CN113091233B - 空调冷媒量确定方法、系统和可读存储介质 - Google Patents

Abstract

本申请提供一种空调冷媒量确定方法、系统和可读存储介质。空调冷媒量确定方法包括获取空调机组的第一在线运行数据；将第一在线运行数据输入在线学习完成的在线温度计算模型，以使在线温度计算模型基于第一在线运行数据，输出空调机组的在线参考蒸发温度和在线参考冷凝温度；基于空调机组的在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度以及已训练好的冷媒量计算模型，得到空调机组的在线冷媒量值。方法的适应性高。

Description

空调冷媒量确定方法、系统和可读存储介质

技术领域

本发明涉及空调技术领域，尤其涉及一种空调冷媒量确定方法、系统和可读存储介质。

背景技术

中央空调机组一般包括一个或多个冷媒系统。每个冷媒系统包括压缩机、冷凝器、膨胀阀、蒸发器等部件。部件之间通过管路连接，并形成可循环的封闭空间。冷媒系统运行时，冷媒在此封闭空间内循环流动并发生物理状态的变化。通常，中央空调机组在出厂时或在新机组现场调试时，每个冷媒系统的冷媒量应该为特定的标准冷媒量。在没有泄露或人为增加的情况下，每个冷媒系统内的冷媒量是不变的，以保证空调机组的正常运行。但在空调机组运行过程中，由于泄露或空调机组维护操作中人为增减等原因，每个冷媒系统的冷媒量会发生变化，使得需要对空调机组的冷媒量进行检测，以方便对空调机组进行后续维护。

现在，检测空调机组冷媒量的方法中，还存在适应性不高的问题。

发明内容

本申请提供一种空调冷媒量确定方法、系统和可读存储介质，方法的适应性较高。

本申请提供一种空调冷媒量确定方法，所述空调冷媒量确定方法包括：

获取空调机组的第一在线运行数据；

将所述第一在线运行数据输入在线学习完成的在线温度计算模型，以使所述在线温度计算模型基于所述第一在线运行数据，输出所述空调机组的在线参考蒸发温度和在线参考冷凝温度；

基于所述空调机组的在线实际蒸发温度、在线实际冷凝温度、所述在线参考蒸发温度、所述在线参考冷凝温度以及已训练好的冷媒量计算模型，得到所述空调机组的在线冷媒量值。

本申请的提供一种空调冷媒量确定系统，包括一个或多个处理器，用于实现如上任一项所述的方法。

本申请的提供一种可读存储介质，其上存储有程序，该程序被处理器执行时，实现如上任一项所述的方法。

在一些实施例中，本申请的空调冷媒量确定方法通过在线温度计算模型输出空调机组的在线参考蒸发温度和在线参考冷凝温度，再基于空调机组的在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度以及已训练好的冷媒量计算模型，得到空调机组的在线冷媒量值。由于在线温度计算模型是通过在线学习得到的，可以包括空调机组的特异性信息，因此本申请的空调冷媒量确定方法的适应性和实用性较好。

附图说明

图1是本申请的一个实施例提供的空调冷媒量确定方法的流程图；

图2是本申请的一个实施例提供的在线温度计算模型、离线温度计算模型和冷媒量计算模型的模型结构示意图；

图3是本申请一个实施例提供的空调冷媒量确定系统的模块框图。

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例并不代表与本说明书一个或多个实施例相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。

需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。

图1是本申请的一个实施例提供的空调冷媒量确定方法的流程图。在一些实施例中，空调冷媒量确定方法可应用于空调机组的控制器或者空调机组对应的云服务器，用于确定空调机组的单个冷媒系统的冷媒量。若空调机组包括多个冷媒系统，可以针对各冷媒系统，分别执行空调冷媒量确定方法。空调冷媒量确定方法包括步骤S11至步骤S13。

步骤S11，获取空调机组的第一在线运行数据。在一些实施例中，空调机组的第一在线运行数据可以为空调机组在线运行过程中产生的数据，包括空调机组的冷凝器侧在线介质温度、蒸发器侧在线介质温度以及压缩机在线电流大小。其中，空调机组的冷凝器侧在线介质温度、蒸发器侧在线介质温度以及压缩机在线电流大小可以指空调机组的单个冷媒系统的冷凝器侧在线介质温度、蒸发器侧在线介质温度以及压缩机在线电流大小。获取空调机组的第一在线运行数据可以指获取空调机组的单个冷媒系统的第一在线运行数据，即获取空调机组的单个冷媒系统的冷凝器侧在线介质温度、蒸发器侧在线介质温度以及压缩机在线电流大小。单个冷媒系统为需要进行冷媒量确定的其中一个冷媒系统。

在一些实施例中，空调机组的冷凝器侧介质可以包括冷凝器侧与冷媒进行热交换的介质，例如空气。冷凝器侧在线介质温度包括冷凝器侧的空气进入温度(即空气进入冷凝器时的温度)。

在一些实施例中，空调机组的蒸发器侧介质可以包括蒸发器侧与冷媒进行热交换的介质，例如水。蒸发器介质温度包括蒸发器侧的出水温度(即水流出蒸发器的温度)。

步骤S12，将第一在线运行数据输入在线学习完成的在线温度计算模型，以使在线温度计算模型基于第一在线运行数据，输出空调机组的在线参考蒸发温度和在线参考冷凝温度。在一些实施例中，空调机组的在线参考蒸发温度和在线参考冷凝温度包括空调机组的单个冷媒系统的在线参考蒸发温度和在线参考冷凝温度。其中，单个冷媒系统为需要进行冷媒量确定的其中一个冷媒系统。即将需要进行冷媒量确定的其中一个冷媒系统的第一在线运行数据输入在线学习完成的在线温度计算模型，以使在线温度计算模型基于该冷媒系统的第一在线运行数据，输出该冷媒系统的在线参考蒸发温度和在线参考冷凝温度。

以下对步骤S12中的在线参考蒸发温度和在线参考冷凝温度进行说明。

在一些实施例中，基于第一在线运行数据，冷媒系统在不同冷媒量时对应的蒸发温度不同，同时，冷媒系统在不同冷媒量下对应的冷凝温度也不同。在线参考蒸发温度可以表示基于冷媒系统的第一在线运行数据，冷媒系统的冷媒量为标准冷媒量时对应的蒸发温度。在线参考冷凝温度可以表示基于冷媒系统的第一在线运行数据，冷媒系统的冷媒量为标准冷媒量时对应的冷凝温度。其中，冷媒系统的标准冷媒量可以表示：为保证空调机组的正常运行，空调机组厂家预先为空调机组设定的冷媒量。

在一些实施例中，与在线参考蒸发温度相对的，存在在线实际蒸发温度，即冷媒系统在线运行过程中，实际的蒸发温度；与在线冷凝温度相对的，存在在线实际冷凝温度，即冷媒系统在线运行过程中，实际的冷凝温度。基于以上描述可以得知，在空调机组的在线运行过程中，若冷媒系统的冷媒量正常，即冷媒系统的冷媒量为标准冷媒量时，冷媒系统的在线实际蒸发温度应该与在线温度计算模型输出的在线参考蒸发温度相同，同时，冷媒系统的实际冷凝温度应该与在线温度计算模型输出的在线参考冷凝温度相同。若冷媒系统的冷媒量异常，即冷媒系统的冷媒因泄露、人为增加或减少等原因，冷媒系统的冷媒量已非标准冷媒量时，冷媒系统的在线实际蒸发温度应该与在线温度计算模型输出的在线参考蒸发温度则可能存在差异，同时，冷媒系统的实际冷凝温度应该与在线温度计算模型输出的在线参考冷凝温度也可能存在差异。

以下对步骤S12中的在线温度计算模型进行说明。

在一些实施例中，在线温度计算模型算法程序可以在空调机组投入使用前(例如空调机组出厂前或现场调试时)，烧录于空调机组的控制器中。空调机组投入使用后，在线温度计算模型算法程序可以基于空调机组的早期在线稳定运行数据(例如空调机组投入使用后的前一个月或前半年的在线稳定运行数据)进行在线学习，以进行在线温度计算模型的参数更新。空调机组的早期在线稳定运行数据可以包括冷媒系统的第二在线运行数据。第二在线运行数据可以包括冷媒系统在早期在线稳定运行过程中的冷凝器侧在线介质温度、蒸发器侧在线介质温度、压缩机在线电流大小以及对应的在线实际蒸发温度和在线实际冷凝温度。在线温度计算模型通过学习，可以学习到冷媒系统的冷凝器侧在线介质温度、蒸发器侧在线介质温度、压缩机在线电流大小与在线实际蒸发温度、在线实际冷凝温度的对应关系。

在一些实施例中，空调机组在早期运行过程中，问题较少(即没有发生冷媒泄露等问题)，各冷媒系统的冷媒量可以是标准冷媒量。冷媒系统的在线实际蒸发温度为标准冷媒量时对应的蒸发温度，冷媒系统的在线实际冷凝温度为标准冷媒量时对应的冷凝温度。在线温度计算模型实际可以学习到冷媒系统的冷凝器侧在线介质温度、蒸发器侧在线介质温度、压缩机在线电流大小与标准冷媒量时的蒸发温度、标准冷媒量时的冷凝温度的对应关系。基于此，在线温度计算模型趋于稳定后(即在线温度计算模型的在线学习完成，以及空调机组早期运行之后)，可以将冷媒系统的冷凝器侧在线介质温度、蒸发器侧在线介质温度、压缩机在线电流大小作为冷媒系统的第一在线运行数据，输入到在线温度计算模型，以使在线温度计算模型根据冷媒系统的第一在线运行数据，输出冷媒系统的冷媒量为标准冷媒量时对应的蒸发温度(即在线参考蒸发温度)，以及冷媒系统的冷媒量为标准冷媒量时对应的冷凝温度(即在线参考冷凝温度)。

在一些实施例中，基于不同空调机组的自身特性，在不同空调机组的冷媒系统的第一在线运行数据相同的前提下，不同空调机组的冷媒系统的在线参考蒸发温度和在线参考冷凝温度可能会有差异。这对于一些通过离线训练的模型来计算在线参考蒸发温度和在线参考冷凝温度的技术来说，针对不同的空调机组，可能需要分别离线训练不同的模型，模型的适应性不高，可移植性太差，可实施性不高。但在本申请中，各空调机组的在线温度计算模型是基于对应空调机组的早期在线运行数据，通过在线学习得到的，各在线温度计算模型可以包括对应的空调机组的特性信息，使得模型适应性更好，且便于在不同的空调机组之间进行移植，可实施性高。

在一些实施例中，对于空调机组的不同冷媒系统，在不同冷媒系统的第一在线运行数据相同的前提下，基于不同冷媒系统各自的特性，不同冷媒系统的在线参考蒸发温度和在线参考冷凝温度可能会存在差异。因此，空调机组的不同冷媒系统可以对应不同的在线温度计算模型。各在线温度计算模型可以基于对应的冷媒系统的第二在线运行数据进行在线学习。在空调机组早期运行之后，基于各冷媒系统对应的在线温度计算模型和第一在线运行数据，确定各冷媒系统对应的在线参考蒸发温度和在线参考冷凝温度。

在一些实施例中，若空调机组的多个冷媒系统的特性相同或特性差异较小，可以是该多个冷媒系统对应同一个在线温度计算模型。在线温度计算模型可以基于该多个冷媒系统的第二在线运行数据进行在线学习。在空调机组的早期运行之后，基于在线温度计算模型以及各冷媒系统对应的第一在线运行数据，可以确定各冷媒系统对应的在线参考蒸发温度和在线参考冷凝温度。

步骤S13，基于空调机组的在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度以及已训练好的冷媒量计算模型，得到空调机组的在线冷媒量值。

在一些实施例中，空调机组的在线冷媒量值包括空调机组的在线实际冷媒量与空调机组的标准冷媒量的比值。该比值可以为小数形式，也可以百分数形式或其他形式，本申请对此不作限制。空调机组的在线冷媒量值、在线实际冷媒量和标准冷媒量可以为空调机组的单个冷媒系统的在线冷媒量值、在线实际冷媒量和标准冷媒量。单个冷媒系统为需要进行冷媒量确定的其中一个冷媒系统。冷媒系统的在线实际冷媒量可以表示冷媒系统在线运行过程中实际的冷媒量。在线冷媒量值可以表示冷媒系统在线运行过程中的在线实际冷媒量相对于标准冷媒量的变化情况。在该些实施例中，若冷媒系统的冷媒未因泄露、人为增减等原因而发生变化时，在线冷媒量值可以为100％，表示冷媒系统的在线实际冷媒量相对于标准冷媒量没有变化；若冷媒系统的冷媒因泄露、人为增减等原因而发生变化时，在线冷媒量值可以为非100％的值，表示冷媒系统的在线实际冷媒量相对于标准冷媒量存在差异。例如在线冷媒量值为80％时，表示冷媒系统的在线实际冷媒量为标准冷媒量的80％，即相对于标准冷媒量，冷媒系统的冷媒减少了20％。

在一些实施例中，空调机组的在线冷媒量值也可以包括空调机组的冷媒变化量与空调机组的标准冷媒量的比值。与上述对在线冷媒量值的相关描述基本类似，主要区别在于：空调机组的冷媒变化量可以为空调机组的单个冷媒系统的冷媒变化量。冷媒系统的冷媒变化量为冷媒系统在线运行过程中，相对于标准冷媒量，减少或增加的冷媒量。在该些实施例中，若冷媒系统的冷媒未因泄露、人为增减等原因而发生变化时，在线冷媒量值可以为0％，表示相对于标准冷媒量，冷媒系统的冷媒没有变化；若冷媒系统的冷媒因泄露、人为增减等原因而发生变化时，在线冷媒量值可以为非0％的值，例如在线冷媒量值为20％时，表示相对于标准冷媒量，冷媒系统的冷媒减少了20％。

在一些实施例中，以在线实际冷媒量与标准冷媒量的比值，或冷媒变化量与标准冷媒量的比值，来表示空调机组的在线冷媒量值，适应性更好。对于不同空调机组的冷媒系统，由于空调机组型号不同等原因，各个冷媒系统的标准冷媒量可能是不同的，且冷媒变化量或在线实际冷媒量也是不同的，但在线实际冷媒量与标准冷媒量的比值，以及冷媒变化量与标准冷媒量的比值，却可能是相同的。例如，对于空调机组1的冷媒系统A，标准冷媒量是20千克，在线运行过程中泄露了2千克；对于空调机组2的冷媒系统B，标准冷媒量是40千克，在线运行过程中泄露了4千克。如果以冷媒变化量与标准冷媒量的比值来表示在线冷媒量值，则冷媒系统A和冷媒系统B的在线冷媒量值均为10％，即相对于各自的标准冷媒量，均泄露了10％。如此，可以使冷媒量计算模型的适应性更好。具体可参见本申请对冷媒计算模型的相关阐述，此处不赘述。

以下对步骤S13中的冷媒计算模型进行说明。

在一些实施例中，已训练好的冷媒量计算模型可以基于在线实际蒸发温度相对于在线参考蒸发温度的变化大小，以及在线实际冷凝温度相对于在线参考冷凝温度的变化大小，来确定冷媒系统的在线冷媒量值。具体的，可以将基于在线实际蒸发温度和在线参考蒸发温度得到的在线蒸发温度差值，以及基于在线实际冷凝温度和在线参考冷凝温度得到的在线冷凝温度差值，输入已训练好的冷媒量计算模型，以使冷媒量计算模型基于在线蒸发温度差值和在线冷凝温度差值，得到空调机组的在线冷媒量值。在线蒸发温度差值可以用于表示在线实际蒸发温度相对于在线参考蒸发温度的变化大小，该差值的绝对值越大，在线实际蒸发温度相对于在线参考蒸发温度的变化越大，反之，变化越小；同理，在线冷凝温度差值可以用于表示在线实际冷凝温度相对于在线参考冷凝温度的变化大小，该差值的绝对值越大，在线实际冷凝温度相对于在线参考冷凝温度的变化越大，反之，变化越小。

在一些实施例中，将已训练好的冷媒量计算模型的输入设置为在线蒸发温度差值和在线冷凝温度差值，模型适应性更好。通常，对于同一类型空调机组下的不同空调机组，或者不同类型的空调机组，在这些不同空调机组的在线冷媒量值相同的情况下，这些不同空调机组的在线实际蒸发温度可以是不相同的，相应的，这些不同空调机组的在线参考蒸发温度、在线实际冷凝温度和在线参考冷凝温度也可以是不相同的，这使得如果直接根据空调机组的在线冷媒量值、在线参考蒸发温度、在线实际冷凝温度和在线参考冷凝温度来确定对应的在线冷媒量值，针对不同的空调机组，可能需要分别建立冷媒量计算模型。适应性不高。但在这些不同空调机组在线冷媒量值相同的情况下，这些不同空调机组的在线蒸发温度差值和在线冷凝温度差值却可以是相同的。例如对于空调机组1的冷媒系统A和空调机组2的冷媒系统B，若冷媒系统A、B相对于各自的标准冷媒量，冷媒量均减少了20％(即冷媒系统A、B的在线冷媒量值是相同的)，则冷媒系统A、B的在线蒸发温度差值和在线冷凝温度差值可以是相同的或非常相近，由此可见，将在线蒸发温度差值和在线冷凝温度差值作为冷媒量计算模型的输入，将在线冷媒量值作为冷媒量计算模型的输出，可以无需针对冷媒系统A、B分别建立冷媒量计算模型，冷媒量计算模型可以应用于不同的空调机组，模型适应性更强。另外，直接将在线蒸发温度差值和在线冷凝温度差值输入到冷媒量计算模型，可以使已训练好的冷媒量计算模型无需再根据在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度，计算在线蒸发温度差值和在线冷凝温度差值，可以减少冷媒量计算模型的运算量。

在其他一些实施例中，也可以直接将空调机组的在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度输入已训练好的冷媒量计算模型，由冷媒量计算模型根据输入的在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度，来确定线蒸发温度差值和在线冷凝温度差值，并根据线蒸发温度差值和在线冷凝温度差值，确定在线冷媒量值。

在一些实施例中，基于上述描述可以得知，在不同空调机组在线冷媒量值相同的情况下，这些不同空调机组的在线蒸发温度差值和在线冷凝温度差值可以是相同的，受空调机组的自身特性影响较小。因此，对于冷媒量计算模型，可以通过离线训练的方式得到，且离线训练得到的冷媒量计算模型可以适用于同一类型下的不同空调机组，或不同类型的空调机组。

在一些实施例中，可以基于空调机组的离线运行数据，对冷媒量计算模型进行训练。训练好的冷媒量计算模型可以在空调机组出厂前，固化于空调机组的控制器中。如此，模型无需在线学习即可投入使用，时间成本低。空调机组的离线运行数据可以是空调机组投入使用前的完整实测数据或仿真数据，包括标准离线运行数据和异常离线运行数据。标准离线运行数据包括空调机组的冷媒量为标准冷媒量时对应的冷凝器侧离线介质温度、蒸发器侧离线介质温度、压缩机离线电流大小、离线实际蒸发温度以及离线实际冷凝温度；异常离线运行数据包括空调机组的冷媒量非标准冷媒量时对应的冷凝器侧离线介质温度、蒸发器侧离线介质温度、压缩机离线电流大小、离线实际蒸发温度、离线实际冷凝温度以及离线冷媒量。离线运行数据可以包括一个空调机组的单个或多个冷媒系统的离线运行数据，也可以包括多个空调机组的冷媒系统的离线运行数据。

在一些实施例中，可以基于空调机组的冷媒量为标准冷媒量时的标准离线运行数据，建立离线温度计算模型；再基于空调机组的冷媒量非标准冷媒量时的异常离线运行数据以及离线温度计算模型，对冷媒量计算模型进行训练，以得到训练好的冷媒量计算模型。

在一些实施例中，离线温度计算模型的建模过程与在线温度计算模型的建模过程基本类似，主要区别在于：离线温度计算模型是基于空调机组的标准离线运行数据，以离线训练的方式得到；在线温度计算模型是基于空调机组的早期在线运行数据，以在线学习的方式得到的，可以包括空调机组的自身特性信息。

在一些实施例中，离线温度计算模型建立后，可以将异常离线运行数据中的冷凝器侧离线介质温度、蒸发器侧离线介质温度、压缩机离线电流大小输入离线温度计算模型，以使离线温度计算模型根据异常离线运行数据中冷凝器侧离线介质温度、蒸发器侧离线介质温度、压缩机离线电流大小，输出空调机组的冷媒量非标准冷媒量时的离线参考蒸发温度和离线参考冷凝温度。然后基于离线参考蒸发温度、离线参考冷凝温度以及异常离线运行数据中的离线冷媒量、离线实际蒸发温度、离线实际冷凝温度，对冷媒量计算模型进行训练，以得到训练好的冷媒量计算模型。

在一些实施例中，离线温度计算模型可以是主要用于输出空调机组的离线参考蒸发温度和离线参考冷凝温度，以对冷媒量计算模型进行训练。冷媒量计算模型训练好后，可以基于各空调机组的在线参考蒸发温度输出的在线参考蒸发温度和在线参考冷凝温度，确定各空调机组的在线冷媒量值。由于各空调机组的在线参考蒸发温度和在线参考冷凝温度是基于各空调机组的特异性信息来确定的，因此最终确定的在线冷媒量值可以较为准确的反映各空调机组的冷媒量情况。

在一些实施例中，冷媒量计算模型也可以基于在线学习的方式得到。冷媒量计算模型可以在在线温度计算模型在线学习完成后，基于在线温度计算模型输出的在线参考蒸发温度和在线参考冷凝温度，以及空调机组早期运行过程中的在线实际蒸发温度、在线实际冷凝温度和在线实际冷媒量进行在线学习。如此，可以在线温度计算模型和冷媒量计算模型均包括了对应空调机组的特异性信息，可以使最终确定的在线冷媒量值更加准确。

基于以上描述可知，一些实施例中，本申请的空调冷媒量确定方法通过在线温度计算模型输出空调机组的在线参考蒸发温度和在线参考冷凝温度，再基于空调机组的在线实际蒸发温度、在线实际冷凝温度、在线参考蒸发温度、在线参考冷凝温度以及已训练好的冷媒量计算模型，得到空调机组的在线冷媒量值。由于在线温度计算模型是通过在线学习得到的，可以包括空调机组的特异性信息，因此本申请的空调冷媒量确定方法的适应性和实用性较好。且通过温度计算模型输出的空调机组的在线参考蒸发温度和在线参考冷凝温度可以较为准确，进而可以使空调机组的在线冷媒量值较为准确，精度较高。

在一些实施例中，温度计算模型输出空调机组的在线冷媒量值后，可以通过显示页面显示在线冷媒量值。如此，空调机组维护人员或用户通过查看页面上的在线冷媒量值，即可确定空调机组的冷媒量，较为方便。

图2是本申请的一个实施例提供的在线温度计算模型、离线温度计算模型和冷媒量计算模型的模型结构示意图。

参见图2，在一些实施例中，在线温度计算模型、离线温度计算模型和冷媒量计算模型中的至少一个包括反向传播神经网络模型。在本实施例中，在线温度计算模型、离线温度计算模型和冷媒量计算模型均使用反向传播神经网络模型。反向传播神经网络模型同时支持在线学习和离线学习，适应性比较好。另外，基于在线学习的反向传播神经网络模型，可以以一定间隔(如10秒)进行周期性计算，每次计算从数据集中随机读取一个样本作为输入，然后进行一次学习以及模型的调整，因此每次计算后，模型中的权值和偏移量都得到更新。同时，反向传播神经网络模型的在线学习过程中，训练样本也随机的方式呈现给网络，使得在多维权值空间中的搜索是随机的，如此，学习过程不容易陷入局部极值点。且，在线学习过程中，算法每次计算量较小，适合冗余性较强的数据集。且，冷媒系统物理特征通常较为复杂，具有非线性环节，而在线参考冷凝温度为连续值，使用在线学习的反向传播神经网络模型，效果更好。

图3是本申请一个实施例提供的空调冷媒量确定系统900的模块框图。空调冷媒量确定系统900包括一个或多个处理器901，用于实现如上所述的空调冷媒量确定方法。

在一些实施例中，空调冷媒量确定系统900可以包括可读存储介质909，可读存储介质909可以存储有可被处理器901调用的程序，可以包括非易失性存储介质。在一些实施例中，空调冷媒量确定系统900可以包括内存908和接口907。在一些实施例中，空调冷媒量确定系统900还可以根据实际应用包括其他硬件。

本申请实施例的可读存储介质909，其上存储有程序，该程序被处理器901执行时，用于实现如上描述的空调冷媒量确定方法。

本申请可采用在一个或多个其中包含有程序代码的可读存储介质909(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。可读存储介质909包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。可读存储介质909的例子包括但不限于：相变化内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

Claims (8)

1.一种空调冷媒量确定方法，其特征在于，包括：

获取空调机组的第一在线运行数据；

将所述第一在线运行数据输入在线学习完成的在线温度计算模型，以使所述在线温度计算模型基于所述第一在线运行数据，输出所述空调机组的在线参考蒸发温度和在线参考冷凝温度；

基于所述空调机组的离线运行数据，对冷媒量计算模型进行训练，包括：

基于所述空调机组的冷媒量为标准冷媒量时的标准离线运行数据，建立离线温度计算模型；

基于所述空调机组的冷媒量非标准冷媒量时的异常离线运行数据以及所述离线温度计算模型，对所述冷媒量计算模型进行训练，以得到训练好的所述冷媒量计算模型；

基于所述空调机组的在线实际蒸发温度、在线实际冷凝温度、所述在线参考蒸发温度、所述在线参考冷凝温度以及已训练好的冷媒量计算模型，得到所述空调机组的在线冷媒量值，其中：

将基于所述在线实际蒸发温度和所述在线参考蒸发温度得到的在线蒸发温度差值，以及基于所述在线实际冷凝温度和所述在线参考冷凝温度得到的在线冷凝温度差值，输入已训练好的所述冷媒量计算模型，以使所述冷媒量计算模型基于所述在线蒸发温度差值和所述在线冷凝温度差值，得到所述空调机组的在线冷媒量值。

2.如权利要求1所述的空调冷媒量确定方法，其特征在于，所述空调机组的在线冷媒量值包括所述空调机组的在线实际冷媒量和所述空调机组的标准冷媒量的比值；或

所述空调机组的在线冷媒量值包括所述空调机组的冷媒变化量与所述空调机组的标准冷媒量的比值。

3.如权利要求1所述的空调冷媒量确定方法，其特征在于，所述标准离线运行数据包括所述空调机组的冷媒量为标准冷媒量时对应的冷凝器侧离线介质温度、蒸发器侧离线介质温度、压缩机离线电流大小、离线实际蒸发温度以及离线实际冷凝温度；和/或

所述异常离线运行数据包括所述空调机组的冷媒量非标准冷媒量时对应的冷凝器侧离线介质温度、蒸发器侧离线介质温度、压缩机离线电流大小、离线实际蒸发温度、离线实际冷凝温度以及离线冷媒量。

4.如权利要求1所述的空调冷媒量确定方法，其特征在于，所述在线温度计算模型、所述冷媒量计算模型和所述离线温度计算模型中的至少一个包括反向神经网络模型。

5.如权利要求1所述的空调冷媒量确定方法，其特征在于，所述空调机组的所述第一在线运行数据包括所述空调机组的冷凝器侧在线介质温度、蒸发器侧在线介质温度以及压缩机在线电流大小。

6.如权利要求1所述的空调冷媒量确定方法，其特征在于，在得到所述空调机组的在线冷媒量值后，所述空调冷媒量确定方法还包括：

通过显示页面显示所述在线冷媒量值。

7.一种空调冷媒量确定系统，其特征在于，包括一个或多个处理器，用于实现如权利要求1-6中任一项所述的空调冷媒量确定方法。

8.一种可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现如权利要求1-6中任一项所述的方法。

Images