气引入负荷，并且依据该外气引入负荷、该室内外焓差值及该外壳负荷因子计算该预测负荷量。
相较于相关技术，本发明借由预测空调设备未来一段时间的负荷量来实时修正空调设备现阶段所需达成的室内舒适度(及为达成舒适度而采用的控制参数)，可以有效实现空调设备的最佳化控制，进而达到节能与降低尖峰用电的目的。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
图1为本发明的空调负荷调整系统的方块图的第一具体实施例；
图2为本发明的空调负荷预测单元的示意图的第一具体实施例；
图3为本发明的室内舒适度计算单元的示意图的第一具体实施例；
图4为本发明的空调负荷调整方法的流程图的第一具体实施例；
图5为本发明的空调设备修正流程图的第一具体实施例；
图6为本发明的空调设备修正流程图的第二具体实施例；
图7为本发明的预测负荷量计算流程图的第一具体实施例；
图8为本发明的预测负荷量计算流程图的第二具体实施例。
其中，附图标记：
1…空调负荷调整系统；
11…空调负荷预测单元；
111…空调系统排程管理模块；
112…室内温度设定模块；
113…建筑外壳负荷采集模块；
114…天气预报数据采集模块；
115…空调负荷预测模块；
12…室内舒适度计算单元；
121…室内温湿度感测模块；
122…风速感测模块；
123…黑球温度感测模块；
124…人体活动量表；
125…衣着量表；
126…舒适度预测模块；
13…能源管理平台；
14…中央监控电脑；
15…空调设备；
S10～S30…调整步骤；
S300～S308、S320～S328…修正步骤；
S100～S108、S1080～S1090…预测步骤。
具体实施方式
兹就本发明的一较佳实施例，配合图式，详细说明如后。
参阅图1，为本发明的空调负荷调整系统的方块图的第一具体实施例。本发明揭露了一种空调负荷调整系统(下面简称为调整系统1)，所述调整系统1主要包括空调负荷预测单元11、室内舒适度计算单元12、能源管理平台13、中央监控电脑14及空调设备15。空调设备15主要设置于一栋建筑(图未标示)内，借由一冰水主机(图未标示)执行制冰程序(制冰工艺步骤)所产生的冰块来进行热交换，以改善所述建筑的室内舒适度。
于一实施例中，所述能源管理平台13连接空调负荷预测单元11、室内舒适度计算单元12及中央监控电脑14，中央监控电脑14通过有线或无线方式连接空调设备15。并且，中央监控电脑14可监控空调设备15的运作(例如运转时间、设定温度、风扇转速等)，并且可依据所设定的温度、湿度等参数来调整空调设备15的运转模式。
于本发明的一实施例中，空调负荷预测单元11可依据搜集所得的数据来预测空调设备15于未来的一段时间(例如一天)的负荷量(以下称为预测负荷量)，并提供所述预测负荷量至能源管理平台13。能源管理平台13可依据预测负荷量产生用以控制中央监控电脑14的控制讯号，中央监控电脑14可依据所述控制讯号来控制空调设备15的冰水主机执行储冰程序(储冰工艺步骤)(例如可于离峰时段执行储冰程序)，使得冰水主机在储冰程序完成后具有可以满足所述预测负荷量的储冰量。若空调设备15于一天中的累积负荷量不超过所述预测负荷量，则不会有储冰量不足的问题产生。
本发明的其中一关键点在于，所述空调负荷预测单元11可用于取得空调设备15所在地(即，所述建筑)于一段过去时间区间中产生的多个数据，并依据这些数据来预测空调设备15在一段未来时间区间中可能会产生的负荷量(下面称为预测负荷量)。并且，空调负荷预测单元11会将计算所得的预测负荷量提供给所述能源管理平台13，能源管理平台13可将预测负荷量做为对空调设备15执行最佳化控制的其中一项参数。
本实施例中，上述过去时间区间，指的是早于当前时间的一段时间，例如昨天的上班时间或是今天的上班时间(已结束)等。上述未来时间区间，指的是晚于当前时间的一段时间，例如明天的上班时间，或是由现在起算的24小时等，不加以限定。
