CN110736225A - 空调的控制方法和装置 - Google Patents
空调的控制方法和装置 Download PDFInfo
- Publication number
- CN110736225A CN110736225A CN201911039332.XA CN201911039332A CN110736225A CN 110736225 A CN110736225 A CN 110736225A CN 201911039332 A CN201911039332 A CN 201911039332A CN 110736225 A CN110736225 A CN 110736225A
- Authority
- CN
- China
- Prior art keywords
- parameters
- air conditioner
- control strategy
- parameter
- candidate control
- 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
Links
Images
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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
Abstract
本发明公开了一种空调的控制方法和装置。其中,该方法包括:根据空调的工况参数选择与空调对应的候选控制策略,其中,工况参数包括:空调所处环境的环境参数和室内的结构参数,候选控制策略用于指示空调的可执行部件的运行参数;根据候选控制策略对应的过程参数对候选控制策略进行评价,得到候选控制策略的评价参数,其中,过程参数用于表示空调按照候选控制策略运行预设时间段内产生的变化参数;根据评价参数从候选控制策略中选择目标控制策略,其中,控制空调按照目标控制策略运行。本发明解决了现有技术中空调的控制策略固定,导致空调的性能较低的技术问题。
Description
技术领域
本发明涉及空调控制领域,具体而言,涉及一种空调的控制方法和装置。
背景技术
随着生活水平的提高,人们对居住环境的品质要求越来越高。空调作为室内重要的调温装置,已成为生活中的必需品。
目前空调采用传统控制策略,即不同的控制温度对应同一套控制策略,且在同一套控制策略下,空调各执行部件的运行参数仅为简单的固定参数。但空调在实际运行的过程中会遇到各种复杂的工况,因此采用传统的控制策略,难以发挥出空调最大的能效,从而导致舒适性不足或耗电量过大。
针对现有技术中空调的控制策略固定,导致空调的性能较低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种空调的控制方法和装置,以至少解决现有技术中空调的控制策略固定,导致空调的性能较低的技术问题。
根据本发明实施例的一个方面,提供了一种空调的控制方法,包括:根据空调的工况参数选择与空调对应的候选控制策略,其中,工况参数包括:空调所处环境的环境参数和室内的结构参数,候选控制策略用于指示空调的可执行部件的运行参数;根据候选控制策略对应的过程参数对候选控制策略进行评价,得到候选控制策略的评价参数,其中,过程参数用于表示空调按照候选控制策略运行预设时间段内产生的变化参数;根据评价参数从候选控制策略中选择目标控制策略,其中,控制空调按照目标控制策略运行。
进一步地,从数据库中查找与工况参数相匹配的候选控制策略,其中,数据库存储了工况参数与控制策略的对应关系。
进一步地,获取每种过程参数对应的权重;将候选控制策略对应的过程参数通过过程参数对应的权重进行加权,得到每种候选控制策略对应的评价参数。
进一步地,过程参数包括:室内的温湿度变化参数和空调的能耗参数,室内的温湿度变化参数包括如下至少一项:降温速率参数、温度控制准确度参数以及湿度控制准确度参数;空调的能耗参数包括如下至少一项:耗电量参数。
进一步地,选择评价参数最高的候选控制策略为目标控制策略。
进一步地,在获取空调的控制参数之前,方法还包括:获取控制策略和控制策略对应的过程参数,其中,获取控制策略和控制策略对应的过程参数的步骤包括:获取功耗模型和温度模型,其中,功耗模型用于模拟空调按照不同的控制策略运行时的能耗参数,温度模型用于模拟空调在不同的工况参数下按照不同的能耗参数运行时室内的温湿度变化参数;改变控制策略中不同执行部件的执行参数,得到不同的控制策略;通过功耗模型根据不同控制策略中执行部件的执行参数,获取空调在不同控制策略下的能耗参数,并通过温度模型根据不同的工况参数和能耗参数,获取空调在不同的工况参数下按照不同的控制策略运行时,室内的温湿度变化参数。
进一步地,获取神经网络模型,其中,神经网络模型用于根据工况参数预测空调的过程参数;将工况参数输入至神经网络模型,获取神经网络模型预测得到的过程参数。
