CN115307274A - 控制空调系统的主机的方法、设备和存储介质 - Google Patents

控制空调系统的主机的方法、设备和存储介质 Download PDF

Info

Publication number
CN115307274A
CN115307274A CN202211244782.4A CN202211244782A CN115307274A CN 115307274 A CN115307274 A CN 115307274A CN 202211244782 A CN202211244782 A CN 202211244782A CN 115307274 A CN115307274 A CN 115307274A
Authority
CN
China
Prior art keywords
capacity
combination
host
available
combinations
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.)
Granted
Application number
CN202211244782.4A
Other languages
English (en)
Other versions
CN115307274B (zh
Inventor
林圣剑
马胜明
刘星如
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Mushroom Iot Technology Co ltd
Original Assignee
Mogulinker Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mogulinker Technology Shenzhen Co Ltd filed Critical Mogulinker Technology Shenzhen Co Ltd
Priority to CN202211244782.4A priority Critical patent/CN115307274B/zh
Publication of CN115307274A publication Critical patent/CN115307274A/zh
Application granted granted Critical
Publication of CN115307274B publication Critical patent/CN115307274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/30Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46Improving electric energy efficiency or saving
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/50Control or safety arrangements characterised by user interfaces or communication
    • F24F11/54Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/50Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56Remote control
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/50Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61Control or safety arrangements characterised by user interfaces or communication using timers
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/62Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63Electronic processing
    • F24F11/64Electronic processing using pre-stored data
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/70Control systems characterised by their outputs; Constructional details thereof
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/88Electrical aspects, e.g. circuits

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

本公开涉及一种用于控制空调系统的主机的方法、计算设备和计算机可读存储介质。该方法包括:获取空调系统在未来的第一时刻的预测负荷;基于预测负荷,计算空调系统中的主机所组成的容量台数组合的预测负载率;基于容量台数组合的预测负载率,筛选出容量台数组合中的可用容量台数组合;以及基于可用容量台数组合,控制空调系统的主机的运行。本公开至少能够结合空调系统中的各台主机的运行参数和所获取到的空调系统在目标时刻的预测负荷,筛选出空调系统的可用容量台数组合,以用于实现平稳、节能地控制主机的运行。

Description

控制空调系统的主机的方法、设备和存储介质
技术领域
本公开总体上涉及空调系统智能控制领域,并且更具体地,涉及用于控制空调系统的主机的方法、计算设备和计算机可读存储介质。
背景技术
包含多台主机的空调系统已被广泛地用于大型民用建筑和工厂的制冷或制热。在传统的空调系统控制方案中,根据环境温度的当前变化,简单地直接启用或停用空调系统中的部分主机以保证温度需求。可见,传统的空调系统控制方案在确定空调系统的主机运行策略时未考虑到总功耗、每台主机的运行时长以及启用或停用空调系统中的部分主机的转换平滑度等因素。
综上,传统的空调系统控制方案的不足之处在于:在确定空调系统的主机运行策略时未综合考虑各台主机的运行参数,进而难以获得平稳、节能的主机运行策略。
发明内容
针对上述问题,本公开提供一种用于控制空调系统的主机的方法、计算设备和计算机可读存储介质,至少能够综合考虑空调系统中的各台主机的运行参数,筛选出空调系统的可用容量台数组合,以实现平稳、节能地控制主机运行。
根据本公开的第一方面,提供了一种用于控制空调系统的主机的方法,该方法包括:获取空调系统在未来的第一时刻的预测负荷;基于预测负荷,计算空调系统中的主机所组成的容量台数组合的预测负载率;基于容量台数组合的预测负载率,筛选出容量台数组合中的可用容量台数组合;以及基于可用容量台数组合,控制空调系统的主机的运行。
在一些实施例中,基于容量台数组合的预测负载率,筛选出容量台数组合中的可用容量台数组合包括:判断容量台数组合中的第一容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值,其中第二阈值大于第一阈值;以及响应于第一容量台数组合的预测负载率大于或者等于第一阈值且小于或者等于第二阈值,确定第一容量台数组合是可用容量台数组合。
在一些实施例中,第一阈值是空调系统中的每一台主机的允许最小冷负荷负载率中的众数,第二阈值是1。
在一些实施例中,基于容量台数组合的预测负载率,筛选出容量台数组合中的可用容量台数组合还包括:响应于第一容量台数组合的预测负载率小于第一阈值,判断容量台数组合中的第二容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值,其中,第二容量台数组合通过将第一容量台数组合的第一台数减一而获得;以及响应于第一容量台数组合的预测负载率大于第二阈值,不继续判断第二容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值。
在一些实施例中,方法还包括:基于可用容量台数组合的可用主机的运行时长和预测功耗,确定与可用容量台数组合相对应的候选容量主机组合。
在一些实施例中,确定与可用容量台数组合相对应的候选容量主机组合包括:将与可用容量台数组合的第一容量相对应的可用主机按照运行时长分组为未超时可用主机组和超时可用主机组;对未超时可用主机组内的可用主机按照预测功耗进行排序;对超时可用主机组内的可用主机按照预测功耗进行排序;以及基于未超时可用主机组的排序结果和超时可用主机组的排序结果,确定与可用容量台数组合的第一容量相对应的候选主机,以用于确定与可用容量台数组合相对应的候选容量主机组合。
在一些实施例中,方法还包括:基于可用容量台数组合的预测负载率和与可用容量台数组合的第一容量相对应的主机的允许最小冷负荷负载率,确定与可用容量台数组合的第一容量相对应的可用主机。
在一些实施例中,方法还包括:基于与可用容量台数组合相对应的候选容量主机组合的运行时长和预测功耗,对所有候选容量主机组合进行排序。
在一些实施例中,方法还包括:获取空调系统在未来的第二时刻所使用的容量主机组合,以用作参考容量主机组合,其中第二时刻是第一时刻的前一时刻;计算候选容量主机组合与参考容量主机组合之间的主机差异台数;以及基于主机差异台数,确定空调系统在未来的第一时刻所使用的容量主机组合。
在一些实施例中,基于主机差异台数,确定空调系统在未来的第一时刻所使用的容量主机组合包括:将候选容量主机组合按照预测功耗分组为满足预测功耗容差组和不满足预测功耗容差组;对满足预测功耗容差组内的候选容量主机组合按照主机差异台数进行排序;对不满足预测功耗容差组内的候选容量主机组合按照主机差异台数进行排序;以及基于满足预测功耗容差组的排序结果和不满足预测功耗容差组的排序结果,确定空调系统在未来的第一时刻所使用的容量主机组合。
根据本发明的第二方面,还提供了一种计算设备,计算设备包括:至少一个处理器;以及至少一个存储器,至少一个存储器被耦合到至少一个处理器并且存储用于由至少一个处理器执行的指令,指令当由至少一个处理器执行时,使得计算设备执行根据第一方面所述的方法。
根据本发明的第三方面,还提供了一种计算机可读存储介质,其上存储有计算机程序代码,计算机程序代码在被运行时执行根据本公开的第一方面所述的方法。
提供发明内容部分是为了以简化的形式来介绍对概念的选择,它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征,也无意限制本公开的范围。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例的附图作简单地介绍,显而易见地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1图示了用于实现根据本公开实施例的用于控制空调系统的主机的方法的系统的示意图。
图2图示了本公开实施例提供的一种用于控制空调系统的主机的方法的流程图。
图3A-3C图示了根据本公开实施例的筛选出容量台数组合中的可用容量台数组合的一个示例性方法的流程图。
图4图示了根据本公开实施例的确定候选容量主机组合的一个示例性方法的流程图。
图5图示了根据本公开实施例的确定空调系统在未来的第一时刻所使用的容量主机组合的一个示例性方法的流程图。
图6图示了用于实现本公开实施例的示例性电子设备的框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例的附图,对本公开实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。基于所描述的本公开的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”、“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如前文所描述,传统的空调系统控制方案在确定空调系统的主机运行策略时未考虑到总功耗、每台主机的运行时长以及启用或停用空调系统中的部分主机的转换平滑度等因素,进而难以获得平稳、节能的主机运行策略。