请同时参阅图2，为本发明的空调负荷预测单元的示意图的第一具体实施例。所述空调负荷预测单元11可为实体单元(例如以处理器实现)或虚拟单元(例如以软件实现)，并且如图2所示，依据空调负荷预测单元11的各项执行功能，可包含空调系统排程管理模块111、室内温度设定模块112、建筑外壳负荷采集模块113、天气预报数据采集模块114及空调负荷预测模块115。
本实施例中，空调系统排程管理模块111可与空调设备15、中央监控电脑14或是建筑自动化系统(Building Automation System,BA System，图未标示)通讯连接，以取得空调设备15于所述过去时间区间中的排程参数。室内温度设定模块112可与空调设备15、中央监控电脑14或设置在建筑内、外部的一或多个传感器(图未标示)通讯连接，以取得建筑于过去时间区间中的一组室内温度设定条件。建筑外壳负荷采集模块113可与中央监控电脑14或是建筑自动化系统通讯连接，以取得建筑于过去时间区间中的外壳负荷因子。
天气预报数据采集模块114可与中央监控电脑14或建筑自动化系统通讯连接，或是通过网络与天气预测平台(例如中央气象局网站)连接，以取得所述未来时间区间的天气预报数据(例如逐时外气温度、逐时相对湿度等)。于一实施例中，所述天气预报数据采集模块114主要是从天气预测平台取得空调设备15所在地点于所述未来时间区间中的天气预报数据，但不加以限定。
空调负荷预测模块115可由空调系统排程管理模块111、室内温度设定模块112、建筑外壳负荷采集模块113及天气预报数据采集模块114分别取得所述排程参数、室内温度设定条件、外壳负荷因子及天气预报数据等数据，借由对应的算法预测空调设备15于所述未来时间区间中可能需要负担的空调负荷，并产生一个预测负荷量。如此一来，本发明的调整系统1即可依据此预测负荷量来对空调设备15进行最佳化控制。
本发明的另一个关键点在于，调整系统1可通过所述室内舒适度计算单元12来根据目前状况计算空调设备15于第二时间所需要达到的室内舒适度默认值，借此，所述能源管理平台13可依据此室内舒适度默认值来调整空调设备15的运转，使得建筑的室内环境可以维持在一定的舒适度范围。本实施例中，所述第二时间晚于当前时间(后称为第一时间)，例如可为十分钟后、一小时后、三小时后等，不加以限定。
值得一提的是，本实施例中的第二时间指的是落于前述的未来时间区间内的一个时间点。例如，若未来时间区间为未来的24小时，则第二时间可例如为从现在起算的三小时后。惟，上述仅为本发明的其中一个具体实施范例，但不以此为限。
请同时参阅图3，为本发明的室内舒适度计算单元的示意图的第一具体实施例。于一实施例中，所述室内舒适度计算单元12至少包括室内温湿度感测模块121、风速感测模块122及舒适度预测模块126。
本实施例中，所述室内温湿度感测模块121可感测建筑于第一时间(例如现在)的温度与湿度(下面称为感测温度与感测湿度)，并且输出所述感测温度与感测湿度给舒适度预测模块126。所述风速感测模块122可感测空调设备15于所述第一时间的空调风速，并且输出所述空调风速给舒适度预测模块126。
所述舒适度预测模块126借由能源管理平台13与中央监控电脑14通讯连接，并可根据感测温度、感测湿度及空调风速来计算空调设备15于所述第二时间需达到的室内舒适度默认值。并且，舒适度预测模块126可将所计算的室内舒适度默认值提供给能源管理平台13，以由能源管理平台13对空调设备15进行最佳化控制。
于另一实施例中，所述室内舒适度计算单元12可进一步包括黑球温度感测模块123。所述黑球温度感测模块123设置于建筑内，用以感测建筑于所述第一时间的辐射温度。并且，黑球温度感测模块123将感测所得的辐射温度输出至舒适度预测模块126。于本实施例中，舒适度预测模块126可根据感测温度、感测湿度、空调风速以及辐射温度来计算所述室内舒适度默认值。由于本实施例中同时考虑了建筑内部的辐射温度，因此对于舒适度的预测会更加准确。
于又一实施例中，所述室内舒适度计算单元12进一步包括人体活动量表124及衣着量表125。所述人体活动量表124记录了在特定场所(例如办公室)中活动所对应的一个活动量指数，而所述衣着量表125则记录了室内人员在穿着特定衣服(例如西装与套装)时所对应的一个衣着量指数。