进一步地,在空调运行的过程中,采集空调的工况参数、控制策略和空调运行的过程参数;将工况参数、控制策略和空调运行的过程参数对应存储。
进一步地,在将工况参数输入至神经网络模型,获取神经网络模型预测得到的过程参数之后,在空调运行的过程中,采集空调的工况参数;通过采集到的过程参数对神经网络模型预测得到的过程参数进行修正。
根据本发明实施例的一个方面,提供了一种空调的控制装置,第一选择模块,用于根据空调的工况参数选择与空调对应的候选控制策略,其中,工况参数包括:空调所处环境的环境参数和室内的结构参数,候选控制策略用于指示空调的可执行部件的运行参数;评价模块,用于根据候选控制策略对应的过程参数对候选控制策略进行评价,得到候选控制策略的评价参数,其中,过程参数用于表示空调按照候选控制策略运行预设时间段内产生的变化参数;第二选择模块,用于根据评价参数从候选控制策略中选择目标控制策略,其中,控制空调按照目标控制策略运行。
根据本发明实施例的一个方面,提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述的空调的控制方法。
根据本发明实施例的一个方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述的空调的控制方法。
在本发明实施例中,根据所述空调的工况参数选择与所述空调对应的候选控制策略;根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数;根据评价参数从所述候选控制策略中选择目标控制策略,其中,控制所述空调按照所述目标控制策略运行。上述方案中,根据空调器的工况参数确定候选控制策略,并通过对候选控制策略的评价,从候选控制策略中选择目标控制策略,从而得到了当前工况下空调器所对应的舒适且省电最佳的控制策略,进而提高空调器的运行性能,解决了现有技术中空调的控制策略固定,导致空调的性能较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的空调的控制方法的流程图;
图2是根据本发明实施例的一种空调控制的示意图;
图3是根据本发明实施例的一种空调的耗电量以及室内的温度与时间的曲线示意图;
图4是根据本发明实施例的中功耗模型的示意图;
图5是根据本发明实施例的中温度模型的示意图;
图6是根据本发明实施例的一种可选的空调的控制方法的流程图;以及
图7是根据本发明实施例的空调的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种空调的控制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的空调的控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,根据空调的工况参数选择与空调对应的候选控制策略,其中,所述工况参数包括:所述空调所处环境的环境参数和室内的结构参数,所述候选控制策略用于指示所述空调的可执行部件的运行参数。
具体的,上述空调的工况参数包括室内的环境参数、结构参数和控制指令,其中,空调所处环境包括室内环境和室外环境,环境参数可以包括:室内温度、室内湿度、室外温度和室外湿度等参数,这些参数都可以通过空调室内机或室外机上的温度感温包或湿度检测装置进行检测;室内结构参数可以包括:室内尺寸大小(长/宽/高)、墙体厚度、墙体材质、室内窗户数量和窗户大小等信息。这些参数信息可以通过用户首次使用app、遥控器等设备输入,也可以通过3D摄像头、红外探头等智能设备进行自主检测。
在一种可选的实施例中,室内空调器检测到开机信号,空调获取当前环境参数和室内的结构参数,然后空调将当前开机默认控制策略输入到数据库调用曲线数据,数据库还会根据空调当前的工况参数,查找与其工况参数相同的多种不同的控制策略,以为空调选择最佳的控制策略。
步骤S104,根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数,其中,所述过程参数用于表示所述空调按照所述候选控制策略运行预设时间段内产生的变化参数。
具体的,上述过程参数可以包含室内的温湿度变化参数和所述空调的能耗参数,其中,室内的温湿度变化参数可以用于表示该控制策略下室内的舒适度,空调的能耗参数可以用于表示该控制策略下空调的节能程度。
仍在上述实施例中,数据库中存储了不同工况参数下对应的候选控制策略,从数据库中获取与工况参数的对应候选控制策略后,基于每种候选控制策略的过程参数,对每种候选控制策略进行评价,得到评价参数,该评价参数可以体现空调在不同控制策略下的性能,具体包括舒适度和节能程度。
步骤S106,根据评价参数从所述候选控制策略中选择目标控制策略,其中,控制所述空调按照所述目标控制策略运行。
在上述步骤中,从候选控制策略中选择的目标控制策略是当前工况下空调性能最高的控制策略,因此最终控制空调按照目标控制策略运行,能够达到提高空调运行性能的目的。
