空调储冰系统节能运转模式与电脑控制程式之研究
蔡尤溪 1 简铭贤 2 沈秉錡 3 1 国立台北科技大学冷冻空调工程系 教授 2 ,3 国立台北科技大学冷冻空调工程研究所 研究生
摘
要
储冰系统适时的配合空调主机运转,可有效降低尖峰电力 负载,及空调运转电费.由於储冰系统在不同操作条件及参数 下,释冷能力会有所不同,如何评估有效的节能运转策略,以 达最大节能之功效,为本研究之目的. 台湾地区现有储冰系统多有运转性能不如预期之问题,主 要原因来自操作人员或业者并不了解储冰系统之特性,往往忽 略了日常之保养及维护,亦没有详细的规划储冷与释冷控制策 略,这些都是使储冰系统不正常运转之主要因素. 储冰空调系统由於其特性之因素,在储冰时因冰之热阻使 储冰效率随著时间而降低的,因此储冰系统储存至适当的储冰 量时,应即刻将储冰主机关闭,避免储冰主机於低效率下运转, 并停止所有附属设备,以节省耗能.储冰空调系统所储存的冷 能,应於尖峰适时,适量的用於电力负载控制,降低用电成本. 空调负荷预测功能使储冰系统得知适当之储冰量,并有效的在 尖峰时刻适当运用储冰系统之优点,因此含有空调负荷预测功 能之储冰空调控制技术,应整合在一个单一控制器中,有效的 控制储冰系统於最佳的模式下运转. 针对相关的参考文献中,分析各种方法之优缺点,许多预 测方法中,因实用性问题而不适合在数位控制器上使用,本研 究将储冰系统控制模式建立为回归模型,可於一般的数位控制 器上使用,本研究中所产生之控制模式,可藉由试车或实测结 果调整控制参数,使其达到良好的控制性能.回归模型输入变 数之准确性决定了模型输出之准确性,透过统计分析台湾地区 之气象资料及利用 ASHRAE 气温预测模型,应用於台湾地区之 适合性,本文中利用 ASHRAE 模型来预测隔日外气温度,使用 历史数据回归分析所得到之预测模型,来预测空调负载,并建 立其理论模式,以得知负载变动趋势.以回归模型来预测空调 负载时,配合适应性调整法来对预测误差作调节之动作,有效 的提高回归模型所产生之准确度,再利用以上之结果撰写储冰 系统电脑控制程式. 关键词:储冰空调,节能,运转模式 150
一,前言
空调储冰系统之应用为一种负载管理之策略,有效降低电力尖峰负载及能源 使用成本,特定的储冰系统设计更可降设备容量之大小,将尖峰用电移转至夜间 的离峰期间,尖离峰二者之间的电价差别若越大,则可节省的能源使用成本就越 大.但许多装有储冰空调系统的业主面对储冰系统的性能不如预期,在操作上的 问题,控制不良问题已被一些美国之学者认为性能不佳之主要原因 (Potter 等 1995),反观国内亦为如此. 台湾地区之台湾电力公司曾对该公司之空调储冰系统作现场的测试研究(蔡等 2001),报告中指出许多的控制系统都只是单纯的时间控制启停储冰及释冰,若有 控制系统损坏或故障时则是改由人工操作储冰系统,或使用主机於直接空调模 式,而不再使用储冰槽,如此非装置空调储冰系统之原意,在这些空调储冰系统 之中有许多操作上的问题都可以透过修改控制程式来改善,而不需要有太大的修 改管线及设备之工程,因此发展一套应用在储冰空调系统上之控制模式与程式是 有其必要性及急迫性的. 目前的现场控制策略大多没有考虑到,在建筑中之储冰系统因时间及使用的 情况的不同所导致之影响,造成许多使用空调储冰系统并没有发挥节约电费的优 点.由於现今之数位处理器的进步,若需要发展更复杂的控制模式都是比较容易 实现的,这类的控制器应针对不同外气条件有自动调适的功能,使控制设备能经 常在较高的性能下运转,而不再是以往单纯定时储冰及定时释冰这一类固定法则 式的控制.