为了至少部分地解决上述问题以及其他潜在问题中的一个或多个,本公开提出了一种用于控制空调系统的主机的技术方案。在本公开的技术方案中,结合空调系统中的各台主机的运行参数和所获取到的空调系统在目标时刻的预测负荷,至少能够筛选出空调系统的可用容量台数组合,以用于针对该目标时刻实现平稳、节能地控制主机的运行。
进一步地,本公开的实施例基于可用容量台数组合的可用主机的运行时长和预测功耗,至少能够确定与可用容量台数组合相对应的总功耗低且每台主机运行时长均匀的候选容量主机组合。并且更进一步地,本公开的实施例基于目标时刻的候选容量主机组合与该目标时刻的前一时刻的容量主机组合之间的主机差异台数,至少能够确定转换平滑的在该目标时刻所使用的容量主机组合。
下面通过几个具体的实施例对本公开进行说明。为了保持本发明实施例的以下说明清楚且简明,可省略已知功能和已知部件的详细说明。当本发明实施例的任一部件在一个以上的附图中出现时,该部件在每个附图中由相同的参考标号表示。
例如,图1图示了用于实现根据本公开实施例的用于控制空调系统的主机的方法的系统100的示意图。如图1所示,系统100包括空调系统20和计算设备40。在图1所示的示例中,空调系统20用于对周围环境的温度进行调节,计算设备40用于控制空调系统20的主机的运行。例如,空调系统20可以是中央空调系统,计算设备40可以是云端服务器。需要说明的是,为便于说明,在本公开中以空调系统20制冷为例进行说明,但这并不是对本公开的限制。
在图1所示的示例中,空调系统20包括多台主机22。例如,图1中示例性地示出了4台主机22a、22b、22c和22d。例如,主机22a的容量为800千瓦(kw),编号为1#;主机22b至22d的容量均为1600 kw,编号分别为2#、3#和4#。
在图1所示的示例中,计算设备40包括至少一个处理器42和与该至少一个处理器42耦合的至少一个存储器44,该存储器44中存储有可由该至少一个处理器42执行的指令46,该指令46在被该至少一个处理器42执行时使得计算设备40执行如下所述的方法的至少一部分。
例如,图2图示了本公开实施例提供的一种用于控制空调系统的主机的方法200的流程图。方法200可以由图1中所示的系统100中的计算设备40执行,也可以由图6所示的电子设备600执行。应当理解的是,方法200还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在步骤202,获取空调系统在未来的第一时刻的预测负荷。
例如,第一时刻可以是待确定主机运行策略的目标时刻。例如,第一时刻可以是时间点,也可以是时间段,这取决于实际情况而定,本公开的实施例对此不作限制。
例如,如图1所示,计算设备40可以基于末端负荷预测模型来获取空调系统20在未来的第一时刻的预测负荷Q(单位为kw)。例如,末端负荷预测模型可以通过神经网络等机器学习方式获得。需要说明的是,获取预测负荷的方式取决于实际情况而定,本公开的实施例对此不作限制。
在步骤204,基于预测负荷,计算空调系统中的主机所组成的容量台数组合的预测负载率。
需要说明的是,在本公开的实施例中,容量台数组合指代空调系统中的各个容量的主机与相应容量主机的台数所构成的组合。例如,在图1所述的示例中,1台容量为800 kw的主机(例如,主机22a)与3台容量为1600 kw的主机(例如,主机22b、22c和22d)可以构成容量台数组合{800:1,1600:3}。又例如,在图1所述的示例中,1台容量为800 kw的主机(例如,主机22a)与2台容量为1600 kw的主机(例如,主机22b、22c和22d中的两个)可以构成容量台数组合{800:1,1600:2}。
例如,在预测负荷为Q的情况下,计算容量台数组合的预测负载率PLR为:
预测负载率PLR = Q / 容量台数组合总容量。
在步骤206,基于容量台数组合的预测负载率,筛选出容量台数组合中的可用容量台数组合。
在空调系统中,各台主机具有其自身的允许最小冷负荷负载率,在低于其自身的允许最小冷负荷负载率的情况下,主机无法正常运行。因此,空调系统的部分容量台数组合可能不适用于预测负载率PLR。在这种情况,可以对空调系统的容量台数组合进行筛选,以筛选出容量台数组合中的可用容量台数组合。
在一个示例中,步骤206包括:判断容量台数组合中的第一容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值,其中第二阈值大于第一阈值;以及响应于第一容量台数组合的预测负载率大于或者等于第一阈值且小于或者等于第二阈值,确定第一容量台数组合是可用容量台数组合。
例如,第一容量台数组合指代容量台数组合中的任一容量台数组合,本公开的实施例对此不作限制。
例如,第一阈值是空调系统中的每一台主机的允许最小冷负荷负载率中的众数,第二阈值是1,其中,众数指代一组数据中出现次数最多的数据值。需要说明的是,采用空调系统中的每一台主机的允许最小冷负荷负载率中的众数作为第一阈值,可以兼顾筛选可用容量台数组合时的漏筛概率和误筛概率两者,例如若第一阈值过大,可能会遗漏部分可用容量台数组合;若第一阈值过小,筛选出的部分可用容量台数组合可能不可用。还需要说明的是,上述第一阈值和第二阈值仅是示例性的,而不是对本公开的限制,第一阈值和第二阈值可以取决于实际情况而定。
例如,采用上述对第一容量台数组合是否是可用容量台数组合进行判断的过程,可以对空调系统中的所有容量台数组合进行判断,从而筛选出空调系统中相对于预测负荷的所有可用容量台数组合。
在另一个示例中,步骤206还包括:响应于第一容量台数组合的预测负载率小于第一阈值,判断容量台数组合中的第二容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值,其中,第二容量台数组合通过将第一容量台数组合的第一台数减一而获得;以及响应于第一容量台数组合的预测负载率大于第二阈值,不继续判断第二容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值。
