CN110520679A

CN110520679A - 暖通空调机组控制器

Info

Publication number: CN110520679A
Application number: CN201680090088.8A
Authority: CN
Inventors: 伍薇; 李家俊
Original assignee: LIRICCO TECHNOLOGIES Ltd
Current assignee: LIRICCO TECHNOLOGIES Ltd
Priority date: 2016-08-15
Filing date: 2016-08-15
Publication date: 2019-11-29
Also published as: WO2018032241A1; EP3497378A4; EP3497378A1; US20200166230A1

Abstract

一种用于HVAC机组(2)的控制器(1)，所述HVAC机组用于通过围护结构(5)从室外空间(4)隔开的室内空间(3)。所述控制器(1)包括用于测量被输送到所述HVAC机组(2)的输入功率的功率测量装置(6)。所述输入功率对应于由所述HVAC机组(2)提供的标称热传递。估算模块(7)计算所述HVAC机组(2)和所述室内空间(3)之间的目标热传递。所述目标热传递基于热传递负载被计算，所述热传递负载包括根据所述室内空间(3)的室内环境温度、所述室外空间(4)的室外环境温度、以及所述围护结构(5)的热模型(8)计算的所述室内空间(3)和所述室外空间(4)之间的外部热传递。控制单元(9)基于所述输入功率和所述目标热传递中的一个或两个来监测或控制所述HVAC机组(2)。

Description

暖通空调机组控制器

技术领域

本发明涉及用于暖通空调(HVAC)机组(例如空调和热泵)的控制器和监测器。

背景技术

HVAC(加热，通风或空调)装置的现有控制器允许用户手动调节HVAC机组上的设置。例如，就空调而言，用户通常通过红外遥控器调节温度设定和/或风扇转速设定。

更复杂的现有控制器可根据编程的时间表或房间传感器(如温度或湿度传感器)的反馈自动调节HVAC机组的设置。例如，当空调器用于冷却一个房间时，如果房间温度升高到选定的一设定点，现有控制器将增加风扇转速，直到温度传感器检测到房间温度已回落到低于所述设定点。然后所述现有的控制器将降低风扇转速。所述现有的控制器以这种方式通过增加和减小风扇转速来循环，以调节室温，使其保持在设定点附近。

然而，这种控制器在控制HVAC机组时仅考虑环境变量，例如室温和湿度。

用于监测空调系统的操作效率的现有监测器通常是这样的系统：需要流量计以当冷却介质通过空调系统的蒸发器时测量冷却介质(例如水和制冷剂)的流率，以及冷却介质的入口和出口温度。这些变量用于计算空调系统的制冷能力。然后可以从消耗的功率和相应的制冷能力确定操作效率。操作效率随时间的比较可以用作系统状况的指示，以及是否需要执行任何维护。

这种监测器的主要缺点是整个系统需要专业的传感器和仪表。这种传感器和仪表是昂贵的因此对于家用HVAC机组是不可行的。

本发明的一个目的是克服或改善现有技术的至少一个缺点，或提供有用的替代方案。

发明内容

在一个方面，本发明提供了一种用于HVAC机组的控制器，所述HVAC机组用于通过围护结构从室外空间隔开的室内空间，所述控制器包括：

一功率测量装置，用于测量被输送到所述HVAC机组的输入功率，所述输入功率对应于由所述HVAC机组提供的标称热传递；

一估算模块，用于计算所述HVAC机组和所述室内空间之间的目标热传递，所述目标热传递基于热传递负载被计算，所述热传递负载包括根据所述室内空间的室内环境温度、所述室外空间的室外环境温度，以及所述围护结构的一热模型计算的所述室内空间和所述室外空间之间的外部热传递；以及

一控制单元，用于基于所述输入功率和所述目标热传递中的一个或两个来监测或控制所述HVAC机组。

在一个实施例中，所述估算模块计算所述目标热传递以基本上匹配所述热传递负载，从而维持所述室内环境温度，所述控制单元以一输入功率操作所述HVAC机组，所述输入功率对应于与所述目标热传递基本匹配的一标称热传递。

在一个实施例中，所述估算模块计算所述目标热传递作为所期望的热传递负载，使得所述室内环境温度在所述期望的调节时间内达到所述室内空间的期望的室内温度，所述控制单元以一输入功率曲线操作HVAC机组，所述功率曲线对应于在所述期望的调节时间内的一标称热传递曲线，以便提供所述目标热传递。

在一个实施例中，所述控制单元在所述期望的调节时间内的一适当时间开始接通并且以最大输入功率操作所述HVAC机组。在另一个实施例中，所述控制单元在所述期望的调节时间内的一适当时间开始接通并且以最小输入功率操作所述HVAC机组。在另一个实施例中，所述控制单元改变所述HVAC机组的一个或多个设置，以在所述期望的调节时间内提供所述输入功率曲线。

在一个实施例中，所述一个或多个设置包括以下中的一个或多个：功率设置；温度设置；以及风扇转速设置。

在一个实施例中，所述控制单元还包括一红外发射器，所述HVAC机组具有一红外接收器，用于接收来自一遥控器的多个红外信号，以调节所述HVAC机组上的一个或多个设置，所述控制单元通过从所述红外发射器向所述红外接收器发射多个红外信号来调节所述HVAC机组上的一个或多个设置。