虽然这类控制策略亦可节省一定程度的能源使用之成本,但仍与理想 控制策略有一相当的差距,主要的原因来自这些控制器都已预设各项设备可运转 於某一个特定的情况下,而没有考虑外在因素.要改善上述所提之固定法则式控 制器之缺点,应在控制器中加入二个主要的功能,就是可随天气变动作负荷预测 的功能及自动调整储溶冰情况功能. 储冰空调系统所需之控制策略,需包含空调负载预测.传统控制策略加入空 调 负 荷 预 测 方 法 於 控 制 策 略 中 , 可 有 效 降 低 用 电 成 本 , Braun(1991,2), Kintner-Meyer(1995b), Kawashima(1996), Henze(1997a,b)等人使用电脑模拟方式, 研究发现使用负荷预测之控制策略优於传统控制策略,虽每个研究都使用不同之 演算法及负载预测技术,但增加负载预测技术之控制设计,可提高储冰系统运转 性能.过去几年之研究文献中多个适合用於即时负载预测方法之发表,以时间序 列,回归分析,类神经网路等作负载预测,其中 Kawashima(1995)等比较多种预测 方法之准确度,指出类神经网路用来作负载预测相较於其他方法有显著的优点, 但其在使用上相当复杂,并且在实际应用时并不是非常的可靠,主要由於其所需 的输入参数过多,以各项参数的比重成网路的型态,而输出即是各比重之集合, 如此输入参数发生错误机率相对的较大. 本文利用利用 ASHRAE 外气预测模型及回归分析来作为负载预测之基础模 型,再应用适应性调整预测空调负荷之预测量,改善使用回归模型之误差,发展 151
成为一简单易用之模型,提供现场可应用之演算法.因此本研究之目的为: 1. 建立一个因应隔日空调负荷之储冰空调系统控制模式. 2. 本研究以预测隔日之最高及最低温度,结合 ASHRAE 外气预测模式,发展 预测隔日空调负荷之模式. 3. 本研究所发展之模式,建立成电脑程式,可应用於储冰空调控制系统,提高 储冰空调系统之使用性能. 4. 本研究所发展之模式,以一实例印证所发展之储冰空调预测模式之可行性.
二,储冰空调系统之控制
储冰系统的种类可分为全量储冰及分量储冰,其中依功能性来分的话分量储 冰又可分为负载摊平及抑制尖峰用之二种. 主要将白天空调尖峰所要使用的空调负载总能量,全部都转移到夜间空调离 峰的时间储存,而在白天时冷冻主机及附属设备,除溶冰所需之设备外都可以停 止运转,虽然这样可以充分的利用夜间的优惠之电价,不过由於夜间储冰时,冷 媒蒸发温度较低,主机能源效率较低,要达到白天空调所需之储冰量会较耗电, 且主机相对会比较大.由於不同的负荷条件下储冰槽所能释出之冷能亦不同,因 此全量储冰为确保能在任意时刻维持一定的冷冻能力及足够的储冰量,通常储冰 槽之设计都会大於设计值,也因此储冰槽的槽数较多,造成主机及储冰槽之初设 成本较高. 另外分量储冰系统为於离峰储存一部份的冷能,用於隔日降低尖峰用电量或 用於摊平用电量,其控制就较为复杂,目前的储冰应用的主要原因为在减少尖峰 电力负载(Tamblyn1985),若系统的形式为负载转移或需量限制,则必须使用控制 策略来达到目的. 全量储冰相对於分量系统控制复杂度较少,若是针对设计日(design day)设计 之储冰槽容量,使用上要达到设计容量的情况不多,使得储冰之损失也较大,因 此若可以预测隔日负载量,储存足量之冰,以达隔日负载要求,将可减少主机在 低效率运转下的电力消耗. 分量储冰系统中,目前有三个现场实用之策略主机优先(chiller-priority),储冰优 先(storage-priority)及比例式控制(proportional control).主机优先之主要优点为控制 简单,主机可全日全载运转,空调模式主机控制不需更改,因此主机效率是较高 的,缺点为没有控制储冷量及释冷量,去减少用电费用.