CN112013503A - 一种空调耗能智能控制方法 - Google Patents
一种空调耗能智能控制方法 Download PDFInfo
- Publication number
- CN112013503A CN112013503A CN202011122027.XA CN202011122027A CN112013503A CN 112013503 A CN112013503 A CN 112013503A CN 202011122027 A CN202011122027 A CN 202011122027A CN 112013503 A CN112013503 A CN 112013503A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- energy consumption
- mode
- parameters
- current
- 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.)
- Pending
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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
- F24F11/47—Responding to energy costs
-
- 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
-
- 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
- F24F11/65—Electronic processing for selecting an operating mode
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及智能监控技术领域，公开了一种空调耗能智能控制方法，包括：空调控制芯片获取当前空调的运行模式和运行状态数据，运行状态数据包括当前环境参数和空调运行参数，并发送给服务器；服务器收到当前空调的运行模式和运行参数进行处理；服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整；服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低。本发明将通过实时获取空调的运行参数，对空调在不同的模式下运行，进行能耗的控制和调整，可以满足用户多种需求。
Description
技术领域
本发明涉及智能监控技术领域，尤其涉及了一种空调耗能智能控制方法。
背景技术
目前，随着智能建筑技术的发展，空调、恒压供水、智能照明等自动化系统为建筑物营造了舒适的工作和生活环境，同时也带来巨大的能耗需求。其中，空调系统作为建筑系统的重要组成部分，其占整个建筑系统能耗电量的比重很大，据统计，建筑行业的能源消耗占国家总能耗的30％，而空调系统所耗电能占整个建筑物耗能的60％～70％，占全公司总电耗18％左右，随着建筑人性化服务的需求，这个数字还会不断增长。如此巨大的电力消耗不仅给电力系统带来巨大的压力，同时也给业主带来了沉重的经济负担。因此，空调系统的节能对降低建筑系统耗能，节省企业用电支出，优化国家电力结构有着极为重要的意义和作用。就建筑设计来说，为使空调系统在全年任意时段都能保证建筑内部的冷量需求，在选用空调系统时都是按当地最热天气所需的制冷需求的115％左右来选取机型的。而空调长期在较高工况下运行，造成大量的能源浪费。
节能已经成为一个全球性话题，而空调节能作为其中举足轻重的一个项目，牵动着许多国家的神经。近几年，随着能源问题的日趋紧张，各国纷纷看到空调节能的重要性，采取了一系列措施鼓励节能产品入市。在取得能源节约的同时，推动了空调行业技术的升级换代。
在空调的运行过程中，现有的节能控制系统无法实现联动节能控制，只涉及某一种控制策略单独运行，为此造成较多控制环节没有参与到节能控制系统中，而使得整个空调系统不能达到最佳的节能效果，使整个空调系统各控制环节联动控制对于提高整体节能非常有意义。
发明内容
本发明针对现有技术中运行方式单一、能源浪费较大的缺点，提供了一种空调耗能智能控制方法。
为了解决上述技术问题，本发明通过下述技术方案得以解决。
一种空调耗能智能控制方法，包括如下步骤：
空调控制芯片获取当前空调的运行模式和运行状态数据，运行状态数据包括当前环境参数和空调运行参数，并发送给服务器；
服务器收到当前空调的运行模式和运行参数进行处理；
服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整；
服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低。
作为优选，当前环境参数包括外界温度和湿度，空调运行参数包括当前的出风风量、设定温度和能耗参数。
作为优选，运行模式包括自动控制模式、画像控制模式和辅助控制模式；
自动控制模式为根据获取当前环境参数和空调运行参数，采用系统预设的温度舒适区间，根据能耗最低原则，对空调运行进行调整；
画像控制模式为根据用户的使用习惯，同时保证在能耗最低原则的情况下，对不同时间段内的运行过程进行运行参数的调整，使室内温度符合用户需求；
辅助控制模式为根据用户设定的温度，获取外界参数，通过对运行参数的调整进行辅助调整内部温度，达到能耗最低原则。
作为优选，服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的参数对控制模式的运行参数进行调整，包括：
运行模型为神经网络算法模型；
训练阶段，分别针对自动控制模式、画像控制模式和辅助控制模式建立三个运行模型，分别将三种模式下的环境参数和空调运行参数数据划分为训练集、验证集和测试集；利用训练集进行训练，并利用验证集对训练得到的运行模型进行验证，且利用测试集对训练得到的运行模型进行测试，并根据测试集确定三种模式的运行模型，以输出的最优参数数据；
实现阶段，根据选择模式，持续获取当前环境参数和空调运行参数，带入对应的运行模型得出运行参数，发送至空调的控制芯片以更改运行参数。
作为优选，服务器记录数据并代入运行模型学习，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整之后，还包括：
对空调的运行状态进行监测，并将监测到空调的运行状态数据反馈给运行模型进行训练，并将监测到空调的运行状态数据进行更新至训练阶段的运行模型中。
作为优选，服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低，包括：
服务器持续与空调控制芯片进行数据交流，设置发送控制信号时间间隔5~30min；
对空调当前运行状态数据进行动态调整，包括采用步进式的逐级安全回退的能耗控制策略和/或采取跳跃式的一步到位安全回退的能耗控制策略。
作为优选，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低，包括：
能耗最低原则为，若空调运行参数与能耗参数在当前模式的模型区间内或低于所述服务器能耗参数，则保持当前能耗控制策略；否则采用参数进行动态调整策略。
作为优选，画像控制模式中，还包括：
获取用户使用属性数据，包括常用使用时间段、与时间段对应设定温度、每次使用持续时间；
将用户使用属性数据代入到强化学习模型，输出运行参数，并持续获取数据进行训练和完善强化学习模型。
本发明由于采用了以上技术方案，具有显著的技术效果：本发明将通过实时获取空调的运行参数，对空调在不同的模式下运行，进行能耗的控制和调整，可以满足用户多种需求，而且在不同模式的使用过程中，可以最大化的降低了能耗的浪费，也不影响使用效果。
附图说明
图1是本发明一种空调耗能智能控制方法的流程示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步详细描述。
实施例1
如图1所示，一种空调耗能智能控制方法，包括如下步骤：
空调控制芯片获取当前空调的运行模式和运行状态数据，运行状态数据包括当前环境参数和空调运行参数，并发送给服务器；
服务器收到当前空调的运行模式和运行参数进行处理；
服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整；
服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低。
当前环境参数包括外界温度和湿度，空调运行参数包括当前的出风风量、设定温度和能耗参数。
本实施例中，用户可以选择的运行模式包括自动控制模式、画像控制模式和辅助控制模式；
本实施例中，自动控制模式为根据获取当前环境参数和空调运行参数，采用系统预设的温度舒适区间，根据能耗最低原则，对空调运行进行调整；服务器以温度舒适区间为范围，在检测当前环境参数中，温度低于或高于这个范围时，发送调整参数命令至空调芯片中，改变当前空调运行参数来达到调整效果。
本实施例中，画像控制模式为根据用户的使用习惯，同时保证在能耗最低原则的情况下，对不同时间段内的运行过程进行运行参数的调整，使室内温度符合用户需求；画像模式可以根据用户的使用习惯，来进行自动调节，由于不同人对热度的反应也不同，比如有些人比较喜欢低温，也有人喜欢较高点的温度，有些人喜欢夜里关闭空调，有些人喜欢开一整天，画像模式可以根据用户的使用规律进行判断和计算，适合不同人的使用规律。
本实施例中，辅助控制模式为根据用户设定的温度，获取外界参数，通过对运行参数的调整进行辅助调整内部温度，达到能耗最低原则。服务器以用户可以设定的温度为基准，在检测当前环境参数中，温度低于或高于这个值时，发送调整参数命令至空调芯片中，改变当前空调运行参数来达到调整效果。
服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的参数对控制模式的运行参数进行调整，包括：
本实施例中，运行模型为神经网络算法模型；
训练阶段，分别针对自动控制模式、画像控制模式和辅助控制模式建立三个运行模型，分别将三种模式下的环境参数和空调运行参数数据划分为训练集、验证集和测试集；利用训练集进行训练，并利用验证集对训练得到的运行模型进行验证，且利用测试集对训练得到的运行模型进行测试，并根据测试集确定三种模式的运行模型，以输出的最优参数数据；
实现阶段，根据选择模式，持续获取当前环境参数和空调运行参数，带入对应的运行模型得出运行参数，发送至空调的控制芯片以更改运行参数。
服务器记录数据并代入运行模型学习，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整之后，还包括：
对空调的运行状态进行监测，并将监测到空调的运行状态数据反馈给运行模型进行训练，并将监测到空调的运行状态数据进行更新至训练阶段的运行模型中。
本实施例中，服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低，包括：
服务器持续与空调控制芯片进行数据交流，设置发送控制信号时间间隔5~30min；每隔一个时间间隔，服务器发送信号至芯片进行通信来判断是否需要调整，具体的时间间隔可以根据实际使用的需求进行设定；
对空调当前运行状态数据进行动态调整，包括采用步进式的逐级安全回退的能耗控制策略和/或采取跳跃式的一步到位安全回退的能耗控制策略；调整的参数如果存在过大的时候，通过步进式的逐级安全回退的能耗控制策略，可以有效防止空调电机的运行损耗、跳闸等问题，调整的参数如果不大的时候，采用跳跃式的一步到位安全回退的能耗控制策略，可迅速调整至需要的运行状态，节省时间和能耗。
根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低，包括：
能耗最低原则为，若空调运行参数与能耗参数在当前模式的模型区间内或低于所述服务器能耗参数，则保持当前能耗控制策略；否则采用参数进行动态调整策略。
画像控制模式中，还包括：
获取用户使用属性数据，包括常用使用时间段、与时间段对应设定温度、每次使用持续时间；计算出用户在常用的时间段，且在一个或多个时间段内常用的设定温度，能够省去用户手动调节的过程。
通过将用户使用属性数据代入到强化学习模型，输出运行参数，并持续获取数据进行训练和完善强化学习模型，通过强化学习模型持续的学习和不断完善，可使运行效果更加接近用户的使用习惯。
本发明将通过实时获取空调的运行参数，对空调在不同的模式下运行，进行能耗的控制和调整，可以满足用户多种需求，而且在不同模式的使用过程中，可以最大化的降低了能耗的浪费，也不影响使用效果。
总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。
Claims (8)
1.一种空调耗能智能控制方法，其特征在于，包括如下步骤：
空调控制芯片获取当前空调的运行模式和运行状态数据，运行状态数据包括当前环境参数和空调运行参数，并发送给服务器；
服务器收到当前空调的运行模式和运行参数进行处理；
服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整；
服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低。
2.根据权利要求1所述的一种空调耗能智能控制方法，其特征在于：当前环境参数包括外界温度和湿度，空调运行参数包括当前的出风风量、设定温度和能耗参数。
3.根据权利要求2所述的一种空调耗能智能控制方法，其特征在于：运行模式包括自动控制模式、画像控制模式和辅助控制模式；
自动控制模式为根据获取当前环境参数和空调运行参数，采用系统预设的温度舒适区间，根据能耗最低原则，对空调运行进行调整；
画像控制模式为根据用户的使用习惯，同时保证在能耗最低原则的情况下，对不同时间段内的运行过程进行运行参数的调整，使室内温度符合用户需求；
辅助控制模式为根据用户设定的温度，获取外界参数，通过对运行参数的调整进行辅助调整内部温度，达到能耗最低原则。
4.根据权利要求3所述的一种空调耗能智能控制方法，其特征在于：服务器根据运行模式，获取当前空调运行状态数据并代入与运行模式对应的运行模型，通过运行模型得出的参数对控制模式的运行参数进行调整，包括：
运行模型为神经网络算法模型；
训练阶段，分别针对自动控制模式、画像控制模式和辅助控制模式建立三个运行模型，分别将三种模式下的环境参数和空调运行参数数据划分为训练集、验证集和测试集；利用训练集进行训练，并利用验证集对训练得到的运行模型进行验证，且利用测试集对训练得到的运行模型进行测试，并根据测试集确定三种模式的运行模型，以输出的最优参数数据；
实现阶段，根据选择模式，持续获取当前环境参数和空调运行参数，带入对应的运行模型得出运行参数，发送至空调的控制芯片以更改运行参数。
5.根据权利要求4所述的一种空调耗能智能控制方法，其特征在于：服务器记录数据并代入运行模型学习，通过运行模型得出的最优参数数据对控制模式的运行参数进行调整之后，还包括：
对空调的运行状态进行监测，并将监测到空调的运行状态数据反馈给运行模型进行训练，并将监测到空调的运行状态数据进行更新至训练阶段的运行模型中。
6.根据权利要求5所述的一种空调耗能智能控制方法，其特征在于：服务器持续与空调控制芯片进行数据交流，根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低，包括：
服务器持续与空调控制芯片进行数据交流，设置发送控制信号时间间隔5~30min；
对空调当前运行状态数据进行动态调整，包括采用步进式的逐级安全回退的能耗控制策略和/或采取跳跃式的一步到位安全回退的能耗控制策略。
7.根据权利要求6所述的一种空调耗能智能控制方法，其特征在于：根据对空调当前运行状态数据进行动态调整，使空调运行能耗保持当前模式中最低，包括：
能耗最低原则为，若空调运行参数与能耗参数在当前模式的模型区间内或低于所述服务器能耗参数，则保持当前能耗控制策略；否则采用参数进行动态调整策略。
8.根据权利要求3所述的一种空调耗能智能控制方法，其特征在于：画像控制模式中，还包括：
获取用户使用属性数据，包括常用使用时间段、与时间段对应设定温度、每次使用持续时间；
将用户使用属性数据代入到强化学习模型，输出运行参数，并持续获取数据进行训练和完善强化学习模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011122027.XA CN112013503A (zh) | 2020-10-20 | 2020-10-20 | 一种空调耗能智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011122027.XA CN112013503A (zh) | 2020-10-20 | 2020-10-20 | 一种空调耗能智能控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112013503A true CN112013503A (zh) | 2020-12-01 |
Family
ID=73528391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011122027.XA Pending CN112013503A (zh) | 2020-10-20 | 2020-10-20 | 一种空调耗能智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112013503A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113692177A (zh) * | 2021-07-09 | 2021-11-23 | 厦门科灿信息技术有限公司 | 数据中心制冷系统功耗的控制方法、装置及终端 |
| CN114251788A (zh) * | 2021-12-18 | 2022-03-29 | 珠海格力电器股份有限公司 | 一种租赁平台的空调能耗提示方法及系统 |
| CN114877493A (zh) * | 2022-05-26 | 2022-08-09 | 青岛世纪环宇节能科技有限公司 | 一种基于边缘算法深度学习的组合式空调节能控制系统及方法 |
-
2020
- 2020-10-20 CN CN202011122027.XA patent/CN112013503A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113692177A (zh) * | 2021-07-09 | 2021-11-23 | 厦门科灿信息技术有限公司 | 数据中心制冷系统功耗的控制方法、装置及终端 |
| CN113692177B (zh) * | 2021-07-09 | 2023-08-18 | 厦门科灿信息技术有限公司 | 数据中心制冷系统功耗的控制方法、装置及终端 |
| CN114251788A (zh) * | 2021-12-18 | 2022-03-29 | 珠海格力电器股份有限公司 | 一种租赁平台的空调能耗提示方法及系统 |
| CN114877493A (zh) * | 2022-05-26 | 2022-08-09 | 青岛世纪环宇节能科技有限公司 | 一种基于边缘算法深度学习的组合式空调节能控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112013503A (zh) | 一种空调耗能智能控制方法 | |
| CN104019524B (zh) | 空调器的调控方法、装置 | |
| CN203223987U (zh) | 一种二级网水力平衡调控系统 | |
| CN105020845A (zh) | 一种空调系统联动节能控制系统及方法 | |
| CN105546756A (zh) | 空调控制方法和装置 | |
| CN110264080A (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
| CN106843345B (zh) | 一种办公区域多参数耦合智能控制系统及方法 | |
| CN105864881B (zh) | 一种智能家庭采暖系统及其需量控制方法 | |
| CN114326882B (zh) | 适用于楼房养猪的环境控制方法及系统 | |
| CN204902127U (zh) | 一种空调水系统与空调末端联动控制的节能装置 | |
| CN106705390A (zh) | 风机盘管自适应节能控制装置及方法 | |
| CN111998505B (zh) | 基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统 | |
| CN109269036A (zh) | 多联机空调的云端控制方法以及多联机空调系统 | |
| CN115686095A (zh) | 一种智能楼宇节能综合控制方法和装置 | |
| CN115081220A (zh) | 一种高能效中央空调系统调节方法及其系统 | |
| CN113606650B (zh) | 基于机器学习算法的智慧供热室温调控系统 | |
| CN115235050A (zh) | 一种中央空调冷水机组节能策略的模拟方法、装置 | |
| CN215863966U (zh) | 一种空调节能策略实施系统 | |
| CN116045459B (zh) | 一种空调节能运行方法及设备 | |
| CN203298441U (zh) | 一种集中式空调控制系统 | |
| CN205842842U (zh) | 一种新型智能家庭采暖系统 | |
| CN204943790U (zh) | 一种变风量节能控制系统 | |
| CN201306811Y (zh) | 一种非智能空调的自适应控制系统 | |
| CN114396718B (zh) | 全空气变风量系统控制方法、装置、电子设备及存储介质 | |
| CN203324736U (zh) | 气候补偿控制器 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201201 |
|
| WD01 | Invention patent application deemed withdrawn after publication |