在一个实施例中，所述输入功率曲线对应于基于所述输入功率和所述目标热传递计算的所期望的调节时间内的一最大效率测度。

在一个实施例中，所述输入功率曲线对应于在所述期望的调节时间内的一最小功率成本，所述最小功率成本基于所述输入功率和在所期望的调节时间内适用的一个或多个功率成本率来计算。

在一个实施例中，所述期望的室内温度是所期望的室内温度范围内的任意温度。

在一个实施例中，所述期望的调节时间是用户用于到达所述室内空间的估算的到达时间，所述估算的到达时间基于所述用户的当前位置，所述用户的当前速度以及所述当前位置和所述室内空间之间的当前距离。

在一个实施例中，所述期望的调节时间是用户用于到达所述室内空间的估算的到达时间，所述估算的时间从对应于每个相应预定位置的一个或多个估算的到达时间的数据库中选择，所述估算的到达时间基于最接近于所述用户的当前位置的所述预定位置而选择。

在一个实施例中，所述期望的调节时间是用户到达所述室内空间的估算的到达时间，所述估算的到达时间从对应于相应的围栏的一个或多个估算的到达时间的数据库中选择，所述估算的到达时间基于所述用户到达所述地理围栏的当前位置被选择。

在一个实施例中，用户设备中的GPS单元用于确定以下中的一个或多个：所述当前位置，所述当前速度和所述当前距离。

在一个实施例中，所述估算的到达时间随着所述用户的行进而被更新。

在一个实施例中，所述外部热传递根据所述室外空间的一室外环境温度以及对所述室外环境温度的预测的变化来计算。在一个实施例中，所述计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一个或两个。在一个实施例中，所述计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一个或两个中的预测的变化。

在一个实施例中，将用于计算所述热传递负荷的多个变量的变化考虑在内，所述热传递负荷在所述期望的调节时间的期间被更新。

在一个实施例中，一个或多个输入功率可被输送到所述HVAC机组，每个输入功率对应于由所述HVAC机组提供的相应的一标称热传递。在一个实施例中，一个或多个相应的标称热传递是根据制造商的数据被预先确定的。在一个实施例中，一个或多个所述相应的标称热传递是使用一数学模型由制造商的数据计算。在一个实施例中，一个或多个所述相应的标称热传递是由来自所述HVAC机组的一个或多个输出计算。

在一个实施例中，所述估算模块计算所述目标热传递作为在一监测时间内提供的所述热传递负载，从而定义一实际热传递，并且所述控制单元在所述监测时间内监测所述标称传递和所述实际热传递之间的一差值，所述标称热传递对应于在所述检测时间内的所述输入功率。

在一个实施例中，所述外部热传递根据在所述监测时间内的所述室外空间的室外环境温度以及所述室外环境温度的实际变化来计算。在一个实施例中，所述计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一个或两个。在一个实施例中，所述计算的外部热传递还考虑了在所述监测时间内的直接太阳辐射和散射太阳辐射中的一个或两个的实际变化。

在一个实施例中，其中，当所述差值达到一预定阈值时，所述控制单元向一用户设备发送警报。

在一个实施例中，所述控制单元更新对应于一相应输入功率的标称热传递，以匹配所述实际热传递。

在一个实施例中，所述热传递负载还包括所述室内空间与所述室内空间内的多个物体之间的内部热传递。在一个实施例中，所述物体包括以下一个或多个：人；以及电器。

在一个实施例中，所述热模型基于进化算法或遗传算法。

除非在上下文中另有明确说明或另有明确规定，否则在本发明说明书(包括权利要求)中，词语“包括”，“包含”等均为包容性词义，即意为“包括但不限于”，并且不具有排他或者详尽的含义。

附图说明

现在将仅通过示例结合附图的方式来描述根据本发明的最佳模式的优选实施例，其中除非另有说明，否则相同的附图标记在所有附图中指代相同的部分，并且其中：

图1

[图1]是根据本发明一个优选实施例的控制器的示意图；

图2

[图2]是根据本发明另一个优选实施例的控制器的示意图；

图3

[图3]是根据本发明一个优选实施例的热模型的示意图；

图4

[图4]是根据本发明的另一个优选实施例的热模型的示意图；

图5

[图5]是示出了根据本发明的一个优选实施例的估算模块用于确定热模型的变量的算法的流程图；

图6

[图6]是示出了根据本发明的一个优选实施例的控制器使用的算法的流程图；

图7

[图7]是示出了根据本发明另一个优选实施例的控制器使用的算法的流程图；

图8

[图8]是示出了根据本发明一个优选实施例的热模型的实际验证结果的图表；

图9

[图9]是示出了根据本发明的另一个优选实施例的热模型的实际验证结果的图表；

图10

[图10]是示出了根据本发明的另一个优选实施例的热模型的实际验证结果的图表。

具体实施方式

参考附图，提供了用于HVAC机组2的控制器1，所述HVAC机组2用于通过围护结构5与室外空间4隔开的室内空间3。所述控制器1包括用于测量传输到所述HVAC机组2的输入功率的功率测量装置6。所述输入功率对应于由所述HVAC机组2提供的一标称热传递。一估算模块7计算所述HVAC机组2和所述室内空间3之间的一目标热传递。所述目标热传递基于热传递负荷计算，所述热传递负荷包括根据室内空间3的室内环境温度，室外空间4的室外环境温度，和所述围护结构5的热模型8计算的在室内空间3和室外空间4之间进行的一外部热传递。控制单元9基于所述输入功率和所述目标热传递中的一个或二者来监测或控制HVAC机组2。

