CN114341562A - 制冷剂量判定装置、方法以及程序 - Google Patents

Abstract

一种制冷剂量判定装置,其使制冷剂量的判定变得容易。包括:运转数据取得部,其取得空调系统的运转数据；计算部,其根据上述取得的运转数据,计算制冷剂量指标值；推断部,其使用上述取得的运转数据和上述计算的制冷剂量指标值的至少一者以及校正模型,推断与制冷剂量指标值的校正相关的信息；以及判定部,其基于上述与制冷剂量指标值的校正相关的信息,判定上述空调系统的制冷剂量。

Description

制冷剂量判定装置、方法以及程序

技术领域

本发明涉及制冷剂量判定装置、方法以及程序。

背景技术

以往,公开有基于成为充填的制冷剂量的指标的值(以下,也称为制冷剂量指标值),对冷却系统的制冷剂充填量的损耗(制冷剂泄露)进行检测的方法。具体而言,在专利文献1中,记载了以下内容:计算在蒸发器的两侧的实时的空气侧的温度差,通过应用具有显示正常的动作状况的第一T-Map的算法,计算蒸发器的两侧中的第一空气侧的温度差,在实时的空气侧的温度差比第一空气侧的温度差小的情况下进行处理(专利文献1的说明书的[0004]段落)。

<现有技术文献>

<专利文献>

专利文献1:日本国特表2018-533718号公报

发明内容

<本发明要解决的问题>

但是,在专利文献1那样的基于映射图的预测中,在制冷剂量的变化之外对制冷剂量指标值产生影响的参数的自变量成为离散值,通过映射图预测的制冷剂量指标值的预测值也成为离散值。因此,若自变量的步长较大,则基于映射图的预测的精度变差,若为了提高预测的精度而使步长变小,则映射图的数据量变得庞大。另外,若自变量的参数的种类增加,则映射图变得多维化从而数据量变得膨大,实装困难。在本发明中,目的在于使制冷剂量的判定变得容易。

<用于解决问题的手段>

本发明的第一方式的制冷剂量判定装置包括:

运转数据取得部,其取得空调系统的运转数据；

计算部,其根据上述取得的运转数据,计算制冷剂量指标值；

推断部,其使用上述取得的运转数据和上述计算的制冷剂量指标值的至少一者以及校正模型,推断与制冷剂量指标值的校正相关的信息；以及

判定部,其基于上述与制冷剂量指标值的校正相关的信息,判定上述空调系统的制冷剂量。

根据本发明的第一方式,对制冷剂量指标值产生影响的参数的自变量和预测值成为连续值,即使自变量的参数增加也能够容易地进行实装。

另外,对于本发明的第二方式,在第一方式中记载的制冷剂量判定装置中,

上述推断部使用上述计算的制冷剂量指标值以及上述校正模型,推断上述计算的制冷剂量指标值被校正后的制冷剂量指标值,

上述判定部基于上述校正后的制冷剂量指标值,判定上述空调系统的制冷剂量。

另外,对于本发明的第三方式,在第一方式中记载的制冷剂量判定装置中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据和上述计算的制冷剂量指标值、以及上述校正模型,推断上述计算的制冷剂量指标值被校正后的制冷剂量指标值,

上述判定部基于上述校正后的制冷剂量指标值,判定上述空调系统的制冷剂量。

另外,对于本发明的第四方式,在第一方式中记载的制冷剂量判定装置中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据以及上述校正模型,推断制冷剂量指标值的校正后的存在范围,

上述判定部基于上述计算的制冷剂量指标值、以及上述制冷剂量指标值的校正后的存在范围,判定上述空调系统的制冷剂量。

另外,对于本发明的第五方式,在第一方式中记载的制冷剂量判定装置中、

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据以及上述校正模型,推断用于确定上述计算的制冷剂量指标值被校正后的制冷剂量指标值的信息,

上述判定部基于上述计算的制冷剂量指标值、以及用于确定上述校正后的制冷剂量指标值的信息,判定上述空调系统的制冷剂量。

另外,对于本发明的第六方式,在第一方式中记载的制冷剂量判定装置中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据和上述计算的制冷剂量指标值、以及上述校正模型,推断上述计算的制冷剂量指标值与根据上述第二运转数据预测的制冷剂量指标值的预测值的校正后的差或比,

上述判定部基于上述校正后的差或比,判定上述空调系统的制冷剂量。

另外,对于本发明的第七方式,在第二方式至第六方式中的任一方式中记载的制冷剂量判定装置中,

使用一个或多个种类的制冷剂量指标值、以及一个或多个种类的校正模型。

另外,对于本发明的第八方式,在第一方式至第七方式中的任一方式中记载的制冷剂量判定装置中,

上述校正模型是将正常时和异常时的至少一者的运转数据与制冷剂量指标值相关联地进行学习后的模型。

另外,对于本发明的第九方式,在第八方式中记载的制冷剂量判定装置中,

上述正常时和异常时的至少一者的运转数据包括实测数据和伪数据的至少一者。

另外,对于本发明的第十方式,在第一方式至第九方式中的任一方式中记载的制冷剂量判定装置中,

还包括输出校正部,其用于对上述与制冷剂量指标值的校正相关的信息进行校正。

另外,对于本发明的第十一方式,在第十方式中记载的制冷剂量判定装置中,

上述输出校正部对制冷剂量为设计值的情况的制冷剂量指标值与制冷剂量指标实测值的偏移量进行校正。

另外,对于本发明的第十二方式,在第一方式至第九方式中的任一方式中记载的制冷剂量判定装置中,

还包括输入校正部,其用于对上述运转数据进行校正。

另外,对于本发明的第十三方式,在第十二方式中记载的制冷剂量判定装置中,

上述输入校正部根据上述运转数据的数量,使上述运转数据的取得间隔进行增减。

另外,对于本发明的第十四方式,在第十二方式中记载的制冷剂量判定装置中,

上述运转数据包括实测数据和伪数据的至少一者,

上述输入校正部制作上述运转数据的伪数据。

另外,对于本发明的第十五方式,在第一方式至第九方式中的任一方式中记载的制冷剂量判定装置中,

还包括用于对上述与制冷剂量指标值的校正相关的信息进行校正的输出校正部、以及用于对上述运转数据进行校正的输入校正部。

另外,对于本发明的第十六方式,在第一方式至第十五方式中的任一方式中记载的制冷剂量判定装置中,

还包括输出部,其输出用于判定上述制冷剂量的数值、用于判定上述制冷剂量的类别、以及用于判定上述制冷剂量的类别极其可靠度中的任一判定结果。

另外,对于本发明的第十七方式,在第十六方式中记载的制冷剂量判定装置中,

上述判定部使用上述输出部输出的判定结果进行判定。

另外,对于本发明的第十八方式,在第十六方式中记载的制冷剂量判定装置中,

还包括已学习模型取得部,其取得作为将运转数据与制冷剂量指标值相关联地进行学习的结果的校正模型。

另外,对于本发明的第十九方式,在第十八方式中记载的制冷剂量判定装置中,

上述已学习模型取得部使用上述输出部输出的判定结果,取得最佳校正模型。

另外,对于本发明的第二十方式,在第十六方式中记载的制冷剂量判定装置中,

还包括学习部,其将运转数据与制冷剂量指标值相关联地进行学习。

另外,对于本发明的第二十一方式,在第二十方式中记载的制冷剂量判定装置中,

在上述学习部,使用上述输出部输出的判定结果进行再学习。

另外,对于本发明的第二十二方式,在第二十方式中记载的制冷剂量判定装置中,

上述学习部使用上述输出部输出的判定结果来变更学习数据,使校正模型进行再学习。

另外,对于本发明的第二十三方式,在第一方式至第二十二方式张的任一方式中记载的制冷剂量判定装置中,

上述校正模型是将外置传感器数据、运转数据、以及制冷剂量指标相关联地进行学习后的模型,

上述运转数据取得部进一步取得外置传感器数据,

上述推断部使用上述取得的外置传感器数据、运转数据、以及校正模型,推断上述与制冷剂量指标值的校正相关的信息。

另外,对于本发明的第二十四方式,在第一方式至第二十二方式中的任一方式中记载的制冷剂量判定装置中,

上述校正模型是将图像数据、运转数据、以及制冷剂量指标相关联地进行学习后的模型,

上述运转数据取得部还取得图像数据,

上述推断部使用上述取得的图像数据、运转数据、以及校正模型,推断上述与制冷剂量指标值的校正相关的信息。

另外,对于本发明的第二十五方式,在第一方式至第二十二方式中的任一方式中记载的制冷剂量判定装置中,

上述校正模型是将上述空调系统的设置状况数据、运转数据、以及制冷剂量指标相关联地进行学习后的模型,

上述运转数据取得部进一步取得上述空调系统的设置状况数据,

上述推断部使用上述取得的设置状况数据、运转数据、以及校正模型,推断上述与制冷剂量指标值的校正相关的信息。

另外,对于本发明的第二十六方式,在第一方式至第二十五方式中的人任一方式中记载的制冷剂量判定装置中,

上述运转数据包括外部气温、压缩机的转速、过冷却热交换器的膨胀阀的开度、以及压缩机的电流值中的至少一者。

另外,对于本发明的第二十七方式,在第一方式至第二十六方式中的任一方式中记载的制冷剂量判定装置中,

上述制冷剂量指标值包括室外热交换器出口过冷却度、压缩机的吸入过热度、上述压缩机的排出过热度、以及基于上述室外热交换器出口过冷却度或上述压缩机的吸入过热度或上述压缩机的排出过热度的值中的至少一者。

另外,对于本发明的第二十八方式,在第一方式至第二十七方式中的任一方式中记载的制冷剂量判定装置中,

上述制冷剂量指标值包括过冷却热交换器出口过冷却度和基于上述过冷却热交换器出口过冷却度的值中的至少一者。

另外,对于本发明的第二十九方式,在第一方式至第二十六方式中的任一方式中记载的制冷剂量判定装置中,

上述制冷剂量指标值包括室内热交换器出口过冷却度和基于上述室内热交换器出口过冷却度的值中的至少一者,上述室内热交换器出口过冷却度是多个室内热交换器的过冷却度中的至少一者、多个室内热交换器的过冷却度的平均值、以及在多个室内热交换器的室内侧合流点或室外侧合流点的过冷却度中的任一者。

另外,对于本发明的第三十方式,在第二十七方式或第二十八方式中记载的制冷剂量判定装置中,

上述制冷剂量指标值是冷暖同时运转机中的暖气运转模式的室内热交换器出口过冷却度与在上述冷暖同时运转机中的室外热交换器中作为冷凝器起作用的部分的出口过冷却度的组合。

另外,对于本发明的第三十一方式,在第一方式至第三十方式中的任一方式中记载的制冷剂量判定装置中,

上述运转数据包括室内机膨胀阀开度、室外机主膨胀阀开度、运转中或运转待机中的室内机额定能力的合计值、室内机运转台数、室内机能力(冷气或暖气)、室内机吹出温度、室温、冷凝温度、蒸发温度、室外机液体截止阀连接配管制冷剂温度、液体连通配管制冷剂温度、室外机风扇风量、室内机风扇风量、室外机风扇转速(档、抽头)、室内机风扇转速(档、抽头)、室外机风扇电流值、室内机风扇电流值、制冷剂循环量、压缩机排出温度、压缩机吸入温度、压缩机排出过热度、压缩机吸入过热度、过冷却热交出口过冷却度、过冷却热交出口过热度(气体管侧)、降压变压器出口过冷却度、降压变压器用膨胀阀开度、降压变压器旁通侧出口压力、中间注入用膨胀阀开度、中间注入温度、中间注入压力、蒸发器入口水温、蒸发器出口水温、冷凝器入口水温、以及冷凝器出口水温中的至少一者。

另外,对于本发明的第三十二方式,在第二十九方式或第三十方式中记载的制冷剂量判定装置中,

上述运转数据包括除霜次数和除霜时间中的至少一者。

另外,对于本发明的第三十三方式,在第一方式至第三十二方式中的任一方式中记载的制冷剂量判定装置中,

上述判定部基于上述计算的制冷剂量指标值与上述推断的正常时的制冷剂量指标值的预测值的差或比、以及根据取得用于计算上述制冷剂量指标值的运转数据时的运转条件和作为规定的范围内的运转条件的过去的运转数据计算的制冷剂量指标值与上述推断的正常时的制冷剂量指标值的预测值的差或比这两者,判定上述空调系统的制冷剂量。

另外,对于本发明的第三十四方式,在第三十三方式中记载的制冷剂量判定装置中,

上述运转条件是外部气温。

另外,对于本发明的第三十五方式,在第一方式至第三十四方式中的任一方式中记载的制冷剂量判定装置中,

上述判定部基于上述计算的制冷剂量指标值与上述推断的正常时的制冷剂量指标值的预测值的差或比,判定泄露量与上述空调系统的制冷剂的适当量的比例。

另外,本发明的第三十六方式的方法包括:

取得步骤,其取得空调系统的运转数据；

计算步骤,其根据上述取得的运转数据,对制冷剂量指标值进行计算；

校正步骤,其使用上述取得的运转数据以及校正模型,对制冷剂量指标进行校正；以及

判定步骤,其基于上述校正后的制冷剂量指标,判定上述空调系统的制冷剂量。

另外,本发明的第三十七方式的程序使制冷剂量判定装置作为以下各部起作用:

运转数据取得部,其用于取得空调系统的运转数据；

计算部,其根据上述取得的运转数据,对制冷剂量指标值进行计算；

推断部,其使用上述取得的运转数据以及校正模型,对制冷剂量指标进行校正；以及

判定部,其基于上述校正后的制冷剂量指标,判定上述空调系统的制冷剂量。

附图说明

图1是示出本发明的一个实施方式的整体的构成(冷气运转的情况)的图。

图2是示出本发明的一个实施方式的整体的构成(暖气运转的情况)的图。

图3是示出实施出本发明的一个实施方式的整体的构成(冷暖同时运转的情况)的图。

图4是本发明的一个实施方式的制冷剂量判定装置的硬件构成图。

图5是本发明的一个实施方式的制冷剂量判定装置的功能框图。

图6是用于说明本发明的一个实施方式的空调系统、制冷剂量判定装置、以及学习装置的关系的图。

图7是本发明的一个实施方式的学习装置的功能框图。

图8是用于说明本发明的一个实施方式的制冷剂量指标值的图。

图9是用于说明本发明的一个实施方式的使用制冷剂量指标值的制冷剂泄露判定的图。

图10是用于说明本发明的一个实施方式的制冷剂量的判定的图。

图11是本发明的一个实施方式的判定处理的流程图。

图12是本发明的一个实施方式的学习处理的流程图。

图13是本发明的一个实施方式的具有过冷却热交换器回路的情况的一个例子。

图14是本发明的一个实施方式的具有降压变压器回路的情况、热源侧和利用侧的至少一者为水冷式的情况的一个例子。

图15是本发明的一个实施方式的具有中间注入回路的情况的一个例子。

图16是用于说明本发明的一个实施方式的制冷剂量判定装置的图。

图17是用于说明本发明的一个实施方式的制冷剂量判定装置的图。

图18是用于说明本发明的一个实施方式的制冷剂量判定装置的图。

图19是用于说明本发明的一个实施方式的制冷剂量判定装置的图。

图20是用于说明本发明的一个实施方式的制冷剂量判定装置的图。

图21是用于说明本发明的一个实施方式的输出校正部的图。

图22是用于说明本发明的一个实施方式的输入校正部的图。

图23是用于说明本发明的一个实施方式的输入校正部的图。

具体实施方式

以下,基于附图对本发明的实施方式进行说明。

参照图1～图3,对包括空调系统100和制冷剂量判定装置400的整体的构成进行说明。需要说明的是,空调系统100可以是大楼用多联空调机等的多联空调机、将冷机作为热源的中央空调系统、店舗/办公室用空调、以及房间空调等的任意的空调系统,不仅是冷暖气用途,也可以是冷藏/冷冻系统。空调系统100可以具有多个室内机300。多个室内机300可以包括不同性能的室内机,可以包括相同性能的室内机,也可以包括停止中的室内机。

<整体的构成(冷气运转的情况)>

图1是示出本发明的一个实施方式的整体的构成(冷气运转的情况)的图。空调系统100具有室外机200以及一个或多个室内机300。

在图1的例子中,室外热交换器201、室外机主膨胀阀205、过冷却热交换器203、室内热交换器膨胀阀302、室内热交换器301、以及压缩机202通过制冷剂配管连接而构成了主制冷剂回路。在图1的例子中,进一步,在自室外热交换器201和过冷却热交换器203之间的配管与压缩机202的吸入侧的配管连接的旁通配管中,设有过冷却热交换器膨胀阀204。过冷却热交换器203是使通过在自室外热交换器201和过冷却热交换器203之间与压缩机202的吸入侧的配管连接的旁通配管中设置的过冷却热交换器膨胀阀204的制冷剂与主制冷剂回路内的制冷剂进行热交换的热交换器。需要说明的是,图1的旁通例是一个例子。

<<室外机>>

在室外机200侧,室外热交换器201、压缩机202、过冷却热交换器203、过冷却热交换器膨胀阀(旁通回路)204、以及室外机主膨胀阀(主制冷剂回路)205与配管连接。室外机200具有各种传感器(温度传感器(例如、热敏电阻)(1)、(3)、(4)、(6)、(7)以及压力传感器(2)、(5)等)。

<<室内机>>

在室内机300侧,室内热交换器301和室内热交换器膨胀阀302与配管连接。室内机300具有各种传感器(温度传感器(例如,热敏电阻)(8)、(9)等)。

<<制冷剂量判定装置>>

制冷剂量判定装置400是用于判定空调系统100的制冷剂量的装置。对于制冷剂量判定装置400,之后参照图4～5进行详细说明。

需要说明的是,制冷剂量判定装置400可以在以能够进行通信的方式与空调系统100连接的装置(例如,在与空调系统100相同的建筑物等内设置的计算机,或者自空调系统100离开的云服务器)之上进行安装,或者,可以作为空调系统100的一部分进行安装(例如,在室外机200或室内机300内进行设置)。

<整体的构成(暖气运转的情况)>

图2是示出本发明的一个实施方式的整体的构成(暖气运转的情况)的图。空调系统100具有室外机200以及一个或多个室内机300。

在图2的例子中,室外热交换器201、压缩机202、室内热交换器301、室内热交换器膨胀阀302、过冷却热交换器203、以及室外机主膨胀阀205通过制冷剂配管连接而构成了主制冷剂回路。在图2的例子中,进一步,在自室外热交换器201和过冷却热交换器203之间的配管与压缩机202的吸入侧的配管连接的旁通配管中,设有过冷却热交换器膨胀阀204。过冷却热交换器203是使通过在自室外热交换器201和过冷却热交换器203之间与压缩机202的吸入侧的配管连接的旁通配管中设置的过冷却热交换器膨胀阀204的制冷剂与主制冷剂回路内的制冷剂进行热交换的热交换器。需要说明的是,图2的旁通例是一个例子。

<<室外机>>

在室外机200侧,室外热交换器201、压缩机202、过冷却热交换器203、过冷却热交换器膨胀阀(旁通回路)204、以及室外机主膨胀阀(主制冷剂回路)205与配管连接。室外机200具有各种传感器(温度传感器(例如,热敏电阻)(1)、(3)、(4)、(6)、(7)以及压力传感器(2)、(5)等)。

<<室内机>>

在室内机300侧,室内热交换器301和室内热交换器膨胀阀302与配管连接。室内机300具有各种传感器(温度传感器(例如,热敏电阻)(8)、(9)等)。

<<制冷剂量判定装置>>

制冷剂量判定装置400是用于判定空调系统100的制冷剂量的装置。对于制冷剂量判定装置400,之后参照图4～5进行详细说明。

需要说明的是,制冷剂量判定装置400可以在以能够进行通信的方式与空调系统100连接的装置(例如,在与空调系统100相同的建筑物等内设置的计算机,或者自空调系统100离开的云服务器)之上进行安装,或者,可以作为空调系统100的一部分进行安装(例如,在室外机200或室内机300内进行设置)。

<整体的构成(冷暖同时运转的情况)>

本发明不仅限于冷气运转、暖气运转,还能够应用于冷暖同时运转。以下,参照图3,对冷暖同时运转进行说明。

图3是示出本发明的一个实施方式的整体的构成(冷暖同时运转的情况)的图。空调系统100中,两分割构造的室外热交换器201-1和室外热交换器201-2与多个室内机通过三根连通配管进行连接,能够进行冷暖同时运转。在图3中,示出了以冷气为主体运转的例子,室内机300-1为暖气模式,室内机300-2为冷气模式进行运转。此时,室外热交换器201-1作为冷凝器、室外热交换器201-2作为蒸发器起作用。

<<制冷剂量判定装置>>

制冷剂量判定装置400是用于判定空调系统100的制冷剂量的装置。对于制冷剂量判定装置400,之后参照图4～5进行详细说明。

需要说明的是,制冷剂量判定装置400可以在以能够进行通信的方式与空调系统100连接的装置(例如,在与空调系统100相同的建筑物等内设置的计算机,或者自空调系统100离开的云服务器)之上进行安装,或者,可以作为空调系统100的一部分进行安装(例如,在室外机200或室内机300内进行设置)。

<制冷剂量判定装置的硬件构成>

图4是本发明的一个实施方式的制冷剂量判定装置400的硬件构成图。制冷剂量判定装置400具有CPU(Central Processing Unit)1、ROM(Read Only Memory)2、以及RAM(Random Access Memory)3。CPU1、ROM2、RAM3形成所谓计算机。

另外,制冷剂量判定装置400可以具有辅助存储装置4、显示装置5、操作装置6、以及I/F(Interface)装置7。需要说明的是,制冷剂量判定装置400的各硬件经由母线8彼此连接。

CPU1是用于执行在辅助存储装置4中安装的各种程序的运算装置。

ROM2是非易失性存储器。ROM2作为储存CPU1为了执行在辅助存储装置4中安装的各种程序所需的各种程序、数据等的主存储装置起作用。具体而言,ROM2作为储存BIOS(Basic Input/Output System)、EFI(Extensible Firmware Interface)等的启动程序等的、主存储装置起作用。

RAM3是DRAM(Dynamic Random Access Memory)、SRAM(Static Random AccessMemory)等的易失性存储器。RAM3作为提供在辅助存储装置4中安装的各种程序通过CPU1执行时所展开的作业区域的、主存储装置起作用。

辅助存储装置4是储存各种程序、以及各种程序执行时使用的信息的辅助存储装置。

显示装置5是用于显示制冷剂量判定装置400的内部状态等的显示装置。

操作装置6是供制冷剂量判定装置400的管理者对于制冷剂量判定装置400输入各种指示的输入装置。

I/F装置7是与各种传感器、网络连接而用于与其他终端进行通信的通信装置。

<制冷剂量判定装置的功能块>

图5是本发明的一个实施方式的制冷剂量判定装置400的功能框图。制冷剂量判定装置400可以包括运转数据取得部401、计算部402、推断部403、判定部404、输出部405、已学习模型406、以及已学习模型取得部407。另外,制冷剂量判定装置400通过执行程序,可以作为运转数据取得部401、计算部402、推断部403、判定部404、输出部405、以及已学习模型取得部407起作用。

运转数据取得部401自空调系统100的各种传感器(温度传感器、压力传感器等)取得空调系统100的运转数据(即,现在的运转数据)。空调系统100的运转数据是指,能够在空调系统100的运转中取得的数据。

计算部402根据运转数据取得部401取得的运转数据,计算制冷剂量指标值。制冷剂量指标值是成为制冷剂量的指标的值,是与制冷剂量存在关联的值(详细后述)。

推断部403基于将正常时的运转数据与制冷剂量指标值相关联地进行学习的结果(已学习模型406),根据运转数据取得部401取得的运转数据(其是与制冷剂量指标值存在关联的量。详细后述)推断正常时的制冷剂量指标值的预测值。具体而言,推断部403通过向已学习模型406输入运转数据取得部401取得的运转数据,输出正常时的制冷剂量指标值的预测值。

判定部404基于计算部402计算的制冷剂量指标值与推断部403推断的正常时的制冷剂量指标值的预测值的差或比,判定空调系统100的制冷剂量(详细后述)。

输出部405输出判定部404判定的结果。例如,输出部405对空调系统100的管理者通报制冷剂的泄露。

如上所述,已学习模型406是将正常时的运转数据与制冷剂量指标值相关联地进行学习的结果。

已学习模型取得部407自学习装置500取得已学习模型406。

以下,对<<制冷剂量指标值>>以及<<用于推断正常时的制冷剂量指标值的预测值的运转数据>>的具体例子进行说明。

<<制冷剂量指标值(例1(冷气运转的情况))>>

例如,制冷剂量指标值可以包括以下值中的至少一者。

·冷凝温度-室外热交换器201的出口温度(以下,也称为室外热交换器出口过冷却度。需要说明的是,过冷却度也称为SC、过冷)

·压缩机的吸入过热度(需要说明的是,过热度也称为SH、过热)

·压缩机的排出过热度

·基于室外热交换器出口过冷却度或压缩机的吸入过热度或压缩机的排出过热度的值

例如,基于室外热交换器出口过冷却度的值是利用了室外热交换器出口过冷却度的运算值。例如,利用了室外热交换器出口过冷却度的运算值为:

·利用了室外热交换器出口过冷却度的运算值＝室外热交换器出口过冷却度/(冷凝温度-外部气温)。

例如,基于室外热交换器出口过冷却度的值是根据制冷剂物性、制冷循环线图(T-S、P-h线图)定义的值。以下,参照图8,对根据制冷剂物性、制冷循环线图(T-S、P-h线图)定义的值进行说明。

图8示出了制冷剂循环的T-S线图。例如,根据制冷剂物性、制冷循环线图(T-S、P-h线图)定义的值为:

·根据制冷剂物性、制冷循环线图(T-S、P-h线图)定义的值(例1)＝面积A与面积B的一者与另一者的比率(例如,面积B/面积A)

·根据制冷剂物性、制冷循环线图(T-S、P-h线图)定义的值(例2)＝线段b(＝Δh)。

面积A是在冷凝器(201、301)中,制冷剂在成为气液二相状态过程中的有效能、焓、熵中的一个变化量(换言之,在冷凝器(201、301)中,制冷剂自饱和气体状态成为饱和液状态的过程中的有效能、焓、熵中的一个变化量)。

面积B是在冷凝器(201、301)中,制冷剂在成为液体单相状态过程中的有效能、焓、熵中的一个变化量(换言之,在冷凝器(201、301)中,制冷剂自饱和液体状态被冷却而到达冷凝器(201、301)的出口的过程中的有效能、焓、熵中的一个变化量)。

<<制冷剂量指标值(例2(冷气运转的情况))>>

例如,制冷剂量指标值除了上述制冷剂量指标值(例1)之外,或者,代替上述制冷剂量指标值(例1)的室外热交换器出口过冷却度,可以包括过冷却热交换器出口过冷却度以及基于过冷却热交换器出口过冷却度的值中的至少一者。

<<制冷剂量指标值(例3(暖气运转的情况))>>

在暖气运转的情况下,制冷剂量指标值可以代替上述制冷剂量指标值(例1以及例2)而包括室内热交换器出口过冷却度和基于室内热交换器出口过冷却度的值中的至少一者。室内热交换器出口过冷却度是多个室内热交换器301的过冷却度中的至少一者、多个室内热交换器301的过冷却度的平均值、以及在多个室内热交换器301的室内侧合流点或室外侧合流点的过冷却度中的任一者。

<<制冷剂量指标值(例3(冷暖同时运转的情况))>>

在冷暖同时运转的情况下,除了上述制冷剂量指标值(例1和例2的至少一者)之外,制冷剂量指标值是室内热交换器(图3的暖气室内机300-1的室内热交换器301)出口过冷却度和室外热交换器(图3的室外热交换器(冷凝器)201-1)出口过冷却度的组合。

<<用于推断正常时的制冷剂量指标值的预测值的运转数据(例1)>>

例如,用于推断正常时的制冷剂量指标值的预测值的运转数据可以包括以下值中的至少一者。

·外部气温

·压缩机202的转速

·过冷却热交换器的膨胀阀204的开度

·压缩机202的电流值

<<用于推断正常时的制冷剂量指标值的预测值的运转数据(例2)>>

例如,除了上述运转数据(例1)之外,或者,代替上述运转数据(例1),用于推断正常时的制冷剂量指标值的预测值的运转数据可以包括以下值中的至少一者。

·室内机膨胀阀302的开度

·室外机主膨胀阀205的开度

·运转中或运转待机中的室内机额定能力的合计值

·室内机运转台数

·室内机能力(冷气或暖气)

·室内机吹出温度

·室温

·冷凝温度

·蒸发温度

·室外机液体截止阀连接配管制冷剂温度(图1以及图2的热敏电阻(4)所检测的连通配管液温)

·液体连通配管制冷剂温度(在室外机200之外安装的外置传感器所检测的在室外机200的外侧的连通配管的测量温度)

·室外机风扇风量

·室内机风扇风量

·室外机风扇转速(档、抽头)

·室内机风扇转速(档、抽头)

·室外机风扇电流值

·室内机风扇电流值

·制冷剂循环量

·压缩机202的排出温度

·压缩机202的吸入温度

·压缩机202的排出过热度

·压缩机202的吸入过热度

·过冷却热交换器203的出口过冷却度(具有过冷却热交换器回路的情况(例如、图13))

·过冷却热交换器203的出口过热度(气体管侧1300)(具有过冷却热交换器回路的情况(例如、图13))

·降压变压器1400出口过冷却度(具有降压变压器回路的情况(例如,图14))

·降压变压器用膨胀阀1401的开度(具有降压变压器回路的情况(例如,图14))

·降压变压器1400旁通侧出口压力(具有降压变压器回路的情况(例如,图14))

·中间注入用膨胀阀1500的开度(具有中间注入回路的情况(例如,图15))

·中间注入温度(具有中间注入回路的情况(例如,图15))

·中间注入压力(具有中间注入回路的情况(例如,图15))

·蒸发器1404入口水温(热源侧和利用侧的至少一者为水冷式的情况(例如,图14))

·蒸发器1404出口水温(热源侧和利用侧的至少一者为水冷式的情况(例如,图14))

·冷凝器1403入口水温(热源侧和利用侧的至少一者为水冷式的情况(例如,图14))

·冷凝器1403出口水温(热源侧和利用侧的至少一者为水冷式的情况(例如,图14))

<<用于推断正常时的制冷剂量指标值的预测值的运转数据(例3)>>

例如,除了上述的运转数据(例1以及例2)之外,或者,代替上述的运转数据(例1以及例2),用于推断正常时的制冷剂量指标值的预测值的运转数据可以包括除霜次数、除霜时间中的至少一者。

<制冷剂量指标值和用于推断正常时的制冷剂量指标值的预测值的运转数据的组合>

这里,对制冷剂量指标值和用于推断正常时的制冷剂量指标值的预测值的运转数据的组合进行说明。例如,可以使用制冷剂量指标值(例1)和用于推断正常时的制冷剂量指标值的预测值的运转数据(例1)。另外,例如,可以使用制冷剂量指标值(例2)和用于推断正常时的制冷剂量指标值的预测值的运转数据(例1)。另外,例如,可以使用制冷剂量指标值(例3)和用于推断正常时的制冷剂量指标值的预测值的运转数据(例1)。

图6是用于说明本发明的一个实施方式的空调系统100、制冷剂量判定装置400以及学习装置500的关系的图。

如<实施例1>所示,制冷剂量判定装置400可以在与空调系统100相同的建物等内设置的计算机上进行安装。另外,学习装置500可以在离开空调系统100以及制冷剂量判定装置400的云服务器上进行安装。

如<实施例2>所示,制冷剂量判定装置400可以作为空调系统100的一部分进行安装(例如,设置于室外机200或室内机300内)。另外,学习装置500可以在离开空调系统100以及制冷剂量判定装置400的云服务器上进行安装。

如<实施例3>所示,制冷剂量判定装置400以及学习装置500可以在离开空调系统100的云服务器上进行安装。

如<实施例4>所示,制冷剂量判定装置400以及学习装置500可以作为空调系统100的一部分进行安装(例如,设置于室外机200或室内机300内)。

<学习装置的功能块>

图7是本发明的一个实施方式的学习装置500的功能框图。学习装置500可以包括教师数据取得部501、教师数据储存部502、以及学习部503。另外,学习装置500可以通过执行程序而作为教师数据取得部501、学习部503起作用。

教师数据取得部501取得教师数据。教师数据取得部501将取得的教师数据储存于教师数据储存部502中。教师数据是正常时(也就是说,空调系统100的制冷剂为适当量(以下,也称为适当制冷剂量)的时候)的运转数据以及制冷剂量指标值。

在教师数据储存部502中储存有教师数据。

作为学习数据,学习部503自处于制冷剂充填量适当且未产生制冷剂泄露、其他的故障的状态的空调系统100的正常时的运转数据仅抽出特别是具有与制冷剂量指标值较强关联的项目的数据,并且将各项目与制冷剂量指标值相关联地进行机器学习。所谓与制冷剂量指标值的关联较强的运转数据项目是例如外部气温、压缩机202的转速、过冷却热交换器的膨胀阀204的开度、以及压缩机202的电流值等。作为使用学习数据进行学习的结果,生成已学习模型。对于已学习模型,若输入由与学习数据相同的项目构成的別的测试数据,则对各项目与制冷剂量指标值的相关关系进行校正,输出测试数据取得时的空调系统100的制冷剂量指标值的预测值。需要说明的是,学习数据并非必须自想要预测制冷剂量指标值的空调系统的正常时的运转数据进行抽出,也可以自其他的空调系统的正常时的运转数据进行抽出,还可以自多个空调系统的正常时的运转数据进行抽出。另外,为了制作已学习模型,例如可以使用随机森林、支持向量机等的机器学习算法。

<使用制冷剂量指标值的制冷剂泄露判定>

以下,参照图9,对制冷剂量判定装置400的使用制冷剂量指标值的制冷剂泄露判定进行说明。

图9是用于说明本发明的一个实施方式的使用制冷剂量指标值的制冷剂泄露判定的图。图9的左侧示出了已学习模型对输入项目的影响进行了完全校正的情况,图9的右侧是已学习模型未完全对输入项目的影响进行校正的(即,已学习模型未对至少一部分的输入项目的影响进行校正。在图9的例子中,外部气温的校正不充分)情况。需要说明的是,在下述中,虽然以外部气温作为一个例子进行说明,但是校正不完全的输入项目可以为外部气温、压缩机的转速等的任意的项目。

<<输入项目的校正完全的情况>>

在图9的左侧(输入项目的校正完全的情况)中,若制冷剂未泄露,则现在的制冷剂量指标值(也就是说,计算的制冷剂量指标值)与正常时的制冷剂量指标值的预测值的差或比(在图9的例子中,设定为Δ制冷剂量指标值)为恒定值(例如,零附近的值)。如图9所示,若将横轴设定为外部气温,绘制月平均的Δ制冷剂量指标值,则Δ制冷剂量指标值的值自2018年4月至8月保持恒定地向右方向移动,在8月折返至11月为止保持恒定地向左方向移动。另外,Δ制冷剂量指标值的变迁(在图9的例子中,2018年的Δ制冷剂量指标值的变迁)与过去的Δ制冷剂量指标值的变迁(在图9的例子中为2017年的Δ制冷剂量指标值的变迁)一致。

若假定经过2018年8月后产生了制冷剂的泄露(图9的方形标记),则由于正常的话Δ制冷剂量指标值为零,因此仅通过Δ制冷剂量指标值变为负的值的9月、10月的单月的Δ制冷剂量指标值的值就能够判定制冷剂的泄露。

<<输入项目的校正不完全的情况>>

在图9的右侧(输入项目的校正不完全的情况)中,即使在制冷剂未泄露的情况下,若外部气温上升则Δ制冷剂量指标值的值降低。如图9所示,将横轴设定为外部气温,若绘制月平均的Δ制冷剂量指标值,则Δ制冷剂量指标值的值伴随外部气温的上升而自4月至8月降低,在8月折返,并且伴随外部气温的降低而上升至11月为止。相对于运转条件(在图9的例子中为外部气温)的变化的、现在的制冷剂量指标值(也就是说,计算的制冷剂量指标值)与正常时的制冷剂量指标值的预测值的差或比(在图9的例子中为Δ制冷剂量指标值)的变动存在再现性。因此,Δ制冷剂量指标值的变迁(在图9的例子中为2018年的Δ制冷剂量指标值的变迁)与过去的Δ制冷剂量指标值的变迁(在图9的例子中为2017年的Δ制冷剂量指标值的变迁)一致。

若假定经过2018年8月后产生了制冷剂的泄露(图9的方形标记),则由于Δ制冷剂量指标值受到外部气温的影响而变动,因此仅通过9月、10月的单月的Δ制冷剂量指标值的值不能够判定制冷剂的泄露。因此,通过将与判定时的运转条件(在图9的例子中为外部气温)接近的运转条件的过去(例如,2018年上半期、2017年)的Δ制冷剂量指标值和现在的Δ制冷剂量指标值进行比较来判定制冷剂的泄露。

也就是说,在输入项目的校正不完全的情况下,判定部404基于“计算部402计算的制冷剂量指标值”与“推断部403推断的正常时的制冷剂量指标值的预测值”的差或比、以及“根据取得用于计算制冷剂量指标值的运转数据时的运转条件和作为规定范围内的运转条件的过去的运转数据计算的制冷剂量指标值”与“推断部403推断的正常时的制冷剂量指标值的预测值”的差或比这两者,对空调系统的制冷剂量进行判定。需要说明的是,这样的使用过去的运转数据的判定可以单独实施,也可以在实施了不使用过去的运转数据的判定之后进行实施。

<制冷剂量的判定>

以下,对制冷剂量的判定的具体例子进行说明。如上所述,判定部404基于计算部402计算的制冷剂量指标值以及推断部403推断的正常时的制冷剂量指标值的预测值的差或比,对空调系统100的制冷剂量进行判定。

<<判定(例1)>>

判定部404可以基于计算部402计算的制冷剂量指标值与推断部403推断的正常时的制冷剂量指标值的预测值的差或比,对制冷剂自适当制冷剂量的增减的幅度(例如,制冷剂量的泄露的程度)进行判定。

<<判定(例2)>>

判定部404可以基于计算部402计算的制冷剂量指标值与推断部403推断的正常时的制冷剂量指标值的预测值的差或比、以及空调系统100的适当制冷剂量,对泄露量与制冷剂的适当量的比例(例如,总制冷剂量中的××％的制冷剂泄露)进行判定。需要说明的是,判定部404也可以设定为对制冷剂量(例如,现在的制冷剂量为××kg)进行判定的构成。

图10是用于说明本发明的一个实施方式的制冷剂量的判定的图。制冷剂量判定装置400事先存储图10那样的、制冷剂量指标值的变化量(也就是说,现在的制冷剂量指标值与正常时的制冷剂量指标值的预测值的差或比)与、泄露量与制冷剂的适当量的比例的对应关系。例如,设定总制冷剂量中的15％的制冷剂泄露时的制冷剂量指标值的变化量的平均值为2。如此,对于制冷剂量判定装置400,若制冷剂量指标值的变化量为2,则能够判定总制冷剂量中的15％的制冷剂泄露。

<处理方法>

以下,对本发明的一个实施方式的判定处理以及学习处理进行说明。

图11是本发明的一个实施方式的判定处理的流程图。

在步骤11(S11)中,运转数据取得部401自空调系统100的各种传感器(温度传感器、压力传感器等)取得空调系统100的运转数据。

在步骤12(S12)中,计算部402根据在S11中运转数据取得部401取得的运转数据,计算制冷剂量指标值。

在步骤13(S13)中,推断部403基于将正常时的运转数据与制冷剂量指标值相关联地进行学习的结果(已学习模型406),根据在S11中运转数据取得部401取得的运转数据,推断正常时的制冷剂量指标值的预测值。

需要说明的是,S12和S13的顺序可以相反。

在步骤14(S14)中,判定部404基于在S12中计算部402计算的制冷剂量指标值与在S13中推断部403推断的正常时的制冷剂量指标值的预测值的差或比,对空调系统100的制冷剂量进行判定。之后,输出部405可以输出判定部404判定的结果。

图12是本发明的一个实施方式的学习处理的流程图。

在步骤21(S21)中,教师数据取得部501取得教师数据(正常时的运转数据以及制冷剂量指标值)。教师数据取得部501将取得的教师数据储存于教师数据储存部502中。

在步骤22(S22)中,学习部503将正常时的运转数据与制冷剂量指标值相关联地进行机器学习。作为将正常时的运转数据与制冷剂量指标值相关联地进行学习的结果,生成已学习模型。

以下,对制冷剂量判定的各种实施方式进行说明。如下所述,推断部403可以使用运转数据取得部401取得的运转数据和计算部402计算的制冷剂量指标值的至少一者、以及已学习模型(也称为校正模型),推断与制冷剂量指标值的校正相关的信息。另外,判定部404可以基于与制冷剂量指标值的校正相关的信息,对空调系统100的制冷剂量进行判定。

被输入校正模型的数据可以仅是根据运转数据计算的制冷剂量指标值,可以仅是运转数据(需要说明的是,可以在校正模型中使用与制冷剂量指标值的计算相同的数据,也可以在校正模型中使用与制冷剂量指标值的计算不同的数据,还可以在校正模型使用与制冷剂量指标值的计算一部分共用的数据),也可以是制冷剂量指标值和运转数据这两者。

自校正模型输出的“与制冷剂量指标值的校正相关的信息”例如是校正后的制冷剂量指标值、制冷剂量指标值的校正后的存在范围、用于确定校正后的制冷剂量指标值的信息(例如,若将校正后的制冷剂量指标值设定为ym(t),则为线性校正式ym(t)＝a*y(t)+b的系数a、b)等。

图16是用于说明本发明的一个实施方式的制冷剂量判定装置400的图。在图16所示实施方式中,推断部403使用计算部402计算的制冷剂量指标值、以及校正模型,推断计算部402计算的制冷剂量指标值被校正后的制冷剂量指标值。另外,判定部404基于校正后的制冷剂量指标值,对空调系统100的制冷剂量进行判定。

具体而言,推断部403具有校正部403-1以及过去值(缓冲存储器功能)403-2。在过去值403-2中储存有过去的制冷剂量指标值(y(t-1)、···、y(t-m)、···)。过去的制冷剂量指标值附带有包括日期信息(何月何日的制冷剂量指标值的信息)的时刻的信息(t-1、···t-m、···)。校正部403-1自计算部402取得附带有包括日期信息的时刻的信息(t)的制冷剂量指标值(y(t)),并且使用取得的日期信息自过去值403-2取得过去的制冷剂量指标值(y(t-1)、y(t-2))。并且,校正部403-1将现在值设定为下式:

(数学式1)

同样使用取得的日期信息,自过去值403-2取得与(y(t)、y(t-1)、y(t-2))对应的前年的同时刻的数据,定义设定为下式的变量:

(数学式2)

这里,y*(t是y(t)的前年同时刻的制冷剂量指标值。可以将这样定义的Y(t)与Y*(t)的内积设定为制冷剂量指标值的校正值。也就是说,推断部403可以将y(t)、t-m(这里m＝2)为止的过去值y(t-1)、···、y(t-m)以及前年同时刻的过去值y*(t-1)、···、y*(t-m)输入校正模型,并且输出被校正后的制冷剂量指标值。通过使用这样的被校正后的制冷剂量指标值,如图16的图表所示,制冷剂的泄露的判定变得容易。

图17是用于说明本发明的一个实施方式的制冷剂量判定装置400的图。在图17所示实施方式中,运转数据包括第一运转数据和第二运转数据,第一运转数据与上述第二运转数据至少一部分不同,或者,第一运转数据与第二运转数据至少一部分相同。另外,计算部402根据第一运转数据计算制冷剂量指标值。另外,推断部403使用第二运转数据以及校正模型来推断制冷剂量指标值的校正后的存在范围。另外,判定部404基于计算部402计算的制冷剂量指标值、以及制冷剂量指标值的校正后存在范围,对空调系统100的制冷剂量进行判定。具体而言,判定部404对计算部402计算的制冷剂量指标值的现在值存在于推断部403推断的存在范围之中还是之外进行评价,从而判定制冷剂的泄露。需要说明的是,存在范围例如是上限/下限(正常的话a<y(t)<b以及异常的话p<y(t)<q这样的分布范围(a,b)以及(p,q)等)、分布模型、以及群(cluster)等。

<实施例1>

推断部403输出正常状态或异常状态(泄露状态)的制冷剂量指标值的预测分布。例如,设定为通过图17中所示那样的正态分布近似的预测分布(预测统计参数:μ0,σ0(通过校正模型校正后的分布的特性参数))以及实际的分布(实际的统计参数:μ,σ)。判定部404根据预测分布与实际的分布的相关性(例如,参数的偏离度的评价、在-3σ范围外的出现率的评价等),对冷剂的泄露进行判定。

<实施例2>

推断部403输出正常状态或异常状态(泄露状态)的制冷剂量指标值的预测群。例如,设定为图17所示那样的预测群(通过校正模型校正后的群)以及实际的群。判定部404根据预测群与实际的群的相关性,对制冷剂的泄露进行判定。

<实施例3>

需要说明的是,在<实施例1><实施例2>中,可以代替制冷剂量指标值的校正后存在范围,使用用于确定校正后的制冷剂量指标值的信息(例如,若将校正后的制冷剂量指标值设定为ym(t),则为线性校正式ym(t)＝a*y(t)+b的系数a、b)。

图18是用于说明本发明的一个实施方式的制冷剂量判定装置400的图。在图18所示实施方式中,运转数据包括第一运转数据和第二运转数据,第一运转数据与第二运转数据至少一部分不同,或者,第一运转数据和第二运转数据至少一部分相同。另外,计算部402根据第一运转数据计算制冷剂量指标值。另外,推断部403使用第二运转数据、计算部402计算的制冷剂量指标值、以及校正模型,推断计算部402计算的制冷剂量指标值被校正后的制冷剂量指标值。另外,判定部404基于校正后的制冷剂量指标值,对空调系统100的制冷剂量进行判定。具体而言,推断部403能够通过基于校正模型的校正,自制冷剂量指标值去除基于其他的原因的变动成分。以下,参照图19进行详细说明。

图19是用于说明本发明的一个实施方式的制冷剂量判定装置400的图。推断部403将计算部402计算的制冷剂量指标值y(t)和运转数据取得部401取得的运转数据x5(t)映射到y(t)-x5(t)平面上。在该平面上,定义有事先学习的正常状态的群和异常状态(泄露状态)的群。例如,x5设定为过冷却热交换器的膨胀阀的开度。制冷剂量指标值的校正值如下定义。

(1)点(y(t),x5(t))存在于正常状态的群的内部

制冷剂量指标值的校正值＝0

(2)点(y(t),x5(t))存在于正常状态的群和异常状态(泄露状态)的群的外部

制冷剂量指标值的校正值＝-L1/(L1+L2)

L1:正常状态的群边界至点的最短距离

L2:异常状态(泄露状态)的群边界至点的最短距离

(3)点(y(t),x5(t))存在于异常状态(泄露状态)的群的内部

制冷剂量指标值的校正值＝-1

图20是用于说明本发明的一个实施方式的制冷剂量判定装置400的图。在图20所示实施方式中,运转数据包括第一运转数据和第二运转数据,第一运转数据和第二运转数据至少一部分不同,或者,第一运转数据和第二运转数据至少一部分相同。另外,计算部402根据第一运转数据计算制冷剂量指标值。另外,推断部403使用第二运转数据、计算部402计算的制冷剂量指标值、以及校正模型,推断计算部402计算的制冷剂量指标值与根据第二运转数据预测的制冷剂量指标值的预测值的校正后的差或比。另外,判定部404基于校正后的差或比,对空调系统100的制冷剂量进行判定。如图20所示,可以通过校正模型预测正常值,并且设定制冷剂量指标值的校正值＝正常预测值-现在值。

需要说明的是,可以使用一个或多个种类的制冷剂量指标值、以及一个或多个种类的校正模型。例如,可以将图20的实施方式(使用制冷剂量指标值与预测值的校正后的差或比的情况)和图17的实施方式(使用制冷剂量指标值的校正后的存在范围的情况)进行组合(也就是说,制冷剂量指标值为一个种类且校正模型为两个种类)。另外,例如,可以将图20的实施方式(使用制冷剂量指标值与预测值的校正后的差或比的情况)和图18、19的实施方式(使用制冷剂量指标值被校正后的制冷剂量指标值的情况)组合(也就是说,制冷剂量指标值为一个种类且校正模型为两个种类。需要说明的是,制冷剂量指标值可以为多个种类)。另外,例如,作为图20的实施方式(使用制冷剂量指标值与预测值的校正后的差或比的情况)的变形,可以使用多个种类的制冷剂量指标值。

<<学习用数据集>>

校正模型是将正常时和异常时的至少一者(也就是说,仅正常状态、仅异常状态(泄露状态)、正常状态和异常状态(存在区別)、正常状态和异常状态(不存在区別))的运转数据与制冷剂量指标值相关联地进行学习的模型。

正常时和异常时的至少一者的运转数据包括实测数据和伪数据的至少一者(也就是说,仅实测数据、仅伪数据、实测数据以及伪数据)。由于在学习数据不足的情况、正常数据量和异常数据量不均匀的情况下,存在校正的精度变低的可能性,因此能够根据已有数据模拟地制作正常数据和异常数据来进行数据量的增加。

<<输出校正>>

制冷剂量判定装置400可以还包括用于对与制冷剂量指标值的校正相关的信息进行校正的输出校正部。

图21是用于说明本发明的一个实施方式的输出校正部的图。输出校正部可以对制冷剂量为设计值的情况的制冷剂量指标值与制冷剂量指标实测值的偏移量进行校正。例如,在大楼用多联空调机中,根据连通配管在现场追加填充。此时,由于产生追加填充量计算的误差、填充作业的误差,因此实际的充填量与设计充填量产生偏移。另外,制冷剂量指标值的差值以在设计充填量下为零的方式进行学习。因此,以设置之后制冷剂量指标值的差值为零的方式对偏移量进行校正。另外,在运用中因压缩机的交换等而调整制冷剂量时在修理前后产生偏移。因此,将修理后的SE等的输入作为触发器,对偏移量进行再校正。

另外,输出校正部可以通过判定初期充填量(偏移量)、制冷剂泄露速度(＝AI输出的变化率(需要说明的是,也将计算部402以及推断部403(包括校正模型406)称为AI(artificial intelligence)))等的AI输出特性,并且选择与其特性相应的最佳判定逻辑来削减误判定。另外,通过对初期充填量(偏移量)、制冷剂泄露速度(＝AI输出的变化率)等的AI输出特性进行判定,并且变更为与其特性相应的AI来削减误判定。例如,根据在AI-1的输出特性判定为气体欠缺倾向的物件情况下,可以变更为在气体欠缺倾向的物件下精度较高的AI-2。

<<输入校正>>

制冷剂量判定装置400可以进一步包括对运转数据进行校正的输入校正部。

图22以及图23是用于说明本发明的一个实施方式的输入校正部的图。输入校正部可以根据运转数据的数量使运转数据的取得间隔进行增减。例如,如图22所示,在运转数据也用于泄露检测之外的用途(其他的故障检测)的情况下,采样间隔决定为全部用途能够无障碍利用的水准。在原始数据以泄露检测所必须的等级以上的频率被供给的情况下,若利用全部数据则反而制冷剂量指标值的变动变大,处理变得困难。因此,可以拉长为对于泄露检测合适的数据间隔而进行利用。另外,例如,如图23所示,在原始数据为以1分钟间隔取得的分报数据且泄露检测利用将分报数据拉长为1小时一件的时报数据的情况下,将1天量的分报数据保存于缓冲存储器中,可以在拉长后的时报数据不足的情况下,利用原始的分报数据来增加数据数量。

另外,对于输入校正部,为了防止误判定,在运转时间较短、启停频率较高、室内机运转台数较少等的数据品质降低的情况下,可以将数据自AI输入排除。另外,输入校正部可以根据恒定时间内的数据的个数较少、外部气温较低、压缩机的频率较小等的特征,选择最佳的AI。

另外,输入校正部可以制作运转数据的伪数据。运转数据可以包括实测数据和伪数据的至少一者。

需要说明的是,制冷剂量判定装置400可以还包括上述输出校正部和上述的输入校正部。

<判定结果>

例如,输出部405可以将用于判定制冷剂量的数值(例如,制冷剂量指标值与预测值的校正后的差＝0、SC＝0.5)作为判定结果进行输出。也就是说,判定部404对自制冷剂量指标值去除变动、干扰的现在时刻的正確的趋势值进行判定。

另外,例如,输出部405可以将用于判定制冷剂量的类别(例如,泄露/正常、等级A/B/C)、或者用于判定制冷剂量的类别及其的可靠度(例如,泄露/可靠度85％)作为判定结果进行输出。也就是说,判定部404基于自制冷剂量指标值去除变动、干扰的值,对现在时刻的泄露状况的有无进行判定。

<判定结果的反馈>

如下所述,能够使判定结果进行反馈。

判定结果可以返回至判定部404。判定部404可以使用输出部405输出的判定结果进行判定。例如,判定部404可以以独自的逻辑进行1次判定,并且对其结果考虑自数据库参照的过去的类似条件下的判定结果,进行最终判定。另外,例如,判定部404可以在以初期设定实施泄露的检测后,根据恒定期间内的判定结果,以误判定减少正确率提高的方式对判定条件、阈值进行再调整(以后,可以以同样的方法定期进行再调整)。另外,如参照图9说明的那样,在输入项目的校正不完全的情况下,判定部404可以基于“计算部402计算的制冷剂量指标值”与“推断部403推断的正常时的制冷剂量指标值的预测值”的差或比、以及“根据取得用于计算制冷剂量指标值的运转数据时的运转条件和作为规定范围内的运转条件的过去的运转数据计算的制冷剂量指标值”与“推断部403推断的正常时的制冷剂量指标值的预测值”的差或比这两者,对空调系统的制冷剂量进行判定。

判定结果可以返回至已学习模型取得部407。已学习模型取得部407可以使用输出部405输出的判定结果来取得最佳校正模型。例如,已学习模型取得部407可以在以初期设定模型实施泄露的检测后,根据恒定期间内的判定结果,以误判定減少且正确率提高的方式对已学习模型进行再取得。

判定结果可以向学习部503进行反馈。在学习部503,可以使用输出部405输出的判定结果进行再学习。例如,学习部503可以在以初期设定模型实施泄露的检测后,根据恒定期间内的判定结果,以误判定減少且正确率提高的方式制作进行了再学习的模型。

判定结果可以向学习用数据集进行反馈。学习部503使用输出部405输出的判定结果来变更学习数据,从而使校正模型进行再学习。例如,学习部503可以在以初期设定模型实施泄露的检测后,根据恒定期间内的判定结果,以误判定减少且正确率提高的方式,变更学习用数据集来制作进行了再学习的模型。

<<外部数据>>

如上所述,虽然对于仅使用运转数据的情况进行了说明,但是可以使用运转数据和外部数据(例如,外置传感器数据、图像数据、空调系统100的设置状况数据)。

例如,校正模型时将外置传感器数据、运转数据以及制冷剂量指标相关联地进行学习的模型。运转数据取得部401进一步取得外置传感器数据。另外,推断部403使用取得的外置传感器数据、运转数据以及校正模型,推断与制冷剂量指标值的校正相关的信息。例如,外置传感器数据是温度/压力传感器的数据(未搭载对温度/压力数据进行测量的传感器的情况)。另外,例如,外置传感器数据是制冷剂气体泄露检测传感器的数据。另外,例如,外置传感器数据是振动传感器、加速度传感器的数据。

例如,校正模型是将图像数据、运转数据以及制冷剂量指标相关联地进行学习的模型。运转数据取得部401进一步取得图像数据。另外,推断部403使用取得的图像数据、运转数据以及校正模型,推断与制冷剂量指标值的校正相关的信息。图像数据是制冷剂泄露时出现变化的部位的图像数据。例如,图像数据是在自冷凝器出口至膨胀阀的液配管的途中设置的观测镜的图像数据(因制冷剂量降低而配管内成为饱和状态产生的气泡的产生状况的图像数据)。另外,例如,图像数据是向配管内注入荧光剂,并且一边向易产生泄露的部位照射黑光一边进行摄影的图像。另外,例如,图像数据是对暖气时室外机热交换器翅片表面的结霜状况进行摄影的图像。

例如,校正模型是将空调系统100的设置状况数据、运转数据以及制冷剂量指标相关联地进行学习的模型。运转数据取得部401进一步取得空调系统100的设置状况数据。另外,推断部403使用取得的设置状况数据、运转数据以及校正模型,推断与制冷剂量指标值的校正相关的信息。例如,空调系统100的设置状况数据是配管全长、主配管与分支配管的长度的比率、室外机和室内机的设置高低差、室内机构成(使室内机容积产生差异的构成)等。

另外,例如,空调系统100的设置状况数据是制冷剂的充填量。通过在模型制作时使用标准制冷剂量和制冷剂量不足状态的数据,可以根据运转数据来预测正常时以及泄露时的制冷剂量本身。

以上,虽然对实施方式进行了说明,但是应理解为可以不超过权利要求书的主旨及范围地对形态、详细内容进行多样的变更。

本国际申请要求基于2019年9月9日申请的日本国专利申请2019-163572号的优先权,并且在本国际申请中引用2019-163572号的全部内容。

附图标记说明

100:空调系统

200 室外机

201 室外热交换器

202 压缩机

203 过冷却热交换器

204 过冷却热交换器膨胀阀

205 室外机主膨胀阀

300 室内机

301 室内热交换器

302 室内热交换器膨胀阀

400 制冷剂量判定装置

201-1 室外热交换器(冷凝器)

201-2 室外热交换器(蒸发器)

300-1 暖气室内机

300-2 冷气室内机

401 运转数据取得部

402 计算部

403 推断部

403-1 校正部

403-2 过去值

404 判定部

405 输出部

406 已学习模型

407 已学习模型取得部

500 学习装置

501 教师数据取得部

502 教师数据储存部

503 学习部

1300 过冷却热交换器气体管

1400 降压变压器

1401 降压变压器用膨胀阀

1402 主膨胀阀

1403 冷凝器

1404 蒸发器

1500 中间注入用膨胀阀

1501 冷凝器

1502 蒸发器

Claims (37)

1.一种制冷剂量判定装置,包括:

运转数据取得部,其取得空调系统的运转数据；

计算部,其根据上述取得的运转数据,计算制冷剂量指标值；

推断部,其使用上述取得的运转数据和上述计算的制冷剂量指标值的至少一者以及校正模型,推断与制冷剂量指标值的校正相关的信息；以及

判定部,其基于上述与制冷剂量指标值的校正相关的信息,判定上述空调系统的制冷剂量。

2.根据权利要求1所述的制冷剂量判定装置,其中,

上述推断部使用上述计算的制冷剂量指标值以及上述校正模型,推断上述计算的制冷剂量指标值被校正后的制冷剂量指标值,

上述判定部基于上述被校正后的制冷剂量指标值,判定上述空调系统的制冷剂量。

3.根据权利要求1所述的制冷剂量判定装置,其中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据和上述计算的制冷剂量指标值以及上述校正模型,推断上述计算的制冷剂量指标值被校正后的制冷剂量指标值,

上述判定部基于上述校正后的制冷剂量指标值,判定上述空调系统的制冷剂量。

4.根据权利要求1所述的制冷剂量判定装置,其中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据以及上述校正模型,推断制冷剂量指标值的被校正后的存在范围,

上述判定部基于上述计算的制冷剂量指标值、以及上述制冷剂量指标值的校正后的存在范围,判定上述空调系统的制冷剂量。

5.根据权利要求1所述的制冷剂量判定装置,其中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据以及上述校正模型,推断用于确定上述计算的制冷剂量指标值被校正后的制冷剂量指标值的信息,

上述判定部基于上述计算的制冷剂量指标值、以及用于确定上述被校正后的制冷剂量指标值的信息,判定上述空调系统的制冷剂量。

6.根据权利要求1所述的制冷剂量判定装置,其中,

上述运转数据包括第一运转数据和第二运转数据,上述第一运转数据和上述第二运转数据至少一部分不同,或者,上述第一运转数据和上述第二运转数据至少一部分相同,

上述计算部根据上述第一运转数据计算制冷剂量指标值,

上述推断部使用上述第二运转数据和上述计算的制冷剂量指标值以及上述校正模型,推断上述计算的制冷剂量指标值与根据上述第二运转数据预测的制冷剂量指标值的预测值的被校正后的差或比,

上述判定部基于上述被校正后的差或比,判定上述空调系统的制冷剂量。

7.根据权利要求2至6中任一项所述的制冷剂量判定装置,其中,

使用一个或多个种类的制冷剂量指标值以及一个或多个种类的校正模型。

8.根据权利要求1至7中任一项所述的制冷剂量判定装置,其中,

上述校正模型是将正常时和异常时的至少一者的运转数据与制冷剂量指标值相关联地进行学习后的模型。

9.根据权利要求8所述的制冷剂量判定装置,其中,

上述正常时和异常时的至少一者的运转数据包括实测数据和伪数据的至少一者。

10.根据权利要求1至9中任一项所述的制冷剂量判定装置,其中,

还包括输出校正部,其对上述与制冷剂量指标值的校正相关的信息进行校正。

11.根据权利要求10所述的制冷剂量判定装置,其中,

上述输出校正部对制冷剂量为设计值的情况的制冷剂量指标值与制冷剂量指标实测值的偏移量进行校正。

12.根据权利要求1至9中任一项所述的制冷剂量判定装置,其中,

还包括输入校正部,其对上述运转数据进行校正。

13.根据权利要求12所述的制冷剂量判定装置,其中,

上述输入校正部根据上述运转数据的数量,使上述运转数据的取得间隔进行增减。

14.根据权利要求12所述的制冷剂量判定装置,其中,

上述运转数据包括实测数据和伪数据的至少一者,

上述输入校正部制作上述运转数据的伪数据。

15.根据权利要求1至9中任一项所述的制冷剂量判定装置,其中,

还包括对上述与制冷剂量指标值的校正相关的信息进行校正的输出校正部、以及对上述运转数据进行校正的输入校正部。

16.根据权利要求1至15中任一项所述的制冷剂量判定装置,其中,

还包括输出部,其输出用于判定上述制冷剂量的数值、用于判定上述制冷剂量的类别、以及用于判定上述制冷剂量的类别及其可靠度中的任一判定结果。

17.根据权利要求16所述的制冷剂量判定装置,其中,

上述判定部使用上述输出部输出的判定结果进行判定。

18.根据权利要求16所述的制冷剂量判定装置,其中,

还包括已学习模型取得部,其取得作为将运转数据与制冷剂量指标值相关联地进行学习后的结果的校正模型。

19.根据权利要求18所述的制冷剂量判定装置,其中,

上述已学习模型取得部使用上述输出部输出的判定结果来取得最佳校正模型。

20.根据权利要求16所述的制冷剂量判定装置,其中,

还包括学习部,其将运转数据与制冷剂量指标值相关联地进行学习。

21.根据权利要求20所述的制冷剂量判定装置,其中,

在上述学习部,使用上述输出部输出的判定结果进行再学习。

22.根据权利要求20所述的制冷剂量判定装置,其中,

上述学习部使用上述输出部输出的判定结果来变更学习数据,使校正模型进行再学习。

23.根据权利要求1至22中任一项所述的制冷剂量判定装置,其中,

上述校正模型是将外置传感器数据、运转数据、以及制冷剂量指标相关联地进行学习后的模型,

上述运转数据取得部还取得外置传感器数据,

上述推断部使用上述取得的外置传感器数据、运转数据、以及校正模型,推断上述与制冷剂量指标值的校正相关的信息。

24.根据权利要求1至22中任一项所述的制冷剂量判定装置,其中,

上述校正模型是将图像数据、运转数据、以及制冷剂量指标相关联地进行学习后的模型,

上述运转数据取得部还取得图像数据,

上述推断部使用上述取得的图像数据、运转数据、以及校正模型,推断上述与制冷剂量指标值的校正相关的信息。

25.根据权利要求1至22中任一项所述的制冷剂量判定装置,其中,

上述校正模型是将上述空调系统的设置状况数据、运转数据、以及制冷剂量指标相关联地进行学习后的模型,

上述运转数据取得部还取得上述空调系统的设置状况数据,

上述推断部使用上述取得的设置状况数据、运转数据、以及校正模型,推断上述与制冷剂量指标值的校正相关的信息。

26.根据权利要求1至25中任一项所述的制冷剂量判定装置,其中,

上述运转数据包括外部气温、压缩机的转速、过冷却热交换器的膨胀阀的开度、以及压缩机的电流值中的至少一者。

27.根据权利要求1至26中任一项所述的制冷剂量判定装置,其中,

上述制冷剂量指标值包括室外热交换器出口过冷却度、压缩机的吸入过热度、上述压缩机的排出过热度、以及基于上述室外热交换器出口过冷却度或上述压缩机的吸入过热度或上述压缩机的排出过热度的值中的至少一者。

28.根据权利要求1至27中任一项所述的制冷剂量判定装置,其中,

上述制冷剂量指标值包括过冷却热交换器出口过冷却度和基于上述过冷却热交换器出口过冷却度的值中的至少一者。

29.根据权利要求1至26中任一项所述的制冷剂量判定装置,其中,

上述制冷剂量指标值包括室内热交换器出口过冷却度和基于上述室内热交换器出口过冷却度的值中的至少一者,上述室内热交换器出口过冷却度是多个室内热交换器的过冷却度中的至少一者、多个室内热交换器的过冷却度的平均值、以及在多个室内热交换器的室内侧合流点或室外侧合流点的过冷却度中的任一者。

30.根据权利要求27或28所述的制冷剂量判定装置,其中,

上述制冷剂量指标值是冷暖同时运转机中的暖气运转模式的室内热交换器出口过冷却度与在上述冷暖同时运转机中的室外热交换器中作为冷凝器起作用的部分的出口过冷却度的组合。

31.根据权利要求1至30中任一项所述的制冷剂量判定装置,其中,

上述运转数据包括室内机膨胀阀开度、室外机主膨胀阀开度、运转中或运转待机中的室内机额定能力的合计值、室内机运转台数、室内机能力(冷气或暖气)、室内机吹出温度、室温、冷凝温度、蒸发温度、室外机液体截止阀连接配管制冷剂温度、液体连通配管制冷剂温度、室外机风扇风量、室内机风扇风量、室外机风扇转速(档、抽头)、室内机风扇转速(档、抽头)、室外机风扇电流值、室内机风扇电流值、制冷剂循环量、压缩机排出温度、压缩机吸入温度、压缩机排出过热度、压缩机吸入过热度、过冷却热交出口过冷却度、过冷却热交出口过热度(气体管侧)、降压变压器出口过冷却度、降压变压器用膨胀阀开度、降压变压器旁通侧出口压力、中间注入用膨胀阀开度、中间注入温度、中间注入压力、蒸发器入口水温、蒸发器出口水温、冷凝器入口水温、以及冷凝器出口水温中的至少一者。

32.根据权利要求29或30所述的制冷剂量判定装置,其中,

上述运转数据包括除霜次数和除霜时间中的至少一者。

33.根据权利要求1至32中任一项所述的制冷剂量判定装置,其中,

上述判定部基于上述计算的制冷剂量指标值与上述推断的正常时的制冷剂量指标值的预测值的差或比、以及根据取得用于计算上述制冷剂量指标值的运转数据时的运转条件和作为规定的范围内的运转条件的过去的运转数据计算的制冷剂量指标值与上述推断的正常时的制冷剂量指标值的预测值的差或比这两者,判定上述空调系统的制冷剂量。

34.根据权利要求33所述的制冷剂量判定装置,其中,

上述运转条件是外部气温。

35.根据权利要求1至34中任一项所述的制冷剂量判定装置,其中,

上述判定部基于上述计算的制冷剂量指标值与上述推断的正常时的制冷剂量指标值的预测值的差或比,判定上述空调系统的制冷剂的泄露量与适当量的比例。

36.一种方法,包括:

取得步骤,其取得空调系统的运转数据；

计算步骤,其根据上述取得的运转数据,计算制冷剂量指标值；

校正步骤,其使用上述取得的运转数据以及校正模型,对制冷剂量指标进行校正；以及

判定步骤,其基于上述被校正后的制冷剂量指标,判定上述空调系统的制冷剂量。

37.一种程序,其使制冷剂量判定装置作为以下各部起作用:

运转数据取得部,其取得空调系统的运转数据；

计算部,其根据上述取得的运转数据,计算制冷剂量指标值；

推断部,其使用上述取得的运转数据以及校正模型,对制冷剂量指标进行校正；以及

判定部,其基于上述被校正后的制冷剂量指标,判定上述空调系统的制冷剂量。

Images