本实施例中，舒适度预测模块126可以读取人体活动量表124及衣着量表125以取得对应的活动量指数及衣着量指数，并且根据感测温度、感测湿度、空调风速、辐射温度、人体活动量表及衣着量表来计算所述室内舒适度默认值。由于本实施例中同时考虑了建筑内部人员的活动量及衣着量，因此对于舒适度的预测会更加准确。
如上所述，室内舒适度计算单元12可通过舒适度预测模块126计算产生室内舒适度默认值，并将室内舒适度默认值提供给能源管理平台13。本实施例中，能源管理平台13可根据所述室内舒适度默认值来控制中央监控电脑14产生空调设备15的温度设定值与风速设定值。具体地，空调设备15依据中央监控电脑14产生的温度设定值与风速设定值进行运转模式的调整，以令建筑的室内空间可在预定时间前(即，所述第二时间)达到室内舒适度默认值。
本实施例中，温度设定值是指空调设备15应维护的室内温度(例如22度、24度)，风速设定值是指空调设备15所应采用的风扇转速(例如弱风、强风)。
由于室内、室外的环境因素每天都不一样，要借由空调设备15的运转而令室内环境达到所述室内舒适度默认值，空调设备15所需负担的负荷量并不相同。
本发明的其中一个技术特征在于，中央监控电脑14可在空调设备15基于温度设定值及风速设定值进行运转时持续监控空调设备15的实际负荷量，即，空调设备15在目前的环境因素下，采用所述温度设定值及风速设定值运转而要让室内环境达到所述室内舒适度默认值所实际产生的负荷量。并且，中央监控电脑14再将前述预测负荷量与目前的实际负荷量进行比较，并且依据预测负荷量与实际负荷量的比较结果来实时修正空调设备15目前采用的温度设定值与风速设定值。
具体地，所述预测负荷量是经由执行预测算法所计算出的未来时间区间可能需要负担的总负荷量，而实际负荷量则是指空调设备15目前运转产生的负荷量。当一个未点时间点(例如三小时后)的预测负荷量将会高于现在时间点实际负荷量时，代表空调设备15的负荷量可能即将大幅提升，故中央监控电脑14会依据上述程序调整空调设备15的运转模式，以预先降低空调设备15接下来时间的负荷量，借此降低空调设备15的总耗电量，进而达到节能的目的。并且，借由提前修正空调设备15的温度设定值与风速设定值，可避免空调设备15的冰水主机的储冰量不敷使用，并且可令冰水主机缓慢起动而维持在60％～80％的最佳运作效率。
续请同时参阅图4，为本发明的空调负荷调整方法的流程图的第一具体实施例。本发明还揭露了一种空调负荷调整方法(下面简称为调整方法)，所述调整方法应用于如图1所示的调整系统1。具体地，所述调整系统1借由本发明的调整方法来控制建筑中的空调设备15的运转。
如图4所示，首先，调整系统1的空调负荷预测单元11依据在过去时间区间中(例如昨天的上班时间)所得的多个数据来预测空调设备15在未来时间区间(例如明天的上班时间)可能需要负担的预测负荷量(步骤S10)。如上所述，所述多个数据可例如为空调设备15于过去时间区间中的排程参数、建筑于过去时间区间中的室内温度设定条件、建筑于过去时间区间中的外壳负荷因子、以及在过去时间区间取得的与未来时间区间相关的天气预报数据等，不加以限定。
接着，调整系统1通过室内温湿度感测模块121感测建筑于第一时间(例如现在)的感测温度与感测湿度(步骤S12)，并且通过风速感测模块122感测空调设备15于第一时间的空调风速(步骤S14)。借此，调整系统1的舒适度预测模块126可根据感测温度、感测湿度及空调风速计算空调设备15于第二时间(例如从现在起算的一小时后、三小时后等)需达到的室内舒适度默认值(步骤S20)。本实施例中，所述第二时间晚于第一时间，并且第二时间落于未来时间区间内。
值得一提的是，若调整系统1具有所述黑球温度感测模块123(设置于建筑的室内空间中)，则调整系统1可同时通过黑球温度感测模块123感测建筑于第一时间的辐射温度(步骤S16)。本实施例中，舒适度预测模块126可以是同时根据感测温度、感测湿度、空调风速以及辐射温度来计算室内舒适度默认值。