有利地，本发明的基于模型的方法仅需要最少的室内环境温度和室外环境温度。这些可以使用温度传感器10或者从诸如因特网，云服务器11或由气象局编译的数据库12或直接来自气象站13的数据等来源获得的气象数据容易地确定。为访问因特网上或在远程数据库上的数据，控制器1可以通过互联网网关14连接到互联网。下面将进一步描述热模型8的创建和规定。所述HVAC机组可以是向一空间提供加热，通风或空调中的一个或多个的装置，或者改变空间(例如所述室内空间3)的环境条件的任何其他装置，包括但不限于环境条件，如热舒适度和空气质量。

在一个实施例中，所述估算模块7计算所述目标热传递以基本匹配热传递负载，从而维持室内环境温度。所述控制单元9以对应于与所述目标热传递基本匹配的一标称热传递的输入功率来操作HVAC机组2。

在另一实施例中，所述估算模块7计算所述目标热传递以作为所期望的热传递负载，使得所述室内环境温度在期望的调节时间内使室内空间3达到期望室内温度。所述控制单元9在期望调节时间内以对应于一标称热传递曲线的一输入功率曲线来操作所述HVAC机组2，以提供所述目标热传递。

例如，控制单元9可以在期望的调节时间内的适当时间开始接通和以最大输入功率来操作HVAC机组2。在一种方案中，如果所述调节时间相对较长，那么所述控制单元9在所期望的调节时间将要结束时开始接通并以最大输入功率操作HVAC机组2，以便在所期望的调节时间结束时达到所期望的室内温度。

作为另一示例，所述控制单元9可以在所述期望的调节时间内的适当时间开始接通和以最小输入功率来操作HVAC机组2。这在例如不期望高风扇转速的情况下是有用的。可以理解的是，与以一最大输入功率操作所述HVAC机组2相比，以最小输入功率操作HVAC机组意味着操作通常在所期望的调节时间中较早开始。

所述外部热传递根据所述室外空间的室外环境温度和对室外环境温度的预测的变化来计算。所述计算出的外部热传递也考虑了直接太阳辐射和散射太阳辐射中的一个或两个。此外，所述计算的外部热传递考虑了直接太阳辐射和散射太阳辐射中的一个或两个的预测变化。

将用于计算热传递负荷的变量的变化考虑在内，所述热传递负荷在期望的调节时间的期间被更新。例如，可以考虑过去、现在和预测的未来的室外环境温度的变化。

所述控制单元9改变所述HVAC机组2的一个或多个设置以提供输入功率随所期望的调节时间的曲线。所述一个或多个设置可以包括以下中的一个或多个：电源设置；温度设置；风扇转速设置；或任何其他可调节的设置。HVAC机组通常具有一红外接收器，用于接收来自一遥控器的红外信号，以调节所述HVAC机组上的一个或多个设置。在所述HVAC机组2此类型的情况下，所述控制单元9还可以包括一红外线发射器，通过从红外发射器向红外接收器发射红外信号，调节所述HVAC机组2上的一个或多个设置。该特征允许控制器1容易地被改装到现有的HVAC机组2。特别地，不需要对现有HVAC机组的电路进行改变。唯一的要求是设置所述红外发射器使得所发射的红外信号可以由所述红外线接收器接收。

输入功率曲线可以对应于基于所述输入功率和所述目标热传递计算的在期望调节时间的一最大效率测度。特别地，所述输入功率对应于由所述HVAC机组2提供的一标称热传递。所述输入功率与相应的标称热传递之间的比率定义了所述HVAC机组2的效率测度。输入功率随期望调节时间的曲线可基于所述目标热传递被所述控制单元9选择，因此随期望的调节时间的输入功率曲线和相应标称热传递表示在期望的调节时间内的最大效率测度。

示例

例1：

作为具体示例，假设所述HVAC机组(作为效率测度)在一40kW的输入功率下具有1.33的kW/吨等级，从而提供一30吨制冷量的标称热传递。然而，HVAC机组在一60kW的输入功率下具有1.50的kW/吨等级，从而提供一40吨制冷量的标称热传递。因此，所述HVAC机组在40kW输入功率下比在60kW输入功率下具有更高的效率。这样，所述HVAC机组将具有随一系列输入功率的效率曲线。假设1.33是峰值效率，所述效率在40kW输入功率的任一侧减小，并且在所期望的调节时间内输送一30吨目标热传递实现在期望的调节时间结束时达到所期望的室内温度。然后，为了在所述期望的调节时间内实现最大效率测度，提供给HVAC机组的输入功率曲线将包括在整个期望的调节时间内供应一40kW的输入功率。

例2：

然而，现在假设需要在期望的调节时间内输送40吨的目标热传递以在期望的调节时间结束时实现期望的室内温度，并且所述HVAC机组的效率在60kW输入功率以上继续减小。然后，为了在期望的调节时间内实现最大效率测度，提供给所述HVAC机组的输入功率曲线将包括在整个期望的调节时间内供应一60kW的输入功率。

