CN108344104A - 一种用于空调器的室内温度预测方法以及空调器 - Google Patents
一种用于空调器的室内温度预测方法以及空调器 Download PDFInfo
- Publication number
- CN108344104A CN108344104A CN201711444897.7A CN201711444897A CN108344104A CN 108344104 A CN108344104 A CN 108344104A CN 201711444897 A CN201711444897 A CN 201711444897A CN 108344104 A CN108344104 A CN 108344104A
- Authority
- CN
- China
- Prior art keywords
- temperature
- prediction
- sampling
- indoor
- environment temperature
- 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
-
- 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
- F24F2110/10—Temperature
- F24F2110/12—Temperature of the outside air
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
用于空调器的室内温度预测方法,包括:建立预测模型,其中包括按照相同的第一采样频率采样多个室外环境温度和多个室内环境温度;计算对应的每一个对应的采样室外环境温度和采样室内环境温度的采样温差;对所述采样温差排序,确定预测温差;计算采样室内温度温差;计算预测参数;预测室内温度,包括:设定第一预测间隔时间;获取第一预测间隔时间结束时的室外预测环境温度;采样当前状态下的室内温度;计算所述第一预测间隔时间结束时的预测室内环境温度。同时还公开了一种空调器。本发明可以提前预测室内环境温度的变化趋势,为后续空调器的智能控制提供数据基础。用户利用室内环境温度的变化趋势准确控制空调器启停,具有智能化程度高的优点。
Description
技术领域
本发明涉及空气调节设备技术领域,尤其涉及一种用于空调器的室内温度预测方法,以及采用上述预测方法的空调器。
背景技术
空调器所执行的空气调节动作,是对空气进行降温、除湿、除尘、消毒、加温、加湿等处理,其目的是使得空气达到应用环境的标准。其中,最常见的是对空气温度的调节处理。现有技术中的空调器运行过程越来越智能化,比如设定了定时开关机的过程。但是,现有技术中,空调器的定时开关机依据的是用户的使用经验,用户体验并不好。
如果可以获知室内温度的变化趋势,则在设定待机或关机的时间时可以更为精确。但是,现有技术中并未公开相应的用于空调器的室内温度预测方法。
发明内容
为了实现对室内温度的预测,本发明提供了一种用于空调器的室内温度预测方法。
一种用于空调器的室内温度预测方法,包括:
建立预测模型,其中包括以下步骤:
空调器保持待机状态,在采样周期中按照相同的第一采样频率采样多个室外环境温度和多个室内环境温度;
计算对应的每一个对应的采样室外环境温度和采样室内环境温度的采样温差;
对所述采样温差排序,选取所述采样温差大于等于设定温差Δt的至少一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin1,其中Δt=cΔtmax,c∈[-1,1]且c≠0,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为预测温差Δtc;
计算采样室内温度温差Δtin,所述采样室内温度温差Δtin为单位时间t内所述第一采样室内环境温度tin1的变化量;
计算预测参数,C=Δtin/t*Δtc;
预测室内温度,其中包括以下步骤:
设定第一预测间隔时间tit1;
获取所述第一预测间隔时间tit1结束时的室外预测环境温度tout1’;
采样当前状态下的室内温度t0;
计算所述第一预测间隔时间tit结束时的预测室内环境温度t01,t01=C(tout1’- t0)*tit1+t0。
进一步的,预测室内温度时,还包括以下步骤;
在获取第一个预测室内环境温度t01之后,设定第二预测间隔时间tit2;
获取所述第二预测间隔时间tit2结束时的室外预测环境温度tout2’;
调用所述第一预测间隔时间tit1结束时的预测室内环境温度t01,并计算所述第二预测间隔时间tit2结束时的预测室内环境温度t02,t02=C(tout2’- t01)*tit2+ t01。
更进一步的,预测室内温度时,还包括以下步骤:
在获取第二预测间隔时间tit2结束时的预测室内环境温度t02之后,设定多个连续预测间隔时间,每一个预测间隔时间起始时的室内环境温度为上一个预测间隔时间结束时的预测室内环境温度。
进一步的,建立预测模型时,
