CN105890109A - 一种房间空调器在线长效性能检测及优化运行方法 - Google Patents
一种房间空调器在线长效性能检测及优化运行方法 Download PDFInfo
- Publication number
- CN105890109A CN105890109A CN201610200955.0A CN201610200955A CN105890109A CN 105890109 A CN105890109 A CN 105890109A CN 201610200955 A CN201610200955 A CN 201610200955A CN 105890109 A CN105890109 A CN 105890109A
- Authority
- CN
- China
- Prior art keywords
- air
- air conditioner
- conditioning
- data
- humidity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/0001—Control or safety arrangements for ventilation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/0008—Control or safety arrangements for air-humidification
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/20—Humidity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/0001—Control or safety arrangements for ventilation
- F24F2011/0002—Control or safety arrangements for ventilation for admittance of outside air
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种房间空调器在线长效性能检测及优化运行方法,包括步骤:1)逐时测量空调运行数据并保存;2)对运行数据进行预处理,得到稳定运行状态下的数据;3)将所述数据中的空调送风温度等作为输入参数,空调功率等作为输出参数,建立空调长效性能预测模型并计算出空调能效;4)确定空调常见运行工况,并基于预测模型得到该运行工况下的性能参数值,作为评价指标;5)找出当前用户的偏爱设计室内温湿度;6)建立空调在特定室外温湿度下的最优运行控制模型并更新空调控制方式。本发明能及时地检测出空调的性能状态,同时,基于当前用户的使用习惯及空调性能状态的优化运行方式,更能在满足用户使用需求的同时提高空调的运行能效。
Description
技术领域
本发明涉及空调技术领域,具体涉及一种房间空调器长效性能监控及优化运行方法。
背景技术
空调在长期使用后,其性能会因换热器腐蚀、管道结垢、部件磨损等发生不同程度的衰减,偏离出厂时的状态,影响用户的使用体验。随着中国质量认证中心《在用空调器持续节能评价实施细则》和《空调器长效节能评价技术要求》标准的实施,房间空调器的长效性能得到重视。
尽管在实验室条件下,能准确得到房间空调器的长效性能,但为了准确把握空调在长期使用中不同时间段的性能变化,需要频繁地搬运空调,耗费较多的人力、财力;而在使用环境中对房间空调器进行长期监控,往往会因室内外热环境的变化,不同用户的使用习惯的不同,而较难得出统一的评价标准。
为此,本发明专利提出一种基于房间空调器运行数据的长效性能检测方式,同时,利用获取的性能数据,也提出了相应的运行优化方式,确保空调在长期运行中保持较高的运行能效。
发明内容
本发明的目的在于提供一种适于房间空调器的长效性能检测及优化运行系统,使用户能了解当前空调的性能变化,同时也能改良当前空调的控制方式,给用户带来更好的使用体验。
本发明通过下述技术方案实现:
一种房间空调器在线长效性能检测及优化运行方法,包含以下步骤:
1)空调运行数据的逐时测量,并将该参数通过GPRS传输至后台服务器;
2)对运行数据进行预处理,得到空调稳定运行状态下的数据;
3)将空调稳定运行状态下的数据中的空调送风温度、送风湿度、送风速度、室外温湿度作为输入参数,空调功率、回风温度、回风湿度参数各自作为输出参数,建立空调长效性能预测模型,而空调能效则通过上述输入、输出参数计算得出;
4)确定空调较常见运行工况,并基于预测模型得到该运行工况下的性能参数值,作为当前空调性能的评价指标;
5)对空调运行数据进行分析,找出当前用户的偏爱设计室内温湿度;
6)依照建立的预测模型,建立空调在特定室外温湿度下的最优运行控制模型并更新空调控制方式。
进一步地,所述的空调运行数据包括空调的送风温度、送风湿度、送风速度、回风温度、回风湿度、空调功率、室外温度、室外湿度。