在空调负荷较低之月份, 运转的空调主机通常不会达到满载,也不会使用到储冰槽,所储存之冷能整个月 都没有使用,且因热损失消耗掉了一部份,每天夜间储冰系统亦需开机储冰,只 为了补充因热损失所消耗掉的冷能,而在 1,2 个小时内主机因回水温度过低而使 主机停止,不但耗能,又不能节省电费.单用主机优先之控制策略并无法达到最 佳化的控制,需预测隔日之空调负荷,判断隔日若使用储冰可以供应全日所需之 空调,则从原本先开主机之策略,改为使用储冰系统供应空调,而不运转主机, 152
以达到节省电费的目的. 储冰优先主要的优点为使用储冰系统减少需量限制於最大效果,在空调负载 较低之月份,若空调负荷不超过储冰系统所能供应之负载时可不用开主机,但前 提之下需实际的电价结构要可以达到一定的程度,如此夜间储冰之成本会低於白 天开主机之成本,否则直接开主机之效率会高於主机储冰时之效率,用电成本将 较低於夜间储冰.比例式控制为固定储冰槽及主机供应空调时为一定比例,达到 降低峰峰用电之效果. 储冰系统要达到良好的控制,需制定一组运转策略,此运转策略由多个的运 转 模 式 搭 配 相 关 的 控 制 策 略 来 完 成 一 个 完 整 的 储 冰 , 释 冰 循 环 , ASHRAE 1999Handbook 提到使用状态流程图是清楚易懂的,如图 1 所示,不管是全量或分 量储冰系统都可应用此状态流程图,但依系统运转模式的不同,所制订的运转策 略会有些许的不同,例如若是全量储冰系统,在状态流程图 1 就不会出现主机优 先或储冰优先二个状态.
切换至空 调时间
无储冰达负载容量 非优先循环 分量储冰达负载容量 且非优先循环 分量储存达负载 分量储冰未达负载容量 容量存量不足 且储量不足非优先循环 主机优先 分量储存达负载 容量且无存冰量 无储冰量未达负载容量 且非优先循环 分量储冰已达储量 且非优先循环 分量储存未达 负载容量存量充足 分量储存未达负载 容量存量不足 分量储存达负载 容量存量不足
优先循环
需量控制
空调时刻
储冰状态 非空调时刻
储冰优先
非空调时刻 离峰时段 等待切换 至储冰 非空调时刻
图 1 储冰系统状态流程图
三,空调负载预测及天气预测演算法
精确的空调负荷计算,为空调系统选取主机容量及决定控制模式的最基本依 据,传统空调系统之负载计算,一般皆以一年当中最炎酷的气象条件作基准,选 153
定设计日条件,多以尖峰空调负载(Peak load)作为主机选取之依据,以应付尖峰之 空调负载发生时的情况. 图 2 所示为设计日及典型日之天气资料用於空调负荷及耗能计算差异,可以 看出设计日天气,主要用於针对附合尖峰负载选取主机之用,而典型日之天气资 料主要用来作为耗能分析之用.而储冰系统运转时所使用之天气为类似典型天气 形态之条件,因此若以尖峰负载的情况来制定控制策略并不是相当适宜的,而是 需要随著天气的变化来作适当的适节.
设计日气候条件
典型日气候条件
使用者指定设备大 小或由程式於典型 负荷计算 天气条件下选取
尖峰负荷计算
选定设备容量
耗能计算
建筑耗能计算
图 2 设计日及典型日之空调负荷及耗能计算差异 台湾地区属於海岛型气候并受到大陆气候影响,气候变动较大,位处亚热带, 且四周都是海洋,可以调节气候,因此冬天无酷寒,夏天无酷热,如图 3 台 湾 地 区各气象站月平均温度统计如图 3 所示,可以看出台湾地区北中南的平均气温之 变化,整个分布呈现纬度越高温度越低的情况,整年中需要使用空调的时间也就 越少,若以 21℃来分界的话台北市平均温度有 7 个月越过,而高雄则为 9 个月, 相对来说北部使用的空调量会来的较低.
