CN109631238A - 一种提高空调系统运行能效的控制系统和控制方法 - Google Patents
一种提高空调系统运行能效的控制系统和控制方法 Download PDFInfo
- Publication number
- CN109631238A CN109631238A CN201910079590.4A CN201910079590A CN109631238A CN 109631238 A CN109631238 A CN 109631238A CN 201910079590 A CN201910079590 A CN 201910079590A CN 109631238 A CN109631238 A CN 109631238A
- Authority
- CN
- China
- Prior art keywords
- air
- conditioning system
- capacity
- control
- output
- 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.)
- Pending
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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
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
一种提高空调系统运行能效的控制系统和控制方法，辅助控制器采用神经网络控制方法，以传统控制器的观测量和传统控制器输出的控制量作为辅助控制器的输入量，辅助控制器输出调节后的控制量用于调节空调系统的输出冷量或输出热量，使得一个控制周期内的累积制冷量或制热量不变。本发明便于部署，能够有效提高空调系统运行能效。
Description
技术领域
本发明涉及一种提高空调系统运行能效的控制系统和控制方法。
背景技术
如图1所示，传统的空调系统的观测量包含室内外环境温度、室内外环境湿度、冷凝器和蒸发器表面温度等，控制量包含压缩机频率、室内机风扇转速、室外机风扇转速和膨胀阀开度等，传统空调控制方法是利用模糊控制和/或PID(proportion integrationdifferentiation，比例积分微分控制)控制方法基于观测量的测量结果对控制量进行调整。这种传统控制方法所采用的模糊控制和PID控制方法基于有限数据样本依靠人工优化的控制参数不能最佳适用于所有工作场景，且传统控制算法设计较为简单，往往根据单一观测量(室内温度)做出控制决策，故而导致空调系统的制冷/制热能效不高。
一般来说，空调系统的能效就制冷和制热工作模式不同，名称有所区别，其中，空调系统能效比＝EER/COP，对于空调系统来说，能耗90％以上来自压缩机，在其它条件不变的情况下，压缩机能效比随着压缩机频率升高而降低，除压缩机频率以外，空调系统所处的环境因素(环境温度、湿度等)，空调系统其它组件的工作状态(风机开度、膨胀阀开度等)，以及空调系统其它组件的静态参数(冷媒物理特性、蒸发器以及冷凝器表面积、毛细管长度等)，都显著影响着压缩机的能效。
传统空调控制方法能够凭借大量实验数据和设计经验对空调系统组件的静态参数进行调优，然而对环境因素以及空调系统的动态工作状态所能做的优化及其有限。
发明内容
本发明提供一种提高空调系统运行能效的控制系统和控制方法，便于部署，能够有效提高空调系统运行能效。
为了达到上述目的，本发明提供一种提高空调系统运行能效的控制系统，包含传统控制器和辅助控制器；
传统控制器的输入量为观测量，传统控制器的输出量为控制量，传统控制器采用PID控制方法或模糊控制方法；
辅助控制器的输入量为观测量和传统控制器的输出量，辅助控制器的输出量为调节后的控制量；
辅助控制器输出的调节后的控制量用于调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷能力或制热能力，在空调系统高能效比区间提高制冷能力或制热能力，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值；
所述的观测量包含室内环境温度、室内环境湿度、室外环境温度、室外环境湿度；
所述的传统控制器输出的控制量包含：压缩机频率、室内风机转速、室外风机转速、膨胀阀开度；
所述的辅助控制器输出的调节后的控制量包含：压缩机频率、室内风机转速、室外风机转速、膨胀阀开度。
在一个实施例中，所述的辅助控制器包含：
神经网络模块，其中装载有至少一个神经网络，该神经网络模块的输入量包含观测量和传统控制器输出的控制量，该神经网络模块的输出量包含空调系统的耗电功率的估计值、以及制冷能力或制热能力的估计值；
计时器，其用于计算辅助控制器的每个控制周期内的控制时间；
积分器，其用于根据神经网络模块输出的制冷能力或制热能力的估计值来计算某一时间段内辅助控制器累积降低或提升的制冷量或制热量；
逻辑判断电路，其根据计时器值、积分器值、目标室内温度和神经网络输出量来调节辅助控制器输出的控制量，从而调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷能力或制热能力，在空调系统高能效比区间提高制冷能力或制热能力，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值。
在另一个实施例中，所述的辅助控制器包含：
神经网络模块，其中装载有至少一个神经网络，该神经网络模块的输入量包含计时器值、积分器值、目标室内温度、观测量和传统控制器输出的控制量，该神经网络模块的输出量包含调整后的控制量、空调系统的耗电功率的估计值、以及制冷能力或制热能力的估计值，其通过调整后的控制量来调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷能力或制热能力，在空调系统高能效比区间提高制冷能力或制热能力，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值；
