CN109682620A - 一种家用空调器制冷效率的评估方法 - Google Patents

一种家用空调器制冷效率的评估方法 Download PDF

Info

Publication number
CN109682620A
CN109682620A CN201811485354.4A CN201811485354A CN109682620A CN 109682620 A CN109682620 A CN 109682620A CN 201811485354 A CN201811485354 A CN 201811485354A CN 109682620 A CN109682620 A CN 109682620A
Authority
CN
China
Prior art keywords
air conditioner
machine
temperature change
change curve
running
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
Application number
CN201811485354.4A
Other languages
English (en)
Other versions
CN109682620B (zh
Inventor
郭思
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201811485354.4A priority Critical patent/CN109682620B/zh
Publication of CN109682620A publication Critical patent/CN109682620A/zh
Application granted granted Critical
Publication of CN109682620B publication Critical patent/CN109682620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供一种家用空调器制冷效率的评估方法，包括建立空调器新机的不同运行环境参数，以及对应的运行温度变化曲线的数据库；将空调器旧机的运行环境参数与建立的同型号空调器新机的运行环境参数进行匹配，获得匹配的同型号空调器新机的运行温度变化曲线簇；将与空调器旧机的运行环境参数相匹配的空调器新机的运行温度变化曲线簇聚类，得到聚类中心；计算空调器旧机的运行温度变化曲线与同型号空调器新机的运行温度变化曲线簇聚类中心之间的平均欧氏距离；根据平均欧氏距离的值的大小来评估空调器旧机的制冷效率。本发明优点：可很好地为家用空调器故障的早发现、早排除提供辅助判断，并减少大量人力和物力。

Description

一种家用空调器制冷效率的评估方法
技术领域
本发明涉及设备监测领域，特别涉及一种家用空调器制冷效率的评估方法。
背景技术
家用空调器因生产质量问题、安装工艺缺陷或多次移机等原因，在经过一段时间的运行后，可能就会引起制冷剂泄露，并使制冷效果逐渐下降。同时，长期使用的家用空调器，其内机和外机的旋转部件、空气滤网、热交换器等的表面都会吸附、粘连粉尘等脏物，热交换器的翘片也将逐步氧化，脏物及氧化层不断积累加厚，会导致空调器的旋转部件阻力增大、热交换器的热交换效率降低；压缩机的工作负荷也将增大，并造成电能浪费。而在发现空调器制冷效果无法满足正常使用之前，一般用户对判断家用空调器制冷效率是否偏低都存在一定的困难，通常都是在每年夏天请专业人员上门诊断，又因为当前家用空调器量大面广，因此，实现起来特别困难。
发明内容
本发明要解决的技术问题，在于提供一种家用空调器制冷效率的评估方法，通过该方法可有效解决现有技术中存在的一般用户难以判断家用空调器制冷效率是否偏低，需要请专业人员上门诊断的问题。
本发明是这样实现的：一种家用空调器制冷效率的评估方法，所述方法包括如下步骤：
步骤S1、建立空调器新机的不同运行环境参数，以及对应的运行温度变化曲线的数据库；
步骤S2、将空调器旧机的运行环境参数与建立的同型号空调器新机的运行环境参数进行匹配，获得匹配的同型号空调器新机的运行温度变化曲线簇；
步骤S3、将与空调器旧机的运行环境参数相匹配的空调器新机的运行温度变化曲线簇聚类，得到聚类中心；
步骤S4、计算空调器旧机的运行温度变化曲线与同型号空调器新机的运行温度变化曲线簇聚类中心之间的平均欧氏距离；
步骤S5、根据平均欧氏距离的值的大小来评估空调器旧机的制冷效率。
进一步地，所述步骤S1具体包括：
步骤S11、由空调器厂家根据生产的各型号的空调器新机，在云端建立空调器新机的不同运行环境参数以及对应的运行温度变化曲线的数据库。
进一步地，所述步骤S1还包括：
步骤S12、用户利用各种无线传感器以及智能终端的APP来监测空调器新机的运行环境参数以及对应的运行温度变化曲线，并将监测到的空调器新机的运行环境参数以及对应的运行温度变化曲线上传到云端，以用于进一步丰富数据库的内容。
进一步地，所述运行环境参数包括空调器运行房间室内的运行环境参数和室外的运行环境参数，所述室内的运行环境参数至少包括房间面积、初始温度以及初始湿度；所述室外的运行环境参数至少包括时段、天气、温度以及湿度。
进一步地，所述步骤S2具体为：
用户利用各种无线传感器以及智能终端的APP来监测空调器旧机的运行环境参数以及对应的运行温度变化曲线；
先将监测到的空调器旧机的室外的运行环境参数与数据库中建立的同型号空调器新机的室外的运行环境参数进行匹配，再将监测到的空调器旧机的室内的运行环境参数与数据库中建立的同型号空调器新机的室内的运行环境参数进行匹配，并从数据库中查找出所有运行环境参数相匹配的运行温度变化曲线，形成匹配的同型号空调器新机的运行温度变化曲线簇。
进一步地，所述步骤S3具体为：采用聚类算法，将与空调器旧机的运行环境参数相匹配的同型号空调器新机的运行温度变化曲线簇聚为2类，并得到2个聚类中心。
进一步地，所述步骤S4具体为：
分别计算出空调器旧机的运行温度变化曲线Ta与匹配的同型号空调器新机的运行温度变化曲线簇的2个聚类中心Tb1和Tb2之间的欧氏距离d1和d2，欧氏距离di的表达式为：
其中，i＝1，2；M为空调器运行温度变化曲线的测量点数；
对计算出的两个欧氏距离求平均值，得到空调器旧机的平均欧氏距离dold。
进一步地，所述步骤S5具体为：
设定一阈值，判断计算出的平均欧氏距离是否小于设定的阈值，且如果是，则判定空调器旧机的制冷效率处于正常范围值内；如果否，则判定空调器旧机的制冷效率不处于正常范围值内。
进一步地，所述设定一阈值具体为：
对匹配的同型号空调器新机的运行温度变化曲线簇中的各条曲线，分别计算曲线上各点的纵坐标的累加和，并获得累加和最大的曲线；
计算累加和最大的曲线与匹配的同型号空调器新机的运行温度变化曲线簇的2个聚类中心之间的欧氏距离的平均值dnew，将阈值设定为dnew的k倍。
进一步地，所述k的取值为1.5～2。
本发明具有如下优点：
1、通过本发明方法来自动评估空调器旧机的制冷效率，而不需要专业人员利用专业设备进行检测、分析及计算，也不需要额外的接线，因此，除了可减少大量人力和物力，还可很好地为家用空调器故障的早发现、早排除提供辅助判断。
2、本发明采用运行温度变化曲线之间的欧氏距离来评估家用空调器的制冷效率，与传统的利用运行温度曲线的稳态特征值或者转折特征值的变化评估空调器效率的方法相比，不仅不容易受到环境因素的影响，而具备更强的抗扰能力。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明一种家用空调器制冷效率的评估方法的执行流程图。
图2为本发明中空调器新机运行温度变化曲线簇及其聚类中心的示意图。
图3为本发明中空调器旧机运行温度变化曲线及与其匹配的同型号空调器新机运行温度变化曲线簇的聚类中心的示意图。
具体实施方式
请参阅图1至图3所示，本发明一种家用空调器制冷效率的评估方法的较佳实施例，所述方法包括如下步骤：
步骤S1、建立空调器新机的不同运行环境参数，以及对应的运行温度变化曲线的数据库；
步骤S2、将空调器旧机的运行环境参数与建立的同型号空调器新机的运行环境参数进行匹配，获得匹配的同型号空调器新机的运行温度变化曲线簇；
步骤S3、将与空调器旧机的运行环境参数相匹配的空调器新机的运行温度变化曲线簇聚类，得到聚类中心；
步骤S4、计算空调器旧机的运行温度变化曲线与同型号空调器新机的运行温度变化曲线簇聚类中心之间的平均欧氏距离；
步骤S5、根据平均欧氏距离的值的大小来评估空调器旧机的制冷效率。
本发明采用先建立空调器新机的不同运行环境参数以及对应的运行温度变化曲线的数据库，然后再将用户监测到的空调器旧机的运行环境参数与建立的同型号空调器新机的运行环境参数进行匹配，获得匹配的同型号空调器新机的运行温度变化曲线簇，并计算出空调器旧机的运行温度变化曲线与同型号空调器新机的运行温度变化曲线簇聚类中心之间的平均欧氏距离；最后根据平均欧氏距离的值来评估空调器旧机的制冷效率是否处在正常范围值内，进而可确定是否需要添加制冷剂或者清洗空调器外机，以提高空调器的运行效率，达到节约电能的目的。
在本发明具体实施例中，所述步骤S1具体包括：
步骤S11、由空调器厂家根据生产的各型号的空调器新机，在云端建立空调器新机的不同运行环境参数以及对应的运行温度变化曲线的数据库。也就是说，在具体实施时，可以由空调器厂家来根据生产的各种型号的空调器新机建立不同运行环境参数以及对应的运行温度变化曲线的数据库。
同时，由于空调器厂家会将生产的空调器新机销售到各个地区，而不同地区的温湿度等参数的差别较大，为了进一步丰富数据库的内容，并实现对空调器实际制冷效果更准确的评估，所述步骤S1还包括：
步骤S12、用户利用各种无线传感器以及智能终端的APP来监测空调器新机的运行环境参数以及对应的运行温度变化曲线，并将监测到的空调器新机的运行环境参数以及对应的运行温度变化曲线上传到云端，以用于建立数据库。也就是说，还可以由用户来对空调器新机的运行环境参数以及对应的运行温度变化曲线进行监测，并将监测到的运行环境参数以及对应的运行温度变化曲线上传，以此来丰富空调器新机的不同运行环境参数以及对应的运行温度变化曲线的数据库。例如，通过遥控器设定制冷温度为16摄氏度，在空调器运行的30分钟内，每隔30秒监测一次室内温度值，并形成运行温度变化曲线，之后连同空调器型号、房间面积、所处时段及天气情况等数据，通过手机APP发送并存入到数据库中。
在具体实施时，各种无线传感器可以是用于采集温度的无线温度传感器、用于采集湿度的无线湿度传感器等等；智能终端的APP主要用于获取所处时段、天气等数据，例如，现有的各种智能手机的APP都可以获取到用户所处的地理位置的天气情况等信息。
所述运行环境参数包括空调器运行房间室内的运行环境参数和室外的运行环境参数，所述室内的运行环境参数至少包括房间面积、初始温度以及初始湿度；所述室外的运行环境参数至少包括时段、天气、温度以及湿度。当然，本发明并不仅限于此，在具体实施时，还可以根据实际需要来采集其它的室内外运行环境参数。
在本发明具体实施例中，所述步骤S2具体为：
用户利用各种无线传感器以及智能终端的APP来监测空调器旧机的初始运行环境参数以及对应的运行温度变化曲线；例如，在具体实施时，用户可以设定每隔30秒对空调器旧机进行一次温度监测，同时，半小时后进行数据匹配。
先将监测到的空调器旧机的室外的运行环境参数与数据库中建立的同型号空调器新机的室外的运行环境参数进行匹配，再将监测到的空调器旧机的室内的运行环境参数与数据库中建立的同型号空调器新机的室内的运行环境参数进行匹配，并从数据库中查找出所有运行环境参数相匹配的运行温度变化曲线，形成匹配的同型号空调器新机的运行温度变化曲线簇，如图2所示，该图2中除曲线C1和曲线C2之外的其它曲线就是匹配的同型号空调器新机的运行温度变化曲线簇。
在本发明具体实施例中，所述步骤S3具体为：采用聚类算法，将与空调器旧机的运行环境参数相匹配的同型号空调器新机的运行温度变化曲线簇聚为2类，并得到2个聚类中心。如图2所示，空调器旧机开始制冷前运行环境参数为：室外温度33.2℃、湿度52.3％，室内温度35.4℃、湿度49.5％；曲线C1、曲线C2为采用模糊C均值聚类求得的同型号空调器新机的运行温度变化曲线簇的2个聚类中心。
在本发明具体实施例中，所述步骤S4具体为：
分别计算出空调器旧机的运行温度变化曲线Ta与匹配的同型号空调器新机的运行温度变化曲线簇的2个聚类中心Tb1和Tb2之间的欧氏距离d1和d2，欧氏距离di的表达式为：
其中，i＝1，2；M为空调器运行温度变化曲线的测量点数；︱di︱≤1，且di越大，说明空调器的2条运行温度变化曲线越靠近，空调器旧机的制冷效率越接近同型号空调器新机的制冷效率；若di＝1，说明空调器的这2条运行温度变化曲线一致。
对计算出的两个欧氏距离求平均值，得到空调器旧机的平均欧氏距离dold。
如图3中的曲线O1和曲线O2分别为运行环境参数相近，运行效率偏低及正常的2台同型号空调器旧机的运行温度变化曲线，曲线C1和曲线C2为相匹配的同型号空调器新机的运行温度变化曲线簇的聚类中心；利用欧氏距离的表达式，算得曲线O1与曲线C1和曲线C2之间的欧氏距离分别为31.94和39.38，则平均欧氏距离为35.66；曲线O2与曲线C1和曲线C2之间的欧氏距离分别为10.42和17.99，则平均欧氏距离为14.21。
所述步骤S5具体为：
设定一阈值，判断计算出的平均欧氏距离是否小于设定的阈值，且如果是，则判定空调器旧机的制冷效率处于正常范围值内，也就是说，空调器旧机的制冷效率比较接近同型号空调器新机的制冷效率，可以不用添加制冷剂或者清洗空调器外机；如果否，则判定空调器旧机的制冷效率不处于正常范围值内，也就是说，空调器旧机的制冷效率与同型号空调器新机的制冷效率相比偏低了，需要添加制冷剂或者清洗空调器外机。
所述设定一阈值具体为：
对匹配的同型号空调器新机的运行温度变化曲线簇中的各条曲线，分别计算曲线上各点的纵坐标的累加和，并获得累加和最大的曲线；
计算累加和最大的曲线与匹配的同型号空调器新机的运行温度变化曲线簇的2个聚类中心之间的欧氏距离的平均值dnew，将阈值设定为dnew的k倍。在该步骤S5中，欧氏距离的平均值dnew的计算方式与步骤S4中平均欧氏距离dold的计算方式一样，这里就不再重复叙述了。
为了能够满足多种不同型号的空调器的评估需求，并确保能够获得更准确的数据，在本发明具体实施例中，所述k的取值为1.5～2。
如图3所示，曲线N1为同型号空调器新机运行温度变化曲线簇中纵坐标累加和最大的曲线，曲线C1、曲线C2为同型号空调器新机的运行温度变化曲线簇的2个聚类中心，算得dnew的值为9.54，k取1.8，阈值s为17.17；则曲线O1和曲线O2对应的空调器旧机的制冷效率分别为偏低和正常。
综上所述，本发明的有益效果在于：
1、通过本发明方法来自动评估空调器旧机的制冷效率，而不需要专业人员利用专业设备进行检测、分析及计算，也不需要额外的接线，因此，除了可减少大量人力和物力，还可很好地为家用空调器故障的早发现、早排除提供辅助判断。
2、本发明采用运行温度变化曲线之间的欧氏距离来评估家用空调器的制冷效率，与传统的利用运行温度曲线的稳态特征值或者转折特征值的变化评估空调器效率的方法相比，不仅不容易受到环境因素的影响，而具备更强的抗扰能力。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (10)

1.一种家用空调器制冷效率的评估方法，其特征在于：所述方法包括如下步骤：
步骤S1、建立空调器新机的不同运行环境参数，以及对应的运行温度变化曲线的数据库；
步骤S2、将空调器旧机的运行环境参数与建立的同型号空调器新机的运行环境参数进行匹配，获得匹配的同型号空调器新机的运行温度变化曲线簇；
步骤S3、将与空调器旧机的运行环境参数相匹配的空调器新机的运行温度变化曲线簇聚类，得到聚类中心；
步骤S4、计算空调器旧机的运行温度变化曲线与同型号空调器新机的运行温度变化曲线簇聚类中心之间的平均欧氏距离；
步骤S5、根据平均欧氏距离的值的大小来评估空调器旧机的制冷效率。
2.根据权利要求1所述的一种家用空调器制冷效率的评估方法，其特征在于：所述步骤S1具体包括：
步骤S11、由空调器厂家根据生产的各型号的空调器新机，在云端建立空调器新机的不同运行环境参数以及对应的运行温度变化曲线的数据库。
3.根据权利要求2所述的一种家用空调器制冷效率的评估方法，其特征在于：所述步骤S1还包括：
步骤S12、用户利用各种无线传感器以及智能终端的APP来监测空调器新机的运行环境参数以及对应的运行温度变化曲线，并将监测到的空调器新机的运行环境参数以及对应的运行温度变化曲线上传到云端，以用于进一步丰富数据库的内容。
4.根据权利要求1所述的一种家用空调器制冷效率的评估方法，其特征在于：所述运行环境参数包括空调器运行房间室内的运行环境参数和室外的运行环境参数，所述室内的运行环境参数至少包括房间面积、初始温度以及初始湿度；所述室外的运行环境参数至少包括时段、天气、温度以及湿度。
5.根据权利要求1所述的一种家用空调器制冷效率的评估方法，其特征在于：所述步骤S2具体为：
用户利用各种无线传感器以及智能终端的APP来监测空调器旧机的运行环境参数以及对应的运行温度变化曲线；
先将监测到的空调器旧机的室外的运行环境参数与数据库中建立的同型号空调器新机的室外的运行环境参数进行匹配，再将监测到的空调器旧机的室内的运行环境参数与数据库中建立的同型号空调器新机的室内的运行环境参数进行匹配，并从数据库中查找出所有运行环境参数相匹配的运行温度变化曲线，形成匹配的同型号空调器新机的运行温度变化曲线簇。
6.根据权利要求1所述的一种家用空调器制冷效率的评估方法，其特征在于：所述步骤S3具体为：采用聚类算法，将与空调器旧机的运行环境参数相匹配的同型号空调器新机的运行温度变化曲线簇聚为2类，并得到2个聚类中心。
7.根据权利要求6所述的一种家用空调器制冷效率的评估方法，其特征在于：所述步骤S4具体为：
分别计算出空调器旧机的运行温度变化曲线Ta与匹配的同型号空调器新机的运行温度变化曲线簇的2个聚类中心Tb1和Tb2之间的欧氏距离d1和d2，欧氏距离di的表达式为：
其中，i＝1，2；M为空调器运行温度变化曲线的测量点数；
对计算出的两个欧氏距离求平均值，得到空调器旧机的平均欧氏距离dold。
8.根据权利要求1所述的一种家用空调器制冷效率的评估方法，其特征在于：所述步骤S5具体为：
设定一阈值，判断计算出的平均欧氏距离是否小于设定的阈值，且如果是，则判定空调器旧机的制冷效率处于正常范围值内；如果否，则判定空调器旧机的制冷效率不处于正常范围值内。
9.根据权利要求8所述的一种家用空调器制冷效率的评估方法，其特征在于：所述设定一阈值具体为：
对匹配的同型号空调器新机的运行温度变化曲线簇中的各条曲线，分别计算曲线上各点的纵坐标的累加和，并获得累加和最大的曲线；
计算累加和最大的曲线与匹配的同型号空调器新机的运行温度变化曲线簇的2个聚类中心之间的欧氏距离的平均值dnew，将阈值设定为dnew的k倍。
10.根据权利要求9所述的一种家用空调器制冷效率的评估方法，其特征在于：所述k的取值为1.5～2。
CN201811485354.4A 2018-12-06 2018-12-06 一种家用空调器制冷效率的评估方法 Active CN109682620B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811485354.4A CN109682620B (zh) 2018-12-06 2018-12-06 一种家用空调器制冷效率的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811485354.4A CN109682620B (zh) 2018-12-06 2018-12-06 一种家用空调器制冷效率的评估方法

Publications (2)

Publication Number Publication Date
CN109682620A true CN109682620A (zh) 2019-04-26
CN109682620B CN109682620B (zh) 2020-10-27

Family

ID=66187032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811485354.4A Active CN109682620B (zh) 2018-12-06 2018-12-06 一种家用空调器制冷效率的评估方法

Country Status (1)

Country Link
CN (1) CN109682620B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057041A (zh) * 2019-04-30 2019-07-26 广东美的制冷设备有限公司 空调器及其清洗提示方法、终端和计算机可读存储介质
CN111141418A (zh) * 2019-12-30 2020-05-12 深圳数联天下智能科技有限公司 睡眠温度曲线的确定方法、装置及计算设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101988867A (zh) * 2009-08-06 2011-03-23 中华电信股份有限公司 性能检测方法
CN103499460A (zh) * 2013-09-29 2014-01-08 宜春市脉恩多能科技有限公司 一种空调器故障诊断方法
CN104123678A (zh) * 2014-07-12 2014-10-29 东北电力大学 一种基于状态等级评估模型的电力继电保护状态检修方法
CN107120794A (zh) * 2017-05-12 2017-09-01 青岛海尔空调器有限总公司 空调器运行工况调节方法及空调器
CN108655028A (zh) * 2018-03-20 2018-10-16 中国电力科学研究院有限公司 一种基于模糊均值聚类算法对电池进行分类的方法及系统
CN108764319A (zh) * 2018-05-21 2018-11-06 北京京东尚科信息技术有限公司 一种样本分类方法和装置
CN108828375A (zh) * 2018-08-17 2018-11-16 国网江苏省电力有限公司电力科学研究院 基于双回路智能电能表的空调用电监控系统及监控方法
CN108828438A (zh) * 2018-04-18 2018-11-16 国网江西省电力有限公司电力科学研究院 断路器状态评价方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101988867A (zh) * 2009-08-06 2011-03-23 中华电信股份有限公司 性能检测方法
CN103499460A (zh) * 2013-09-29 2014-01-08 宜春市脉恩多能科技有限公司 一种空调器故障诊断方法
CN104123678A (zh) * 2014-07-12 2014-10-29 东北电力大学 一种基于状态等级评估模型的电力继电保护状态检修方法
CN107120794A (zh) * 2017-05-12 2017-09-01 青岛海尔空调器有限总公司 空调器运行工况调节方法及空调器
CN108655028A (zh) * 2018-03-20 2018-10-16 中国电力科学研究院有限公司 一种基于模糊均值聚类算法对电池进行分类的方法及系统
CN108828438A (zh) * 2018-04-18 2018-11-16 国网江西省电力有限公司电力科学研究院 断路器状态评价方法
CN108764319A (zh) * 2018-05-21 2018-11-06 北京京东尚科信息技术有限公司 一种样本分类方法和装置
CN108828375A (zh) * 2018-08-17 2018-11-16 国网江苏省电力有限公司电力科学研究院 基于双回路智能电能表的空调用电监控系统及监控方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057041A (zh) * 2019-04-30 2019-07-26 广东美的制冷设备有限公司 空调器及其清洗提示方法、终端和计算机可读存储介质
CN110057041B (zh) * 2019-04-30 2021-12-03 广东美的制冷设备有限公司 空调器及其清洗提示方法、终端和计算机可读存储介质
CN111141418A (zh) * 2019-12-30 2020-05-12 深圳数联天下智能科技有限公司 睡眠温度曲线的确定方法、装置及计算设备
CN111141418B (zh) * 2019-12-30 2021-07-16 深圳数联天下智能科技有限公司 睡眠温度曲线的确定方法、装置及计算设备

Also Published As

Publication number Publication date
CN109682620B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN109869867B (zh) 一种电器的控制方法、装置、存储介质及电器
CN106524429B (zh) 空调器运行参数分析方法、分享方法和空调系统及客户端
CN108561962A (zh) 空调器及其凝露判断方法和计算机可读存储介质
CN106500267B (zh) 空调器的化霜控制方法及其控制装置
CN108870652B (zh) 空调制冷控制方法、装置及空调器
CN105890109A (zh) 一种房间空调器在线长效性能检测及优化运行方法
CN104634597B (zh) 一种制冷设备故障检测分析方法及系统
CN109751727A (zh) 一种空调控制方法、装置及空调器
CN110762747B (zh) 空调的除霜控制方法
CN105910236A (zh) 控制空调的方法及装置
US20110023503A1 (en) Performance detection method
CN114135984B (zh) 空调的仿真控制系统
CN109682620A (zh) 一种家用空调器制冷效率的评估方法
CN107726573A (zh) 一种中央空调控制系统
CN111306706B (zh) 一种空调联动控制方法及系统
WO2018188522A1 (zh) 一种空调器制热运行控制方法
CN108562013B (zh) 一种防凝露的空调控制方法及装置
CN111649449B (zh) 基于用户侧泛在电力物联网的空调故障感知方法
CN110953687B (zh) 一种空调的健康度评价方法、系统及存储介质
CN108444056A (zh) 中央空调监控系统及其监控方法
CN110823291A (zh) 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统
CN109751707A (zh) 空调能力推定装置、空调能力推定方法及记录有程序的计算机能够读取的存储介质
CN109974219A (zh) 一种空调自动清洗的控制方法及装置
CN108917089B (zh) 一种防凝露的空调控制方法及装置
CN108954658B (zh) 一种防凝露的空调控制方法及装置

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