CN110553351A - 空调器设备负荷率的优化方法与空调云群控系统 - Google Patents

Abstract

本申请涉及一种空调器设备负荷率的优化方法与空调云群控系统，通过实时获取空调器的实时环境参数，计算空调器在不同设备负荷率下的实时能效比，生成实时能效分析曲线图，实现设备负荷率和实时能效比的关系的建立，便于后续的数据分析。通过将空调器的设备负荷率调整至最佳设备负荷率，并计算最佳设备负荷率下的实际能效比，实现对空调器的实际能效状况的数据收集。通过实际能效比对实时能效分析曲线图的修正，实现对实时能效分析曲线图的实时修正。本申请提供空调器设备负荷率的优化方法与空调云群控系统，实现了依据环境参数的变化和部件设备实际运行情况的变化，实时调整设备负荷率。

Description

空调器设备负荷率的优化方法与空调云群控系统

技术领域

本申请涉及空调控制技术领域，特别是涉及一种空调器设备负荷率的优化方法与空调云群控系统。

背景技术

空调器的能效比，即空调制冷量(空调制热量)与运行功率之比，分为EER(EnergyEfficiency Ratio，制冷性能系数，又称制冷能效比)和COP(Coefficient OfPerformance，制热性能系数，又称制热能效比)。空调能效比的数值大小，代表了空调器的单位功率制冷量或单位功率制热量。空调能效比越高，功耗指数越小，简单来说，就是用户可以花费越少的费用得到想要的效果。目前，空调市场为响应国家提出的节能环保用电的号召，空调能效比的研究成为空调研发的关注领域。

空调能效比和空调器中的部件设备的负荷率有关。为满足用户制冷或制热需求，空调控制系统不但要开机后短时间内达到一定的负荷率，以达到用户需求的制冷/制热效果，而且要在此基础上提高空调能效比。

传统的空调控制系统，在开机后，控制空调根据外界环境因素与用户需求，迅速调整空调部件设备的运行数量和设备负荷率，计算出空调能效比最高的运行方式运行。然而，传统的空调控制系统存在一个问题：无法根据环境参数的变化和部件设备实际运行情况的变化，实时调整设备负荷率。这是因为，在空调运行过程中，环境参数是不断在变化的。与此同时，空调内部的部件设备的老化也会产生工作效率的衰减。以上因素均会对空调能效比造成影响，如果不相应的对设备负荷率进行调整，会导致空调能效比大大降低，无法使空调器达到最佳的节能效果。

发明内容

基于此，有必要针对传统空调控制系统无法根据环境参数的变化和部件设备实际运行情况的变化，实时调整设备负荷率的问题，提供一种空调器设备负荷率的优化方法与空调云群控系统。

本申请提供一种空调器设备负荷率的优化方法，包括：

在空调器正式投入运行后，每隔预设时间段，依据所述空调器所处环境的实时环境参数对所述空调器的设备负荷率进行调整，计算所述空调器在不同设备负荷率下的实时能效比，生成实时能效分析曲线图；

选取所述实时能效分析曲线图中的最佳效率点，将所述空调器的设备负荷率调整至与所述最佳效率点对应的最佳设备负荷率；所述最佳效率点为所述实时能效分析曲线图中实时能效比最大的数据点；