154
台湾地区各气象站月平均气温统计表 35 30
外气温度(℃)
25 20 15 10 一月 二月 三月 四月 五月 六月 七月 八月 九月 十月 台北 台中 台南 高雄 15.8 16.2 17.3 18.8 16 16.8 18.2 19.7 18 19.4 21 22.3 21.8 23 24.5 25.2 24.7 25.7 27.1 27.2 27.4 27.5 28.4 28.4 月份 29.3 28.5 29 28.9 28.9 28 28.4 28.3 27.1 27.2 28 27.9 24.4 24.9 25.8 26.4
台北 台中 台南 高雄
十一 十二 月 月 20.9 21.4 22.3 23.4 17.5 17.8 18.7 20.2
图 3 台湾地区各气象站月平均温度统计图 中央气象局在 20 年前的天气预报,相当倚重预报员个人的经验及主观直觉, 预报能力相当有限,自民国 72 年起,中央气象局在全力推动「气象业务全面电脑 化」计画下,天气预报能於 20 年间原仅 2 天的预报能力,逐步提升至今日能够提 供 7 天逐日预报的能力.然而目前气象预报的重要性已是民众日常所关切之重点, 除了讲求准确度外,亦注重其实用性,因此从技术面的角度来看,越是开发多样 化的气象资讯产品,让人觉得气象资讯可进一步利用的空间越大. 短期天气预报,主要针对今,明日(36 小时内)之天气变化,预报项目包括气温, 天气现象,降雨机率及舒适度指数,预报范围包含台湾澎湖,金门及马祖地区, 每 6 小时更新资料,一天共发布 4 次预报.并且为了使预报更为准确可用,自民 国 90 年起中央气象局更将资料预报区域由原来的 16 个分区重新划分调增为 22 个 预报分区.由上述之预测期间之说明可以知道,短中期的预报虽没有极短时距之 预报来的准确,但短期预报资料因其为 6 小时更新一次,由於储冰系统为在前一 日之夜间运转,因此每 6 小时更新一次之预报资料对於储冰空调系统之应用来说 已相当足够. 准确的天气预测对於以外气温度为基础之空调负载预测演算法是相当重要 的,但由於中央气象局预测之隔日外气温度为最高温及最低温,在计算空调负载 上并没有办法直接使用,因此本文中使用 ASHRAE(1997,CH28)所发展之模式来预 测明日之逐时温度分布,如表 1 所示,此模式是把每日温度近似为一个正弦函数, 估计最高温度发生於下午 3 点,并使用最高跟最低温来计算 24 小时之逐时温度, 其计算方式如下公式(1): 155
Tn = Tmax α n (Tmax Tmin ) 其中 Tn :为在 n 时之预测温度 Tmax :预测之最大温度 Tmin :预测之最小温度 αn :为在 n 时之系数值,其表如下所示 表 1 日温度差分布百分比(Percentage of Daily Range) 时间,n 1 2 3 4 5 6 7 8 % 87 92 96 99 100 98 93 84 时间,n 9 10 11 12 13 14 15 16 % 71 56 39 23 11 3 0 3 时间,n 17 18 19 20 21 22 23 24 % 10 21 34 47 58 68 76 82
(1)
储冰系统每日都需要天气预测,因此可以透过电脑网路取得中央气象局之预 报资料,来作每日之逐时天气预测,中央气象局利用其於各地之气象站所传回之 气象资料再传送到数值预报系统中,作即时的自动预报(可达一星期,每日 4 次预 报). 由於储冰系统基於成本上的考量,储冰空调系统之控制网路通常都未能透过 网际网路连接中央气象局气象预报系统,因此本文中在最高及最低温度的取得, 则是使用当日最高及最低外气温度,配合 ASHRAE 温度分布模式来预测明日之逐 时外气条件. 本文分使用 2000 年之气象观测资料,再以当日之最高及最低温度带入 ASHRAE 之模型中,以求得当日之逐时温度分布,并与实际温度比较其变异系数 (CoV),变异系数指在显示预测值之标准差(RMSE)占实际平均值之比例,可以作 为指示预测值和实际值间的综和差异大小,其公式可以表示如下公式(2):
∑(y
σ CoV = =
i =1
n
pred ,i
y data,i ) 2 (2)
N | ydata |
分别比较外气空调预测条件之方法,一个为从网际网路上取得天气预报之方 式,整体变异系数(Cov)为 11%,另一个为使用前一天之记录数据,达到预测外气 温度目的整体变异系数(Cov)为 12%,此为空调负载预测之要件,若使用实际最高 156
及最低温度来分析 ASHRAE 外气预测模型用於台湾地区之准确性其整体的变异系 数为 8%. 预测方法常见的指数平滑法,时间序列分析法和回归分析法,本文所使用之 预测方法为统计上常用之回归分析法,回归主要的目的是做预测,这类方法的参 数是由观测值估计而来的,所以所得的结果比较客观与结构化,且较有相关的理 论根据.至於各种方法的优劣则并没有绝对的定论,就某一组观测值而言,某些 预测法可以在某些情况下有良好的准确性,但其它时段则为另一种预测法较为准 确,因此还有以某种预测法为基础再加入另一种预测法作调整系数,因而产生之 混合法. 预测 24 小时后或短时间之负荷,对於储冰系统的影响是相当重要的, Kawashima (1995)曾指出,储冰系统未能达到有效的控制的原因为这些系统中没有 作负载之预测,或使用预测方法去管理主机及储冰槽进出之能量. 预测方法中,其预测功能是由空调负荷(应变数)随时间而变的预测变数(自变 数)所分析出来的,一般空调负载受到下列几种变数之影响:(1)外气乾球温度(2) 湿球温度(3)太阳辐射(4)建筑物人之人员数量(5)风速等等,也因此很多方法常把这 些变数作为预测变数,以利於预测空调负荷.本文中所预设之回归模型为二次多 项式之回归模型, RT = a + b( DB) + c( DB) 2 ,其中参数 a,b,c 使用最小平方法所估 计出来.
四,储冰空调系统控制程式之撰写
达到有效控制储冰系统之储溶冰量,由前面所发展之外气预测模型,空调负 载预测模型,并针对非外气因素所,造成预测之误差而加入适应演算法,以随著 不同情况的发生来调整储冰空调系统之储冰量.透过图 5 储冰控制演算法程式流 程来说明,整个程式流程图中之总储冰量及总储冰时间是由公式(3)及公式(4)所计 算: 总预测储冰量(RT-HR)
Q predict = Qt (t ) * (1 + γ )
(3) (4)
& Q predict = ∫ qdt
T 0
其中
Q predict :总储冰量(RT-HR)
Qt :总预测空调负载(RT-HR)
γ :预测误差调整系数
T:储冰时间 q :储冰主机冷冻能力(储冰模式下) &
157
预测误差调整可使用以下方来修正,实际空调负载与预测出空调负载之间的 比例如下公式(5)所示
17 17 8
γk =
∑Q
n =8
actual,k 1
∑ Q predit, k 1 (5)
actual, k 1
∑Q
8
17
修正公式为
