CN115164379B - 一种空调器冷媒量预测方法、系统和空调器 - Google Patents
一种空调器冷媒量预测方法、系统和空调器 Download PDFInfo
- Publication number
- CN115164379B CN115164379B CN202210654096.8A CN202210654096A CN115164379B CN 115164379 B CN115164379 B CN 115164379B CN 202210654096 A CN202210654096 A CN 202210654096A CN 115164379 B CN115164379 B CN 115164379B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- refrigerant quantity
- value
- refrigerant
- values
- 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
- 239000003507 refrigerant Substances 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 238000010438 heat treatment Methods 0.000 claims description 10
- 238000005057 refrigeration Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 35
- 238000012545 processing Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 8
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 6
- 229910052731 fluorine Inorganic materials 0.000 description 6
- 239000011737 fluorine Substances 0.000 description 6
- 230000007812 deficiency Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005494 condensation Effects 0.000 description 4
- 238000009833 condensation Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011895 specific detection Methods 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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- 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
- F24F11/62—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
- F24F11/65—Electronic processing for selecting an operating mode
-
- 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
- F25B45/00—Arrangements for charging or discharging refrigerant
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Thermal Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种空调器冷媒量预测方法、系统和空调器,其中方法包括:控制空调器运行在冷媒量检测模式下;获取空调器在稳定状态下的多个第一运行参数的值;利用冷媒量预测模型对多个第一运行参数的值进行计算,得到冷媒量预测值。通过本发明提供的空调器冷媒量预测方法,能有效预测空调器系统管路中的冷媒量,提高对空调系统冷媒量的预测精度,同时具有方便检测人员使用和普及性高的现实意义和应用价值。
Description
技术领域
本发明属于空调器领域,尤其涉及一种空调器冷媒量预测方法、系统和空调器。
背景技术
现阶段,空调器冷媒量的检测方法大多采用映射关系法,即通过设定冷媒量的前提,获取目标工况下,空调器的系统运行参数(如管温、电流、电压等),然后建立系统参数与冷媒量之间的映射关系,以此判断空调器是否处于缺氟状态。然而映射关系法本身存在一定的局限性,如映射关系的精确度取决于原始映射模型样本的数据量;映射关系表只能给出大致的推荐值范围,无法保证推荐值的准确度;映射模型理解难度大,很大程度上依赖于使用人员的理论水平和工作经验,普及性较差。
有鉴于此特提出本发明。
发明内容
本发明要解决的技术问题在于克服现有技术的不足,提供一种能够有效预测空调器系统管路中的冷媒量,提高对空调系统冷媒量的预测精度的空调器冷媒量预测方法、系统和空调器。
为解决上述技术问题,本发明提供了一种空调器冷媒量预测方法,空调器设置有冷媒量检测模式,预测方法包括:
控制空调器运行冷媒量检测模式;
获取空调器在稳定状态下的多个第一运行参数的值;
利用冷媒量预测模型对多个第一运行参数的值进行计算,得到冷媒量预测值。
进一步可选地,获取空调器在稳定状态下的多个第一运行参数的值,包括:
按照预设时间间隔获取空调器的多个第一运行参数的值;
根据不同时刻的多个第一运行参数的值判断空调器运行状态是否稳定。
若是,获取所述空调器在当前时刻的多个第一运行参数的值。
进一步可选地,预设时间间隔的取值范围为:大于或等于1min且小于或等于2min。
进一步可选地,根据不同时刻的多个第一运行参数的值判断空调器运行状态是否稳定,包括:
计算每个第一运行参数在第i时刻的值和第(i+1)时刻的值的差值,i≥1;
根据不同时刻的差值判断第一运行参数是否稳定;
当多个第一运行参数均稳定时,视为空调器运行状态稳定;
当多个第一运行参数中任意一个第一运行参数不稳定时,视为空调器运行状态不稳定。
进一步可选地,根据不同时刻的差值判断第一运行参数是否稳定,包括:
判断差值是否小于或等于对应第一运行参数的预设波动阈值;若是,将对应第一运行参数的参数稳定指标δ的值加1;若否,将对应第一运行参数的参数稳定指标δ的值减1;
判断参数稳定指标δ的值是否大于或等于预设值;若是,视为第一运行参数稳定;若否,视为第一运行参数不稳定;
其中参数稳定指标δ的初始值为0。
进一步可选地,利用冷媒量预测模型对多个第一运行参数的值进行计算,得到冷媒量预测值,包括:
冷媒量预测模型为冷媒量预测公式,利用冷媒量预测公式对多个第一运行参数的值进行计算,得到冷媒量预测值。
进一步可选地,多个第一运行参数包括压缩机功率、室外环境温度、室外换热器管温、室内环境温度、室内换热器管温。
进一步可选地,冷媒量预测公式为:
G=AP压缩机功率+BT外环温+CT外管温+DT内环温+ET内管温
其中,G为冷媒量检测值,A、B、C、D、E均为修正系数,P压缩机功率为压缩机运行功率,T外环温为室外环境温度、T外管温为室外换热器管温、T内环温为室内环境温度和T内管温为室内换热器管温。
进一步可选地,还包括:
当接收到终端发送的制冷指令或制热指令以及空调器的多个第二运行参数的每个第二运行参数的目标设定值时,控制空调器以制冷模式或制热模式运行,并控制多个第二运行参数以各自对应的目标设定值运行,以使空调器运行在冷媒量检测模式。
进一步可选地,多个第二运行参数包括压缩机频率、内风机风档,其中,
压缩机频率的设定范围为:大于或等于10Hz且小于或等于90Hz;
内风机风档的设定范围包括多个预设风档中的高风档、超强风档。
进一步可选地,在冷媒量检测模式下,预测方法还包括:
记录检测运行时长,并判断检测运行时长是否大于第一预设时长;
若是,退出冷媒量检测模式。
进一步可选地,在退出冷媒量检测模式之后,预测方法还包括:
控制压缩机停机、外风机停机、内风机保持原转速继续运行第二预设时长。
进一步可选地,第一预设时长的取值范围为:大于或等于40min且小于或等于50min。
第二预设时长的取值范围为:大于或等于1min且小于或等于10min。
进一步可选地,在退出冷媒量检测模式之后,预测方法还包括:
将各第一运行参数对应的参数稳定指标δ的值归零。
本发明还提供了一种空调器冷媒量预测系统,其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质,当一个或多个处理器执行程序指令时,一个或多个处理器用于实现上述技术方案中任意一项的方法。
本发明还提供了一种空调器,其采用上述技术方案中任一项的方法,或包括上述技术方案的系统。
采用上述技术方案后,本发明与现有技术相比具有以下有益效果:
1)本发明对系统参数变化反应的灵敏度较高,当系统运行参数发生较小变化时,根据冷媒量预测模型得到的冷媒量预测值跟随性较高,能根据系统运行参数变化快速反应并给出计算结果;
2)冷媒量预测模型的精度较高,在系统运行状态达到稳定后,根据系统稳定运行后的参数,冷媒量预测模型给出的冷媒量预测值与真实值之间的误差能保证在10%以内;
3)本发明可以判断系统运行状态是否达到稳定,并输出判断结果提示操作人员,避免操作人员在系统运行状态未达到稳定时就开始充灌冷媒,或者充灌冷媒后未达到系统稳定状态就停止充灌冷媒,一方面指导操作人员充灌冷媒,另一方面也提高了冷媒充灌的准确度。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本发明的一部分,用来提供对本发明的进一步的理解,本发明的示意性实施例及其说明用于解释本发明,但不构成对本发明的不当限定。显然,下面描述中的附图仅仅是一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。在附图中:
图1是根据本发明实施例的空调器冷媒量预测方法的流程示意图。
图2是根据本发明实施例的空调器冷媒量预测方法的流程示意图。
图3是根据本发明实施例的空调器冷媒量预测方法的流程示意图。
图4是根据本发明实施例的空调器冷媒量预测系统的示意框图。
图5是根据本发明实施例的空调器冷媒量预测方法的流程示意图。
图6是根据本发明实施例的空调器冷媒量预测方法的验证示意图。
图7是根据本发明实施例的空调器冷媒量预测方法的验证示意图。
需要说明的是,这些附图和文字描述并不旨在以任何方式限制本发明的构思范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
在本发明的描述中,需要说明的是,术语“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“接触”、“连通”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面结合附图,对本发明实施例的空调器冷媒量预测方法进一步说明。
图1是根据本发明实施例的空调器冷媒量预测方法的流程示意图。参照图1,该预测方法包括:
S0,控制空调器运行冷媒量检测模式;
S2,获取空调器在稳定状态下的多个第一运行参数的值;
S4,利用冷媒量预测模型对多个第一运行参数的值进行计算,得到冷媒量预测值。
本发明实施例提供的预测方法,让空调器运行在特定的检测模式,即,本发明提出的冷媒量检测模式,以便于获取冷媒量预测模型的所需参数以及保证参数的准确性;通过获取空调器在稳定状态下的多个第一运行参数的值,利用冷媒量预测模型对多个第一运行参数的值进行计算,可以有效预测空调器系统管路中的冷媒量,提高对空调器冷媒量的预测精度。
需要说明的是,本发明实施例中提出的冷媒量预测模型,可以理解为输入参数与输出参数的映射关系/函数关系,例如,神经网络模型、公式等。
进一步可选地,结合图2的流程示意图,步骤S2包括步骤S21~S22,其中:
S21,按照预设时间间隔获取空调器的多个第一运行参数的值;
S22,根据不同时刻的多个第一运行参数的值判断空调器运行状态是否稳定;若是,执行S23;
S23,获取空调器在当前时刻的多个第一运行参数的值。
在冷媒量检测模式下,按照预设时间间隔读取空调器系统的多个第一运行参数的值,根据读取到的不同时刻的多个第一运行参数的值判断空调器是否处于稳定状态。在空调器处于稳定状态时,利用冷媒量预测模型对空调器处在稳定状态时的多个第一运行参数的值进行计算,可得到更为准确的冷媒量预测值。
另外,本发明实施例可以判断系统运行状态是否达到稳定,并输出判断结果提示操作人员,避免操作人员在系统运行状态未达到稳定时就开始充灌冷媒,或者充灌冷媒后未达到系统稳定状态就停止充灌冷媒,一方面指导操作人员充灌冷媒,另一方面也提高了冷媒充灌的准确度。
进一步可选地,预设时间间隔(在此用△T3表示)的取值范围为:1min≤△T3≤2min。
具体地,预设时间间隔△T3可为1min、1.5min或2min。
通过合理设置预设时间间隔△T3可保证程序判断地准确性,进一步提高冷媒预测结果的准确性。
进一步可选地,结合图3的流程示意图,步骤S22包括步骤S221~S224,其中:
S221,计算每个第一运行参数在第i时刻的值和第(i+1)时刻的值的差值,i ≥1;
S222,根据不同时刻的差值判断与其对应的第一运行参数是否稳定;
S223,当多个第一运行参数均稳定时,视为空调器运行状态稳定;
S224,当多个第一运行参数中任意一个第一运行参数不稳定时,视为空调器运行状态不稳定。
具体地,对于多个第一运行参数的每个第一运行参数,其在第一时刻的值 (即i=1时)为空调器开始运行冷媒量检测模式后,记录的第一个检测值,经过预设时间间隔后,记录的第二个检测值即为第二时刻的值(即i=2时),以此类推。通过计算每个第一运行参数在第i时刻的值和第(i+1)时刻的值的差值,获得该第一运行参数在预设时间间隔内的波动量,根据波动量可以判断该第一运行参数是否稳定。只有在多个第一运行参数均稳定的情况下,才视为空调器运行状态稳定,否则,只要有任意一个第一运行参数不稳定,视为空调器运行状态不稳定。
进一步可选地,结合图4的流程示意图,步骤S222包括步骤S2221~S2226,其中:
S2221,判断差值是否小于或等于与其对应的第一运行参数的预设波动阈值;若是,执行S2222,若否,执行S2223;
S2222,将对应第一运行参数的参数稳定指标δ的值加1;
S2223,将对应第一运行参数的参数稳定指标δ的值减1;
S2224,判断参数稳定指标δ的值是否大于或等于预设值;若是,执行S2225,若否,执行S2226;
S2225,视为第一运行参数稳定;
S2226,视为第一运行参数不稳定。
其中参数稳定指标δ的初始值为0。
具体地,对于每个第一运行参数,当其在一个预设时间间隔内的差值小于或等于与其对应第一运行参数的预设波动阈值时,认为该第一运行参数在该预设时间间隔内的波动量小,此时,将其对应的参数稳定指标δ的值加1;而当差值大于该预设波动阈值时,认为其在该预设时间间隔内的波动量大,存在不稳定因素,此时,将其对应的参数稳定指标δ的值减1。只有在连续多个预设时间间隔的差值均小于预设波动阈值时,才视为该第一运行参数的状态稳定,否则,需要重复上述S2221的检测步骤,以找到该第一运行参数的稳定状态。在此基础上,找到多个第一运行参数均处在稳定状态的时刻,此时,视为系统运行状态稳定。
进一步可选地,结合图2的流程示意图,步骤S4具体为:
冷媒量预测模型为冷媒量预测公式,利用冷媒量预测公式对多个第一运行参数的值进行计算,得到冷媒量预测值。
进一步可选地,多个第一运行参数包括但不限于压缩机功率、室外环境温度、室外换热器管温、室内环境温度、室内换热器管温。
进一步可选地,冷媒量预测公式为:
G=AP压缩机功率+BT外环温+CT外管温+DT内环温+ET内管温
其中,G为冷媒量检测值,A、B、C、D、E均为修正系数,P压缩机功率为压缩机运行功率,T外环温为室外环境温度、T外管温为室外换热器管温、T内环温为室内环境温度和T内管温为室内换热器管温。
进一步可选地,结合图2的流程示意图,步骤S0包括S01~S02,其中:
S01,接收到终端发送的制冷指令或制热指令以及空调器的多个第二运行参数的每个第二运行参数的目标设定值;
S02,控制空调器以制冷模式或制热模式运行并控制多个第二运行参数以各自对应的目标设定值运行,以使空调器运行在冷媒量检测模式。
为了区别于冷媒量检测模式下所采集的多个第一运行参数,在此将使空调器运行在冷媒量检测模式的控制参数记为第二运行参数。通过设定空调器的运行模式为制冷模式或制热模式,设定空调器的多个第二运行参数以各自对应的目标设定值运行,使空调器运行在冷媒量检测模式。
具体地,用户可通过终端比如遥控器或手机APP设定空调器的运行模式以及各第二运行参数的目标设定值,使空调器运行在特定的运行模式下,即,冷媒量检测模式。
具体地,可采用一键设置的方法触发空调器运行冷媒量检测模式。
进一步可选地,多个第二运行参数包括压缩机频率、内风机风档,其中,
压缩机频率的目标设定范围为:大于或等于10Hz且小于或等于90Hz;
内风机风档的目标设定档位为多个预设风档中的高风档或超强风档。
具体地,内风机风档包括多个预设风档,比如低风档、中风档、高风档、超强风档,内风机风档的目标设定档位为上述多个预设风档中的高风档或超强风档。
另外,需说明的是,对于外风机风档优选自由模式,即,在冷媒量检测模式下无需额外设定,只需按照系统所运行的制冷模式或制热模式的控制逻辑控制外风机运行即可。
进一步可选地,结合图2的流程示意图,在所述冷媒量检测模式下,预测方法还包括步骤S11~S12,其中:
S11,记录检测运行时长,并判断检测运行时长是否大于第一预设时长;若是,执行S12;
S12,退出冷媒量检测模式。
在该实施例中,空调器开始运行冷媒量检测模式之后即开始计时,并判断检测运行时长是否大于第一预设时长,在第一预设时长内,空调系统保持运行冷媒量检测模式,当检测运行时长大于第一预设时长时,为避免空调器室内侧换热器凝露而影响了室内侧换热器的管温数据采集准确度,此时会强制退出冷媒量检测模式。
进一步可选地,结合图2的流程示意图,在退出冷媒量检测模式之后,预测方法还包括步骤S13,其中:
S13,控制压缩机停机、外风机停机、内风机保持原转速继续运行第二预设时长。
强制退出冷媒量检测模式,具体是指是控制压缩机停机、外风机停机,内风机保持当前转速,继续运行第二预设时长,以除去室内换热器表面的露水。
进一步可选地,第一预设时长(在此用△T1表示)的取值范围为: 10min≤△T1≤60min。
第二预设时长(在此用△T2表示)的取值范围为:1min≤△T2≤10min。
优选地,第一预设时长△T1为45min;3min≤△T2≤5min。
具体地,第二预设时长△T2可为3min、4min、5mim等。
进一步可选地,在退出冷媒量检测模式之后,预测方法还包括:
将各第一运行参数对应的参数稳定指标δ的值归零。
在每次退出冷媒量检测模式之后,将各第一运行参数对应的参数稳定指标δ的值归零,从而确保系统再次运行冷媒量检测模式时可以顺利的对空调器运行状态的稳定性进行判断。
本发明实施例还提供了一种空调器冷媒量预测系统,下面结合图4、图5、图6对本发明实施例的空调器冷媒量预测系统进行详细阐述。
图4是根据本发明实施例的空调器冷媒量预测系统500的示意框图。参照图4,该预测系统500包括:
控制模块502,用于控制空调器运行在冷媒量检测模式下;
系统运行状态判断模块504,用于获取空调器在稳定状态下的多个第一运行参数的值;
冷媒量预测模块506,用于利用冷媒量预测模型对多个第一运行参数的值进行计算,得到冷媒量预测值。
进一步可选地,控制模块502具体用于:接收到终端发送的制冷指令或制热指令以及空调器的多个第二运行参数的每个第二运行参数的目标设定值;控制空调器以制冷模式或制热模式运行并控制多个第二运行参数以各自对应的目标设定值运行,以使空调器运行在冷媒量检测模式。
进一步可选地,系统运行状态判断模块504一方面读取空调系统的多个第一运行参数的值,另一方面是根据内置的数据处理程序对采集到的数据进行识别和处理,并根据处理结果向检测人员发送提示;
多个第一运行参数包括但不限于P压缩机功率、T外环温、T外管温、T内环温和T内管温等。其中,P压缩机功率,指的是空调器运行缺氟检测模式时,压缩机的运行功率,单位 W;T外环温,指的是空调器运行缺氟检测模式时,空调器室外感温包采集到的室外侧空气干球温度,单位℃;T外管温,指的是空调器运行缺氟检测模式时,空调器室外冷凝器感温包采集到的冷凝器管温,单位℃;T内环温,指的是空调器运行缺氟检测模式时,空调器室内感温包采集到的室内侧空气干球温度,单位℃;T内管温,指的是空调器运行缺氟检测模式时,空调器室内蒸发器感温包采集到的蒸发器管温,单位℃。
进一步可选地,系统运行状态判断模块504用于对预设时间间隔△T3采集到的P压缩机功率、T外环温、T外管温、T内环温和T内管温等参数值进行比较,根据计算得到的差值,判断系统参数是否处于稳定状态;其中,预设时间间隔△T3优选取值范围为:1≤△T3≤2min。
参照图5,P压缩机功率的处理方法为,系统运行状态判断模块504从空调器运行冷媒量检测模式开始时刻记录第一个P1 压缩机功率值,当时间间隔达到设定值时,记录第二个P2 压缩机功率值,此时系统运行状态判断模块504执行计算P2 压缩机功率-P1 压缩机功率的差值△P,当△P≤50W时,提示“系统参数已稳定”,此时系统运行状态判断模块504执行δ0+1,并将计算结果缓存为新的δ0值,同时将P2 压缩机功率值和更新后的δ0值输送到冷媒量计算预处理模块;当△P>50W时,提示“系统参数波动”,此时系统运行状态判断模块504执行δ0-1,并将计算结果缓存为新的δ0值,同时将更新后的δ0值输送到冷媒量计算预处理模块;当运行时间将再次达到设定值时,记录第三个P3 压缩机功率值,程序计算P3 压缩机功率-P2 压缩机功率的差值,系统按上述步骤继续执行处理,期间时间模块508会记录系统运行时间,如果系统运行时间达到45min,系统停止运行,如果系统运行时间未达到45min,此时系统运行状态判断模块504继续执行数据处理;
参照图5,T外环温的处理方法为,系统运行状态判断模块504从空调器运行冷媒量检测模式开始时刻记录第一个T1 外环温值,当时间间隔达到设定值时,记录第二个T2 外环温值,此时系统运行状态判断模块504执行计算T2 外环温-T1 外环温的差值,当△T1≤3℃时,提示“系统参数已稳定”,此时系统运行状态判断模块504执行δ1+1,并将计算结果缓存为新的δ1值,同时将T2 外环温值和更新后的δ1值输送到冷媒量计算预处理模块;当△T1>3℃时,提示“系统参数波动”,此时系统运行状态判断模块504执行δ1-1,并将计算结果缓存为新的δ1值,同时将更新后的δ1值输送到冷媒量计算预处理模块;当运行时间将再次达到设定值时,记录第三个T3 外环温值,程序计算T3 外环温-T2 外环温的差值,系统按上述步骤继续执行处理,期间时间模块508会记录系统运行时间,如果系统运行时间达到45min,系统停止运行,如果系统运行时间未达到45min,此时系统运行状态判断模块504继续执行数据处理;
参照图5,T外管温的处理方法为,系统运行状态判断模块504从空调器运行冷媒量检测模式开始时刻记录第一个T1 外管温值,当时间间隔达到设定值时,记录第二个T2 外管温值,此时系统运行状态判断模块504执行计算T2 外管温-T1 外管温的差值,当△T1≤2℃时,提示“系统参数已稳定”,此时系统运行状态判断模块504执行δ2+1,并将计算结果缓存为新的δ2值,同时将T2 外管温值和更新后的δ2值输送到冷媒量计算预处理模块;当△T1>2℃时,提示“系统参数波动”,此时系统运行状态判断模块504执行δ2-1,并将计算结果缓存为新的δ2值,同时将更新后的δ值输送到冷媒量计算预处理模块;当运行时间将再次达到设定值时,记录第三个T3 外管温值,程序计算T3 外管温-T2 外管温的差值,系统按上述步骤继续执行处理,期间时间模块508会记录系统运行时间,如果系统运行时间达到45min,系统停止运行,如果系统运行时间未达到45min,此时系统运行状态判断模块504继续执行数据处理;
参照图5,T内环温的处理方法为,系统运行状态判断模块504从空调器运行冷媒量检测模式开始时刻记录第一个T1 内环温值,当时间间隔达到设定值时,记录第二个T2 内环温值,此时系统运行状态判断模块504执行计算T2 内环温-T1 内环温的差值,当△T1≤3℃时,提示“系统参数已稳定”,此时系统运行状态判断模块504执行δ3+1,并将计算结果缓存为新的δ3值,同时将T2 内环温值和更新后的δ3值输送到冷媒量计算预处理模块;当△T1>3℃时,提示“系统参数波动”,此时系统运行状态判断模块504执行δ3-1,并将计算结果缓存为新的δ3值,同时将更新后的δ3值输送到冷媒量计算预处理模块;当运行时间将再次达到设定值时,记录第三个T3 内环温值,程序计算T3 内环温-T2 内环温的差值,系统按上述步骤继续执行处理,期间时间模块508会记录系统运行时间,如果系统运行时间达到45min,系统停止运行,如果系统运行时间未达到45min,此时系统运行状态判断模块504继续执行数据处理;
参照图5,T内管温的处理方法为,系统运行状态判断模块504从空调器运行冷媒量检测模式开始时刻记录第一个T1 内管温值,当时间间隔达到设定值时,记录第二个T2 内管温值,此时系统运行状态判断模块504执行计算T2 内管温-T1 内管温的差值,当△T1≤2℃时,提示“系统参数已稳定”,此时系统运行状态判断模块504执行δ4+1,并将计算结果缓存为新的δ4值,同时将T2 内管温值和更新后的δ4值输送到冷媒量计算预处理模块;当△T1>2℃时,提示“系统参数波动”,此时系统运行状态判断模块504执行δ4-1,并将计算结果缓存为新的δ4值,同时将更新后的δ4值输送到冷媒量计算预处理模块;当运行时间将再次达到设定值时,记录第三个T3 内管温值,程序计算T3 内管温-T2 内管温的差值,系统按上述步骤继续执行处理,期间时间模块508会记录系统运行时间,如果系统运行时间达到45min,系统停止运行,如果系统运行时间未达到45min,此时系统运行状态判断模块504继续执行数据处理。
进一步可选地,系统运行状态判断模块504将系统稳定运行状态所获取的P压缩机功率、T外环温、T外管温、T内环温和T内管温参数输入到冷媒量预测模块506中,计算得到冷媒量预测值。
参照图5,冷媒量预测模块506由冷媒量计算预处理模块和冷媒量计算模块两部分组成。
其中,冷媒量计算预处理模块,其判断程序对系统运行状态判断模块传递过来的数据δ0、δ1、δ2、δ3和δ4执行判断,如果δ0、δ1、δ2、δ3和δ4其中任意一个值存在小于3的情况,此时冷媒量计算预处理模块认为系统此时未达到稳定状态或者系统运行参数存在波动,故冷媒量计算预处理模块会反馈给系统运行状态判断模块504,系统运行状态判断模块504会继续执行数据处理和判断;如果δ0、δ1、δ2、δ3和δ4的值均大于或等于3,此时冷媒量计算预处理模块认为系统此时已达到稳定状态,故冷媒量计算预处理模块会将系统运行状态判断模块传递过来的P压缩机功率、T外环温、T外管温、T内环温和T内管温发送给冷媒量计算模块,冷媒量计算模块利用冷媒量预测方程对上述P压缩机功率、T外环温、T外管温、T内环温和T内管温进行计算,得到冷媒量预测值。
所述δ0、δ1、δ2、δ3和δ4值的初始值设定为0,每次退出冷媒量检测模式时,系统自动将δ0、δ1、δ2、δ3和δ4值归零。
进一步可选地,冷媒量预测公式为:
G=AP压缩机功率+BT外环温+CT外管温+DT内环温+ET内管温
其中,G为冷媒量检测值,A、B、C、D、E均为修正系数。
另外,参照图4、图5,该预测系统500还包括时间模块508,时间模块508 在空调器开始运行冷媒量检测模式即开始计时,设置检测运行时长为△T1,△T1的取值范围为:10≤△T1≤60min,△T1的优选值为45min,当检测运行时长△T1≤45min时,让空调系统保持运行冷媒量检测模式,当运行时间△T1>45min 时,为避免空调器室内侧换热器凝露而影响了室内侧换热器的管温数据采集准确度,此时会强制退出冷媒量检测模式;
强制退出冷媒量检测模式,具体指的是压缩机停机、外风机停机,内风机保持原转速,继续运行第二预设时长△T2,△T2的取值范围为:1min≤△T2≤ 10min,△T2优选为3min≤△T2≤5min,以除去换热器表面的露水;
室内侧换热器凝露指的是,当室内侧处于高湿(RH≥80%)工况时,室内换热器容易结露,而随着结露量的增加,而空调器在运行冷媒量检测模式时,内风机运行的风档较高,室内换热器表面的露水由于强制对流换热而快速蒸发,露水的蒸发会带走室内换热器一部分的热量,此时内管温感温包采集到的内管温数据将无法直接反映内管温的真实数据;
本发明实施例还提供了一种空调器冷媒量预测系统,其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质,当一个或多个处理器执行程序指令时,一个或多个处理器用于实现前文实施例任意一项的方法。
本发明实施例还提供了一种空调器,其采用前文实施例中任一项的方法,或包括前文实施例的系统。
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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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。
以上所述仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专利的技术人员在不脱离本发明技术方案范围内,当可利用上述提示的技术内容作出些许更动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的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明方案的范围内。
Claims (14)
1.一种空调器冷媒量预测方法,其特征在于,所述空调器设置有冷媒量检测模式,所述预测方法包括:
控制所述空调器运行所述冷媒量检测模式;
获取所述空调器在稳定状态下的多个第一运行参数的值;
利用冷媒量预测模型对所述多个第一运行参数的值进行计算,得到冷媒量预测值;
所述利用冷媒量预测模型对所述多个第一运行参数的值进行计算,得到冷媒量预测值,包括:
所述冷媒量预测模型为冷媒量预测公式,利用所述冷媒量预测公式对所述多个第一运行参数的值进行计算,得到冷媒量预测值;
所述多个第一运行参数包括压缩机功率、室外环境温度、室外换热器管温、室内环境温度、室内换热器管温;
所述冷媒量预测公式为:
其中,G为冷媒量检测值,A、B、C、D、E均为修正系数,P压缩机功率为所述压缩机运行功率,T外环温为所述室外环境温度、T外管温为所述室外换热器管温、T内环温为所述室内环境温度和T内管温为所述室内换热器管温。
2.根据权利要求1所述空调器冷媒量预测方法,其特征在于,所述获取所述空调器在稳定状态下的多个第一运行参数的值,包括:
按照预设时间间隔获取空调器的多个第一运行参数的值;
根据不同时刻的多个第一运行参数的值判断空调器运行状态是否稳定;
若是,获取所述空调器在当前时刻的多个第一运行参数的值。
3.根据权利要求2所述空调器冷媒量预测方法,其特征在于,
所述预设时间间隔的取值范围为:大于或等于1min且小于或等于2min。
4.根据权利要求2所述空调器冷媒量预测方法,其特征在于,所述根据不同时刻的多个第一运行参数的值判断空调器运行状态是否稳定,包括:
计算每个所述第一运行参数在第i时刻的值和第(i+1)时刻的值的差值,i≥1;
根据不同时刻的差值判断与其对应的第一运行参数是否稳定;
当所述多个第一运行参数均稳定时,视为所述空调器运行状态稳定;
当所述多个第一运行参数中任意一个第一运行参数不稳定时,视为所述空调器运行状态不稳定。
5.根据权利要求3所述空调器冷媒量预测方法,其特征在于,所述根据不同时刻的差值判断与其对应的第一运行参数是否稳定,包括:
判断所述差值是否小于或等于与其对应第一运行参数的预设波动阈值;若是,将对应所述第一运行参数的参数稳定指标δ的值加1;若否,将对应所述第一运行参数的参数稳定指标δ的值减1;
判断所述参数稳定指标δ的值是否大于或等于预设值;若是,视为所述第一运行参数稳定;若否,视为所述第一运行参数不稳定;
其中,所述参数稳定指标δ的初始值为0。
6.根据权利要求1-5任意一项所述空调器冷媒量预测方法,其特征在于,控制所述空调器运行在所述冷媒量检测模式下,包括:
接收到终端发送的制冷指令或制热指令以及所述空调器的多个第二运行参数的每个第二运行参数的目标设定值;
控制所述空调器以制冷模式或制热模式运行并控制所述多个第二运行参数以各自对应的目标设定值运行,以使所述空调器运行在所述冷媒量检测模式。
7.根据权利要求6所述空调器冷媒量预测方法,其特征在于,所述多个第二运行参数包括压缩机频率、内风机风档,其中,
所述压缩机频率的目标设定范围为:大于或等于10Hz且小于或等于90Hz;
所述内风机风档的目标设定档位为多个预设风档中的高风档或超强风档。
8.根据权利要求7所述空调器冷媒量预测方法,其特征在于,在所述冷媒量检测模式下,所述预测方法还包括:
记录检测运行时长,并判断所述检测运行时长是否大于第一预设时长;
若是,退出所述冷媒量检测模式。
9.根据权利要求8所述空调器冷媒量预测方法,其特征在于,在退出所述冷媒量检测模式之后,所述预测方法还包括:
控制压缩机停机、外风机停机、内风机保持原转速继续运行第二预设时长。
10.根据权利要求9所述空调器冷媒量预测方法,其特征在于,
所述第一预设时长的取值范围为:大于或等于40min且小于或等于50min;
所述第二预设时长的取值范围为:大于或等于1min且小于或等于10min。
11.根据权利要求8所述空调器冷媒量预测方法,其特征在于,在退出所述冷媒量检测模式之后,所述预测方法还包括:
将各所述第一运行参数对应的参数稳定指标δ的值归零。
12.一种空调器冷媒量预测系统,其特征在于,所述空调器设置有冷媒量检测模式,所述预测系统包括:
控制模块,用于控制所述空调器运行在所述冷媒量检测模式下;
系统运行状态判断模块,用于获取所述空调器在稳定状态下的多个第一运行参数的值;
冷媒量预测模块,用于利用冷媒量预测模型对所述多个第一运行参数的值进行计算,得到冷媒量预测值;
所述冷媒量预测模型为冷媒量预测公式,所述多个第一运行参数包括压缩机功率、室外环境温度、室外换热器管温、室内环境温度、室内换热器管温;
所述冷媒量预测公式为:
其中,G为冷媒量检测值,A、B、C、D、E均为修正系数,P压缩机功率为所述压缩机运行功率,T外环温为所述室外环境温度、T外管温为所述室外换热器管温、T内环温为所述室内环境温度和T内管温为所述室内换热器管温。
13.一种空调器冷媒量预测系统,其特征在于,其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质,当所述一个或多个处理器执行所述程序指令时,所述一个或多个处理器用于实现根据权利要求1-11任意一项所述的方法。
14.一种空调器,其特征在于,其采用权利要求1-12中任一项所述的方法,或包括权利要求12所述的系统,或包括如权利要求13所述的系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654096.8A CN115164379B (zh) | 2022-06-09 | 2022-06-09 | 一种空调器冷媒量预测方法、系统和空调器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654096.8A CN115164379B (zh) | 2022-06-09 | 2022-06-09 | 一种空调器冷媒量预测方法、系统和空调器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115164379A CN115164379A (zh) | 2022-10-11 |
CN115164379B true CN115164379B (zh) | 2023-11-10 |
Family
ID=83486181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210654096.8A Active CN115164379B (zh) | 2022-06-09 | 2022-06-09 | 一种空调器冷媒量预测方法、系统和空调器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115164379B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107560089A (zh) * | 2017-09-20 | 2018-01-09 | 合肥美的暖通设备有限公司 | 多联机系统及其冷媒量的诊断方法和诊断装置 |
KR20180092758A (ko) * | 2017-02-10 | 2018-08-20 | 엘지전자 주식회사 | 멀티형 공기조화기의 제어방법 |
JP2018185118A (ja) * | 2017-04-27 | 2018-11-22 | パナソニックIpマネジメント株式会社 | 空気調和装置 |
CN110726232A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、空调器设备 |
CN110895024A (zh) * | 2018-09-12 | 2020-03-20 | 奥克斯空调股份有限公司 | 一种冷媒泄漏检测方法及空调器 |
CN111397088A (zh) * | 2020-03-30 | 2020-07-10 | 广东美的制冷设备有限公司 | 冷媒检测方法、空调器及存储介质 |
CN112240623A (zh) * | 2020-09-30 | 2021-01-19 | 青岛海尔空调器有限总公司 | 空调器的控制方法及空调器 |
CN113739348A (zh) * | 2020-05-29 | 2021-12-03 | 广东美的制冷设备有限公司 | 冷媒状态的检测方法、空调器及存储介质 |
CN113758534A (zh) * | 2021-07-29 | 2021-12-07 | 江铃汽车股份有限公司 | 一种燃料存量显示方法、系统、可读存储介质及车辆 |
CN114056045A (zh) * | 2021-11-15 | 2022-02-18 | 广东美的制冷设备有限公司 | 驻车空调器的控制方法、装置、空调器及存储介质 |
-
2022
- 2022-06-09 CN CN202210654096.8A patent/CN115164379B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180092758A (ko) * | 2017-02-10 | 2018-08-20 | 엘지전자 주식회사 | 멀티형 공기조화기의 제어방법 |
JP2018185118A (ja) * | 2017-04-27 | 2018-11-22 | パナソニックIpマネジメント株式会社 | 空気調和装置 |
CN107560089A (zh) * | 2017-09-20 | 2018-01-09 | 合肥美的暖通设备有限公司 | 多联机系统及其冷媒量的诊断方法和诊断装置 |
CN110895024A (zh) * | 2018-09-12 | 2020-03-20 | 奥克斯空调股份有限公司 | 一种冷媒泄漏检测方法及空调器 |
CN110726232A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、空调器设备 |
CN111397088A (zh) * | 2020-03-30 | 2020-07-10 | 广东美的制冷设备有限公司 | 冷媒检测方法、空调器及存储介质 |
CN113739348A (zh) * | 2020-05-29 | 2021-12-03 | 广东美的制冷设备有限公司 | 冷媒状态的检测方法、空调器及存储介质 |
CN112240623A (zh) * | 2020-09-30 | 2021-01-19 | 青岛海尔空调器有限总公司 | 空调器的控制方法及空调器 |
CN113758534A (zh) * | 2021-07-29 | 2021-12-07 | 江铃汽车股份有限公司 | 一种燃料存量显示方法、系统、可读存储介质及车辆 |
CN114056045A (zh) * | 2021-11-15 | 2022-02-18 | 广东美的制冷设备有限公司 | 驻车空调器的控制方法、装置、空调器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115164379A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109323369B (zh) | 空调及其化霜方法和装置 | |
CN110360734B (zh) | 一种空调的启动控制方法、装置、存储介质及空调 | |
CN110595007B (zh) | 一种变频空调频率控制方法、装置及空调器 | |
WO2008006293A1 (fr) | Approche et dispositif de test pour un conditionneur d'air | |
JP7328498B2 (ja) | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム | |
CN113551399B (zh) | 一种空调新风量控制方法、装置及空调 | |
CN113124623B (zh) | 制冷设备化霜控制方法、装置及冷凝机组 | |
CN108469098A (zh) | 除霜控制方法、装置、空调器和计算机可读存储介质 | |
CN110296515A (zh) | 提升空调舒适性的控制方法、装置、空调器及存储介质 | |
CN111397098B (zh) | 除霜控制方法、装置、空调器及计算机可读存储介质 | |
WO2019057039A1 (zh) | 一种空调房间实时湿度推算方法及空调器 | |
CN112432323B (zh) | 空调的控制方法、装置、计算机存储介质和电子设备 | |
CN116659147B (zh) | 冷柜除湿控制方法及系统 | |
CN108151232A (zh) | 运行控制方法、装置、空调器和计算机可读存储介质 | |
CN115164379B (zh) | 一种空调器冷媒量预测方法、系统和空调器 | |
CN113970137A (zh) | 一种除湿机和除湿机的运行控制方法 | |
CN113685996B (zh) | 空调器压缩机的控制方法以及空调器 | |
CN113865007B (zh) | 空调器及其控制方法 | |
CN112082248B (zh) | 空调器及其室外机除霜控制方法 | |
CN111412624A (zh) | 空调机组及其压缩机频率控制方法 | |
CN114216202B (zh) | 一种检测空调冷媒含量的方法及控制装置、空调 | |
CN115727478A (zh) | 一种空调机组不结霜控制方法、系统和空调器 | |
CN111947287B (zh) | 一种空调器和二氧化碳浓度的检测方法 | |
CN111174374B (zh) | 空调的控制方法、装置、存储介质及空调 | |
CN114791150A (zh) | 空调调频控制方法、控制装置、电子设备和存储介质 |
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 |