获取所述空调器在所述最佳设备负荷率下运行的设备数据，计算所述空调器的实际能效比；

依据所述实际能效比，对所述实时能效分析曲线图进行修正；

选取修正后的能效分析曲线图中的实际最佳效率点，将与所述实际最佳效率点对应的实际最佳设备负荷率发送至所述空调器，作为所述空调器中的当前设备运行负荷率。

本申请还提供一种空调云群控系统，包括：

空调器；

环境传感器，设置于所述空调器所处环境，用于每隔预设时间段获取空调器所处环境的实时环境参数；

云服务器，与所述空调器和所述环境传感器分别连接，用于执行前述内容提及的空调器设备负荷率的优化方法。

本申请涉及一种空调器设备负荷率的优化方法与空调云群控系统，通过实时获取空调器的实时环境参数，计算每一个部件设备在不同设备负荷率下的实时能效比，生成实时能效分析曲线图，实现设备负荷率和实时能效比的关系的建立，便于后续的数据分析。通过将各个部件设备的设备负荷率调整至最佳设备负荷率，并计算最佳设备负荷率下的实际能效比，实现对空调器的实际能效状况的数据收集。通过实际能效比对实时能效分析曲线图的修正，实现对实时能效分析曲线图的实时修正。本申请提供空调器设备负荷率的优化方法与空调云群控系统，实现了依据环境参数的变化和部件设备实际运行情况的变化，实时调整设备负荷率。

附图说明

图1为本申请一实施例提供的空调器设备负荷率的优化方法的流程示意图；

图2为本申请一实施例提供的空调器设备负荷率的优化方法中的实时能效分析曲线图；

图3为本申请一实施例提供的空调器设备负荷率的优化方法中只有一台空调主机开启时的实时能效分析曲线图；

图4为本申请一实施例提供的空调器设备负荷率的优化方法中有两台空调主机开启时的实时能效分析曲线图；

图5为本申请一实施例提供的空调云群控系统的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供一种空调器设备负荷率的优化方法与空调云群控系统。

需要说明的是，本申请提供的空调器设备负荷率的优化方法与空调云群控系统不限制其应用领域与应用场景。可选地，本申请提供的空调器设备负荷率的优化方法与空调云群控系统应用于家用空调。

本申请提供一种空调器设备负荷率的优化方法。本申请提供的空调器设备负荷率的优化方法并不限制其执行主体。所述空调器设备负荷率的优化方法的执行主体可以为任意一种处理终端。可选地，所述空调器设备负荷率的优化方法的执行主体可以为一种云服务器300。

如图1所示，在本申请的一实施例中，所述空调器设备负荷率的优化方法包括如下步骤S100至步骤S500：

S100，在空调器100正式投入运行后，每隔预设时间段，依据所述空调器100所处环境的实时环境参数对所述空调器100的设备负荷率进行调整，计算所述空调器100在不同设备负荷率下的实时能效比，生成实时能效分析曲线图。

具体地，在所述空调器100所处环境内，设置有多个环境传感器200。所述多个环境传感器200可以随意设置。所述环境传感器200可以每隔预设时间段获取所述空调器100所处环境内的实时环境参数。所述预设时间段可以由用户设定。可选地，所述预设时间段可以为10秒。可选地。所述实时环境参数可以为温度、湿度、二氧化碳浓度和氧气浓度中的一种或多种。

在所述空调器100正式投入运行后，每隔所述预设时间段，所述多个环境传感器200可以将所述实时环境参数发送至云服务器300。所述云服务器300对所述实时环境参数解析，并依据所述实时环境参数对所述空调器100的设备负荷率进行调整，计算所述空调器100在不同设备负荷率下的实时能效比。

可选地，所述云服务器300依据所述空调器100的设备负荷率与实时能效比的关系，生成实时能效分析曲线图。所述实时能效分析曲线图可以为于平面直角坐标系绘制的折线图。如图2所示，在所述实时能效分析曲线图中，横轴为所述空调器100的设备负荷率。纵轴为所述空调器100的实时能效比。每一个所述空调器100的设备负荷率，均有与之对应的实时能效比。需要说明的是，所述实时能效分析曲线图是基于理论计算得到的实时能效比而得到的。

S200，选取所述实时能效分析曲线图中的最佳效率点，将所述空调器100的设备负荷率调整至与所述最佳效率点对应的最佳设备负荷率。所述最佳效率点为所述实时能效分析曲线图中实时能效比最大的数据点。

具体地，如图2所示，所述实时能效分析曲线图中的实时能效分析曲线，具有一个波峰，处于波峰的坐标点，即为所述最佳效率点，与所述最佳效率点对应的实时能效比最大。此时，与所述最佳效率点对应的设备负荷率作为所述最佳设备负荷率。所述最佳效率点的意义是，所述空调器100的整体的设备负荷率在所述最佳效率点处，实时能效比最大，所述空调器100的能源转换效率最高。为了达到最优的节能效果，所述云服务器300选取述实时能效分析曲线图中的最佳效率点，将所述空调器100的设备负荷率调整至与所述最佳效率点对应的最佳设备负荷率。

所述实时能效分析曲线图是基于理论计算得到的实时能效比而得到的，可以理解，所述最佳效率点对应的最佳能效比并不是实际值。

S300，获取所述空调器100在所述最佳设备负荷率下运行的设备数据，计算所述空调器100的实际能效比。

具体地，所述设备数据包括所述空调器100中各个部件设备的设备负荷率。所述云服务器300获取所述空调器100在所述最佳设备负荷率下运行的设备数据，计算所述空调器100的实际能效比。由于空调器100中各个部件设备存在老化的现象，且实时环境参数是实时变化的，在所述步骤S100中获取的实时环境参数并不一定反映实际状况。因此，所述云服务器300以在所述最佳设备负荷率下运行的设备数据为数据基础，计算所述空调器100的实际能效比。

S400，依据所述实际能效比，对所述实时能效分析曲线图进行修正。

具体地，所述云服务器300基于所述空调器100的实际能效比，对所述实时能效分析曲线图进行修正。

S500，选取修正后的能效分析曲线图中的实际最佳效率点，将与所述实际最佳效率点对应的实际最佳设备负荷率发送至所述空调器100，作为所述空调器100的当前设备运行负荷率。

具体地，可以理解，修正后的实际能效分析曲线图中的最佳效率点必然产生了改变。所述云服务器300选取修正后的能效分析曲线图中的实际最佳效率点。进一步地，所述云服务器300将与所述实际最佳效率点对应的实际最佳设备负荷率发送至所述空调器100，作为所述空调器100的当前设备运行负荷率。

本实施例中，通过实时获取空调器100的实时环境参数，计算每一个部件设备在不同设备负荷率下的实时能效比，生成实时能效分析曲线图，实现设备负荷率和实时能效比的关系的建立，便于后续的数据分析。通过将各个部件设备的设备负荷率调整至最佳设备负荷率，并计算最佳设备负荷率下的实际能效比，实现对空调器100的实际能效状况的数据收集。通过实际能效比对实时能效分析曲线图的修正，实现对实时能效分析曲线图的实时修正。本申请提供空调器设备负荷率的优化方法与空调云群控系统，实现了依据环境参数的变化和部件设备实际运行情况的变化，实时调整设备负荷率。

在本申请的一实施例中，在所述步骤S100之前，还包括如下S010的步骤：

S010，在所述空调器100未投入运行前，获取空调设备出厂参数，计算所述空调器100中各个部件设备在不同设备负荷率下的理论能效比。进一步地，依据所述设备负荷率和所述理论能效比的关系，生成理论能效分析曲线图。

具体地，所述步骤S010可以执行在所述空调器100未安装时，对所述空调器100所处环境的分析阶段。所述理论能效分析曲线图与上述实施例中的实时能效分析曲线图类似，也可以是基于平面直角坐标系绘制的折线图。所述空调设备出厂参数是所述空调器100中各个部件设备处于崭新出厂状态的参数，此时部件设备的性能最优，因此，理论能效比也是理论值。可以理解，所述理论能效分析曲线图为理论值。

本实施例中，通过在所述空调器100未投入运行前，计算所述空调器100中各个部件设备在不同设备负荷率下的理论能效比，并生成理论能效分析曲线图，可以实现在所述空调器100未正式投入时，对所述空调器100进行理论上的能效分析，给予用户能效比的预期值。

在本申请的一实施例中，所述空调设备出厂参数包括国标工况参数和极限工况参数。所述步骤S010包括如下步骤S011至步骤S013：

S011，获取国标工况参数和极限工况参数。

具体地，所述国标工况参数为所述空调器100中各个部件设备在国际标准下的设备参数。所述极限工况参数为所述空调器100中各个部件设备在极限情况下能够达到的最大设备参数。

S012，建立理论分析模型，将所述国标工况参数和极限工况参数输入至所述理论分析模型。

具体地，所述理论分析模型为一个搭载理论分析程序的虚拟模型。

S013，在所述理论分析模型中，对所述国标工况参数和极限工况参数进行分析计算，生成理论能效分析曲线图。

具体地，依据所述国标工况参数和极限工况参，可以计算得出所述空调器100中各个部件设备在不同设备负荷率下的理论能效比。基于所述设备负荷率和所述理论能效比的关系，可以生成理论能效分析曲线图。

本实施例中，通过理论分析模型对国标工况参数和极限工况参数进行分析计算，获得理论能效分析曲线图，数据来源可靠，计算量小。

在本申请的一实施例中，在所述步骤S010之后，还包括如下步骤S020至步骤S040：

S020，在所述空调器100的调试阶段，获取所述空调器100所处环境的调试环境参数。

具体地，所述空调器100的调试阶段为所述空调器100已经安装，但尚未正式投入时的调试阶段。此时，所述空调器100所处环境的环境参数为所述调试环境参数。

S030，依据所述调试环境参数，对所述空调器100中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的调试能效比。

具体地，所述步骤S030与所述步骤S100类似。在所述步骤S030中，所述云服务器300还计算每一个部件设备在不同设备负荷率下的调试能效比。例如，部件设备可以包括空调主机、末端、冷却塔和水泵，所述云服务器300分别计算空调主机在不同设备负荷率下的调试能效比，末端在不同设备负荷率下的调试能效比，冷却塔在不同设备负荷率下的调试能效比，以及水泵在不同设备负荷率下的调试能效比。

S040，依据所述调试能效比，对所述理论能效分析曲线图进行修正，生成调试能效分析曲线图。

具体地，所述云服务器300依据每一个部件设备在不同设备负荷率下的调试能效比，生成所述空调器100整体的调试能效比。基于所述空调器100整体的调试能效比，可以对所述理论能效分析曲线图进行修正，生成调试能效分析曲线图。所述步骤S040为对所述理论能效分析曲线图的“粗调”。

可选地，在所述步骤S100中，基于所述空调器100在不同设备负荷率下的实时能效比，对所述调试能效分析曲线图进行修正，生成实时能效分析曲线图。所述步骤S100为对所述调试能效分析曲线图的“细调”。如果没有经历所述步骤S020至所述步骤S040的“粗调”，直接对所述理论能效分析曲线图进行调整，会导致计算量过大，甚至导致调整结果误差过大。

本实施例中，通过在所述空调器100的调试阶段，计算每一个部件设备在不同设备负荷率下的调试能效比，对所述理论能效分析曲线图进行修正，生成调试能效分析曲线图，实现对理论能效分析曲线的“粗调”，使得在空调器100正式投入运行后高频率的实时能效分析曲线的调整计算量减小，工作效率大大提高。

在本申请的一实施例中，所述步骤S100包括如下步骤S110至步骤S130：

S110，在所述空调器100正式投入运行后，每隔预设时间段，获取空调器100所处环境的实时环境参数。

具体地，所述实时环境参数可以为温度、湿度、二氧化碳浓度和氧气浓度中的一种或多种。

S120，依据所处环境的实时环境参数对空调器100中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的实时能效比。

具体地，所述空调器100中可以有多个部件设备，每一个部件设备具有与该部件设备对应的设备负荷率。每一个部件设备的设备负荷率为该部件设备的最大设备负荷率的百分比。例如，空调主机的设备负荷率为30％，则表明空调主机目前处于最大设备负荷率的30％，并没有完全投入空调主机的最大负荷。实时能效比是能源转换效率之比。实时能效比越大，节省的能源就越多，即用户可以花费越少的费用得到想要的效果。与设备负荷率类似，每一个部件设备处于一个设备负荷率时，该部件设备产出的制冷/制热效果，决定了该部件设备的实时能效比。