例3：

现在假设所述HVAC机组在输入功率为60kW时具有1.20的kW/吨等级，从而以50吨制冷量的形式提供标称热传递，并且在40kW的输入功率下，具有1.33的kW/吨等级为，从而以30吨制冷量的形式提供标称热传递。并且，假设1.20是峰值效率，效率在60kW输入功率的任一侧降低。最后，假设在所述期望的调节时间内输送的30吨的目标热传递实现在所述期望的调节时间结束时达到所述期望的室内温度。然后，为了在所述期望的调节时间内实现最大效率测度，提供给HVAC机组的输入功率曲线将包括在所述期望的调节时间的最后60％上提供60kW的输入功率，即50吨的60％，以提供所需的30吨。

可替代地或另外地，所述输入功率曲线可以对应于在期望的调节时间内的最小功率成本，所述最小功率成本基于输入功率以及在所述期望的调节时间内可应用的一个或多个功率成本率来计算。这允许负载转移或负载分配，以便利用非峰值或折算的电力成本率。

作为具体示例，假设与上面的示例3中的参数相同。另外，假设所期望的调节时间是1小时，并且60kW是最大输入功率。最后，假设1小时的前24分钟的电力成本率为1美分/kWh，剩余的36分钟为50美分/kWh。然后，为了在1小时期望的调节时间内实现最小功率成本，提供给HVAC机组的输入功率曲线将包括在整个1小时内提供40kW的输入功率。这将导致在1小时期望的调节时间内总电力成本为12.16美元(在40kW的24分钟成本为1美分/kWh，在40kW的36分钟成本为50美分/kWh)。特别地，如果输入功率曲线包括在1小时所期望的调节时间的最后60％(36分钟)内提供60kW的输入功率，这将导致总功率成本为18美元(在60kW的36分钟成本为50美分/kWh)。

图6是示出控制器1用于比较对应于各个效率测度的不同输入功率(即功耗)的算法的流程图，在这种情况下，这些功率测量是以多个性能系数(COP)的形式。每个COP由相应的多个目标热传递得出，所述目标热传递根据所述热模型8，所述室外空间4的预测室外环境温度，以及所述室内空间3的相应的室内环境温度计算。所述相应的多个目标热传递与对应于输送到所述HVAC机组2的多个特定输入功率的标称热传递匹配，从而提供由所述控制器比较的多个不同的输入功率和多个相应的COP。可以以这种方式比较所述输入功率以确定超过所述期望的调节时间的最小功率成本，以便实现如上所述的负载转移或负载分配。

在一个实施例中，所述期望的室内温度是一期望的室内温度范围内的任意温度。在实践中，所述期望的室内温度范围可以是舒适范围，舒适带，舒适区或用户可接受的任何其他范围。这当然提供了进一步可能的输入功率曲线和相应的目标热传递，以便在期望的调节时间内实现最大效率和/或最小功率成本。

在一个实施例中，所述期望的调节时间是用户基于用户的当前位置，用户的当前速度，以及所述当前位置与所述室内空间之间的一当前距离来估算的用户到达室内空间3的到达时间。特别地，估算的到达时间是所述当前距离除以所述当前速度。所述当前距离可以是由GPS系统确定的最短或最可能的路径距离。

在另一个实施例中，所述期望的调节时间是用户到达所述室内空间的估算到达时间，其选自对应于一相应的预定的位置的一个或多个估算的到达时间的数据库，所述估算的到达时间基于最接近用户当前位置的预定位置选择。所述数据库可以由用户输入，或者可以是由他人预先准备的数据库。例如，如果所述室内空间3是用户的家里，则所述数据库可以包括从工作地点到家里，从火车站到家里，以及从公共汽车站到家里的估算的到达时间。

在另一个实施例中，所述期望的调节时间是用户到达室内空间的估算到达时间，其选自一个或多个估算到达时间的数据库，每个估算的到达时间对应于相应的地理围栏，所述估算的到达时间基于用户的当前位置到达一所述地理围栏被选择。所述地理围栏可以定义为具有预定半径的圆并且以室内空间3为中心。所述地理围栏也可以被定义为围绕所述室内空间3的不规则周边，其中周长的每个点都表示用户在相同的估算到达时间内行进到室内空间3的位置。

用户设备15中的GPS单元或系统可用于确定以下中的一个或多个：所述当前位置，所述当前速度和所述当前距离。此外，可以在用户行进时更新估算的到达时间。用户设备15可以采用平板计算机，移动电话，台式计算机或其他合适设备的形式。

控制器1的操作参数，包括所述期望的室内温度，期望的室内温度范围，期望的调节时间，所述HVAC机组2是否将被操作以实现最大效率测度或最小功率成本，以及是否所述期望的调节时间将基于用户的估算的到达时间来被确定，可以全部由用户通过，例如，诸如用户设备15之类的设备进行设置，更新，修改或以其他方式控制。