对所述采样周期中的采样温差排序,选取采样温差为正且其绝对值最大的一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin1,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为第一预测温差Δtc1;选取采样温差为负且其绝对值最大的一组采样室外环境温度和采样室内环境温度为第二采样室外环境温度tout2和第二采样室内环境温度tin2,所述第二采样室外环境温度tout1和第二采样室内环境温度tin2的温差为第一预测温差Δtc2;
计算采样室内温度温差,所述第一采样室内温度温差Δtin1为单位时间t内所述第一采样室内环境温度tin1的变化量,所述第二采样室内温度温差Δtin2为单位时间t内所述第二采样室内环境温度tin2的变化量;
利用所述第一采样室内温度温差Δtin1计算第一预测参数C1=Δtin1/t*Δtc1;利用所述第二采样第一采样室内温度温差Δtin2计算第一预测参数C2=Δtin2/t*Δtc2;
所述预测参数为所述第一预测参数C1和第二预测参数C2的平均值。
优选的,所述采样周期为24小时。
更进一步的,设置有多个连续的采样周期,在每一个采样周期中,根据所述第一预测参数C1和第二预测参数C2的平均值计算一个采样周期预测参数,所述预测参数为多个所述采样周期预测参数的平均值。
优选的,所述第一预测间隔时间tit1和/或所述第二预测间隔时间tit2为10分钟。
优选的,所述第一预测间隔时间tit1、所述第二预测间隔时间tit1和多个连续预测间隔时间的总时长为24小时。
更进一步的,所述室外预测环境温度tout2’通过远程通讯得到。
通过上述方法,可以准确的提前获知室内温度的变化趋势,可以将预测的结果通过智能终端推送给用户,使得用户准确的获知空调房间的温度变化趋势,如用户不在家中,可以根据温度变化趋势在合理的时间范围内提前远程操作控制空调器运行,或者提前设定空调器的启停时间。如在夏季夜晚,用户可以根据精确的预测室内温度通过定时功能在夜晚温度较低时关闭空调器,并在预测室内温度超过舒适温度时自动通过定时功能开启空调器,在冬季夜晚,用户可以在睡前室内温度较高时关闭空调器,并通过定时功能在预测室内温度低于舒适温度时自动开启空调器,避免出现起床时空调房间温度过低的问题。
同时还公开一种空调器,采用室内温度预测方法。室内温度预测方法包括建立预测模型,其中包括以下步骤:
空调器保持待机状态,在采样周期中按照相同的第一采样频率采样多个室外环境温度和多个室内环境温度;
计算对应的每一个对应的采样室外环境温度和采样室内环境温度的采样温差;
对所述采样温差排序,选取所述采样温差大于等于设定温差Δt的至少一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin1,其中Δt=cΔtmax,c∈[-1,1]且c≠0,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为预测温差Δtc;
计算采样室内温度温差Δtin,所述采样室内温度温差Δtin为单位时间t内所述第一采样室内环境温度tin1的变化量;
计算预测参数,C=Δtin/t*Δtc;
预测室内温度,其中包括以下步骤:
设定第一预测间隔时间tit1;
获取所述第一预测间隔时间tit1结束时的室外预测环境温度tout1’;
采样当前状态下的室内温度t0;
计算所述第一预测间隔时间tit结束时的预测室内环境温度t01,t01=C(tout1’- t0)*tit1+t0。
本发明所公开的空调器具有智能化程度高的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所公开的用于空调器的室内温度预测方法一种实施例的流程图;
图2为图1中建立预测模型步骤一种具体实施方式的流程图;
图3为图1中预测室内温度步骤第一种具体实施方式的流程图;
图4为图1中预测室内温度步骤一种优选实施方式的流程图;
图5为图1中建立预测模型步骤一种优选实施方式的流程图;
图6为采样周期中多组采样室外环境温度和多组采样室内环境温度的曲线图;
图7为预测室内环境温度的曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。另外,以下描述的第一特征在第二特征之"上"的结构可以包括第一和第二特征形成为直接接触的实施例,也可以包括另外的特征形成在第一和第二特征之间的实施例,这样第一和第二特征可能不是直接接触。
在本发明的描述中,需要说明的是,除非另有规定和限定,术语“安装”“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
下面参照附图对本发明提出的用于空调器的室内温度预测方法以及空调器进行描述。
如图1所示,用于空调器的室内温度预测方法包括两大步骤,步骤S100为建立预测模型,步骤S200,为利用预测模型预测室内温度。
不难理解,当空调器安装在某个特定的环境之后,在以长期使用为目的的前提下,室内面积、建筑材料的绝热性是相对固定的。将空调房间简化为一个房屋热传递模型,房屋热传导的公式可以定义为Φ=K*A*(T室外-T室内),其中Φ为热流量,K为由房屋建筑材料决定的总导热系数,A为由室内面积和墙壁面积决定的总导热面积。由于室内面积和建筑材料的绝热性是相对固定的,所以,可以看出房屋在单位时间内的热传导量与室内外温差是成比例关系的。另一方面,通过比热容公式,又可以得出房屋的热容量为Q=cmΔT室内,空调器使用过程中,空调房间基本需要保持密封,因此,空气的质量的变化可以忽略,空气质量可以看作为一个常数,而空气的比热为常数,根据热容量公式,房屋中的空气在单位时间内吸收或放出的热量与空调房间内温度在单位时间的变化量是成比例关系的。在单位时间内,空调房间内空气吸收或放出的能量必然会有部分向外传导,所以进一步简化可以得出,空调房间室内温度在单位时间内的变化量是与室内外温差是成比例关系的。