所述空调器100的设备负荷率，指的是所述空调器100所有部件设备整体的设备负荷率。所述空调器100的实时能效比，指的是所述空调器100所有部件设备整体的设备负荷率。本实施例中，通过调整所述空调器100中各个部件设备的设备负荷率，可以实现所述空调器100整体的设备负荷率的调整，进而使得所述空调器100整体的实时能效比产生变化。

S130，根据所述实时能效比，对所述调试能效分析曲线图进行修正，生成实时能效分析曲线图。

具体地，所述实时能效分析曲线图可以为于平面直角坐标系绘制的折线图。如图2所示，在所述实时能效分析曲线图中，横轴为所述空调器100的设备负荷率。纵轴为所述空调器100的实时能效比。每一个所述空调器100的设备负荷率，均有与之对应的实时能效比。需要说明的是，所述实时能效分析曲线图是基于理论计算得到的实时能效比而得到的。

本实施例中，通过实时获取空调器100的实时环境参数，计算每一个部件设备在不同设备负荷率下的实时能效比，生成实时能效分析曲线图，实现设备负荷率和实时能效比的关系的建立，便于后续的数据分析。通过将各个部件设备的设备负荷率调整至最佳设备负荷率，并计算最佳设备负荷率下的实际能效比，实现对空调器100的实际能效状况的数据收集。

在本申请的一实施例中，所述实时能效分析曲线图为基于平面直角坐标系绘制的折线图。所述实时能效分析曲线图包括多条实时部件能效曲线，每一条实时部件能效曲线代表一个部件设备在不同设备负荷率下的实时能效比。

具体地，如图3所示，所述实时能效分析曲线图可以包括多条实时部件能效曲线。例如，空调主机在不同空调主机的设备负荷率下，存在不同的空调主机的实时能效比，所述云服务器300基于空调主机的设备负荷率和空调主机的实时能效比的关系，生成空调主机的实时部件能效曲线。在图3中展示的实施例，所述空调器100中的部件设备包括末端、空调主机、冷却塔和水泵。图3中所述实时能效分析曲线图包括4条实时部件能效曲线，分别为：末端能效曲线、空调主机能效曲线、冷却塔能效曲线和水泵能效曲线。从图3中可以看出，不同部件设备的实时部件能效曲线的最佳效率点并不相同。例如，空调主机的实时部件能效曲线的最佳效率点为，设备负荷率为60％的坐标点。冷却塔的实时部件能效曲线的最佳效率点为，设备负荷率为90％的坐标点。

本实施例中，所述云服务器300通过生成多个不同部件设备的实时部件能效曲线，可以使得用户可以在所述实时能效分析曲线图中获知各个部件的能效情况，进一步便于用户的能效抉择。例如，用户希望空调主机能效最优，用户并不关心水泵的能效情况，因此，最佳效率点的选择可以不基于所述步骤S100中所述空调器100整体的能效分析曲线，而是直接基于空调主机的实时部件能效曲线选取。

在本申请的一实施例中，所述步骤S200包括如下步骤S210至步骤S230：

S210，对多条实时部件能效曲线进行叠加拟合，生成一条实时系统能效曲线。

具体地，所述叠加拟合的方式可以为多种。所述实时系统能效曲线代表多条实时部件能效曲线的整体能效情况。所述实时系统能效曲线即所述空调器100整体的实时能效分析曲线。如图3所示，位于最上方的能效曲线为实时系统能效曲线。

S220，选取所述实时系统能效曲线中实时能效比最大的坐标点，作为所述最佳效率点。与所述最佳效率点对应的实时能效比为最佳能效比。与所述最佳效率点对应的设备负荷率为所述最佳设备负荷率。

具体地，如图3所示，选取最上方的实时系统能效曲线中实时能效比最大的坐标点，作为所述最佳效率点。在所述最佳效率点上，所述空调器100整体的能效比最大。

S230，将各个部件设备的设备负荷率均调整至所述最佳设备负荷率。

具体地，为使得所述空调器100整体的实时能效比最大，需要将每一个部件设备的设备负荷率均调整至所述最佳设备负荷率。举例说明，如图3所示，与最佳效率点对应的最佳设备负荷率为80％，则需要把末端、空调主机、冷却塔和水泵这四个部件设备的设备负荷率均调整至80％。

本实施例中，通过对多条实时部件能效曲线进行叠加拟合，生成一条实时系统能效曲线，实现对各个部件设备的能效情况进行统一化。通过选取所述实时系统能效曲线中实时能效比最大的坐标点，作为所述最佳效率点，并将各个部件设备的设备负荷率均调整至所述最佳设备负荷率，使得所述空调器100整体的实时能效比达到最大值。

在本申请的一实施例中，所述步骤S230包括如下步骤：

S231，对各个部件设备执行满速加载或满速减载的操作，以使得各个部件设备的设备负荷率以最短时间达到所述最佳实时设备负荷率。

具体地，如图3所示，最佳实时设备负荷率为80％，如果此时空调主机的设备负荷率为60％，需要进行满速加载，使得空调主机以最快速度达到80％的设备负荷率。同理，如果此时水泵的设备负荷率为90％，则需要进行满速减载，使得水泵以最快速度达到80％的设备负荷率。

本实施例中，通过对各个部件设备执行满速加载或满速减载的操作，使得各个部件设备的设备负荷率以最短时间达到所述最佳实时设备负荷率，节省时间，工作效率高。

在本申请的一实施例中，所述步骤S120包括如下步骤S121至步骤S125：

S121，获取用户的温度需求。

具体地，所述用户的温度需求，代表了用户想要达到的制冷/制热效果。

S122，依据所述用户的温度需求和所处实时环境参数，分析计算得出需要开启的空调主机台数。

具体地，开启不同的空调主机台数，可以满足不同的用户的温度需求和所述实时环境参数。例如，7月用户的温度需求较低，然而环境温度较高，则需要开启的空调主机台数较多。反之，到了9月，环境温度有所降低，需要开启的空调主机台数较少。

S123，对空调器100中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的制冷量和制冷消耗功率。

具体地，本实施例中，用户需要制冷，所述空调器100为制冷模式，则实时能效比为制冷能效比，制冷能效比与制冷量和制冷消耗功率有关。可以理解，所述云服务器300计算每一个部件设备在不同设备负荷率下的制冷量和制冷消耗功率。

S125，计算每一个部件设备在不同设备负荷率下的所述制冷量和所述制冷消耗功率的比值，得到每一个部件设备在不同设备负荷率下的实时制冷能效比。

具体地，所述实时制冷能效比可以理解为单位制冷消耗功率下的制冷量。单位制冷消耗功率下的制冷量越大，意味着用户可以花费越少的费用得到想要的效果，实时制冷能效比越大。

本实施例中，通过计算每一个部件设备在不同设备负荷率下的所述制冷量和所述制冷消耗功率的比值，得到每一个部件设备在不同设备负荷率下的实时制冷能效比，能效分析算法较为精确。

在本申请的一实施例中，在所述步骤S122之后，还包括如下步骤S124至步骤S126：

S124，对空调器100中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的制热量和制热消耗功率。

具体地，本步骤与所述步骤S123类似，区别在于，本步骤中用户需要制热所述空调器100为制热模式。

S126，计算每一个部件设备在不同设备负荷率下的所述制热量和所述制热消耗功率的比值，得到每一个部件设备在不同设备负荷率下的实时制热能效比。

具体地，本步骤与所述步骤S125类似，区别在于，本步骤中用户需要制热所述空调器100为制热模式。

本实施例中，通过计算每一个部件设备在不同设备负荷率下的所述制热量和所述制热消耗功率的比值，得到每一个部件设备在不同设备负荷率下的实时制热能效比，能效分析算法较为精确。

在本申请的一实施例中，所述步骤S230包括如下步骤：

S232，对各个部件设备执行启动或停止的操作，以使得各个部件设备的设备负荷率以最短时间达到所述最佳实时设备负荷率。

具体地，承接上述实施例，由于在所述步骤S122中，已经分析计算得出需要开启的空调主机台数。因此，依据需要开启的空调主机台数，在所述步骤S232中，不但对于空调主机要进行满速加载或满速减载，还需要对各个空调主机执行启动或停止的操作。如图4所示，最佳实时设备负荷率为90％，且空调主机台数为2台时，实时能效比最大。如果此时空调器100中空调主机包括主机1、主机2和主机3，且3台主机均处于开启状态，则需要停止主机3的运行。同理，如果此时空调器100中空调主机包括主机1、主机2和主机3，仅有主机1处于开启状态，则需要开启主机2或主机3。

本实施例中，对各个部件设备执行启动或停止的操作，使得各个部件设备的设备负荷率以最短时间达到所述最佳实时设备负荷率。

本申请还提供一种空调云群控系统。

如图5所示，在本申请的一实施例中，所述空调云群控系统包括空调器100、环境传感器200和云服务器300。所述云服务器300与所述空调器100连接。所述云服务器300与所述环境传感器200连接。所述环境传感器200设置于所述空调器100所处环境。所述环境传感器200用于每隔预设时间段获取所述空调器100所处环境的实时环境参数。所述云服务器300用于执行前述内容提及的空调器设备负荷率的优化方法。

具体地，所述空调器100所处环境内，设置有多个环境传感器200。所述多个环境传感器200可以随意设置。所述环境传感器200可以每隔预设时间段获取所述空调器100所处环境内的实时环境参数。所述预设时间段可以由用户设定。可选地，所述预设时间段可以为10秒。可选地。所述实时环境参数可以为温度、湿度、二氧化碳浓度和氧气浓度中的一种或多种。

本实施例中，通过在空调器100中取消设置庞大复杂的群控柜，将所有设备参数、控制逻辑集中储存于云服务器300中，较常规空调群控系统，更为简易、稳定、高效，节省空调器100的计算量。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (12)

1.一种空调器设备负荷率的优化方法，其特征在于，包括：

S100，在空调器(100)正式投入运行后，每隔预设时间段，依据所述空调器(100)所处环境的实时环境参数对所述空调器(100)的设备负荷率进行调整，计算所述空调器(100)在不同设备负荷率下的实时能效比，生成实时能效分析曲线图；

S200，选取所述实时能效分析曲线图中的最佳效率点，将所述空调器(100)的设备负荷率调整至与所述最佳效率点对应的最佳设备负荷率；所述最佳效率点为所述实时能效分析曲线图中实时能效比最大的数据点；

S300，获取所述空调器(100)在所述最佳设备负荷率下运行的设备数据，计算所述空调器(100)的实际能效比；

S400，依据所述实际能效比，对所述实时能效分析曲线图进行修正；

S500，选取修正后的能效分析曲线图中的实际最佳效率点，将与所述实际最佳效率点对应的实际最佳设备负荷率发送至所述空调器(100)，作为所述空调器(100)的当前设备运行负荷率。

2.根据权利要求1所述的空调器设备负荷率的优化方法，其特征在于，在所述步骤S100之前，还包括：

S010，在所述空调器(100)未投入运行前，获取空调设备出厂参数，计算所述空调器(100)中各个部件设备在不同设备负荷率下的理论能效比，并依据所述设备负荷率和所述理论能效比的关系生成理论能效分析曲线图。

3.根据权利要求2所述的空调器设备负荷率的优化方法，其特征在于，所述空调设备出厂参数包括国标工况参数和极限工况参数，所述步骤S010包括：

S011，获取国标工况参数和极限工况参数；

S012，建立理论分析模型，将所述国标工况参数和极限工况参数输入至所述理论分析模型；

S013，在所述理论分析模型中，对所述国标工况参数和极限工况参数进行分析计算，生成理论能效分析曲线图。

4.根据权利要求3所述的空调器设备负荷率的优化方法，其特征在于，在所述步骤S010之后，还包括：

S020，在所述空调器(100)的调试阶段，获取所述空调器(100)所处环境的调试环境参数；

S030，依据所述调试环境参数，对所述空调器(100)中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的调试能效比；

S040，依据所述调试能效比，对所述理论能效分析曲线图进行修正，生成调试能效分析曲线图。

5.根据权利要求4所述的空调器设备负荷率的优化方法，其特征在于，所述步骤S100包括：

S110，在所述空调器(100)正式投入运行后，每隔预设时间段，获取空调器(100)所处环境的实时环境参数；

S120，依据所处环境的实时环境参数对空调器(100)中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的实时能效比；

S130，根据所述实时能效比，对所述调试能效分析曲线图进行修正，生成实时能效分析曲线图。

6.根据权利要求5所述的空调器设备负荷率的优化方法，其特征在于，所述实时能效分析曲线图为基于平面直角坐标系绘制的折线图，所述实时能效分析曲线图包括多条实时部件能效曲线，每一条实时部件能效曲线代表一个部件设备在不同设备负荷率下的实时能效比。

7.根据权利要求6所述的空调器设备负荷率的优化方法，其特征在于，所述步骤S200包括：

S210，对多条实时部件能效曲线进行叠加拟合，生成一条实时系统能效曲线；

S220，选取所述实时系统能效曲线中实时能效比最大的坐标点，作为所述最佳效率点；与所述最佳效率点对应的实时能效比为最佳能效比，与所述最佳效率点对应的设备负荷率为所述最佳设备负荷率；

S230，将各个部件设备的设备负荷率均调整至所述最佳设备负荷率。

8.根据权利要求7所述的空调器设备负荷率的优化方法，其特征在于，所述步骤S230包括：

S231，对各个部件设备执行满速加载或满速减载的操作，以使得各个部件设备的设备负荷率以最短时间达到所述最佳实时设备负荷率。

9.根据权利要求8所述的空调器设备负荷率的优化方法，其特征在于，所述步骤S120包括：

S121，获取用户的温度需求；

S122，依据所述用户的温度需求和所处实时环境参数，分析计算得出需要开启的空调主机台数；

S123，对空调器(100)中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的制冷量和制冷消耗功率；

S125，计算每一个部件设备在不同设备负荷率下的所述制冷量和所述制冷消耗功率的比值，得到每一个部件设备在不同设备负荷率下的实时制冷能效比。

10.根据权利要求9所述的空调器设备负荷率的优化方法，其特征在于，在所述步骤S122之后，还包括：

S124，对空调器(100)中各个部件设备的设备负荷率进行调整，计算每一个部件设备在不同设备负荷率下的制热量和制热消耗功率；

S126，计算每一个部件设备在不同设备负荷率下的所述制热量和所述制热消耗功率的比值，得到每一个部件设备在不同设备负荷率下的实时制热能效比。

11.根据权利要求10所述的空调器设备负荷率的优化方法，其特征在于，所述步骤S330还包括：

S232，对各个部件设备执行启动或停止的操作，以使得各个部件设备的设备负荷率以最短时间达到所述最佳实时设备负荷率。

12.一种空调云群控系统，其特征在于，包括：

空调器(100)；

环境传感器(200)，设置于所述空调器(100)所处环境，用于每隔预设时间段获取所述空调器(100)所处环境的实时环境参数；

云服务器(300)，与所述空调器(100)和所述环境传感器(200)分别连接，用于执行权利要求1-11任一项所述的空调器设备负荷率的优化方法。