例如,第一容量台数组合的第一台数是第一容量台数组合中的任一台数。例如,在第一容量台数组合是{800:1,1600:3}的情况下,第二容量台数组合可以是{800:0,1600:3}或{800:1,1600:2}。
在本示例中,第一容量台数组合的预测负载率大于第二阈值,表明第一容量台数组合的总容量可能已经无法满足预测负荷。例如,在第二阈值为1的情况下,若第一容量台数组合的预测负载率大于第二阈值,则表明第一容量台数组合的总容量已经低于预测负荷,进而总容量低于第一容量台数组合的第二容量台数组合的总容量也低于预测负荷,以此类推,通过减少第一容量台数组合的任一个或多个台数而获得的容量台数组合的总容量也低于预测负荷,从而通过减少第一容量台数组合的任一个或多个台数而获得的容量台数组合均不适用于所获取的预测负荷,无需再继续逐个进行判断,节省了计算量。
例如,图3A-3C图示了根据本公开实施例的筛选出容量台数组合中的可用容量台数组合的一个示例性方法300的流程图。方法300可以由图1中所示的系统100中的计算设备40执行,也可以由图6所示的电子设备600执行。应当理解的是,方法300还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。需要说明的是,将示例性方法300划分成图3A-3C共3个流程图仅是为了便于说明,而不是对本公开的限制。
如图3A所示,图3A包括方法300的步骤302至步骤314。
在步骤302,建立空集C,以用于收集空调系统的容量台数组合中所有满足限制条件的容量台数组合。
例如,满足限制条件的容量台数组合是可用容量台数组合。
在步骤304,输入空调系统的总容量最大的容量台数组合DAmax。
例如,在图1所述的示例中,空调系统20的总容量最大的容量台数组合DAmax是{800:1,1600:3}。
在步骤306,判断空调系统的总容量最大的容量台数组合DAmax的预测负载率PLR_DAmax是否满足限制条件。若PLR_DAmax满足限制条件,则继续进行步骤308;否则,跳转到步骤312。
例如,限制条件为TH1≤PLR_DAmax≤1,其中TH1是空调系统20中的每一台主机的允许最小冷负荷负载率中的众数。
在步骤308,将空调系统的总容量最大的容量台数组合DAmax纳入集合C。
例如,响应于空调系统20的容量台数组合{800:1,1600:3}的预测负载率满足限制条件,将容量台数组合{800:1,1600:3}纳入集合C,并继续进行到步骤310。
在步骤310,继续进行图3B的流程。
例如,继续进行图3B的流程以判断空调系统的其他容量台数组合是否为可用容量台数组合。
在步骤312,判断空调系统的总容量最大的容量台数组合DAmax的预测负载率PLR_DAmax是否大于1。若PLR_DAmax大于1,则继续进行步骤314;否则,跳转到步骤310。
需要说明的是,判断PLR_DAmax是否大于1,是为了判断空调系统的最大总容量是否能够满足预测负荷。
例如,响应于空调系统20的容量台数组合{800:1,1600:3}的预测负载率大于1,确定空调系统20的最大总容量低于预测负荷。
在步骤314,将空调系统的总容量最大的容量台数组合DAmax纳入集合C,不继续进行图3B的流程。
例如,在空调系统20的最大总容量低于预测负荷的情况下,空调系统20中的所有主机均需要运行以尽量满足预测负荷,即主机运行策略采用空调系统20的总容量最大的容量台数组合{800:1,1600:3},无需对空调系统的其他容量台数组合是否为可用容量台数组合进行判断。
如图3B所示,图3B包括方法300的步骤316至步骤322。
在步骤316,输入空调系统中的主机所组成的容量台数组合DA;并初始化k=1,其中k为正整数,用于指示容量台数组合DA的各个容量。
例如,容量台数组合DA为空调系统20的总容量最大的容量台数组合{800:1,1600:3}。又例如,容量台数组合DA为空调系统20的其他容量台数组合。
在步骤318,判断容量台数组合DA的第k个容量所对应的台数N_k是否大于0。若N_k>0,则继续进行步骤320;否则,跳转到步骤322。
例如,容量台数组合{800:1,1600:3}的第1个容量所对应的台数为1,第2个容量所对应的台数为3。
在步骤320,将容量台数组合DA的第k个容量所对应的台数减1,以得到容量台数组合DAminus1,并将容量台数组合DAminus1纳入集合B,其中,集合B用于收集基于输入的容量台数组合DA所得到的DAminus1。
例如,在k=1的情况下,将容量台数组合{800:1,1600:3}的第1个容量所对应的台数减1,以得到容量台数组合{800:0,1600:3},并将容量台数组合{800:0,1600:3}纳入集合B;又例如,在k=2的情况下,将容量台数组合{800:1,1600:3}的第2个容量所对应的台数减1,以得到容量台数组合{800:1,1600:2},并将容量台数组合{800:1,1600:2}纳入集合B。
在步骤322,计算k=k+1。
例如,更新k的值并返回到步骤318,以判断容量台数组合DA的下一个容量所对应的台数是否大于0。
例如,在步骤316处的容量台数组合DA为空调系统20的总容量最大的容量台数组合{800:1,1600:3}的情况下,通过重复上述步骤318至322,集合B收集的容量台数组合将包括{800:0,1600:3}和{800:1,1600:2}。
如图3C所示,图3C包括方法300的步骤324至步骤334。
在步骤324,输入集合B,并初始化i=1,其中i为正整数,用于指示集合B中的各个容量台数组合DAminus1。
例如,集合B中的第i个容量台数组合DAminus1可以表示为DAminus1_i。
在步骤326,判断集合B中的第i个容量台数组合DAminus1_i的预测负载率PLR_DAminus1_i是否满足限制条件。若PLR_DAminus1_i满足限制条件,则继续进行步骤328;否则,跳转到步骤330。
例如,限制条件为TH1≤PLR_DAminus1_i≤1,其中TH1是空调系统20中的每一台主机的允许最小冷负荷负载率中的众数。
在步骤328,将集合B中的第i个容量台数组合DAminus1_i纳入集合C。
例如,响应于集合B中的容量台数组合{800:0,1600:3}的预测负载率满足限制条件,将容量台数组合{800:0,1600:3}纳入集合C。
在步骤330,判断集合B中的第i个容量台数组合DAminus1_i的预测负载率PLR_DAminus1_i是否大于1。若PLR_DAminus1_i大于1,则继续进行步骤332;否则,跳转到步骤334。
在步骤332,计算i=i+1,确定集合B中的第i个容量台数组合DAminus1_i不继续用作图3B中的步骤316的输入。
例如,更新i的值并返回到步骤326,以判断集合B中的下一个容量台数组合是否为可用容量台数组合。
例如,在集合B中的第i个容量台数组合DAminus1_i的总容量低于预测负荷的情况下,通过减少第i个容量台数组合DAminus1_i的任一个或多个台数而获得的容量台数组合的总容量均低于预测负荷,因此无需继续对通过减少第i个容量台数组合DAminus1_i的任一个或多个台数而获得的容量台数组合是否为可用容量台数组合进行判断,即不继续将第i个容量台数组合DAminus1_i用作图3B中的步骤316的输入。
在步骤334,计算i=i+1,确定集合B中的第i个容量台数组合DAminus1_i继续用作图3B中的步骤316的输入。
例如,更新i的值并返回到步骤326,以判断集合B中的下一个容量台数组合是否为可用容量台数组合。
例如,在集合B中的第i个容量台数组合DAminus1_i的总容量高于预测负荷的情况下,继续对通过减少第i个容量台数组合DAminus1_i的任一个或多个台数而获得的容量台数组合是否为可用容量台数组合进行判断,即继续将第i个容量台数组合DAminus1_i用作图3B中的步骤316的输入。
通过重复图3B和图3C中的步骤,可以筛选出空调系统的容量台数组合中的可用容量台数组合,并且由于不用遍历空调系统的所有容量台数组合,从而节省了计算量。
需要说明的是,上述关于步骤206所描述的相关示例不是对本公开的限制,本公开可以取决于实际情况而以其他方式来使用容量台数组合的预测负载率,以筛选容量台数组合中的可用容量台数组合。
返回继续描述图2的方法200,在步骤208,基于可用容量台数组合,控制空调系统的主机的运行。
例如,可以基于筛选出的可用容量台数组合,确定空调系统在未来的第一时刻所运行的主机容量台数组合。
在如上所述的本公开的实施例中,结合空调系统中的各台主机的运行参数和所获取到的空调系统在目标时刻的预测负荷,至少能够筛选出空调系统的可用容量台数组合,以用于针对该目标时刻实现平稳、节能地控制主机的运行。
在本公开的另一实施例中,用于控制空调系统的主机的方法还包括:基于可用容量台数组合的可用主机的运行时长和预测功耗,确定与可用容量台数组合相对应的候选容量主机组合。
需要说明的是,在本公开的实施例中,容量主机组合指代空调系统中的各个容量的主机与相应容量主机的编号所构成的组合。例如,如图1所述的主机22a、22b、22c和22d(编号分别为1#、2#、3#、4#)可以构成容量主机组合{800:[1#],1600:[2#,3#,4#]}。
例如,图4图示了根据本公开实施例的确定候选容量主机组合的一个示例性方法400的流程图。
在步骤402,将与可用容量台数组合的第一容量相对应的可用主机按照运行时长分组为未超时可用主机组和超时可用主机组。
例如,可用容量台数组合是根据本公开的上述方法200所筛选出的任一个可用容量台数组合,并为了便于说明,表示为可用容量台数组合A。
例如,第一容量为可用容量台数组合A的任一个容量。
需要说明的是,对于可用容量台数组合A,并不一定第一容量所对应的所有主机均可用。例如,在图3A-3C所述的示例中,若限制条件TH1≤PLR_DAmax≤1中的TH1是空调系统20中的每一台主机的允许最小冷负荷负载率中的众数,则与可用容量台数组合A的第一容量相对应的部分主机的允许最小冷负荷负载率可能大于TH1,进而这部分主机对于可用容量台数组合A可能是不可用的。
例如,基于可用容量台数组合A的预测负载率和与可用容量台数组合A的第一容量相对应的主机的允许最小冷负荷负载率,确定与可用容量台数组合A的第一容量相对应的可用主机。例如,可以将与可用容量台数组合A的第一容量相对应的一个主机的允许最小冷负荷负载率与可用容量台数组合A的预测负载率进行比较,若该主机的允许最小冷负荷负载率小于可用容量台数组合A的预测负载,则确定该主机对于可用容量台数组合A的第一容量为可用主机;否则,该主机对于可用容量台数组合A的第一容量不是可用主机。
例如,将与可用容量台数组合A的第一容量相对应的一个可用主机的运行时长与固定值进行比较,若该可用主机的运行时长小于或者等于固定值,则将该可用主机分组到未超时可用主机组;否则,将该可用主机分组到超时可用主机组。例如,可用主机的运行时长为可用主机在目标时刻之前已运行的总运行时长。例如,固定值为预先设定的数值。需要说明的是,运行时长和固定值的获取方式取决于实际情况而定,本公开的实施例对此不作限制。
在步骤404,对未超时可用主机组内的可用主机按照预测功耗进行排序。
例如,对未超时可用主机组内的可用主机按照预测功耗从低到高的顺序进行排序。例如,若在排序的过程中存在功耗相等的可用主机,则对于功耗相等的可用主机按照运行时长从低到高的顺序进行排序。
在步骤406,对超时可用主机组内的可用主机按照预测功耗进行排序。
例如,对超时可用主机组内的可用主机按照预测功耗从低到高的顺序进行排序。例如,若在排序的过程中存在功耗相等的可用主机,则对于功耗相等的可用主机按照运行时长从低到高的顺序进行排序。
需要说明的是,本公开的实施例对具体的排序顺序不作限制,只要通过排序能够按照预测功率区分各个可用主机的优先级即可。例如,未超时可用主机组和超时可用主机组内的可用主机也可以按照预测功耗从高到低的顺序进行排序。
在步骤408,基于未超时可用主机组的排序结果和超时可用主机组的排序结果,确定与可用容量台数组合的第一容量相对应的候选主机,以用于确定与可用容量台数组合相对应的候选容量主机组合。
例如,将未超时可用主机组的排序结果置于超时可用主机组的排序结果之前,以将未超时可用主机组的排序结果和超时可用主机组的排序结果合并在一起,从而得到与可用容量台数组合A的第一容量相对应的一个可用主机列表,依照该主机列表中的从前到后的顺序从该主机列表中选择可用主机以作为与可用容量台数组合A的第一容量相对应的候选主机。
例如,可以重复上述步骤402至408,以确定与可用容量台数组合A的各个容量相对应的候选主机,并选择各个容量相对应的候选主机来构成与可用容量台数组合A相对应的候选容量主机组合。例如,确定与可用容量台数组合{800:1,1600:2}的容量800 kw相对应的候选主机为主机22a(编号为1#),确定与可用容量台数组合{800:1,1600:2}的容量1600kw相对应的候选主机为主机22b和22d(编号分别为2#和4#),从而确定与可用容量台数组合{800:1,1600:2}相对应的候选容量主机组合为{800:[1#],1600:[2#,4#]}。
例如,可以遍历集合C中的每一个可用容量台数组合,并根据方法400所述的过程来确定与每一个可用容量台数组合相对应的候选容量主机组合,并将所得到的多个候选容量主机组合构成集合Y。
在本公开的一个示例中,基于与可用容量台数组合相对应的候选容量主机组合的运行时长和预测功耗,对所有候选容量主机组合进行排序。
例如,对于集合Y内的一个候选容量主机组合,以该候选容量主机组合中所有候选主机的最长运行时长作为该候选容量主机组合的运行时长,以该候选容量主机组合中所有候选主机的总预测功耗作为该候选容量主机组合的预测功耗,对所有候选容量主机组合进行排序,可以得到排序后的候选容量主机组合列表Z。对所有候选容量主机组合进行排序的过程与方法400所述的对可用容量台数组合A的第一容量的排序的过程类似,先按照运行时长分组,再对各个分组按照预测功耗排序,具体过程在此不再赘述。
在如上所述的本公开的实施例中,基于可用容量台数组合的可用主机的运行时长和预测功耗,至少能够确定与可用容量台数组合相对应的总功耗低且每台主机运行时长均匀的候选容量主机组合。
在本公开的又一实施例中,用于控制空调系统的主机的方法还包括:获取空调系统在未来的第二时刻所使用的容量主机组合,以用作参考容量主机组合,其中第二时刻是第一时刻的前一时刻;计算候选容量主机组合与参考容量主机组合之间的主机差异台数;以及基于主机差异台数,确定空调系统在未来的第一时刻所使用的容量主机组合。
需要说明的是,在本公开的实施例中,以主机差异台数来反映候选容量主机组合与参考容量主机组合之间的转换平滑度仅是示例性的,而不是对本公开的限制。例如,取决于实际情况,可以使用能够反映候选容量主机组合与参考容量主机组合之间的相似度的其他参数(例如,可以使用主机差异台数比率)来反映转换平滑度。
例如,图5图示了根据本公开实施例的确定空调系统在未来的第一时刻所使用的容量主机组合的一个示例性方法500的流程图。
在步骤502,将候选容量主机组合按照预测功耗分组为满足预测功耗容差组和不满足预测功耗容差组。
例如,对于候选容量主机组合列表Z,设定组合预测功耗容差ΔWmax,以列表Z中第一个候选容量主机组合的预测功耗W_0为参照,使用判断条件“是否某个候选容量主机组合的预测功耗W≤W_0 +ΔWmax
Figure 643017DEST_PATH_IMAGE002
”来逐一判断列表Z中的其他候选容量主机组合,若满足判断条件,则将被判断的候选容量主机组合分组到满足预测功耗容差组;若不满足判断条件,则将被判断的候选容量主机组合分组到不满足预测功耗容差组。其中,满足预测功耗容差组的优先级高于不满足预测功耗容差组。
在步骤504,对满足预测功耗容差组内的候选容量主机组合按照主机差异台数进行排序。
例如,按照主机差异台数从低到高的顺序对满足预测功耗容差组内的候选容量主机组合进行排序。
例如,在本公开的一个示例中,对于示例性的候选容量主机组合GX和参考容量主机组合GZ,可以通过以下方法计算它们之间的主机差异台数:计算得到候选容量主机组合GX与参考容量主机组合GZ的交集GJ;计算候选容量主机组合GX与GJ之间的主机差异台数x;计算参考容量主机组合GZ与GJ之间的主机差异台数y;确定候选容量主机组合GX与参考容量主机组合GZ之间的主机差异台数为-(x+y)。需要说明的是,上述计算候选容量主机组合GX与参考容量主机组合GZ之间的主机差异台数的过程仅是示例性的,而不是对本公开实施例的限制,可以通过其他计算过程来计算候选容量主机组合与参考容量主机组合之间的主机差异台数。
在步骤506,对不满足预测功耗容差组内的候选容量主机组合按照主机差异台数进行排序。
例如,对不满足预测功耗容差组内的候选容量主机组合进行排序的方式与对满足预测功耗容差组内的候选容量主机组合的方式类似,在此不再赘述。
需要说明的是,本公开的实施例对具体的排序顺序不作限制,只要通过排序能够按照主机差异台数区分各个候选容量主机组合的优先级即可。例如,满足预测功耗容差组和不满足预测功耗容差组内的候选容量主机组合也可以按照主机差异台数从高到低的顺序进行排序。
在步骤508,基于满足预测功耗容差组的排序结果和不满足预测功耗容差组的排序结果,确定空调系统在未来的第一时刻所使用的容量主机组合。
例如,将满足预测功耗容差组的排序结果置于不满足预测功耗容差组的排序结果之前,以将满足预测功耗容差组的排序结果和不满足预测功耗容差组的排序结果合并在一起,从而得到重新排序后的候选容量主机组合列表,从该重新排序后的候选容量主机组合列表中选择第一个候选容量主机组合作为空调系统在未来的第一时刻所使用的容量主机组合。
在如上所述的本公开的实施例中,基于目标时刻的候选容量主机组合与该目标时刻的前一时刻的容量主机组合之间的主机差异台数,至少能够确定转换平滑的在该目标时刻所使用的容量主机组合。
图6图示了用于实现本公开实施例的示例性电子设备600的框图。例如,如图1所示的计算设备40可以由电子设备600来实施。如图所示,电子设备600包括中央处理单元(CPU)602,其可以根据存储在只读存储器(ROM)604中的计算机程序指令或者从存储单元616加载到随机存取存储器(RAM)606中的计算机程序指令,来执行各种适当的动作和处理。在随机存取存储器606中,还可存储电子设备600操作所需的各种程序和数据。中央处理单元602、只读存储器604以及随机存取存储器606通过总线608彼此相连。输入/输出(I/O)接口610也连接至总线608。
电子设备600中的多个部件连接至输入/输出接口610,包括:输入单元612,例如键盘、鼠标、麦克风等;输出单元614,例如各种类型的显示器、扬声器等;存储单元616,例如磁盘、光盘等;以及通信单元618,例如网卡、调制解调器、无线通信收发机等。通信单元618允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法200至500,可由中央处理单元602执行。例如,在一些实施例中,方法200至500可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元616。在一些实施例中,计算机程序的部分或者全部可以经由只读存储器604和/或通信单元618而被载入和/或安装到电子设备600上。当计算机程序被加载到随机存取存储器606并由中央处理单元602执行时,可以执行上文描述的方法200至500的一个或多个动作。
本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种用于控制空调系统的主机的方法,其特征在于,所述方法包括:
获取所述空调系统在未来的第一时刻的预测负荷;
基于所述预测负荷,计算所述空调系统中的主机所组成的容量台数组合的预测负载率;
基于所述容量台数组合的预测负载率,筛选出所述容量台数组合中的可用容量台数组合;以及
基于所述可用容量台数组合,控制所述空调系统的主机的运行。
2.根据权利要求1所述的方法,其特征在于,基于所述容量台数组合的预测负载率,筛选出所述容量台数组合中的可用容量台数组合包括:
判断所述容量台数组合中的第一容量台数组合的预测负载率是否大于或者等于第一阈值且小于或者等于第二阈值,其中所述第二阈值大于所述第一阈值;以及
响应于所述第一容量台数组合的预测负载率大于或者等于所述第一阈值且小于或者等于所述第二阈值,确定所述第一容量台数组合是可用容量台数组合。
3.根据权利要求2所述的方法,其特征在于,所述第一阈值是所述空调系统中的每一台主机的允许最小冷负荷负载率中的众数,所述第二阈值是1。
4.根据权利要求2所述的方法,其特征在于,基于所述容量台数组合的预测负载率,筛选出所述容量台数组合中的可用容量台数组合还包括:
响应于所述第一容量台数组合的预测负载率小于所述第一阈值,判断所述容量台数组合中的第二容量台数组合的预测负载率是否大于或者等于所述第一阈值且小于或者等于所述第二阈值,其中,所述第二容量台数组合通过将所述第一容量台数组合的第一台数减一而获得;以及
响应于所述第一容量台数组合的预测负载率大于所述第二阈值,不继续判断所述第二容量台数组合的预测负载率是否大于或者等于所述第一阈值且小于或者等于所述第二阈值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述可用容量台数组合的可用主机的运行时长和预测功耗,确定与所述可用容量台数组合相对应的候选容量主机组合。
6.根据权利要求5所述的方法,其特征在于,确定与所述可用容量台数组合相对应的候选容量主机组合包括:
将与所述可用容量台数组合的第一容量相对应的可用主机按照运行时长分组为未超时可用主机组和超时可用主机组;
对所述未超时可用主机组内的可用主机按照预测功耗进行排序;
对所述超时可用主机组内的可用主机按照预测功耗进行排序;以及
基于所述未超时可用主机组的排序结果和所述超时可用主机组的排序结果,确定与所述可用容量台数组合的第一容量相对应的候选主机,以用于确定与所述可用容量台数组合相对应的候选容量主机组合。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
基于所述可用容量台数组合的预测负载率和与所述可用容量台数组合的第一容量相对应的主机的允许最小冷负荷负载率,确定与所述可用容量台数组合的第一容量相对应的可用主机。
8.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于与所述可用容量台数组合相对应的候选容量主机组合的运行时长和预测功耗,对所有候选容量主机组合进行排序。
9.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述空调系统在未来的第二时刻所使用的容量主机组合,以用作参考容量主机组合,其中所述第二时刻是所述第一时刻的前一时刻;
计算所述候选容量主机组合与所述参考容量主机组合之间的主机差异台数;以及
基于所述主机差异台数,确定所述空调系统在未来的所述第一时刻所使用的容量主机组合。
10.根据权利要求9所述的方法,其特征在于,基于所述主机差异台数,确定所述空调系统在未来的所述第一时刻所使用的容量主机组合包括:
将所述候选容量主机组合按照预测功耗分组为满足预测功耗容差组和不满足预测功耗容差组;
对所述满足预测功耗容差组内的候选容量主机组合按照所述主机差异台数进行排序;
对所述不满足预测功耗容差组内的候选容量主机组合按照所述主机差异台数进行排序;以及
基于所述满足预测功耗容差组的排序结果和所述不满足预测功耗容差组的排序结果,确定所述空调系统在未来的所述第一时刻所使用的容量主机组合。
11.一种计算设备,包括:
至少一个处理器;以及
至少一个存储器,所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由所述至少一个处理器执行的指令,所述指令当由所述至少一个处理器执行时,使得所述计算设备执行根据权利要求1至10中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序代码,所述计算机程序代码在被运行时执行根据权利要求1至10中任一项所述的方法。
CN202211244782.4A 2022-10-12 2022-10-12 控制空调系统的主机的方法、设备和存储介质 Active CN115307274B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211244782.4A CN115307274B (zh) 2022-10-12 2022-10-12 控制空调系统的主机的方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211244782.4A CN115307274B (zh) 2022-10-12 2022-10-12 控制空调系统的主机的方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN115307274A true CN115307274A (zh) 2022-11-08
CN115307274B CN115307274B (zh) 2023-01-03

Family

ID=83868201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211244782.4A Active CN115307274B (zh) 2022-10-12 2022-10-12 控制空调系统的主机的方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115307274B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115654786A (zh) * 2022-12-28 2023-01-31 北京绿建软件股份有限公司 自动确定冷水机组运行策略的方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012007824A (ja) * 2010-06-25 2012-01-12 Kajima Corp 冷凍機の運転台数決定方法および決定装置
CN105546745A (zh) * 2015-12-29 2016-05-04 深圳市奥宇节能技术股份有限公司 一种中央空调主机机组群控方法和装置
CN109390981A (zh) * 2018-11-30 2019-02-26 国家电网公司西南分部 新能源参与电量平衡的送端电网机组组合运行控制方法
CN110986289A (zh) * 2019-12-19 2020-04-10 江苏联宏智慧能源股份有限公司 一种空调风机盘管与模块化变频空调主机联动控制方法
CN111256294A (zh) * 2020-01-17 2020-06-09 深圳市得益节能科技股份有限公司 一种基于模型预测的冷水机组组合运行优化控制方法
CN114636212A (zh) * 2022-04-22 2022-06-17 苏州思萃融合基建技术研究所有限公司 一种基于grnn的多台冷水机组系统运行控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012007824A (ja) * 2010-06-25 2012-01-12 Kajima Corp 冷凍機の運転台数決定方法および決定装置
CN105546745A (zh) * 2015-12-29 2016-05-04 深圳市奥宇节能技术股份有限公司 一种中央空调主机机组群控方法和装置
CN109390981A (zh) * 2018-11-30 2019-02-26 国家电网公司西南分部 新能源参与电量平衡的送端电网机组组合运行控制方法
CN110986289A (zh) * 2019-12-19 2020-04-10 江苏联宏智慧能源股份有限公司 一种空调风机盘管与模块化变频空调主机联动控制方法
CN111256294A (zh) * 2020-01-17 2020-06-09 深圳市得益节能科技股份有限公司 一种基于模型预测的冷水机组组合运行优化控制方法
CN114636212A (zh) * 2022-04-22 2022-06-17 苏州思萃融合基建技术研究所有限公司 一种基于grnn的多台冷水机组系统运行控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115654786A (zh) * 2022-12-28 2023-01-31 北京绿建软件股份有限公司 自动确定冷水机组运行策略的方法和装置

Also Published As

Publication number Publication date
CN115307274B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN106055379B (zh) 用于调度计算任务的方法和系统
CN111309486B (zh) 转换方法、装置、计算机设备和存储介质
CN108733508B (zh) 用于控制数据备份的方法和系统
CN109451540B (zh) 一种网络切片的资源分配方法和设备
CN115307274B (zh) 控制空调系统的主机的方法、设备和存储介质
CN111752691A (zh) Ai计算图的排序方法、装置、设备及存储介质
CN112068544B (zh) 一种自主移动装置的调度方法、装置、设备及存储介质
CN111813517A (zh) 任务队列的分配方法、装置、计算机设备及介质
Bhatnagar et al. Stochastic algorithms for discrete parameter simulation optimization
JP5987720B2 (ja) 二分決定グラフ処理システムおよび方法
CN114020469A (zh) 基于边缘节点的多任务学习方法、装置、介质与设备
CN115412401B (zh) 训练虚拟网络嵌入模型及虚拟网络嵌入的方法和装置
CN115129466B (zh) 云计算资源分层调度方法、系统、设备及介质
GB2574102A (en) Optimised network deployment
CN115756785A (zh) 调度策略确定方法、装置及存储介质
CN116109102A (zh) 基于遗传算法的资源调配方法及系统
CN113011672B (zh) 物流时效预测方法、装置、电子设备及存储介质
US11405281B2 (en) Dynamic network adaptation
CN114327589A (zh) 参数配置方法及相关系统
CN112506652B (zh) 一种动态资源分区方法
CN110795667B (zh) 待推送资源的确定方法、装置、设备和存储介质
CN114615144B (zh) 网络优化方法及系统
US20240143873A1 (en) Method and System to Determine Optimal Rack Space Utilization
CN108228080A (zh) 用于控制硬盘的方法和电子设备
CN114296805A (zh) 报文处理方法及架构、装置、存储介质及电子设备

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 118, Building C1, No.1 Qingsheng Avenue, Nansha District, Guangzhou City, Guangdong Province, 511455

Patentee after: Guangdong Mushroom IoT Technology Co.,Ltd.

Country or region after: China

Address before: 518109 room 2202, building 1, Huide building, Beizhan community, Minzhi street, Longhua District, Shenzhen, Guangdong

Patentee before: MOGULINKER TECHNOLOGY (SHENZHEN) CO.,LTD.

Country or region before: China