CN112628957A - 变频空调的控制方法、装置与计算机可读存储介质 - Google Patents

变频空调的控制方法、装置与计算机可读存储介质 Download PDF

Info

Publication number
CN112628957A
CN112628957A CN202011568997.2A CN202011568997A CN112628957A CN 112628957 A CN112628957 A CN 112628957A CN 202011568997 A CN202011568997 A CN 202011568997A CN 112628957 A CN112628957 A CN 112628957A
Authority
CN
China
Prior art keywords
generation
optimal solution
particle
global
energy efficiency
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
Application number
CN202011568997.2A
Other languages
English (en)
Inventor
周琛
周伟
张杰添
张嘉鑫
刘超
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 CN202011568997.2A priority Critical patent/CN112628957A/zh
Publication of CN112628957A publication Critical patent/CN112628957A/zh
Pending legal-status Critical Current

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本申请提供了一种变频空调的控制方法、装置与计算机可读存储介质，该控制方法包括：建立变频空调的目标函数关系，目标函数关系为目标工况下，P个目标参数和能效比的函数关系；基于粒子群算法，确定目标函数的全局最优解；控制变频空调在目标工况下，P个目标参数以全局最优解对应的数值运行。该方法通过建立目标工况下的目标函数关系，并基于粒子群算法确定目标函数的全局最优解，同时对空调的多个系统参数进行优化，实现了对变频空调的系统参数组合进行遍及寻优，所得系统参数可使变频空调系统能效比达到最优，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。

Description

变频空调的控制方法、装置与计算机可读存储介质
技术领域
本申请涉及变频空调领域，具体而言，涉及一种变频空调的控制方法、装置、计算机可读存储介质、处理器与空调系统。
背景技术
伴随着人们越发强烈的绿色节能意识，空调器作为楼宇建筑的主要耗能设备之一，国家对其能效要求越来越高，空调行业的能效标准也在日益提高。变频空调系统作为一种较为复杂的系统，内外风机、压缩机、冷凝器、蒸发器、节流装置以及管道等其他配件的选择对空调机的性能和能效均会产生影响；而当空调系统的硬件配置全部确定以后，内风机转速、外风机转速、压缩机转速、电子膨胀阀开度、冷媒灌注量这些参数的匹配将成为影响空调性能以及能效的主要因素。如何综合优化空调的系统参数配置，使系统能效达到最优成为空调新机型开发的技术研究热点。
空调系统运行时主要分为制冷工况和制热工况，变频空调的综合能效比EER＝Q/W,式中Q表示某工况下空调的制冷(热)量，W表示对应工况下空调的总功率。
目前，在开发有具体能效要求值的新机型时，针对变频空调系统参数的配置，主要采用的技术方法是基于单变量优化算法，先匹配能力，后匹配综合能效。以制冷能效匹配为例：首先判断经验参数是否可以满足新匹配空调机制冷量的需求。即根据经验，结合具体工况条件，在所有其他外机系统参数已经确定的条件下，采用单变量优化算法计算出可使系统制冷量最大的另一个参数，并结合具体实验数据进行调整。依次更换待匹配的单变量系统参数，重复试验验证，选出上述主要系统参数可以满足制冷量需求的多种组合，初步确定系统参数范围；然后，从选出的系统参数组合中，在所有其他外机系统参数已经确定的条件下，采用单变量优化算法计算出可使系统能效最佳的另一个参数，结合具体实验数据进行调整。再依次更换待匹配的单变量系统参数，重复试验验证，最终将可使系统综合能效最大的一组系统参数选出，用于变频空调系统参数设置。
上述的单变量优化算法是在所有其他系统参数已经确定的条件下，计算出可使系统能效最佳的另一个参数，实际上并未对所有系统参数组合进行遍及寻优，得到的空调系统能效值未必为最大值。且先后多次采用单变量优化算法，增加了计算量和实验量。为匹配出可以提高变频空调系统能效的系统参数值，这一传统技术方法，不仅效率较低而且所得系统参数值未必为系统最优能效的组合值。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种变频空调的控制方法、装置、计算机可读存储介质、处理器与空调系统以解决现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
根据本发明实施例的一个方面，提供了一种变频空调的控制方法，包括：建立所述变频空调的目标函数关系，所述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；基于粒子群算法，确定所述目标函数的全局最优解；控制所述变频空调在所述目标工况下，P个所述目标参数以所述全局最优解对应的数值运行。
可选地，基于粒子群算法，确定所述目标函数的最优解，包括：构建步骤：构建粒子群，并对所述粒子群初始化，得到每个所述粒子的初始位置和初始速度，所述初始位置和所述初始速度分别为P维向量；计算步骤：根据所述目标函数，计算每个所述粒子的所述初始位置对应的所述能效比，并得到全局粒子最优解，其中，所述初始位置中的数值一一对应为所述目标参数，所述全局粒子最优解为最大的所述能效比对应的所述初始位置；更新步骤：更新所述粒子的位置和速度，得到各所述粒子的第K+1代位置和第K+1代速度，K＝1；更新计算步骤：计算各所述粒子的所述第K+1代位置对应的所述能效比，并得到第K+1代全局粒子最优解，所述第K+1代全局粒子最优解为最大的所述能效比对应的所述第K+1代位置，若所述粒子的所述第K+1代位置对应的所述能效比大于第K代位置对应的所述能效比，则采用所述第K+1代位置替换所述第K代位置，得到所述粒子的历史最优解，若所述第K+1代全局粒子最优解对应的所述能效比大于第K代全局粒子最优解，则采用所述第K+1代全局粒子最优解作为所述全局粒子最优解；重复步骤：依次增大K的值，并重复执行所述更新步骤和所述更新计算步骤，直到得到满足预定条件的所述全局粒子最优解。
可选地，所述更新步骤包括：采用所述粒子的第K代位置和第K代速度，利用公式
Figure BDA0002861958910000021
确定所述第K+1代位置和所述第K+1代速度，其中，
Figure BDA0002861958910000022
为所述第K+1代位置，
Figure BDA0002861958910000023
所述第K+1代速度，
Figure BDA0002861958910000024
为所述第K代位置，
Figure BDA0002861958910000025
为所述第K代速度，
Figure BDA0002861958910000026
为当前的所述粒子的历史最优解，
Figure BDA0002861958910000027
为当前的所述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内。
可选地，所述更新步骤包括：采用所述粒子的第K代位置和第K代速度，利用公式
Figure BDA0002861958910000028
确定所述第K+1代预备位置和所述第K+1代预备速度，其中，
Figure BDA0002861958910000029
为所述第K+1代预备位置，
Figure BDA00028619589100000210
所述第K+1代预备速度，
Figure BDA00028619589100000211
为所述第K代位置，
Figure BDA00028619589100000212
为所述第K代速度，
Figure BDA00028619589100000213
为第K代得到的所述粒子的历史最优解，
Figure BDA00028619589100000214
为第K代得到的所述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内；确定所述第K+1代预备位置是否在第一预定范围内；确定所述第K+1代预备速度是否在第二预定范围内；在所述第K+1代预备位置在所述第一预定范围内，确定所述第K+1代预备位置为所述第K+1代位置；在所述第K+1代预备速度在所述第二预定范围内，确定所述第K+1代预备速度为所述第K+1代速度；在所述第K+1代预备位置不在所述第一预定范围内，确定第一预定边界值为所述第K+1代位置，所述第一预定边界值为所述第一预定范围内的与所述第K+1代预备位置差值最小的边界值；在所述第K+1代预备速度不在所述第二预定范围内，确定第二预定边界值为所述第K+1代速度，所述第二预定边界值为所述第二预定范围内的与所述第K+1代预备速度差值最小的边界值。
可选地，所述重复步骤包括：依次增大K的值，并重复执行所述更新步骤和所述更新计算步骤，得到第N代全局粒子最优解；在第N代能效比和第N-1代能效比之间的差值的绝对值小于第一预定阈值的情况下，停止执行所述更新步骤和所述更新计算步骤，并确定所述第N代全局粒子最优解为最终的所述全局粒子最优解，其中，第N代能效比为第N代全局粒子最优解对应的所述能效比，所述第N-1代能效比为第N-1代全局粒子最优解对应的所述能效比。
可选地，所述重复步骤包括：依次增大K的值，并重复执行所述更新步骤和所述更新计算步骤，得到第N代全局粒子最优解；在所述第N代全局粒子最优解对应的所述能效比大于等于第二预定阈值的情况下，停止执行所述更新步骤和所述更新计算步骤，并确定所述第N代全局粒子最优解为最终的所述全局粒子最优解。
可选地，P＝5，且P个所述目标参数分别为：内风机转速、外风机转速、压缩机转速、电子膨胀阀开度、冷媒灌注量。
根据本发明实施例的另一方面，还提供了一种变频空调的控制装置，包括：构建单元，用于建立所述变频空调的目标函数关系，所述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；确定单元，用于基于粒子群算法，确定所述目标函数的全局最优解；控制单元，用于控制所述变频空调在所述目标工况下，P个所述目标参数以所述全局最优解对应的数值运行。
根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
根据本发明实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
根据本发明实施例的再一方面，还提供了一种空调系统，包括：变频空调、一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
在本发明实施例中，所述变频空调的控制方法，首先，建立所述变频空调的目标函数关系，所述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；然后，基于粒子群算法，确定所述目标函数的全局最优解；最后控制所述变频空调在所述目标工况下，P个所述目标参数以所述全局最优解对应的数值运行。该方法通过建立目标工况下的目标函数关系，并基于粒子群算法确定目标函数的全局最优解，同时对空调的多个系统参数进行优化，实现了对变频空调的系统参数组合进行遍及寻优，所得系统参数可使变频空调系统能效比达到最优，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请的一种实施例的变频空调的控制方法的流程图；
图2示出了根据本申请的又一种实施例的变频空调的控制方法的流程图；
图3示出了根据本申请的一种实施例的变频空调的控制装置示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请的实施例。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。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种变频空调的控制方法、装置、计算机可读存储介质、处理器与空调系统。
根据本申请的实施例，提供了一种变频空调的控制方法。
图1是根据本申请实施例的变频空调的控制方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；
步骤S102，基于粒子群算法，确定上述目标函数的全局最优解；
步骤S103，控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。
上述变频空调的控制方法，首先，建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；然后基于粒子群算法，确定上述目标函数的全局最优解；最后控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。该方法通过建立目标工况下的目标函数关系，并基于粒子群算法确定目标函数的全局最优解，同时对空调的多个系统参数进行优化，实现了对变频空调的系统参数组合进行遍及寻优，所得系统参数可使变频空调系统能效比达到最优，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
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。
本申请的一种实施例中，基于粒子群算法，确定上述目标函数的最优解，包括：构建步骤：构建粒子群，并对上述粒子群初始化，得到每个上述粒子的初始位置和初始速度，上述初始位置和上述初始速度分别为P维向量；计算步骤：根据上述目标函数，计算每个上述粒子的上述初始位置对应的上述能效比，并得到全局粒子最优解，其中，上述初始位置中的数值一一对应为上述目标参数，上述全局粒子最优解为最大的上述能效比对应的上述初始位置；更新步骤：更新上述粒子的位置和速度，得到各上述粒子的第K+1代位置和第K+1代速度，K＝1；更新计算步骤：计算各上述粒子的上述第K+1代位置对应的上述能效比，并得到第K+1代全局粒子最优解，上述第K+1代全局粒子最优解为最大的上述能效比对应的上述第K+1代位置，若上述粒子的上述第K+1代位置对应的上述能效比大于第K代位置对应的上述能效比，则采用上述第K+1代位置替换上述第K代位置，得到上述粒子的历史最优解，若上述第K+1代全局粒子最优解对应的上述能效比大于第K代全局粒子最优解，则采用上述第K+1代全局粒子最优解作为上述全局粒子最优解；重复步骤：依次增大K的值，并重复执行上述更新步骤和上述更新计算步骤，直到得到满足预定条件的上述全局粒子最优解。在该实施例中，通过对粒子初始化，并计算初始位置对应的能效比，然后根据粒子的位置和速度对粒子群进行更新，其次对更新后的粒子群再次计算对应的效能比，最后通过重复执行更新步骤和更新计算步骤，直到得到满足预定条件的全局粒子最优解，这样可以更为准确地得到全局粒子最优解，后续根据得到的全局粒子最优解调整空调的运行参数，进一步地提高了空调的效能。
在本申请的另一种实施例中，上述更新步骤包括：采用上述粒子的第K代位置和第K代速度，利用公式
Figure BDA0002861958910000061
和
Figure BDA0002861958910000062
确定上述第K+1代位置和上述第K+1代速度，其中，
Figure BDA0002861958910000063
为上述第K+1代位置，
Figure BDA0002861958910000064
上述第K+1代速度，
Figure BDA0002861958910000065
为上述第K代位置，
Figure BDA0002861958910000066
为上述第K代速度，
Figure BDA0002861958910000067
为当前的上述粒子的历史最优解，
Figure BDA0002861958910000068
为当前的上述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内。在该实施例中，采用公式
Figure BDA0002861958910000069
和
Figure BDA00028619589100000610
可以得到更为准确的第K+1代位置和上述第K+1代速度，后续可以根据第K+1代的位置和速度更快且更准确地寻找出全局粒子最优解。
根据本申请的又一种实施例中，上述更新步骤包括：采用上述粒子的第K代位置和第K代速度，利用公式
Figure BDA00028619589100000611
和
Figure BDA00028619589100000612
确定上述第K+1代预备位置和上述第K+1代预备速度，其中，
Figure BDA00028619589100000613
为上述第K+1代预备位置，
Figure BDA00028619589100000614
上述第K+1代预备速度，
Figure BDA00028619589100000615
为上述第K代位置，
Figure BDA00028619589100000616
为上述第K代速度，
Figure BDA00028619589100000617
为第K代得到的上述粒子的历史最优解，
Figure BDA00028619589100000618
为第K代得到的上述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内；确定上述第K+1代预备位置是否在第一预定范围内；确定上述第K+1代预备速度是否在第二预定范围内；在上述第K+1代预备位置在上述第一预定范围内，确定上述第K+1代预备位置为上述第K+1代位置；在上述第K+1代预备速度在上述第二预定范围内，确定上述第K+1代预备速度为上述第K+1代速度；在上述第K+1代预备位置不在上述第一预定范围内，确定第一预定边界值为上述第K+1代位置，上述第一预定边界值为上述第一预定范围内的与上述第K+1代预备位置差值最小的边界值；在上述第K+1代预备速度不在上述第二预定范围内，确定第二预定边界值为上述第K+1代速度，上述第二预定边界值为上述第二预定范围内的与上述第K+1代预备速度差值最小的边界值。在该实施例中，通过判断第K+1代预备位置是否在第一预定范围内以及第K+1代预备速度是否在第二预定范围内，当不在对应的预定范围内时，将第K+1代位置确定为第一预定范围内与第K+1代预备位置差值最小的边界值以及确定第K+1代速度确定为第二预定范围内与第K+1代预备位置差值最小的边界值，这样保证了更新后的第K+1代的速度和位置在其对应的预定范围内，从而更快地收敛出更为合适的全局最优解，后续根据这些对应的系统参数，可以更合理地控制空调，进一步地提升变频空调的能效。
本申请的另一种实施例中，上述重复步骤包括：依次增大K的值，并重复执行上述更新步骤和上述更新计算步骤，得到第N代全局粒子最优解；在第N代全局粒子最优解和第N-1代全局粒子最优解之间的差值的绝对值小于第一预定阈值的情况下，即能效比达到充分收敛时，停止执行上述更新步骤和上述更新计算步骤，并确定上述第N代全局粒子最优解为最终的上述全局粒子最优解，其中，第N代能效比为第N代全局粒子最优解对应的上述能效比，上述第N-1代能效比为第N-1代全局粒子最优解对应的上述能效比。在该实施例中，通过判断第N代全局粒子最优解和第N-1代全局粒子最优解之间的差值的绝对值是否小于第一预定阈值，判断是否停止执行更新步骤，这样可以更为准确地确定是否迭代出全局粒子最优解，进而得到更为准确的全局粒子最优解。
本申请的再一种实施例中，上述重复步骤包括：依次增大K的值，并重复执行上述更新步骤和上述更新计算步骤，得到第N代全局粒子最优解；在上述第N代全局粒子最优解对应的上述能效比大于等于第二预定阈值的情况下，即能效比达到允许的精度范围内，停止执行上述更新步骤和上述更新计算步骤，并确定上述第N代全局粒子最优解为最终的上述全局粒子最优解其中，上述第二预定阈值为粒子群算法中的预定适应度值。在该实施例中，通过判断第N代全局粒子最优解对应的上述能效比是否大于等于第二预定阈值，大于时则停止执行更新步骤和更新计算步骤，这样可以得到更为合适的全局粒子最优解，以防止过度收敛导致寻找不出全局粒子最优解。
本申请的再一种实施例中，P＝5，且P个上述目标参数分别为：内风机转速、外风机转速、压缩机转速、电子膨胀阀开度、冷媒灌注量。通过这些目标参数，可以更为合理地控制空调在目标工况下运行，进一步提高空调的系统能效。当然，实际应用中，还可以根据实际情况来调整P的值，调整对应的P个目标参数的具体内容。
实施例
如图2所示，该实施例的变频空调的控制方法具体包括：
步骤1：假设在一个5(P＝5)维空间中，有N个粒子组成一个粒子群。随机初始化该粒子群，设定每个粒子的初始位置和初始速度，每个粒子在P维空间中的初始位置和初始速度可以用以下形式的向量表示：
Figure BDA0002861958910000071
Figure BDA0002861958910000072
步骤2：将每个粒子的初始位置作为其历史最优解，并按照如下公式计算各个粒子的适应度值：
Figure BDA0002861958910000073
这样第i个粒子每经历一个位置，便可计算出每个位置的适应度值，将第i个粒子所经历的适应度值最大处对应的位置记为该粒子历史最优解
Figure BDA0002861958910000074
所有粒子经历过的历史最优解中的最优解记为全局最优解
Figure BDA0002861958910000075
步骤3：第(k+1)代粒子位置和速度的第d维元素(1≤d≤5)可以按照下式由第k代粒子更新出，式中i＝1,2,...,N：
Figure BDA0002861958910000081
Figure BDA0002861958910000082
步骤4：重复上述步骤3，直至全局粒子最优解对应的适应度值(能效比)充分收敛或者达到允许精度范围之内，此时适应度值最大的全局最优粒子，其位置和适应度值(能效比)分别为：
Figure BDA0002861958910000083
Figure BDA0002861958910000084
本申请实施例还提供了一种变频空调的控制装置，需要说明的是，本申请实施例的变频空调的控制装置可以用于执行本申请实施例所提供的用于变频空调的控制方法。以下对本申请实施例提供的变频空调的控制装置进行介绍。
图3是根据本申请实施例的变频空调的控制装置的示意图。如图3所示，该装置包括：
构建单元10，用于建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；
确定单元20，用于基于粒子群算法，确定上述目标函数的全局最优解；
控制单元30，用于控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。
上述变频空调的控制装置，构建单元用于建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；确定单元用于基于粒子群算法，确定上述目标函数的全局最优解；控制单元用于控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。该装置通过建立目标工况下的目标函数关系，并基于粒子群算法确定目标函数的全局最优解，同时对空调的多个系统参数进行优化，实现了对变频空调的系统参数组合进行遍及寻优，所得系统参数可使变频空调系统能效比达到最优，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
本申请的一种实施例中，上述确定单元还包括构建模块、、计算模块、更新模块、更新计算模块与重复模块，其中，构建模块用于构建步骤：构建粒子群，并对上述粒子群初始化，得到每个上述粒子的初始位置和初始速度，上述初始位置和上述初始速度分别为P维向量；计算模块用于计算步骤：根据上述目标函数，计算每个上述粒子的上述初始位置对应的上述能效比，并得到全局粒子最优解，其中，上述初始位置中的数值一一对应为上述目标参数，上述全局粒子最优解为最大的上述能效比对应的上述初始位置；更新模块用于更新步骤：更新上述粒子的位置和速度，得到各上述粒子的第K+1代位置和第K+1代速度，K＝1；更新计算模块用于更新计算步骤：计算各上述粒子的上述第K+1代位置对应的上述能效比，并得到第K+1代全局粒子最优解，上述第K+1代全局粒子最优解为最大的上述能效比对应的上述第K+1代位置，若上述粒子的上述第K+1代位置对应的上述能效比大于第K代位置对应的上述能效比，则采用上述第K+1代位置替换上述第K代位置，得到上述粒子的历史最优解，若上述第K+1代全局粒子最优解对应的上述能效比大于第K代全局粒子最优解，则采用上述第K+1代全局粒子最优解作为上述全局粒子最优解；重复模块，用于执行重复步骤，重复步骤包括：依次增大K的值，并重复执行上述更新步骤和上述更新计算步骤，直到得到满足预定条件的上述全局粒子最优解。在该实施例中，通过对粒子初始化，并计算初始位置对应的能效比，然后根据粒子的位置和速度对粒子群进行更新，其次对更新后的粒子群再次计算对应的效能比，最后通过重复执行更新步骤和更新计算步骤，直到得到满足预定条件的全局粒子最优解，这样可以更为准确地得到全局粒子最优解，后续根据得到的全局粒子最优解调整空调的运行参数，进一步地提高了空调的效能。
本申请的又一种实施例中，更新模块还包括第一确定子模块，用于采用上述粒子的第K代位置和第K代速度，利用公式
Figure BDA0002861958910000091
和
Figure BDA0002861958910000092
确定上述第K+1代位置和上述第K+1代速度，其中，
Figure BDA0002861958910000093
为上述第K+1代位置，
Figure BDA0002861958910000094
上述第K+1代速度，
Figure BDA0002861958910000095
为上述第K代位置，
Figure BDA0002861958910000096
为上述第K代速度，
Figure BDA0002861958910000097
为当前的上述粒子的历史最优解，
Figure BDA0002861958910000098
为当前的上述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内。在该实施例中，采用公式
Figure BDA0002861958910000099
和
Figure BDA00028619589100000910
可以得到更为准确的第K+1代位置和上述第K+1代速度，后续可以根据第K+1代的位置和速度更快且更准确地寻找出全局粒子最优解。
本申请的再一种实施例中，更新模块还包括第二确定子模块、第三确定子模块、第四确定子模块、第五确定子模块、第六确定子模块、第七确定子模块和第八确定子模块，其中，第二确定子模块用于采用上述粒子的第K代位置和第K代速度，利用公式
Figure BDA00028619589100000911
确定上述第K+1代预备位置和上述第K+1代预备速度，其中，
Figure BDA00028619589100000912
为上述第K+1代预备位置，
Figure BDA00028619589100000913
上述第K+1代预备速度，
Figure BDA00028619589100000914
为上述第K代位置，
Figure BDA00028619589100000915
为上述第K代速度，
Figure BDA00028619589100000916
为第K代得到的上述粒子的历史最优解，
Figure BDA00028619589100000917
为第K代得到的上述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内；第三确定子模块用于确定上述第K+1代预备位置是否在第一预定范围内；第四确定子模块用于确定上述第K+1代预备速度是否在第二预定范围内；第五确定子模块用于在上述第K+1代预备位置在上述第一预定范围内，确定上述第K+1代预备位置为上述第K+1代位置；第六确定子模块用于在上述第K+1代预备速度在上述第二预定范围内，确定上述第K+1代预备速度为上述第K+1代速度；第七确定子模块用于在上述第K+1代预备位置不在上述第一预定范围内，确定第一预定边界值为上述第K+1代位置，上述第一预定边界值为上述第一预定范围内的与上述第K+1代预备位置差值最小的边界值；第八确定子模块用于在上述第K+1代预备速度不在上述第二预定范围内，确定第二预定边界值为上述第K+1代速度，上述第二预定边界值为上述第二预定范围内的与上述第K+1代预备速度差值最小的边界值。在该实施例中，通过判断第K+1代预备位置是否在第一预定范围内以及第K+1代预备速度是否在第二预定范围内，当不在对应的预定范围内时，将第K+1代位置确定为第一预定范围内与第K+1代预备位置差值最小的边界值以及确定第K+1代速度确定为第二预定范围内与第K+1代预备位置差值最小的边界值，这样保证了更新后的第K+1代的速度和位置在其对应的预定范围内，从而更快地收敛出更为合适的全局最优解，后续根据这些对应的系统参数，可以更合理地控制空调，进一步地提升变频空调的能效。
本申请的一种实施例中，重复模块还包括第一重复子模块和第九确定子模块，其中，第一重复子模块用于依次增大K的值，并重复执行上述更新步骤和上述更新计算步骤，得到第N代全局粒子最优解；第九确定子模块用于在第N代能效比和第N-1代能效比之间的差值的绝对值小于第一预定阈值的情况下，即能效比达到充分收敛时，停止执行上述更新步骤和上述更新计算步骤，并确定上述第N代全局粒子最优解为最终的上述全局粒子最优解，其中，第N代能效比为第N代全局粒子最优解对应的上述能效比，上述第N-1代能效比为第N-1代全局粒子最优解对应的上述能效比。在该实施例中，通过判断第N代全局粒子最优解和第N-1代全局粒子最优解之间的差值的绝对值是否小于第一预定阈值，判断是否停止执行更新步骤，这样可以更为准确地确定是否迭代出全局粒子最优解，进而得到更为准确的全局粒子最优解。
本申请的又一种实施例中，重复模块还包括第二重复子模块和第十确定子模块，其中，第二重复子模块用于依次增大K的值，并重复执行上述更新步骤和上述更新计算步骤，得到第N代全局粒子最优解；第十确定子模块用于在上述第N代全局粒子最优解对应的上述能效比大于等于第二预定阈值的情况下，即能效比达到允许的精度范围内，停止执行上述更新步骤和上述更新计算步骤，并确定上述第N代全局粒子最优解为最终的上述全局粒子最优解。在该实施例中，通过判断第N代全局粒子最优解对应的上述能效比是否大于等于第二预定阈值，大于时则停止执行更新步骤和更新计算步骤，这样可以得到更为合适的全局粒子最优解，以防止过度收敛导致寻找不出全局粒子最优解。
本申请的再一种实施例中，P＝5，且P个上述目标参数分别为：内风机转速、外风机转速、压缩机转速、电子膨胀阀开度、冷媒灌注量。通过这些目标参数，可以更为合理地控制空调在目标工况下运行，进一步提高空调的系统能效。当然，实际应用中，还可以根据实际情况来调整P的值，调整对应的P个目标参数的具体内容。
上述变频空调的控制装置包括处理器和存储器，上述构建单元、确定单元与控制单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述变频空调的控制方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述变频空调的控制方法。
本发明实施例还提供了一种空调系统，包括：变频空调、一个或多个处理器，存储器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于任意一种上述的方法。
上述的空调系统中，由于包括上述的变频空调且执行上述变频空调的控制方法，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；
步骤S102，基于粒子群算法，确定上述目标函数的全局最优解；
步骤S103，控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；
步骤S102，基于粒子群算法，确定上述目标函数的全局最优解；
步骤S103，控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。
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，例如上述单元的划分，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。
上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。
上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上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。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、上述变频空调的控制方法，首先，建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；然后基于粒子群算法，确定上述目标函数的全局最优解；最后控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。该方法通过建立目标工况下的目标函数关系，并基于粒子群算法确定目标函数的全局最优解，同时对空调的多个系统参数进行优化，实现了对变频空调的系统参数组合进行遍及寻优，所得系统参数可使变频空调系统能效比达到最优，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
2)、上述变频空调的控制装置，构建单元用于建立上述变频空调的目标函数关系，上述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；确定单元用于基于粒子群算法，确定上述目标函数的全局最优解；控制单元用于控制上述变频空调在上述目标工况下，P个上述目标参数以上述全局最优解对应的数值运行。该装置通过建立目标工况下的目标函数关系，并基于粒子群算法确定目标函数的全局最优解，同时对空调的多个系统参数进行优化，实现了对变频空调的系统参数组合进行遍及寻优，所得系统参数可使变频空调系统能效比达到最优，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
3)、上述的空调系统中，由于包括上述的变频空调且执行上述变频空调的控制方法，从而解决了现有技术中的空调系统的参数配置法未同时对系统参数进行优化导致得到的结果不准确的问题。
以上上述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种变频空调的控制方法，其特征在于，包括：
建立所述变频空调的目标函数关系，所述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；
基于粒子群算法，确定所述目标函数的全局最优解；
控制所述变频空调在所述目标工况下，P个所述目标参数以所述全局最优解对应的数值运行。
2.根据权利要求1所述的方法，其特征在于，基于粒子群算法，确定所述目标函数的最优解，包括：
构建步骤：构建粒子群，并对所述粒子群初始化，得到每个所述粒子的初始位置和初始速度，所述初始位置和所述初始速度分别为P维向量；
计算步骤：根据所述目标函数，计算每个所述粒子的所述初始位置对应的所述能效比，并得到全局粒子最优解，其中，所述初始位置中的数值一一对应为所述目标参数，所述全局粒子最优解为最大的所述能效比对应的所述初始位置；
更新步骤：更新所述粒子的位置和速度，得到各所述粒子的第K+1代位置和第K+1代速度，K＝1；
更新计算步骤：计算各所述粒子的所述第K+1代位置对应的所述能效比，并得到第K+1代全局粒子最优解，所述第K+1代全局粒子最优解为最大的所述能效比对应的所述第K+1代位置，若所述粒子的所述第K+1代位置对应的所述能效比大于第K代位置对应的所述能效比，则采用所述第K+1代位置替换所述第K代位置，得到所述粒子的历史最优解，若所述第K+1代全局粒子最优解对应的所述能效比大于第K代全局粒子最优解，则采用所述第K+1代全局粒子最优解作为所述全局粒子最优解；
重复步骤：依次增大K的值，并重复执行所述更新步骤和所述更新计算步骤，直到得到满足预定条件的所述全局粒子最优解。
3.根据权利要求2所述的方法，其特征在于，所述更新步骤包括：
采用所述粒子的第K代位置和第K代速度，利用公式
Figure FDA0002861958900000012
和
Figure FDA0002861958900000011
确定所述第K+1代位置和所述第K+1代速度，其中，
Figure FDA0002861958900000018
为所述第K+1代位置，
Figure FDA0002861958900000013
所述第K+1代速度，
Figure FDA0002861958900000016
为所述第K代位置，
Figure FDA0002861958900000015
为所述第K代速度，
Figure FDA0002861958900000014
为当前的所述粒子的历史最优解，
Figure FDA0002861958900000017
为当前的所述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内。
4.根据权利要求2所述的方法，其特征在于，所述更新步骤包括：
采用所述粒子的第K代位置和第K代速度，利用公式
Figure FDA0002861958900000021
和
Figure FDA0002861958900000022
确定第K+1代预备位置和第K+1代预备速度，其中，
Figure FDA0002861958900000023
为所述第K+1代预备位置，
Figure FDA0002861958900000028
所述第K+1代预备速度，
Figure FDA0002861958900000024
为所述第K代位置，
Figure FDA0002861958900000025
为所述第K代速度，
Figure FDA0002861958900000027
为第K代得到的所述粒子的历史最优解，
Figure FDA0002861958900000026
为第K代得到的所述全局粒子最优解，w为惯性权值，c1和c2为加速系数，r1和r2分别在[0,1]内；
确定所述第K+1代预备位置是否在第一预定范围内；
确定所述第K+1代预备速度是否在第二预定范围内；
在所述第K+1代预备位置在所述第一预定范围内，确定所述第K+1代预备位置为所述第K+1代位置；
在所述第K+1代预备速度在所述第二预定范围内，确定所述第K+1代预备速度为所述第K+1代速度；
在所述第K+1代预备位置不在所述第一预定范围内，确定第一预定边界值为所述第K+1代位置，所述第一预定边界值为所述第一预定范围内的与所述第K+1代预备位置差值最小的边界值；
在所述第K+1代预备速度不在所述第二预定范围内，确定第二预定边界值为所述第K+1代速度，所述第二预定边界值为所述第二预定范围内的与所述第K+1代预备速度差值最小的边界值。
5.根据权利要求2所述的方法，其特征在于，所述重复步骤包括：
依次增大K的值，并重复执行所述更新步骤和所述更新计算步骤，得到第N代全局粒子最优解；
在第N代能效比和第N-1代能效比之间的差值的绝对值小于第一预定阈值的情况下，停止执行所述更新步骤和所述更新计算步骤，并确定所述第N代全局粒子最优解为最终的所述全局粒子最优解，其中，第N代能效比为第N代全局粒子最优解对应的所述能效比，所述第N-1代能效比为第N-1代全局粒子最优解对应的所述能效比。
6.根据权利要求2所述的方法，其特征在于，所述重复步骤包括：
依次增大K的值，并重复执行所述更新步骤和所述更新计算步骤，得到第N代全局粒子最优解；
在所述第N代全局粒子最优解对应的所述能效比大于等于第二预定阈值的情况下，停止执行所述更新步骤和所述更新计算步骤，并确定所述第N代全局粒子最优解为最终的所述全局粒子最优解。
7.根据权利要求1至6中任一项所述的方法，其特征在于，P＝5，且P个所述目标参数分别为：内风机转速、外风机转速、压缩机转速、电子膨胀阀开度、冷媒灌注量。
8.一种变频空调的控制装置，其特征在于，包括：
构建单元，用于建立所述变频空调的目标函数关系，所述目标函数关系为目标工况下，P个目标参数和能效比的函数关系；
确定单元，用于基于粒子群算法，确定所述目标函数的全局最优解；
控制单元，用于控制所述变频空调在所述目标工况下，P个所述目标参数以所述全局最优解对应的数值运行。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的方法。
10.一种处理器，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7中任意一项所述的方法。
11.一种空调系统，其特征在于，包括：变频空调、一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
CN202011568997.2A 2020-12-25 2020-12-25 变频空调的控制方法、装置与计算机可读存储介质 Pending CN112628957A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011568997.2A CN112628957A (zh) 2020-12-25 2020-12-25 变频空调的控制方法、装置与计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011568997.2A CN112628957A (zh) 2020-12-25 2020-12-25 变频空调的控制方法、装置与计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN112628957A true CN112628957A (zh) 2021-04-09

Family

ID=75325495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011568997.2A Pending CN112628957A (zh) 2020-12-25 2020-12-25 变频空调的控制方法、装置与计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112628957A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113074432A (zh) * 2021-04-28 2021-07-06 珠海格力电器股份有限公司 空调冷媒量的调节方法及调节装置、空调系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005127544A (ja) * 2003-10-21 2005-05-19 Koji Kiyuuyanai 空調システム
CN102980272A (zh) * 2012-12-08 2013-03-20 珠海派诺科技股份有限公司 一种基于负荷预测的空调系统节能优化方法
CN109801290A (zh) * 2019-02-03 2019-05-24 西安科技大学 基于eit层析成像的不同流体模型识别及堵管定位方法
CN111397036A (zh) * 2020-03-13 2020-07-10 博彦集智科技有限公司 送风系统、送风温度设定方法、装置、存储介质和处理器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005127544A (ja) * 2003-10-21 2005-05-19 Koji Kiyuuyanai 空調システム
CN102980272A (zh) * 2012-12-08 2013-03-20 珠海派诺科技股份有限公司 一种基于负荷预测的空调系统节能优化方法
CN109801290A (zh) * 2019-02-03 2019-05-24 西安科技大学 基于eit层析成像的不同流体模型识别及堵管定位方法
CN111397036A (zh) * 2020-03-13 2020-07-10 博彦集智科技有限公司 送风系统、送风温度设定方法、装置、存储介质和处理器

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113074432A (zh) * 2021-04-28 2021-07-06 珠海格力电器股份有限公司 空调冷媒量的调节方法及调节装置、空调系统
CN113074432B (zh) * 2021-04-28 2022-04-08 珠海格力电器股份有限公司 空调冷媒量的调节方法及调节装置、空调系统

Similar Documents

Publication Publication Date Title
CN108917103B (zh) 中央空调系统的冷水主机控制方法、装置及系统
CN108375170A (zh) 一种电子膨胀阀的控制方法、装置及空调器
CN105588256B (zh) 一种多联式空调机组的控制方法及装置
CN109237703B (zh) 用于多联机空调系统的控制方法
WO2023040694A1 (zh) 制冷机房能效计算方法、装置和电子设备
CN105953369A (zh) 一种变频空调控制方法及装置
CN109237749A (zh) 空调的控制方法及装置、空调器、存储介质
CN109974224A (zh) 自适应场所使用需求的空调器、控制空调器的方法及装置
CN112361538A (zh) 一种回油控制方法、装置及多联机系统
US20220307720A1 (en) Control method for multi-split air conditioning system capable of simultaneous cooling and heating
CN114065994A (zh) 空调系统能耗优化方法、装置、设备及计算机存储介质
CN112628957A (zh) 变频空调的控制方法、装置与计算机可读存储介质
CN111102691B (zh) 模块组合空调系统
CN114543274B (zh) 一种建筑中央空调温湿度优化控制方法及系统
CN114608128A (zh) 用于空调芯片温度控制的方法、装置和空调、存储介质
CN112524760B (zh) 用于空调出风温度控制的方法、装置及空调
CN113294897A (zh) 空调器的转速控制方法、空调器和存储介质
CN110762739B (zh) 数据中心空调控制方法、装置、设备及存储介质
CN108507126A (zh) 一种中央空调冷冻水的模糊控制方法、装置及空调
CN110425687B (zh) 一种冷媒调节方法、冷媒调节控制器以及空调系统
CN115095953B (zh) 一种故障诊断模型的训练方法及装置
CN114739066B (zh) 一种模块化磁悬浮制冷机组动态控制方法及系统
CN112524746A (zh) 多联机空调系统中室外机均衡结霜的控制方法
CN113864983B (zh) 空调运行策略的调整方法和装置、电子设备和存储介质
CN109974194A (zh) 空调器及其高温保护方法和装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210409