根据上述原则,建立空调房间内温度在单位时间内的变化量和室内外温差之间的比例关系数据模型。如图2所示,基本的,建立预测模型包括以下步骤:
步骤S101,空调器保持待机状态,在采样周期中按照相同的第一采样频率采样多个室外环境温度和多个室内环境温度。室内环境温度可以通过设置在空调器上的温度传感器获得,室外环境温度可以通过气象局服务器或者室外环境温度传感器获得。
步骤S102,计算对应的每一个对应的采样室外环境温度和采样室内环境温度的采样温差。
步骤S103,对所述采样温差排序,选取所述采样温差大于等于设定温差Δt的至少一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin,其中Δt=cΔtmax,c∈[-1,1]且c≠0,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为预测温差Δtc;
步骤S104,计算采样室内温度温差,所述采样室内温度温差Δtin为单位时间t内所述第一采样室内环境温度tin1的变化量。
步骤S105,计算预测参数,C=Δtin/t*Δtc。
通过上述步骤,即建立了空调房间内温度在单位时间内的变化量和室内外温差之间的比例关系数据模型。
进一步利用上述模型预测室内温度,如图3所示,具体来说,预测室内温度基本包括以下步骤:
步骤S201,设定第一预测间隔时间tit1。
步骤S202,获取所述第一预测间隔时间tit1结束时的室外预测环境温度tout1’。
步骤S203,采样当前状态下的室内温度t0。当前状态下的室内温度t0通过设置在空调器上的温度传感器获得。
步骤S204,计算所述第一预测间隔时间tit结束时的预测室内环境温度t01;t01=C(tout1’- t0)*tit1+ t0。
举例来说,空调器保持待机状态,在采样周期,如连续的24小时中,按照相同的第一采样频率,如每隔10分钟,采样一个室外环境温度和一个室内环境温度。计算二者之间的温差,并对温差进行排序,设定温差Δt设定为1*Δtmax。即温差最大的室外环境温度为第一采样室外环境温度tout1,室内环境温度为第一采样室内环境温度tin1,二者之间的温差为预测温差Δtc。假定第一采样室外环境温度tout1为30℃,第一采样室内环境温度tin1为27℃。则预测温差Δtc为3℃。
设定单位时间为10分钟。单位时间t内第一采样室内环境温度tin1的变化量为自27℃变为27.3℃,即第一采样室内环境温度tin1的变化量为0.3℃。计算预测参数C=0.3℃/10min*3℃=0.01。
设定第一预测间隔时间tit1为10分钟,假定第一预测间隔时间tit1结束时的室外预测环境温度tout1’为30.5℃,当前状态下的室内温度t0为27.5℃,则可以计算出第一预测间隔时间tit结束时的预测室内环境温度t01,t01=C(tout1’- t0)*tit1+ t0=0.01*(30.5℃-27.5℃)*10min+27.5℃=27.8℃。
通过上述方式,可以提前预测获知室内温度的变化趋势,一方面在下一步的空调器的控制过程中,可以准确的获得室内温度变化为设定温度的时间;另一部分,可以将预测的结果通过智能终端推送给用户,使得用户准确的获知空调房间的温度变化趋势,如用户不在家中,可以根据温度变化趋势在合理的时间范围内提前远程操作控制空调器运行,或者提前设定空调器的启停时间。如在夏季夜晚,用户可以根据精确的预测室内温度通过定时功能在夜晚温度较低时关闭空调器,并在预测室内温度超过舒适温度时自动通过定时功能开启空调器,在冬季夜晚,用户可以在睡前室内温度较高时关闭空调器,并通过定时功能在预测室内温度低于舒适温度时自动开启空调器,避免出现起床时空调房间温度过低的问题。
为了更好的实现预测功能,优选的,通过以下方法实现室内温度的连续预测。
如图4所示为预测室内温度的一个优选实施方式。
步骤S205,在获取第一个预测室内环境温度t01之后,设定第二预测间隔时间tit2。
步骤S206,获取所述第二预测间隔时间tit2结束时的室外预测环境温度tout2’。
步骤S207,调用所述第一预测间隔时间tit1结束时的预测室内环境温度t01,并计算所述第二预测间隔时间tit2结束时的预测室内环境温度t02,t02=C(tout2’- t01)*tit2+ t01。
优选的,第一预测间隔时间tit1和第二预测间隔时间tit2的时长相同。
延续上述举例,第二预测间隔时间tit2为10min,假定第二预测间隔时间tit2结束时的室外预测环境温度tout2’为30.8℃,则t02=C(tout2’- t01)*tit2+ t01=0.01*(30.8-27.8)*10min+27.8℃=28.1℃。
更进一步的,在获取第二预测间隔时间tit2结束时的预测室内环境温度t02之后,设定多个连续预测间隔时间,每一个预测间隔时间起始时的室内环境温度为上一个预测间隔时间结束时的预测室内环境温度。多个连续预测间隔时间同样优选与第一预测间隔时间和第二预测间隔时间相等。优选的,第一预测间隔时间tit1、第二预测间隔时间tit2和连续预测间隔时间的单位时长均为10分钟,第一预测间隔时间tit1、所述第二预测间隔时间tit1和多个连续预测间隔时间的总时长为24小时,以形成如图7所示的,连续24小时的室内温度预测曲线(如图中虚线所示),并根据温度预测曲线向用户推送未来24小时的室内温度变化趋势。或者以室内预测曲线所生成的未来24小时的室内温度变化趋势为输入参数,进行空调器的下一步智能控制。在上述预测室内温度步骤中,所述室外预测环境温度tout2’通过远程通讯得到。通常来说,室外预测环境温度tout2’自气象局的服务器传输而来,优选以10分钟为间隔,采样来自气象局服务器的室外预测环境温度tout2’。
为了建立更为准确的数据模型,精确地反映室内温度的变化趋势。在建立预测模型时,优选通过以下步骤计算预测参数。
如图5所示。
步骤S301,对所述采样周期中的采样温差排序。
步骤S302,选取采样温差为正且其绝对值最大的一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin1,如图6所示A1点,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为第一预测温差Δtc1。
步骤S303,选取采样温差为负且其绝对值最大的一组采样室外环境温度和采样室内环境温度为第二采样室外环境温度tout2和第二采样室内环境温度tin2,所述第二采样室外环境温度tout1和第二采样室内环境温度tin2的温差为第一预测温差Δtc2,如图6所示A2点。
步骤S304,计算采样室内温度温差,所述第一采样室内温度温差Δtin1为单位时间t内所述第一采样室内环境温度tin1的变化量,所述第二采样室内温度温差Δtin2为单位时间t内所述第二采样室内环境温度tin2的变化量。
步骤S305,利用所述第一采样室内温度温差Δtin1计算第一预测参数C1=Δtin1/t*Δtc1。
步骤S306,利用所述第二采样第一采样室内温度温差Δtin2计算第一预测参数C2=Δtin2/t*Δtc2。
步骤S307,所述预测参数为所述第一预测参数C1和第二预测参数C2的平均值。
优选的,采样周期为24小时,即为预测时间点之前的24小时。在实际运行的过程中,控制空调器在待机状态下按照相同的第一采样频率连续采样室外环境温度和室内环境温度。设定连续的7个采样周期,即一周,在每一个采样周期,即一天内计算第一预测参数C1和第二预测参数C2,得到7组第一预测参数C1和第二预测参数C2,取其平均值,即得到能够准确的反应空调房间室内温度与室外温差单位时间内的比例变化关系的预测参数C,进一步使得预测得到的室内温度更为准确。
本发明同时还公开了一种空调器,采用如上述实施例所公开的用于空调器的室内温度预测方法。用户空调器的室内温度预测方法的具体步骤参见上述实施例的详细描述以及说明书的详细描绘,在此不再赘述。采用上述室内温度预测方法的空调器可以实现同样的技术效果。
需要说明的是,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA) ,现场可编程门阵列(FPGA) 等。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
在本说明书的描述中,参考术语“一些实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于空调器的室内温度预测方法,包括:
建立预测模型,其中包括以下步骤:
空调器保持待机状态,在采样周期中按照相同的第一采样频率采样多个室外环境温度和多个室内环境温度;
计算对应的每一个对应的采样室外环境温度和采样室内环境温度的采样温差;
对所述采样温差排序,选取所述采样温差大于等于设定温差Δt的至少一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin1,其中Δt=cΔtmax,c∈[-1,1]且c≠0,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为预测温差Δtc;
计算采样室内温度温差Δtin,所述采样室内温度温差Δtin为单位时间t内所述第一采样室内环境温度tin1的变化量;
计算预测参数,C=Δtin/t*Δtc;
预测室内温度,其中包括以下步骤:
设定第一预测间隔时间tit1;
获取所述第一预测间隔时间tit1结束时的室外预测环境温度tout1’;
采样当前状态下的室内温度t0;
计算所述第一预测间隔时间tit结束时的预测室内环境温度t01,t01=C(tout1’- t0)*tit1+t0。
2.根据权利要求1所述的用于空调器的室内温度预测方法,其特征在于,预测室内温度时,还包括以下步骤;
在获取第一个预测室内环境温度t01之后,设定第二预测间隔时间tit2;
获取所述第二预测间隔时间tit2结束时的室外预测环境温度tout2’;
调用所述第一预测间隔时间tit1结束时的预测室内环境温度t01,并计算所述第二预测间隔时间tit2结束时的预测室内环境温度t02,t02=C(tout2’- t01)*tit2+ t01。
