CN114543278B - 空调室温控制方法及装置 - Google Patents
空调室温控制方法及装置 Download PDFInfo
- Publication number
- CN114543278B CN114543278B CN202210233853.4A CN202210233853A CN114543278B CN 114543278 B CN114543278 B CN 114543278B CN 202210233853 A CN202210233853 A CN 202210233853A CN 114543278 B CN114543278 B CN 114543278B
- Authority
- CN
- China
- Prior art keywords
- temperature
- support vector
- vector machine
- machine model
- pipe network
- 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 44
- 238000012706 support-vector machine Methods 0.000 claims abstract description 108
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 9
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 230000001105 regulatory effect Effects 0.000 abstract description 8
- 230000001276 controlling effect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- F24F11/47—Responding to energy costs
-
- 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
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
-
- 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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
- F24F2110/12—Temperature of the outside air
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/20—Heat-exchange fluid temperature
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
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)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供了一种空调室温控制方法及装置，上述方法包括：获取在第一时刻的第一室内温度和第一室外温度；将第一室内温度和第一室外温度输入第一支持向量机模型，得到第一支持向量机模型预估的第一管网回水温度，其中，第一支持向量机模型是使用第一历史数据集合训练得到的，第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，第一时刻位于第一时间范围之后；根据第一管网回水温度调节目标设备。通过本发明，解决了空调温度控制过程中的能源消耗的问题，达到了提高空调节能的效果。
Description
技术领域
本发明实施例涉及综合能源技术领域，具体而言，涉及一种空调室温控制方法及装置。
背景技术
综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。
综合能源系统是多能源网与互联网深度融合的产物，通过建设电、热、冷和气等多种能源形式并存的供给、传输、分配和利用系统，提升多种能源的综合利用率。通过对能源的产生、传输与分配（能源网络）、转换、存储、消费等环节进行有机协调与优化后，形成的能源产供销一体化系统。它主要由供能网络（如供电、供气、供冷/热等网络）、能源交换环节（如CCHP机组、发电机组、锅炉、空调、热泵等）、能源存储环节（储电、储气、储热、储冷等）、终端综合能源供用单元（如微网）和大量终端用户共同构成。
作为综合能源系统子系统的空调控制系统，以满足各房间、办公区等区域空气质量要求、温湿度要求，系统稳定性、操作性为首要目标，依据空调及楼宇控制的要求，保证房间的温湿度必须控制在规定范围内，在选定的房间内安装高精度的温、湿度传感器，压差传感器，电动调节阀，风阀执行器等，对表冷阀、加湿阀、新风执行器进行控制，同时将检测信号上传至中央控制室，对系统进行集中优化控制。
现有技术中，常规空调控制采用参数不变的控制模式，在目标室温不变的情况下，空调的各控制参数不改变，采用参数不变的控制模式，空调在任何环境下都使用相同的控制参数，会增大空调的能源消耗。
针对现有技术中空调温度控制过程中的能源消耗的问题，目前尚未存在有效的解决方案。
发明内容
本发明实施例提供了一种空调室温控制方法及装置，以至少解决相关技术中空调温度控制过程中的能源消耗的问题。
根据本发明的一个实施例，提供了一种空调室温控制方法，包括：获取在第一时刻的第一室内温度和第一室外温度；将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；根据所述第一管网回水温度调节目标设备。
在一个示例性实施例中，在所述得到所述第一支持向量机模型预估的第一管网回水温度之后，所述方法还包括：获取在第二时间范围内的室内温度、室外温度和对应的实际管网回水温度，得到第二历史数据集合，其中，所述第二时间范围是所述第一时间范围之后的时间范围；使用所述第一历史数据集合和所述第二历史数据集合对所述第一支持向量机模型进行训练更新，得到第二支持向量机模型。
在一个示例性实施例中，在所述得到第二支持向量机模型之后，所述方法还包括：获取在第二时刻的第二室内温度和第二室外温度，其中，所述第二时刻位于所述第二时间范围之后；将所述第二室内温度和所述第二室外温度输入所述第二支持向量机模型，得到所述第二支持向量机模型预估的第二管网回水温度；根据所述第二管网回水温度调节目标设备。
在一个示例性实施例中，根据所述第一管网回水温度调节目标设备，包括：根据所述第一管网回水温度调节所述目标设备的以下至少之一参数：所述目标设备的阀门开度、所述目标设备的制冷器进水量、所述目标设备的换热器进水量。
在一个示例性实施例中，根据所述第一管网回水温度调节目标设备，还包括：在所述目标设备处于制冷状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的制冷器进水量；在所述目标设备处于制热状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的换热器进水量。
在一个示例性实施例中，将所述第一室内温度和所述第一室外温度输入第一支持向量机模型之前，所述方法还包括：获取所述第一历史数据集合；使用所述第一历史数据集合对原始支持向量机模型进行训练，得到所述第一支持向量机模型，其中，所述第一支持向量机模型预估的管网回水温度与所述第一历史数据集合中对应的实际管网回水温度之间的损失值小于或等于预设阈值。
根据本发明的另一个实施例，提供了一种空调室温控制装置，包括：第一获取模块，用于获取在第一时刻的第一室内温度和第一室外温度；第一预估模块，用于将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；第一调节模块，用于根据所述第一管网回水温度调节目标设备。
根据本发明的另一个实施例，提供了一种空调室温控制系统，包括：数据采集模块，用于采集室内温度、室外温度，以及所述目标设备的管网回水温度；中央控制模块，用于将第一室内温度和第一室外温度输入第一支持向量机模型，通过所述第一支持向量机模型预估第一管网回水温度；指令传输模块，用于向所述目标设备发送控制指令，以根据所述第一管网回水温度对所述目标设备进行调节。
根据本发明的又一个实施例，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中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于通过历史数据得到更新后的支持向量机模型，得到室内温度、室外温度，管网回水温度之间的函数关系模型，以控制室温到第一室内温度为控制目标，结合当前第一时刻的室外温度，预测网管回水温度，从而实时调节网管回水温度，因此，可以实现以舒适室温为控制目标的实时调节控制，解决了空调温度控制过程中的能源消耗的问题，达到了提高空调节能的效果。
附图说明
图1是本发明实施例的一种空调室温控制方法的移动终端的硬件结构框图；
图2是根据本发明实施例的空调室温控制的流程图；
图3是根据本发明实施例的优选的空调室温控制的流程图；
图4是根据本发明实施例的空调室温控制装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是，本发明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。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种空调室温控制方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的空调室温控制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种空调室温控制方法，图2是根据本发明实施例的空调室温控制的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取在第一时刻的第一室内温度和第一室外温度；
在本实施例中，第一室内温度为预先设置的室内温度的调节目标，以舒适室温为调节目标，舒适温度是指某一环境在给定人体活动量、衣着热阻值及环境温度的条件下满足舒适要求的当量温度，亦即人体感觉最舒适的温度，夏季，人们感到最舒适的室内温度是19—24℃，冬季，人们感到最舒适的室内温度是是17—22℃，可以预先设置调节室内温度至21℃，即第一室内温度为21℃。第一室外温度为第一时刻上有采集数据的传感器采集的当前时刻上的实际室外温度，采集第一室外温度由安装在室外的温度传感器完成。
步骤S204，将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；
在本实施例中，在运行过程中，目标设备会记录下室内温度、室外温度，以及对应的实际管网回水温度，将记录到的数据计入到历史数据集合中，在第一时刻对空调进行调节时，获取第一时刻之前第一时间范围的第一历史数据集合，其中第一时间范围可以为第一时刻之前所有的时间，也可以为第一时刻之前的一段时间（例如两天），例如，可以为空调自安装以来到第一时刻之前的时间范围，也可以为第一时刻之前的两天之内，那么第一历史数据集合可以为空调自安装记录的数据，也可以为第一时刻之间的两天内记录的数据。通过支持向量机对第一历史数据集合中的数据进行训练，得到室内温度、室外温度，以及对应的管网回水温度之间的函数关系，即第一支持向量机模型。将第一室内温度和第一室外温度输入第一支持向量机模型，可以得到对应的第一管网回水温度。
步骤S206，根据所述第一管网回水温度调节目标设备。
在本实施例中，在确定第一管网回水温度后，通过调节目标设备，可以使目标设备的实际管网温度达到第一管网回水温度，从而控制室内的温度达到预先设置的第一室内温度。
举例来说，管网回水温度T与室内温度Y、室外温度X的函数关系模型为：T= svm(X,Y)，其中svm为根据第一历史数据集合训练得到的支持向量机函数模型，以冬天为例，设置目标的室内温度（第一室内温度）Y1=21℃，此时室外温度（第二室内温度）为X1=0℃，将X1和Y1输入到T= svm(X,Y)，计算出对应的第一管网回水温度，可以预测如果在获取当前室外温度的情况下，要使室内温度达到预设设置的温度，需要使空调的管网回水温度达到第一管网回水温度。
需要说明的是，空调运行时改变室内温度，在运行过程中，调节空调改变空调的管网温度，即可改变室内温度。
通过上述步骤，以控制室内温度至第一室内温度为控制目标，根据第一室内温度和第一室外温度，结合第一支持向量机模型，预测第一管网回水温度，根据第一管网回水温度实时调节目标设备的控制参数使目标设备的管网回水温度至第一管网回水温度，解决了空调温度控制过程中的能源消耗的问题，提高了空调的节能效果。
在一个示例性实施例中，在所述得到所述第一支持向量机模型预估的第一管网回水温度之后，所述方法还包括：获取在第二时间范围内的室内温度、室外温度和对应的实际管网回水温度，得到第二历史数据集合，其中，所述第二时间范围是所述第一时间范围之后的时间范围；使用所述第一历史数据集合和所述第二历史数据集合对所述第一支持向量机模型进行训练更新，得到第二支持向量机模型。
在本实施例中，在得到所述第一支持向量机模型预估的第一管网回水温度之后，可以根据空调再次运行时记录的数据对支持向量机模型进行更新。获取室内温度、室外温度和对应的实际管网回水温度，得到第二历史数据集合，第二历史数据集合是在第一时刻之后的第二时间范围获取的，在获取第二历史数据集合后结合第一历史数据集合重新训练支持向量机模型，从而得到第二支持向量机模型，其中第二时间范围相较于第一时间范围来说比较短，可以为10分钟或5分钟。
需要说明的是，随着运行时长的增长，空调的性能可能会发生变化，从而使实际的室内温度、室外温度，以及对应的管网回水温度的关系可能会发生变化，如果一直使用同一支持向量机模型，支持向量机不能准确的预测出管网回水温度，会导致控制室温的效果变差，造成更多的能源消耗。而在本实施例中，在调节了目标设备之后，再获取调节后的数据，对支持向量机模型进行更新，使训练模型中的数据样本更多，从而预测的支持向量机模型也更精确。
在一个示例性实施例中，在所述得到第二支持向量机模型之后，所述方法还包括：获取在第二时刻的第二室内温度和第二室外温度，其中，所述第二时刻位于所述第二时间范围之后；将所述第二室内温度和所述第二室外温度输入所述第二支持向量机模型，得到所述第二支持向量机模型预估的第二管网回水温度；根据所述第二管网回水温度调节目标设备。
在本实施例中，第二时刻位于所述第二时间范围之后，即第二时刻在对支持向量机模型更新之后，获取第二时刻的第二室内温度和第二室外温度，第二室内温度为预先设置的室内温度的调节目标，第二室外温度为当前时刻（第二时刻）上的实际室外温度，结合更新后得到的第二支持向量机模型预估第二管网回水温度，通过调节目标设备，可以使目标设备的实际管网温度达到第二管网回水温度，从而控制室内的温度达到预先设置的第二室内温度。
在本实施例中根据更新后的支持向量机模型预估管网回水温度，使预估的管网回水温度更加精准，利用回水温度与室温的函数关系，实时动态调节管网回水温度，与管网回水温度不变的常规控制模式相比，更能降低空调能源消耗。
在一个示例性实施例中，根据所述第一管网回水温度调节目标设备，包括：根据所述第一管网回水温度调节所述目标设备的以下至少之一参数：所述目标设备的阀门开度、所述目标设备的制冷器进水量、所述目标设备的换热器进水量。
在本实施例中，目标设备的管网回水温度由以下至少之一的参数决定：目标设备的阀门开度、制冷器进水量和换热器进水量。通过调节上述参数可以达到调节管网回水温度。
在一个示例性实施例中，根据所述第一管网回水温度调节目标设备，还包括：在所述目标设备处于制冷状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的制冷器进水量；在所述目标设备处于制热状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的换热器进水量。
在本实施例中，在空调处于制冷状态时，换热器是不工作的，无需调节换热器的进水量，在制热状态处于时，制冷器是不工作的，无需调节制冷器的进水量。
在一个示例性实施例中，将所述第一室内温度和所述第一室外温度输入第一支持向量机模型之前，所述方法还包括：获取所述第一历史数据集合；使用所述第一历史数据集合对原始支持向量机模型进行训练，得到所述第一支持向量机模型，其中，所述第一支持向量机模型预估的管网回水温度与所述第一历史数据集合中对应的实际管网回水温度之间的损失值小于或等于预设阈值。
在本实施例中，将所述第一室内温度和所述第一室外温度输入第一支持向量机模型之前，要对支持向量机模型进行训练，对支持向量机模型训练过程即确定支持向量机参数的过程，在训练过程中，调节模型参数，通过第一历史数据集合中的室内温度和室外温度预估管网回水温度，直到预估的管网回水温度和实际对应的管网回水温度之间的损失值小于或等于预设阈值，确定当前模型参数为第一支持向量机模型的参数。
需要说明的是，原始支持向量机模型可以是最开始的支持向量机模型，也可以为上一次更新得到的支持向量机模型，支持向量机数据训练算法采用SVM开源工具包LIBSVM，LIBSVM包含标准SVM算法、概率输出、支持向量回归、多分类SVM等功能。
基本实现过程如下：
第一步：读历史记录数据管网回水温度T与室内温度Y、室外温度X，将T、X、Y转换成SVM训练提取数据格式；
第二步：用历史数据，训练T、X、Y的SVM模型参数；
第三步：训练结果SVM模型保存。
显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。
下面结合实施例对本发明进行具体说明：
图3是根据本发明实施例的优选的空调室温控制的流程图，如图3所示，包括：
步骤301：采集室内温度、室外温度, 管网回水温度，采集的数据作为历史数据，作为训练支持向量机模型的样本数据；
步骤302：根据历史数据训练支持向量机模型；
步骤303： 以室温为调节目标结合支持向量机模型计算管网回水温度；输入目标室温和当前室外温度至支持向量机模型，预估管网回水温度；
步骤304：根据管网回水温度调节目标设备，根据预估的管网回水温度计算目标设备的控制参数，调节目标设备的控制参数。
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根据上述实施例的方法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，但很多情况下前者是更佳的实施方式。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（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
在本实施例中还提供了一种空调室温控制装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的空调室温控制装置的结构框图，如图4所示，该装置包括：
第一获取模块42，用于获取在第一时刻的第一室内温度和第一室外温度；第一预估模块44，用于将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；第一调节模块46，用于根据所述第一管网回水温度调节目标设备。
在一个示例性实施例中，上述装置还包括：第二获取模块，用于获取在第二时间范围内的室内温度、室外温度和对应的实际管网回水温度，得到第二历史数据集合，其中，所述第二时间范围是所述第一时间范围之后的时间范围；更新单元，用于使用所述第一历史数据集合和所述第二历史数据集合对所述第一支持向量机模型进行训练更新，得到第二支持向量机模型。
在一个示例性实施例中，上述装置还包括：第三获取模块，用于获取在第二时刻的第二室内温度和第二室外温度，其中，所述第二时刻位于所述第二时间范围之后；第二预估模块，用于将所述第二室内温度和所述第二室外温度输入所述第二支持向量机模型，得到所述第二支持向量机模型预估的第二管网回水温度；第二调节模块，用于根据所述第二管网回水温度调节目标设备。
在一个示例性实施例中，上述第一调节模块包括：调节单元，用于根据所述第一管网回水温度调节所述目标设备的以下至少之一参数：所述目标设备的阀门开度、所述目标设备的制冷器进水量、所述目标设备的换热器进水量。
在一个示例性实施例中，上述第一调节模块通过以下方式调节目标设备：在所述目标设备处于制冷状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的制冷器进水量；在所述目标设备处于制热状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的换热器进水量。
在一个示例性实施例中，上述装置还包括：第四获取模块，用于获取所述第一历史数据集合；训练模块，用于使用所述第一历史数据集合对原始支持向量机模型进行训练，得到所述第一支持向量机模型，其中，所述第一支持向量机模型预估的管网回水温度与所述第一历史数据集合中对应的实际管网回水温度之间的损失值小于或等于预设阈值。
本发明的实施例还提供一种空调室温控制系统，包括：数据采集模块，用于采集室内温度、室外温度，以及所述目标设备的管网回水温度；中央控制模块，用于将第一室内温度和第一室外温度输入第一支持向量机模型，通过所述第一支持向量机模型预估第一管网回水温度；指令传输模块，用于向所述目标设备发送控制指令，以根据所述第一管网回水温度对所述目标设备进行调节。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在本实施例中，上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取在第一时刻的第一室内温度和第一室外温度；
S2，将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；
S3，根据所述第一管网回水温度调节目标设备。
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器（Read-Only Memory，简称为ROM）、随机存取存储器（Random Access Memory，简称为RAM）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
在一个示例性实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取在第一时刻的第一室内温度和第一室外温度；
S2，将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；
S3，根据所述第一管网回水温度调节目标设备。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种空调室温控制方法，其特征在于，包括：
获取在第一时刻的第一室内温度和第一室外温度，所述第一室内温度为预先设置的室内温度的调节目标；
将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；
根据所述第一管网回水温度调节目标设备；
其中，在所述得到所述第一支持向量机模型预估的第一管网回水温度之后，所述方法还包括：
获取在第二时间范围内的室内温度、室外温度和对应的实际管网回水温度，得到第二历史数据集合，其中，所述第二时间范围是所述第一时间范围之后的时间范围；
使用所述第一历史数据集合和所述第二历史数据集合对所述第一支持向量机模型进行训练更新，得到第二支持向量机模型；
其中，在所述得到第二支持向量机模型之后，所述方法还包括：
获取在第二时刻的第二室内温度和第二室外温度，其中，所述第二时刻位于所述第二时间范围之后，所述第二室内温度为预先设置的室内温度的调节目标；
将所述第二室内温度和所述第二室外温度输入所述第二支持向量机模型，得到所述第二支持向量机模型预估的第二管网回水温度；
根据所述第二管网回水温度调节目标设备；
其中，所述将所述第一室内温度和所述第一室外温度输入第一支持向量机模型之前，所述方法还包括：
获取所述第一历史数据集合；
使用所述第一历史数据集合对原始支持向量机模型进行训练，得到所述第一支持向量机模型，其中，所述第一支持向量机模型预估的管网回水温度与所述第一历史数据集合中对应的实际管网回水温度之间的损失值小于或等于预设阈值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一管网回水温度调节目标设备，包括：
根据所述第一管网回水温度调节所述目标设备的以下至少之一参数：所述目标设备的阀门开度、所述目标设备的制冷器进水量、所述目标设备的换热器进水量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一管网回水温度调节目标设备，还包括：
在所述目标设备处于制冷状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的制冷器进水量；
在所述目标设备处于制热状态的情况下，调节所述目标设备的阀门开度和/或所述目标设备的换热器进水量。
4.一种空调室温控制装置，其特征在于，包括：
第一获取模块，用于获取在第一时刻的第一室内温度和第一室外温度，所述第一室内温度为预先设置的室内温度的调节目标；
第一预估模块，用于将所述第一室内温度和所述第一室外温度输入第一支持向量机模型，得到所述第一支持向量机模型预估的第一管网回水温度，其中，所述第一支持向量机模型是使用第一历史数据集合训练得到的，所述第一历史数据集合包括在第一时间范围内采集的室内温度、室外温度，以及对应的实际管网回水温度，所述第一时刻位于所述第一时间范围之后；
第一调节模块，用于根据所述第一管网回水温度调节目标设备；
其中，所述装置还用于在所述得到所述第一支持向量机模型预估的第一管网回水温度之后，获取在第二时间范围内的室内温度、室外温度和对应的实际管网回水温度，得到第二历史数据集合，其中，所述第二时间范围是所述第一时间范围之后的时间范围；使用所述第一历史数据集合和所述第二历史数据集合对所述第一支持向量机模型进行训练更新，得到第二支持向量机模型；
在所述得到第二支持向量机模型之后，获取在第二时刻的第二室内温度和第二室外温度，其中，所述第二时刻位于所述第二时间范围之后，所述第二室内温度为预先设置的室内温度的调节目标；将所述第二室内温度和所述第二室外温度输入所述第二支持向量机模型，得到所述第二支持向量机模型预估的第二管网回水温度；根据所述第二管网回水温度调节目标设备；
将所述第一室内温度和所述第一室外温度输入第一支持向量机模型之前，获取所述第一历史数据集合；使用所述第一历史数据集合对原始支持向量机模型进行训练，得到所述第一支持向量机模型，其中，所述第一支持向量机模型预估的管网回水温度与所述第一历史数据集合中对应的实际管网回水温度之间的损失值小于或等于预设阈值。
5.一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中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至3任一项中所述的方法的步骤。
6.一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述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所述权利要求1至3任一项中所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210233853.4A CN114543278B (zh) | 2022-03-09 | 2022-03-09 | 空调室温控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210233853.4A CN114543278B (zh) | 2022-03-09 | 2022-03-09 | 空调室温控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114543278A CN114543278A (zh) | 2022-05-27 |
| CN114543278B true CN114543278B (zh) | 2024-01-09 |
Family
ID=81663582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210233853.4A Active CN114543278B (zh) | 2022-03-09 | 2022-03-09 | 空调室温控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114543278B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR950001227A (ko) * | 1993-06-25 | 1995-01-03 | 김광호 | 신경회로망을 이용한 공조 시스템 |
| CN109654665A (zh) * | 2018-12-14 | 2019-04-19 | 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 |
| CN110986306A (zh) * | 2019-11-30 | 2020-04-10 | 远景智能国际私人投资有限公司 | 基于机器学习的室温调节的方法、装置、设备及存储介质 |
| CN111520812A (zh) * | 2020-05-13 | 2020-08-11 | 济南普赛通信技术有限公司 | 一种供热住户室温估测方法及系统 |
| CN112413716A (zh) * | 2020-11-02 | 2021-02-26 | 西藏中环热力技术有限公司 | 一种基于人工智能物联网的阀门调节方法及系统 |
| CN113065249A (zh) * | 2021-03-29 | 2021-07-02 | 北京市公用事业科学研究所 | 一种供热系统供回水温度预测方法及装置 |
Family Cites Families (2)
| 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 |
| WO2018232147A1 (en) * | 2017-06-15 | 2018-12-20 | Johnson Controls Technology Company | Building management system with artificial intelligence for unified agent based control of building subsystems |
-
2022
- 2022-03-09 CN CN202210233853.4A patent/CN114543278B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR950001227A (ko) * | 1993-06-25 | 1995-01-03 | 김광호 | 신경회로망을 이용한 공조 시스템 |
| CN109654665A (zh) * | 2018-12-14 | 2019-04-19 | 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 |
| CN110986306A (zh) * | 2019-11-30 | 2020-04-10 | 远景智能国际私人投资有限公司 | 基于机器学习的室温调节的方法、装置、设备及存储介质 |
| CN111520812A (zh) * | 2020-05-13 | 2020-08-11 | 济南普赛通信技术有限公司 | 一种供热住户室温估测方法及系统 |
| CN112413716A (zh) * | 2020-11-02 | 2021-02-26 | 西藏中环热力技术有限公司 | 一种基于人工智能物联网的阀门调节方法及系统 |
| CN113065249A (zh) * | 2021-03-29 | 2021-07-02 | 北京市公用事业科学研究所 | 一种供热系统供回水温度预测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114543278A (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Korkas et al. | Grid-connected microgrids: Demand management via distributed control and human-in-the-loop optimization | |
| Afram et al. | Artificial neural network (ANN) based model predictive control (MPC) and optimization of HVAC systems: A state of the art review and case study of a residential HVAC system | |
| WO2021232734A1 (zh) | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 | |
| CN115220351B (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
| CN113110056B (zh) | 一种基于人工智能的供热智能决策方法及智能决策机 | |
| CN215724029U (zh) | 一种中央空调自适应控制系统 | |
| CN111561733B (zh) | 基于gbdt的供暖户阀调节方法、系统及设备 | |
| CN112484255B (zh) | 一种节能型暖通空调系统及楼宇自控方法 | |
| Potočnik et al. | Analysis and optimization of thermal comfort in residential buildings by means of a weather-controlled air-to-water heat pump | |
| CN117331320B (zh) | 基于电能表数据分析的家用电器控制方法及系统 | |
| Sun et al. | Research on control strategy integrated with characteristics of user's energy-saving behavior of district heating system | |
| Qin et al. | Energy-efficient heating control for nearly zero energy residential buildings with deep reinforcement learning | |
| CN103884083A (zh) | 一种节能环保智能空调系统及其工作方式 | |
| Dong et al. | An adaptive decentralized regulation strategy for the cluster with massive inverter air conditionings | |
| Zhao et al. | Optimal control for hydraulic balance of secondary network in district heating system under distributed architecture | |
| Rizwan et al. | Optimal environment control mechanism based on OCF connectivity for efficient energy consumption in greenhouse | |
| CN114543278B (zh) | 空调室温控制方法及装置 | |
| CN115051374A (zh) | 电采暖设备参与电力调峰的控制方法、装置和存储介质 | |
| Ionesi et al. | Simulation of an adaptive heat curve for automatic optimization of district heating installation | |
| CN114608065A (zh) | 一种新型热力入口阀位调控方法 | |
| CN114517930A (zh) | 一种融合机理和数据的热网换热站供热调节方法和装置 | |
| CN113865018A (zh) | 一种水冷中央空调主机功率调控方法及系统 | |
| CN113341792A (zh) | 一种基于bim的建筑数据采集方法及系统 | |
| Huang | Combination of model-predictive control with an Elman neural for optimization of energy in office buildings | |
| CN118153353B (zh) | 一种空调动态仿真模拟优化方法及其相关装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |