CN111474851A - 一种ptc加热智能调节控制的方法及装置 - Google Patents

一种ptc加热智能调节控制的方法及装置 Download PDF

Info

Publication number
CN111474851A
CN111474851A CN202010293738.7A CN202010293738A CN111474851A CN 111474851 A CN111474851 A CN 111474851A CN 202010293738 A CN202010293738 A CN 202010293738A CN 111474851 A CN111474851 A CN 111474851A
Authority
CN
China
Prior art keywords
ptc heating
information
historical
ptc
control strategy
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
CN202010293738.7A
Other languages
English (en)
Other versions
CN111474851B (zh
Inventor
杨宗禄
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.)
Shenzhen Luhua Technology Co ltd
Original Assignee
Shenzhen Luhua Technology Co ltd
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 Shenzhen Luhua Technology Co ltd filed Critical Shenzhen Luhua Technology Co ltd
Priority to CN202010293738.7A priority Critical patent/CN111474851B/zh
Publication of CN111474851A publication Critical patent/CN111474851A/zh
Application granted granted Critical
Publication of CN111474851B publication Critical patent/CN111474851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B1/00—Details of electric heating devices
    • H05B1/02—Automatic switching arrangements specially adapted to apparatus ; Control of heating devices
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B3/00—Ohmic-resistance heating
    • H05B3/10—Heater elements characterised by the composition or nature of the materials or by the arrangement of the conductor
    • H05B3/12—Heater elements characterised by the composition or nature of the materials or by the arrangement of the conductor characterised by the composition or nature of the conductive material
    • H05B3/14—Heater elements characterised by the composition or nature of the materials or by the arrangement of the conductor characterised by the composition or nature of the conductive material the material being non-metallic
    • H05B3/141—Conductive ceramics, e.g. metal oxides, metal carbides, barium titanate, ferrites, zirconia, vitrous compounds

Abstract

本发明提供一种PTC加热智能调节控制的方法及装置，该方法包括：收集各个PTC加热的历史使用参数信息，进行神经网络训练得到PTC加热系统的PTC加热训练模型；通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据所述PTC加热训练模型得到PTC加热的使用参数信息，根据所述使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令；根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。本发明实现了PTC加热的智能化调节控制，提升了PTC加热使用效率和针对性。

Description

一种PTC加热智能调节控制的方法及装置
技术领域
本发明涉及热控制管理的技术领域，尤其涉及一种PTC加热智能调节控制的方法及装置。
背景技术
PTC加热器，又叫PTC发热体，采用PTC陶瓷发热元件与铝管组成。该类型PTC发热体有热阻小、换热效率高的优点，是一种自动恒温、省电的电加热器。它的一大突出特点在于安全性能上，即遇风机故障停转时，PTC加热器因得不到充分散热，其功率会自动急剧下降，此时加热器的表面温度维持在居里温度左右(一般在250℃上下)，从而在任何应用情况下均不会产生如电热管类加热器的表面“发红”现象，从而避免引起烫伤，火灾等安全隐患。
目前，电动汽车的空调加热系统和电池加热系统通常分别采用独立的小功率PTC加热器的加热系统，虽然控制方便，可实现分别单独调控，但是造价较高。虽然现在也有一些电动汽车空调与电池共用一个加热系统，虽然节约了成本，但并没有真正意义上实现空调系统与电池系统的分别独立控制加热，且控制系统繁杂，控制精准度难以保证。现有技术的PTC加热系统不能够智能的调节温度，也就无法达到智能化发热控制、热转换率低、受电源电压影响极大。并且，各个地区对PTC加热系统的需求不同，甚至，每个用户的使用习惯都不一样，对每个地区或每个用户都提供同一套PTC加热控制的方式不能满足其各自个性化的控制需求。
因此，如何提供一种根据各自需求个性化智能控制的PTC加热的方案是本领域亟待解决的技术问题。
发明内容
本发明提供一种PTC加热智能调节控制的方法及装置，解决了现有技术中没有根据各自需求个性化智能控制的PTC加热的技术问题。
具体地，本发明提供一种PTC加热智能调节控制的方法，包括：
收集各个PTC加热的历史使用参数信息，结合定位得到对应的使用位置信息及对应的历史使用时刻信息；根据所述历史使用位置及历史使用时刻信息得到当时的历史使用环境信息；根据所述PTC加热的历史使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行神经网络训练得到PTC加热系统的PTC加热训练模型；
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据所述PTC加热训练模型得到PTC加热的使用参数信息，根据所述使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，其中，该方法还包括：
获取当前客户端在预设时间段内的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息，作为验证数据对所述PTC加热训练模型进行验证；
计算PTC使用验证参数信息与该客户端的历史PTC使用参数信息的相似度，在所述相似度达到或超过预设的相似度阈值时，确认所述PTC加热训练模型。
可选地，其中，该方法还包括：
在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间达到或超过预设时间阈值时，根据所述客户端的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行训练，得到该客户端的PTC加热控制函数；
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据该客户端的PTC加热控制函数，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，其中，该方法还包括：
在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间未达到或超过预设时间阈值时，获取所述客户端的最近使用时间；
当所述最近使用时间与当前的时间差在预设时间差范围内，且最近使用位置区域在当前的位置区域内时，使用所述客户端中最接近当前时间的历史PTC使用参数信息，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，其中，该方法还包括：
在预设加热启动时间内，未接收到控制策略指令时，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；
根据预设的环境条件和PTC加热系统的标准控制策略对应关系与所述环境条件预报信息，得到PTC加热系统的标准控制策略指令；根据所述标准控制策略指令控制PTC加热系统的各个机构进行PTC加热。
另一方面，本发明还提供一种PTC加热智能调节控制的装置，包括：PTC加热训练模型训练模块、控制策略指令获取模块及PTC加热控制模块；其中，
所述PTC加热训练模型训练模块，与所述控制策略指令获取模块相连接，收集各个PTC加热的历史使用参数信息，结合定位得到对应的使用位置信息及对应的历史使用时刻信息；根据所述历史使用位置及历史使用时刻信息得到当时的历史使用环境信息；根据所述PTC加热的历史使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行神经网络训练得到PTC加热系统的PTC加热训练模型；
所述控制策略指令获取模块，与所述PTC加热训练模型训练模块及PTC加热控制模块相连接，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据所述PTC加热训练模型得到PTC加热的使用参数信息，根据所述使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令；
所述PTC加热控制模块，与所述控制策略指令获取模块相连接，根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，其中，该装置还包括：PTC加热训练模型验证模块，与所述PTC加热训练模型训练模块及控制策略指令获取模块相连接，获取当前客户端在预设时间段内的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息，作为验证数据对所述PTC加热训练模型进行验证；
计算PTC使用验证参数信息与该客户端的历史PTC使用参数信息的相似度，在所述相似度达到或超过预设的相似度阈值时，确认所述PTC加热训练模型。
可选地，其中，该装置还包括：个性化PTC加热控制模块，与所述PTC加热训练模型验证模块相连接，在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间达到或超过预设时间阈值时，根据所述客户端的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行训练，得到该客户端的PTC加热控制函数；
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据该客户端的PTC加热控制函数，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，其中，该装置还包括：PTC加热记忆控制模块，与所述个性化PTC加热控制模块相连接，在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间未达到或超过预设时间阈值时，获取所述客户端的最近使用时间；
当所述最近使用时间与当前的时间差在预设时间差范围内，且最近使用位置区域在当前的位置区域内时，使用所述客户端中最接近当前时间的历史PTC使用参数信息，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，其中，该装置还包括：标准化PTC加热控制模块，与所述PTC加热控制模块相连接，在预设加热启动时间内，未接收到控制策略指令时，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；
根据预设的环境条件和PTC加热系统的标准控制策略对应关系与所述环境条件预报信息，得到PTC加热系统的标准控制策略指令；根据所述标准控制策略指令控制PTC加热系统的各个机构进行PTC加热。
本发明的PTC加热智能调节控制的方法及装置，根据定位系统定位当前地理环境，结合当地天气预报系统获取当前实际环境条件，收集PTC加热系统历史使用参数信息和环境条件信息作为训练数据，建立PTC加热系统的训练模型，使用近期一段时间(如1周)的PTC加热系统使用数据作为验证数据对训练模型进行验证，得到PTC加热系统控制模型。分析出历史使用规律参数与使用环境、使用条件之间对应关系；收集当前实际的使用环境和使用条件，与分析得到的规律关系对比得到PTC加热的实际使用参数，按照实际使用参数控制PTC加热运行，同时设立PTC加热运行监控机制，确保PTC加热运行控制安全，同时根据不同地区、不同用户习惯提供了个性化的PTC加热智能调节控制方案，提升了PTC加热控制的控制效率，更具针对性。
附图说明
图1为本发明实施例中一种PTC加热智能调节控制的方法的流程示意图；
图2为本发明实施例中第二种PTC加热智能调节控制的方法的流程示意图；
图3为本发明实施例中第三种PTC加热智能调节控制的方法的流程示意图；
图4为本发明实施例中第四种PTC加热智能调节控制的方法的流程示意图；
图5为本发明实施例中第五种PTC加热智能调节控制的方法的流程示意图；
图6为本发明实施例中一种PTC加热智能调节控制的装置的结构示意图；
图7为本发明实施例中第二种PTC加热智能调节控制的装置的结构示意图；
图8为本发明实施例中第三种PTC加热智能调节控制的装置的结构示意图；
图9为本发明实施例中第四种PTC加热智能调节控制的装置的结构示意图；
图10为本发明实施例中第五种PTC加热智能调节控制的装置的结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。
在本发明的一种实施例中,如图1所示，为一种PTC加热智能调节控制的方法的流程示意图，具体地，该方法包括以下步骤：
步骤101、收集各个PTC加热的历史使用参数信息，结合定位得到对应的使用位置信息及对应的历史使用时刻信息；根据历史使用位置及历史使用时刻信息得到当时的历史使用环境信息；根据PTC加热的历史使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行神经网络训练得到PTC加热系统的PTC加热训练模型。
步骤102、通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据PTC加热训练模型得到PTC加热的使用参数信息，根据使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令。
步骤103、根据控制策略指令控制PTC加热系统的各个机构进行PTC加热。
可选地，在该PTC加热系统中，可以包括多个并联，和/或串联的PTC加热器机构，而该PTC加热器机构可以包括：PTC加热器、第一水泵、第一三通阀、电池包、第二三通阀、以及暖风芯体，其中：第一三通阀包括可选择连通的第一水路、第二水路、与第三水路，第二三通阀包括可选择连通的第四水路、第五水路、以及第六水路；第一水路与第四水路之间串接有共用PTC加热器以及第一水泵；第二水路与第六水路之间串接有电池包；第三水路与第五水路之间串接有暖风芯体。
空调热管理系统与电池热管理系统共用一个功率较大的PTC加热器，从而降低了百分之四十左右的成本；通过第一三通阀与第二三通阀将PTC加热器、第一水泵、电池包、暖风芯体有序连接起来，从而通过控制第一三通阀与第二三通阀部分水路的开合实现空调加热系统与电池加热系统的分别调控与综合加热调控，控制灵活多变，实用性较强。
在一些可选的实施例中，如图2所示，为本实施例中第二种PTC加热智能调节控制的方法的流程示意图，与图1中不同的是，还包括：
步骤201、获取当前客户端在预设时间段内的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息，作为验证数据对PTC加热训练模型进行验证。
步骤202、计算PTC使用验证参数信息与该客户端的历史PTC使用参数信息的相似度，在相似度达到或超过预设的相似度阈值时，确认PTC加热训练模型。
在一些可选的实施例中，如图3所示，为本实施例中第三种PTC加热智能调节控制的方法的流程示意图，与图2中不同的是，还包括：
步骤301、在相似度未达到相似度阈值，且客户端的历史使用时间达到或超过预设时间阈值时，根据客户端的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行训练，得到该客户端的PTC加热控制函数。
步骤302、通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据该客户端的PTC加热控制函数，得到PTC加热系统的控制策略指令。
步骤303、根据控制策略指令控制PTC加热系统的各个机构进行PTC加热。
在一些可选的实施例中，如图4所示，为本实施例中第四种PTC加热智能调节控制的方法的流程示意图，与图3中不同的是，还包括：
步骤401、在相似度未达到相似度阈值，且客户端的历史使用时间未达到或超过预设时间阈值时，获取客户端的最近使用时间。
步骤402、当最近使用时间与当前的时间差在预设时间差范围内，且最近使用位置区域在当前的位置区域内时，使用客户端中最接近当前时间的历史PTC使用参数信息，得到PTC加热系统的控制策略指令。
可选地，预设时间差可以是三天、一周、一个月，也可以是接收用户输入的时间作为预设时间差，或更新时间差。
步骤403、根据控制策略指令控制PTC加热系统的各个机构进行PTC加热。
在一些可选的实施例中，如图5所示，为本实施例中第五种PTC加热智能调节控制的方法的流程示意图，与图1中不同的是，还包括：
步骤501、在预设加热启动时间内，未接收到控制策略指令时，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息。
步骤502、根据预设的环境条件和PTC加热系统的标准控制策略对应关系与环境条件预报信息，得到PTC加热系统的标准控制策略指令；根据标准控制策略指令控制PTC加热系统的各个机构进行PTC加热。
在一些可选的实施例中，在PTC加热系统启动后，接收到用户根据按键操作的PTC加热控制指令时，暂时解除对PTC加热系统的智能控制；在接收到用户解除PTC加热系统的智能控制指令时，在接收到用户开启对PTC加热系统的智能控制之前，停止对PTC加热系统的智能控制。
在一些可选的实施例中，如图6所示，为本实施例中一种PTC加热智能调节控制的装置的结构示意图，该装置可用于实施上述的PTC加热智能调节控制的方法。具体地，该装置包括：PTC加热训练模型训练模块601、控制策略指令获取模块602及PTC加热控制模块603。
其中，PTC加热训练模型训练模块601，与控制策略指令获取模块602相连接，收集各个PTC加热的历史使用参数信息，结合定位得到对应的使用位置信息及对应的历史使用时刻信息；根据历史使用位置及历史使用时刻信息得到当时的历史使用环境信息；根据PTC加热的历史使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行神经网络训练得到PTC加热系统的PTC加热训练模型。
控制策略指令获取模块602，与PTC加热训练模型训练模块601及PTC加热控制模块603相连接，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据PTC加热训练模型得到PTC加热的使用参数信息，根据使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令。
PTC加热控制模块603，与控制策略指令获取模块602相连接，根据控制策略指令控制PTC加热系统的各个机构进行PTC加热。
在一些可选的实施例中，如图7所示，为本实施例中第二种PTC加热智能调节控制的装置的结构示意图，与图6不同的是，还包括：PTC加热训练模型验证模块701，与PTC加热训练模型训练模块601及控制策略指令获取模块602相连接，获取当前客户端在预设时间段内的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息，作为验证数据对PTC加热训练模型进行验证。
计算PTC使用验证参数信息与该客户端的历史PTC使用参数信息的相似度，在相似度达到或超过预设的相似度阈值时，确认PTC加热训练模型。
在一些可选的实施例中，如图8所示，为本实施例中第三种PTC加热智能调节控制的装置的结构示意图，与图7不同的是，还包括：个性化PTC加热控制模块801，与PTC加热训练模型验证模块701相连接，在相似度未达到相似度阈值，且客户端的历史使用时间达到或超过预设时间阈值时，根据客户端的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行训练，得到该客户端的PTC加热控制函数。
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据该客户端的PTC加热控制函数，得到PTC加热系统的控制策略指令；根据控制策略指令控制PTC加热系统的各个机构进行PTC加热。
在一些可选的实施例中，如图9所示，为本实施例中第四种PTC加热智能调节控制的装置的结构示意图，与图8不同的是，还包括：PTC加热记忆控制模块901，与个性化PTC加热控制模块801相连接，在相似度未达到相似度阈值，且客户端的历史使用时间未达到或超过预设时间阈值时，获取客户端的最近使用时间。
当最近使用时间与当前的时间差在预设时间差范围内，且最近使用位置区域在当前的位置区域内时，使用客户端中最接近当前时间的历史PTC使用参数信息，得到PTC加热系统的控制策略指令；根据控制策略指令控制PTC加热系统的各个机构进行PTC加热。
在一些可选的实施例中，如图10所示，为本实施例中第五种PTC加热智能调节控制的装置的结构示意图，与图6不同的是，还包括：标准化PTC加热控制模块1001，与PTC加热控制模块603相连接，在预设加热启动时间内，未接收到控制策略指令时，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息。
根据预设的环境条件和PTC加热系统的标准控制策略对应关系与环境条件预报信息，得到PTC加热系统的标准控制策略指令；根据标准控制策略指令控制PTC加热系统的各个机构进行PTC加热。
各个地区具有不同的环境条件，而不同的环境条件下对PTC加热系统有不同的加热需求，且对PTC加热系统中各个构件具有不同的影响。另一方面，不同用户对PTC加热系统具有各自不同的使用习惯，通过本实施例中智能化对PTC加热系统进行控制，有利于提高PTC加热的使用效率，也方便了用户的控制操作。可选地，用户在使用某个控制策略比较顺手时，还可以发送设定该控制策略为特定时间段内的常用控制策略；而该智能化控制系统对该控制策略形成记忆控制策略，不需要用户每次都手动操作。
本发明说明书中使用的术语和措辞仅仅为了举例说明，并不意味构成限定。本领域技术人员应当理解，在不脱离所公开的实施方式的基本原理的前提下，对上述实施方式中的各细节可进行各种变化。因此，本发明的范围只由权利要求确定，在权利要求中，除非另有说明，所有的术语应按最宽泛合理的意思进行理解。

Claims (10)

1.一种PTC加热智能调节控制的方法，其特征在于，包括：
收集各个PTC加热的历史使用参数信息，结合定位得到对应的使用位置信息及对应的历史使用时刻信息；根据所述历史使用位置及历史使用时刻信息得到当时的历史使用环境信息；根据所述PTC加热的历史使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行神经网络训练得到PTC加热系统的PTC加热训练模型；
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据所述PTC加热训练模型得到PTC加热的使用参数信息，根据所述使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
2.根据权利要求1所述的PTC加热智能调节控制的方法，其特征在于，还包括：
获取当前客户端在预设时间段内的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息，作为验证数据对所述PTC加热训练模型进行验证；
计算PTC使用验证参数信息与该客户端的历史PTC使用参数信息的相似度，在所述相似度达到或超过预设的相似度阈值时，确认所述PTC加热训练模型。
3.根据权利要求2所述的PTC加热智能调节控制的方法，其特征在于，还包括：
在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间达到或超过预设时间阈值时，根据所述客户端的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行训练，得到该客户端的PTC加热控制函数；
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据该客户端的PTC加热控制函数，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
4.根据权利要求3所述的PTC加热智能调节控制的方法，其特征在于，还包括：
在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间未达到或超过预设时间阈值时，获取所述客户端的最近使用时间；
当所述最近使用时间与当前的时间差在预设时间差范围内，且最近使用位置区域在当前的位置区域内时，使用所述客户端中最接近当前时间的历史PTC使用参数信息，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
5.根据权利要求1至4任意一项所述的PTC加热智能调节控制的方法，其特征在于，还包括：
在预设加热启动时间内，未接收到控制策略指令时，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；
根据预设的环境条件和PTC加热系统的标准控制策略对应关系与所述环境条件预报信息，得到PTC加热系统的标准控制策略指令；根据所述标准控制策略指令控制PTC加热系统的各个机构进行PTC加热。
6.一种PTC加热智能调节控制的装置，其特征在于，包括：PTC加热训练模型训练模块、控制策略指令获取模块及PTC加热控制模块；其中，
所述PTC加热训练模型训练模块，与所述控制策略指令获取模块相连接，收集各个PTC加热的历史使用参数信息，结合定位得到对应的使用位置信息及对应的历史使用时刻信息；根据所述历史使用位置及历史使用时刻信息得到当时的历史使用环境信息；根据所述PTC加热的历史使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行神经网络训练得到PTC加热系统的PTC加热训练模型；
所述控制策略指令获取模块，与所述PTC加热训练模型训练模块及PTC加热控制模块相连接，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据所述PTC加热训练模型得到PTC加热的使用参数信息，根据所述使用参数信息及预设的PTC加热控制策略与使用参数对应关系得到PTC加热系统的控制策略指令；
所述PTC加热控制模块，与所述控制策略指令获取模块相连接，根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
7.根据权利要求6所述的PTC加热智能调节控制的装置，其特征在于，还包括：PTC加热训练模型验证模块，与所述PTC加热训练模型训练模块及控制策略指令获取模块相连接，获取当前客户端在预设时间段内的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息，作为验证数据对所述PTC加热训练模型进行验证；
计算PTC使用验证参数信息与该客户端的历史PTC使用参数信息的相似度，在所述相似度达到或超过预设的相似度阈值时，确认所述PTC加热训练模型。
8.根据权利要求7所述的PTC加热智能调节控制的装置，其特征在于，还包括：个性化PTC加热控制模块，与所述PTC加热训练模型验证模块相连接，在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间达到或超过预设时间阈值时，根据所述客户端的历史PTC使用参数信息、历史使用位置信息、历史使用环境信息及历史使用时刻信息进行训练，得到该客户端的PTC加热控制函数；
通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；根据该客户端的PTC加热控制函数，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
9.根据权利要求8所述的PTC加热智能调节控制的装置，其特征在于，还包括：PTC加热记忆控制模块，与所述个性化PTC加热控制模块相连接，在所述相似度未达到所述相似度阈值，且所述客户端的历史使用时间未达到或超过预设时间阈值时，获取所述客户端的最近使用时间；
当所述最近使用时间与当前的时间差在预设时间差范围内，且最近使用位置区域在当前的位置区域内时，使用所述客户端中最接近当前时间的历史PTC使用参数信息，得到PTC加热系统的控制策略指令；
根据所述控制策略指令控制PTC加热系统的各个机构进行PTC加热。
10.根据权利要求6至9任意一项所述的PTC加热智能调节控制的装置，其特征在于，还包括：标准化PTC加热控制模块，与所述PTC加热控制模块相连接，在预设加热启动时间内，未接收到控制策略指令时，通过定位获取当前的实际位置信息和实际时刻信息，结合环境预报系统得到当前位置区域的环境条件预报信息；
根据预设的环境条件和PTC加热系统的标准控制策略对应关系与所述环境条件预报信息，得到PTC加热系统的标准控制策略指令；根据所述标准控制策略指令控制PTC加热系统的各个机构进行PTC加热。
CN202010293738.7A 2020-04-15 2020-04-15 一种ptc加热智能调节控制的方法及装置 Active CN111474851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010293738.7A CN111474851B (zh) 2020-04-15 2020-04-15 一种ptc加热智能调节控制的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010293738.7A CN111474851B (zh) 2020-04-15 2020-04-15 一种ptc加热智能调节控制的方法及装置

Publications (2)

Publication Number Publication Date
CN111474851A true CN111474851A (zh) 2020-07-31
CN111474851B CN111474851B (zh) 2022-09-30

Family

ID=71752561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010293738.7A Active CN111474851B (zh) 2020-04-15 2020-04-15 一种ptc加热智能调节控制的方法及装置

Country Status (1)

Country Link
CN (1) CN111474851B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202006709U (zh) * 2011-01-30 2011-10-12 比亚迪股份有限公司 一种电动车的供热系统
CN107045289A (zh) * 2017-06-05 2017-08-15 杭州电子科技大学 一种电加热炉温度的非线性神经网络优化pid控制方法
CN107655212A (zh) * 2017-09-29 2018-02-02 深圳和而泰智能控制股份有限公司 加热处理方法及装置
CN108153346A (zh) * 2017-11-27 2018-06-12 深圳国氢新能源科技有限公司 温度控制方法及装置
CN109375508A (zh) * 2018-10-31 2019-02-22 广州龙越自动化工程有限公司 基于环境参数定制功能模块的自动控制方法及系统
CN109755687A (zh) * 2019-01-16 2019-05-14 吉林大学 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法
CN110119086A (zh) * 2019-04-19 2019-08-13 淮阴工学院 一种基于anfis神经网络的番茄温室环境参数智能监测装置
CN110262425A (zh) * 2019-06-27 2019-09-20 湖北汽车工业学院 一种感应加热分布式控制系统
CN110578994A (zh) * 2018-06-11 2019-12-17 珠海格力电器股份有限公司 一种运行方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202006709U (zh) * 2011-01-30 2011-10-12 比亚迪股份有限公司 一种电动车的供热系统
CN107045289A (zh) * 2017-06-05 2017-08-15 杭州电子科技大学 一种电加热炉温度的非线性神经网络优化pid控制方法
CN107655212A (zh) * 2017-09-29 2018-02-02 深圳和而泰智能控制股份有限公司 加热处理方法及装置
CN108153346A (zh) * 2017-11-27 2018-06-12 深圳国氢新能源科技有限公司 温度控制方法及装置
CN110578994A (zh) * 2018-06-11 2019-12-17 珠海格力电器股份有限公司 一种运行方法及装置
CN109375508A (zh) * 2018-10-31 2019-02-22 广州龙越自动化工程有限公司 基于环境参数定制功能模块的自动控制方法及系统
CN109755687A (zh) * 2019-01-16 2019-05-14 吉林大学 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法
CN110119086A (zh) * 2019-04-19 2019-08-13 淮阴工学院 一种基于anfis神经网络的番茄温室环境参数智能监测装置
CN110262425A (zh) * 2019-06-27 2019-09-20 湖北汽车工业学院 一种感应加热分布式控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
顾乐峰: "应用PTC材料加热高压油管内柴油的温度测试与分析", 《中国优秀硕士论文全文数据库·工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN111474851B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
Hao et al. A generalized battery model of a collection of thermostatically controlled loads for providing ancillary service
EP2420745B1 (en) Heat pump heating system
Sanandaji et al. Improved battery models of an aggregation of thermostatically controlled loads for frequency regulation
CN105650886B (zh) 储水式热水器及其控制方法和控制系统
CN107726538B (zh) 一种智能楼宇用电调控方法
CN102519083A (zh) 一种集中供暖控制系统及方法
CN108917132A (zh) 一种空调运行控制方法、装置及空调器
US20220170648A1 (en) Photovoltaic water heating control system and process
CA3058316A1 (en) Systems and methods of predicting energy usage
CN104456836B (zh) 基于负荷关系的中央空调有序用电的控制方法
CN111474851B (zh) 一种ptc加热智能调节控制的方法及装置
WO2020000927A1 (zh) 空调系统及其智能调节控制方法、装置、计算机设备
CN111915107A (zh) 一种基于动态聚类的负荷分群控制方法
WO2019204943A1 (en) Building energy system
KR102343585B1 (ko) 양방향 계간 축열 시스템
CN113137701A (zh) 用于空调控制的方法、装置和空调
US11713887B2 (en) Heating device
CN110513874B (zh) 基于耗电量的热水机控制方法、装置及热水机
CN114590098B (zh) 一种汽车空调智能控制系统
Fan et al. An optimization management strategy for energy efficiency of air conditioning loads in smart building
CN115051374A (zh) 电采暖设备参与电力调峰的控制方法、装置和存储介质
JP7316050B2 (ja) 空調制御システム
CN113757942A (zh) 空调控制方法、系统、装置、电子设备及存储介质
CN113357792A (zh) 用于空调控制的方法、装置和空调
CN102269445B (zh) 供热系统节能控制装置

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