CN112287281B - 耗电量确定方法、装置及空调机组 - Google Patents

耗电量确定方法、装置及空调机组 Download PDF

Info

Publication number
CN112287281B
CN112287281B CN202011098797.5A CN202011098797A CN112287281B CN 112287281 B CN112287281 B CN 112287281B CN 202011098797 A CN202011098797 A CN 202011098797A CN 112287281 B CN112287281 B CN 112287281B
Authority
CN
China
Prior art keywords
power
unit
power factor
determining
influence
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.)
Active
Application number
CN202011098797.5A
Other languages
English (en)
Other versions
CN112287281A (zh
Inventor
黎珍
邓志扬
李文健
董昊
周亚
熊月忠
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.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202011098797.5A priority Critical patent/CN112287281B/zh
Publication of CN112287281A publication Critical patent/CN112287281A/zh
Application granted granted Critical
Publication of CN112287281B publication Critical patent/CN112287281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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

Abstract

本发明公开了一种耗电量确定方法、装置及空调机组，其中，该方法包括：获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。本发明解决了现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题，在获取耗电量的同时，降低开发成本和工程成本。

Description

耗电量确定方法、装置及空调机组
技术领域
本发明涉及空调技术领域，具体而言，涉及一种耗电量确定方法、装置及空调机组。
背景技术
空调机组因四大部件(压缩机、冷凝器、蒸发器和电子膨胀阀)选型不同导致耗电量不同，在实际工程应用中又因工程安装质量问题及实际运行工况复杂而与实验室标准测试工况有所偏差。在机组的耗电量确定时，通常采用安装电表的方式来获取工程实际耗电量，但电表有很多的局限性，如可能存在故障、安装成本高。此外如对实验测试数据直接进行耗电量数学建模也可以推测实际耗电量，但这种方法只能应用于提供实验测试数据的机组本身，不能应用所有同类型的热泵产品，若新开发一个产品，即使是同类型的产品也要重新测试所有实验数据，耗时长，成本高。基于以上原因，本专利提出一种热泵的耗电量计算方法，可以应用于所有同类型热泵产品耗电量计算。
针对相关技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题，目前尚未提出有效地解决方案。
发明内容
本发明提供了一种耗电量确定方法、装置及空调机组，以至少解决现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题。
为解决上述技术问题，根据本发明实施例的一个方面，提供了一种耗电量确定方法，包括：获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。
进一步地，功率因数的影响参数至少包括：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，机组的电压U。
进一步地，根据影响参数确定功率因数的实时值，包括：确定功率因数的数学计算模型，其中，数学计算模型中的参数至少包括影响参数；将影响参数的实时值代入数学计算模型中，计算功率因数的实时值。
进一步地，功率因数为
Figure BDA0002724646810000022
数学计算模型为：/>
Figure BDA0002724646810000023
Figure BDA0002724646810000024
其中，a、b、c、d为各个影响参数的系数，e为常数项。
进一步地，确定功率因数的数学计算模型，包括：获取在不同的实验工况下功率因数的测试数据；根据测试数据确定影响参数对功率因数的影响趋势；根据影响趋势拟合数学计算模型。
进一步地，获取在不同的实验工况下功率因数的测试数据之前，还包括：获取各个影响参数的取值范围；选取各个影响参数的取值，组成多种实验工况。
进一步地，根据影响趋势拟合数学计算模型之后，还包括：根据实际数据验证数学计算模型是否准确；如果否，则修正数学计算模型。
进一步地，功率参数至少包括：机组的电压U和电流I；根据功率因数的实时值和功率参数确定机组的耗电量，包括：通过如下公式计算机组的耗电量W：
Figure BDA0002724646810000021
其中，t为计算周期。
根据本发明实施例的另一方面，提供了一种耗电量确定装置，包括：获取模块，用于获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测模块，用于检测机组的功率参数；确定模块，用于根据功率因数的实时值和功率参数确定机组的耗电量。
根据本发明实施例的又一方面，提供了一种空调机组，包括如上述的耗电量确定装置。
根据本发明实施例的又一方面，提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的耗电量确定方法。
在本发明中，提供一种可以应用于所有同类型空调机组耗电量的计算方法，获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。功率因数适用于同类型的空调机组，因此，对于同类型的机组，只要采集各个机组的功率参数，即可计算出各个机组的耗电量，本方法在获取耗电量的同时，不增加开发成本和工程成本，有效解决了现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题。
附图说明
图1是根据本发明实施例的耗电量确定方法的一种可选的流程图；
图2是根据本发明实施例的耗电量确定方法的另一种可选的流程图；以及
图3是根据本发明实施例的耗电量确定装置的一种可选的结构框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例1
在本发明优选的实施例1中提供了一种耗电量确定方法，该方法可以直接应用至各种空调机组上，具体实现时，可以通过在安装软件、APP、或者写入控制器相应的程序的方式来实现。具体来说，图1示出该方法的一种可选的流程图，如图1所示，该方法包括如下步骤S102-S106：
S102：获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；
S104：检测机组的功率参数；
S106：根据功率因数的实时值和功率参数确定机组的耗电量。
在上述实施方式中，提供一种可以应用于所有同类型空调机组耗电量的计算方法，获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。功率因数适用于同类型的空调机组，因此，对于同类型的机组，只要采集各个机组的功率参数，即可计算出各个机组的耗电量，本方法在获取耗电量的同时，不增加开发成本和工程成本，有效解决了现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题。
在本发明中，功率因数的影响参数至少包括：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，机组的电压U。上述参数属于影响机组耗电量的主要参数，但根据机组类型的不同，还可以加入其它影响参数，例如压缩机的参数、室内环境的温度等。
在获取机组功率因数的影响参数后，根据影响参数确定功率因数的实时值，具体包括：确定功率因数的数学计算模型，其中，数学计算模型中的参数至少包括影响参数；将影响参数的实时值代入数学计算模型中，计算功率因数的实时值。其中，功率因数为
Figure BDA0002724646810000041
数学计算模型优选为：/>
Figure BDA0002724646810000042
其中，a、b、c、d为各个影响参数的系数，e为常数项。若机组为变频机组，则可获取实时电压U，按以上数学模型计算功率因数；若机组为定频机组，则机组电压U＝额定电压＝380v，电压并不变，因此d＝0。
不同类型热泵产品(如热泵热水器、热泵热风机等不同类别产品)的各系数和常数项取值不同，需根据各类型产品的实验数据确定。但是一种类型的机组采用同一系数，以计算同一类型的机组的耗电量。
在上述实施方式中，确定功率因数的数学计算模型，包括：获取在不同的实验工况下功率因数的测试数据；根据测试数据确定影响参数对功率因数的影响趋势；根据影响趋势拟合数学计算模型。获取在不同的实验工况下功率因数的测试数据之前，还包括：获取各个影响参数的取值范围；选取各个影响参数的取值，组成多种实验工况。
优先选取以下表1中影响参数的取值(参数值仅供参考，可根据实际情况更改工况)，组合成不同的实验工况，获取不同工况的实验数据，初步分析各影响参数对功率因数
Figure BDA0002724646810000055
的影响趋势是正相关还是负相关。
表1
Figure BDA0002724646810000051
整合所有实验测试数据，利用最小二乘法(不限于此方法)拟合功率因数
Figure BDA0002724646810000052
的数学模型，得出：
Figure BDA0002724646810000053
在根据影响趋势拟合数学计算模型之后，还包括：根据实际数据验证数学计算模型是否准确；如果否，则修正数学计算模型。
具体的计算耗电量的方式如下：功率参数至少包括：机组的电压U和电流I；根据功率因数的实时值和功率参数确定机组的耗电量，包括：通过如下公式计算机组的耗电量W：
Figure BDA0002724646810000054
其中，t为计算周期。
本发明中选取影响三相电源的机组的功率因数变化的因子，即影响参数：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，电压U。整合单个或者多个不同机组在不同工况下的实验测试数据，利用最小二乘法(不限于此方法)拟合一个基于各影响参数的数学模型，实际工程中机组运行时获取影响参数的实时数值，带入数学模型计算出功率因数的实时数值，再根据电流检测板获取电流值和电压检测板获取的电压值从而计算耗电量，该方法适用于所有同类型热泵产品耗电量的计算。检测板是机组自带，所以不增加额外成本。
在本发明优选的实施例1中还提供了另一种耗电量确定方法，具体来说，图2示出该方法的一种可选的流程图，如图2所示，该方法包括如下步骤S202-S212：
S202：根据实验数据确认三相电源机组功率因数的影响参数；在本发明中，功率因数的影响参数至少包括：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，机组的电压U。上述参数属于影响机组耗电量的主要参数，但根据机组类型的不同，还可以加入其它影响参数，例如压缩机的参数、室内环境的温度等。
S204：利用实验数据分析各影响参数对功率因数的影响趋势；获取不同工况的实验数据，初步分析各影响参数对功率因数
Figure BDA0002724646810000064
的影响趋势是正相关还是负相关。
S206：利用实验数据基于各影响参数拟合功率因数数学模型；整合所有实验测试数据，利用最小二乘法(不限于此方法)拟合功率因数
Figure BDA0002724646810000061
的数学模型，得出：
Figure BDA0002724646810000062
S208：验证得出的功率因数数学计算模型是否符合实验规律；根据实验数据获取各系数后，验证得出的功率因数数学计算模型是否符合实验规律，如果不符合则修正模型直到符合为止，如果符合则将拟合的数学模型用于实际工程耗电量计算。
S210：实际工程中机组运行时，获取影响参数实时数值，带入模型计算，得出实时功率因数；
S212：利用工程检测参数与功率因数计算相应耗电量。
具体的计算耗电量的方式如下：功率参数至少包括：机组的电压U和电流I；根据功率因数的实时值和功率参数确定机组的耗电量，包括：通过如下公式计算机组的耗电量W：
Figure BDA0002724646810000063
其中，t为计算周期。
上述应用于所有同类型热泵产品耗电量计算的数学建模方法，克服了现有技术的不足，在获取耗电量的同时不增加开发成本和工程成本。
实施例2
基于上述实施例1中提供的耗电量确定方法，在本发明优选的实施例2中还提供了一种耗电量确定装置，具体地，图3示出该装置的一种可选的结构框图，如图3所示，该装置包括：
获取模块302，用于获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；
检测模块304，与获取模块302连接，用于检测机组的功率参数；
确定模块306，与检测模块304连接，用于根据功率因数的实时值和功率参数确定机组的耗电量。
在上述实施方式中，提供一种可以应用于所有同类型空调机组耗电量的计算方法，获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。功率因数适用于同类型的空调机组，因此，对于同类型的机组，只要采集各个机组的功率参数，即可计算出各个机组的耗电量，本方法在获取耗电量的同时，不增加开发成本和工程成本，有效解决了现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题。
其中，功率因数的影响参数至少包括：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，机组的电压U。
获取模块302包括：模型确定单元，用于确定功率因数的数学计算模型，其中，数学计算模型中的参数至少包括影响参数；计算单元，用于将影响参数的实时值代入数学计算模型中，计算功率因数的实时值。功率因数为
Figure BDA0002724646810000071
数学计算模型为：
Figure BDA0002724646810000072
Figure BDA0002724646810000073
其中，a、b、c、d为各个影响参数的系数，e为常数项。
模型确定单元包括：第一获取子单元，用于获取在不同的实验工况下功率因数的测试数据；确定子单元，用于根据测试数据确定影响参数对功率因数的影响趋势；拟合子单元，用于根据影响趋势拟合数学计算模型。
模型确定单元还包括：第一获取子单元，用于获取在不同的实验工况下功率因数的测试数据之前，获取各个影响参数的取值范围；工况确定子单元，用于选取各个影响参数的取值，组成多种实验工况。
以及，验证子单元，用于根据影响趋势拟合数学计算模型之后，根据实际数据验证数学计算模型是否准确；修正子单元，用于如果否，则修正数学计算模型。
功率参数至少包括：机组的电压U和电流I；确定模块306包括：通过如下公式计算机组的耗电量W：
Figure BDA0002724646810000081
其中，t为计算周期。
关于上述实施例中的装置，其中各个单元、模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
基于上述实施例2中提供的耗电量确定装置，在本发明优选的实施例3中还提供了一种空调机组，包括如上述的耗电量确定装置。
在上述实施方式中，提供一种可以应用于所有同类型空调机组耗电量的计算方法，获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。功率因数适用于同类型的空调机组，因此，对于同类型的机组，只要采集各个机组的功率参数，即可计算出各个机组的耗电量，本方法在获取耗电量的同时，不增加开发成本和工程成本，有效解决了现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题。
实施例4
基于上述实施例1中提供的耗电量确定方法，在本发明优选的实施例4中还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的耗电量确定方法。
在上述实施方式中，提供一种可以应用于所有同类型空调机组耗电量的计算方法，获取机组功率因数的影响参数，根据影响参数确定功率因数的实时值；检测机组的功率参数；根据功率因数的实时值和功率参数确定机组的耗电量。功率因数适用于同类型的空调机组，因此，对于同类型的机组，只要采集各个机组的功率参数，即可计算出各个机组的耗电量，本方法在获取耗电量的同时，不增加开发成本和工程成本，有效解决了现有技术中空调机组耗电量的数学建模计算方法耗时长且成本高的问题。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (9)

1.一种耗电量确定方法，其特征在于，包括：
获取机组功率因数的影响参数，根据所述影响参数确定所述功率因数的实时值；其中，所述功率因数的影响参数至少包括：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，所述机组的电压U，所述功率因数为
Figure QLYQS_1
数学计算模型为：/>
Figure QLYQS_2
Figure QLYQS_3
其中，a、b、c、d为各个所述影响参数的系数，e为常数项；
检测所述机组的功率参数；
根据所述功率因数的实时值和所述功率参数确定所述机组的耗电量。
2.根据权利要求1所述的方法，其特征在于，根据所述影响参数确定所述功率因数的实时值，包括：
确定所述功率因数的数学计算模型，其中，所述数学计算模型中的参数至少包括所述影响参数；
将所述影响参数的实时值代入所述数学计算模型中，计算所述功率因数的实时值。
3.根据权利要求1所述的方法，其特征在于，确定所述功率因数的数学计算模型，包括：
获取在不同的实验工况下所述功率因数的测试数据；
根据所述测试数据确定所述影响参数对所述功率因数的影响趋势；
根据所述影响趋势拟合所述数学计算模型。
4.根据权利要求3所述的方法，其特征在于，获取在不同的实验工况下所述功率因数的测试数据之前，还包括：
获取各个所述影响参数的取值范围；
选取各个所述影响参数的取值，组成多种实验工况。
5.根据权利要求3所述的方法，其特征在于，根据所述影响趋势拟合所述数学计算模型之后，还包括：
根据实际数据验证所述数学计算模型是否准确；
如果否，则修正所述数学计算模型。
6.根据权利要求1所述的方法，其特征在于，所述功率参数至少包括：所述机组的电压U和电流I；根据所述功率因数的实时值和所述功率参数确定所述机组的耗电量，包括：
通过如下公式计算所述机组的耗电量W：
Figure QLYQS_4
其中，t为计算周期。
7.一种耗电量确定装置，其特征在于，包括：
获取模块，用于获取机组功率因数的影响参数，根据所述影响参数确定所述功率因数的实时值；其中，所述功率因数的影响参数至少包括：室外环境温度T外，冷凝器出口温度T出，冷凝器出口温度与进口温度的差值△T，所述机组的电压U，所述功率因数为
Figure QLYQS_5
数学计算模型为：/>
Figure QLYQS_6
其中，a、b、c、d为各个所述影响参数的系数，e为常数项；
检测模块，用于检测所述机组的功率参数；
确定模块，用于根据所述功率因数的实时值和所述功率参数确定所述机组的耗电量。
8.一种空调机组，其特征在于，包括如权利要求7所述的耗电量确定装置。
9.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1至6中任一项所述的耗电量确定方法。
CN202011098797.5A 2020-10-14 2020-10-14 耗电量确定方法、装置及空调机组 Active CN112287281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011098797.5A CN112287281B (zh) 2020-10-14 2020-10-14 耗电量确定方法、装置及空调机组

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011098797.5A CN112287281B (zh) 2020-10-14 2020-10-14 耗电量确定方法、装置及空调机组

Publications (2)

Publication Number Publication Date
CN112287281A CN112287281A (zh) 2021-01-29
CN112287281B true CN112287281B (zh) 2023-06-30

Family

ID=74497939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011098797.5A Active CN112287281B (zh) 2020-10-14 2020-10-14 耗电量确定方法、装置及空调机组

Country Status (1)

Country Link
CN (1) CN112287281B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105091220A (zh) * 2015-07-31 2015-11-25 广东美的制冷设备有限公司 空调器的耗电量检测方法、装置和空调器
WO2017133529A1 (zh) * 2016-02-03 2017-08-10 青岛海尔洗衣机有限公司 洗衣机耗电量监测方法、洗衣机及洗衣机系统
CN107633316A (zh) * 2017-03-31 2018-01-26 北京清能互联科技有限公司 自适应局部非线性回归偏差补偿的电网短期负荷预测方法
WO2018201996A1 (zh) * 2017-05-02 2018-11-08 青岛海尔空调器有限总公司 一种空调功耗估算方法及装置
CN109114805A (zh) * 2018-07-17 2019-01-01 珠海格力电器股份有限公司 一种设备能耗的确定方法及装置
CN111076368A (zh) * 2020-01-02 2020-04-28 珠海格力电器股份有限公司 空调耗电量统计方法及系统
CN111143774A (zh) * 2019-12-25 2020-05-12 国网宁夏电力有限公司经济技术研究院 一种基于影响因素多状态模型的电力负荷预测方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105091220A (zh) * 2015-07-31 2015-11-25 广东美的制冷设备有限公司 空调器的耗电量检测方法、装置和空调器
WO2017133529A1 (zh) * 2016-02-03 2017-08-10 青岛海尔洗衣机有限公司 洗衣机耗电量监测方法、洗衣机及洗衣机系统
CN107633316A (zh) * 2017-03-31 2018-01-26 北京清能互联科技有限公司 自适应局部非线性回归偏差补偿的电网短期负荷预测方法
WO2018201996A1 (zh) * 2017-05-02 2018-11-08 青岛海尔空调器有限总公司 一种空调功耗估算方法及装置
CN109114805A (zh) * 2018-07-17 2019-01-01 珠海格力电器股份有限公司 一种设备能耗的确定方法及装置
CN111143774A (zh) * 2019-12-25 2020-05-12 国网宁夏电力有限公司经济技术研究院 一种基于影响因素多状态模型的电力负荷预测方法和装置
CN111076368A (zh) * 2020-01-02 2020-04-28 珠海格力电器股份有限公司 空调耗电量统计方法及系统

Also Published As

Publication number Publication date
CN112287281A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN109595763B (zh) 空调系统的控制策略优化方法、装置和计算机设备
CN110489884B (zh) 空调压缩机仿真方法和系统
CN108709287B (zh) 一种空调系统冷负荷预测方法及冷水机组群控的策略
CN109323363B (zh) 空调器的冷媒泄露故障检测方法、检测系统和空调器
CN111734670A (zh) 一种磁悬浮鼓风机的测试系统及测试方法
CN112287281B (zh) 耗电量确定方法、装置及空调机组
CN108318529B (zh) 用于电压检测的温度补偿方法、电场指纹检测方法及系统
CN107084480A (zh) 空调制热能效比及制热量在线检测方法
CN113557397B (zh) 制冷剂量推断装置、方法及程序
CN110688740A (zh) 基于Modelica联合仿真优化的冷水机房模型校准方法
Cheung et al. Minimizing data collection for field calibration of steady-state virtual sensors for HVAC equipment
CN114838968B (zh) 一种基于冷水水冷测试的空调故障检测方法及系统
CN111947350A (zh) 除霜控制方法、除霜控制系统及空气源热泵装置
CN112240579A (zh) 一种抽油烟机及其控制方法
CN115841478A (zh) 应用于车载空调软管生产管控的质量检测系统
CN105066345B (zh) 空调器的耗电量检测方法、装置和空调器
JP2005090780A (ja) 空調エネルギー評価システム
US7523651B2 (en) Method for monitoring the state of turbines based on their coasting time
CN113250799A (zh) 背压数据检测方法、装置及系统
CN109522662B (zh) 一种计算屋顶式空调机混合空气温度的方法
CN110986266A (zh) 设备控制方法、控制器及空调机组
US11934157B2 (en) Method for analyzing energy used for producing a unit of mass or volume of compressed gas (specific energy consumption)
CN113144840B (zh) 一种基于大数据手机app量化测算除湿机推荐除湿面积的方法
CN111948941B (zh) 燃气热水器的控制模型获取方法、系统及控制计算机
CN117868953A (zh) 涡流控尘装置径轴向风量调控方法

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