另外，若调整系统1中还记录有人体活动量表124与衣着量表125(例如记录于室内舒适度计算单元12或舒适度预测模块126中)，则调整系统1还可同时取得所述人体活动量表及衣着量表(步骤S18)。本实施例中，舒适度预测模块126可以是同时根据感测温度、感测湿度、空调风速、辐射温度、人体活动量表以及衣着量表来计算室内舒适度默认值。
具体地，不同的场所会对应至不同的活动量指数(例如办公室的活动量指数较低、健身房的活动量指数较高)，因此可分别适用于不同的人体活动量表124。于一实施例中，调整系统1可储存对应至不同场所的多个人体活动量表124。于前述步骤S18中，调整系统1可依据建筑的性质来读取对应的人体活动量表124，借此令所计算的舒适度更贴近实际需求。
另，不同的温度与气候也会对应至不同的衣着量指数(例如夏季的衣着量指数较低、冬天的衣着量指数较高)，因此也可分别适用于不同的衣着量表125。于一实施例中，调整系统1可储存对应至不同气候的多个衣着量表125。于述步骤S18中，调整系统1可根据该建筑的室外温度或是当前季节来读取对应的衣着量表125，借此令所计算的舒适度更贴近实际需求。
上述人体活动量表124与衣着量表125为本领域的常用技术手段，于此不再赘述。
具体地，于一实施例中，舒适度预测模块126可依据下列计算式计算空调设备15的室内舒适度默认值。
(1)
PMV＝(0.303e-0.0036M+0.028)×(M-3.05×10-3×(5773-6.99M-Pa)-0.42×(M-58.15)-1.7×10-5×M×(5867-Pa)-0.0014×M×(34-Ta)-3.96×10-8×Fcl×((Tcl+273)4-(Tr+273)4)-Tcl×Hc×(Tcl-Ta))；
(2)
Tcl＝(35.7-0.275×M+Icl×Fcl×(4.13×(1+0.01(Tr-20))+Hc×Ta))÷(1+Icl×Fcl×(4.13×(1+0.1Tr-20))+Hc)；
(3)
Hc＝12.1×Va0.5×Va；
(4)
Fcl＝1+1.29×Icl；当Ic1＜0.0078时；
(5)
Fcl＝1.05+0.615×Icl；当Icl＞0.0078时；
(6)
Pa＝(RH÷100×e(18.6686-4030.18÷(Ta+235))÷0.00750062)；
其中，上述的PMV为室内舒适度默认值(-)，M为人体活动量(W/M2)，Ta为空气温度(℃)，Pa为水蒸气分压(Pa)，RH为相对湿度(％)，Fcl为衣服表面积系数(-)，Icl为服装热阻(m2x k/W)，Tr为平均辅射温度(℃)，Tcl为衣服表面温度(℃)，Va为平均风速。
惟，上述计算式仅为本发明的部分具体实施范例，本发明的调整系统1所执行的舒适度计算程序并不以上述计算式为限。
步骤S20后，调整系统1的能源管理平台13根据所述室内舒适度默认值产生用以控制中央监控电脑14的控制指令(步骤S22)，中央监控电脑14接着依据控制指令产生用以调整空调设备15的运转模式的温度设定值与风速设定值(步骤S24)。本发明中，调整系统1先依据建筑的室内环境的实际参数来计算所要达到的舒适度目标，并且依据所要达到的舒适度目标进一步计算空调设备15为达此舒适度目标所需采用的空调温度与空调风速。
步骤S24后，中央监控电脑14通过有线或无线方式连接空调设备15，并控制空调设备15基于计算产生的温度设定值以及风速设定值进行运转(步骤S26)。本实施例中，若空调设备15基于所述温度设定值以及风速设定值进行运转，则可于所述第二时间到达时令室内环境达到所述室内舒适度默认值。
本发明中，调整系统1可通过中央监控电脑14持续监控空调设备15的运转是否结束(步骤S28)，即，空调设备15是否关机。于空调设备15正常运转时，中央监控电脑14可监控空调设备15，并计算空调设备15当前的实际负荷量，并且将所述预测负荷量与实际负荷量进行比较，再借由比较结果实时修正空调设备15采用的温度设定值与风速设定值(步骤S30)。并且，于空调设备15的运转尚未结束前，返回步骤S26，由中央监控电14控制空调设备15以修正后的温度设定值与修正后的风速设定值来进行运转。
如前文所述，本发明的主要目的是在预测到空调设备15的负荷量即将大幅上升时，预先调降空调设备15接下来一段时间的负荷量(例如提高需达到的舒适度默认值)，借此达到节电的目的，并且避免额外的尖峰用电量。再者，当预测到空调设备15的负荷量即将大幅下降时，亦可预先调升空调设备15接下来的负荷量(例如降低需达到的舒适度默认值)，借此在电量或储冰量充足的前提下，进一步改善室内环境的舒适度，并令空调设备15及/或冰水主机可维持运作在60％～80％的最佳运作效率。
续请参阅图5，为本发明的空调设备修正流程图的第一具体实施例。图5用以进一步描述在上述图4的步骤S30中，中央监控电脑14如何实时调整空调设备15的运转。
如图5所示，在空调设备15正常运转的情况下，中央监控电脑14持续监控空调设备15的运转并且计算空调设备15的实际负荷量，并且将预先计算的预测负荷量与实时取得的实际负荷量进行比较(步骤S300)。具体地，于步骤S300中，中央监控电脑14是将空调设备15当前的负荷量(即，实际负荷量)与未来一段时间内(例如三小时候)的负荷量(即，预测负荷量)进行比较。
通过步骤S300的比较，中央监控电脑14可预测空调设备15在未来一段时间中是否会有负荷量的剧烈变化。例如中央监控电脑14将当前(例如中午12点)的实际负荷量与特定时间点(例如下午3点)的预测负荷量进行比较，并且在比较后发现在空调设备15在所述特定时间点的负荷量与现在相比可能会有剧烈上升(例如有多人会议即将展开)。于此情况下，中央监控电脑14可以提前对空调设备15的运转进行调整，以令室内环境的舒适度维持在一定范围内，不会因为环境的剧烈变化而造成室内人员的不适，同时还可达到节电的目的。
在步骤S300后，若中央监控电脑14判断(特定时间点的)预测负荷量高于(当前的)实际负荷量，则预先调升空调设备15于所述第二时间需要达到的室内舒适度默认值(步骤S302)，并且，再依据调升后的室内舒适度默认值来修正空调设备15采用的温度设定值与风速设定值。本实施例中，因为中央监控电脑14是要调升室内舒适度默认值(即，令室内环境的舒适度下降)，因此中央监控电脑14主要是提高温度设定值，并且降低风速设定值(步骤S304)。
值得一提的是，本发明中所述的室内舒适度默认值主要是采用空调领域常用的预测平均表决指针(Predicted Mean Vote,PMV)。当室内舒适度默认值为0时，代表当前环境的舒适度适中，室内舒适度默认值越大(+1、+2、+3)，代表当前环境越热，而当室内舒适度默认值越小(-1、-2、-3)，代表当前环境越冷。一般来说，人体能够感到最舒适的范围，会介于-0.5至+0.5之间。
由上述说明可知，当中央监控电脑14调升室内舒适度默认值时，将会使得整体舒适度下降(即，令室内环境变热)，因此可以降低空调设备15的负荷量。反之，若中央监控电脑14调降室内舒适度默认值，将会使得整体舒适度上降(即，令室内环境变冷)，因此将会令空调设备15的负荷量变重。
若中央监控电脑14于步骤S300中判断预测负荷量低于实际负荷量，代表空调设备15在接下来的一段时间(例如未来1至3小时)有可以提高负荷量的空间，因此可预先调降空调设备15于所述第二时间需要达到的室内舒适度默认值(步骤S306)。
于步骤S306后，中央监控电脑14再依据调降后的室内舒适度默认值来修正空调设备15采用的温度设定值与风速设定值。本实施例中，因为中央监控电脑14是要调降室内舒适度默认值(即，令室内环境的舒适度上升)，因此中央监控电脑14主要是调降温度设定值，并且提高风速设定值(步骤S308)。
