CN114234370B - 一种多联机空调控制方法、装置及多联机空调 - Google Patents
一种多联机空调控制方法、装置及多联机空调 Download PDFInfo
- Publication number
- CN114234370B CN114234370B CN202111529472.2A CN202111529472A CN114234370B CN 114234370 B CN114234370 B CN 114234370B CN 202111529472 A CN202111529472 A CN 202111529472A CN 114234370 B CN114234370 B CN 114234370B
- Authority
- CN
- China
- Prior art keywords
- room temperature
- lumped
- preset time
- air conditioner
- future
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 90
- 230000008859 change Effects 0.000 claims abstract description 39
- 238000005338 heat storage Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 44
- 238000005457 optimization Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004378 air conditioning Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000010438 heat treatment Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种多联机空调控制方法、装置及多联机空调。其中,该方法包括:确定多联机空调所在建筑在过去第一预设时间内的集总室温,集总室温反映建筑蓄热状态;根据各内机当前设定温度确定集总室温变化区间;获取空调所在地区未来第二预设时间内的气象数据;根据过去第一预设时间内的集总室温及气象数据、集总室温变化区间、未来第二预设时间内的气象数据及当前时刻空调能耗,求取未来第二预设时间内的集总室温序列,使空调在未来第二预设时间内总能耗最小;将未来第二预设时间内的集总室温序列作为未来第二预设时间内的设定温度序列,控制空调运行。本发明在保证室温处于舒适范围的情况下,利用建筑蓄热潜力,使未来空调运行期间的总能耗最低。
Description
技术领域
本发明涉及空调技术领域,具体而言,涉及一种多联机空调控制方法、装置及多联机空调。
背景技术
空调的运行能效COP是指空调供热/冷量(或制热/冷功率)与空调能耗(或电功率)的比值,是用于评估空调节能性的重要参数。
多联机空调是一拖多(即一台外机对应多台内机)的空调系统,可对多个房间的室温进行调节。目前,多联机空调的运行节能优化主要是通过优化COP的方式实现。例如,可以根据当地气候特点和空调系统运行特性,考虑建筑物内外温湿度变化以及人数变化的影响,利用统计或者机器学习,找到最佳COP对应的运行方式。但是这种方法仅考虑了空调的COP最优,在空调总供热/冷量不同的情况下,空调的总能耗未必最低。
针对现有技术中多联机空调的控制方式无法保证总能耗最低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供一种多联机空调控制方法、装置及多联机空调,以至少解决现有技术中多联机空调的控制方式无法保证总能耗最低的问题。
为解决上述技术问题,本发明实施例提供了一种多联机空调控制方法,包括:
确定多联机空调所在建筑在过去第一预设时间内的集总室温,其中,所述集总室温反映所述建筑的蓄热状态;
根据各内机的当前设定温度确定集总室温变化区间;
获取所述多联机空调所在地区在未来第二预设时间内的气象数据;
根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小;
将所述未来第二预设时间内的集总室温序列作为所述多联机空调在所述未来第二预设时间内的设定温度序列,控制所述多联机空调运行。
可选的,确定多联机空调所在建筑在过去第一预设时间内的集总室温,包括:
获取各内机所在房间在所述过去第一预设时间内的实际温度;
根据所述实际温度计算得到所述过去第一预设时间内的集总室温。
可选的,根据所述实际温度计算得到所述过去第一预设时间内的集总室温,包括:
计算所有房间在同一时刻的实际温度的平均值,作为该时刻的集总室温;或者,
以各房间的内机容量占比作为权重,计算所有房间在同一时刻的实际温度的加权平均值,作为该时刻的集总室温。
可选的,根据各内机的当前设定温度确定集总室温变化区间,包括:
获取各内机的当前设定温度;
根据所述各内机的当前设定温度,计算得到所述建筑的集总设定室温;
确定所述集总室温变化区间为[集总设定室温-预设阈值,集总设定室温+预设阈值]。
可选的,根据所述各内机的当前设定温度,计算得到所述建筑的集总设定室温,包括:
计算所有内机的当前设定温度的平均值,作为所述建筑的集总设定室温;或者,
以各内机容量占比作为权重,计算所有内机的当前设定温度的加权平均值,作为所述建筑的集总设定室温。
可选的,根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小,包括:
将所述过去第一预设时间内的集总室温、所述未来第二预设时间内的集总室温序列、所述过去第一预设时间内的气象数据以及所述未来第二预设时间内的气象数据,作为室温-能耗时序模型的输入量;
将所述当前时刻的空调能耗以及所述未来第二预设时间内的空调能耗序列作为所述室温-能耗时序模型的输出量;
基于时序优化算法,以所述未来第二预设时间内的空调能耗序列的总和最小化为目标,以所述集总室温变化区间为约束条件,对所述未来第二预设时间内的集总室温序列进行全局寻优。
可选的,所述时序优化算法的内核规划算法为以下任一:线性规划算法、非线性规划算法、遗传算法和粒子群算法。
可选的,所述室温-能耗时序模型的函数为:
any(k)+an-1y(k+1)+…+a0y(k+n)=bm+nu(k-m)+bm+n-1u(k-m+1)+…+b0u(k+n)+cm+nw(k-m)+cm+n-1w(k-m+1)+…+c0w(k+n)
其中,y表示空调能耗;u表示集总室温;w表示气象数据;k、m与n表示时序参数,k表示当前时刻,m大于或等于0,n大于或等于0;a、b与c表示模型参数。
本发明实施例还提供了一种多联机空调控制装置,包括:
第一确定模块,用于确定多联机空调所在建筑在过去第一预设时间内的集总室温,其中,所述集总室温反映所述建筑的蓄热状态;
第二确定模块,用于根据各内机的当前设定温度确定集总室温变化区间;
获取模块,用于获取所述多联机空调所在地区在未来第二预设时间内的气象数据;
求取模块,用于根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小;
控制模块,用于将所述未来第二预设时间内的集总室温序列作为所述多联机空调在所述未来第二预设时间内的设定温度序列,控制所述多联机空调运行。
本发明实施例还提供了一种多联机空调,包括:本发明实施例所述的多联机空调控制装置。
本发明实施例还提供了一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例所述方法的步骤。
本发明实施例还提供了一种非易失性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现本发明实施例所述方法的步骤。
应用本发明的技术方案,确定多联机空调所在建筑的过去集总室温,确定集总室温变化区间,获取未来气象数据,根据过去集总室温、过去气象数据、未来气象数据、当前空调能耗以及集总室温变化区间,求取使得未来空调总能耗最小的未来集总室温序列,并将该未来集总室温序列作为多联机空调的最佳未来室内设定温度序列来执行控制,从而在保证室温处于舒适性范围的情况下,通过对建筑蓄热潜力的利用,降低了多联机空调的总能耗,使得未来时域内空调运行期间的总能耗最低。
附图说明
图1是本发明实施例提供的多联机空调控制方法的流程图;
图2是本发明实施例提供的多联机空调控制装置的结构框图;
图3是本发明实施例提供的多联机空调预测控制系统的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及附图中的术语“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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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。
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。
本发明实施例提供一种多联机空调控制方法,能够基于建筑的蓄热状态和天气情况对多联机空调进行预测控制,在保证用户热舒适性的前提下,通过合理的室温调节方式控制多联机空调的供热/冷量,达到节能的目的。
图1是本发明实施例提供的多联机空调控制方法的流程图,如图1所示,该方法包括以下步骤:
S101,确定多联机空调所在建筑在过去第一预设时间内的集总室温,其中,集总室温反映建筑的蓄热状态。
S102,根据各内机的当前设定温度确定集总室温变化区间。
S103,获取多联机空调所在地区在未来第二预设时间内的气象数据。
S104,根据过去第一预设时间内的集总室温、集总室温变化区间、未来第二预设时间内的气象数据、过去第一预设时间内的气象数据及当前时刻的空调能耗,求取未来第二预设时间内的集总室温序列,以使多联机空调在未来第二预设时间内的总能耗最小。
S105,将未来第二预设时间内的集总室温序列作为多联机空调在未来第二预设时间内的设定温度序列,控制多联机空调运行。
本实施例中,过去第一预设时间内的数据(如集总室温及气象数据)以及未来第二预设时间内的数据(如气象数据、集总室温及空调能耗),都是基于时序的数据序列。例如,过去5小时的气象数据包括:过去5小时中各时刻的气象数据;未来1天的集总室温包括:未来1天中各时刻的集总室温。时刻即时间点,相邻时刻之间的时间间隔可以根据需求设置,例如,时间间隔设置为1小时,当前时刻为2点,下一时刻为3点。
过去第一预设时间是指从当前到过去的一段时间。第一预设时间的取值可以根据实际情况进行设置,例如,过去2天。
当多联机空调运行处于稳态时,各个房间的室温(即空气温度)与该房间的围护结构(如墙壁、地板等)、家具等具有较高蓄热能力的实体温度接近。各房间的温度越高,建筑蓄存的热量更大。建筑的集总室温是根据多联机空调所控制的各个房间的室温得到的能够反映建筑蓄热情况的参数。过去第一预设时间内的集总室温能够反映多联机空调所在建筑在过去第一预设时间内的蓄热状态。基于过去第一预设时间内的集总室温进行未来集总室温序列的预测,能够对建筑物的蓄热能力进行充分利用。
集总室温变化区间是根据各内机的当前设定温度所确定的可接受的温度变化区间,属于用户可接受的舒适性温度范围。集总室温变化区间用于限制未来集总室温序列的取值范围。
多联机空调的运行能效COP受气象因素影响明显,以制热模式为例,空调在高气温时COP较高,在低气温时COP较低。因此,本实施例的预测控制也利用到气象数据。气象数据包括:环境温度、天气、太阳辐照强度等影响多联机空调负荷的参数。具体可通过联网来获取多联机空调所在地区的未来气象数据。第二预设时间的取值可以根据实际情况进行设置,例如,未来3天。为保证未来气象数据的准确性,第二预设时间的时间序列长度可以小于或等于24小时。
在实际应用中,可通过空调传感器获取空调状态数据,空调状态数据包括:实时的房间温度、室外环境温度和多联机空调能耗等。
将过去第一预设时间内的集总室温和气象数据、未来第二预设时间内的气象数据、当前空调能耗、未来空调总能耗以及集总室温变化区间,作为预测未来集总室温序列的参考,充分考虑了建筑的蓄热潜力对运行期间空调总能耗的影响。将优化后的未来集总室温序列作为各房间的设定温度序列下发到空调执行器,使空调执行器在未来的各个时段以该设定室温序列调整冷/热量的输出,从而利用建筑的蓄热特性降低多联机空调的总能耗。
本实施例确定多联机空调所在建筑的过去集总室温,确定集总室温变化区间,获取未来气象数据,根据过去集总室温、过去气象数据、未来气象数据、当前空调能耗以及集总室温变化区间,求取使得未来空调总能耗最小的未来集总室温序列,并将该未来集总室温序列作为多联机空调的最佳未来室内设定温度序列来执行控制,从而在保证室温处于舒适性范围的情况下,通过对建筑蓄热潜力的利用,降低了多联机空调的总能耗,使得未来时域内空调运行期间的总能耗最低。
可以理解的是,通过上述控制过程,空调可在处于高COP工况时提供较多的供热/冷量,使建筑物进行充冷/热,在处于低COP工况时提供较少的供热/冷量,使建筑物进行放冷/热,从而实现在保证室温处于舒适性范围的情况下,空调运行期间的总能耗最低。
在一个可选的实施方式中,S101确定多联机空调所在建筑在过去第一预设时间内的集总室温,包括:获取各内机所在房间在过去第一预设时间内的实际温度;根据上述实际温度计算得到过去第一预设时间内的集总室温。本实施方式根据各房间的实际温度计算得到建筑的集总室温,能够有效反映出多联机空调所在建筑的蓄热状态。
进一步的,根据上述实际温度计算得到过去第一预设时间内的集总室温,可以通过以下任一方式实现:
(1)计算所有房间在同一时刻的实际温度的平均值,作为该时刻的集总室温。
具体的,(房间1温度+房间2温度+…+房间N温度)/N,其中N表示房间总个数。
(2)以各房间的内机容量占比作为权重,计算所有房间在同一时刻的实际温度的加权平均值,作为该时刻的集总室温。
具体的,(房间1温度×房间1内机容量+房间2温度×房间2内机容量+…+房间N温度×房间N内机容量)/(房间1内机容量+房间2内机容量+…+房间N内机容量),其中N表示房间总个数。
本实施方式能够简单准确地计算得到过去一段时间内建筑的集总室温。
在一个可选的实施方式中,S102根据各内机的当前设定温度确定集总室温变化区间,包括:获取各内机的当前设定温度;根据各内机的当前设定温度,计算得到建筑的集总设定室温;确定集总室温变化区间为[集总设定室温-预设阈值,集总设定室温+预设阈值],可记为[umin,umax]。
其中,用户可通过空调控制面板等来进行温度设定,因此各内机的设定温度可通过空调控制面板来获取。建筑的集总设定室温是根据多联机空调所控制的各个房间的设定温度得到的温度,可定义为各设定温度的平均值或以各房间内机容量占比为权重的设定温度的加权平均值。预设阈值是满足人体热舒适性的室温波动限值,预设阈值可设置为1℃或2℃。
本实施例方式能够简单快速地确定出符合用户舒适性要求的集总室温变化区间,为后续准确求取未来集总室温序列提供保障。
集总设定室温的计算与集总室温的计算类似,即计算平均值或加权平均值。具体的,根据各内机的当前设定温度,计算得到建筑的集总设定室温,包括:计算所有内机的当前设定温度的平均值,作为建筑的集总设定室温;或者,以各内机容量占比作为权重,计算所有内机的当前设定温度的加权平均值,作为建筑的集总设定室温。由此能够简单准确地计算得到建筑的集总设定室温。
本实施例可以利用室温-能耗时序模型和时序优化算法来求取未来第二预设时间内的集总室温序列。室温-能耗时序模型是输入量为集总室温时间序列,输出量为空调能耗时间序列,扰动为气象数据时间序列的函数模型。时序优化算法是一种寻优算法。
具体的,根据过去第一预设时间内的集总室温、集总室温变化区间、未来第二预设时间内的气象数据、过去第一预设时间内的气象数据及当前时刻的空调能耗,求取未来第二预设时间内的集总室温序列,以使多联机空调在未来第二预设时间内的总能耗最小,包括:
将过去第一预设时间内的集总室温、未来第二预设时间内的集总室温序列、过去第一预设时间内的气象数据以及未来第二预设时间内的气象数据,作为室温-能耗时序模型的输入量;
将当前时刻的空调能耗以及未来第二预设时间内的空调能耗序列作为室温-能耗时序模型的输出量;
基于时序优化算法,以未来第二预设时间内的空调能耗序列的总和最小化为目标,以集总室温变化区间为约束条件,对未来第二预设时间内的集总室温序列进行全局寻优。
本实施方式基于室温-能耗时序模型和时序优化算法,能够快速可靠地计算出处于集总室温变化区间内且使未来第二预设时间内空调总能耗最小的集总室温序列,保证预测控制的准确性。
上述室温-能耗时序模型的函数为:
any(k)+an-1y(k+1)+…+a0y(k+n)=bm+nu(k-m)+bm+n-1u(k-m+1)+…+b0u(k+n)+cm+nw(k-m)+cm+n-1w(k-m+1)+…+c0w(k+n)
其中,y表示空调能耗;u表示集总室温;w表示气象数据;k、m与n表示时序参数,k表示当前时刻,m大于或等于0,n大于或等于0;a、b与c表示模型参数。时序参数和模型参数可由物理机理模型或历史数据训练模型获取。
时序优化算法以总能耗(即能耗序列的累加值)最小化为目标(即最小化)、以集总室温变化区间为约束对室温-能耗时序模型中未来集总室温序列(即u(k+1)~u(k+n))进行全局寻优。其中,以集总室温变化区间为约束,是指umin≤u(k+i)≤umax,i=1,2,…n。
上述时序优化算法的内核规划算法为以下任一:线性规划算法、非线性规划算法、遗传算法和粒子群算法。本实施例对各内核规划算法的具体内容不进行详细描述。
以遗传算法为例,先进行初始化,即在集总室温变化区间内随机生成多个未来集总室温序列u(k+1)~u(k+n),结合过去集总室温u(k-m)~u(k)、过去气象数据w(k-m)~w(k)、未来气象数据w(k+1)~w(k+n)和当前能耗y(k),并根据室温-能耗时序模型迭代求出对应的未来能耗序列y(k+1)~y(k+n),以未来能耗序列的累加值的负值作为个体适应度,再通过选择、交叉、变异等步骤,以进化过程中所得到的具有最大适应度的个体作为最优的未来集总室温序列。
多联机空调根据室温与空调能耗的时序关联特性,充分考虑了建筑的蓄热潜力对运行期间空调总能耗的影响,利用时序优化算法求取最佳的未来室温序列,实现未来时域内的空调总能耗最小化。
基于同一发明构思,本发明实施例还提供一种多联机空调控制装置,可以用于实现上述实施例所述的多联机空调控制方法。该装置可以通过软件和/或硬件实现,该装置一般可集成于多联机空调的控制器中。
图2是本发明实施例提供的多联机空调控制装置的结构框图,如图2所示,该装置包括:
第一确定模块201,用于确定多联机空调所在建筑在过去第一预设时间内的集总室温,其中,所述集总室温反映所述建筑的蓄热状态;
第二确定模块202,用于根据各内机的当前设定温度确定集总室温变化区间;
获取模块203,用于获取所述多联机空调所在地区在未来第二预设时间内的气象数据;
求取模块204,用于根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小;
控制模块205,用于将所述未来第二预设时间内的集总室温序列作为所述多联机空调在所述未来第二预设时间内的设定温度序列,控制所述多联机空调运行。
可选的,第一确定模块201包括:
第一获取单元,用于获取各内机所在房间在所述过去第一预设时间内的实际温度;
第一计算单元,用于根据所述实际温度计算得到所述过去第一预设时间内的集总室温。
可选的,第一计算单元具体用于:计算所有房间在同一时刻的实际温度的平均值,作为该时刻的集总室温;或者,以各房间的内机容量占比作为权重,计算所有房间在同一时刻的实际温度的加权平均值,作为该时刻的集总室温。
可选的,第二确定模块202包括:
第二获取单元,用于获取各内机的当前设定温度;
第二计算单元,用于根据所述各内机的当前设定温度,计算得到所述建筑的集总设定室温;
确定单元,用于确定所述集总室温变化区间为[集总设定室温-预设阈值,集总设定室温+预设阈值]。
可选的,第二计算单元具体用于:计算所有内机的当前设定温度的平均值,作为所述建筑的集总设定室温;或者,以各内机容量占比作为权重,计算所有内机的当前设定温度的加权平均值,作为所述建筑的集总设定室温。
可选的,求取模块204具体用于:
将所述过去第一预设时间内的集总室温、所述未来第二预设时间内的集总室温序列、所述过去第一预设时间内的气象数据以及所述未来第二预设时间内的气象数据,作为室温-能耗时序模型的输入量;
将所述当前时刻的空调能耗以及所述未来第二预设时间内的空调能耗序列作为所述室温-能耗时序模型的输出量;
基于时序优化算法,以所述未来第二预设时间内的空调能耗序列的总和最小化为目标,以所述集总室温变化区间为约束条件,对所述未来第二预设时间内的集总室温序列进行全局寻优。
可选的,所述时序优化算法的内核规划算法为以下任一:线性规划算法、非线性规划算法、遗传算法和粒子群算法。
可选的,所述室温-能耗时序模型的函数为:
any(k)+an-1y(k+1)+…+a0y(k+n)=bm+nu(k-m)+bm+n-1u(k-m+1)+…+b0u(k+n)+cm+nw(k-m)+cm+n-1w(k-m+1)+…+c0w(k+n)
其中,y表示空调能耗;u表示集总室温;w表示气象数据;k、m与n表示时序参数,k表示当前时刻,m大于或等于0,n大于或等于0;a、b与c表示模型参数。
上述装置可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例提供的方法。
本发明实施例还提供一种多联机空调,包括:上述实施例所述的多联机空调控制装置。
如图3所示,为多联机空调预测控制系统的示意图,包括:数据采集单元10、预测控制单元20和空调执行器30。
数据采集单元10包括:空调传感器11、空调控制面板12和联网通信模块13。
空调传感器11包括室内温度传感器、室外温度传感器和电功率表等,可对多联机空调的实时室内温度、室外环境温度和能耗等系统状态参数进行测量。
空调控制面板12包括房间线控器、移动空调开关和中央控制面板等,可根据用户的温度偏好进行各个房间的温度设置。
联网通信模块13(相当于上述获取模块203)可接收GPRS、4G、5G和wifi等无线信号,该信号包含未来气象数据序列,可由气象站或空调厂家等发送。
预测控制单元20包括:数据存储模21和智能计算模块22。
数据存储模块21用于对空调运行数据、未来气象数据序列和室温-能耗时序模型的相关参数进行存储。
智能计算模块22(相当于上述求取模块204)含有时序优化算法程序,时序优化算法对未来集总室温序列进行全局寻优,其内核规划算法包括但不限于线性规划算法、非线性规划算法、遗传算法、粒子群算法等。
空调执行器30是调节空调输出制冷/热量的可控部件,包括压缩机、节流阀、风机等。
本发明实施例还提供一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例所述方法的步骤。
本发明实施例还提供一种非易失性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例所述方法的步骤。
以上所描述的装置实施例仅仅是示意性的,其中所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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种多联机空调控制方法,其特征在于,包括:
确定多联机空调所在建筑在过去第一预设时间内的集总室温,其中,所述集总室温反映所述建筑的蓄热状态;
根据各内机的当前设定温度确定集总室温变化区间;
获取所述多联机空调所在地区在未来第二预设时间内的气象数据;
根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小;
将所述未来第二预设时间内的集总室温序列作为所述多联机空调在所述未来第二预设时间内的设定温度序列,控制所述多联机空调运行;
其中,根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小,包括:
将所述过去第一预设时间内的集总室温、所述未来第二预设时间内的集总室温序列、所述过去第一预设时间内的气象数据以及所述未来第二预设时间内的气象数据,作为室温-能耗时序模型的输入量;
将所述当前时刻的空调能耗以及所述未来第二预设时间内的空调能耗序列作为所述室温-能耗时序模型的输出量;
基于时序优化算法,以所述未来第二预设时间内的空调能耗序列的总和最小化为目标,以所述集总室温变化区间为约束条件,对所述未来第二预设时间内的集总室温序列进行全局寻优。
2.根据权利要求1所述的方法,其特征在于,确定多联机空调所在建筑在过去第一预设时间内的集总室温,包括:
获取各内机所在房间在所述过去第一预设时间内的实际温度;
根据所述实际温度计算得到所述过去第一预设时间内的集总室温。
3.根据权利要求2所述的方法,其特征在于,根据所述实际温度计算得到所述过去第一预设时间内的集总室温,包括:
计算所有房间在同一时刻的实际温度的平均值,作为该时刻的集总室温;或者,
以各房间的内机容量占比作为权重,计算所有房间在同一时刻的实际温度的加权平均值,作为该时刻的集总室温。
4.根据权利要求1所述的方法,其特征在于,根据各内机的当前设定温度确定集总室温变化区间,包括:
获取各内机的当前设定温度;
根据所述各内机的当前设定温度,计算得到所述建筑的集总设定室温;
确定所述集总室温变化区间为[集总设定室温-预设阈值,集总设定室温+预设阈值]。
5.根据权利要求4所述的方法,其特征在于,根据所述各内机的当前设定温度,计算得到所述建筑的集总设定室温,包括:
计算所有内机的当前设定温度的平均值,作为所述建筑的集总设定室温;或者,
以各内机容量占比作为权重,计算所有内机的当前设定温度的加权平均值,作为所述建筑的集总设定室温。
6.根据权利要求1所述的方法,其特征在于,所述时序优化算法的内核规划算法为以下任一:线性规划算法、非线性规划算法、遗传算法和粒子群算法。
7.根据权利要求1所述的方法,其特征在于,所述室温-能耗时序模型的函数为:
any(k)+an-1y(k+1)+Λ+a0y(k+n)=bm+nu(k-m)+bm+n-1u(k-m+1)+Λ+b0u(k+n)+
cm+nw(k-m)+cm+n-1w(k-m+1)+Λ+c0w(k+n)
其中,y表示空调能耗;u表示集总室温;w表示气象数据;k、m与n表示时序参数,k表示当前时刻,m大于或等于0,n大于或等于0;a、b与c表示模型参数。
8.一种多联机空调控制装置,其特征在于,包括:
第一确定模块,用于确定多联机空调所在建筑在过去第一预设时间内的集总室温,其中,所述集总室温反映所述建筑的蓄热状态;
第二确定模块,用于根据各内机的当前设定温度确定集总室温变化区间;
获取模块,用于获取所述多联机空调所在地区在未来第二预设时间内的气象数据;
求取模块,用于根据所述过去第一预设时间内的集总室温、所述集总室温变化区间、所述未来第二预设时间内的气象数据、所述过去第一预设时间内的气象数据及当前时刻的空调能耗,求取所述未来第二预设时间内的集总室温序列,以使所述多联机空调在所述未来第二预设时间内的总能耗最小;
控制模块,用于将所述未来第二预设时间内的集总室温序列作为所述多联机空调在所述未来第二预设时间内的设定温度序列,控制所述多联机空调运行;
其中,所述求取模块具体用于:
将所述过去第一预设时间内的集总室温、所述未来第二预设时间内的集总室温序列、所述过去第一预设时间内的气象数据以及所述未来第二预设时间内的气象数据,作为室温-能耗时序模型的输入量;
将所述当前时刻的空调能耗以及所述未来第二预设时间内的空调能耗序列作为所述室温-能耗时序模型的输出量;
基于时序优化算法,以所述未来第二预设时间内的空调能耗序列的总和最小化为目标,以所述集总室温变化区间为约束条件,对所述未来第二预设时间内的集总室温序列进行全局寻优。
9.一种多联机空调,其特征在于,包括:权利要求8所述的多联机空调控制装置。
10.一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
11.一种非易失性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529472.2A CN114234370B (zh) | 2021-12-14 | 2021-12-14 | 一种多联机空调控制方法、装置及多联机空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529472.2A CN114234370B (zh) | 2021-12-14 | 2021-12-14 | 一种多联机空调控制方法、装置及多联机空调 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114234370A CN114234370A (zh) | 2022-03-25 |
CN114234370B true CN114234370B (zh) | 2022-12-23 |
Family
ID=80755961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111529472.2A Active CN114234370B (zh) | 2021-12-14 | 2021-12-14 | 一种多联机空调控制方法、装置及多联机空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114234370B (zh) |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6807556B2 (ja) * | 2015-10-01 | 2021-01-06 | パナソニックIpマネジメント株式会社 | 空調制御方法、空調制御装置及び空調制御プログラム |
KR101652247B1 (ko) * | 2015-11-06 | 2016-08-30 | (주)가교테크 | 공기조화기의 외기냉방 운전방법 |
US10451302B2 (en) * | 2016-08-29 | 2019-10-22 | Iot Cloud Technologies Inc. | Weather anticipating programmable thermostat and wireless network PTAC control |
US10247436B2 (en) * | 2016-09-07 | 2019-04-02 | Solarcity Corporation | Systems and methods for controlling operations of a heating and cooling system |
CN107576015B (zh) * | 2017-09-21 | 2020-06-23 | 新智能源系统控制有限责任公司 | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 |
CN108302719B (zh) * | 2018-01-29 | 2020-06-05 | 广东美的暖通设备有限公司 | 多联机空调系统的控制方法、装置、系统和存储介质 |
CN108413567B (zh) * | 2018-03-14 | 2020-05-26 | 山东建筑大学 | 基于物联网的中央空调节费优化方法与系统 |
KR102212663B1 (ko) * | 2018-05-22 | 2021-02-05 | 주식회사 석영시스템즈 | 목표 온도를 기반으로 하는 빌딩의 열·공조 시스템에 대한 공급 전력 제어 방법 및 장치 |
CN109654665B (zh) * | 2018-12-14 | 2021-01-29 | 广东美的暖通设备有限公司 | 空调器的控制方法及装置和空调器 |
CN111336669B (zh) * | 2020-03-12 | 2021-04-13 | 苏州大学 | 基于模型预测控制的室内空调通风系统 |
CN113108432B (zh) * | 2020-09-09 | 2022-04-15 | 中维通(北京)科技有限公司 | 一种基于天气预报的空调系统调节方法和系统 |
CN112283890A (zh) * | 2020-10-26 | 2021-01-29 | 济中节能技术(苏州)有限公司 | 适应建筑暖通设备监控系统的冷热量控制方法及装置 |
CN112781177B (zh) * | 2021-01-05 | 2022-05-20 | 广东美的暖通设备有限公司 | 预测空调运行功率的方法、装置、电子设备及存储介质 |
CN113739365A (zh) * | 2021-08-31 | 2021-12-03 | 广州汇电云联互联网科技有限公司 | 中央空调冷站群控节能控制方法、装置、设备及存储介质 |
-
2021
- 2021-12-14 CN CN202111529472.2A patent/CN114234370B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114234370A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240111317A1 (en) | Optimization of energy use through model-based simulations | |
CN101782258B (zh) | 空调节能方法 | |
CN105320118B (zh) | 基于云平台的空调系统电力需求响应控制方法 | |
CN107178869B (zh) | 变频空调负荷的聚合控制削峰方法 | |
CN109974218B (zh) | 一种基于预测的多联机空调系统调控方法 | |
CN105091209B (zh) | 一种基于空调负荷预测的控制系统及方法 | |
US20130060391A1 (en) | Energy management system | |
CN215724029U (zh) | 一种中央空调自适应控制系统 | |
CN112283890A (zh) | 适应建筑暖通设备监控系统的冷热量控制方法及装置 | |
EP4089619A1 (en) | Building equipment energy management control system and control method therefor | |
CN115183426B (zh) | 多联机空调的控制方法、多联机空调以及存储介质 | |
CN111550932B (zh) | 一种制热水控制方法、处理器、储水型热水器 | |
US20200116382A1 (en) | System of adjusting load of air conditioning and method of adjusting the same | |
CN114784811A (zh) | 电力需求响应方法和装置 | |
TW201027014A (en) | Method for managing air conditioning power consumption | |
CN115235049A (zh) | 一种空调主机节能控制方法和装置 | |
CN113566401B (zh) | 需求侧负荷控制方法 | |
CN114234370B (zh) | 一种多联机空调控制方法、装置及多联机空调 | |
KR102644166B1 (ko) | 심야 시간대에서 측정되는 온도 정보에 기초하여 대상 구역의 전체 실내 온도를 크게 변화시키는 정도로 정의되는 복수의 냉난방기의 열적 영향도를 산출하는 장치 및 방법 | |
CN114674061B (zh) | 一种智能调节空调的方法 | |
Kaushik et al. | A dynamic scheduling technique to optimize energy consumption by ductless-split acs | |
CN113757852B (zh) | 基于数字孪生技术的多联机空调机组控制方法及控制系统 | |
CN113435042B (zh) | 一种建筑空调系统需求响应的强化学习建模方法 | |
ES2891351T3 (es) | Método y sistema de gestión de climatización inteligente | |
CN112902392A (zh) | 自适应调整的空调控制方法、电子设备及存储介质 |
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 |