计时器，其用于计算辅助控制器的每个控制周期内的控制时间；
积分器，其用于根据神经网络模块输出的制冷能力或制热能力的估计值来计算某一时间段内辅助控制器累积降低或提升的制冷量或制热量。
本发明还提供一种提高空调系统运行能效的控制方法，其基于所述的提高空调系统运行能效的控制系统实现，该控制方法包含：以传统控制器的观测量和传统控制器输出的控制量作为辅助控制器的输入量，辅助控制器输出调节后的控制量用于调节空调系统的输出冷量或输出热量，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值；
在一个控制周期内，首先进行第一阶段：降低输出冷量或输出热量，直至控制时间大于预设的时间门限，则该第一阶段结束，进行第二阶段：升高输出冷量或输出热量，直至空调系统的累积输出冷量或累积输出热量小于等于零，则第二阶段结束，进入下一个控制周期。
所述的提高或降低空调系统的输出冷量或输出热量的方法包含：提高或降低压缩机频率；
或者，在提高或降低压缩机频率的同时，提高或降低室内风机转速，或者提高或降低室外风机转速，或者增大或减小膨胀阀开度。
所述的降低空调系统的输出冷量或输出热量的方法包含：逐步降低压缩机频率，或者同时逐步提高或降低室内风机转速，或者同时逐步提高或降低室外风机转速，或者同时逐步增大或减小膨胀阀开度，通过神经网络计算与当前候选压缩机频率或当前候选室内风机转速或当前候选室外风机转速或当前候选膨胀阀开度对应的空调系统的耗电功率和制冷能力或制热能力，最终获得满足制冷或制热能力和能效条件的具有最低功耗的最低压缩机频率，或者其对应的室内风机转速，或者其对应的室外风机转速，或者其对应的膨胀阀开度。
所述的制冷或制热能力和能效条件是指：制冷或制热能力变化率小于等于制冷或制热能力变化率门限，并且制冷能效变化率或制热能效变化率小于等于能效变化率门限。
所述的提高空调系统的输出冷量或输出热量的方法包含：逐步尝试提高压缩机频率，或者同时逐步提高或降低室内风机转速，或者同时逐步提高或降低室外风机转速，或者同时逐步增大或减小膨胀阀开度，通过神经网络计算与当前候选压缩机频率或当前候选室内风机转速或当前候选室外风机转速或当前候选膨胀阀开度对应的空调系统的耗电功率和制冷能力或制热能力，最终获得满足制冷或制热能力条件的最高压缩机频率，或者其对应的室内风机转速，或者其对应的室外风机转速，或者其对应的膨胀阀开度。
所述的制冷或制热能力条件是指：制冷或制热能力变化率小于等于制冷或制热能力门限，并且累积制冷量或制热量的变化量小于预设的门限值。
一个控制周期结束后，当前的室内温度与用户设定的目标室内温度之间的差值大于预设的温度门限后，开始下一个控制周期。
本发明通过调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷/热能力，在空调系统高能效比区间提高制冷/热能力，使得一个控制周期内的累积制冷/热量不变，能够有效地提高空调系统实际运行时的平均能效。本发明仅需在已有的传统空调控制系统中插入一个辅助控制部件，无须对其它组件或者控制逻辑进行改动，非常利于部署。
附图说明
图1是背景技术中空调控制原理图。
图2是本发明提供一种提高空调系统运行能效的控制系统的结构示意图。
图3是本发明的空调系统能效比与空调输出量的示意图。
图4是一个实施例中辅助控制器的结构示意图。
图5是一个实施例中以调节压缩机频率来提高空调系统运行能效控制方法的流程图。
图6是另一个实施例中辅助控制器的结构示意图。
具体实施方式
以下根据图2～图6，具体说明本发明的较佳实施例。
神经网络技术近几年在各个领域得到广泛地关注。神经网络本质上是一种映射函数：输入一组输入信号，根据输入信号产生一组输出信号(预测值)，允许高维输入/输出参数向量，支持非线性映射，通过改变网络权重，从而调整输入到输出的映射函数。因此，一个神经网络也可以等效为一组函数的组合或一个足够大的查找表：本质上，神经网络完成了一个高维向量x到另一个高维向量y的(线性或非线性)映射，即y＝f(x)。等效地，该函数也可以用一个低维输入输出函数的集合{yi＝fi，j(xj)}以及一个调用函数的规则体系达到同等的性能；在输入输出维度不高时，甚至可以通过构建查找表，将所有输入量组合对应的输出量存储下来以供使用时查找；或者用查找表和函数集合等效的方法；然而，等效方法往往需要付出更高存储的代价，并且难以进行调整，需要逐个对函数集合中的成员函数或者查找表中的各个元组进行逐个更新。
本发明采用神经网络实现对空调系统的辅助控制，如图2所示，本发明提供一种提高空调系统运行能效的控制系统，该控制系统1包含传统控制器11和辅助控制器12。本发明在一套已针对某系统静态参数(如蒸发器、冷凝器表面积等)调优的传统控制器11(如基于PID或者模糊控制算法)的基础上增加一个辅助控制器12，该辅助控制器12根据观测量对温降过程中输出的冷量(或温升过程中输出的热量)在时间尺度上通过神经网络算法进行一定程度地调整、或重新分配，将传统控制器11输出的控制量1调整为控制量2后，再作用到对应的空调功能组件上。
经过辅助控制器12调整后的温降(温升)曲线与原传统控制器得到的温降(温升)曲线基本一致，即偏离度小于某一非常小的预设门限，相比单独使用原传统控制器，如图3所示，经过辅助控制器12调整后的空调系统工作在较低能效比区间时会调低输出冷量(输出热量)，当空调系统工作在较高能效比区间时，会调高输出冷量(输出热量)，达到一个控制周期内累积制冷/热量不变、提高周期内整体平均能效的目的。在一预设时间范围内，调整后的累积输出冷(热)量与调整前相比，基本保持不变(偏离度小于某一预设门限)。