图2是根据本发明实施例的一种空调控制的示意图,结合图2所示,通过空调器获取当前的环境参数和室内的结构参数作为工况参数,数据库根据空调器的工况参数查找与该工况参数对应的候选控制策略(可以根据空调的在线数据创建候选控制策略),并查找空调在不同的候选控制策略下运行N小时的参数变化情况(即上述过程参数,如图3所示,可以表示为空调的耗电量与时间的对应关系,以及室内的温度与时间的对应关系)。然后数据库接收服务器根据上述参数变化情况,对每种候选控制策略的舒适度和能耗情况计算得到的评价参数,空调器根据评价参数确定目标控制策略。
由上可知,本申请上述实施例根据所述空调的工况参数选择与所述空调对应的候选控制策略;根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数;根据评价参数从所述候选控制策略中选择目标控制策略,其中,控制所述空调按照所述目标控制策略运行。上述方案中,根据空调器的工况参数确定候选控制策略,并通过对候选控制策略的评价,从候选控制策略中选择目标控制策略,从而得到了当前工况下空调器所对应的舒适且省电的最佳控制策略,进而提高空调器的运行性能,解决了现有技术中空调的控制策略固定,导致空调的性能较低的技术问题。
作为一种可选的实施例,根据所述空调的工况参数选择与所述空调对应的候选控制策略,包括:从数据库中查找与所述工况参数相匹配的候选控制策略,其中,所述数据库存储了工况参数与控制策略的对应关系。
在一种可选的实施例中,在构建控制策略时,将工况参数与控制存储对应存储在数据库中,因此在获得空调的工况参数后,可以根据空调的工况参数,在数据库中查找到与其对应的候选控制策略。
作为一种可选的实施例,根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数,包括:获取每种过程参数对应的权重;将所述候选控制策略对应的过程参数通过所述过程参数对应的权重进行加权,得到每种所述候选控制策略对应的评价参数。
具体的,每种过程参数都具有预设的权重,在上述步骤中,通过加权的方式确定候选控制策略的评价参数。在一种可选的实施例,可以以下公式计算评价参数:
P=a1*t+a2*ΔT+a3ΔD+…….+am*M+b1*E+……+bn*N;
其中,P用于表示评价参数,a1、a2、a3……am,b1、b2……bn用于表示不同过程参数对应的权重。T、ΔT、ΔD、M、E、N用于表示不同的过程参数,下面通过表一对上述公式进行说明。
表一
如表一所示,舒适性指标用于表示过程参数中的室内温湿度变化参数,节能指标用于表示过程参数中空调的能耗参数。其中,温降速率值是指空调开机后,房间从初始温度降低到设定温度所用的时间,t的取值与所用时间呈反比例关系;控温准确性,指房间工况稳定后房间温度和设定温度之间的相对误差,ΔT的取值与该相对误差呈反比例关系,例如:ΔT=(T房间温度-T设定温度)/T设定温度×100%;控湿准确性指房间工况稳定后房间湿度和设定湿度之间的相对误差,ΔD的取值也与该相对误差呈反比例关系,例如:ΔD=(d房间湿度-d设定湿度)/T设定湿度×100%;耗电量指房间在预设时间(可以为3h)内的耗电量,E的取值也与耗电量呈反比例关系。需要注意的是,表一仅用于示例,实际的评价指标不限于上述几种。
作为一种可选的实施例,所述过程参数包括:所述室内的温湿度变化参数和所述空调的能耗参数,所述室内的温湿度变化参数包括如下至少一项:降温速率参数、温度控制准确度参数以及湿度控制准确度参数;所述空调的能耗参数包括如下至少一项:耗电量参数。
作为一种可选的实施例,根据评价参数从所述候选控制策略中选择目标控制策略,包括:选择所述评价参数最高的候选控制策略为所述目标控制策略。
具体的,评价参数最高的候选控制策略为在该工况下,能够使空调的性能最高的控制策略,因此选择评价参数最高的候选控制策略为空调的目标控制策略。
作为一种可选的实施例,其特征在于,在获取所述空调的控制参数之前,所述方法还包括:获取控制策略和所述控制策略对应的过程参数,其中,获取控制策略和所述控制策略对应的过程参数的步骤包括:获取功耗模型和温度模型,其中,所述功耗模型用于模拟空调按照不同的控制策略运行时的能耗参数,所述温度模型用于模拟所述空调在不同的工况参数下按照不同的能耗参数运行时室内的温湿度变化参数;改变控制策略中不同执行部件的执行参数,得到不同的控制策略;通过所述功耗模型根据不同控制策略中执行部件的执行参数,获取所述空调在不同控制策略下的能耗参数,并通过所述温度模型根据不同的工况参数和所述能耗参数,获取所述空调在不同的工况参数下按照不同的控制策略运行时,所述室内的温湿度变化参数。
具体的,上述功耗模型通过输入不同的控制策略中所包含的执行部件的运行参数(例如:压缩机频率、风机转速等),输出空调的能力、功率等参数。图4是根据本发明实施例的中功耗模型的示意图,结合图4所示,空调控制策略模型即为上述功耗模型。温度模型通过输入工况参数(例如:房间温湿度、空调能力(制冷量)、房间结构参数等参数)可以输出房间温度变化等参数。图5是根据本发明实施例的中温度模型的示意图,结合图5所示,房间模型即为上述的温度模型。
上述执行部件可以包括压缩机、膨胀阀、风机以及导风板等,通过更改不同执行部件的执行参数,即可得到不同的控制策略。在得到不同的控制策略后,分别通过功耗模型和温度模型获取到空调在不同工况下,按照不同控制策略下运行时的能耗参数和室内温湿度变化参数,进而可以得到控制策略与环境参数以及过程参数的映射关系。
需要说明的是,温度模型的输入参数包括功耗模型的输出参数空调能力,因此温度模型的模拟运算过程在功耗模型的模拟运算过程后执行。
在一种可选的实施例中,数据库中的工况参数(包括环境参数、室内结构、空调模式(制冷、制热、除湿等))、控制策略和过程参数(包括房间温降/温升曲线,空调总耗电量,空调湿度变化等)的映射组合会不断更新,可以通过后台服务器或空调器的本地芯片进行模拟计算,上述步骤即为进行模拟计算的过程。下面具体进行说明。
上述步骤中,服务器模拟计算主要通过搭建的功耗模型和温度模型。功耗模型通过获取输入参数和控制策略可以模拟计算空调在不同的控制策略下,系统内管温度Tin,内风机转速N以及功耗dW,进而可以计算空调当前时刻dt的能力Q和功率输出dW。如下公式所示:Q=c·H·(Ts-Tw),其中,c为常数,H为风量,Ts为进风温度,Tw为出风温度,可通过内管温进行拟合。温度模型通过室内结构建立起来的模型,模拟空调在不同的工况下室内的温度变化。
温度模型模拟空调运行N小时内室内的温度化,并输出温降曲线,并将能耗模型中输出的每一时刻的功耗累计计算出空调运行N小时后的总耗电量。
通过更改控制策略中执行部件的执行参数,例如,压缩机频率、膨胀阀开度、风机转速,导风板参数等,再次进行上述计算,即可得到另一套策略控制下的温降曲线、耗电量曲线。
作为一种可选的实施例,获取控制策略和所述控制策略对应的过程参数的步骤还包括:获取神经网络模型,其中,所述神经网络模型用于根据工况参数预测空调的过程参数;将工况参数输入至所述神经网络模型,获取所述神经网络模型预测得到的过程参数。
具体的,上述神经网络模型可以通过对数据库中记录的控制策略、工况参数以及过程参数之间的映射关系进行学习得到,从而能够用于预测出更多的控制策略在更加复杂的工况参数下的过程参数,进而能够丰富数据库的数据。
服务器的模拟计算还可以通过神经网络模型构成。在一种可选的实施例中,为了快速的获得不同工况、不同控制策略下的房间温降曲线(即温度变化参数),服务器可以在空调器开机或关机时,均对空调常用工况进行不同控制策略空调运行曲线参数的计算,并对数据库中的环境参数、室内结构参数、控制策略至过程参数(房间温降/温升曲线,空调总耗电量,空调湿度变化等)的过程进行学习,从而能够对更多复杂环境参数下,运行于不同控制策略的空调的过程参数进行预测,进而能够较快的丰富数据库,方便空调器的调用,节省后台服务计算时间。
作为一种可选的实施例,获取控制策略和所述控制策略对应的过程参数,还包括:在所述空调运行的过程中,采集所述空调的工况参数、控制策略和所述空调运行的过程参数;将所述工况参数、控制策略和所述空调运行的过程参数对应存储。
在一种可选的实施例中,数据库中的工况参数(包括环境参数、室内结构、空调模式(制冷、制热、除湿等))、控制策略和过程参数(包括房间温降/温升曲线,空调总耗电量,空调湿度变化等)的映射组合会不断更新,还可以通过在线采集空调的运行数据来获取上述映射关系。下面具体进行说明。
可以通过空调的通信模块(例如wifi模块)采集空调的初始工况参数、空调模式以及控制策略,并在空调运行过程中获取室内温湿度以及空调耗电量等参数,最终生成空调运行曲线存储至数据库。
作为一种可选的实施例,在将工况参数输入至所述神经网络模型,获取所述神经网络模型预测得到的过程参数之后,所述方法还包括:在所述空调运行的过程中,采集所述空调的工况参数;通过采集到的过程参数对所述神经网络模型预测得到的过程参数进行修正。
在上述步骤中,在线获取空调运行过程中产生的过程参数后,还可以根据该过程参数,对后台服务器的神经网络预测模型进行修正,以使神经网络模型预测的过程参数更符合空调的实际情况。
在一种可选的实施例中,可以将实际采集到的过程参数与神经网络模型预测的过程参数进行比对,如果同等工况下同等控制策略对应的实际采集的过程参数与神经网络模型预测得到的过程参数的差值大于预设值,则利用实际采集的工况参数和过程参数继续训练神经模型,其中,主要修正神经网络模型中每一层的权重值,使之可以预测符合实际环境的过程参数。
图6是根据本发明实施例的一种可选的空调的控制方法的流程图,下面结合图6对本发明一种完整的实施例进行说明。
向控制策略模块(即上述功耗模块)输入工况参数、空调模式以及室内结构参数,控制策略模块进行空调的能力计算后,将空调的能耗参数(过程参数之一)输出至房间模型(即上述的温度模型),房间模型根据控制策略模块输出的能力以及工况参数等信息,进行降温计算,得到室内的温湿度变化参数(过程参数之一)。通过不断更改控制策略的方式,即可得到工况参数、过程参数和控制策略的映射关系。通过曲线数据库保存上述映射关系。
还可以在空调运行时在线获取初始工况参数、空调模式和室内结构参数,并实时获取空调运行时的参数变化,该参数变化包括:室内温湿度变化以及空调的耗电量。根据获取的上述参数即可得到工况参数、过程参数和控制策略的映射关系。仍可以通过曲线数据库保存上述映射关系。
在空调运行时,从曲线数据库中获取与当前工况参数匹配的候选控制策略以及候选控制策略对应的过程参数(通过曲线的形式存储在曲线数据库中),并根据过程参数中的舒适性指标和节能性之别进行评价,得到评价参数。如果得分最高的评价参数大于预设值,则评价成功,输出最佳控制策略,如果得分最高的评价参数仍小于等于预设值,则评价失败,重新返回从曲线数据库中选择候选控制策略的步骤。
实施例2
根据本发明实施例,提供了一种空调的控制装置的实施例,图7是根据本发明实施例的空调的控制装置的示意图,如图7所示,该装置包括:
第一选择模块70,用于根据所述空调的工况参数选择与所述空调对应的候选控制策略,其中,所述工况参数包括:所述空调所处环境的环境参数和室内的结构参数,所述候选控制策略用于指示所述空调的可执行部件的运行参数。
评价模块72,用于根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数,其中,所述过程参数用于表示所述空调按照所述候选控制策略运行预设时间段内产生的变化参数。
第二选择模块74,用于根据所述评价参数从所述候选控制策略中选择目标控制策略,其中,控制所述空调按照所述目标控制策略运行。
作为一种可选的实施例,第一选择模块包括:查找子模块,用于从数据库中查找与所述工况参数相匹配的候选控制策略,其中,所述数据库存储了工况参数与控制策略的对应关系。
作为一种可选的实施例,评价模块包括:第一获取子模块,用于获取每种过程参数对应的权重;加权子模块,用于将所述候选控制策略对应的过程参数通过所述过程参数对应的权重进行加权,得到每种所述候选控制策略对应的评价参数。
作为一种可选的实施例,所述过程参数包括:所述室内的温湿度变化参数和所述空调的能耗参数,所述室内的温湿度变化参数包括如下至少一项:降温速率参数、温度控制准确度参数以及湿度控制准确度参数;所述空调的能耗参数包括如下至少一项:耗电量参数。
作为一种可选的实施例,第二选择模块包括:选择子模块,用于选择所述评价参数最高的候选控制策略为所述目标控制策略。
作为一种可选的实施例,上述装置还包括:获取模块,用于在获取所述空调的控制参数之前,获取控制策略和所述控制策略对应的过程参数,其中,获取模块包括:第二获取子模块,用于获取功耗模型和温度模型,其中,所述功耗模型用于模拟空调按照不同的控制策略运行时的能耗参数,所述温度模型用于模拟所述空调在不同的工况参数下按照不同的能耗参数运行时室内的温湿度变化参数;改变子模块,用于改变控制策略中不同执行部件的执行参数,得到不同的控制策略;第三获取子模块,用于通过所述功耗模型根据不同控制策略中执行部件的执行参数,获取所述空调在不同控制策略下的能耗参数,并通过所述温度模型根据不同的工况参数和所述能耗参数,获取所述空调在不同的工况参数下按照不同的控制策略运行时,所述室内的温湿度变化参数。
作为一种可选的实施例,获取模块还包括:第四获取子模块,用于获取神经网络模型,其中,所述神经网络模型用于根据工况参数预测空调的过程参数;第五获取子模块,用于将工况参数输入至所述神经网络模型,获取所述神经网络模型预测得到的过程参数。
作为一种可选的实施例,获取模块还包括:第一采集子模块,用于在所述空调运行的过程中,采集所述空调的工况参数、控制策略和所述空调运行的过程参数;存储子模块,用于将所述工况参数、控制策略和所述空调运行的过程参数对应存储。
作为一种可选的实施例,上述装置还包括:第二采集子模块,用于在将工况参数输入至所述神经网络模型,获取所述神经网络模型预测得到的过程参数之后,在所述空调运行的过程中,采集所述空调的工况参数;修正子模块,用于通过采集到的过程参数对所述神经网络模型预测得到的过程参数进行修正。
实施例3
根据本发明实施例,提供了一种存储介质,存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行实施例1所述的空调的控制方法。
实施例4
根据本发明实施例,提供了一种处理器,处理器用于运行程序,其中,所述程序运行时执行实施例1所述的空调的控制方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种空调的控制方法,其特征在于,包括:
根据所述空调的工况参数选择与所述空调对应的候选控制策略,其中,所述工况参数包括:所述空调所处环境的环境参数和室内的结构参数,所述候选控制策略用于指示所述空调的可执行部件的运行参数;
根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数,其中,所述过程参数用于表示所述空调按照所述候选控制策略运行预设时间段内产生的变化参数;
根据评价所述参数从所述候选控制策略中选择目标控制策略,其中,控制所述空调按照所述目标控制策略运行。
2.根据权利要求1所述的方法,其特征在于,根据所述空调的工况参数选择与所述空调对应的候选控制策略,包括:
从数据库中查找与所述工况参数相匹配的候选控制策略,其中,所述数据库存储了工况参数与控制策略的对应关系。
3.根据权利要求1所述的方法,其特征在于,根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数,包括:
获取每种过程参数对应的权重;
将所述候选控制策略对应的过程参数通过所述过程参数对应的权重进行加权,得到每种所述候选控制策略对应的评价参数。
4.根据权利要求3所述的方法,其特征在于,所述过程参数包括:所述室内的温湿度变化参数和所述空调的能耗参数,
所述室内的温湿度变化参数包括如下至少一项:降温速率参数、温度控制准确度参数以及湿度控制准确度参数;
所述空调的能耗参数包括如下至少一项:耗电量参数。
5.根据权利要求1所述的方法,其特征在于,根据评价参数从所述候选控制策略中选择目标控制策略,包括:
选择所述评价参数最高的候选控制策略为所述目标控制策略。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,在获取所述空调的控制参数之前,所述方法还包括:获取控制策略和所述控制策略对应的过程参数,其中,获取控制策略和所述控制策略对应的过程参数的步骤包括:
获取功耗模型和温度模型,其中,所述功耗模型用于模拟空调按照不同的控制策略运行时的能耗参数,所述温度模型用于模拟所述空调在不同的工况参数下按照不同的能耗参数运行时室内的温湿度变化参数;
改变控制策略中不同执行部件的执行参数,得到不同的控制策略;
通过所述功耗模型根据不同控制策略中执行部件的执行参数,获取所述空调在不同控制策略下的能耗参数,并通过所述温度模型根据不同的工况参数和所述能耗参数,获取所述空调在不同的工况参数下按照不同的控制策略运行时,所述室内的温湿度变化参数。
7.根据权利要求6所述的方法,其特征在于,获取控制策略和所述控制策略对应的过程参数的步骤还包括:
获取神经网络模型,其中,所述神经网络模型用于根据工况参数预测空调的过程参数;
将工况参数输入至所述神经网络模型,获取所述神经网络模型预测得到的过程参数。
8.根据权利要求6所述的方法,其特征在于,获取控制策略和所述控制策略对应的过程参数的步骤还包括:
在所述空调运行的过程中,采集所述空调的工况参数、控制策略和所述空调运行的过程参数;
将所述工况参数、控制策略和所述空调运行的过程参数对应存储。
9.根据权利要求7所述的方法,其特征在于,在将工况参数输入至所述神经网络模型,获取所述神经网络模型预测得到的过程参数之后,所述方法还包括:
在所述空调运行的过程中,采集所述空调的工况参数;
通过采集到的过程参数对所述神经网络模型预测得到的过程参数进行修正。
10.一种空调的控制装置,其特征在于,包括:
第一选择模块,用于根据所述空调的工况参数选择与所述空调对应的候选控制策略,其中,所述工况参数包括:所述空调所处环境的环境参数和室内的结构参数,所述候选控制策略用于指示所述空调的可执行部件的运行参数;
评价模块,用于根据所述候选控制策略对应的过程参数对所述候选控制策略进行评价,得到所述候选控制策略的评价参数,其中,所述过程参数用于表示所述空调按照所述候选控制策略运行预设时间段内产生的变化参数;
第二选择模块,用于根据所述评价参数从所述候选控制策略中选择目标控制策略,其中,控制所述空调按照所述目标控制策略运行。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的空调的控制方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至9中任意一项所述的空调的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039332.XA CN110736225B (zh) | 2019-10-29 | 2019-10-29 | 空调的控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039332.XA CN110736225B (zh) | 2019-10-29 | 2019-10-29 | 空调的控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110736225A true CN110736225A (zh) | 2020-01-31 |
CN110736225B CN110736225B (zh) | 2020-11-03 |
Family
ID=69270282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039332.XA Active CN110736225B (zh) | 2019-10-29 | 2019-10-29 | 空调的控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110736225B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923525A (zh) * | 2021-02-26 | 2021-06-08 | 深圳市励科机电科技工程有限公司 | 机器学习型舒适节能空调智能控制方法 |
CN113176735A (zh) * | 2021-03-25 | 2021-07-27 | 美的集团股份有限公司 | 智能家电控制方法、装置、电子设备及存储介质 |
CN114237189A (zh) * | 2021-12-21 | 2022-03-25 | 段采标 | 实现机械触觉的方法及电子设备 |
CN116512950A (zh) * | 2023-06-26 | 2023-08-01 | 毫厘机电(苏州)有限公司 | 一种充电枪冷却设备的控制方法、装置及计算机程序产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901188A (zh) * | 2012-09-26 | 2013-01-30 | 中国电力科学研究院 | 与电网互动的商业楼宇中央空调负荷调控系统及其方法 |
US20150134122A1 (en) * | 2012-09-30 | 2015-05-14 | Google Inc. | Radiant heating controls and methods for an environmental control system |
CN105352108A (zh) * | 2015-09-29 | 2016-02-24 | 中国电力科学研究院 | 一种基于空调用电模式的负荷优化控制方法 |
CN105378391A (zh) * | 2012-10-11 | 2016-03-02 | 西门子公司 | 针对hvac需求响应的在线优化方案 |
CN106196423A (zh) * | 2016-06-30 | 2016-12-07 | 西安建筑科技大学 | 一种基于模型预测的室内环境品质控制优化方法 |
CN106461255A (zh) * | 2014-07-16 | 2017-02-22 | 三菱电机株式会社 | 空调控制装置、空调控制方法以及程序 |
CN107940705A (zh) * | 2017-11-20 | 2018-04-20 | 广东美的暖通设备有限公司 | 主机负荷分配的控制方法、控制系统和空调器 |
CN108800426A (zh) * | 2018-06-25 | 2018-11-13 | 北京博锐尚格节能技术股份有限公司 | 变风量空调系统的分析方法和评估方法 |
CN109520071A (zh) * | 2018-10-18 | 2019-03-26 | 珠海东之尼电子科技有限公司 | 一种基于支持向量机学习的空调自适应控制方法及系统 |
-
2019
- 2019-10-29 CN CN201911039332.XA patent/CN110736225B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901188A (zh) * | 2012-09-26 | 2013-01-30 | 中国电力科学研究院 | 与电网互动的商业楼宇中央空调负荷调控系统及其方法 |
US20150134122A1 (en) * | 2012-09-30 | 2015-05-14 | Google Inc. | Radiant heating controls and methods for an environmental control system |
CN105378391A (zh) * | 2012-10-11 | 2016-03-02 | 西门子公司 | 针对hvac需求响应的在线优化方案 |
CN106461255A (zh) * | 2014-07-16 | 2017-02-22 | 三菱电机株式会社 | 空调控制装置、空调控制方法以及程序 |
CN105352108A (zh) * | 2015-09-29 | 2016-02-24 | 中国电力科学研究院 | 一种基于空调用电模式的负荷优化控制方法 |
CN106196423A (zh) * | 2016-06-30 | 2016-12-07 | 西安建筑科技大学 | 一种基于模型预测的室内环境品质控制优化方法 |
CN107940705A (zh) * | 2017-11-20 | 2018-04-20 | 广东美的暖通设备有限公司 | 主机负荷分配的控制方法、控制系统和空调器 |
CN108800426A (zh) * | 2018-06-25 | 2018-11-13 | 北京博锐尚格节能技术股份有限公司 | 变风量空调系统的分析方法和评估方法 |
CN109520071A (zh) * | 2018-10-18 | 2019-03-26 | 珠海东之尼电子科技有限公司 | 一种基于支持向量机学习的空调自适应控制方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923525A (zh) * | 2021-02-26 | 2021-06-08 | 深圳市励科机电科技工程有限公司 | 机器学习型舒适节能空调智能控制方法 |
CN113176735A (zh) * | 2021-03-25 | 2021-07-27 | 美的集团股份有限公司 | 智能家电控制方法、装置、电子设备及存储介质 |
CN113176735B (zh) * | 2021-03-25 | 2024-04-05 | 美的集团股份有限公司 | 智能家电控制方法、装置、电子设备及存储介质 |
CN114237189A (zh) * | 2021-12-21 | 2022-03-25 | 段采标 | 实现机械触觉的方法及电子设备 |
CN116512950A (zh) * | 2023-06-26 | 2023-08-01 | 毫厘机电(苏州)有限公司 | 一种充电枪冷却设备的控制方法、装置及计算机程序产品 |
CN116512950B (zh) * | 2023-06-26 | 2023-09-12 | 毫厘机电(苏州)有限公司 | 一种充电枪冷却设备的控制方法、装置及计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN110736225B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110736225B (zh) | 空调的控制方法和装置 | |
CN105378391B (zh) | 针对hvac需求响应的在线优化方案 | |
Wang et al. | Model-based optimal control of VAV air-conditioning system using genetic algorithm | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN110726229B (zh) | 空调器的控制方法及装置、存储介质及处理器 | |
US20060229739A1 (en) | Device control method and device control system | |
CN104913440A (zh) | 空调器舒适性控制方法 | |
CN113375277A (zh) | 空调器控制方法和空调器 | |
CN110736248B (zh) | 空调出风温度的控制方法和装置 | |
WO2022218014A1 (zh) | 用于家电控制的方法、装置和家电 | |
JP6504956B2 (ja) | 冷暖房機器選定支援システム | |
CN109341015B (zh) | 空调器及其控制方法、装置 | |
CN110715401A (zh) | 空调设备的化霜控制方法、装置、介质及空调设备 | |
CN109140660A (zh) | 用于空调的智能控温装置方法及装置、空调、存储介质 | |
CN109323409B (zh) | 空调器及其控制方法、装置 | |
CN110726219B (zh) | 空调的控制方法、装置和系统,存储介质及处理器 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN113375283A (zh) | 空调器控制方法和空调器 | |
CN109341014B (zh) | 空调器及其控制方法、装置 | |
CN113375276B (zh) | 空调器控制方法和空调器 | |
TWI746087B (zh) | 空調系統控制方法 | |
Cheng et al. | A methodology for mapping the performance of variable-speed residential cooling equipment using load-based testing | |
CN110726216B (zh) | 空调器及其控制方法、装置、系统、存储介质和处理器 | |
CN113375311B (zh) | 一种fcu末端的控制方法、装置、介质及电子设备 | |
CN113310176B (zh) | 信息处理装置 |
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 |