3.根据权利要求2所述的用于空调器的室内温度预测方法,其特征在于,预测室内温度时,还包括以下步骤:
在获取第二预测间隔时间tit2结束时的预测室内环境温度t02之后,设定多个连续预测间隔时间,每一个预测间隔时间起始时的室内环境温度为上一个预测间隔时间结束时的预测室内环境温度。
4.根据权利要求3所述的用于空调器的室内温度预测方法,其特征在于:
建立预测模型时,
对所述采样周期中的采样温差排序,选取采样温差为正且其绝对值最大的一组采样室外环境温度和采样室内环境温度为第一采样室外环境温度tout1和第一采样室内环境温度tin1,所述第一采样室外环境温度tout1和第一采样室内环境温度tin1的温差为第一预测温差Δtc1;选取采样温差为负且其绝对值最大的一组采样室外环境温度和采样室内环境温度为第二采样室外环境温度tout2和第二采样室内环境温度tin2,所述第二采样室外环境温度tout1和第二采样室内环境温度tin2的温差为第一预测温差Δtc2;
计算采样室内温度温差,所述第一采样室内温度温差Δtin1为单位时间t内所述第一采样室内环境温度tin1的变化量,所述第二采样室内温度温差Δtin2为单位时间t内所述第二采样室内环境温度tin2的变化量;
利用所述第一采样室内温度温差Δtin1计算第一预测参数C1=Δtin1/t*Δtc1;利用所述第二采样第一采样室内温度温差Δtin2计算第一预测参数C2=Δtin2/t*Δtc2;
所述预测参数为所述第一预测参数C1和第二预测参数C2的平均值。
5.根据权利要求4所述的用于空调器的室内温度预测方法,其特征在于,所述采样周期为24小时。
6.根据权利要求5所述的用于空调器的室内温度预测方法,其特征在于,设置有多个连续的采样周期,在每一个采样周期中,根据所述第一预测参数C1和第二预测参数C2的平均值计算一个采样周期预测参数,所述预测参数为多个所述采样周期预测参数的平均值。
7.根据权利要求6所述的用于空调器的室内温度预测方法,其特征在于,
所述第一预测间隔时间tit1和/或所述第二预测间隔时间tit2为10分钟。
8.根据权利要求7所述的用于空调器的室内温度预测方法,其特征在于,所述第一预测间隔时间tit1、所述第二预测间隔时间tit1和多个连续预测间隔时间的总时长为24小时。
9.根据权利要求8所述的用于空调器的室内温度预测方法,其特征在于,所述室外预测环境温度tout2’通过远程通讯得到。
10.一种空调器,其特征在于,采用如权利要求1至9任一项所述的用于空调器的室内温度预测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444897.7A CN108344104B (zh) | 2017-12-27 | 2017-12-27 | 一种用于空调器的室内温度预测方法以及空调器 |
PCT/CN2018/107442 WO2019128347A1 (zh) | 2017-12-27 | 2018-09-26 | 一种用于空调器的室内温度预测方法以及空调器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444897.7A CN108344104B (zh) | 2017-12-27 | 2017-12-27 | 一种用于空调器的室内温度预测方法以及空调器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108344104A true CN108344104A (zh) | 2018-07-31 |
CN108344104B CN108344104B (zh) | 2019-05-31 |
Family
ID=62962714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711444897.7A Active CN108344104B (zh) | 2017-12-27 | 2017-12-27 | 一种用于空调器的室内温度预测方法以及空调器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108344104B (zh) |
WO (1) | WO2019128347A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019128347A1 (zh) * | 2017-12-27 | 2019-07-04 | 青岛海尔空调器有限总公司 | 一种用于空调器的室内温度预测方法以及空调器 |
CN110081931A (zh) * | 2019-04-30 | 2019-08-02 | 深圳春沐源控股有限公司 | 环境参数提示方法、系统、环境监测装置及存储介质 |
CN110173830A (zh) * | 2019-04-26 | 2019-08-27 | 平安科技(深圳)有限公司 | 空调运行数据的监控方法及相关设备 |
CN110210835A (zh) * | 2019-06-04 | 2019-09-06 | 成都四通瑞坤科技有限公司 | 一种智能高效会议实现控制方法及系统 |
CN110579001A (zh) * | 2019-08-12 | 2019-12-17 | 安徽美博智能电器有限公司 | 空调器的控制方法及装置 |
CN111964236A (zh) * | 2020-07-30 | 2020-11-20 | 深圳麦格米特电气股份有限公司 | 一种计算室外环境温度的方法、装置及空调 |
CN112050397A (zh) * | 2020-08-27 | 2020-12-08 | 浙江省邮电工程建设有限公司 | 一种机房温度调控方法及系统 |
CN112461376A (zh) * | 2020-12-07 | 2021-03-09 | 爱沃泰科技(深圳)有限公司 | 一种自适应红外传感器信号采样算法 |
CN114502894A (zh) * | 2019-10-07 | 2022-05-13 | 三菱电机株式会社 | 空气调节机的控制装置、空气调节机、空气调节机的控制方法以及程序 |
CN114608123A (zh) * | 2020-12-08 | 2022-06-10 | 广东美的暖通设备有限公司 | 室内温度预测方法、装置、空气调节设备和介质 |
CN115200171A (zh) * | 2022-07-14 | 2022-10-18 | 东联信息技术有限公司 | 基于时间序列预测的空调控制方法及系统 |
CN116151037A (zh) * | 2023-04-18 | 2023-05-23 | 中汽研新能源汽车检验中心(天津)有限公司 | 电池包储运空间温度预测模型构建及危险源定位方法 |
WO2024078034A1 (zh) * | 2022-10-11 | 2024-04-18 | 广东美的制冷设备有限公司 | 空调的控制方法、空调器及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150134123A1 (en) * | 2013-11-14 | 2015-05-14 | Ces Group, Llc | Predictive monitoring and control of an environment using cfd |
CN104729024A (zh) * | 2015-04-08 | 2015-06-24 | 南京优助智能科技有限公司 | 基于室内平均温度的空调负荷预测方法 |
CN105020843A (zh) * | 2014-04-30 | 2015-11-04 | 广东美的暖通设备有限公司 | 空调器的控制方法和空调器的控制装置以及空调器 |
CN105135623A (zh) * | 2015-09-17 | 2015-12-09 | 国网天津市电力公司 | 一种满足电网调峰和用户舒适度的中央空调减载控制方法 |
CN105465957A (zh) * | 2015-12-21 | 2016-04-06 | Tcl集团股份有限公司 | 一种智能温度调节方法及其系统 |
US20160201933A1 (en) * | 2015-01-14 | 2016-07-14 | Google Inc. | Predictively controlling an environmental control system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10094586B2 (en) * | 2015-04-20 | 2018-10-09 | Green Power Labs Inc. | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings |
CN108344104B (zh) * | 2017-12-27 | 2019-05-31 | 青岛海尔空调器有限总公司 | 一种用于空调器的室内温度预测方法以及空调器 |
-
2017
- 2017-12-27 CN CN201711444897.7A patent/CN108344104B/zh active Active
-
2018
- 2018-09-26 WO PCT/CN2018/107442 patent/WO2019128347A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150134123A1 (en) * | 2013-11-14 | 2015-05-14 | Ces Group, Llc | Predictive monitoring and control of an environment using cfd |
CN105020843A (zh) * | 2014-04-30 | 2015-11-04 | 广东美的暖通设备有限公司 | 空调器的控制方法和空调器的控制装置以及空调器 |
US20160201933A1 (en) * | 2015-01-14 | 2016-07-14 | Google Inc. | Predictively controlling an environmental control system |
CN104729024A (zh) * | 2015-04-08 | 2015-06-24 | 南京优助智能科技有限公司 | 基于室内平均温度的空调负荷预测方法 |
CN105135623A (zh) * | 2015-09-17 | 2015-12-09 | 国网天津市电力公司 | 一种满足电网调峰和用户舒适度的中央空调减载控制方法 |
CN105465957A (zh) * | 2015-12-21 | 2016-04-06 | Tcl集团股份有限公司 | 一种智能温度调节方法及其系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019128347A1 (zh) * | 2017-12-27 | 2019-07-04 | 青岛海尔空调器有限总公司 | 一种用于空调器的室内温度预测方法以及空调器 |
CN110173830A (zh) * | 2019-04-26 | 2019-08-27 | 平安科技(深圳)有限公司 | 空调运行数据的监控方法及相关设备 |
CN110173830B (zh) * | 2019-04-26 | 2022-03-25 | 平安科技(深圳)有限公司 | 空调运行数据的监控方法及相关设备 |
CN110081931A (zh) * | 2019-04-30 | 2019-08-02 | 深圳春沐源控股有限公司 | 环境参数提示方法、系统、环境监测装置及存储介质 |
CN110210835A (zh) * | 2019-06-04 | 2019-09-06 | 成都四通瑞坤科技有限公司 | 一种智能高效会议实现控制方法及系统 |
CN110579001A (zh) * | 2019-08-12 | 2019-12-17 | 安徽美博智能电器有限公司 | 空调器的控制方法及装置 |
CN114502894A (zh) * | 2019-10-07 | 2022-05-13 | 三菱电机株式会社 | 空气调节机的控制装置、空气调节机、空气调节机的控制方法以及程序 |
CN111964236B (zh) * | 2020-07-30 | 2021-12-31 | 深圳麦格米特电气股份有限公司 | 一种计算室外环境温度的方法、装置及空调 |
CN111964236A (zh) * | 2020-07-30 | 2020-11-20 | 深圳麦格米特电气股份有限公司 | 一种计算室外环境温度的方法、装置及空调 |
CN112050397A (zh) * | 2020-08-27 | 2020-12-08 | 浙江省邮电工程建设有限公司 | 一种机房温度调控方法及系统 |
CN112461376A (zh) * | 2020-12-07 | 2021-03-09 | 爱沃泰科技(深圳)有限公司 | 一种自适应红外传感器信号采样算法 |
CN112461376B (zh) * | 2020-12-07 | 2024-05-24 | 爱沃泰科技(深圳)有限公司 | 一种自适应红外传感器信号采样算法 |
CN114608123A (zh) * | 2020-12-08 | 2022-06-10 | 广东美的暖通设备有限公司 | 室内温度预测方法、装置、空气调节设备和介质 |
CN114608123B (zh) * | 2020-12-08 | 2024-03-19 | 广东美的暖通设备有限公司 | 室内温度预测方法、装置、空气调节设备和介质 |
CN115200171A (zh) * | 2022-07-14 | 2022-10-18 | 东联信息技术有限公司 | 基于时间序列预测的空调控制方法及系统 |
WO2024078034A1 (zh) * | 2022-10-11 | 2024-04-18 | 广东美的制冷设备有限公司 | 空调的控制方法、空调器及计算机可读存储介质 |
CN116151037A (zh) * | 2023-04-18 | 2023-05-23 | 中汽研新能源汽车检验中心(天津)有限公司 | 电池包储运空间温度预测模型构建及危险源定位方法 |
CN116151037B (zh) * | 2023-04-18 | 2023-08-01 | 中汽研新能源汽车检验中心(天津)有限公司 | 电池包储运空间温度预测模型构建及危险源定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108344104B (zh) | 2019-05-31 |
WO2019128347A1 (zh) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108344104B (zh) | 一种用于空调器的室内温度预测方法以及空调器 | |
Al-janabi et al. | Comparison of EnergyPlus and IES to model a complex university building using three scenarios: Free-floating, ideal air load system, and detailed | |
Kummert et al. | Optimal heating control in a passive solar commercial building | |
Henze et al. | Experimental analysis of model-based predictive optimal control for active and passive building thermal storage inventory | |
Verhelst et al. | Study of the optimal control problem formulation for modulating air-to-water heat pumps connected to a residential floor heating system | |
US11236924B2 (en) | Automatic temperature controlling method and device | |
WO2015163732A1 (en) | Operating method and apparatus of smart system for power consumption optimization | |
WO2012037241A1 (en) | Thermodynamic modeling for enclosures | |
Al-Tamimi et al. | Energy-efficient envelope design for high-rise residential buildings in Malaysia | |
Zhou et al. | Parametric analysis of active and passive building thermal storage utilization | |
Antretter et al. | Assessing the potential of active insulation systems to reduce energy consumption and enhance electrical grid services | |
Cheng et al. | Comfort temperatures for naturally ventilated buildings in Hong Kong | |
Prívara et al. | Role of MPC in building climate control | |
Simmonds | Practical applications of radiant heating and cooling to maintain comfort conditions | |
Kircher et al. | Distributed peak shaving for small aggregations of cyclic loads | |
CN111630325B (zh) | 控制系统、空调机以及服务器 | |
Vázquez et al. | Thermal comfort support application for smart home control | |
Michailidis et al. | Optimization-based active techniques for energy efficient building control part ii: Real-life experimental results | |
Hou et al. | A distributed model predictive control approach for optimal coordination of multiple thermal zones in a large open space | |
Nabil et al. | Application Efficiency Measures Through TRNSYS Software on Algerian Building to Save Energy | |
CN115793478A (zh) | 用于家电设备的控制方法及装置、家电设备 | |
CN112696728B (zh) | 一种平衡用电负荷减少电力增容控制系统 | |
Sorrentino et al. | A model for simulation and optimal energy management of Telecom switching plants | |
Redfern et al. | Design architecture for multi-zone HVAC control systems from existing single-zone systems using wireless sensor networks | |
Yang et al. | Formulation and implementation of a model predictive control (MPC) strategy for a PCM-driven building ventilation cooling system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |