CN110709796B - 基于互联网的加热控制参数优化的方法和装置 - Google Patents

Abstract

一种用于确定暖通空调和制冷系统的闭环控制器或开环控制器的最优的控制参数集的方法。在第一步骤中，室外温度，房间的实际室内温度，供应温度，预先确定的目标室内温度，和预先确定的目标供应温度均被检测。从测量值和检测数据包的时间的生成，并通过互联网连接传输到服务器，其中数据包存储在连接到服务器中。在下一个方法步骤中，最优的控制参数集基于测量值，基于多个其他数据包；和/或通过在服务器上执行计算多个先前确定的最优的控制参数集合中的至少一个来计算。在接下来的方法步骤中，计算的最优的控制参数集存储在连接到所述服务器中，并通过互联网连接传输到计算的最优的控制参数集存储在连接到所述服务器的所述存储介质中。

Description

基于互联网的加热控制参数优化的方法和装置

技术领域

本发明涉及用于一种基于互联网的暖通空调和制冷(HVACR)系统的闭环控制器或开环控制器的控制参数优化的方法，具体为一种用于建筑的中心加热系统。本发明还涉及一种执行根据本发明的方法的系统。

背景技术

通常，HVACR系统的闭环控制器或开环控制器利用由用户参数化的开环和/或闭环控制算法来操作，例如调试期间供热承包商或最终客户。非最佳参数化，即使用开环和/或闭环控制算法的非最佳控制参数会导致消耗过多的能量。另一方面，例如在较低的外部温度下，可能给建筑物提供太少的热量。因此，可以想到的是，可能提供的火力太少而无法在较高的外部温度下冷却建筑物。在这种情况下，HVACR系统的用户可以根据各自的动态情况进一步调整(必要时迭代)控制参数，以适应不同的应用情况，例如取决于建筑的动态，从而提高控制质量，降低运营成本或增加系统的效率。但是，为了优化控制参数，用户必须对要控制的过程以及算法参数对系统操作的影响具有专业知识。作为手动调整开环和/或闭环控制算法的控制参数的替代方法，可以使用叠加的识别和自适应方法进行自动调整。这样，供热承包商和最终客户就完全摆脱了优化参数设置的任务。以这种方式可以实现例如加热回路的自适应加热特性。

根据现有技术，加热系统的天气引导控制，即根据天气或季节进行操作的控制系统，可以确保加热回路的供应温度根据外界温度对建筑物的热量需求进行调整。如果以最佳方式设置加热系统，则仅产生当前所需的热量。为这个目的，例如，外部温度的测量，并取决于期望的室温(目标室温)和建筑物的边界条件，确定达到目标室温所需的供应温度。外部温度与供应温度之间的关系例如通过加热特性(也称为加热曲线)来描述。当外部温度较低时，加热特性会导致较高的供应温度。

在图3中示出了加热特性的示例。因此，加热特性为外部温度和预先确定的目标室温的特定组合提供了特定目标供应温度。加热特性基本上由两个参数表征：斜率和水平。加热特性的斜率表示供应温度基于外部温度变化的程度。在隔热不良的老房子中，当室外变冷时，热量损失会急剧增加。然后，加热特性必须非常陡峭，以使加热能够在较低的外部温度下提供足够的热能，以确保使用者的舒适度。在现代且隔热良好的房屋中，外部温度的变化对热量损失的影响较小。因此，此处的加热特性可以选择得更平坦。因此，即使在非常寒冷的天气中，供应温度略有增加也是足够的。加热特性的水平定义了基点，即加热特性与图3中的垂直轴的交点。通过向上或向下移动加热特性(参见加热特性c和d)，可以将加热特性的热量输出。加热系统可以均匀地增加或减少。例如，如果建筑物中总是有点太热，则可以通过降低水平来降低采暖特性。这降低了整个加热特性范围内的目标供应温度。这可以减少加热系统的能量消耗。

通常很少设置加热特性，通常是在安装加热系统时以及室温反复降低时。这意味着加热系统可以高于必要的能耗运行。本发明提供了一种方法和相应的系统，用于通过互联网优化HVACR系统(即特别是加热系统)的闭环控制器或开环控制器的控制参数。根据本发明的方法或系统允许HVACR系统适合于改变例如由于外部温度的波动，日照辐射或建筑物本身的变化或建筑物本身的变化的原因引起或影响的边界条件。这意味着HVACR系统可以特别高效和节能的方式运行。另外，可以避免供应不足。

在例如美国专利申请US2015/0032267A1中公开了一种用于基于互联网的加热系统适配的方法。连接到加热控制单元的传感器可测量内部和外部温度。控制单元使用神经网络来确定所需加热能量的预测，通过该预测，可以计算出修改后的外部温度来相应地控制加热控制。这里，控制参数没有被优化，但是通过修改控制器的输入信号以某种方式改变了控制器的输出信号。

从欧洲专利说明书的德语翻译DE69918379T2中已知另一种用于建筑物加热的控制系统。多个感测元件测量外部温度以及供应温度和室温。该系统包括用于通过神经网络计算最佳热量输出的单元。通过预测外部条件并预测建筑物的内部温度来计算最佳热量输出。

发明内容

根据本发明的以下描述的方法将优化安装在具有互联网支持的建筑物中的暖通空调和制冷系统(HVACR)的闭环或开环控制所需的控制参数。然后可以自动设置优化参数，也可以由用户在闭环或开环控制器上进行设置。为这个目的，可以将操作建议发送给闭环或开环控制器的用户，例如加热承包商或加热系统的最终用户。可以通过经由互联网进行通信的设备(例如，经由移动终端设备上的app)来显示优化的控制参数。

为了确定和优化控制参数，设备(例如嵌入式系统)在一定时间段内使用合适的传感器记录HVACR系统的相关系统状态，并将其通过互联网连接发送到中央服务器以进行进一步处理。相关的系统状态包括，例如，建筑物的外部温度，参考房间的室温，供应温度，回流温度，预先确定的目标室温，特定的目标供应温度，建筑物上日照辐射的程度和输入到参考房间的外部热源。这些系统状态或系统变量部分被相应的传感器检测为测量值，并作为数据包传输到服务器。

服务器处理并分析检测到的系统变量，以计算所述优化的控制参数。另外，服务器将通过计算算法优化的控制参数传送给用户。传递给用户的参数可以作为建议的操作，以在HVACR系统的控制器中调整优化的控制参数。可替代地，所计算的优化的控制参数也可以被HVACR系统的闭环或开环控制器直接接收和接受，从而可以自动优化HVACR系统的控制。可以定期对控制参数进行优化，以使HVACR系统可以不断适应变化的边界条件。

发明内容本发明的目的是提供一种用于优化HVACR系统的闭环或开环控制器的控制参数的方法，该方法与现有技术相比已经得到改进。此外，应提供一种改进的用于优化HVACR系统的闭环或开环控制器的控制参数的系统。

根据本发明，该目的通过根据权利要求1的用于确定用于HVACR(暖通空调和制冷)系统的闭环或开环控制器的最优的控制参数集的方法来实现。该目的还通过根据权利要求6的用于确定用于HVACR系统的闭环或开环控制器的最优的控制参数集的系统来实现。根据本发明的系统尤其被配置为根据本发明用于确定最优的控制参数集来执行根据本发明的方法。所述HVACR系统安装在建筑物中，并配置为控制建筑物中至少一个房间，优选所有房间的温度。

在该方法的第一步中，检测至少一个外部温度，即建筑物外部的温度。为了检测外部温度，该系统包括至少一个外部温度传感器。所述传感器位于建筑物外部为此目的有用的点，例如。在建筑物屋顶的防风处。

在进一步的步骤中，检测至少一个参考房间的至少一个室内温度，即至少一个房间的当前空气温度，其中所述房间的温度应被用于控制所述HVACR系统。为了检测实际的室内温度，该系统包括布置在参考房间中的至少一个室温传感器。代替仅在一个参考房间中测量实际房间温度，该方法或系统还可以扩展为使得在建筑物的几个甚至所有房间中测量至少一个实际房间温度。在这种情况下，系统包括大量的室温传感器。

此外，在一个方法步骤中检测供应温度。所述供应温度是所述HVACR系统的加热或冷却回路的热传递或冷传递载体介质的温度。所述系统包括至少一个用于检测供应温度的供应温度传感器。

在进一步的方法步骤中，检测预先确定的目标室温。为了预先确定目标室温，该系统包括用于预先确定目标室温的设备。例如，所述目标室温可以由用户经由布置在房间中的恒温器来预先确定，或者目标室温可以经由相应的接口从诸如建筑物控制系统的上级电子设备接收。

另外，检测到预先确定的目标供应温度。为这个目的，所述系统包括用于预先确定目标供应温度的设备。例如，该设备可以是HVACR系统的闭环或开环控制器的一部分。预先确定的目标供应温度例如可以基于所测量的外部温度和预定的目标室温通过加热特性来确定(参见图3)。

在进一步的方法步骤中，从检测到的测量值和检测时间点生成数据包。为这个目的，所述系统包括用于生成数据包的设备。数据包可以包含多个测量值，可用于计算优化的控制参数。此外，数据包还可用于监视所述HVACR系统的当前状态或历史状态。

检测外部温度，实际室温，供应温度，目标室温和目标供应温度的步骤可以基本上同时或短时间连续地进行。优选地，在预先确定的时间点周期性地检测测量值。为了生成数据包，只需为测量值分配一个特定的时间点。该分配的时间点也可以是创建数据包时的时间点。但是，由于与检测和处理测量值的过程相比，温度变化相对较慢，因此较小的时间差不会产生重大影响。

所述生成的数据包通过互联网连接传输到服务器，并存储在连接到服务器的存储介质中。例如，该存储介质可以包括用于临时存储接收到的数据包的中间存储器的缓冲存储器，以及用于将数据分组与数据库长期存储的永久存储器。为了传输数据分组，系统包括连接到HVACR系统的闭环或开环控制器的传输设备。传输设备包括用于通过互联网将数据分组传输到服务器的合适的接口。因此，服务器包括用于接收数据包的合适的接口。相反，服务器的接口也可以向控制器或用户发送数据，特别是最优的控制参数集。因此，控制器的接口被配置为接收数据。

根据所传输和存储的数据包的测量值计算出最优的控制参数集。还基于来自在特定时间段的较早时间点生成的多个其他数据包的测量值和/或多个先前确定的最优的控制参数集中的至少一个的测量值来计算控制参数。

通过使用多个较早的时间点的其他测量值或其他数据包或至少一组先前确定的最优的控制参数集来计算新的最优的控制参数集，可以对控制参数进行迭代计算。换句话说，可以配置用于计算控制参数的算法，以便每次实施新的执行时都使用附加的数据包。这意味着当重复计算过程时，逐步接近最佳控制参数。术语“最优控制参数”和“最佳控制参数”的含义在下面更详细地描述。