如上所述，一个或多个输入功率可被输送到所述HVAC机组2，每个输入功率对应于由所述HVAC机组提供的一相应标称热传递。在一个实施例中，一个或多个所述的相应的标称热传递是由制造商的数据预先确定的。例如，制造商可以在初始出厂条件下为所述HVAC机组提供额定效率。所述额定效率涉及所述输入功率与由所述HVAC机组提供的一相应标称热传递之间的比率。可以是单个平均额定效率，单个最大额定效率，列出对应于相应输入功率的多个额定效率的表格，或者将额定效率与相应输入功率相关联的图表。对于空调，所述输入功率通常是输送到空调的压缩机电机的功率。

在另一个实施例中，一个或多个相应的标称热传递是使用数学模型由制造商的数据计算。例如，在提供列出了对应于各个输入功率的多个额定效率的表的情况下，可以针对列出的输入功率之间的输入功率插入额定效率。或者，可以提供模拟额定效率和相应输入功率之间的关系的公式。

在另一个实施例中，一个或多个所述的相应的标称热传递可由来自于所述HVAC机组的一个或多个输出来计算。这可以包括由所述HVAC机组供应的空气的流速和温度。

或者，可以使用上述用于确定标称热传递的多种方法的组合。

如上所述，根据制造商数据预定或计算的额定效率或标称热传递是基于所述HVAC机组2的初始出厂条件。随着时间推移，所述HVAC机组的性能和效率将不可避免地恶化。因此，随着时间的推移，由一HVAC机组2在一特定输入功率下提供的实际热传递将从所述标称热传递减小。所述控制器1包括一监测功能以将这种恶化考虑在内，从而可以执行所述HVAC机组的矫正或维护，或者可以更新标称的热传递值以反映实际的热传递值。

特别地，所述估算模块7计算目标热传递作为在一监测时间内提供的热传递负载，从而定义实际的热传递，并且所述控制单元在所述监测时间内监测所述标称热传递与所述实际热传递之间的差值。所述标称热传递对应于在所述监测时间的输入功率。因此，所述控制器1使用与上述相同的基于模型的方法来计算一目标热传递，以实现未来期望的室内环境温度，以便查看HVAC机组2在监测时间内的过去的性能。

监测功能和所有相关参数，例如监测时间，可以由用户通过例如用户设备15之类的设备来控制。这包括在一特定时间启动所述监测功能或设置所述监测功能以多个预定义的时间或间隔激活。

图7是示出在一个实施例的由控制器1来执行上述监测功能的算法的流程图。特别地，命名为“模型系统”的框根据输入变量的时间序列计算实际热传递，命名为“出厂定义系统”的框根据输入变量的相同时间序列计算标称热传递。所述实际热传递和所述标称热传递都对应于一共同的输入功率或输入功率曲线，因此，可以针对实际和标称热传递计算相应的效率测度(在该实施例中以COP的形式)。如果这些COP之间的差值超过预定阈值，则所述HVAC机组2表现不佳或表现过激，并且可以执行矫正措施。

在一个实施例中，补救措施可以包括HVAC机组2的矫正或维护，以试图使性能恢复到初始出厂状态或接近初始出厂状态。当COP之间或其他效率测度的差值达到预定义阈值或预确定阈值时，控制单元9可以向用户设备发送警报。

可替代地或另外地，所述补救措施可以包括更新所述标称热传递以匹配相应输入功率下的实际热传递。特别地，控制单元9更新对应于相应输入功率的标称热传递以匹配实际热传递。这将允许控制单元9随时间更精确地控制HVAC机组9。

以这种方式，图7的流程图还表示“故障检测”算法。

根据在监测时间内所述室外空间的室外环境温度和室外环境温度的实际变化来计算所述外部热传递。计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一种或两种。此外，计算的外部热传递考虑了在监测时间内直接太阳辐射和散射太阳辐射中的一个或两个的实际变化。

在计算所述热传递负荷时，所述热传递负荷还可以包括所述室内空间和所述室内空间内的物体之间的内部热传递。所述物体可包括以下中的一个或多个：人；以及电器。例如，由诸如计算机和监测器之类的办公设备产生的并且进入室内空间3的热量的估算可以考虑在内。

热模型8可以是基于进化算法或遗传算法。所述热模型8可以是暗箱模型或灰箱模型。灰盒模型可以结合建筑物理和先进的模型训练技术，以提供更详细的室内空间热响应分析。开发的热模型用于表征室内空间的热响应，同时考虑围护和室内热量，如家具，床上用品和地毯，并估算在实际天气条件下AC的室内空气温度和能量消耗。通过增加单个AC单元的实时功率测量，可以利用将实际功耗与如上所述的预测功率消耗进行比较来评估AC单元的健康状况。

一个特定实施例包括一自学习热模型8和用于训练所述热模型的相关算法。在住宅中，每个房间通常由个人空调(AC)提供服务。因此，它们可以被认为是热隔离区，然后可以独立建模。基于所述热模型，所开发的热解决方案能够执行简化的热分析，以识别可能的节省机会，并通过实施智能控制使用户能够提高能效。同时，还可以在每个单独的区域中产生自动控制策略/措施，以根据任何期望的热舒适性要求或标准(例如ASHRAE 55中定义的热舒适性要求)来控制和维持室内热环境。

特别地，可以使用热阻和热容模型(RC模型)来对围护结构5的多个部件进行建模。在一个版本中，由假定的3R2C建立的二阶传递函数，即3个热阻和2个热容，热网模型用于预测目标热传递。用于外墙，屋顶，内墙等的3R2C模型的所有参数，其值被假定在一定范围内，通过非线性回归算法来识别，以实现预测的和实际冷却需求之间的误差最小化。

图3和4是可用于本发明的RC模型的示意图。图5是根据本发明的一个实施例，示出了用于确定热模型(在该特定情况下是RC模型)的变量值的遗传算法(GA)的步骤的流程图。如图5所示的具体示例，所示的GA用于确定如图4所示的RC模型的变量R_ext，1、R_ext，2、R_ext，3、R_im、C_ext，1、C_ext，2，以及C_im的值。R_ext，1，R_ext，2和R_ext，3表示一外壁的3个热阻。温度节点T_ext，1在R_ext，1和R_ext，2之间，温度节点T_ext，2在R_ext，2和R_ext，3之间。外壁的热容C_ext，1连接到T_ext，1，并且热容C_ext，2连接到T_ext，2。R_im是内质的热阻，C_im是内质的热容，两者都连接到温度节点T_im。

如图3和4所示简化的RC热网络模型，是集总的灰盒模型，开发用于反映围护结构和内部热质的热状态和热响应。当开发的建筑物热模型嵌入现实的控制器中并在具有未知条件的真实平面中实施时，获得围护结构和室内热量的物理特性可能是不可行的。因此，开发的热模型采用自学习和自适应方法来估算热特性。对于现场测量和应用，开发的模型需要较少的训练和校准工作，具有短范围(例如2周)的历史运行数据。所需的计算成本和内存需求也不显著。

图3中所示的简化3R2C模型是具有电阻(R，m²K/W)和热容(C，J/(m²K))的电模拟模式。假设R_ext，1、R_ext，2、R_ext，3、C_ext，1和C_ext，2组成围护结构(包括墙壁和屋顶)的热特性。相应地，所述热传递，即来自外部源，通过墙壁，屋顶和窗户的热量增益可以被表征。

这些参数的物理解释取决于围护如何被划分为实体：R_exti，2是内部表面与围护内部的等效单位区域节点“点1”之间的距离。R_ext，2是外表面和围护内的等效单位区域节点“点2”之间的电阻。R_ext，2，R_ext，2和R_ext，3之和是整个围护的总热传递阻力，包括对流和传导阻力。T_ext，2和T_ext，2是围护中的等效单位的两个“点”，或节点的温度。

开发的集总灰箱模型由以下微分方程描述，它们代表建筑物中的热动态和能量平衡。

[公式1-4]

其中，Q_β是来自渗透的热量增益(W)。Q_in是来自室内热资源(W)的显热增益，例如，人，设备和照明。Q_dem是由空调(AC)提供的冷却需求(W)，当没有AC工作时它是零。T_sol是太阳能空气温度(℃)，其由下式确定：

[公式5]

其中，T_out是室外干燥球体温度(℃)。I是全球太阳辐射(W/m²)，α_wall是墙壁吸收系数，α_out是围护外表面的对流热传递系数(W/m²·K)。

如上所述，遗传算法(GA)可用于确定该非线性优化过程中热RC模型的变量的最佳值。其他传统的优化方法必须从最优变量的初始猜测及其收敛速度开始，在大多数情况下其受初始猜测的影响，而遗传算法(GA)是一种更好的优化方法，尤其是当优化问题是不完美平滑和单峰模式。它可以快速找到足够近似的解决方案，例如近优化控制，并且可以在任务不需要“绝对”优化结果时应用。该算法通常用于寻找空调研究领域的全局最优解决方案。在本发明中，利用GA方法搜索3R2C模型的最佳参数，以最小化测量值和预测值之间的误差。以下介绍GA方法的实施细节。

上述方程式(1)至(4)用于与测量的建筑物室内干燥球体温度进行比较。优化的参数是开发的3R2C模型的电阻(R)和电容(C)，它们与测量数据最佳匹配。这种优化的目标函数J采用下面的方程式(6)中定义的积分均方根误差(RMSE)：

[公式6]

其中，T_in，act和T_in，pre分别是实际建筑室内干燥球体温度和预测温度。R_ext，1、R_ext，2、R_ext，3、C_ext，2和C_ext，2是需要确定的参数。这是典型的非线性优化问题。GA用于搜索RC模型的最佳值，如下一小节所示。

在一个实施例中，实际建筑物室内温度由所述控制器1测量并保存在笔记本计算机中。为了计算/预测所述室内温度，所述室外干燥球体温度和太阳辐射，占用率和内部增益被用作开发的RC模型的输入。

通常，GA是一种高级搜索和优化技术。它的开发是为了模仿自然遗传进化的原理。GA的主要优点之一是它在寻找全局解决方案时通常是稳健的，特别是在多模型和多目标优化问题中。关于GA的理论基础和应用的广泛研究仍在进行，以实现更好的计算效率和改进的鲁棒性。

图5示意性地示出了根据本发明的用于RC模型的参数识别而开发的GA估算器的流程图。它首先用合理的值初始估算个体电容和电阻。该由方框包围的部分代表GA运行的程序。允许多次运行。下面的方程式(7)表示适应度函数f，其是目标函数，即上面的方程式(6)的倒数。

[公式7]