进一步地,所述的预处理包含删除错误、多余数据,补充缺失数据的处理。
进一步地,所述的步骤2)中所述空调稳定运行状态是指当前时刻及前15min内记录的空调各运行参数都没有较大变化时的空调运行状态。
进一步地,所述空调稳定运行状态通过计算当前时刻的功率,室内送、回风温湿度,送风速度读数与前1min、前10min、前15min各自的读数均值是否小于测量精度这一方式来判断。
进一步地,所述的步骤3)具体包含以下步骤:
31)把所得到的整体稳定运行数据的80%作为训练样本,剩余的20%作为检测样本;
32)分别建立各输出参数的BP神经网络预测模型;
33)比对预测模型输出值与检测样本的相对误差,判断是否小于预设值;
34)若是,则得到满足要求的预测模型,可通过该模型预测出空调的回风温度、回风湿度、功率,并通过模型的输入、输出参数计算出空调的性能系数EER或COP;
35)若否,则修改训练模型,并返回步骤32)。
进一步地,所述的步骤4)中选用当地一年中常见的室内外温湿度作为常见运行工况,或采用空调的额定制冷/制热工况中记载的参数值作为常见运行工况。
进一步地,所述的步骤5)中所述用户偏爱设计室内温湿度为空调的设定温湿度,维持该室内温湿度是空调开机的目的,可从每次空调运行中运行数据的变化走向得出。
进一步地,所述的步骤6)具体包括:
61)基于所述预测模型建立完善的空调运行性能数据库;
62)在制冷/制热模式下,以当前室外温湿度及与用户设定温度有小范围偏离的送风温、湿度作为筛选条件从所述数据库中选取出合适的空调运行参数;在自动模式下,以当前室外温湿度及与以往用户设定温度有小范围偏离的送风温、湿度作为筛选条件从所述数据库中选取出合适的空调运行参数;
63)对比已有运行性能数据库,若不一致,则更新空调控制方式。
由于空调运行时,送风温湿度与回风温湿度有着紧密的联系,可通过把空调的送风温湿度、送风速度调节至最优运行参数值即可实现空调的优化控制。
此外,为提高搜索速度,也可以室外温湿度、送风温湿度等为自变量,其余运行参数为因变量,建立多元回归方程,以简化优化运行性能数据库。
本发明的效果和益处是:
本发明得到的长效性能预测模型,基于一段时间内空调的运行数据得到,能真实地反应当前空调的性能;
本发明选取特定的工况点,作为评价空调性能变化的指标,而不是采用一段时间内空调的总功率作为性能评价指标,避免了因用户使用习惯造成的性能评价不准确;
本发明结合用户自身的使用习惯、空调当前的性能状态,自动选取合适的运行工况,优化空调的运行性能,提高用户的使用体验。
附图说明
图1为本发明实施例的流程示意图。
图2为本发明实施例的BP神经网络预测模型示意图。
图3为本发明实施例的实测回风温度与预测回风温度验证示意图。
图4为本发明实施例的实测EER和预测EER的验证示意图。
具体实施方式
下面结合具体实施例对本发明作进一步具体详细描述,但本发明的实施方式不限于此,运行数据处理方法、基于预测模型的在线长效性能检测及优化运行方法的变更,都在本专利的保护之内。
如图1所述,一种房间空调器在线长效性能检测及优化运行方法,包含以下步骤:
1)空调运行数据的逐时测量,并将该参数通过GPRS传输至后台服务器,通过一段时间的数据采集,能收集到用户近两个月的运行数据,其中,某个瞬间的数据格式如下:
表1采集到的数据格式
2)对运行数据进行预处理,得到空调稳定运行状态下的数据;
3)将空调稳定运行状态下的数据中的空调送风温度、送风湿度、送风速度、室外温湿度作为输入参数,空调功率、回风温度、回风湿度参数各自作为输出参数,建立空调长效性能预测模型,而空调能效则通过上述输入、输出参数计算得出;
4)确定空调较常见运行工况,并基于预测模型得到该运行工况下的性能参数值,作为当前空调性能的评价指标,验证结果见图3、图4;
5)对空调运行数据进行分析,找出当前用户的偏爱设计室内温湿度;
6)依照建立的预测模型,建立空调在特定室外温湿度下的最优运行控制模型并更新空调控制方式。
在本发明一个可行的实施例中,所述的空调运行数据包括空调的送风温度、送风湿度、送风速度、回风温度、回风湿度、空调功率、室外温度、室外湿度。
在本发明一个可行的实施例中,所述的预处理包含删除错误、多余数据,补充缺失数据的处理。
在本发明一个可行的实施例中,所述的步骤2)中所述空调稳定运行状态是指当前时刻及前15min内记录的空调各运行参数都没有较大变化时的空调运行状态。
在本发明一个可行的实施例中,所述空调稳定运行状态通过计算当前时刻的功率,室内送、回风温湿度,送风速度读数与前1min、前10min、前15min各自的读数均值是否小于测量精度这一方式来判断。
在本发明一个可行的实施例中,所述的步骤3)具体包含以下步骤:
31)把所得到的整体稳定运行数据的80%作为训练样本,剩余的20%作为检测样本;
32)分别建立各输出参数的BP神经网络预测模型,(见图2);
33)比对预测模型输出值与检测样本的相对误差,判断是否小于预设值;
34)若是,则得到满足要求的预测模型,可通过该模型预测出空调的回风温度、回风湿度、功率,并通过模型的输入、输出参数计算出空调的性能系数EER或COP;
35)若否,则修改训练模型,并返回步骤32)。
在本发明一个可行的实施例中,所述的步骤4)中选用当地一年中常见的室内外温湿度作为常见运行工况,或采用空调的额定制冷/制热工况中记载的参数值作为常见运行工况,结合当地全年气象数据,找出一个出现频率较高的室内温湿度、室外温湿度运行工况(或直接采用额定制冷/额定制热工况),并通过空调性能预测模型预测出空调在该工况下的性能,与其它相同运行模式下不同时期的性能值进行对比,以判断当前空调的性能是否发生衰退。
在本发明一个可行的实施例中,所述的步骤5)中所述用户偏爱设计室内温湿度为空调的设定温湿度,维持该室内温湿度是空调开机的目的,可从每次空调运行中运行数据的变化走向得出,如通过判断用户每次开机时送风、回风温度的稳定范围,能得到当前用户偏爱的房间设定温度,即用户使用习惯。为求准确,也可通过向用户进行问卷调查、访谈等形式获取。
在本发明一个可行的实施例中,所述的步骤6)具体包括:
61)基于所述预测模型建立完善的空调运行性能数据库,其格式见表2:
表2空调优化运行控制数据库示例
62)在制冷/制热模式下,以当前室外温湿度及与用户设定温度有小范围偏离的送风温、湿度作为筛选条件从所述数据库中选取出合适的空调运行参数;在自动模式下,以当前室外温湿度及与以往用户设定温度有小范围偏离的送风温、湿度作为筛选条件从所述数据库中选取出合适的空调运行参数;
63)对比已有运行性能数据库,若不一致,则更新空调控制方式。
此后,筛选时编写各运行模式下空调最优运行参数的搜索算法,并与当前空调的优化运行数据库进行对比,若两者不一致,则更新当前空调的优化运行数据库。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种房间空调器在线长效性能检测及优化运行方法,其特征在于,包括步骤:
1)空调运行数据的逐时测量,并将该参数通过GPRS传输至后台服务器;
2)对运行数据进行预处理,得到空调稳定运行状态下的数据;
3)将空调稳定运行状态下的数据中的空调送风温度、送风湿度、送风速度、室外温湿度作为输入参数,空调功率、回风温度、回风湿度参数各自作为输出参数,建立空调长效性能预测模型,而空调能效则通过上述输入、输出参数计算得出;
4)确定空调较常见运行工况,并基于预测模型得到该运行工况下的性能参数值,作为当前空调性能的评价指标;
5)对空调运行数据进行分析,找出当前用户的偏爱设计室内温湿度;
6)依照建立的预测模型,建立空调在特定室外温湿度下的最优运行控制模型并更新空调控制方式。
2.根据权利要求1所述的方法,其特征在于,所述的空调运行数据包括空调的送风温度、送风湿度、送风速度、回风温度、回风湿度、空调功率、室外温度、室外湿度。
3.根据权利要求1所述的方法,其特征在于:所述的预处理包含删除错误、多余数据,补充缺失数据的处理。
4.根据权利要求1所述的方法,其特征在于,所述的步骤2)中所述空调稳定运行状态是指当前时刻及前15min内记录的空调各运行参数都没有较大变化时的空调运行状态。
5.根据权利要求4所述的方法,其特征在于:所述空调稳定运行状态通过计算当前时刻的功率,室内送、回风温湿度,送风速度读数与前1min、前10min、前15min各自的读数均值是否小于测量精度这一方式来判断。
6.根据权利要求1所述的方法,其特征在于,所述的步骤3)具体包含以下步骤:
31)把所得到的整体稳定运行数据的80%作为训练样本,剩余的20%作为检测样本;
32)分别建立各输出参数的BP神经网络预测模型;
33)比对预测模型输出值与检测样本的相对误差,判断是否小于预设值;
34)若是,则得到满足要求的预测模型,可通过该模型预测出空调的回风温度、回风湿度、功率,并通过模型的输入、输出参数计算出空调的性能系数EER或COP;
35)若否,则修改训练模型,并返回步骤32)。
7.根据权利要求1所述的方法,其特征在于,所述的步骤4)中选用当地一年中常见的室内外温湿度作为常见运行工况,或采用空调的额定制冷/制热工况中记载的参数值作为常见运行工况。
8.根据权利要求1所述的方法,其特征在于,所述的步骤5)中所述用户偏爱设计室内温湿度为空调的设定温湿度,维持该室内温湿度是空调开机的目的,可从每次空调运行中运行数据的变化走向得出。
9.根据权利要求8所述的方法,其特征在于,所述的步骤6)具体包括:
61)基于所述预测模型建立完善的空调运行性能数据库;
62)在制冷/制热模式下,以当前室外温湿度及与用户设定温度有小范围偏离的送风温、湿度作为筛选条件从所述数据库中选取出合适的空调运行参数;在自动模式下,以当前室外温湿度及与以往用户设定温度有小范围偏离的送风温、湿度作为筛选条件从所述数据库中选取出合适的空调运行参数;
