CN114879770B - 一种基于线性回归预测的恒温控制方法 - Google Patents
一种基于线性回归预测的恒温控制方法 Download PDFInfo
- Publication number
- CN114879770B CN114879770B CN202210467083.XA CN202210467083A CN114879770B CN 114879770 B CN114879770 B CN 114879770B CN 202210467083 A CN202210467083 A CN 202210467083A CN 114879770 B CN114879770 B CN 114879770B
- Authority
- CN
- China
- Prior art keywords
- temperature
- time
- personal computer
- tablet personal
- battery
- 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
- 238000012417 linear regression Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010438 heat treatment Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 238000001816 cooling Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及计算机技术领域,尤其是指一种基于线性回归预测的恒温控制方法,获取平板电脑处于当前温度环境的初始时刻和平板电脑电池表面初始温度,以及获取在当前温度环境中平板电脑表面温度达到稳定温度阈值的最终时刻和平板电脑的电池表面稳定温度;计算时间长度之内的电池内阻平均发热功率;基于平板电脑的电池表面初始温度、初始时刻、电池表面稳定温度、最终时刻以及由电池内阻发热导致的环境温度变化量,计算平板电脑达到目标温度阈值所需要的时间;计算平板电脑加热所用功率或者对平板电脑进行降温散热。本发明通过本发明的温度预测以及通过线性回归算法较为准确的调节温度,减少内阻功率消耗,节省电能。
Description
技术领域
本发明涉及计算机技术领域,尤其是指一种基于线性回归预测的 恒温控制方法。
背景技术
平板电脑因相比于台式电脑、笔记本电脑,具有体积小、携带方 便,娱乐性强等优点,而深受消费者欢迎。为了更好的满足消费者对 平板电脑的需要,市面上出现了各种各样的平板电脑配件,例如皮套 等。
但是在实际使用过程中,例如在寒冷的冬季,平板电脑温度不仅 会受到自身特性以及负载发热的影响,这时候受到环境的影响会比较 大,尤其是生活在北方地区的人,在使用平板电脑的时候就会因其表 面温度而感到不适。这样的设计就造成了体验感差,满足不了市场需 求。在平板电脑充放电的过程中,由于电池内部存在内部阻抗,导致电流流过电池内部时,产生热量,直接影响电池的特性的变化。因外 部环境变化引起的电池温度的变化相比较于电池内部阻抗所引起的 热量要快得多。
发明内容
本发明针对现有技术的问题提供一种基于线性回归预测的恒温 控制方法,设计巧妙,通过本发明的温度预测以及通过线性回归算法 较为准确的调节温度,减少内阻功率消耗,节省电能。
为了解决上述技术问题,本发明采用如下技术方案:
本发明提供的一种基于线性回归预测的恒温控制方法,包括以下 步骤:
S1、获取平板电脑处于当前温度环境的初始时刻和平板电脑电池表面 初始温度,以及获取在当前温度环境中平板电脑表面温度达到稳定温 度阈值的最终时刻和平板电脑的电池表面稳定温度;
S2、基于初始时刻至最终时刻的时间长度,计算时间长度之内的电池 内阻平均发热功率;
S3、基于平板电脑电池内阻平均发热功率,获得由平板电脑电池内阻 发热导致的环境温度变化量;
S4、基于平板电脑的电池表面初始温度、初始时刻、电池表面稳定温 度、最终时刻以及由电池内阻发热导致的环境温度变化量,计算平板 电脑达到目标温度阈值所需要的时间;其中,由于平板电脑与周围环 境存在热传递,因此存在一定误差,使用现有的比较常用的最小二乘法确定预测的误差,即偏移或残差,再将误差带入到线性回归模型中。 逐渐缩小误差,计算出较为准确的时间;
S5、基于平板电脑达到目标温度阈值所需时间长度,计算平板电脑加 热所用功率或者对平板电脑进行降温散热。
其中,所述平板电脑的电池表面当前初始温度和电池表面温度温 度通过温度传感器获得。
其中,将平板电脑的电池表面温度和对应时间进行采集,以10 秒时间间隔采集最近30次的电池表面温度数据以及时间数据,利用 线性回归方程处理变量之间的关系,创建线性回归模型;实时采集平 板电脑的温度和时间作为输入,利用获得的温度时间线性回归模型的 输出预测温度;在到达预测时间时,通过预测温度与实际温度的比较, 确定预测的误差,即偏移或残差,再将误差带入到线性回归模型中。
其中,所述线性回归方程为最小二乘法。
其中,所述线性回归模型是一个关于时间和平板电脑表面温度以 及偏置的复合函数,即C=h(T)=Tw+b,其中w是权重参数,b是偏置,T 是时间,C是平板电脑表面温度。
本发明的有益效果:
本发明设计巧妙,通过本发明的温度预测以及通过线性回归算法 较为准确的调节温度,减少内阻功率消耗,节省电能。
附图说明
图1为本发明的平板电脑在两种不同温度环境的温度示意图。
图2为本发明的平板电脑由一个温度环境区域移动到另一个温度环境 区域的整个过程中,平板电脑的温度变化示意图。
图3为本发明的平板电脑内部阻抗在0℃和25℃温度下随着放电 深度变化的曲线。
图4为本发明的一种基于线性回归预测的恒温控制方法的流程图。
图5为本发明的线性回归模型创建的流程图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发 明作进一步的说明,实施方式提及的内容并非对本发明的限定。以下 结合附图对本发明进行详细的描述。
一种基于线性回归预测的恒温控制方法,包括以下步骤:
S1、获取平板电脑处于当前温度环境的初始时刻和平板电脑电池表面 初始温度,以及获取在当前温度环境中平板电脑表面温度达到稳定温 度阈值的最终时刻和平板电脑的电池表面稳定温度;
S2、基于初始时刻至最终时刻的时间长度,计算时间长度之内的电池 内阻平均发热功率;
S3、基于平板电脑电池内阻平均发热功率,获得由平板电脑电池内阻 发热导致的环境温度变化量;
S4、基于平板电脑的电池表面初始温度、初始时刻、电池表面稳定温 度、最终时刻以及由电池内阻发热导致的环境温度变化量,计算平板 电脑达到目标温度阈值所需要的时间;
S5、基于平板电脑达到目标温度阈值所需时间长度,计算平板电脑加 热所用功率或者对平板电脑进行降温散热。
其中,如图1和图2所示,平板电脑由于其便携性,通常会在不 同的地点中移动,在某些情况下,不同的地点之间的环境差异极大。 这种环境差异可能是由于自然环境的区别或者人为进行的温度控制 导致的。例如,在寒冷的冬天,室内和室外的温度就会相差很大。图 1显示出了平板电脑在两个温度环境区域(即区域一和区域二)之间 存在的温度过渡区域;
假设一个人拿着平板电脑从室内走到室外,在此过程中,平板电 脑正在进行使用的过程中,平板电脑内部阻抗发热要远远小于寒冷环 境的散热。
这时候当平板电脑通过温度传感器得出在确定的一段时间内温 度下将的数值大于约定数值的时候,在经过多元线性回归预测方法计 算之后,就会选择合适的功率和时间使用内阻加热。
图3为平板电脑内部阻抗在0℃和25℃温度下随着放电深度 变化的曲线。
图4为本申请流程示意图,预测方法包括:获取平板电脑处于当 前温度环境的初始时刻和平板电脑表面初始温度,以及在当前温度环 境中平板电脑表面温度达到稳定温度的最终时刻和平板电脑表面稳 定温度;至少基于初始时刻至最终时刻的时间长度,计算时间长度之 内的电池内阻平均发热功率;至少基于平板电脑电池内阻平均发热功 率,获得由平板电脑电池内阻发热导致的电池温度变化量;以及基于 平板电脑电池表面初始温度、平板电脑电池表面稳定温度以及由电池内阻发热导致的电池温度变化量。
图5为本申请的线性回归模型的创建,使用最小二乘法(OLS)回 归,先以10s为时间间隔,获取最近5min的时间温度数据作为样本 集,基于所述的样本集,通过训练获得M组数据,即将这些训练数据 带入到拟合函数中,使得其与监督数据满足最小二乘法,得到n个权 值。实时采集平板电脑的温度和时间作为输入,利用获得的温度时间线性回归模型的输出预测温度。在到达预测时间时,通过预测温度与 实际温度的比较,确定预测的误差,即偏移或残差,再将误差带入到 线性回归模型中,通过不断地训练,通过比较实际数据与预测数据的 差值,不断微调线性回归模型,降低其损失。
例如移动设备由室内(第一温度环境)移动到室外(第二温度环 境),步骤中的当前温度环境即为第二温度环境,例如移动设备由室 外(第二温度环境)移动到室内(第一温度环境),步骤中的当前温度环 境即为第一温度环境。
电池处于当前温度环境的初始时刻优选地基于电池表面温度的 变化曲线获得;在当前温度环境中电池表面温度达到稳定温度的最终 时刻优选地也基于电池表面温度的变化曲线获得;电池的表面温度是 能够被测量的。
本发明设计巧妙,通过本发明的温度预测以及通过线性回归算法 较为准确的调节温度,减少内阻功率消耗,节省电能。
本实施例中,所述平板电脑的电池表面当前初始温度和电池表面 温度温度通过温度传感器获得。
本实施例中,所述线性回归模型是一个关于时间和平板电脑表面 温度以及偏置的复合函数,即C=h(T)=Tw+b,其中w是权重参数,b是 偏置,T是时间,C是平板电脑表面温度。具体地,当通过大量数据拟 合得到未知参数w,b之后,也就意味着我们得到了预测模型,也就是 给定一个时间T,就能够预测出其对应的温度C。
本实施例中,由于在温度不同的情况下,电池内部阻抗不同;当 温度升高时,内阻会增大;当内阻增大时候,电池发热功率也会随之 变化,产生温度作用于环境;在短时间内,就能够线性拟合出一条关 于时间和环境温度的直线。其中,根据功率计算公式式P=(I^2)*R得 知,通过增加对平板电脑供电的电流,来增加其电池发热功率。
以上所述,仅是本发明较佳实施例而已,并非对本发明作任何形 式上的限制,虽然本发明以较佳实施例公开如上,然而并非用以限定 本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围 内,当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等 效实施例,但凡是未脱离本发明技术方案内容,依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰,均属于本发明 技术方案的范围内。
Claims (5)
1.一种基于线性回归预测的恒温控制方法,其特征在于,包括以下步骤:
S1、获取平板电脑处于当前温度环境的初始时刻和平板电脑电池表面初始温度,以及获取在当前温度环境中平板电脑的电池表面温度达到稳定温度阈值的最终时刻和平板电脑的电池表面稳定温度;
S2、基于初始时刻T1至最终时刻T2的时间长度,计算时间长度之内的电池内阻平均发热功率;
S3、基于平板电脑电池内阻平均发热功率,获得由平板电脑电池内阻发热导致的环境温度变化量;
S4、基于平板电脑的电池表面初始温度、初始时刻、电池表面稳定温度、最终时刻以及由电池内阻发热导致的环境温度变化量,计算平板电脑达到目标温度阈值所需要的时间;
S5、基于平板电脑达到目标温度阈值所需时间长度,计算平板电脑加热所用功率或者对平板电脑进行降温散热;
将平板电脑的电池表面温度和对应时间进行采集,以10秒时间间隔采集最近M次的电池表面温度数据以及时间数据,获得M个样本集;基于M个样本集,通过训练M组数据,即将这些训练数据带入到拟合函数中,使得其与数据满足最小二乘法,得到n个权值;利用线性回归方程处理变量之间的关系,创建温度时间线性回归模型;实时采集平板电脑的温度和时间作为输入,利用获得的温度时间线性回归模型输出预测温度;在到达预测时间时,通过预测温度与实际温度的比较,确定预测的误差,即偏移或残差,再将误差带入到线性回归模型中;所述线性回归方程采用最小二乘法;在当前温度环境中平板电脑的电池表面温度达到稳定温度阈值的最终时刻基于电池表面温度的变化曲线获得。
2.根据权利要求1所述的一种基于线性回归预测的恒温控制方法,其特征在于:所述平板电脑的电池表面当前初始温度和电池表面温度通过温度传感器获得。
3.根据权利要求1所述的一种基于线性回归预测的恒温控制方法,其特征在于:所述线性回归模型是一个关于时间和平板电脑表面温度以及偏置的复合函数,即C=h(T)=Tw+b,其中w是权重参数,b是偏置,T是时间,C是平板电脑表面温度。
4.根据权利要求1所述的一种基于线性回归预测的恒温控制方法,其特征在于:所述步骤S2中,计算时间长度之内的电池内阻r平均发热功率P=W/(T2-T1)。
5.根据权利要求1所述的一种基于线性回归预测的恒温控制方法,其特征在于:所述步骤S3中,所述环境温度变化量Z=(Pr-P)*(T2-T1),Pr为实际发热功率,P为平均发热功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210467083.XA CN114879770B (zh) | 2022-04-29 | 2022-04-29 | 一种基于线性回归预测的恒温控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210467083.XA CN114879770B (zh) | 2022-04-29 | 2022-04-29 | 一种基于线性回归预测的恒温控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114879770A CN114879770A (zh) | 2022-08-09 |
CN114879770B true CN114879770B (zh) | 2024-02-20 |
Family
ID=82673372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210467083.XA Active CN114879770B (zh) | 2022-04-29 | 2022-04-29 | 一种基于线性回归预测的恒温控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114879770B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115454166B (zh) * | 2022-09-22 | 2024-06-18 | 湖南塑源特科技有限公司 | 一种铬合金熔炼温度控制方法、系统及熔炼装置 |
CN115357070B (zh) * | 2022-10-21 | 2022-12-23 | 江苏新恒基特种装备股份有限公司 | 一种支管加热实时温度监控反馈方法、系统及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105890800A (zh) * | 2016-03-30 | 2016-08-24 | 联想(北京)有限公司 | 一种电子设备、环境温度的检测方法及检测系统 |
CN107248599A (zh) * | 2017-07-07 | 2017-10-13 | 福建猛狮新能源科技有限公司 | 带有恒温装置的锂离子电池包 |
CN110007613A (zh) * | 2019-04-10 | 2019-07-12 | 北方工业大学 | 用于储热式电暖器的用暖预测方法、系统及存储介质 |
CN110350270A (zh) * | 2019-08-13 | 2019-10-18 | 深圳市维特欣达科技有限公司 | 板式加热冷却导热装置及采用该装置的可控温锂电池组 |
CN110472772A (zh) * | 2019-07-09 | 2019-11-19 | 长沙能川信息科技有限公司 | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 |
CN111398827A (zh) * | 2020-03-18 | 2020-07-10 | 珠海迈巨微电子有限责任公司 | 环境温度预测方法、电池温度预测方法及电量计算方法 |
KR102202643B1 (ko) * | 2019-11-29 | 2021-01-13 | 한국전자기술연구원 | 에너지 사용량 예측 방법 |
CN113484770A (zh) * | 2021-06-10 | 2021-10-08 | 广东恒翼能科技有限公司 | 基于充放电数据在线测算电池内部核心温度的方法及系统 |
-
2022
- 2022-04-29 CN CN202210467083.XA patent/CN114879770B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105890800A (zh) * | 2016-03-30 | 2016-08-24 | 联想(北京)有限公司 | 一种电子设备、环境温度的检测方法及检测系统 |
CN107248599A (zh) * | 2017-07-07 | 2017-10-13 | 福建猛狮新能源科技有限公司 | 带有恒温装置的锂离子电池包 |
CN110007613A (zh) * | 2019-04-10 | 2019-07-12 | 北方工业大学 | 用于储热式电暖器的用暖预测方法、系统及存储介质 |
CN110472772A (zh) * | 2019-07-09 | 2019-11-19 | 长沙能川信息科技有限公司 | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 |
CN110350270A (zh) * | 2019-08-13 | 2019-10-18 | 深圳市维特欣达科技有限公司 | 板式加热冷却导热装置及采用该装置的可控温锂电池组 |
KR102202643B1 (ko) * | 2019-11-29 | 2021-01-13 | 한국전자기술연구원 | 에너지 사용량 예측 방법 |
CN111398827A (zh) * | 2020-03-18 | 2020-07-10 | 珠海迈巨微电子有限责任公司 | 环境温度预测方法、电池温度预测方法及电量计算方法 |
CN113484770A (zh) * | 2021-06-10 | 2021-10-08 | 广东恒翼能科技有限公司 | 基于充放电数据在线测算电池内部核心温度的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114879770A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114879770B (zh) | 一种基于线性回归预测的恒温控制方法 | |
Xu et al. | Improving prediction performance for indoor temperature in public buildings based on a novel deep learning method | |
US20190360711A1 (en) | Method and device for controlling power supply to heating, ventilating, and air-conditioning (hvac) system for building based on target temperature | |
KR101301123B1 (ko) | 냉난방부하 예측방법 | |
CN107220514A (zh) | 基于大数据的空调负荷预测方法及系统 | |
EP3029539A2 (en) | Temperature control system and temperature control method | |
Candanedo et al. | Near-optimal transition between temperature setpoints for peak load reduction in small buildings | |
CN115585538B (zh) | 室内温度的调节方法、装置、电子设备及存储介质 | |
CN112308209A (zh) | 基于深度学习的个性化空调智能学习方法 | |
CN111199065B (zh) | 零能耗建筑设计方法、装置及终端设备 | |
Khalil et al. | Federated learning for energy-efficient thermal comfort control service in smart buildings | |
GB2428782A (en) | Storage Heater Control Systems Using Weather Forecast Data | |
CN114060902B (zh) | 供暖预测模型建立方法、供暖系统及其控制方法 | |
JP2017003192A (ja) | エネルギー管理装置、エネルギー管理方法及びエネルギー管理プログラム | |
WO2012137814A1 (ja) | コントローラおよび制御方法 | |
WO2022040255A1 (en) | Methods, systems, and computer readable media for model-free privacy preserving thermal load management | |
Xuemei et al. | A novel building cooling load prediction based on SVR and SAPSO | |
EP2945105A1 (en) | Device for estimating thermal characteristics of room, program | |
CN116995659A (zh) | 一种考虑可再生能源消纳的热泵系统柔性运行方法 | |
LeBreux et al. | Control of a hybrid solar/electric thermal energy storage system | |
Bin et al. | Indoor thermal comfort pmv index prediction based on particle swarm algorithm and least square support vector machine | |
CN108253597A (zh) | 空调控制方法及空调器 | |
CN108253604A (zh) | 空调器的控制方法及空调器 | |
CN108302718A (zh) | 空调控制方法及空调器 | |
Gelazanskas et al. | Neural network based real-time pricing in demand side management for future smart grid |
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 |