所述的辅助控制器12可以独立于原传统控制器11设置，即不改变原传统控制器的结构和部署，辅助控制器12独立工作，以传统控制器的观测量和传统控制器输出的控制量1为输入量，辅助控制器12输出调整后的控制量2，这样独立设置方便了部署。
也可以将辅助控制器12与原传统控制器11集成在一起设置，即将原传统控制器11和辅助控制器12中的硬件模块集成在同一个控制器中，将原传统控制器11和辅助控制器12中的软件算法封装在同一个函数里，以减少控制系统的器件数量，减少成本。
进一步，如图4所示，在本发明的一个实施例中，所述的辅助控制器12可以包含：
神经网络模块101，其中装载有至少一个神经网络，制冷和制热可以分别用不同的神经网络来支持，甚至于制冷能力、制热能力、耗电量分别用三个神经网络来估计，该神经网络模块的输入量包含观测量(室内环境温度、室内环境湿度、室外环境温度、室外环境湿度)和传统控制器输出的控制量(压缩机频率、室内风机转速、室外风机转速、膨胀阀开度等)，该神经网络模块的输出量包含空调系统的制冷(热)能力和耗电功率的估计值；
计时器102，其用于计算辅助控制器的每个控制周期内的控制时间；
积分器103，其用于计算某一时间段内辅助控制器累积降低或提升的制冷(热)量；其中，单次辅助控制所产生的制冷(热)量变化值根据神经网络输出的制冷(热)能力通过时间积分计算得到；
逻辑判断电路104，其连接神经网络模块101、计时器102和积分器103，其根据计时器值、积分器值、目标室内温度和神经网络输出量来调节空调控制量(压缩机频率，或室内风机转速、或室外风机转速、或膨胀阀开度)，从而调节空调系统的输出冷量(输出热量)，实现在空调系统低能效比区间内降低输出制冷/热能力，在空调系统高能效比区间提高制冷/热能力，使得一个控制周期内的累积制冷/热量不变。
所述的神经网络模块101中装载的神经网络可以选择但不限于：全连接网络、卷积神经网络、ResNet、denseNet，神经网络的一种训练方法如下：
步骤1、通过系统模拟软件或者通过在实验室环境对系统进行测量，获得n组(n为一足够大的自然数，如1000000)训练样本数据；
步骤2、每一组训练样本数据通过随机设置系统控制量{c1,c2，…，cM}，和随机设置环境参数并记录观测量{s1，s2，…，sK}，测量各个目标量{y1，y2，…，yN}(目标量包含耗电功率和制冷/热能力)；
步骤3、根据n组样本数据，由控制量和观测量组成向量Xi＝(c1，c2，…，cM，s1，s2，…，sK)，该控制量和观测量向量所对应的目标量构成向量Yi＝(y1，y2，…，yN)；
步骤4、构建代价函数代价函数对神经网络权值向量W＝(w1，w2，…，wm)的导数其中，Zi代表输入为Xi神经网络输出的目标量估计值；
步骤5、根据梯度下降算法更新权重向量学习率α一般取值为0.001，或者根据其它已有的机器学习技术动态调整；迭代执行该步更新，直到达到预设的最大迭代次数，或者满足收敛准则(如两次迭代中代价函数L的取值变化小于1e-6)。
本发明还提供一种提高空调系统运行能效的控制方法，其基于一种提高空调系统运行能效的控制系统实现，该控制方法包含：
以传统控制器的观测量和传统控制器输出的控制量作为辅助控制器的输入量，辅助控制器通过调节空调系统的输出冷量或输出热量，从而在空调系统低能效比区间内降低输出制冷能力或输出制热能力，在空调系统高能效比区间内提高输出制冷能力或输出制热能力，确保同一个控制周期内空调系统的累积制冷量或累积制热量不变。
所述的提高或降低空调系统的输出冷量或输出热量的方法包含：提高或降低压缩机频率；或者，在提高或降低压缩机频率的同时，提高或降低室内风机转速，或者提高或降低室外风机转速，或者增大或减小膨胀阀开度。
所述的控制周期包含：
第一阶段：降低输出冷量或输出热量；
以及，第二阶段：升高输出冷量或输出热量；
在一个控制周期内，首先进行第一阶段，直至控制时间大于预设的时间门限，则该第一阶段结束，进行第二阶段，直至空调系统的累积输出冷量或累积输出热量小于等于零，则第二阶段结束，进入下一个控制周期。
进一步，所述的提高空调系统运行能效的控制方法包含以下步骤：
步骤S1、辅助控制器初始化，计时器和积分器清零，传统控制器运行，输出控制量；
步骤S2、辅助控制器开始降低空调系统的输出冷量或输出热量，直至计时器的控制时间大于预设的时间门限，则辅助控制器开始提高空调系统的输出冷量或输出热量，直至积分器计算的累积输出冷量或累积输出热量小于等于零，则一个控制周期结束；
步骤S3、判断当前的室内温度与用户设定的目标室内温度之间的差值是否大于预设的温度门限，若是，则进行步骤S1，进入下一个控制周期。
所述的步骤S1中，传统控制器输出的控制量包含压缩机频率、室内风机转速、室外风机转速和膨胀阀开度。
所述的步骤S2中，降低空调系统的输出冷量或输出热量的方法包含：
逐步降低压缩机频率，或者逐步降低室内风机转速，或者逐步降低室外风机转速，或者逐步减小膨胀阀开度，同时通过神经网络计算与当前压缩机频率或当前室内风机转速或当前室外风机转速或当前膨胀阀开度对应的空调系统的耗电功率和制冷能力或制热能力，并利用与最低压缩机频率，或者最低室内风机转速，或者最低室外风机转速，或者最小膨胀阀开度对应的空调系统的制冷能力或制热能力来更新空调系统的累积输出冷量或累积输出热量，最终获得满足制冷或制热能力和能效条件的最低压缩机频率，或者最低室内风机转速，或者最低室外风机转速，或者最小膨胀阀开度。
所述的制冷或制热能力和能效条件是指：制冷或制热能力变化率小于等于制冷或制热能力变化率门限，并且制冷能效变化率或制热能效变化率小于等于能效变化率门限。
所述的步骤S2中，提高空调系统的输出冷量或输出热量的方法包含：
逐步提高压缩机频率，或者逐步提高室内风机转速，或者逐步提高室外风机转速，或者逐步增大膨胀阀开度，同时通过神经网络计算与当前压缩机频率或当前室内风机转速或当前室外风机转速或当前膨胀阀开度对应的空调系统的耗电功率和制冷能力或制热能力，并利用与最高压缩机频率，或者最高室内风机转速，或者最高室外风机转速，或者最大膨胀阀开度对应的空调系统的制冷能力或制热能力来更新空调系统的累积输出冷量或累积输出热量，最终获得满足制冷或制热能力条件的最高压缩机频率，或者最高室内风机转速，或者最高室外风机转速，或者最大膨胀阀开度。
所述的制冷或制热能力条件是指：制冷或制热能力变化率小于等于制冷或制热能力门限，并且累积制冷量或制热量的变化量小于预设的门限值。
最终获得的最低或最高压缩机频率、最高或最低室内风机转速、最高或最低室外风机转速、最大或最小膨胀阀开度都必须满足空调系统的允许值和用户的设定值。
所述的空调系统的允许值是指：为了保证空调系统的正常运转而设定的各个部件的极限运转值。任何物理部件都会受到一定的客观限制，以风机转速来说，最小值只能是0转/分钟(不可能是负值)，同时也会有一个设计上的最大转速。另外一方面，为了保证整个系统的基本安全，也会对每一个可控部件的值做一定的限定，仍然以风机为例，如果压缩机在工作状态，会规定一个非零的风机最小转速，防止空调系统由于过冷或者过热而损坏。
所述的用户的设定值是指：用户设定的空调系统的各个部件的运转限制值。比如家里的空调遥控器都有“高、中、低或者自动”这些风档设置，用户设定了“中风”档，那么内风机只能在属于“中风”档的一个较小的转速范围内调整。
如图5所示，以调节压缩机频率来调节空调系统的输出冷量为例，说明提高空调系统运行能效的控制方法的具体实施例。
给定某一基于毛细管的空调制冷系统，离线训练一个神经网络，其输入包含室内环境温度和室内环境湿度、室外环境温度和室外环境湿度、压缩机频率、室内风机转速、室外风机转速，输出为空调系统所在该工况下所能够输出的制冷能力和耗电功率。
步骤1、空调系统开机，初始化积分器的值∑C＝0和计时器的值T＝0，计时器开始计时(单位：分钟)；
步骤2、读取计时器的值；
步骤3、执行原传统控制器，得到压缩机频率F0、室内风机转速fin、室外风机转速fout；
步骤4、判断是否满足T≤ηT，若是，进行步骤5.1，若否，进行步骤6.1，其中，时间门限ηT＝5；
步骤5.1、置标志比特badj＝1，表示开始一轮温降，进行步骤5.2；
步骤5.2、初始化候选压缩机频率：F＝F0，进行步骤5.3；
步骤5.3、通过神经网络根据当前的室内环境温度和室内环境湿度、室外环境温度和室外环境湿度计算与压缩机频率F0对应的制冷能力C0和耗电功率P0，进行步骤5.4；
步骤5.4、初始化最优压缩机频率和与最优压缩机频率对应的制冷能力：F*＝F0，进行步骤5.5；其中，F*是最优压缩机频率，是压缩机频率为F*时对应的制冷能力的估计值，由神经网络计算得到；
步骤5.5、尝试降频：F＝F-1，进行步骤5.6；
步骤5.6、通过神经网络计算与当前候选压缩机频率F对应的制冷能力CF和耗电功率PF，进行步骤5.7；“当前候选”的值，也就是搜索过程中的当前值，该“当前候选压缩机频率F”并不是“当前真实”的值，“当前真实”的值也就是送给空调系统“正在”被执行的压缩机频率、风机转速等值；
步骤5.7、判断是否满足条件：若是，进行步骤5.8，若否，进行步骤5.10；其中，制冷能力变化比例门限ηC＝0.10；
步骤5.8、判断是否满足条件：若是，进行步骤5.9，若否，进行步骤5.10；其中，局部能效门限ηEER＝2.0；
步骤5.9、更新最优压缩机频率和与最优压缩机频率对应的制冷能力：F*＝F，进行步骤5.10；
步骤5.10、更新制冷能力累积降低量进行步骤7；
步骤6.1、判断标志比特badj＝1是否成立，若是，进行步骤6.2，若否，进行步骤7；
步骤6.2、判断是否满足条件：TinT>Tintgt，若是，进行步骤6.3，若否，进行步骤7；其中，Tintgt为用户设定的室内目标温度，TinT为计时器值T对应的当前室内环境温度；
步骤6.3、初始化候选压缩机频率：F＝F0，进行步骤6.4；
步骤6.4、通过神经网络根据当前的室内环境温度和室内环境湿度、室外环境温度和室外环境湿度计算与压缩机频率F0对应的制冷能力C0和耗电功率P0，进行步骤6.5；
步骤6.5、初始化最优压缩机频率和与最优压缩机频率对应的制冷能力：F*＝F0，进行步骤6.6；其中，F*是最优压缩机频率，是压缩机频率为F*时对应的制冷能力的估计值，由神经网络计算得到；
步骤6.6、尝试升频：F＝F+1，并通过神经网络计算与当前候选压缩机频率F对应的制冷能力CF和耗电功率PF，进行步骤6.7；
步骤6.7、判断是否满足条件：若是，进行步骤6.8，若否，进行步骤6.10；
步骤6.8、判断是否满足条件：CF≤∑C+C0，若是，进行步骤6.9，若否，进行步骤6.10；
步骤6.9、更新最优压缩机频率和与最优压缩机频率对应的制冷能力：F*＝F，进行步骤6.10；
步骤6.10、更新制冷能力累积降低量进行步骤6.11；
步骤6.11、判断是否满足条件：∑C≤0，若是，则表示完成一轮温降，进行步骤6.12，若否，进行步骤7；
步骤6.12、置badj＝0，进行步骤7；
步骤7、判断标志比特badj＝0是否成立，若是，进行步骤8，若否，进行步骤2；
步骤8、每分钟检测TinT，且判断是否满足条件：TinT-Tintgt≥ηTin，若是，则表示需要重新一轮辅助控制，进行步骤1，若否，进行步骤2；其中，温度门限ηTin＝2。
以上，各门限值需要根据实际空调系统进行调优，本实施例中，所涉及所有时间量的单位均为分钟，温度值的单位为摄氏度，制冷能力单位为千瓦，制冷量单位为千瓦时。
在本发明的另一个实施例中，为了避免在线运算时反复地多次调用神经网络计算，从而降低系统运行时的计算时延以及节约计算能力，可以构建一个神经网络，使其直接输出辅助控制量，而无需经过反复搜索和试探。
因此，可以省略逻辑判断电路，使逻辑判断电路的功能也通过神经网络来实现。
如图6所示，所述的辅助控制器12可以仅包含：
神经网络模块101，其中装载有至少一个神经网络，该神经网络模块的输入量包含计时器值、积分器值、目标室内温度、观测量(室内环境温度、室内环境湿度、室外环境温度、室外环境湿度)和传统控制器输出的控制量(压缩机频率、室内风机转速、室外风机转速、膨胀阀开度等)，该神经网络模块的输出量包含调整后的控制量(压缩机频率，或室内风机转速、或室外风机转速、或膨胀阀开度)，以及空调系统的制冷(热)能力和耗电功率的估计值，其通过调整后的控制量来调节空调系统的输出冷量或输出热量，在空调系统低能效比区间内降低输出制冷/热能力，在空调系统高能效比区间提高制冷/热能力，使得一个控制周期内的累积制冷/热量不变；
计时器102，其用于计算辅助控制器的每个控制周期内的控制时间；
积分器103，其用于计算某一时间段内辅助控制器累积降低或提升的制冷(热)量；其中，单次辅助控制所产生的制冷(热)量变化值根据神经网络输出的制冷(热)能力通过时间积分计算得到。
在训练神经模块101中的神经网络时，可以通过如图4和图5所示的方案采集神经网络的输入量，形成训练样本集合，再使用监督学习的方式对神经网络进行训练。
仍然以调节压缩机频率来调节空调系统的输出冷量为例，说明采用如图6所示的辅助控制器来提高空调系统运行能效的控制方法的具体实施例。
神经网络的输入包含累积制冷(热)量变化值∑C、目标室内温度Tintgt、计时器值T、室内环境温度Tin、室内环境湿度RHin、室外环境温度Tout、室外环境湿度RHout以及由原传统控制系统产生的压缩机频率F0、内风机转速fin、外风机转速fout，该神经网络直接输出调整后的控制量压缩机频率F*以及制冷量变化量ΔC。
步骤1、空调系统开机，初始化积分器的值∑C＝0和计时器的值T＝0，计时器开始计时；
步骤2、将积分器值∑C、计时器值T、以及原控制器产生的压缩机频率F0、内风机转速fin、外风机转速fout和各个环境观测量送入神经网络，神经网络直接输出调整后的控制量压缩机频率F*；
步骤3、更新累积制冷量变化值∑C＝∑C+ΔC。
本发明便于部署，能够有效提高空调系统运行能效。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种提高空调系统运行能效的控制系统，其特征在于，包含传统控制器和辅助控制器；
传统控制器的输入量为观测量，传统控制器的输出量为控制量，传统控制器采用PID控制方法或模糊控制方法；
辅助控制器的输入量为观测量和传统控制器的输出量，辅助控制器的输出量为调节后的控制量；
辅助控制器输出的调节后的控制量用于调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷能力或制热能力，在空调系统高能效比区间提高制冷能力或制热能力，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值；
所述的观测量包含室内环境温度、室内环境湿度、室外环境温度、室外环境湿度；
所述的传统控制器输出的控制量包含：压缩机频率、室内风机转速、室外风机转速、膨胀阀开度；
所述的辅助控制器输出的调节后的控制量包含：压缩机频率、室内风机转速、室外风机转速、膨胀阀开度。
2.如权利要求1所述的提高空调系统运行能效的控制系统，其特征在于，所述的辅助控制器包含：
神经网络模块，其中装载有至少一个神经网络，该神经网络模块的输入量包含观测量和传统控制器输出的控制量，该神经网络模块的输出量包含空调系统的耗电功率的估计值、以及制冷能力或制热能力的估计值；
计时器，其用于计算辅助控制器的每个控制周期内的控制时间；
积分器，其用于根据神经网络模块输出的制冷能力或制热能力的估计值来计算某一时间段内辅助控制器累积降低或提升的制冷量或制热量；
逻辑判断电路，其根据计时器值、积分器值、目标室内温度和神经网络输出量来调节辅助控制器输出的控制量，从而调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷能力或制热能力，在空调系统高能效比区间提高制冷能力或制热能力，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值。
3.如权利要求1所述的提高空调系统运行能效的控制系统，其特征在于，所述的辅助控制器包含：
神经网络模块，其中装载有至少一个神经网络，该神经网络模块的输入量包含计时器值、积分器值、目标室内温度、观测量和传统控制器输出的控制量，该神经网络模块的输出量包含调整后的控制量、空调系统的耗电功率的估计值、以及制冷能力或制热能力的估计值，其通过调整后的控制量来调节空调系统的输出冷量或输出热量，实现在空调系统低能效比区间内降低输出制冷能力或制热能力，在空调系统高能效比区间提高制冷能力或制热能力，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值；
计时器，其用于计算辅助控制器的每个控制周期内的控制时间；
积分器，其用于根据神经网络模块输出的制冷能力或制热能力的估计值来计算某一时间段内辅助控制器累积降低或提升的制冷量或制热量。
4.一种提高空调系统运行能效的控制方法，其基于如权利要求2或3所述的提高空调系统运行能效的控制系统实现，其特征在于，该控制方法包含：以传统控制器的观测量和传统控制器输出的控制量作为辅助控制器的输入量，辅助控制器输出调节后的控制量用于调节空调系统的输出冷量或输出热量，使得一个控制周期内的累积制冷量或制热量的变化量小于预设的门限值；