63)对比已有运行性能数据库,若不一致,则更新空调控制方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200955.0A CN105890109B (zh) | 2016-03-31 | 2016-03-31 | 一种房间空调器在线长效性能检测及优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200955.0A CN105890109B (zh) | 2016-03-31 | 2016-03-31 | 一种房间空调器在线长效性能检测及优化运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105890109A true CN105890109A (zh) | 2016-08-24 |
CN105890109B CN105890109B (zh) | 2018-09-14 |
Family
ID=57011818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610200955.0A Active CN105890109B (zh) | 2016-03-31 | 2016-03-31 | 一种房间空调器在线长效性能检测及优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105890109B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741095A (zh) * | 2017-09-21 | 2018-02-27 | 珠海优特物联科技有限公司 | 回水器的控制方法和装置 |
CN107844073A (zh) * | 2017-09-15 | 2018-03-27 | 珠海格力电器股份有限公司 | 电子设备控制方法、装置、系统、存储介质及处理器 |
CN107860099A (zh) * | 2017-09-15 | 2018-03-30 | 珠海格力电器股份有限公司 | 一种空调的结霜检测方法、装置、存储介质及设备 |
WO2018166372A1 (zh) * | 2017-03-17 | 2018-09-20 | 青岛海尔空调器有限总公司 | 空调器控制方法 |
CN109269036A (zh) * | 2018-09-14 | 2019-01-25 | 青岛海信日立空调系统有限公司 | 多联机空调的云端控制方法以及多联机空调系统 |
CN109781447A (zh) * | 2019-02-01 | 2019-05-21 | 上海理工大学 | 获得地铁车站中空调箱能效随运营年限演化特性的方法 |
CN109886544A (zh) * | 2019-01-17 | 2019-06-14 | 新奥数能科技有限公司 | 构建设备能效曲线模型的方法、装置、介质及电子设备 |
CN109902826A (zh) * | 2019-03-11 | 2019-06-18 | 珠海格力电器股份有限公司 | 基于遗传算法的家电节能模型构建方法、控制方法、家电 |
CN110107998A (zh) * | 2019-05-28 | 2019-08-09 | 珠海格力电器股份有限公司 | 多联式冷热水机组的节能控制方法、设备及介质 |
CN110471380A (zh) * | 2019-08-15 | 2019-11-19 | 四川长虹电器股份有限公司 | 一种用于智能家居系统的空调故障监控及预警方法 |
WO2020042417A1 (zh) * | 2018-08-31 | 2020-03-05 | 珠海格力电器股份有限公司 | 控制空调的方法、装置和空调装置 |
CN111486573A (zh) * | 2020-04-16 | 2020-08-04 | 南方电网科学研究院有限责任公司 | 一种中央空调集群调控方法、系统以及设备 |
CN112862222A (zh) * | 2021-03-26 | 2021-05-28 | 中国建设银行股份有限公司 | 空调回风温度的预测方法、异常监控方法和相关装置 |
CN113468709A (zh) * | 2020-03-30 | 2021-10-01 | 广州展闰数域科技有限公司 | 智能监控状态和调节空调参数及预测空调故障的方法 |
CN113531833A (zh) * | 2021-07-14 | 2021-10-22 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN115031363A (zh) * | 2022-05-27 | 2022-09-09 | 约克广州空调冷冻设备有限公司 | 预测空调性能的方法和装置 |
CN115183422A (zh) * | 2022-05-31 | 2022-10-14 | 深圳市浩若思科技有限公司 | 一种调节智能家居系统的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55132318A (en) * | 1979-03-29 | 1980-10-15 | Toyota Motor Corp | Control system for switching inner-outer air mode of auto air conditioner in automobile |
CN102812303A (zh) * | 2009-12-16 | 2012-12-05 | 国家科学和工业研究组织 | Hvac控制系统和方法 |
CN104091045A (zh) * | 2014-06-16 | 2014-10-08 | 华南理工大学 | 一种基于bp神经网络的空调长效性能预测方法 |
-
2016
- 2016-03-31 CN CN201610200955.0A patent/CN105890109B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55132318A (en) * | 1979-03-29 | 1980-10-15 | Toyota Motor Corp | Control system for switching inner-outer air mode of auto air conditioner in automobile |
CN102812303A (zh) * | 2009-12-16 | 2012-12-05 | 国家科学和工业研究组织 | Hvac控制系统和方法 |
CN104091045A (zh) * | 2014-06-16 | 2014-10-08 | 华南理工大学 | 一种基于bp神经网络的空调长效性能预测方法 |
Non-Patent Citations (3)
Title |
---|
巫江虹等: "房间空调器长效运行性能预测及优化方案的研究", 《机械工程学报》 * |
袁雅青: "在用空调器持续节能评价方法研究", 《家电科技》 * |
陈军等: "房间空调器长效节能的一些影响因素分析", 《电子产品可靠性与环境试验 》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018166372A1 (zh) * | 2017-03-17 | 2018-09-20 | 青岛海尔空调器有限总公司 | 空调器控制方法 |
CN107844073A (zh) * | 2017-09-15 | 2018-03-27 | 珠海格力电器股份有限公司 | 电子设备控制方法、装置、系统、存储介质及处理器 |
CN107860099A (zh) * | 2017-09-15 | 2018-03-30 | 珠海格力电器股份有限公司 | 一种空调的结霜检测方法、装置、存储介质及设备 |
CN107860099B (zh) * | 2017-09-15 | 2018-11-30 | 珠海格力电器股份有限公司 | 一种空调的结霜检测方法、装置、存储介质及设备 |
CN107844073B (zh) * | 2017-09-15 | 2018-12-07 | 珠海格力电器股份有限公司 | 电子设备控制方法、装置、系统、存储介质及处理器 |
CN107741095A (zh) * | 2017-09-21 | 2018-02-27 | 珠海优特物联科技有限公司 | 回水器的控制方法和装置 |
WO2020042417A1 (zh) * | 2018-08-31 | 2020-03-05 | 珠海格力电器股份有限公司 | 控制空调的方法、装置和空调装置 |
CN109269036A (zh) * | 2018-09-14 | 2019-01-25 | 青岛海信日立空调系统有限公司 | 多联机空调的云端控制方法以及多联机空调系统 |
CN109886544A (zh) * | 2019-01-17 | 2019-06-14 | 新奥数能科技有限公司 | 构建设备能效曲线模型的方法、装置、介质及电子设备 |
CN109781447A (zh) * | 2019-02-01 | 2019-05-21 | 上海理工大学 | 获得地铁车站中空调箱能效随运营年限演化特性的方法 |
CN109902826A (zh) * | 2019-03-11 | 2019-06-18 | 珠海格力电器股份有限公司 | 基于遗传算法的家电节能模型构建方法、控制方法、家电 |
CN110107998A (zh) * | 2019-05-28 | 2019-08-09 | 珠海格力电器股份有限公司 | 多联式冷热水机组的节能控制方法、设备及介质 |
CN110471380A (zh) * | 2019-08-15 | 2019-11-19 | 四川长虹电器股份有限公司 | 一种用于智能家居系统的空调故障监控及预警方法 |
CN113468709A (zh) * | 2020-03-30 | 2021-10-01 | 广州展闰数域科技有限公司 | 智能监控状态和调节空调参数及预测空调故障的方法 |
CN111486573A (zh) * | 2020-04-16 | 2020-08-04 | 南方电网科学研究院有限责任公司 | 一种中央空调集群调控方法、系统以及设备 |
CN111486573B (zh) * | 2020-04-16 | 2021-09-14 | 南方电网科学研究院有限责任公司 | 一种中央空调集群调控方法、系统以及设备 |
CN112862222A (zh) * | 2021-03-26 | 2021-05-28 | 中国建设银行股份有限公司 | 空调回风温度的预测方法、异常监控方法和相关装置 |
CN113531833A (zh) * | 2021-07-14 | 2021-10-22 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN113531833B (zh) * | 2021-07-14 | 2022-07-26 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN115031363A (zh) * | 2022-05-27 | 2022-09-09 | 约克广州空调冷冻设备有限公司 | 预测空调性能的方法和装置 |
CN115031363B (zh) * | 2022-05-27 | 2023-11-28 | 约克广州空调冷冻设备有限公司 | 预测空调性能的方法和装置 |
CN115183422A (zh) * | 2022-05-31 | 2022-10-14 | 深圳市浩若思科技有限公司 | 一种调节智能家居系统的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105890109B (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105890109A (zh) | 一种房间空调器在线长效性能检测及优化运行方法 | |
CN109654665B (zh) | 空调器的控制方法及装置和空调器 | |
JP5572799B2 (ja) | 空調システム制御装置 | |
CN103234254B (zh) | 基于服务器的空调性能参数优化的方法、空调及服务器 | |
US11802704B2 (en) | Predictive temperature scheduling for a thermostat using machine learning | |
JP5518553B2 (ja) | 相互学習による建築物の省エネルギー化ユニット及びシステム | |
US10746425B1 (en) | Thermal modeling technology | |
US11598542B2 (en) | Thermostat scheduling using user devices and machine learning | |
US11644204B2 (en) | Error correction for predictive schedules for a thermostat | |
CN109210730B (zh) | 一种建筑物制冷智能管控方法及系统 | |
US11609014B2 (en) | Predictive presence scheduling for a thermostat using machine learning | |
CN114135984B (zh) | 空调的仿真控制系统 | |
CN117970986B (zh) | 一种冷热系统的温湿度控制方法、装置及介质 | |
CN112413820A (zh) | 空调除霜方法、装置、空调设备及计算机可读存储介质 | |
CN115127192B (zh) | 基于图神经网络的半监督的冷水机组故障诊断方法及系统 | |
CN116045461B (zh) | 一种基于给回水温度调节的风冷空调节能控制方法及装置 | |
CN112365176A (zh) | 一种节能分析气象年计算方法、系统、装置和存储介质 | |
CN101672510B (zh) | 空调系统优化运行模拟及监控方法 | |
EP4040063B1 (en) | Residual value calculation system for air conditioner | |
CN113566374A (zh) | 建筑负荷确定方法及系统 | |
CN118014380A (zh) | 一种商业体中央空调节能优化效果评估方法和系统 | |
CN116907034A (zh) | 化霜控制方法、空调机组及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |