CN113739446B - 一种热泵机组的综合除霜控制方法、电子设备及存储介质 - Google Patents
一种热泵机组的综合除霜控制方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113739446B CN113739446B CN202010463292.8A CN202010463292A CN113739446B CN 113739446 B CN113739446 B CN 113739446B CN 202010463292 A CN202010463292 A CN 202010463292A CN 113739446 B CN113739446 B CN 113739446B
- Authority
- CN
- China
- Prior art keywords
- defrosting
- temperature
- judgment result
- heat pump
- preset
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B30/00—Heat pumps
- F25B30/02—Heat pumps of the compression type
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B47/00—Arrangements for preventing or removing deposits or corrosion, not provided for in another subclass
- F25B47/02—Defrosting cycles
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
- F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
- F25B49/022—Compressor control arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B2347/00—Details for preventing or removing deposits or corrosion
- F25B2347/02—Details of defrosting cycles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Defrosting Systems (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本申请实施例公开了一种热泵机组的综合除霜控制方法、电子设备及存储介质。本申请实施例提供的技术方案,通过结合温度压力除霜逻辑、摄像头除霜逻辑、换热效率除霜逻辑以及机组制热时长除霜逻辑来综合判断是否进入除霜模式;通过对多种除霜判断逻辑综合处理,大大提高了对热泵机组结霜情况判断的准确性与可靠性,实现了热泵机组有霜除霜,无霜不除,有效减少误除霜带来的不必要的能耗,提高机组能效。
Description
技术领域
本申请实施例涉及热泵除霜技术领域,尤其涉及一种热泵机组的综合除霜控制方法、电子设备及存储介质。
背景技术
目前,通常热泵机组通过盘管温度来判断是否进入除霜,或根据机组制热运行时长判断进入除霜,但实际上翅片是否结霜受当地气候影响;并且传感器的数量和位置,决定了其检测的局部性,盘管温度较低时机组不一定结霜,机组达到制热运行时长也不一定结霜;部分企业为提高结霜判断的准确性,引入摄像头进行判断除霜,但由于摄像头存在曝光、反光、逆光、存在障碍物等情况时仍会出现误判断的情况,由此造成机组不需要除霜时误判进入除霜,增加机组能耗,降低制热效率,影响机组能力。因此,设计一种能够提高制热效率的除霜方法成为本领域技术人员亟待解决的技术问题。
发明内容
本申请实施例提供一种热泵机组的综合除霜控制方法、电子设备及存储介质,通过对多种除霜判断逻辑综合处理,大大提高了对热泵机组结霜情况判断的准确性与可靠性,实现了热泵机组有霜除霜,无霜不除,有效减少误除霜带来的不必要的能耗,提高机组能效。
在第一方面,本申请实施例提供了一种热泵机组的综合除霜控制方法,包括:
获取处于摄像头监测模式下的第一除霜判断结果;
获取处于温度与压力监测模式下的第二除霜判断结果;
当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式;
当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式;
当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
进一步的,所述获取处于摄像头监测模式下的第一除霜判断结果,包括:
获取通过摄像头拍摄到的当前的图像信息;
通过预先构建的图像识别模型对拍摄到的图像信息进行对象识别以得到识别结果,所述图像识别模型用于识别图像信息中的热泵设备、翅片与结霜;
根据所述识别结果得到热泵设备的翅片处的结霜状态,根据所述结霜状态得到第一除霜判断结果。
进一步的,所述图像识别模型通过如下步骤构建得到:
获取待训练图像数据集;
对所述待训练图像数据集进行标记以得到标记后的待训练图像数据集,所述标记后的训练图像数据集包括热泵设备图像集、翅片图像集和结霜图像集;
通过神经网络模型对所述标记后的待训练图像数据集进行模型训练;
当所述神经网络模型进行模型训练的损失率在一定时间内的波动幅度处于预设范围内时,将所述神经网络模型作为最终的图像识别模型;
所述对所述待训练图像数据集进行标记,包括:
通过描边工具对训练图像数据集中训练图像的各个对象进行描边操作,并获取进行所述描边操作后的描边对象的面积;
对所述训练图像中各个对象进行标记操作,所述标记操作包括面积标记操作和名称标记操作。
进一步的,所述获取处于温度与压力监测模式下的第二除霜判断结果,包括:
获取换热器盘管处温度传感器监测到的盘管温度;
判断所述盘管温度是否小于第一预设温度,如果是,则控制进入除霜模式;或,
获取回气管道处压力传感器检测到的压力值;
根据所述压力值计算得到对应的温度值;
判断所述温度值是否小于第一预设温度,如果是,则控制进入除霜模式。
进一步的,在所述控制进入除霜模式之后,还包括:
若检测到所述盘管温度大于第二预设温度,控制机组退出除霜模式;或
若检测到除霜时间达到预设参数,控制机组退出除霜模式。
进一步的,所述换热效率通过如下步骤计算得到:
每隔预设时间获取热泵机组的环境温度、换热器盘管的盘管温度以及压缩机的回气温度;
根据所述回气温度、盘管温度、环境温度和吸热能力计算公式计算得到对应的吸热能力值;
获取制热周期内的所有吸热能力值,并根据所有吸热能力值得到当前吸热能力值和吸热能力最大值,所述制热周期大于预设时间;
根据换热效率计算公式计算得到换热效率。
进一步的,所述除霜条件包括:所述第一除霜判断结果为是与所述第二除霜判断结果为是;所述第一预设条件包括:所述换热效率小于预设换热效率和所述机组制热时长达到预设时长B1;所述第二预设条件包括:所述换热效率小于预设换热效率和所述机组制热时长达到预设时长B2。
在第二方面,本申请实施例提供了一种热泵机组的综合除霜控制装置,包括:
第一获取模块:用于获取处于摄像头监测模式下的第一除霜判断结果;
第二获取模块:用于获取处于温度与压力监测模式下的第二除霜判断结果;
第一判断模块:用于当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式;
第二判断模块:用于当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式;
第三判断模块:用于当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
在第三方面,本申请实施例提供了一种电子设备,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的热泵机组的综合除霜控制方法。
在第四方面,本申请实施例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第一方面所述的热泵机组的综合除霜控制方法。
本申请实施例通过结合温度压力除霜逻辑、摄像头除霜逻辑、换热效率除霜逻辑以及机组制热时长除霜逻辑来综合判断是否进入除霜模式;通过对多种除霜判断逻辑综合处理,大大提高了对热泵机组结霜情况判断的准确性与可靠性,实现了热泵机组有霜除霜,无霜不除,有效减少误除霜带来的不必要的能耗,提高机组能效。
附图说明
图1是本申请实施例提供的一种热泵机组的综合除霜控制方法的流程图;
图2是本申请实施例提供的摄像头监测模式下的除霜判断流程图;
图3是本申请实施例提供的图像识别模型构建的流程示意图;
图4是本申请实施例提供的温度与压力监测模式下的除霜判断流程示意图;
图5是本申请实施例提供的换热效率计算的流程示意图;
图6是本申请实施例提供的一种热泵机组的综合除霜控制装置的结构示意图;
图7是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
现有的摄像头、温度传感器、压力传感器由于其数量和位置,都存在一定的检测局限性,其仍然会存在一定程度的误判,由此造成机组不需要除霜时误判进入除霜,增加了机组能耗,降低制热效率,影响机组能力。基于此,本申请提供的热泵机组的综合除霜控制方法、电子设备及存储介质,通过对多种除霜判断逻辑综合处理,大大提高了对热泵机组结霜情况判断的准确性与可靠性,实现了热泵机组有霜除霜,无霜不除,有效减少误除霜带来的不必要的能耗,提高机组能效。
图1给出了本申请实施例提供的一种热泵机组的综合除霜控制方法的流程图,本实施例中提供的热泵机组的综合除霜控制方法可以由热泵机组的综合除霜控制设备执行,该热泵机组的综合除霜控制设备可以通过软件和/或硬件的方式实现,该热泵机组的综合除霜控制设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。一般而言,该热泵机组的综合除霜控制设备可以是电脑,手机,平板或热泵控制模块等。
下述以热泵控制模块为执行热泵机组的综合除霜控制方法的设备为例,进行描述。参照图1,该热泵机组的综合除霜控制方法具体包括:
S101:获取处于摄像头监测模式下的第一除霜判断结果。
本步骤主要是为了获取摄像头监测模式下的除霜判断结果,但是如果仅仅采用摄像头会存在如下问题,单一输出使得机组无法掌握摄像头的运行情况,从而无法判断摄像头传达的信息的准确度,进而影响精准除霜动作。采用多输出传达的方式,将摄像头判断的范围、结霜面积的比例、结霜厚度和多面翅片的使用情况分别传达。使得机组可以依照摄像头传输的信息结合自身传感器,进行可靠稳定的判断。摄像头不需要判断系统,可以仅传达每个区域的结霜占比,主控模块根据自身机型的特征灵活使用。
进一步的,图2是本申请实施例提供的摄像头监测模式下的除霜判断流程图,如图2所示,所述步骤S101包括:
S1011:获取通过摄像头拍摄到的当前的图像信息。
在本步骤主要是为了获取当前摄像头拍摄到的图像信息,通过图像信息来实现对设备翅片上的结霜情况的实时监测。在进行摄像头现场布线时,为了方便考虑,在本实施例中可以选取USB或者以太网协议的摄像头来进行操作。
除了上述摄像头方面的设置之后,为了保证更有效率的进行监测,不浪费相应的计算资源,在本实施例中,获取通过摄像头拍摄到的当前的图像信息,包括:
每隔预设时间获取通过摄像头拍摄到的当前的图像信息。
具体的,也即是可以设置每隔5分钟或者10分钟进行一次图像获取,而不是实时的图像获取。这样也能够降低一定的能耗,并且在除霜系统处于工作状态时,摄像头是不工作的,因为此时翅片上大概率是有结霜的,故而摄像头无需进行监测。本实施例中的预设时间还可以与当前天气的温度进行关联,比如,当当前的温度为零摄氏度时,每隔10分钟进行一次摄像头图像的获取;当当前的温度为零下5摄氏度时,每隔5分钟进行一次摄像头图像的获取;当当前温度为零下10摄氏度时,每隔3分钟进行一次摄像头图像的获取。通过与当前天气温度进行关联,使得摄像头运行时间更加的合理。
S1012:通过预先构建的图像识别模型对拍摄到的图像信息进行对象识别以得到识别结果,所述图像识别模型用于识别图像信息中的热泵设备、翅片与结霜。
更为优选的,在本实施例中进行识别时包括一定的识别顺序,也即是通过预先构建的图像识别模型按照预设识别顺序对拍摄到的图像信息进行对象识别得到对应的识别结果,所述预设识别顺序包括依次对热泵设备、翅片以及结霜进行识别,所述图像识别模型用于识别图像信息中的热泵设备、翅片与结霜。
本步骤为本实施例的核心处理方式,也即是通过预先构建的图像识别模型对获取到的图像进行识别分析,在本实施例中采用的对象识别的方式来识别图像中具有的各种识别对象,且需要依照次序进行识别,即使先识别热泵设备,然后识别翅片,最后识别是否结霜,采用这样的识别方式主要是为了屏蔽非特定设备的干扰。因为是否进行除霜需要看的是设备翅片上是否有结霜,如果图像中出现结霜,但是结霜并非是热泵设备的翅片上的结霜,那么实际是不需要对其进行除霜的。比如,当在较冷的天气时,此时遇到如下几种情况:摄像头拍摄到的地面上存在有结霜或者摄像头拍摄到的画面上其他的设备上存在有结霜或者摄像头拍摄到的热泵设备的底部有结霜,但是翅片上没有结霜。其实并不需要启动除霜系统来进行除霜操作,因为并非是我们需要检测的器件上存在有结霜,所以并不需要启动除霜设备。通过本实施例的按顺序进行识别的方式,能够更好的定位以判断是否进行除霜以及除霜的位置。
更为优选的,如图3所示,图3是本申请实施例提供的图像识别模型构建的流程示意图,所述图像识别模型通过如下步骤构建得到:
S10121:获取待训练图像数据集;
S10122:对所述待训练图像数据集进行标记以得到标记后的待训练图像数据集,所述标记后的训练图像数据集包括热泵设备图像集、翅片图像集和结霜图像集;
S10123:通过神经网络模型对所述标记后的待训练图像数据集进行模型训练;
S10124:当所述神经网络模型进行模型训练的损失率在一定时间内的波动幅度处于预设范围内时,将所述神经网络模型作为最终的图像识别模型。
也即是当损失率在一定时间内进行迭代且变化不大的时候,则认为模型的参数是最优的。在本实施例的模型训练里面有设置算法自动调整,当损失率到了最优解的时候,基本迭代的变化就不大,此时损失率维持在一个平稳的区间,可以将此时的模型作为识别模型来进行识别操作。
所述对所述待训练图像数据集进行标记,包括:
通过描边工具对训练图像数据集中训练图像的各个对象进行描边操作,并获取进行所述描边操作后的描边对象的面积;
对所述训练图像中各个对象进行标记操作,所述标记操作包括面积标记操作和名称标记操作。
上述两个步骤主要是为了获取最基础的训练数据,并对所有的待训练数据进行标记,在本实施例中,标记的方式主要是对图片中的对象进行描边,然后并标记其对象名称。并通过编写的代码处理图片数据集,把数据转换成对应训练框架可识别的存储格式以便于神经网络模型进行识别训练。
S1013:根据所述识别结果得到热泵设备的翅片处的结霜状态,根据所述结霜状态得到第一除霜判断结果。
处于摄像头监测模式下的方案通过AI神经网络深度学习来训练设备结霜的识别模型,通过摄像头实时监控获取图像数据,可有效真实地识别当地设备翅片是否存在结霜的情况,摄像头将所述结霜情况传输至机组的主控模块处来进行进一步的判断。
S102:获取处于温度与压力监测模式下的第二除霜判断结果。
本步骤主要基于温度传感器和压力传感器来进行信息采集来得到对应的除霜判断结果。
图4是本申请实施例提供的温度与压力监测模式下的除霜判断流程示意图,如图4所示,步骤S102包括:
获取换热器盘管处温度传感器监测到的盘管温度;
判断所述盘管温度是否小于第一预设温度,如果是,则控制进入除霜模式;或,
S1021:获取回气管道处压力传感器检测到的压力值;
S1022:根据所述压力值计算得到对应的温度值;
S1023:判断所述温度值是否小于第一预设温度,如果是,则控制进入除霜模式。
在本步骤中常规的是采用温度与压力结合的方式来进行最终温度值的判断。当进入制热模式时,压缩机开启后开始判断盘管温度,当相应系统的盘管温度小于预设温度值时,即可开启除霜。当如果机组中有两个位置进行盘管温度的检测,则两个判断温度中只要有一个满足大于预设参数的条件即可开启进行除霜。若在过程中对应的盘管温度值回升,也即是其大于预设参数值时,则控制退出除霜模式。
上述情况是在常规的运行情况下的除霜检测逻辑,如果相应系统中的温度检测装置出现问题或者压力监测装置出现问题,还设置有时长控制除霜逻辑,也即是当检测到温度传感器和压力传感器均出现问题时,如果处于制热模式下预设时间,比如处于制热模式下达到50分钟,则进入除霜模式进行除霜操作。同样的,除了进入除霜的逻辑之外,还包括有退出除霜的逻辑。还包括:
S1024:若检测到所述盘管温度大于第二预设温度,控制机组退出除霜模式;或
S1025:若检测到除霜时间达到预设参数,控制机组退出除霜模式。
上述步骤S101和S102的先后顺序仅仅是本实施例的一种形式,在进行具体实施时也可以采用S102和S101这样的顺序,前两步主要是为了其对应的判断结果。
S103:当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式。
在本实施例中,所述除霜条件包括:所述第一除霜判断结果为是与所述第二除霜判断结果为是。也即是通过摄像头监测到的结果与通过温度压力传感器检测到的结果均为是,则可以判断机组大概率已经结霜,需要进行除霜操作,控制机组进入除霜模式。但是当第一除霜判断的结果为否,第二除霜判断的结果也为否时,也即是两者系统均判定不存在结霜。在本实施例中,摄像头监测模式下的除霜判断结果与温度压力检测模式下的除霜判断结果具有更高级别的判断认定效率。如果两者一样,则采用两者相同的判断结果,如果两者不一样,则需要进一步进行验证。通过这样的综合验证的方式大大提高了检测的准确性。
S104:当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式。
由于温度压力监测方式与摄像头监测方式的检测结果出现差异,那么需要进一步进行判断,在本实施例中采用基于换热效率以及机组制热时长的组合判断结果来对最终是否进行除霜来进行判断。图5是本申请实施例提供的换热效率计算的流程示意图,如图5所示,本实施例中的换热效率通过如下步骤计算得到:
S1041:每隔预设时间获取热泵机组的环境温度、换热器盘管的盘管温度以及压缩机的回气温度。
在本实施例中主要是为了获取到各个器件处的温度值。现有的方案更多是针对于盘管温度来进行单一判断,当盘管温度达到某一预定值时,则控制进入除霜,如果判断温度没有达到某一预定值,则不进行除霜。这种判断方式过于单一,其往往会忽略外界环境以及压缩机等器件处于工作状态而对结霜产生的影响,故而其并不能够达到较好的效果。因此,在本实施例中通过获取泵机组的环境温度、换热器盘管的盘管温度以及压缩机的回气温度来计算得到吸热能力值进而对后续是否进行除霜来进行综合判断,减少因为单一温度值而造成能耗高的问题。
S1042:根据所述回气温度、盘管温度、环境温度和吸热能力计算公式计算得到对应的吸热能力值,所述吸热能力计算公式包括:吸热能力值=(回气温度-盘管温度+回差值)*100%/(环境温度-回气温度+回差值),所述回差值为系统设定值。
通过实验知晓,当在冬天热泵机组进行制热时,在一定时间内,实际环温E的整体变化不大。此时如果结霜,翅片的换热的对象e’其实是存在温度下滑的趋势的,因此环温E-回气S的差值Tes相对于翅片环温e’-回气的差值变化更明显。但是仅依赖Tes的温度变化是不足够的,因为当环温发生巨变时(日落日出中午,风向等因素),冷媒的换热能力也会发生微妙的变化(环温越低,在没有结霜的情况下冷媒的热交换能力仍然会下降,T(e-s)越小,代表蒸发越好,回气越接近环温;膨胀阀的自动调节会让热泵机组维持在一定的过热度下,即调节阀让回气-盘管的温差T(s-p)维持在一定值内,因此盘管温度会跟随回气下降。但是大部分膨胀阀都有一个最小开度,当到达了最小开度后,膨胀阀则失去了其调节能力,此时,盘管温度因液态冷媒过多,没有进行充分的蒸发,盘管温度下降速度小于回气温度,进而使得回气温度接近判断温度,最终导致回气温度-盘管温度的差值T(s-p)为0或出现负值。由于后续为了计算得到换热效率,那么能力值不能够是0或负值,因此需要给实际的热泵机组取一个回差值,避免出现0或负值的情况。在进行设置时,回差值不能够过大,如果过大则会影响吸热能力值得体现能力。所以回差值的设置要依据实际情况来进行调整。在本实施例中T(s-p)代表机组的换热能力,差值越小代表机组翅片吸热能力越低。故而通过设置(回气温度-盘管温度+回差值)/(环境温度-回气温度+回差值)来表征吸热能力值的大小;在进行设置时,可以针对所有的机组设置同样的回差值,也可以针对不同的机组设置不同的回差值。通过针对不同的热泵机组设置不同的回差值,能够更好的表征实际的吸热能力。
S1043:获取制热周期内的所有吸热能力值,并根据所有吸热能力值得到当前吸热能力值和吸热能力最大值,所述制热周期大于预设时间;
S1044:根据换热效率计算公式计算得到换热效率,所述换热效率计算公式包括:换热效率=当前吸热能力值*100%/吸热能力最大值。
由于受限于水温或机组系统,每个机组的热交换能力是不一样的。如果直接对吸热能力值进行比对,则会产生较大的误差,因此需要取制热周期中的吸热能力值的最大值表示当前机组热交换的最大能力,并时时取得当前吸热能力值/吸热能力最大值Max,以获取当前的效率衰减的情况。通过采用换热效率值能够更为准确的表征实际结霜情况,进而控制是否需要进入除霜模式。
为了更为准确的表示结霜状态,在本实施例中采用吸热能力均值来进行换热效率的判断,因为如果不采用均值,如果在某个时段出现检测出现异常时,容易产生错误判断,通过采用均值的方式能够更好的规避出现异常情况的问题。
本申请实施例通过实时监测并结合回气温度、盘管温度、环境温度,并在每个预设间内采集的回气温度、盘管温度、环境温度值计算出机组当前的吸热能力参数值(吸热能力=(回气温度-盘管温度+回差值)*100%/(环境温度-回气温度+回差值)),并在每个计算周期内,计算出机组吸热能力参数的平均值,然后在一个制热周期内取出最大吸热能力参数值,根据机组当前吸热能力值与机组最大吸热能力值的比值计算出机组当前的换热效率值,根据机组当前换热效率值的衰减情况可准确判断机组结霜情况,并根据机组当前换热效率值小于预设的换热效率值时准确判断机组进入除霜时间点,减少了机组因误除霜造成的对能耗及能力能效的影响。
上述为换热效率的计算判断方式,机组制热时长具体为当机组满足制热运行一个制热周期时长时,即可判断允许进入除霜模式。
S105:当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
与步骤S104不同,步骤S105是当第一除霜判断结果为否,第二除霜判断结果为是时,进入相应的判断逻辑。在步骤S105中,也是针对于换热效率和机组制热时长来进行判断,当两者均满足对应的条件时,则判断进入除霜模式。
更为优选的,所述第一预设条件包括:所述换热效率小于预设换热效率和所述机组制热时长达到预设时长B1;所述第二预设条件包括:所述换热效率小于预设换热效率和所述机组制热时长达到预设时长B2。在本实施例中,步骤S104和步骤S105中的换热效率的判断逻辑相同,但是制热时长可以存在差异,在进行设置时,预设时长B1与预设时长B2可以设置为不同的两组数据,也可以设置为相同的两组数据,具体可以依据实际情况来进行设计。
由上可以知晓,当摄像头与温度压力除霜检测得到的结果相同时,无需进行后续高级判断与制热时长判断,通过摄像头与温度压力除霜的交叠检测能够相互补足,减少误判的出现。当两者检测的结果不同时,则启动高级判断与制热最大时长判断来进行进一步的除霜判断。
本申请实施例的方案通过结合机组温度压力除霜逻辑、摄像头除霜逻辑、高效率除霜逻辑以及结霜最大时长逻辑综合进行除霜判断:当机组同时满足正常除霜逻辑及摄像头除霜逻辑时则进入除霜;当机组满足摄像头除霜逻辑/正常除霜逻辑中的一个逻辑,同时机组满足高效率除霜逻辑或结霜最大时长逻辑时进入除霜;当机组同时都不满足正常除霜逻辑及摄像头除霜逻辑时则不进入除霜。
本申请实施例通过结合温度压力除霜逻辑、摄像头除霜逻辑、换热效率除霜逻辑以及机组制热时长除霜逻辑来综合判断是否进入除霜模式;通过对多种除霜判断逻辑综合处理,大大提高了对热泵机组结霜情况判断的准确性与可靠性,实现了热泵机组有霜除霜,无霜不除,有效减少误除霜带来的不必要的能耗,提高机组能效。
在上述实施例的基础上,图6为本申请实施例提供的一种热泵机组的综合除霜控制装置的结构示意图。参考图6,本实施例提供的热泵机组的综合除霜控制装置具体包括:
第一获取模块21:用于获取处于摄像头监测模式下的第一除霜判断结果;
第二获取模块22:用于获取处于温度与压力监测模式下的第二除霜判断结果;
第一判断模块23:用于当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式;
第二判断模块24:用于当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式;
第三判断模块25:用于当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
本申请实施例通过结合温度压力除霜逻辑、摄像头除霜逻辑、换热效率除霜逻辑以及机组制热时长除霜逻辑来综合判断是否进入除霜模式;通过对多种除霜判断逻辑综合处理,大大提高了对热泵机组结霜情况判断的准确性与可靠性,实现了热泵机组有霜除霜,无霜不除,有效减少误除霜带来的不必要的能耗,提高机组能效。
本申请实施例提供的热泵机组的综合除霜控制装置可以用于执行上述实施例提供的热泵机组的综合除霜控制方法,具备相应的功能和有益效果。
图7是本申请实施例提供的一种电子设备的结构示意图,参照图7,该电子设备包括:处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器31的数量可以是一个或者多个,该电子设备中的存储器32的数量可以是一个或者多个。该电子设备的处理器31、存储器32、通信模块33、输入装置34及输出装置35可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的热泵机组的综合除霜控制方法对应的程序指令/模块(例如,热泵机组的综合除霜控制装置中的第一获取模块21、第二获取模块22、第一判断模块23、第二判断模块24和第三判断模块25)。存储器32可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的热泵机组的综合除霜控制方法。
输入装置34可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的电子设备可用于执行上述实施例提供的热泵机组的综合除霜控制方法,具备相应的功能和有益效果。
本申请实施例还提供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31执行时用于执行一种热泵机组的综合除霜控制方法,该热泵机组的综合除霜控制方法包括:
获取处于摄像头监测模式下的第一除霜判断结果;
获取处于温度与压力监测模式下的第二除霜判断结果;
当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式;
当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式;
当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器31执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的热泵机组的综合除霜控制方法,还可以执行本申请任意实施例所提供的热泵机组的综合除霜控制方法中的相关操作。
上述实施例中提供的热泵机组的综合除霜控制装置、存储介质及电子设备可执行本申请任意实施例所提供的热泵机组的综合除霜控制方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的热泵机组的综合除霜控制方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (9)
1.一种热泵机组的综合除霜控制方法,其特征在于,包括:
获取处于摄像头监测模式下的第一除霜判断结果,其中,包括获取通过摄像头拍摄到的当前的图像信息;通过预先构建的图像识别模型对拍摄到的图像信息进行对象识别以得到识别结果,所述图像识别模型用于识别图像信息中的热泵设备、翅片与结霜;根据所述识别结果得到热泵设备的翅片处的结霜状态,根据所述结霜状态得到第一除霜判断结果;获取处于温度与压力监测模式下的第二除霜判断结果;
获取处于温度与压力监测模式下的第二除霜判断结果;
当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式;
当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式;
当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
2.根据权利要求1所述的热泵机组的综合除霜控制方法,其特征在于,所述图像识别模型通过如下步骤构建得到:
获取待训练图像数据集;
对所述待训练图像数据集进行标记以得到标记后的待训练图像数据集,所述标记后的训练图像数据集包括热泵设备图像集、翅片图像集和结霜图像集;
通过神经网络模型对所述标记后的待训练图像数据集进行模型训练;
当所述神经网络模型进行模型训练的损失率在一定时间内的波动幅度处于预设范围内时,将所述神经网络模型作为最终的图像识别模型;
所述对所述待训练图像数据集进行标记,包括:
通过描边工具对训练图像数据集中训练图像的各个对象进行描边操作,并获取进行所述描边操作后的描边对象的面积;
对所述训练图像中各个对象进行标记操作,所述标记操作包括面积标记操作和名称标记操作。
3.根据权利要求1所述的热泵机组的综合除霜控制方法,其特征在于,所述获取处于温度与压力监测模式下的第二除霜判断结果,包括:
获取换热器盘管处温度传感器监测到的盘管温度;
判断所述盘管温度是否小于第一预设温度,如果是,则控制进入除霜模式;或,
获取回气管道处压力传感器检测到的压力值;
根据所述压力值计算得到对应的温度值;
判断所述温度值是否小于第一预设温度,如果是,则控制进入除霜模式。
4.根据权利要求3所述的热泵机组的综合除霜控制方法,其特征在于,在所述控制进入除霜模式之后,还包括:
若检测到所述盘管温度大于第二预设温度,控制机组退出除霜模式;或
若检测到除霜时间达到预设参数,控制机组退出除霜模式。
5.根据权利要求1所述的热泵机组的综合除霜控制方法,其特征在于,所述换热效率通过如下步骤计算得到:
每隔预设时间获取热泵机组的环境温度、换热器盘管的盘管温度以及压缩机的回气温度;
根据所述回气温度、盘管温度、环境温度和吸热能力计算公式计算得到对应的吸热能力值;
获取制热周期内的所有吸热能力值,并根据所有吸热能力值得到当前吸热能力值和吸热能力最大值,所述制热周期大于预设时间;
根据换热效率计算公式计算得到换热效率。
6.根据权利要求1-5中任意一项所述的热泵机组的综合除霜控制方法,其特征在于,所述除霜条件包括:所述第一除霜判断结果为是与所述第二除霜判断结果为是;所述第一预设条件包括:所述换热效率小于预设换热效率和所述机组制热时长达到预设时长B1;所述第二预设条件包括:所述换热效率小于预设换热效率和所述机组制热时长达到预设时长B2。
7.一种热泵机组的综合除霜控制装置,其特征在于,包括:
第一获取模块:用于获取处于摄像头监测模式下的第一除霜判断结果,其中,包括获取通过摄像头拍摄到的当前的图像信息;通过预先构建的图像识别模型对拍摄到的图像信息进行对象识别以得到识别结果,所述图像识别模型用于识别图像信息中的热泵设备、翅片与结霜;根据所述识别结果得到热泵设备的翅片处的结霜状态,根据所述结霜状态得到第一除霜判断结果;获取处于温度与压力监测模式下的第二除霜判断结果;
第二获取模块:用于获取处于温度与压力监测模式下的第二除霜判断结果;
第一判断模块:用于当所述第一除霜判断结果与所述第二除霜判断结果满足除霜条件时,控制进入除霜模式;
第二判断模块:用于当所述第一除霜判断结果为是,所述第二除霜判断结果为否时,判断换热效率和/或机组制热时长是否满足第一预设条件,如果是,控制进入除霜模式;
第三判断模块:用于当所述第一除霜判断结果为否,所述第二除霜判断结果为是时,判断换热效率和/或机组制热时长是否满足第二预设条件,如果是,控制进入除霜模式。
8.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6任一所述的热泵机组的综合除霜控制方法。
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1-6任一所述的热泵机组的综合除霜控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010463292.8A CN113739446B (zh) | 2020-05-27 | 2020-05-27 | 一种热泵机组的综合除霜控制方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010463292.8A CN113739446B (zh) | 2020-05-27 | 2020-05-27 | 一种热泵机组的综合除霜控制方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113739446A CN113739446A (zh) | 2021-12-03 |
CN113739446B true CN113739446B (zh) | 2023-03-24 |
Family
ID=78723899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010463292.8A Active CN113739446B (zh) | 2020-05-27 | 2020-05-27 | 一种热泵机组的综合除霜控制方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113739446B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110044014A (ko) * | 2009-10-22 | 2011-04-28 | 엘지이노텍 주식회사 | 냉장고의 성에 제거 시스템 및 그 방법 |
CN104089364A (zh) * | 2014-06-16 | 2014-10-08 | 华南理工大学 | 一种热泵型电动汽车空调除霜在线检测与控制系统及方法 |
CN108917245A (zh) * | 2018-05-29 | 2018-11-30 | 广东万博电气有限公司 | 热水器的除霜控制方法、控制装置及计算机可读存储介质 |
CN109612027A (zh) * | 2018-12-18 | 2019-04-12 | 天津大学 | 一种基于显微摄像分析空气源热泵结霜的方法及控制系统 |
-
2020
- 2020-05-27 CN CN202010463292.8A patent/CN113739446B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110044014A (ko) * | 2009-10-22 | 2011-04-28 | 엘지이노텍 주식회사 | 냉장고의 성에 제거 시스템 및 그 방법 |
CN104089364A (zh) * | 2014-06-16 | 2014-10-08 | 华南理工大学 | 一种热泵型电动汽车空调除霜在线检测与控制系统及方法 |
CN108917245A (zh) * | 2018-05-29 | 2018-11-30 | 广东万博电气有限公司 | 热水器的除霜控制方法、控制装置及计算机可读存储介质 |
CN109612027A (zh) * | 2018-12-18 | 2019-04-12 | 天津大学 | 一种基于显微摄像分析空气源热泵结霜的方法及控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113739446A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tien et al. | A deep learning approach towards the detection and recognition of opening of windows for effective management of building ventilation heat losses and reducing space heating demand | |
US10169771B1 (en) | System and method to provide savings based on reduced energy consumption | |
US11320165B2 (en) | Predictive temperature scheduling for a thermostat using machine learning | |
US11598542B2 (en) | Thermostat scheduling using user devices and machine learning | |
US11536477B2 (en) | Electronic apparatus and operation method for predicting HVAC energy consumption | |
US11644204B2 (en) | Error correction for predictive schedules for a thermostat | |
CN113406539B (zh) | 一种智能电缆接头的运行监测方法及装置 | |
US20220065478A1 (en) | Predictive presence scheduling for a thermostat using machine learning | |
CN115915708B (zh) | 制冷设备控制参数预测方法、装置、电子设备及存储介质 | |
CN113739446B (zh) | 一种热泵机组的综合除霜控制方法、电子设备及存储介质 | |
US20230409024A1 (en) | Remote diagnosis of energy or resource-consuming devices based on usage data | |
CN113739461B (zh) | 一种热泵机组的除霜控制方法、电子设备及存储介质 | |
WO2024041005A1 (zh) | 用于检测冷媒异常的方法及装置、空调器、存储介质 | |
CN113432249A (zh) | 一种基于风机状态的除霜控制方法及装置 | |
CN117267870A (zh) | 一种化霜控制方法和装置 | |
CN116558861A (zh) | 一种变工况冷水主机健康状态评估方法及系统 | |
O'Neill et al. | IoT-Based Comfort Control and Fault Diagnostics System for Energy-Efficient Homes | |
CN111043713A (zh) | 一种空调器的除霜方法、空调器、存储介质 | |
CN114612849A (zh) | 高空抛物的检测方法、电子设备和存储介质 | |
CN116300459A (zh) | 一种控制方法、装置、设备以及存储介质 | |
CN114046594A (zh) | 一种温度控制方法及装置、系统 | |
CN114963291A (zh) | 采暖机控制方法、装置、设备及存储介质 | |
Liu et al. | Dynamic Anomaly Detection in Building Energy Consumption Considering User Preference Based on Coupling of Energy Simulation Engine and Iot |
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 |