值得一提的是，一般来说，修正空调设备15的温度设定值可以较快速地变化室内环境的整体舒适度，而修正空调设备15的风速设定值仅能有限度地微调室内环境的整体舒适度。因此，于步骤S308中，中央监控电脑14还可设定温度设定值与风速设定值的权重。若令温度设定值的权重高于风速设定值的权重，则于步骤S308后，室内环境的整体舒适度可以较快速地被调整，但空调设备15的负荷量会较大。反之，若令风速设定值的权重高于温度设定值的权重，则于步骤S308后，室内环境的整体舒适度的改善速度会较慢，但空调设备15的负荷量会较小。换句话说，使用者可以依据实际目的来设定上述的权重。
通过上述技术方案，本发明可借由预测空调设备15未来一段时间的负荷量来实时修正空调设备15现阶段所要达成的室内舒适度，因此，可以有效达到节能与降低尖峰用电的目的。
具体地，中央监控电脑14依据室内舒适度默认值来预先修正空调设备15采用的温度设定值与风速设定值，故可避免空调设备15因为环境的剧烈变化而进行剧烈的运转调整，进而造成室内人员的不适。再者，由于空调设备15是预先进行温度与风速的修正，因此可令空调设备15的冰水主机可以进行缓变的调整，而使其维持在60％～80％的最佳运转效率区间，进而达到节能的目的。
续请参阅图6，为本发明的空调设备修正流程图的第二具体实施例。图6用以更具体地描述上述图4的步骤S30。
如图6所示，中央监控电脑14持续监控空调设备15的实际负荷量(例如通过传感器感测，或是借由目前采用的温度设定值与风速设定值进行计算等)，并且将预先计算所得的预测负荷量与实时取得的实际负荷量进行比较(步骤S320)。
如前文所述，本发明中的预测负荷量为预测所得的空调设备15在未来时间区间可能需要负担的负荷量。于步骤S320中，中央监控电脑14主要是将未来特定时间(例如三小时后)的预测负荷量与空调设备15当前的实际负荷量进行比较。
若中央监控电脑14于步骤S320中判断未来特定时间的预测负荷量将高于实际负荷量，中央监控电脑14进一步判断空调系统1的冰水主机的储冰量是否会在未来特定时间内低于预期量超过特定百分比(步骤S322)，例如，储冰量在未来三小时内是否会低于预期量超过30％。
若于步骤S322中判断为是，代表空调设备15即将会遭遇剧烈的负荷变化，因此中央监控电脑14可先大幅调升空调设备15于所述第二时间需要达到的室内舒适度默认值(步骤S324)。反之，若于步骤S322中判断为否，代表空调设备15在未来特定时间内的负荷量变化较小，因此中央监控电脑14仅小幅调升空调设备15于所述第二时间需要达到的室内舒适度默认值(步骤S326)。
于一实施例中，中央监控电脑14于步骤S324中是令室内舒适度默认值+1，而于步骤S326中则是令室内舒适度默认值+0.5，但不加以限定。
进一步，若中央监控电脑14于步骤S320中判断未来特定时间内的预测负荷量将低于实际负荷量，中央监控电脑14会进一步判断空调系统1的冰水主机的储冰量是否会在未来特定时间内高于预期量超过特定百分比(步骤S330)，例如，储冰量在未来三小时内是否会高于预期量超过30％。
若于步骤S330中判断为是，代表空调设备15在未来特定时间内的负荷将会大幅改善(即，耗电量会大幅降低)，因此中央监控电脑14可先大幅调降空调设备15于所述第二时间需要达到的室内舒适度默认值(步骤S332)。反之，若于步骤S330中判断为否，代表空调设备15在未来特定时间内的负荷仅会些微改善(即，耗电量小幅降低)，因此中央监控电脑14仅小幅调降空调设备15于所述第二时间需要达到的室内舒适度默认值(步骤S334)。
于一实施例中，中央监控电脑14于步骤S332中是令室内舒适度默认值-1，而于步骤S334中则是令室内舒适度默认值-0.5，但不加以限定。
于步骤S324、步骤S326、步骤S332或步骤S334后，中央监控电脑14即可接着依据调整后的室内舒适度默认值来修正空调设备15采用的温度设定值与风速设定值(步骤S328)。具体地，中央监控电脑14是依据在步骤S324或步骤S326中调升后的室内舒适度默认值来调高温度设定值，并且降低风速设定值。并且，中央监控电脑14是依据在步骤S332或步骤S334中调降后的室内舒适度默认值来调降温度设定值，并且提高风速设定值。
通过上述本发明的技术方案，可以有效减少空调设备15于用电尖峰时段(例如上班时间)的耗电量，进而达到节能与最佳化控制的目的。
续请参阅图7，为本发明的预测负荷量计算流程图的第一具体实施例。图7用以具体说明本发明的空调系统1如何通过前述空调负荷预测单元11来计算空调设备15于未来时间区间中可能需负担的预测负荷量。
如图7所示，在空调设备15运转前，调整系统1的空调负荷预测单元11通过空调系统排程管理模块111取得空调设备15在所述过去时间区间(例如昨天的上班时间)中的排程参数(步骤S100)。例如，空调设备1可于建筑中配置有一或多个风扇控制单元(Fan ControlUnit，FCU)以及一或多个全热交换器(Heat Recovery Ventilation，HRV)。本实施例中，所述排程参数为这些风扇控制单元与全热交换器在过去时间区间中的时间排程(例如开启时间、风速、关闭时间等)。
空调负荷预测单元11另通过室内温度设定模块112计算建筑在过去时间区间中的室内温度设定条件(步骤S102)。具体地，室内温度设定模块112主要是依据建筑在过去时间区间中的室内温度以及外气温度来计算室内温度设定条件。于一实施例中，室内温度设定条件的计算式为：Tset＝0.48Tin+0.14Tout+8.22。其中，Tset为室内温度设定条件，Tin为建筑在过去时间区间中的室内温度，Tout为建筑在过去时间区间中的室外温度。
空调负荷预测单元11还通过建筑外壳负荷采集模块113来计算建筑在过去时间区间中的外壳负荷因子(步骤S104)。例如，建筑外壳负荷采集模块113可通过E22能源仿真软件来计算建筑在过去时间区间中的外壳负荷因子。所述E22能源仿真软件为一种开放授权的公开软件，于此不再赘述。
具体地，建筑外壳负荷采集模块113主要是将建筑的材质、地标等信息分别汇入E22能源仿真软件中，以建立建筑的外壳信息。接着，建筑外壳负荷采集模块113再将建筑所在地点周围的气象档汇入E22能源仿真软件，并且将建筑于过去时间区间中的建筑开窗频率、建筑窗面遮阳因子及建筑方位数据等参数汇入E22能源仿真软件，借此计算出建筑的所述外壳负荷因子。
空调负荷预测单元11还通过天气预报数据采集模块114取得建筑所在地点在所述未来时间区间(例如明天的上班时间)的天气预报数据(步骤S106)。本实施例中，所述天气预报数据可例如为建筑在未来时间区间中的逐时外气温度及相对湿度。
值得一提的是，上述步骤S100至步骤S106并没有固定的执行顺序，空调负荷预测单元11可依据任意次序来分别或同时取得上述多项数据，而不以图7所示的步骤顺序为限。
于取得所述排程参数、室内温度设定条件、外壳负荷因子及天气预报数据后，空调负荷预测模块115即可依据排程参数、室内温度设定条件、外壳负荷因子及天气预报数据来计算空调设备15在未来时间区间中可能需要负担的空调负荷，并且产生所述预测负荷量(步骤S108)。
续请参阅图8，为本发明的预测负荷量计算流程图的第二具体实施例。图8用以对图7的步骤S108进行详述，进一步说明本发明的空调负荷预测模块115如何预测空调设备15在未来时间区间中可能需要负担的负荷量。
如图8所示，空调负荷预测模块115首先取得上述排程参数、室内温度设定条件、外壳负荷因子及天气预报资料(步骤S1080)，以依据这些数据执行对应的预测程序。
本实施例中，空调负荷预测模块115首先依据天气预报资料计算对应的外气焓值(步骤S1082)。
于步骤S1082中，空调负荷预测模块115先依据下列公式一来计算未来时间区间中的大气分压：
Ps＝(6.1164*10(7.591386*T/(T+240.7263))/10；
公式一
于上述公式一中，Ps为未来时间区间中的大气分压的预测值、T为天气预报资料中的逐时外气温度。
空调负荷预测模块115还依据下列公式二来计算未来时间区间中的一个湿度比：
ω＝(0.6219*PS*RH/100)/(101.325-(PS*RH/100))；
公式二
于上述公式二中，ω为未来时间区间中的湿度比的预测值、RH为天气预报资料中的相对湿度。
空调负荷预测模块115还依据下列公式三来计算未来时间区间中的外气焓值：
Hoa＝T*(1.01+1.89*W)+2500*ω；
公式三
于上述公式三中，Hoa为未来时间区间中的外气焓值(kJ/kg)的预测值。
于本实施例中，空调负荷预测模块115是先依据天气预报资料中的逐时外气温度来计算在未来时间区间中的大气分压，接着依据大气分压以及天气预报数据中的相对湿度来计算在未来时间区间中的湿度比，最后再依据湿度比以及天气预报数据中的逐时外气温度来计算未来时间区间中的外气焓值。
在步骤S1082后，空调负荷预测模块115进一步依据室内温度设定条件计算建筑在所述过去时间区间中的室内焓值(步骤S1084)。本实施例中，空调负荷预测模块115主要依据下列公式四计算过去时间区间中的大气分压：
Ps＝(6.1164*10(7.591386*T/(T+240.7263)))/10；
公式四
于上述公式四中，PS为在过去时间区间中的大气分压，T为所述室内温度设定条件。
空调负荷预测模块115还依据下列公式五来计算过去时间区间中的湿度比：
ω＝(0.6219*Ps*65/100)/(101.325-(Ps*65/100))；
公式五
于上述公式五中，为过去时间区间中的湿度比。
空调负荷预测模块115还依据下列公式六来计算过去时间区间中的室内焓值：
Hindoor＝T*(1.01+1.89*W)+2500*ω；
公式六
于上述公式六中，Hindoor为过去时间区间中的室内焓值。于本实施例中，所述空调负荷预测模块115是先依据室内温度设定条件来计算过去时间区间中的大气分压，接着依据大气分压以及预设的湿度值计算过去时间区间中的湿度比，最后再依据湿度比以及室内温度设定条件来计算室内焓值。
在步骤S1084后，空调负荷预测模块115进一步依据排程参数及计算所得的外气焓值来计算一个外气引入负荷(步骤S1086)，所述外气引入负荷指的是建筑因为主动引入外气(例如进行室内外空气交换)而可能增加的热气。换句话说，上述步骤S1086是预测建筑于未来时间区间中可能会执行的动作，并且计算建筑因为执行了该些动作而可能增加的热气，这些热气即为空调设备15在未来时间区间中可能会增加的负荷。
具体地，空调负荷预测模块115主要可依据下列公式七来计算所述外气引入负荷：
η*ρ*m*(Hoa-40.13)/3600*Topen；
公式七
于上述公式七中，η为空调设备15的设备效率(％)，ρ为空气密度(kg/m3)，m为风量(CMH)，Hoa为计算所得的外气焓值，Topen为空调设备15的排程参数。值得一提的是，上述η可为标示在空调设备15的机壳上的标准设备效率，而ρ可为标准空气密度，即1.2(kg/m3)，但不加以限定。
在步骤S1086后，空调负荷预测模块115进一步依据所述外气焓值与室内焓值计算一个室内外焓差值(步骤S1088)。具体地，空调负荷预测模块115可依据下列公式八计算室内外焓差值：
Hoa-Hindoor；
公式八
接着，空调负荷预测模块115依据所述外气引入负荷、所述室内外焓差值以及所述外壳负荷因子来计算空调设备15在未来时间区间中可能需要负担的空调负荷，并且产生对应的预测负荷量(步骤S1090)。
本实施例中，空调负荷预测模块115主要是依据外气引入负荷、室内外焓差值以及分别代表建筑的不同方位(如东、西、南、北四个方位)的多个外壳负荷因子来计算预测负荷量，借此，可解决一般空调系统在预测未来的负荷时，因为只考虑了显热而造成预测不准确的问题。
本发明的调整系统1可以依据过去时间区间(例如昨天)所搜集到的数据来预测空调设备15在未来时间区间(例如明天)可能需要负担的负荷量，并且于空调设备15运作时，借由实际负荷量与预测预荷量的逐时比对来实时修正空调设备15的温度设定值以及风速设定值，借此，可以有效实现空调设备15的最佳化控制，进而达到节能以及降低尖峰时段用电的目的。
以上所述仅为本发明的较佳具体实例，非因此即局限本发明的专利范围明。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明权利要求的保护范围。