通过在服务器上执行计算算法来执行最优的控制参数集的计算。为这个目的，服务器包括至少一个处理器，该处理器被配置为执行算法。

所述计算出的最优的控制参数集存储在连接到服务器的存储介质中，并通过互联网连接从服务器传输到HVACR系统的闭环或开环控制器。替代地或附加地，可以将具有所计算的最优的控制参数集的通知发送给HVACR系统的用户。因此，服务器和HVACR系统的闭环或开环控制器的接口分别设计用于发送和接收数据包或控制参数。

为了改善最优的控制参数的计算结果，可以检测更多的测量值，在计算控制参数时要考虑这些测量值。为这个目的，检测至少一个回流温度，通过供应的载体介质的质量流量，入射在建筑物上的日照辐射和/或外部热源输入。然后相应地与其他测量值一起生成数据包。当计算最优的控制参数集时，计算算法使用其他附加测量值中的至少一个。

该系统可以具有至少一个用于检测回流温度的回流温度传感器。为了检测通过供应或返回的载体介质的质量流量，该系统可以具有至少一个质量流量传感器，该传感器可以相应地布置在供应或返回中。为了检测日照辐射，该系统可以具有用于测量总热辐射的传感器，例如用于测量日照辐射的整体辐射传感器。该系统可以具有用于检测外部热源输入以便检测外部热源输入的设备。可以将用于生成数据分组的设备相应地配置为生成包括其他测量值的数据分组。

日照辐射会强烈影响建筑物(例如房间)的温度。由于日照辐射会受到天气和季节波动的影响，因此在计算控制参数时测量并考虑日照辐射会是有利的。

外部热源输入可以来自房间中的一个或多个设备。特别是电气设备会散发热量。例如，冰箱或火炉会在房间内产生大量的热量。

优选地，基于存储在存储介质中的数据包的数量来预先确定用于计算最优的控制参数集的时间段。服务器的存储介质中存储的数据包越多，可以预先确定指定的时间段越长。使用的时间越来，例如要控制的建筑物的数学模型可以更精确地计算出来。长时间存储的数据包序列使得可以更精确地对受控系统进行建模。因此，可以改善最优的控制参数的计算。

在根据本发明的方法或根据本发明的系统的优选实施例的情况下，最优的控制参数集的计算还包括确定对于预先确定的时间段的每个数据包的实际室温与目标室温之间的第一偏差的步骤。较小的偏差意味着HVACR系统的控制已经运行良好，即相关的控制参数已接近最佳设置。偏差越小，确定的控制参数越接近最佳设置。因此，可以在进一步的步骤中针对预先确定的时间段的每个数据包确定供应温度和预定供应温度之间的第二偏差。

取决于所确定的第一和/或第二偏差，可以确定在0和1之间的加权因子。当计算最优的控制参数集时，加权因子的目的是更多地考虑具有低的第一和/或第二偏差的数据包，而更少地考虑具有高的第一和/或第二偏差的数据包。换句话说，该算法寻找已生成输入变量(例如供应温度)的数据集，这些数据导致了接近最佳的输出曲线，例如室温和目标室温之间的低偏差。

可替代地，仅可以从确定的第一偏差和/或确定的第二偏差小于或等于预先确定的阈值的那些存储的数据分组中计算最优的控制参数集。这对应于使用假定为0或1的加权函数。

优选的是，各个传感器在预定的时间间隔过去之后有规律地检测测量值。例如，时间间隔可以是几分钟或几小时。因此，每十或十五分钟可以检测到一组测量值，并且可以生成相应的数据包。此外，当预定的多个预先确定的时间间隔到期时，处理器可以循环地计算最优的控制参数集，从而将用于计算最优的控制参数集的对应的多个生成的数据包存储在服务器的存储介质中。这可以每天一次，两次或多次，一周一次或每月一次几次进行。可以根据可用的存储空间在控制器或服务器中设置记录测量值或计算最优的控制参数的时间间隔。时间间隔还可以适应HVACR系统的复杂性，测量值的数量，互联网连接的速度或类似的边界条件。

附图简要说明

下面基于附图中示出的示例性的实施例更详细地描述其他有利的实施例，但是本发明不限于此。

这些图示意性地显示：

图1，图1示出了根据本发明的第一示例性实施例的用于基于互联网的加热系统的控制参数的优化的系统或方法的结构设计；

图2a和图2b示出了本发明的第一示例性实施例的更多细节；

图3，图3示出了四个示例性加热特性曲线；

图4，图4示出了适合于多个测量值的加热特性的示例；

图5a和图5b分别显示了室温测量值的长时间序列以及最优的控制参数的相应过程；

图6a示出了加热电路的物理过程的简化信号流；图6b通过数学模型示出了该过程的近似。

具体实施例的详细说明

在本发明的优选实施例的以下描述中，相同的附图标记表示相同或相似的部件。

第一示例性实施例

图1示出了用于计算用于具有根据本发明的方法的特征信号流的HVACR(heating,ventilation,airconditioning and refrigeration暖通空调和制冷)系统2的闭环控制器3或开环控制器3的最优的控制参数集Θ或Θ_k的第一示例性的实施例。向量

或

表示总共q个控制参数的集合。指标k指当前时间点，并指示这是迭代的最优的控制参数集。例如，没有运行指标k的该控制参数集Θ被用于在没有迭代计算方法的常规最小平方法中。

作为HVACR系统2的示例，下面考虑加热系统2。加热系统2安装在建筑物中。以下是单个房间9的示例，该房间的温度T_R由加热系统2控制。该房间9还可以用作用于整个建筑物的温度控制的参考房间。或者，可以使用几个参考房间，也可以对建筑物中的每个房间进行温度控制。

加热系统2连续检测相关的系统状态，例如外部温度T_A，室温T_R，供应温度T_VL，回流温度T_RL和通过加热系统2的输送管或通过回流管的载体介质的质量流量

并将这些测量值汇总为测量时间t_k的数据包D_k，并通过互联网将其发送到服务器8。此外，可以通过合适的传感器检测出对建筑物或房间的加热有贡献的日照辐射G_sol。

服务器8被设计为存储和评估所接收的数据分组D_k，并因此确定用于加热系统2的加热控制器3的最优的控制参数集Θ_k。然后，该最优的控制参数集Θ_k可以被发送到用户B，例如供热承包商或最终客户，然后，该组优化控制参数Θ_k可以被发送到用户B，例如供热承包商或最终客户，然后其可以决定是否接受控制参数Θ_k。在这种情况下，用户B在控制器3上设置控制参数Θ_k。可替代地，最优的控制参数Θ_k也可以通过互联网直接传输到加热控制器3并被其采用。

因此，根据本发明的方法也可以用于较旧的加热系统的加热控制器，该加热系统的控制参数不能通过互联网进行调节。中央服务器8还可以同时确定用于几个不同的远程HVACR系统的最优的控制参数。为此，服务器接收多个HVACR系统的8个数据包，对其进行评估，然后将计算出的最优的控制参数发送给相应的用户或控制器。

图2a和图2b示出了本发明的第一示例性实施例的更多细节。图2a示出了系统1的用于确定最佳的控制参数Θ_k的集的部分。该系统包括用于记录相关系统状态的多个传感器。用于检测供应温度T_VL的供应温度传感器12布置在加热系统2的供应中。在加热系统2的回流中，存在用于检测回流温度T_RL的回流温度传感器15。质量流量传感器也可以布置在供应管和/或回流管中，以检测质量流量

布置在房间9中的室内温度传感器10检测室内温度T_R。加热系统2向供应流提供载体介质，该载体介质将热量传输到布置在房间9中的散热器。房间9中的恒温器可用于预先确定目标室温T_R,W。

在建筑物外部，有用于检测外部温度T_A的外部温度传感器11和用于检测日照辐射G_sol的日照辐射传感器14。另外，可以在房间中布置至少一个用于检测外部热源输入P_FW的另外的传感器(未示出)。外部热源输入P_FW的热源可以是，例如发热的电器，例如冰箱或电炉。

加热系统2的控制器3具有加热回路控制器4和锅炉控制器5。加热回路控制器4被至少提供以下测量值：室温T_R，外部温度T_A，目标室温T_R,W和供应温度T_VL。可选地，至少一个测量变量，即日照辐射G_sol,质量流量

和/或外部热源输入P_FW，可以提供应加热回路控制器。加热控制器4使用针对加热控制器4预定义的控制方法来确定目标供应温度T_VL,W，该目标供应温度T_VL,W被输出到锅炉控制器5。加热控制器4所使用的控制方法例如可以基于温度，如以下更详细描述的。通常，加热控制器4使用控制参数集

例如，对于加热特性，控制参数集包括例如两个参数斜率

和水平

图2b示出了以数据包D_k形式的测量值到服务器8的传输，用于计算优化的控制参数Θ_k。加热控制器3包括用于生成具有测量值的数据包D_k的设备和用于检测测量值的时间点t_k。经由到互联网的接口20，数据包D_k被发送到服务器8，该服务器也经由接口21连接到互联网。

服务器8包括：暂存器6，在其中首先存储接收到的数据包D_k；以及永久存储器7，其具有数据库，在其中存储接收到的数据包和计算出的控制参数。服务器8还具有CPU处理器，该CPU处理器被配置为从数据包计算最优的控制参数集Θ_k。然后可以通过接口21将最优的控制参数的集Θ_k重新发送到控制器4或加热系统2的用户。

第一实施例的加热系统2的加热控制器4例如可以借助加热特性曲线来控制。加热特性描述了外部温度T_A与加热系统2的供应温度T_VL,W的目标值之间的关系。加热特性由两个参数水平θ_N和斜率θ_S表征。因此，要优化的加热特性参数集Θ_k为Θ_k＝{θ_N,θ_S}_k。

利用加热特性曲线，可以实现加热系统2的天气引导操作。在根据本发明的优化方法中，使用图2a所示的相应温度传感器10、11和12来检测系统状态，即供应温度T_VL，外部温度T_A和参考房间T_R中的温度。例如，目标室温T_R,W可以由用户经由恒温器来预先确定。

图3示出了在20℃的目标室温T_R,W下对于参数的不同值斜率θ_S和水平θ_N的四个示例性加热特性a至d。三个加热特性a至c仅在参数斜率θ_S上有所不同。可以看出，当斜率θ_S增加(从a到c)时，加热特性更加陡峭。水平θ_N参数的变化会相应地在垂直方向上移动特性曲线。以两个加热特性曲线c和d为例对此进行了说明。取决于外部温度T_A和调节后的室温T_R,W，加热控制器4使用加热特性来计算供应温度T_VL,W的目标值，该目标值被传递给锅炉控制器5，如图2a所示。

在现有技术的通用加热控制器的情况下，加热特性的两个参数斜率和水平可以调节，例如通过加热控制器上的配置菜单。通常，供暖系统的安装人员仅在调试供暖系统时才根据建筑物的属性来设置参数。在某些情况下，加热控制器甚至可以在出厂时设置的参数下运行。通常仅在与加热系统的预期舒适度有明显偏差的情况下才在加热操作期间调整参数。为了避免热量不足，加热系统通常以高于必要温度的供暖温度运行。这会导致过多的能量消耗。

可以利用根据本发明的系统1来优化加热特性的参数，斜率θ_S和水平θ_N。这意味着加热系统2可以特别有效的方式运行。避免了过多的能量需求或提供的热量不足。

如上所述，相关状态变量的随时间变化的测量值或目标值以规则的间隔被检测并且作为数据分组被发送到服务器8。测量值在这里可以表示为数据矢量，其包括时间序列的所有测量值。例如，可以在一天的时间内以15分钟的分辨率t_S记录测量值，以便在24小时内生成96个数据包D₁...D₉₆并将其发送到服务器。数据向量

因此包括96个外部温度的测量值：

因此，服务器8可以以规则间隔t_S再次计算最优的控制参数。特别地，控制参数可以迭代地计算。这意味着在控制参数的计算中将使用过去时间点的数据包或先前计算的控制参数。

现在通过将常规方法与所示的根据本发明的迭代计算的比较来说明迭代方法的优点。最佳的控制参数集的计算可以例如使用已知方法来进行。下面，描述计算过程的两个示例性实施例。使用用于优化加热控制器的控制参数的常规最小平方法，必须首先长时间记录测量数据。图5a的上部图示出了在60天的时间内室温T_R的测量曲线的示例。这意味着，每天检测到96个数据包时，在计算控制参数时，总共将存储并评估60*96＝5760个数据包。图5a的下部图示出了控制参数的初始值Θ₀以及最佳的控制参数的期望集Θ_opt。传统方法需要60天才能在此处交付结果。大量的数据包还会使控制参数的计算非常耗时。

基于图5b描述了迭代执行最优的控制参数的优点。上部图再次显示了室温T_R在60天内的曲线。下部图相应地显示了基于相同初始值Θ₀和所需的最佳的控制参数Θ_opt.的控制参数曲线。在所示的示例中，每天对最佳的控制参数集进行每日计算，每次发送和存储96个数据包，并从前一天计算出的控制参数集开始。这意味着在计算期间必须处理的数据量要少得多。另外，在计算出最佳的控制参数后，每天都可以删除数据包，因此与传统方法相比，内存需求要小得多。如在图5b的下部图中的控制参数的进展所示，结果迭代地接近所需的最佳的控制参数集。这意味着控制器可以比图5a中的比较示例更早地使用最佳的控制参数进行操作。另外，计算工作量大大降低。

标准的最小平方法

用于计算最佳的控制参数集的计算算法的第一示例性实施例使用最小平方法。传统的最小平方法通过求解线性方程组来确定最佳的控制参数Θ：

AΘ＝b (1)

在某种意义上

矩阵A和b在这里表示基础估计问题的所谓数据矩阵。通常，更多的数据点以及因此数据矩阵的线可以用作要估计的参数，从而使本线性方程组是超定的。例如在Stoer/Bulirsch：NumerischeMathematik，施普林格出版社，柏林，2007年，第250页及以下，描述了这种常规的最小平方法。

公式(1)首先公开了：

A^TAΘ＝A^Tb.

假定该A^TA是常规的，待预估的参数来自：

Θ＝(A^TA)^-1A^Tb

和：

如上所述，加热特性的特征在于两个参数集，即斜率θ_S和水平θ_N。因此，参数数量为q＝2。因此，结果为：

缩写为：

L：＝A^TA，

r：＝A^Tb

该方案还可以简洁地实施，通过：

Θ＝(A^TA)^-1A^Tb＝L^-1r

此表示形式随后构成了迭代估计问题的起点。

加权的最小平方法

标准最小平方法可以通过加权数据矩阵的各个行以及数据点的加权来进一步推广。例如，在本节和下一节中将详细介绍该方法的科学论文。在Ljung，L.：系统识别-用户理论，Prentice Hall，上萨德尔河(1999)以及R.Isermann和M.Munchhof：动态系统的识别，施普林格(2010)。

加权的最小平方法随后形成了将最小平方法应用于加热特性优化的理论起点。加权矩阵可以表示如下

其中，w_i＞0并且

然后，该加权的最小乘法问题被解决：

假定A^TWA是常规的，则该公式(1)的解为：

Θ＝(A^T·W·A)^-1A^T·W·b (2)

或者具有缩写：

L：＝A^TWA，

r：＝A^TWb

该简洁的表示为：

Θ＝(A^TWA)^-1A^TWb＝L^-1r.

迭代的最小平方法

通过上述两种方法，其证明所有的第一数据点是不利的，并因此必须在整个周期确定数据矩阵A和b，例如，数据包D₀到D_N的测量，数据包D_N决定测量周期的结束，这可能需要大量的计算工作。对于大量数据，必须提供大量的存储空间和强大的计算机功能。相反，有利的是在测量期间即已经确定了最佳的控制参数集。当新的数据包可用时。为此目的所需的存储空间和必要的计算能力可以较小。这可以通过最小平方问题的迭代表示来实现。

对于迭代方法，矩阵表示如下：

例如，该除法的解释方式应使具有标识k-1的变量表示来自过去数据包(直到时间点k-1的数据包)的最优的控制参数的结果。标识k因此指向新生成的数据包D_k，该数据包用于更新新的控制参数Θ_k。

因此，根据公式(2)：

Θ_k＝(A_k-1 ^TW_k-1A_k-1+A_k ^TW_kA_k)^-1(A_k-1 ^TW_k-1b_k-1+A_k ^TW_kb_k)

具有缩写：

L_k：＝A_k ^TW_kA_k

r_k：＝A_k ^TW_kb_k

进而，公式(1)可以被简洁地表示为：

Θ_k＝(L_k-1+L_k)^-1(r_k-1+r_k)

用于计算Θ_k的步骤的过程可以被简化为如下使用数据包D₀到D_N的示例。

1.对于数据包D₀，在第一步，

L₀：＝A₀ ^TW₀A₀und r₀：＝A₀ ^TW₀b₀已经被计算。这可以被用于确定Θ₀＝(L₀)^-1(r₀)。

2.在第二步，以下是对该数据包D₁的计算

L₁：＝A₁ ^TW₁A₁und r₁：＝A₁ ^TW₁b₁以及Θ₁＝(L₀+L₁)^-1(r₀+r₁)在这里被确定。

3.因此，以下是对该数据包D_k在第三步中的计算

L_k：＝A_k ^TW_kA_k和r_k：＝A_k ^TW_kb_k

以下的可以从那里被计算

Θ_k＝(L_k-1+L_k)^-1(r_k-1+r_k)

4.然后，L_k-1→L_k-1+L_k和r_k-1→r_k-1+r_k均被设置并且该运行变量k增加一。

5.如果k＝N+1，该步骤终止。否则返回到步骤3。

以下是加热特性优化的示例：

对于时间分辨率为15分钟的每日计算，参数为N＝96；q＝2。仅需要将参数Θ_k，L_k-1，r_k-1存储在服务器8的存储介质7中，因此与传统方法相比，存在显着更少的存储需求。基本上，可以使用上述根据本发明的过程在服务器8上有效地管理和计算可以由等式(1)表示的控制的所有参数优化问题。

适应加热特性曲线

下面示出如何将上述方法用于优化加热特性。加热特性描述了外部温度T_A，目标室内温度T_R,W和目标供应温度T_VL,W之间的静态关系，并通过公式(3)来描述：

此处，a_α是已知的，在先确定的加热曲线的参数。

公式(1)和(3)得出数据矩阵：

具有待确定的参数

偏差规则

e_VL：＝T_VL，W-T_VL

e_R：＝T_R，W-T_R

利用如图2所示的温度传感器，测量值T_VL(t),T_A(t),T_R(t),T_VL,W(t),T_R,W(t)以规则的时间间隔记录，并作为时间序列以数据包的形式发送到服务器8，在此存储和评估。图4示出了加热特征如何可以从测量值被确定。在附图4中，该测量值均被绘制在图表中。从测量值获得的标绘数据点也可以使用加权函数进行过滤，使得仅使用那些偏差e_VL和e_R非常小的数据点。然后，拟合到数据点的加热特性曲线会提供最佳的控制参数Θ_k，可以将其传递给加热控制器3。

例如，高斯分布曲线可以用作加权函数：

该设置的参数σ_VL和σ_R均从本质上可自由选择。根据可用于评估的数据包数量或测量值的分散程度，可以将设置的参数设置得更大或更小，以确定最佳的控制参数集Θ_k。

第二示例性实施例：系统识别

相较于第一示例性实施例的加热特性曲线，第二示例性实施例涉及建筑物中参考房间9的温度T_R的明确控制。第二示例性实施例描述了如何使用互联网和所存储的数据包来确定动态模型M。模型M是供应温度T_VL和外部温度T_A至室温T_R之间的关系的数学描述。该模型基于测量的数据确定。

如上所述，使用第一示例性实施例生成数据包并将其传输到服务器8。因此，在下文中仅处理用于计算最佳的控制参数Θ_k的数学方法的细节。

数学构建模型允许HVACR系统2的控制器3的控制参数根据该模型进行特定地优化，例如借助P(proportional比例)，PI(proportional,integral,比例，积分)或PID(proportional,integral,differential比例，积分，微分)控制器。该优化可以例如通过标准控制方法，例如根轨迹曲线，频率线方法等进行。与第一示例性实施例中一样，建筑模型参数的确定和优化控制参数Θ_k的计算均服务器8上执行，该服务器8通过互联网连接与控制通信。控制器3本身局部地工作，例如在加热系统2的发热器中，并且以规则的间隔(例如，每天，每周或每月)自动重新设置参数。

根据本发明的第二示例性实施例，使用受控系统的模型M来优化控制参数。为此，在服务器8上执行的计算算法基于获得的测量数据，即数据包D_k，确定控制过程的输入和输出数据之间的数学关系。

图6a示出了示例性过程P(这里是加热回路)的初始情况。外部温度T_A是可测量的干扰变量。加热回路的供应温度T_VL是输入变量。室温T_R是输出或控制变量。此外，不可测量的扰动变量由G＝[g₁,...,g_q]表示。

该方法的目的是确定数学模型M，使得由模型M提供的输出变量

尽可能精确地对应于所测量的室温T_R,，如图6b所示。因此，目的是使输出变量

与测量的室温T_R之间的偏差e最小。

作为模型M的一种简单方法，例如，可以选择供应温度G_VL(Z)在频域中的时间离散传递函数和外部温度G_A(Z)的时间离散传递函数，为此

T_R(Z)＝G_VL(Z)·T_VL(Z)+G_A(Z)·T_A(Z)

时间t在下面表示为采样时间t_S的倍数，因此：t＝k·t_s。频域中的时间离散传递函数在此表示为Z变换的图像域中的时间离散传递函数。

频域中的传递函数在时域中对应于差分方程

N_P在此是传递函数的极点数，并且N_Z，VL或N_Z，A是相应零位置的数量。原则上，这些是可以自由选择的，但是通常可以根据物理考虑事先确定。

数学模型M使用外部温度T_A和室温T_R的历史值计算模型输出，这些历史值作为数据包存储在服务器8的存储介质7中。模型参数a_i，b_VL，i，b_A，I的计算可以再次如在第一示例性实施例中那样被表示为最小平方问题：AΘ＝b。矩阵A和b可以从数据包D_i生成。如果已知其他干扰变量，例如日照辐射G_sol或外部热源输入P_FW，则可以相应地扩展模型。

为了计算模型参数，将问题转换为最小平方问题。数据包D₁到D_N用于此目的。例如，对于15分钟的采样时间t_s，N＝96被使用一天。从而：

k＝1，...，96

N_p＝2

N_Z，VL＝1

N_Z，A＝1

从公式(4)得出：

T_R(k)＝-a₁T_R(k-1)-a₀T_R(k-2)+b_VL，1T_VL(k-1)+b_VL，0T_VL(k-2)+b_A，1T_A(k-1)+b_A，0T_A(k-2)

从而，从D₁，...D_N得出：

因此可以从传输到服务器8的数据包D_i产生矩阵A和b。可以从控制参数Θ＝[a₁，a₀，...，b_A，0]计算传递函数G_VL(Z)和G_A(Z)。如果传递函数G_VL(Z)和G_A(Z)是已知的，则可以将控制器3(例如P，Pl或PID控制器)设计为控制室温T_R。可以基于模型使用标准控制技术，例如根轨迹曲线，频率特性曲线等来完成。

由于模型M的参数是周期性更新的，例如每天，每周或每月，结果是适应于该过程的加热系统2(在此为加热回路)的自适应或优化控制。控制器3的控制参数相应地周期性地更新。这允许对控制器3进行基于互联网的连续优化。

该方法的优点和创新在于，无需维护和处理参数即可在热发生器的嵌入式系统上进行识别，因为这些计算是在互联网上中央平台的相应容量上进行的。

在上面说明书，权利要求书和附图中公开中的特征，在本发明的各种实施方式的实现中，无论是单独还是以任何组合均是重要的。

相关标号的列表

1.用于确定最佳的控制参数的系统

2.HVACR系统

3.闭环/开环控制器

4.加热回路控制器

5.锅炉控制器

6.暂存器(存储介质)

7.数据库(存储介质)

8.服务器

9.房间

10.室内温度传感器

11.外部温度传感器

12.供应温度传感器

14.日照辐射传感器

15.回流温度传感器

20.控制器的接口

21.服务器的接口

B.用户

Claims (10)

1.一种用于确定暖通空调和制冷系统(2)的闭环控制器(3)或开环控制器的最优的控制参数集(Θ_k)的方法，包括以下步骤：

检测室外温度(T_A)；

检测房间(9)的实际室内温度(T_R)；

检测供应温度(T_VL)；

检测预先确定的目标室内温度(T_R,W)；

检测预先确定的目标供应温度(T_VL,W)；

产生具有所述检测的测量值(T_A,T_R,T_R,W,T_VL,T_VL,W)和检测时间(t_k)的数据包(D_k)；

将所述数据包(D_k)通过互联网连接传输至服务器(8)；

将所述数据包(D_k)存储在连接到所述服务器(8)的存储介质(6,7)中；

根据传输和存储的所述数据包(D_k)的测量值(T_A,T_R,T_R,W,T_VL,T_VL,W)并根据以下参数计算最优的控制参数集(Θ_k)：

在特定时间段(Δt)的较早时间(t...k)生成的多个其他数据包(D_0...k)的测量值(T_A,T_R,T_R,W,T_VL,T_VL,W)；和/或

多个先前确定的最优的控制参数集合(Θ_k-1)中的至少一个；

其中，通过在所述服务器(8)上执行计算算法来计算所述最优的控制参数集(Θ_k)；

将计算的最优的控制参数集(Θ_k)存储在连接到所述服务器(8)的所述存储介质(6,7)中；以及

将所述计算的最优的控制参数集(Θ_k)通过所述互联网连接从所述服务器(8)传输至所述暖通空调和制冷系统(2)的所述闭环控制器(3)或所述开环控制器，或用所述计算的最优的控制参数集(Θ_k)向所述暖通空调和制冷系统(2)的用户(B)发送通知。

2.如权利要求1所述的方法，其中所述方法还包括：

在所述时间(t_k)检测以下组成中的至少一个进一步的值：

回流温度(T_RL)；

质量流量

日照辐射(G_sol)；

外部热源输入(P_FW)；

其中，所述生成的数据包(D_k)包括所述进一步测量的值

且所述计算算法基于所述进一步测量的值

中的至少一个确定所述最优的控制参数集(Θ_k)。

3.如权利要求1或2所述的方法，其中，用在计算所述最优的控制参数集(Θ_k)的所述时间段(Δt)是基于存储在所述存储介质(6,7)中的所述数据包(D_0...k)的数量来预先确定的。

4.如前述权利要求1所述的方法，其中，所述最优的控制参数集(Θ_k)的所述计算包括：

为预定时间段(Δt)的每个数据包(D_0...k)确定实际室温(T_R)与目标室内温度(T_R,W)之间的第一偏差(e_R)；

为预定时间段(Δt)的每个数据包(D_0...k)确定供应室温(T_R)与预先确定的供应温度(T_VL,W)之间的第二偏差(e_VL)；以及

基于所述确定的偏差(e_R,e_VL)确定并应用介于0和1之间的加权因子，使得当计算所述最优的控制参数集(Θ_k)时，低偏差数据包(D0...k)被较多的考虑，高偏差的数据包(D_0...k)被较少的考虑；或

从存储的数据包(D_0...k)计算所述最优的控制参数集(Θ_k)，使得所述确定的第一偏差(e_R)和/或所述确定的第二偏差(e_VL)小于或等于分别预先确定的阈值(δ_R,δ_VL)。

5.如前述权利要求1所述的方法，其中，在预先确定的时间间隔过去之后定期检测所述测量值，并且每当预定的多个预先确定时间间隔过去时，就反复计算所述最优的控制参数集(Θ_k)，使得用于计算所述最优的控制参数集(Θ_k)的多个相应的生成的数据包(D_0...k)均存储在所述服务器(8)的所述存储介质(6,7)中。

6.用于一种暖通空调和制冷系统(2)的闭环控制器(3)或开环控制器的最优的控制参数集(Θ_k)的系统(1)，包括：

用于检测外部温度(T_A)的外部温度传感器(11)；

用于检测实际室内温度(T_R)的室内温度传感器(10)，其中所述室内温度传感器(10)设置在房间(9)内；

用于检测供应温度(T_A)的供应温度传感器(12)；

用于预设目标室内温度(T_R,W)的装置；

用于预设目标供应温度(T_VL,W)的装置(4)；

用于生成具有所述检测的测量值(T_A,T_R,T_R,W,T_VL,T_VL,W)和检测时间(t_k)的数据包(D_k)的装置；

传输装置，具有用于通过互联网连接将所述数据包(D_k)传输到服务器(8)的接口(21)；和

存储介质(6,7)，连接至所述服务器(8)用于存储所述数据包(D_k)；

其中，所述服务器(8)具有处理器(CPU)，所述处理器(CPU)被配置为：

基于在时间点(t_k)传输和存储的数据包(D_k)的测量值(T_A,T_R,T_R,W,T_VL,T_VL,W)计算最优的控制参数集(Θk)，并基于：

在特定时间段(Δt)的更早的时间(t_0...k-1)生成的多个进一步的数据包(D_0...k-1)的测量值(T_A,T_R,T_R,W,T_VL,T_VL,W)；和/或

多个先前确定的控制参数集(Θ_k-1)的至少一个；

其中，所述处理器(CPU)被配置为执行用于计算所述最优的控制参数集(Θ_k)的计算算法；

将所述计算的最优的控制参数集(Θ_k)存储在连接到服务器(8)的所述存储介质(6,7)中；以及

将所述计算的最优的控制参数集(Θ_k)通过所述互联网通过所述传输装置的所述接口(21)传输至所述暖通空调和制冷系统(2)的所述闭环控制器(3)或所述开环控制器，或用所述计算的最优的控制参数集(Θ_k)向所述暖通空调和制冷系统(2)的用户(B)发送通知。

7.根据权利要求6所述的系统(1)，其中，所述系统(1)还包括：

用于确定回流温度(T_RL)的回流温度传感器(15)；和/或

用于检测质量流量

的质量流量传感器；和/或

用于检测日照辐射(G_sol)的日照辐射传感器(14)；和/或

用于检测外部热源输入(P_FW)的装置；

其中，用于生成数据包的所述装置被配置为生成具有所述进一步测量值

的所述数据包(D_k)，并且所述处理器(CPU)被设计用于基于所述进一步测量值

中至少一个来计算所述最优的控制参数集(Θ_k)。

8.根据权利要求6或7所述的系统(1)，其中，所述服务器(8)的处理器(CPU)被配置用于基于存储的数据包(D_0...k)的数量预先确定用于计算所述最优的控制参数集(Θk)的所述时间段(Δt)。

9.根据权利要求6所述的系统(1)，其中，所述服务器(8)的处理器(CPU)被配置用于：

为预定时间段(Δt)的每个数据包(D_0...k)确定实际室温(T_R)与目标室内温度(T_R,W)之间的第一偏差(eR)；

为预定时间段(Δt)的每个数据包(D_0...k)确定供应室温(T_R)与预先确定的供应温度(T_VL,W)之间的第二偏差(e_VL)；以及

基于所述确定的偏差(e_R,e_VL)确定并应用介于0和1之间的加权因子，使得当计算所述最优的控制参数集(Θ_k)时，低偏差数据包(D_0...k)被较多的考虑，高偏差的数据包(D_0...k)被较少的考虑；或

从存储的数据包(D_0...k)确定所述最优的控制参数集(Θ_k)，使得所述确定的第一偏差(e_R)和/或所述确定的第二偏差(e_VL)小于或等于分别预先确定的阈值(δR,δVL)。

10.根据权利要求6所述的系统(1)，其中，在预定的时间间隔过去之后，所述传感器定期检测所述测量值，并且所述服务器(8)的处理器(CPU)被配置用于为每次预定的多个预先确定的时间重复计算所述最优的控制参数集(Θ_k)，使得相应的多个生成的数据包(D_0...k)被存储在所述服务器(8)的所述存储介质(6,7)中，用于计算所述最优的控制参数集(Θ_k)。

Images