Qk , predit2 = Qk , predit (1 + γ k ) 荀γ k > 0愠w岺t q@ 荀γ k < 0愠w岺t qLhA
(6)
程式开始
1.输入主机储冰速率 2.预测模型之回归参数 3.预测误差调整系数(γ)初值
1.计算总储冰量 2.计算储冰时间
隔日天气预测
溶冰结束 计算总溶冰量
计算预测误差 调整系数(γ)
隔日空调负载预测
修正 预测误差调整系数(γ)
图 5 储冰控制演算法程式流程
五,空调负载预测分析
本文并分析一实际案例之历史资料,其空调负载之回归模型如下: RT = 56.8063 6.6407 ( DB) + 0.4316( DB ) 2 (7)
158
在储冰模式下储冰速率与主机出水温度对时间之变化曲线如图 6 所示,可以 看出储冰系统之储冰速度由於热阻之增加,储冰槽之储冰速率跟著下降,造成主 机需卸载运转,而使用电量增加,因此若可在达到隔日所需之储冰量时,应关闭 主机节省用电量. 储冰速率与主机出水温度变化曲线
300 250
冷冻能力 = -1.3955x2 + 4.3366x + 281.21 R2 = 0.9975
0 -1 -2 -3
200 150 100 50 0
1 2 3 4 5 6
冷冻能力(RT) 主机出水温度(℃)
-4 -5
时间(小时) 图 6 储冰速率与主机出水温度对时间之变化曲线 如图 7 所示为使用一实际案例之历史资料,配合本文之演算法所预测出之空 调负载,可以看出只使用回归预测法所预测结果并不理想,大多的预测值都偏低, 但在加入预测误差修正系数后,预测误差(公式 8)则明显的下降,如图 8 中所示, 若在试车或实测后在程式中适当的调整最大温度及修正温度分布,可以使预测的 负载更接近实际值,因此预测负载的调整上亦可由此处来调整.如图 8 之误差比 较图,可以看出单纯使用回归分析来作预测之误差通常都会大,且预测量不足(正 值),在使用误差修正系数后预测不足的误差明显的下降,另外图 8 中星期日为非 工作日,因此误差会较大,未使用空调因此对系统并没有太大的影响,但[会造成 系统预测星期一负载时预测误差较大.
error =
∑Q
n =8
17
actual
∑ Q predit,
8
17
主机出水温度(℃)
冷冻能力(RT)
∑Q
8
17
(8)
actual
159
Case001空调实际及预测负载曲线 Tmax_offset=0,修正前日不足量(8/7~9/6) Day220~Day250
4000 3500 3000 2500 2000 1500 1000 500 0 8/6(Sun) 8/8(Tue) 8/10(Thu) 8/12(Sat) 8/14(Mon) 8/16(Wed) 8/18(Fri) 8/20(Sun) 8/22(Tue) 8/24(Thu) 8/26(Sat) 8/28(Mon) 8/30(Wed)
实际空调负载 回归预测负载 修正回归预测负载
空调负载 (RT-HR)
9/1(Fri)
9/3(Sun)
9/5(Tue)
日期
图 7 夏季负载预测结果
预测误差比较
0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8
修正后
修正前
误差(error)
如图 9 所示,基於现场之外气温温度与气象局监测资料会有些许差距,以及 乾球温度计之误差问题,若假设其间之差距为固定值,因此本文中之演算法亦可 在程式中加入温度分布之修正,使负载预测能够更接近於实际之空调负载.
8/6(Sun)
8/8(Tue)
8/10(Thu)
8/12(Sat)
8/14(Mon)
8/16(Wed)
图 8 误差比较
8/18(Fri)
160
8/20(Sun)
8/22(Tue)
8/24(Thu)
8/26(Sat)
8/28(Mon)
8/30(Wed)
9/1(Fri)
9/3(Sun)
9/5(Tue)
空调负载曲线 预测温度分布调整1度,2度
4000 3500
空调负载(RT-HR)
3000 2500 2000 1500 1000 500 0
sum_actual_loa d profile(+1)预测 值 profile(+1)修正 值 profile_未调整 预测值 profile未调整_ 修正值 profile(+2)预测 值 profile(+2)修正 值
六,结论
储冰空调控制为目前储冰系统成功与否的重要条件,本文针对现有储冰控制 器所遇到之问题,并参考国内外之相关研究,选择统计上最常用之回归分析方法 作为空调负载预测之基本模型,加入适应性演算法发展一个较适於现场使用之演 算法,并撰写含有空调负载预测功能之适应性演算程式. 本文中所建立的几项成果为: 1. 提供二个取得外气空调预测条件之方法,一个为从网际网路上取得天气预报 之方式,整体变异系数(Cov)为 11%,另一个为使用前一天之记录数据,达 到预测外气温度目的整体变异系数(Cov)为 12%,此为空调负载预测之要 件,若使用实际最高及最低温度来分析 ASHRAE 外气预测模型用於台湾地 区之准确性其整体的变异系数为 8%. 比较不同预测方法之优缺点,及用於控制器之适合性,利用外气温度来预测 空调负载为可行之方法. 控制器中加入空调负载预测功能,为决定隔日空调所需之储冰量之参考. 适应性演算功能,传统控制设计并无考虑室内负载,系统运转后性能变化及 系统变更后之问题,适应性控制是必须的,可有效降低预测之误差. 在使用本文之回归方法配合适应性调整来预测隔日之空调负载时,由於使用 来预测之温度量测点,感测器种类及位置的不同,产生实际之温度比量测最 高温度大 1℃时,整个预测负载约不足 4.06%之储冰量,若实际之温度比量 测最高温度小 1℃时,整个预测负载约过大 3.57%. 161
8/6
图 9 调整最大温度后之空调负载预测曲线
8/13
8/20
日期
8/27
9/3
2. 3. 4. 5.
参考文献
1. 2. 3. 4. 5. 6. 7. 8. 蔡尤溪,李宗兴,黄佳文,本公司现有储冰空调系统性能改善与测试方法研 究,台湾电力公司研究报告,编号531-4831-04,2001 经济部,储冰空调系统技术开发计划八十三年度期未报告,经济部能源委员 会,1994 交通部,交通政策白皮书-气象,交通部,2002 陈顺宇,回归分析,华泰书局,2000 杨冠雄,储冷式空调系统分析,长年出版社,1998 陈进龙,动态规划法运用於储冰式空调系统与低温送风之最佳化设计,国立 台湾大学机械工程研究所博士论文,2000 吕银山,台湾的天气, 联经出版事业公司,1994 Kintner-Meyer, M. and A. F. Emery, "Optimal control of an HVAC system Using Cold Storage and Building Thermal Capacitance," Energy and Buildings, Vol. 23,pp19-31, 1995b. Kawashima,M.;Dragan, C.E.;Mitchell, J.W. "Hourly Thermal Load Prediction for the next 24 Hour by ARIMA,EWMA,LR,and a Neural Network" AHSRAE Transactions,Vol101,pt.1,1995 Potter, R. A. Jr.; D. J. King, D. P. Weitzel, D. D. Boettner, "ASHRAE RP-766: Study of Operational Experience with Thermal Storage Systems," ASHRAE Transactions, Vol. 101, No. 2, pp. 549-557, 1995. Forrester, J.R. and Wepfer W.J. "Formulation of a Load Prediction Algorithm for a Large Commercial Building." ASHRAE Transactions, Vol90/2B 536-551,1984. Braun, J.E. "A Comparison of Chiller-Priority, Storage-Priority, and Optimal Control of an Ice-Storage System." ASHRAE Transactions, Vol.98/1 pp893-902, 1992. Henze, G.J., "Evaluation of Optimal control for Ice Storage System", Ph.D. Dissertation, University of Colorado., 1995. ASHRAE, ASHRAE Handbook - Fundamentals, Chapter 28, Atlanta, GA: ASHRAE Inc, 1997. ASHRAE ,ASHRAE Handbook "HVAC Applications", Atlanta, GA: ASHRAE Inc, 1999. Tamblyn , R.T. "Control Concepts for Thermal Storage." ASHRAE Transactions,Vol 91/1b pp5-10,1985.
9.
10.
11.
12.
13. 14. 15. 16.
162