在所述GA中，所述参数构成个体的染色体，并且这些参数的假定范围是这些参数的搜索空间。初始化这些参数产生初始群体以启动一GA运行。如果当前代的数量等于预定义的最大值，则确定一GA运行的终止。运行GA估算器时，至少需要运行两次GA过程。停止GA估算器的标准基于两次连续运行的最佳适应值的比较。如果两个最大适应度(d_f)之间的相对差小于一阈值，则GA估算器被停止。

上述RC热模型被验证如下，住宅中的一间主卧室被选为试验卧室，用于验证RC模型。测试时间历时9天，从第一天的17:30到第九天的17:40，其中从第一天的17:30到第五天的4:30的数据被用作训练数据，第五天4:40至第9天17:40的数据用作验证数据。结果如图8所示。T_in，act是实际室内温度，T_in，RC是由RC模型得出的室内空气温度。确定的参数为：R_ext，1＝0.129m²K/W，R_ext，2＝0.1376m²K/W，R_ext，3＝0.0830m²K/W，C_ext，1＝481,559J/m²K，C_ext，2＝18441J/m²K。

可以改进RC模型以提供更好的结果。特别地，当时间延迟太长，约为4小时时，最大温度误差约为1.5度。一个可能的原因是内部热质的热阻和电容，包括地板，隔板，家具等没有被考虑。这个内质通过窗户和室内热源(如居住者，照明设备，机器等)吸收辐射热，然后逐渐将热量释放到空域。为了精炼模型，表示来自建筑物内质的热量增益的其他R和其他C可被加入，如图4所示。这种改进的RC模型可以更具体地被称作3R2C+1R1C。

所述改进的RC模型由以下微分方程描述：

[公式8-12]

其中，C_im是内部热质的总热容量，包括地板，隔板，家具等。R_im是内部热质的热阻。值得注意的是，R和C也反映了围护结构的物理特性，并且它们都被假定为时不变。同时，RC模型可以可靠地预测全球建筑系统的性能。

图4中改进的RC模型也得到了验证。测试室仍然是用于验证这种改进的RC模型的主卧室。整个测试期间，所选择的训练和验证期间也与上面图3中的模型相同。结果在图9中示出。确定的参数为：R_ext，1＝0.186m²K/W，R_ext，2＝0.247m²K/W，R_ext，3＝0.169m²K/W，R_im＝0.159m²K/W，C_ext，1＝448,881J/m²K，C_ext，2＝46,999J/m²K，C_im＝33,7326J/m²K。

如图9所示，所述模拟的建筑物室内空气温度显然更接近实际室内空气温度，这表明模型的精度显著提高。

3R2C和3R2C+1R1C型号中输出的所有平均绝对误差(MAE)，平均绝对百分误差(MAPE)和均方根误差(RMSE)列于下表1中。改进的模型的精度是可以接受的。

[表1]

选择另一间宿舍卧室进一步验证已开发的RC模型。测试时间历时11天，从第一天的00:00到第11天的23:50，其中从第一天的00:00到第六天的23:50的数据被用作训练数据，且从第7天00:00到第11天23:50的数据被用作验证数据。结果在图10中示出。确定的参数是：R_ext，1>-0.053m²K/W，R_ext，2＝0.078m²K/W，R_ext，3＝0.178m²K/W，R_im＝0.026m²K/W，C_ext，1＝286,208J/m²K，C_ext，2＝311,695J/m²K，C_im＝642,127J/m²K。

如图10所示，建筑物室内温度的预测具有令人满意的高精度性能。可以证明精度指数的值：平均绝对误差(MAE)，平均绝对百分误差(MAPE)和均方根误差(RMSE)分别为0.241℃，0.88％和0.35℃。

应当理解，前述实施例仅是用于描述本发明原理的示例性实施例，并且本发明不仅限于此。在不脱离本发明的精神和实质的情况下，本领域普通技术人员可以进行各种变型和修改，并且这些变型和修改也包含在本发明的范围内。因此，尽管已经参考具体示例描述了本发明，但是本领域技术人员可以理解，本发明可以以许多其他形式实施。本领域技术人员还应理解，所描述的各种示例的特征可以以其他组合进行组合。

Claims

1.一种用于一HVAC机组的控制器，所述HVAC机组用于通过围护结构从室外空间隔开的室内空间，所述控制器包括：

2.根据权利要求1所述的控制器，其中，所述估算模块计算所述目标热传递以基本上匹配所述热传递负载，从而维持所述室内环境温度，所述控制单元以一输入功率操作所述HVAC机组，所述输入功率对应于与所述目标热传递基本匹配的一标称热传递。

3.根据权利要求1所述的控制器，其中，所述估算模块计算所述目标热传递以作为所需的热传递负载，使得所述室内环境温度在所述期望的调节时间内达到所述室内空间的期望的室内温度，所述控制单元以一输入功率曲线操作HVAC机组，所述功率曲线对应于在所述期望的调节时间内的一标称热传递曲线，以便提供所述目标热传递。

4.根据权利要求3所述的控制器，其中，所述控制单元在所述期望的调节时间内的一适当时间开始接通并且以最大输入功率操作所述HVAC机组。

5.根据权利要求3所述的控制器，其中，所述控制单元以在所述期望的调节时间内的一适当时间开始接通并且以最小输入功率操作HVAC机组。

6.根据权利要求3至5所述的控制器，其中，所述控制单元改变所述HVAC机组的一个或多个设置，以在所述期望的调节时间内提供所述输入功率曲线。

7.根据权利要求6所述的控制器，其中，所述一个或多个设置包括以下中的一个或多个：功率设置；温度设置；以及风扇转速设置。

8.根据权利要求6至7中任一项所述的控制器，其中，所述控制单元还包括一红外发射器，所述HVAC机组具有一红外接收器，用于接收来自一遥控器的多个红外信号，以调节所述HVAC机组上的一个或多个设置，所述控制单元通过从所述红外发射器向所述红外接收器发射多个红外信号来调节所述HVAC机组上的一个或多个设置。

9.根据权利要求3至8任一项所述的控制器，其中，所述输入功率曲线对应于基于所述输入功率和所述目标热传递计算的所期望的调节时间内的一最大效率测度。

10.根据权利要求3至9中任一项所述的控制器，其中，所述输入功率曲线对应于在所述期望的调节时间内的一最小功率成本，所述最小功率成本基于所述输入功率和在所述期望的调节时间内适用的一个或多个功率成本率来计算本。

11.根据权利要求3至10中任一项所述的控制器，其中，所述期望的室内温度是所期望的室内温度范围内的任意温度。

12.根据权利要求3至11中任一项所述的控制器，其中，所述期望的调节时间是一用户用于到达所述室内空间的一估算的到达时间，所述估算的到达时间基于所述用户的一当前位置，所述用户的一当前速度以及所述当前位置和所述室内空间之间的一当前距离。

13.根据权利要求3至11中任一项所述的控制器，其中，所述期望的调节时间是一用户用于到达所述室内空间的估算的到达时间，所述估算的时间从对应于相应预定位置的一个或多个估算的到达时间的数据库中选择，所述估算的到达时间基于最接近于所述用户的当前位置的所述预定位置而选择。

14.根据权利要求3至11中任一项所述的控制器，其中，所述期望的调节时间是用户到达所述室内空间的估算的到达时间，所述估算的到达时间从对应于相应的地理围栏的一个或多个估算的到达时间的数据库中选择，所述估算的到达时间基于所述用户到达一地理围栏的一当前位置被选择。

15.根据权利要求12至14中任一项所述的控制器，其中，一用户设备中的GPS单元用于确定以下中的一个或多个：所述当前位置，所述当前速度和所述当前距离。

16.根据权利要求12至15中任一项所述的控制器，其中，所述估算的到达时间随着所述用户的行进而被更新。

17.根据权利要求3至16中任一项所述的控制器，其中，所述外部热传递根据所述室外空间的一室外环境温度以及对所述室外环境温度的预测的变化来计算。

18.根据权利要求3至17中任一项所述的控制器，其中，所述计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一个或两个。

19.根据权利要求18所述的控制器，其中，所述计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一个或两个的预测的变化。

20.根据权利要求3至19中任一项所述的控制器，其中，将考虑用于计算所述热传递负荷的多个变量的变化考虑在内，所述热传递负荷在所述期望的调节时间的期间被更新。

21.根据权利要求1至20中任一项所述的控制器，其中，一个或多个输入功率可被输送到所述HVAC机组，每个输入功率对应于由所述HVAC机组提供的相应的一标称热传递。

22.根据权利要求21所述的控制器，其中，一个或多个相应的标称热传递是根据制造商的数据被预先确定的。

23.根据权利要求21所述的控制器，其中，一个或多个所述相应的标称热传递是使用一数学模型由制造商的数据计算。

24.根据权利要求21所述的控制器，其中，一个或多个所述相应的标称热传递由来自所述于HVAC机组的一个或多个输出计算。

25.根据权利要求21至24中任一项所述的控制器，其中，所述估算模块计算所述目标热传递作为在一监测时间内提供的所述热传递负载，从而定义一实际热传递，并且所述控制单元在所述监测时间内监测所述标称传递和所述实际热传递之间的一差值，所述标称热传递对应于在所述检测时间内的所述输入功率。

26.根据权利要求25所述的控制器，其中，所述外部热传递根据在所述监测时间内的所述室外空间的室外环境温度以及所述室外环境温度的实际变化来计算。

27.根据权利要求25至26中任一项所述的控制器，其中，所述计算的外部热传递还考虑了直接太阳辐射和散射太阳辐射中的一个或两个。

28.根据权利要求27所述的控制器，其中，所述计算的外部热传递还考虑了在所述监测时间内的直接太阳辐射和散射太阳辐射中的一个或两个的实际变化。

29.根据权利要求25至28中任一项所述的控制器，其中，当所述差值达到一预定阈值时，所述控制单元向一用户设备发送警报。

30.根据权利要求25至29中任一项所述的控制器，其中，所述控制单元更新对应于相应输入功率的标称热传递，以匹配所述实际热传递。

31.根据权利要求1至30中任一项所述的控制器，其中，所述热传递负载还包括所述室内空间与所述室内空间内的多个物体之间的内部热传递。

32.根据权利要求31所述的控制器，其中，所述物体包括以下一个或多个：人；以及电器。

33.根据权利要求1至32中任一项所述的控制器，其中，所述热模型基于进化算法或遗传算法。