在一个控制周期内，首先进行第一阶段：降低输出冷量或输出热量，直至控制时间大于预设的时间门限，则该第一阶段结束，进行第二阶段：升高输出冷量或输出热量，直至空调系统的累积输出冷量或累积输出热量小于等于零，则第二阶段结束，进入下一个控制周期。
5.如权利要求4所述的提高空调系统运行能效的控制方法，其特征在于，所述的提高或降低空调系统的输出冷量或输出热量的方法包含：
提高或降低压缩机频率；
或者，在提高或降低压缩机频率的同时，提高或降低室内风机转速，或者提高或降低室外风机转速，或者增大或减小膨胀阀开度。
6.如权利要求5所述的提高空调系统运行能效的控制方法，其特征在于，所述的降低空调系统的输出冷量或输出热量的方法包含：逐步降低压缩机频率，或者同时逐步提高或降低室内风机转速，或者同时逐步提高或降低室外风机转速，或者同时逐步增大或减小膨胀阀开度，通过神经网络计算与当前候选压缩机频率或当前候选室内风机转速或当前候选室外风机转速或当前候选膨胀阀开度对应的空调系统的耗电功率和制冷能力或制热能力，最终获得满足制冷或制热能力和能效条件的具有最低功耗的最低压缩机频率，或者其对应的室内风机转速，或者其对应的室外风机转速，或者其对应的膨胀阀开度。
7.如权利要求6所述的提高空调系统运行能效的控制方法，其特征在于，所述的制冷或制热能力和能效条件是指：制冷或制热能力变化率小于等于制冷或制热能力变化率门限，并且制冷能效变化率或制热能效变化率小于等于能效变化率门限。
8.如权利要求5所述的提高空调系统运行能效的控制方法，其特征在于，所述的提高空调系统的输出冷量或输出热量的方法包含：逐步尝试提高压缩机频率，或者同时逐步提高或降低室内风机转速，或者同时逐步提高或降低室外风机转速，或者同时逐步增大或减小膨胀阀开度，通过神经网络计算与当前候选压缩机频率或当前候选室内风机转速或当前候选室外风机转速或当前候选膨胀阀开度对应的空调系统的耗电功率和制冷能力或制热能力，最终获得满足制冷或制热能力条件的最高压缩机频率，或者其对应的室内风机转速，或者其对应的室外风机转速，或者其对应的膨胀阀开度。
9.如权利要求8所述的提高空调系统运行能效的控制方法，其特征在于，所述的制冷或制热能力条件是指：制冷或制热能力变化率小于等于制冷或制热能力门限，并且累积制冷量或制热量的变化量小于预设的门限值。
10.如权利要求7或9所述的提高空调系统运行能效的控制方法，其特征在于，一个控制周期结束后，当前的室内温度与用户设定的目标室内温度之间的差值大于预设的温度门限后，开始下一个控制周期。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910079590.4A CN109631238A (zh) | 2019-01-28 | 2019-01-28 | 一种提高空调系统运行能效的控制系统和控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910079590.4A CN109631238A (zh) | 2019-01-28 | 2019-01-28 | 一种提高空调系统运行能效的控制系统和控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109631238A true CN109631238A (zh) | 2019-04-16 |
Family
ID=66062346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910079590.4A Pending CN109631238A (zh) | 2019-01-28 | 2019-01-28 | 一种提高空调系统运行能效的控制系统和控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109631238A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110044023A (zh) * | 2019-04-23 | 2019-07-23 | 爱法空调冷冻科技(无锡)有限公司 | 应用电子自适应能量匹配方法的空调 |
| CN110056528A (zh) * | 2019-04-23 | 2019-07-26 | 爱法空调冷冻科技(无锡)有限公司 | 电子自适应能量匹配方法 |
| CN110094837A (zh) * | 2019-04-30 | 2019-08-06 | 珠海格力电器股份有限公司 | 空调智能控制装置及方法 |
| 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 |
| CN110749053A (zh) * | 2019-10-29 | 2020-02-04 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置 |
| CN110986249A (zh) * | 2019-11-07 | 2020-04-10 | 珠海格力电器股份有限公司 | 空调的自调节控制方法、系统及空调器 |
| CN111520883A (zh) * | 2020-04-29 | 2020-08-11 | 宁波溪棠信息科技有限公司 | 一种基于目标房间负荷预测的空调控制方法及系统 |
| CN111637596A (zh) * | 2020-05-18 | 2020-09-08 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调、存储介质及处理器 |
| CN111814388A (zh) * | 2020-06-12 | 2020-10-23 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于神经网络的下送风数据中心cfd仿真校验方法 |
| CN111854063A (zh) * | 2020-07-06 | 2020-10-30 | 浙江大学 | 一种变频空调器控制方法 |
| CN112032914A (zh) * | 2020-08-24 | 2020-12-04 | 广东Tcl智能暖通设备有限公司 | 一种空调的控制方法和空调设备 |
| CN113049259A (zh) * | 2021-03-09 | 2021-06-29 | 中国地质大学（武汉） | 台架控制系统的模糊控制方法、存储介质及设备 |
| CN113701303A (zh) * | 2021-07-26 | 2021-11-26 | 宁波奥克斯电气股份有限公司 | 提高制热舒适性的控制方法、装置及空调器 |
| CN113780405A (zh) * | 2021-09-07 | 2021-12-10 | 科希曼电器有限公司 | 基于深度神经网络的空调机参数回归优化方法 |
| CN114517960A (zh) * | 2020-11-19 | 2022-05-20 | 珠海格力电器股份有限公司 | 空调控制方法、装置、电子设备和存储介质 |
| CN115638510A (zh) * | 2022-10-08 | 2023-01-24 | 广东骏太建筑安装有限公司 | 一种组合风柜节能型控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106996623A (zh) * | 2017-04-25 | 2017-08-01 | 北京清控洁能科技有限公司 | 能耗限额下的中央空调机房控制方法 |
| WO2018200225A1 (en) * | 2017-04-25 | 2018-11-01 | Johnson Controls Technology Company | Predictive building control system with neural network based constraint generation |
| CN108895618A (zh) * | 2018-09-30 | 2018-11-27 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
| CN109084415A (zh) * | 2018-07-26 | 2018-12-25 | 杭州哲达节能科技有限公司 | 基于神经网络和遗传算法的中央空调运行参数寻优方法 |
| CN109143870A (zh) * | 2018-10-23 | 2019-01-04 | 宁波溪棠信息科技有限公司 | 一种多目标任务的控制方法 |
-
2019
- 2019-01-28 CN CN201910079590.4A patent/CN109631238A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106996623A (zh) * | 2017-04-25 | 2017-08-01 | 北京清控洁能科技有限公司 | 能耗限额下的中央空调机房控制方法 |
| WO2018200225A1 (en) * | 2017-04-25 | 2018-11-01 | Johnson Controls Technology Company | Predictive building control system with neural network based constraint generation |
| CN109084415A (zh) * | 2018-07-26 | 2018-12-25 | 杭州哲达节能科技有限公司 | 基于神经网络和遗传算法的中央空调运行参数寻优方法 |
| CN108895618A (zh) * | 2018-09-30 | 2018-11-27 | 宁波溪棠信息科技有限公司 | 基于神经网络的空调控制方法 |
| CN109143870A (zh) * | 2018-10-23 | 2019-01-04 | 宁波溪棠信息科技有限公司 | 一种多目标任务的控制方法 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110056528B (zh) * | 2019-04-23 | 2020-07-10 | 爱法空调冷冻科技(无锡)有限公司 | 电子自适应能量匹配方法 |
| CN110056528A (zh) * | 2019-04-23 | 2019-07-26 | 爱法空调冷冻科技(无锡)有限公司 | 电子自适应能量匹配方法 |
| CN110044023A (zh) * | 2019-04-23 | 2019-07-23 | 爱法空调冷冻科技(无锡)有限公司 | 应用电子自适应能量匹配方法的空调 |
| CN110094837A (zh) * | 2019-04-30 | 2019-08-06 | 珠海格力电器股份有限公司 | 空调智能控制装置及方法 |
| 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 |
| CN110749053A (zh) * | 2019-10-29 | 2020-02-04 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置 |
| CN110749053B (zh) * | 2019-10-29 | 2020-11-10 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置 |
| CN110986249A (zh) * | 2019-11-07 | 2020-04-10 | 珠海格力电器股份有限公司 | 空调的自调节控制方法、系统及空调器 |
| CN111520883A (zh) * | 2020-04-29 | 2020-08-11 | 宁波溪棠信息科技有限公司 | 一种基于目标房间负荷预测的空调控制方法及系统 |
| CN111520883B (zh) * | 2020-04-29 | 2022-03-04 | 宁波溪棠信息科技有限公司 | 一种基于目标房间负荷预测的空调控制方法及系统 |
| CN111637596A (zh) * | 2020-05-18 | 2020-09-08 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调、存储介质及处理器 |
| CN111814388A (zh) * | 2020-06-12 | 2020-10-23 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于神经网络的下送风数据中心cfd仿真校验方法 |
| CN111814388B (zh) * | 2020-06-12 | 2023-06-06 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于神经网络的下送风数据中心cfd仿真校验方法 |
| CN111854063A (zh) * | 2020-07-06 | 2020-10-30 | 浙江大学 | 一种变频空调器控制方法 |
| CN112032914A (zh) * | 2020-08-24 | 2020-12-04 | 广东Tcl智能暖通设备有限公司 | 一种空调的控制方法和空调设备 |
| CN114517960A (zh) * | 2020-11-19 | 2022-05-20 | 珠海格力电器股份有限公司 | 空调控制方法、装置、电子设备和存储介质 |
| CN113049259B (zh) * | 2021-03-09 | 2021-12-14 | 中国地质大学（武汉） | 台架控制系统的模糊控制方法、存储介质及设备 |
| CN113049259A (zh) * | 2021-03-09 | 2021-06-29 | 中国地质大学（武汉） | 台架控制系统的模糊控制方法、存储介质及设备 |
| CN113701303A (zh) * | 2021-07-26 | 2021-11-26 | 宁波奥克斯电气股份有限公司 | 提高制热舒适性的控制方法、装置及空调器 |
| CN113780405A (zh) * | 2021-09-07 | 2021-12-10 | 科希曼电器有限公司 | 基于深度神经网络的空调机参数回归优化方法 |
| CN115638510A (zh) * | 2022-10-08 | 2023-01-24 | 广东骏太建筑安装有限公司 | 一种组合风柜节能型控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109631238A (zh) | 一种提高空调系统运行能效的控制系统和控制方法 | |
| CN108195053B (zh) | 空调防凝露控制的方法、装置及计算机存储介质 | |
| CN108375175B (zh) | 空调系统控制方法及装置 | |
| CN112254278B (zh) | 空调器及其送风控制方法、装置、计算机可读介质 | |
| US9182154B2 (en) | Adaptive control of vapor compression system | |
| CN113819596B (zh) | 一种空调控制方法及空调器 | |
| CN111637596A (zh) | 一种空调的控制方法、装置、空调、存储介质及处理器 | |
| CN108361954B (zh) | 空调防凝露控制的方法、装置及计算机存储介质 | |
| CN109143870B (zh) | 一种多目标任务的控制方法 | |
| CN108826585B (zh) | 一种空调的控制方法、装置、存储介质及空调 | |
| CN115095955B (zh) | 空调器和空调器除霜控制方法 | |
| CN114198881A (zh) | 空调控制方法、装置和空调 | |
| CN110940030A (zh) | 空调的运行控制方法、系统及空调器 | |
| CN112197489A (zh) | 蒸发器除霜方法、装置、冰箱、计算机设备和存储介质 | |
| CN108800480A (zh) | 一种空调压缩机运行频率的控制系统及方法 | |
| CN109323414A (zh) | 空调器及其控制方法和控制装置及电子设备 | |
| CN108278729B (zh) | 空调控制方法、装置及空调 | |
| CN107631424A (zh) | 自动调温空调器控制方法及空调器 | |
| CN111102691B (zh) | 模块组合空调系统 | |
| CN114183885B (zh) | 多联式空调机组及其控制方法 | |
| CN108375174B (zh) | 空调防凝露控制的方法、装置及计算机存储介质 | |
| CN108507126B (zh) | 一种中央空调冷冻水的模糊控制方法、装置及空调 | |
| CN108917115A (zh) | 空调控制方法及装置、存储介质、处理器 | |
| CN110425687B (zh) | 一种冷媒调节方法、冷媒调节控制器以及空调系统 | |
| CN116817422A (zh) | 多联机空调的控制方法、多联机空调以及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |