CN115264763A - 一种智能温控器和智能温控器的控制方法 - Google Patents
一种智能温控器和智能温控器的控制方法 Download PDFInfo
- Publication number
- CN115264763A CN115264763A CN202210667572.XA CN202210667572A CN115264763A CN 115264763 A CN115264763 A CN 115264763A CN 202210667572 A CN202210667572 A CN 202210667572A CN 115264763 A CN115264763 A CN 115264763A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- intelligent thermostat
- thermal physical
- building
- database
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 61
- 230000005611 electricity Effects 0.000 claims abstract description 56
- 238000011217 control strategy Methods 0.000 claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 42
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010438 heat treatment Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011031 large-scale manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
-
- 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
- F24F11/52—Indication arrangements, e.g. displays
-
- 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
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请涉及一种智能温控器和智能温控器的控制方法,智能温控器包括数据库、计算单元和通讯接口,通讯接口用于获取天气数据和电价,数据库用于存储建筑热物理参数、天气数据和电价,计算单元用于根据降阶建筑热物理模型、建筑热物理参数、天气数据和电价,求解第一优化函数,得到智能温控器的控制策略。其中,第一优化函数的优化目标为给定电价和确保舒适度下最小化运行费用。从而可以根据阶梯电价确定控制策略,优化住宅空调运行,并帮助电网吸纳更多可再生能源、减少“弃风弃光”。
Description
技术领域
本申请温控器技术领域,特别是涉及一种智能温控器和智能温控器的控制 方法。
背景技术
随着人民生活水平的提高,采用温度调节设备(如空调、暖气)调节室内温度, 营造舒适生活环境已经十分普遍。但是,在寒冷的冬天或者酷热的夏天,由于 自然环境温度与人体舒适温度的温差较大,温度调节设备开启后需要工作较长 一段时间才能够将室内温度调节到舒适的温度。消费者经常会有的体会是:在 房间内非常炎热或非常严寒时,即使回到家第一件事就是打开空调,而室内温 度下降到或上升到设定温度也需要一定时间,消费者在这段时间里就要忍受酷 热或严寒,严重影响用户的舒适度。
综上,现有技术中存在着用户到家后需要等待温度调节设备将温度调整至 舒适温度,而无法在到家后即刻享受舒适环境的问题,以及,不能够让建筑的 空调采暖负荷自动有效地响应电网阶梯电价的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种智能温控器和智能温控器的 实现方法。
第一方面,提供一种智能温控器,所述智能温控器包括:数据库、计算单 元和通讯接口;
所述通讯接口,用于获取天气数据和电价;
所述数据库,用于存储建筑热物理参数、所述天气数据和所述电价;
所述计算单元,用于根据降阶建筑热物理模型、所述建筑热物理参数、所 述天气数据和所述电价,求解第一优化函数,得到所述智能温控器的控制策略; 其中,所述第一优化函数的优化目标为给定电价和确保舒适度下最小化运行费 用。
在其中一个实施例中,所述数据库还用于存储能源设备的历史运行数据; 所述历史运行数据包括空调启停状态与室内温度数据;
所述计算单元,用于根据所述空调启停状态、所述室内温度数据和所述天 气数据,求解第二优化函数,得到所述建筑热物理参数,并将所述建筑热物理 参数存储至所述数据库;
其中,所述第二优化函数的优化目标为最小化所述第二优化函数的误差。
在其中一个实施例中,所述计算单元内置于所述智能温控器中。
在其中一个实施例中,所述通讯接口,用于从气象站获取所述天气数据, 从电网获得所述电价。
在其中一个实施例中,所述智能温控器包括存储器,所述存储器用于存储 所述降阶建筑热物理模型。
在其中一个实施例中,所述计算单元还用于根据所述空调启停状态、所述 室内温度数据和所述天气数据,更新所述降阶建筑热物理模型,并将更新后的 降阶建筑热物理模型参数存储于所述数据库。
在其中一个实施例中,所述智能温控器还包括传感器、交互接口和控制器;
所述传感器用于环境感知;
所述交互接口用户和用户交互;
所述控制器用于基于所述控制策略控制能源设备的启停
在其中一个实施例中,每个智能温控器上的降阶建筑热物理模型相同,建 筑热物理参数不同;其中,所述建筑热物理参数来自于对所述历史运行数据的 学习。
在其中一个实施例中,所述第二优化函数求解出的建筑热物理参数包括当 前空调输出功率;所述数据库还存储有历史空调输出功率;
所述计算单元,用于对所述当前空调输出功率与所述历史空调输出功率进 行分析,确定空调是否存在故障。
第二方面,提供一种智能温控器的控制方法,所述控制方法用于控制上述 任一实施例所述的智能温控器。
上述智能温控器和智能温控器的控制方法,智能温控器包括:数据库、计 算单元和通讯接口;通讯接口用于获取天气数据和电价;数据库用于存储建筑 热物理参数、天气数据和电价;计算单元用于根据降阶建筑热物理模型、建筑 热物理参数、天气数据和电价,求解第一优化函数,得到所述智能温控器的控 制策略;其中,第一优化函数的优化目标为给定电价和确保舒适度下最小化运 行费用。其中,根据降阶建筑热物理模型、建筑热物理参数、天气数据和电价, 可以准确确定控制策略(如空调开启时间),这样确保用户到家之后,室内温 度在舒适度区间之内,同时又不至于因为过早开启空调或采暖导致能耗浪费,或者过晚开启空调或采暖导致用户到家时温度不适宜,提升环境营造的能耗效 率。此外,根据阶梯电价确定控制策略,优化住宅空调运行,可以在电价上升 之前,提前开启空调或者采暖(预冷、预热);或者在电价贵的时候,让空调 温度处于舒适范围的上界,或者让采暖温度处于舒适范围的下界,在保障舒适 度的同时帮助用户节省用电费用,也可以帮助电网吸纳更多可再生能源、减少 “弃风弃光”。
附图说明
图1为一个实施例中一种智能温控器的结构框图;
图2为另一个实施例中一种智能温控器的结构框图;
图3为一个实施例中智能温控器的样本的运行效果示意图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实 施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅 用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种智能温控器的结构框图,该智 能温控器包括:数据库、计算单元和通讯接口;
所述通讯接口,用于获取天气数据和电价;
所述数据库,用于存储建筑热物理参数、所述天气数据和所述电价;
所述计算单元,用于根据降阶建筑热物理模型、所述建筑热物理参数、所 述天气数据和所述电价,求解第一优化函数,得到所述智能温控器的控制策略; 其中,所述第一优化函数的优化目标为给定电价和确保舒适度下最小化运行费 用。
其中,通讯接口从气象站获取天气数据,从电网获得电价。其中,天气数 据包括太阳辐射强度Q和室外温度θ,电网获得的电价包括当前和未来时刻的电 价。
其中,建筑热物理参数包括房间热容C、室内外传热热阻R和当前空调输出 功率P。
其中,计算单元可以是参数识别(例如,建筑热物理参数的识别)和寻找 最优的控制策略的本地端优化求解芯片。可选地,计算单元内置于智能温控器 中或云端。其中,参数识别和寻找最优这两个功能都是通过形成并求解结构相 似的优化问题来实现的,因此它们所需的计算资源和芯片类型是一致的。
其中,降阶建筑热物理模型包括第一优化函数和约束条件。根据降阶建筑 热物理模型、建筑热物理参数、天气数据和电价,求解第一优化函数,使得求 解出的参数满足约束条件,从而得到所述智能温控器的控制策略。
上述实施例提供的智能温控器,该智能温控器包括:数据库、计算单元和 通讯接口;通讯接口用于获取天气数据和电价;数据库用于存储建筑热物理参 数、天气数据和电价;计算单元用于根据降阶建筑热物理模型、建筑热物理参 数、天气数据和电价,求解第一优化函数,得到所述智能温控器的控制策略; 其中,第一优化函数的优化目标为给定电价和确保舒适度下最小化运行费用。 其中,根据降阶建筑热物理模型、建筑热物理参数、天气数据和电价,可以准 确确定控制策略(如空调开启时间),这样确保用户到家之后,室内温度在舒 适度区间之内,同时又不至于因为过早开启空调或采暖导致能耗浪费,或者过 晚开启空调或采暖导致用户到家时温度不适宜,提升环境品质以及环境营造的 能源效率。此外,根据阶梯电价确定控制策略,优化住宅空调运行,可以在电 价上升之前,提前开启空调或者采暖(预冷、预热);或者在电价贵的时候, 让空调温度处于舒适范围的上界,或者让采暖温度处于舒适范围的下界,在保 障舒适度的同时帮助用户节省用电费用,也可以帮助电网吸纳更多可再生能源、 减少“弃风弃光”。
其中,第一优化函数的约束条件包括:
θi,0=θi,current
其中,pk表示在k时刻的电价,uk表示k时刻的空调状态,θi,0表示初始时刻 的室内温度,θi,current表示当前时刻的室内温度,θi,k+1表示k+1时刻的室内温度,θi,k表示k时刻的室内温度,表示预设的控制时间步长,为系统参数,C表示房间 热容,θo,k表示k时刻的室外温度,R表示室内外传热热阻,Qk表示k时刻的太阳 辐射强度,S表示遮阳系数,P表示当前空调输出功率,θupper,k表示k时刻的室内 舒适温度上限,θlower,k表示k时刻室内舒适温度下限,k表示时刻,K表示优化时 间范围。
可选地,θupper,k和θlower,k由用户设定的空调设定值与舒适温度区间与室内人员 状态一起决定,当用户不在家时,因为用户T时刻才会到家,因此0到T时刻, 室内没有人,θupper,k和θlower,k区间会放宽。
在可选地一个实施例中,所述数据库还用于存储能源设备的历史运行数据; 所述历史运行数据包括空调启停状态与室内温度数据;所述计算单元,用于根 据所述空调启停状态、所述室内温度数据和所述天气数据,求解第二优化函数, 得到所述建筑热物理参数,并将所述建筑热物理参数存储至所述数据库;其中, 所述第二优化函数的优化目标为最小化所述第二优化函数的误差。
在本发明实施例中,基于获取到的空调启停状态、室内温度数据和天气数 据,求解第二优化函数,得到建筑热物理参数;其中,第二优化函数的优化目 标为最小化第二优化函数的误差。
其中,R表示室内外传热热阻,C表示房间热容,Q表示太阳辐射强度,εk表示k时刻的第二优化函数的误差,θi表示室内温度,k表示时刻,θo,k表示k时 刻的室外温度,θi,k表示k时刻的室内温度,S表示遮阳系数,u表示空调状态, P表示当前空调输出功率;其中,所述建筑热物理参数包括房间热容C、室内外 传热热阻R和当前空调输出功率P。
其中,房间的热物理过程可以表示为:其中,房间热容C、室内外传热热阻R、当前空调输出功率P和遮阳系数S均为待识别 参数;u表示空调状态,当u等于0的时候,表示空调关闭,当u等于1的时候, 表示空调关开启,该状态从温控器的历史运行数据中获取;θi表示室内温度,由 内置于温控器的温度传感器测得;θo表示室外温度,从气象站获得;ε表示优化 目标。基于房间的热物理过程可以形成优化问题1(即第二优化函数):
之后,求解优化问题1,当ε大于第一预设阈值,则表示当前识别失败,将 识别失败状态存储到数据库中,结束流程。当ε小于第一预设阈值,则表示当前 识别成功,将识别的参数R、C、P和S存储在数据库中,以备用于求解第一优 化函数。其中,第一预设阈值是一个判断是否识别失败的临界值,可以根据实 际情况进行设定。
需要说明的是,上述天气数据包括天气预报数据和历史天气数据,求解第 一优化函数需要天气预报数据,求解第二优化函数需要历史天气数据。
在可选地一个实施例中,所述第二优化函数求解出的建筑热物理参数包括 当前空调输出功率;所述数据库还存储有历史空调输出功率;
所述计算单元,用于对所述当前空调输出功率与所述历史空调输出功率进 行分析,确定空调是否存在故障。
在可选地一个实施例中,当所述误差小于第一预设阈值时,对当前空调输 出功率P与历史空调输出功率进行分析,确定空调是否存在故障。
其中,当误差小于第一预设阈值时,说明参数识别成功;再根据所述历史 空调输出功率确定历史输出功率均值X和历史输出功率标准差Y;获取所述历 史输出功率均值X与预设倍速的历史输出功率标准差Y的差值;若所述当前空 调输出功率P小于所述差值,则确定空调存在故障。可选地,若P<(X-3*Y), 则确定空调存在故障。
在本发明实施例中,求解优化问题1后,得到误差ε。若误差ε小于第一预 设阈值,则表示当前识别成功,将识别的参数R、C、P和S存储在数据库中, 以备用于求解第一优化函数。之后,根据空调的历史空调输出功率确定历史输 出功率均值X和历史输出功率标准差Y;获取历史输出功率均值X与3倍的历 史输出功率标准差Y的差值;若当前空调输出功率P小于该差值,则确定空调 存在故障;若当前空调输出功率P大于差值,则确定空调不存在故障。
在可选地一个实施例中,基于所述天气数据、所述建筑热物理参数和所述 历史运行数据,确定从当前温度到达目标温度的标准时间;获取从当前温度到 达目标温度的实际时间;若所述实际时间和所述标准时间的差值大于第二预设 阈值,则确定空调存在故障。
其中,可以基于控制策略确定从当前温度到达目标温度的实际时间,也可 以在运行中实时监测当前温度是否到达目标温度,当当前温度到达目标温度后 获取从当前温度到达目标温度的实际时间。其中,第二预设阈值是一个判断空 调是否存在故障的临界值,可以根据实际情况进行设定。
在本发明实施例中,基于所识别的建筑热物理参数以及空调的历史运行数 据,推断出在当前天气下,需要多长时间(即标准时间)可以将房间温度降低 下来或者提升上去。若实际时间和标准时间的差值大于第二预设阈值,则确定 空调存在故障,若实际时间和标准时间的差值小于或等于第二预设阈值,则确 定空调不存在故障。
其中,当基于控制策略确定从当前温度到达目标温度的实际时间的时候, 可以提前确定空调是否会发生故障,在确定可能会出现故障则通知用户存在故 障,从而通过提前向用户报警的方式避免额外的损失。
在可选地一个实施例中,所述智能温控器还包括存储器,所述存储器用于 存储所述降阶建筑热物理模型。可选地,所述降价建筑热物理模型还可以存储 于本地端。
在可选地一个实施例中,所述计算单元还用于根据所述空调启停状态、所 述室内温度数据和所述天气数据,更新所述降阶建筑热物理模型,并将更新后 的降阶建筑热物理模型参数存储于所述数据库。
在另一个实施例中,如图2所示,提供了一种智能温控器的结构框图,该 智能温控器包括:数据库、计算单元、通讯接口、传感器、交互接口和控制器; 所述传感器用于环境感知;所述交互接口用户和用户交互;所述控制器用于基 于所述控制策略控制能源设备的启停。
其中,本发明实施例的智能温控器包括传感器(设置于智能控制器中,未 在图中画出)、交互接口(设置于智能控制器上,未在图中画出)和控制器(内 置于智能控制器中,未在图中画出),传感器可以用于环境感知,包括人员感 知和室内温度测量;其中,人员感知通常使用被动红外探测器(Passive infrared detectors,PIR)检测室内是否有人。交互接口可以和用户进行交互,收 集用户作息(什么时候在家,什么时候不在家),以及用户偏好温度范围。控 制器用于控制空调启停(例如,根据第一优化函数问题求解结果开启或者关闭 空调)。其中,计算单元求解出最优的控制策略后,将该控制策略下发至控制 器,使得控制器根据控制策略控制空调启停。
其中,图2所示实施例中的数据库、计算单元、通讯接口的相关描述和图1 所示的实施例中的描述一致,此处不再加以赘述。
在本发明实施例中,每个智能温控器上的降阶建筑热物理模型相同,建筑 热物理参数不同。
其中,实现上述功能的难点在于需要在定制化和规模化之间取得平衡。因 为建筑是千差万别的,不同的建筑有不同的热物理性质,实现最优的控制效果, 需要准确反映不同建筑的不同,此为定制化的需求。另一方面,作为面向大众 的消费级产品,定制化会导致生产成本过高,只有实现规模化和标准化才能降 低成本,赢得市场。为了解决这一矛盾,本申请设置降阶建筑热物理模型和优 化问题求解架构相同(通用性,易于规模化生产),但是模型参数不同(定制 化,充分反映不同建筑的差异),模型参数基于智能温控器收集的建筑运行实 测数据(室内温度变化、空调启停状态)和获取的室外气象参数(由气象服务 商提供)通过参数识别方法获得。同样的模型架构可以满足规模化生产智能温 控器的目标,基于实测数据的参数自学习可以反映不同建筑的差异性,同时自 学习的方法可以降低智能温控器的部署成本和使用难度。
可选地,降阶建筑热物理模型推断部分,除了采用基于运行数据的参数识 别方法,还可以通过用户手动输入的方式。
在一个实施例中,提供了一种智能温控器的控制方法,所述控制方法用于 控制上述任一实施例所述的智能温控器。
在本发明实施例中,智能温控器的控制方法的相关描述参见上述智能温控 器的描述,此处不再加以赘述。
上述智能温控器的控制方法,利用通讯接口获取天气数据和电价;利用数 据库存储建筑热物理参数、天气数据和电价;利用计算单元根据降阶建筑热物 理模型、建筑热物理参数、天气数据和电价,求解第一优化函数,得到智能温 控器的控制策略;其中,第一优化函数的优化目标为给定电价和确保舒适度下 最小化运行费用。其中,根据降阶建筑热物理模型、建筑热物理参数、天气数 据和电价,可以准确确定控制策略(如空调开启时间),这样确保用户到家之 后,室内温度在舒适度区间之内,同时又不至于因为过早开启空调或采暖导致 能耗浪费,或者过晚开启空调或采暖导致用户到家时温度不适宜,提升环境营 造的能耗效率。此外,根据阶梯电价确定控制策略,优化住宅空调运行,可以 在电价上升之前,提前开启空调或者采暖(预冷、预热);或者在电价贵的时 候,让空调温度处于舒适范围的上界,或者让采暖温度处于舒适范围的下界, 在保障舒适度的同时帮助用户节省用电费用,也可以帮助电网吸纳更多可再生 能源、减少“弃风弃光”。
如图3所示,为智能温控器的样本的运行效果示意图。本发明的样本基于 某城市的峰谷电价,所实现的需求响应效果如图3所示。传统智能温控器的控 制思路是:当温度达到舒适区间的上界时,开启空调;当温度到达舒适区间的 下界时,关闭空调,如图3中的中间框图中的传统温控器的曲线所示。本发明 的智能温控器可以智能化调节空调运行,在电价即将上升之前,提前开启空调 预冷,从而减少在电价提高之后的空调需求本发明的智能温控器的曲线所示。 其中,提前多久开启预冷,以及预冷多少,是基于天气参数、电价变化幅度、 本建筑热阻热容参数等因素通过优化求解所得,可以确保是当前情况下最高效 经济的预冷方案。可以高效智能地实现需求响应,对于用户可以减少电费;对 于电网可以移峰填谷、以吸纳更多可再生能源。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器, 其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、 存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控 制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失 性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存 储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用 于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。 该计算机程序被处理器执行时以实现一种智能温控器的控制方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关 的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定, 具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件, 或者具有不同的部件布置。
在一个实施例中,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,处理器执行计算机程序时实现上 述步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程 序,计算机程序被处理器执行时实现上述步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程, 是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于 一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述 各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。 非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编 程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局 限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、 同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储 器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述 实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特 征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的 普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改 进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权 利要求为准。
Claims (10)
1.一种智能温控器,其特征在于,所述智能温控器包括:数据库、计算单元和通讯接口;
所述通讯接口,用于获取天气数据和电价;
所述数据库,用于存储建筑热物理参数、所述天气数据和所述电价;
所述计算单元,用于根据降阶建筑热物理模型、所述建筑热物理参数、所述天气数据和所述电价,求解第一优化函数,得到所述智能温控器的控制策略;其中,所述第一优化函数的优化目标为给定电价和确保舒适度下最小化运行费用。
2.根据权利要求1所述的智能温控器,其特征在于,所述数据库还用于存储能源设备的历史运行数据;所述历史运行数据包括空调启停状态与室内温度数据;
所述计算单元,用于根据所述空调启停状态、所述室内温度数据和所述天气数据,求解第二优化函数,得到所述建筑热物理参数,并将所述建筑热物理参数存储至所述数据库;
其中,所述第二优化函数的优化目标为最小化所述第二优化函数的误差。
3.根据权利要求1所述的智能温控器,其特征在于,所述计算单元内置于所述智能温控器中。
4.根据权利要求1所述的智能温控器,其特征在于,所述通讯接口,用于从气象站获取所述天气数据,从电网获得所述电价。
5.根据权利要求1所述的智能温控器,其特征在于,所述智能温控器包括存储器,所述存储器用于存储所述降阶建筑热物理模型。
6.根据权利要求5所述的智能温控器,其特征在于,所述计算单元还用于根据所述空调启停状态、所述室内温度数据和所述天气数据,更新所述降阶建筑热物理模型,并将更新后的降阶建筑热物理模型参数存储于所述数据库。
7.根据权利要求1所述的智能温控器,其特征在于,所述智能温控器还包括传感器、交互接口和控制器;
所述传感器用于环境感知;
所述交互接口用户和用户交互;
所述控制器用于基于所述控制策略控制能源设备的启停。
8.根据权利要求2所述的智能温控器,其特征在于,每个智能温控器上的降阶建筑热物理模型相同,建筑热物理参数不同;其中,所述建筑热物理参数来自于对所述历史运行数据的学习。
9.根据权利要求2所述的智能温控器,其特征在于,所述第二优化函数求解出的建筑热物理参数包括当前空调输出功率;所述数据库还存储有历史空调输出功率;
所述计算单元,用于对所述当前空调输出功率与所述历史空调输出功率进行分析,确定空调是否存在故障。
10.一种智能温控器的控制方法,其特征在于,所述控制方法用于控制权利要求1-9任一权利要求所述的智能温控器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667572.XA CN115264763A (zh) | 2022-06-13 | 2022-06-13 | 一种智能温控器和智能温控器的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667572.XA CN115264763A (zh) | 2022-06-13 | 2022-06-13 | 一种智能温控器和智能温控器的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115264763A true CN115264763A (zh) | 2022-11-01 |
Family
ID=83758982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210667572.XA Pending CN115264763A (zh) | 2022-06-13 | 2022-06-13 | 一种智能温控器和智能温控器的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115264763A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120023976A1 (en) * | 2010-07-28 | 2012-02-02 | Younggeul Kim | Air conditioner and method for controlling the same |
CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
CN108413567A (zh) * | 2018-03-14 | 2018-08-17 | 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 |
CN109214113A (zh) * | 2018-09-30 | 2019-01-15 | 西安交通大学 | 一种建筑围护结构动态传热的新模型降阶求解方法 |
-
2022
- 2022-06-13 CN CN202210667572.XA patent/CN115264763A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120023976A1 (en) * | 2010-07-28 | 2012-02-02 | Younggeul Kim | Air conditioner and method for controlling the same |
CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
CN108413567A (zh) * | 2018-03-14 | 2018-08-17 | 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 |
CN109214113A (zh) * | 2018-09-30 | 2019-01-15 | 西安交通大学 | 一种建筑围护结构动态传热的新模型降阶求解方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Finck et al. | Economic model predictive control for demand flexibility of a residential building | |
US10983542B2 (en) | Load-predicting and control system and method for subway heating, ventilation and air conditioning system | |
EP3614055B1 (en) | Heat supply regulation method and apparatus | |
CN102679505B (zh) | 房间温度控制方法 | |
Lu et al. | Cooling system energy flexibility of a nearly zero-energy office building using building thermal mass: Potential evaluation and parametric analysis | |
US10411475B2 (en) | Cloud-based control for power distribution system | |
Causone et al. | Yearly operational performance of a nZEB in the Mediterranean climate | |
Heinz et al. | Energetic and economic analysis of a PV-assisted air-to-water heat pump system for renovated residential buildings with high-temperature heat emission system | |
US20160146497A1 (en) | Maintaining an attribute of a building | |
US20220352717A1 (en) | Demand response of loads having thermal reserves | |
JP5784352B2 (ja) | 住宅エネルギーシステム | |
Potočnik et al. | Analysis and optimization of thermal comfort in residential buildings by means of a weather-controlled air-to-water heat pump | |
Wang et al. | Field test of Model Predictive Control in residential buildings for utility cost savings | |
Magrini et al. | Energy smart management and performance monitoring of a NZEB: Analysis of an application | |
Cui et al. | Application potential analysis of different control strategies for radiant floor cooling systems in office buildings in different climate zones of China | |
Wei et al. | Evaluation of model predictive control (MPC) of solar thermal heating system with thermal energy storage for buildings with highly variable occupancy levels | |
CN111998505B (zh) | 基于RSM-Kriging-GA算法的泛园区空调系统能耗优化方法及系统 | |
CN115264763A (zh) | 一种智能温控器和智能温控器的控制方法 | |
Michailidis et al. | Optimization-based active techniques for energy efficient building control part ii: Real-life experimental results | |
JP6719669B2 (ja) | 制御装置、電力管理システム、機器の制御方法及びプログラム | |
Finck et al. | Identification of a dynamic system model for a building and heating system including heat pump and thermal energy storage | |
Michailidis et al. | Improving energy savings and thermal comfort in large-scale buildings via adaptive optimization | |
JP2022528759A (ja) | 太陽光発電エネルギー生産を評価するための方法およびその方法を実施する評価および管理ユニット | |
Hummel et al. | Impact of the Weather Forecast Quality on a MPCdriven Heat Pump Heating System | |
Brissette et al. | The occupant comfort challenge of building energy savings through HVAC control |
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 |