CN115751598A - 空调化霜时间的预测方法、装置和空调 - Google Patents

Abstract

本发明提供了一种空调化霜时间的预测方法和装置，该方法包括：构建空调结霜预测模型；根据采集到的室外空气干球温度、空气相对湿度以及空气压力和所述根据空调结霜预测模型计算空调的实时结霜速率；根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，所述化霜时间为空调从制热模式到进入化霜的经历时间；其中，根据预设的时间策略对所述室外空气干球温度、空气相对湿度以及空气压力进行采集。本发明的方案通过对空调器结霜速率的理论分析和实验验证，能够解决结霜量预测的误差和适用性不强的瓶颈问题和结霜预测模型在不同机型之间通用性不高的问题，通过对空调器的结霜量进行预测，能够提高对结霜量的预测精度，实现精确除霜。

Description

空调化霜时间的预测方法、装置和空调

技术领域

本发明涉及数控系统领域，更具体地涉及一种空调化霜时间的预测方法、装置和空调。

背景技术

空调器执行除霜控制策略时，关键在于确定合适的化霜时机。在空调器现有的除霜控制策略中，大多是通过预测空调运行过程的累计结霜量，当结霜量达到设定阈值时，认为空调器需要执行除霜策略。现阶段的结霜量预测模型大多是基于空气干球温度Ta和空气相对湿度RH建立与结霜量之间的数学模型，但是这种方法的局限性在于这些预测模型是在环境大气压力在100KPa～110KPa之间建立的，而现实中环境大气压力的波动范围是70KPa～120KPa，在相同空气干球温度Ta和空气相对湿度RH的条件下，空气中的含湿量d是一个随环境大气压力P变化而变化的值。实际上，霜本质上是来源于空气中水分，即在相同的空气干球温度Ta和空气相对湿度RH的条件下，如果环境大气压力P发生变化，空调器从单位体积空气中获得的水量是不同的，这就对导致所结的霜也会有差异。因此，基于空气干球温度Ta和空气相对湿度RH建立与结霜量之间的数学模型在实际应用的过程中，由于忽略了空气含湿量d对结霜量的影响，导致“无霜除霜”和“有霜不除”的“误除霜”现象时有发生。

因此，现有技术需要一种能够准确预测空调化霜时间的预测的方案。

上述在背景部分公开的信息仅用于对本发明的背景做进一步的理解，因此它可以包含对于本领域普通技术人员已知的不构成现有技术的信息。

发明内容

本发明提供了一种空调化霜时间的预测方法、装置和空调。本发明的方案能够解决基于空气干球温度Ta和空气相对湿度RH建立的常规结霜预测模型在实际应用过程中对结霜量预测的误差和适用性不强的瓶颈问题；并且能够解决基于空气干球温度Ta和空气相对湿度RH建立的常规结霜预测模型在不同机型之间通用性不高的技术问题。

本发明的第一方面提供了一种空调化霜时间的预测方法，包括：S1：构建空调结霜预测模型；S2：根据采集到的室外空气干球温度、室外空气相对湿度以及室外空气压力和根据空调结霜预测模型计算空调的实时结霜速率；S3：根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，所述化霜时间为从空调运行制热模式起到进入化霜模式所经历的时间；其中，根据预设的时间策略对所述室外空气干球温度、空气相对湿度以及空气压力进行采集。

根据本发明的一个实施例，其中，根据结霜预测模型构建结霜图谱，并根据结霜速率将结霜图谱划分为多个霜区，所述空调的化霜时间和空调运行过程中在不同霜区之间的切换相关，并且其中所述结霜图谱为室外空气干球温度、空气相对湿度以及空气压力的三维图谱。

根据本发明的一个实施例，其中所述预设的时间策略包括：在空调器进入制热模式后开始计时，按第一时间间隔，采集并记录的空气干球温度数据；按第二时间间隔采集并记录室外空气湿度数据；按第三时间间隔采集并记录空气压力数据。

根据本发明的一个实施例，其中，所述第一时间间隔和第二时间间隔的取值范围为0～10分钟；所述第三时间间隔的取值范围为0～24小时。其中所述第一时间间隔和第二时间间隔为4～6分钟，所述第三时间间隔为0.5小时～2小时。

根据本发明的一个实施例，其中，根据结霜速率的大小依次将所述结霜图谱划分为轻霜区、一般结霜区和重霜区。其中根据结霜速率的大小将所述轻霜区和所述一般结霜区划分为多个子结霜区。

根据本发明的一个实施例，其中，在所述步骤S1中，所述结霜预测模型为：ν＝(αTa+βRH+γP+σ)·λ·θ，其中，ν为结霜速率，单位为g/min；所述α、β、γ、σ分别为Ta、RH、P以及常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力。

根据本发明的一个实施例，其中，在所述步骤S3中，所述空调的化霜时间T的计算公式为：

其中，G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率，单位为克/分钟；α为Ta的修正系数；β为RH的修正系数；γ为P的修正系数，σ为常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力。

根据本发明的一个实施例，其中，在所述步骤S3中，所述空调的化霜时间T的计算公式为：

其中G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率，单位为克/分钟；α为Ta的修正系数；β为RH的修正系数；γ为P的修正系数，σ为常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力，∫表示对所述结霜速率的积分求解。

根据本发明的一个实施例，根据所述结霜速率ν的大小将结霜图谱依次划分为5个分霜区，该5个分霜区为：轻霜Ⅱ区、轻霜Ⅰ区、一般结霜Ⅱ区、一般结霜Ⅰ区和重霜区；或根据所述结霜速率ν的大小将结霜图谱依次划分为3个分霜区，该3个分霜区为：轻霜区、一般结霜区和重霜区

根据本发明的一个实施例，其中，在所述步骤S3中，当根据所述结霜速率ν的大小将结霜图谱依次划分为5个分霜区时，该5个分霜区为：轻霜Ⅱ区、轻霜Ⅰ区、一般结霜Ⅱ区、一般结霜Ⅰ区和重霜区，所述空调的化霜时间T的计算公式为，

其中，G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率，单位为克/分钟；

为空调累积运行时间的归一化处理；T₁为空调运行在重霜区的累积时间；T₂为空调运行在一般结霜Ⅰ区的累积时间；T₃为空调运行在一般结霜Ⅱ区的累积时间；T₄为空调运行在轻霜Ⅰ区的累积时间；T₅为空调运行在轻霜Ⅱ区的累积时间；30、60、90、180、和240分别表示空调运行在重霜区、一般结霜Ⅰ区、一般结霜Ⅱ区、轻霜Ⅰ区、轻霜Ⅱ区的预设化霜行时间；α为Ta的修正系数；β为RH的修正系数；γ为P的修正系数，σ为常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力。

本发明的第二方面提供了一种空调化霜时间的预测装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现根据上述的空调结霜量的预测方法。

本发明的第三方面提供了一种空调化霜时间的预测系统，包括:数据采集模块，在空调运行制热模式时，采集室外侧的空气干球温度、空气相对湿度以及空气压力；时间控制模块，根据预定的时间策略控制对空气干球温度、空气相对湿度以及空气压力的采集；结霜速率计算模块，根据采集的室外空气干球温度、空气相对湿度和空气压力以及构建的结霜预测模型来计算空调实时结霜速率；化霜策略控制模块，根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，并在化霜时间后执行相应的化霜控制策略。

根据本发明的一个实施例，其中，所述化霜策略控制模块基于空调运行的实时结霜速率和空调在结霜预测模型中定义霜区中切换状况来计算化霜时间。

根据本发明的一个实施例，还包括结霜预测模型构建模块，用于构建空调的结霜预测模型；其中所述结霜预测模型构建模块根据结霜预测模型构建结霜图谱，并根据结霜速率将结霜图谱划分为多个霜区，所述空调的化霜时间和空调运行过程中在不同霜区之间的切换相关，并且其中所述结霜图谱为室外空气干球温度、空气相对湿度以及空气压力的三维图谱。

本发明的第四方面提供了一种空调，其使用根据上述的空调化霜时间的预测方法，或包括根据上述的空调化霜时间的预测装置和设备。

本发明克服了现有技术的上述缺点，通过对空气源热泵空调器结霜速率的理论分析和实验验证，在常规基于空气干球温度Ta和空气相对湿度RH建立的常规结霜预测模型中加入环境大气压力和自适应修正系数，分别解决结霜量预测的误差和适用性不强的瓶颈问题和结霜预测模型在不同机型之间通用性不高的技术问题，该图谱能够更精确识别空气源热泵空调器运行过程的结霜速率，进而对空气源热泵空调器的结霜量进行预测，能够提高空调器对结霜量的预测精度，进而实现精确除霜。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图进行简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，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的附图。

图1是根据本发明的示例性实施例的空调化霜时间的预测方法流程图。

图2是根据本发明的示例性实施例的基于自适应结霜图谱的化霜时间预测方法控制系统图实施框图。

图3是根据本发明的示例性的实施例的一种自适应结霜预测模型图。

图4是根据本发明的示例性的实施例的自适应结霜图谱示意图。

图5是根据本发明的示例性的实施例的重霜区的自适应结霜图谱示意图。

图6是根据本发明的示例性的一般结霜Ⅰ区的自适应结霜图谱示意图。

图7是根据本发明的示例性的一般结霜II区的自适应结霜图谱示意图。

图8是根据本发明的示例性的轻霜Ⅰ区的自适应结霜图谱示意图。

图9是根据本发明的示例性的轻霜Ⅱ区区的自适应结霜图谱示意图。

图10是根据本发明的示例性的自适应化霜时间控制策略示意图。

具体实施例

如在本文中所使用的，词语“第一”、“第二”等可以用于描述本发明的示例性实施例中的元件。这些词语只用于区分一个元件与另一元件，并且对应元件的固有特征或顺序等不受该词语的限制。除非另有定义，本文中使用的所有术语(包括技术或科学术语)具有与本发明所属技术领域的普通技术人员通常理解的含意相同的含意。如在常用词典中定义的那些术语被解释为具有与相关技术领域中的上下文含意相同的含意，而不被解释为具有理想或过于正式的含意，除非在本发明中被明确定义为具有这样的含意。

本领域的技术人员将理解的是，本文中描述的且在附图中说明的本发明的装置和方法是非限制性的示例性实施例，并且本发明的范围仅由权利要求书限定。结合一个示例性实施例所说明或描述的特征可与其他实施例的特征组合。这种修改和变化包括在本发明的范围内。

下文中，将参考附图详细描述本发明的示例性实施例。在附图中，省略相关已知功能或配置的详细描述，以避免不必要地遮蔽本发明的技术要点。另外，通篇描述中，相同的附图标记始终指代相同的电路、模块或单元，并且为了简洁，省略对相同电路、模块或单元的重复描述。

此外，应当理解一个或多个以下方法或其方面可以通过至少一个控制单元或控制器执行。术语“控制单元”，“控制器”,“控制模块”或者“主控模块”可以指代包括存储器和处理器的硬件设备。存储器或者计算机可读存储介质配置成存储程序指令，而处理器具体配置成执行程序指令以执行将在以下进一步描述的一个或更多进程。而且，应当理解，正如本领域普通技术人员将意识到的，以下方法可以通过包括处理器并结合一个或多个其他部件来执行。

本发明提出一种通过采集空调器运行过程中室外侧的空气干球温度Ta、空气相对湿度RH和环境空气压力P，然后基于自适应结霜图谱的化霜时间预测方法。

图1是根据本发明的示例性实施例的空调化霜时间的预测方法流程图。

如图1所示，空调化霜时间的预测方法，包括：

S1：构建空调结霜预测模型；

S2：根据采集到的室外空气干球温度、空气相对湿度以及空气压力和根据空调结霜预测模型计算空调的实时结霜速率；

S3：根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，其中空调的化霜时间为空调从制热模式到进入化霜所经历的时间。

图2是根据本发明的示例性实施例的基于自适应结霜图谱的化霜时间预测方法控制系统图实施框图。

如图2所示，空调器运行制热模式后，由数据采集模块采集室外空气干球温度、室外空气相对湿度以及室外空气压力、由时间控制模块根据预设的时间策略控制对所述室外空气干球温度、空气相对湿度以及空气压力进行采集；结霜速率计算模块根据采集到的室外空气干球温度、空气相对湿度以及空气压力和所述空调结霜预测模型计算空调的实时结霜速率；霜区划分模块对根据结霜预测模型构建结霜图谱，并根据结霜速率将结霜图谱划分为多个霜区，所述空调的化霜时间和空调运行过程中在不同霜区之间的切换相关，并且其中结霜图谱为室外空气干球温度、空气相对湿度以及空气压力的三维图谱。化霜控制策略模块根据所计算或预测到的化霜时间进行空调化霜控制。

根据本发明的一个或多个实施例，本发明提供了一种自适应结霜预测模型，需要采集环境中的空气干球温度Ta、空气相对湿度RH和空气压力P，此外还需要根据具体的空调器室外机管换热器的换热效率确定λ值。具体步骤为：将空调器采集到的空气干球温度Ta、空气相对湿度RH以及空气压力P输入到自适应结霜预测模型中，可以计算得到当前运行工况下空调器的实时结霜速率，具体计算方程如下：

ν＝(αTa+βRH+γP+σ)·λ·θ

其中，在上式中，各参数的含义为：

ν——结霜速率，单位为g/min；

α、β、γ、σ——分别为方程中Ta、RH、P以及常数项的修正系数，无物理含义；

λ——空调器室外机换热器的换热效率，取值为0.1～0.5，具体取值可以通过实验测试获得，在本发明中λ的优选值为0.16；

θ——结霜速率转换系数，当结霜速率单位为g/s时，θ＝1，当结霜速率单位为g/min时，θ＝60，当结霜速率单位为g/h时，θ＝3600，在本发明中取θ＝60；

Ta——空气干球温度,℃，在本发明中Ta的取值为-20℃～6℃；

RH——空气相对湿度，％，在本发明中RH的取值为30％～100％；

P——空气压力，KPa，在本发明中P的取值为50KPa～120KPa；

室外空气干球温度Ta、室外空气相对湿度RH和空气压力P是通过数据采集模块采集并记录储存；空气干球温度Ta数据是通过空调器自带的温度传感器采集得到；空气相对湿度RH数据是通过空调器自带的湿度传感器采集得到；空气压力P在本发明中可以通过以下三种方式采集：压力传感器；模块；手动设置。

根据本发明的一个或多个实施例，压力传感器，具体可以通过在空调器室外机换热器的进风侧设置压力传感器，通过压力传感器检测空调器室外机在运行过程中室外环境实时的空气压力；模块，是针对一些无压力传感器但带有联网功能的空调器机型，具体可以通过在空调器的模块联网查询当地实时的气象信息，在空调器运行过程中读取室外环境实时的空气压力，将对应的空气压力值传递到所述自适应结霜预测模型的计算方程中；手动设置，是针对一些无压力传感器和无联网功能的空调器机型，具体可以通过在控制程序中根据用户所在地的历年气象数据设置采暖季的平均空气压力值，这种模式下自适应结霜预测模型的计算方程中的P值将根据设置在控制程序中的压力值参与计算。

根据本发明的一个或多个实施例，自适应结霜预测模型计算方程中的空气干球温度Ta、空气相对湿度RH和空气压力P的数据采集受到时间控制模块控制；时间控制模块对数据采集模块的控制是为了采集有效的数据同时又避免采集的数据过多导致计算资源浪费和采集数据过少导致计算精度较少而设置的控制策略；

根据本发明的一个或多个实施例，时间控制模块对数据采集模块的控制具体为：

时间控制模块对温度传感器采集的空气干球温度Ta数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t1为控制策略，采集并记录温度传感器采集的空气干球温度Ta数据；△t1在本发明中的取值范围为0～10min(分钟)，优选4～6min，优选值为5min；

时间控制模块对温度传感器采集的空气湿度RH数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t2为控制策略，采集并记录湿度传感器采集的空气湿度RH数据；△t2在本发明中的取值范围为0～10min，优选4～6min，优选值为5min；

时间控制模块对压力传感器和模块采集的空气压力P数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t3为控制策略，采集并记录压力传感器和模块采集的空气压力P数据；△t3在本发明中的取值范围为0～24h(小时)，优选0.5h～2h，优选值为1h；

其中空调器系统的控制模块对压力数据模块中手动设置的空气压力P数据不起控制作用；

图3是根据本发明的示例性的实施例的一种自适应结霜预测模型图。如图3所述，根据本发明提出的自适应结霜预测模型与常规结霜预测模型进行对比，并将计算结果绘制成图3所示的示意图。

如图3所示，从图3数据图可以发现，由于常规结霜预测模型是考虑了空气干球温度Ta和空气相对湿度RH，因此在实际应用过程中无法体现环境空气压力改变对实际结霜速率的影响；本发明提出的自适应结霜预测模型兼顾了空气干球温度Ta、空气相对湿度RH以及空气压力P对结霜速率的影响，在实际使用过程中，更接近空调器的真实结霜速率，能够有效避免常规结霜预测模型在低空气压力工况下预测结霜量过低和在高空气压力工况下预测结霜量过高的不足。

根据本发明的一个或多个实施例，本发明还提出了一种自适应结霜图谱，图4是根据本发明的示例性的实施例的自适应结霜图谱示意图。

如图4所示，自适应结霜图谱由空气干球温度Ta、空气相对湿度RH和空气压力P组的一个三维图谱，其中x轴为空气干球温度Ta，y轴为空气相对湿度RH，z轴为空气压力P，根据结霜速率ν划分为重霜区、一般结霜Ⅰ区、一般结霜Ⅱ区、轻霜Ⅰ区和轻霜Ⅱ区。

图5是根据本发明的示例性的实施例的重霜区的自适应结霜图谱示意图。图6是根据本发明的示例性的一般结霜Ⅰ区的自适应结霜图谱示意图。图7是根据本发明的示例性的一般结霜II区的自适应结霜图谱示意图。图8是根据本发明的示例性的轻霜Ⅰ区的自适应结霜图谱示意图。图9是根据本发明的示例性的轻霜Ⅱ区区的自适应结霜图谱示意图。

根据本发明的一个或多个实施例，以1.5匹(额定制冷量3500W)空调器为例，所述重霜区、一般结霜Ⅰ区、一般结霜Ⅱ区、轻霜Ⅰ区和轻霜Ⅱ区的划分依据如下：

1)重霜区：ν≥8g/min，如图4所示，在无实测数据的模糊计算中可取为8g/min；

2)一般结霜Ⅰ区：5.5g/min≤ν＜8g/min，如图5所示，在无实测数据的模糊计算中可取为6.75g/min；

3)一般结霜Ⅱ区：2.5g/min≤ν＜5.5g/min，如图6所示，在无实测数据的模糊计算中可取为4g/min；

4)轻霜Ⅰ区：2g/min≤ν＜2.5g/min，如图7所示，在无实测数据的模糊计算中可取为2.3g/min；

5)轻霜Ⅱ区：ν＜2g/min，如图8所示，在无实测数据的模糊计算中可取为2g/min；

对于1匹(额定制冷量2600W)空调器，所述重霜区、一般结霜Ⅰ区、一般结霜Ⅱ区、轻霜Ⅰ区和轻霜Ⅱ区的划分依据如下：

6)重霜区：ν≥5.5g/min，在无实测数据的模糊计算中可取为5.5g/min；

7)一般结霜Ⅰ区：3.7g/min≤ν＜5.5g/min，在无实测数据的模糊计算中可取为4.6g/min；

8)一般结霜Ⅱ区：1.7g/min≤ν＜3.7g/min，在无实测数据的模糊计算中可取为2.7g/min；

9)轻霜Ⅰ区：1.3g/min≤ν＜1.7g/min，在无实测数据的模糊计算中可取为1.5g/min；

10)轻霜Ⅱ区：ν＜1.3g/min，在无实测数据的模糊计算中可取为1.3g/min；

对于2匹(额定制冷量5000W)空调器，所述重霜区、一般结霜Ⅰ区、一般结霜Ⅱ区、轻霜Ⅰ区和轻霜Ⅱ区的划分依据如下：

11)重霜区：ν≥11g/min，在无实测数据的模糊计算中可取为11g/min；

12)一般结霜Ⅰ区：7.5g/min≤ν＜11g/min，在无实测数据的模糊计算中可取为9.3g/min；

13)一般结霜Ⅱ区：3.5g/min≤ν＜7.5g/min，在无实测数据的模糊计算中可取为5.5g/min；

14)轻霜Ⅰ区：2.5g/min≤ν＜3.5g/min，在无实测数据的模糊计算中可取为3g/min；

15)轻霜Ⅱ区：ν＜2.5g/min，在无实测数据的模糊计算中可取为2.5g/min；

根据本发明的一个或度过实施例，还提供了一种基于自适应结霜预测模型的化霜时间控制策略，本发明跟据自适应结霜预测模型可以计算得到空调器实际运行过程中的实时结霜速率，为得到空调器的化霜时间可以根据公式(1)计算得到：

在公式(1)中，各参数含义如下：

T——空调器从运行制热模式到进入化霜的时间，单位为min；

G——空调器最大结霜量，单位为g；

ν——结霜速率，单位为g/min；

根据本发明的一个或多个实施例，所述空调器最大结霜量需要根据不同空调器机型以及配置设定，在本发明中，对于1匹机(额定制冷量2600W)的取值范围为150～280g(优选值为210g)，对于1.5匹机(额定制冷量3500W)的取值范围为180～320g(优选值为250g)，对于2匹机(额定制冷量5000W)的取值范围为210～400g(优选值为300g)；

本发明的时间控制策略的具体实施方式为，化霜控制策略模块将数据采集模块传递的空气干球温度Ta、空气相对湿度RH和空气压力P参数代入上式(1)中，可以计算得到空调器从运行制热模式到进入化霜的时间，但在实际应用中由于室外侧环境参数是时刻变化的，这会导致空调器实际运行过程中会在不同霜区之间切换；因此，化霜时间控制策略中化霜时间的计算也要考虑空调器运行过程中在不同霜区之间切换，受到不同霜区影响后的实际化霜时间.化霜时间指的是从空调器运行制热模式时刻起到进入化霜模式，这两个模式切换所经历的时间，简单来说就是，空调器进入制热模式那一时刻起计算出空调可以运行多长时间的制热模式就需要进入化霜模式除霜。在本发明发明中可以通过下公式(2)计算：

G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率，单位为克/分钟，T_{分霜区运行}为空调在分霜区运行的时间；T_{分霜区预设}为空调在分霜区的预设运行时间；其中

表示空调在分霜区累积运行时间的归一化处理。

根据本发明的一个或多个实施例，T_{分霜区预设}的含义是空调器运行在不同霜区中时，有一系列预设的进入化霜时间值(即预设的化霜时间)，即轻霜Ⅱ区推荐的预设化霜时间推荐主为240min、轻霜Ⅰ区推荐的预设化霜时间推荐主为180min、一般结霜Ⅱ区推荐的预设化霜时间推荐主为90min、一般结霜Ⅰ区推荐的预设化霜时间推荐主为60min和重霜区推荐的化霜时间推荐主为30min。例如，如果空调器在一般结霜Ⅰ区运行制热模式，按照推荐的预设运行时间为60min，即空调器运行制热模式60min后需要进行除霜。

根据本发明的一个或多个实施例，以5个分霜区为例，即轻霜Ⅱ区、轻霜Ⅰ区、一般结霜Ⅱ区、一般结霜Ⅰ区和重霜区，空调的化霜时间T的计算公式为，

在公式(3)式中，各参数的含义为：

——空调器累积运行时间归一化处理；

T₁——空调器运行在重霜区的累积时间，min；

T₂——空调器运行在一般结霜Ⅰ区的累积时间，min；

T₃——空调器运行在一般结霜Ⅱ区的累积时间，min；

T₄——空调器运行在轻霜Ⅰ区的累积时间，min；

T₅——空调器运行在轻霜Ⅱ区的累积时间，min；

其中轻霜Ⅱ区推荐的预设化霜时间推荐主为240min、轻霜Ⅰ区推荐的预设化霜时间为180min、一般结霜Ⅱ区推荐的预设化霜时间为90min、一般结霜Ⅰ区推荐的预设化霜时间为60min和重霜区推荐的预设化霜时间为30min。

根据本发明的一个或多个实施例，需要注意的是上各霜区预设的化霜时间数值是经验参数，不同的机型，不同的工况均会对实际的除霜时间造成影响，因此在本发明中，根据现有的除霜时间推荐值进行归一化处理，以便获得更精确的除霜时间。

图10是根据本发明的示例性的自适应化霜时间控制策略示意图。

如图10所示，本发明提出的一种基于自适应结霜图谱的化霜时间预测方法计算得到的化霜时间控制策略图，该图是以1.5匹机(额定制冷量3500W)为例计算得到的，空气温度在-20℃～6℃之间，空气湿度在30％～100％之间，环境压力在50KPa～120KPa之间的稳态化霜时间。

根据本发明的一个或多个实施例，举例说明本发明的具体实施方式，通过以下两个示例进一步说明时间控制策略的具体实施方式：

示例1：

以1.5匹空调器为例；

首先，空调器运行制热模式；数据采集模块采集空调器运行过程室外侧的空气干球温度Ta、空气相对湿度RH以及空气压力P；时间控制模块记录运行时间；时间控制模块对温度传感器采集的空气干球温度Ta数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t1为控制策略，采集并记录温度传感器采集的空气干球温度Ta数据；时间控制模块对温度传感器采集的空气湿度RH数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t2为控制策略，采集并记录湿度传感器采集的空气湿度RH数据；时间控制模块对压力传感器和WiFi模块采集的空气压力P数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t3为控制策略，采集并记录压力传感器和WiFi模块采集的空气压力P数据；结霜速率计算模块计算空调器实时结霜速率；在示例1中，空调器在重霜区累计运了15min，然后室外侧工况发生变化，空调器运行状态切换到一般结霜Ⅰ区并累计运行了5min，室外侧工况再次发生变化，空调器运行状态最后停留在一般结霜Ⅱ区，那么此时空调器剩余进入化霜控制策略的时间计算方法如下：

即如果此后空调器运行状态保持在一般结霜Ⅱ区，那么空调器26min后将执行化霜控制策略。

示例2：

以1.5匹空调器为例；首先空调器运行制热模式；数据采集模块采集空调器运行过程室外侧的空气干球温度Ta、空气相对湿度RH以及空气压力P；时间控制模块记录运行时间；时间控制模块对温度传感器采集的空气干球温度Ta数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t1为控制策略，采集并记录温度传感器采集的空气干球温度Ta数据；时间控制模块对温度传感器采集的空气湿度RH数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t2为控制策略，采集并记录湿度传感器采集的空气湿度RH数据；时间控制模块对压力传感器和WiFi模块采集的空气压力P数据的控制策略是，从空调器进入制热模式后开始计时，此时按时间间隔△t3为控制策略，采集并记录压力传感器和WiFi模块采集的空气压力P数据；结霜速率计算模块计算空调器实时结霜速率；实施方式说明，在例2中，空调器在轻霜区Ⅰ区累计运了45min，然后室外侧工况发生变化，空调器运行状态切换到一般结霜Ⅱ区并累计运行了25min，室外侧工况再次发生变化，空调器运行状态最后停留在重霜区，那么此时空调器剩余进入化霜控制策略的时间计算方法如下：

即如果此后空调器运行状态保持在一般结霜Ⅱ区，那么空调器14.8min后将执行化霜控制策略。

本发明还提供了一种空调化霜时间的预测装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现根据上述的空调结霜量的预测方法。

本发明还供了一种空调，其使用根据上述的空调化霜时间的预测方法，或包括根据上述的空调化霜时间的预测装置。

根据本发明的一个或多个实施例，在空调器室外机风机格栅上的筋条设计成中空结构，实现冷媒流道从风机格栅中流动，利用格栅表面的空气流动，实现换热效果，从而达到格栅与换热器一体化的功能。

一种空调化霜时间的预测系统，包括:

数据采集模块，在空调运行制热模式时，采集室外侧的空气干球温度Ta、空气相对湿度RH以及空气压力P；

时间控制模块，根据预定的时间策略控制对空气干球温度Ta、空气相对湿度RH以及空气压力P的采集；

结霜速率计算模块，根据采集的室外空气干球温度Ta、空气相对湿度RH和空气压力P和构建的结霜预测模型来计算空调实时结霜速率ν；

化霜策略控制模块，根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，并在化霜时间后执行相应的化霜控制策略。其中，所述化霜策略控制模块基于空调运行的实时结霜速率和空调在结霜预测模型中定义霜区中切换状况来计算化霜时间。

结霜预测模型构建模块，构建空调的结霜预测模型；其中所述结霜预测模型构建模块根据结霜预测模型构建结霜图谱，并根据结霜速率将结霜图谱划分为多个霜区，所述空调的化霜时间和空调运行过程中在不同霜区之间的切换相关，并且其中所述结霜图谱为室外空气干球温度、空气相对湿度以及空气压力的三维图谱。

根据本发明的一个或多个实施例，本发明的方法中的控制逻辑可以使用存储在非暂时性计算机和/或机器可读介质(例如硬盘驱动器、闪存、只读存储器、光盘、数字多功能磁盘、高速缓存、随机存取存储器和/或任何其他存储设备或存储磁盘)上的编码的指令(例如，计算机和/或机器可读指令)来实现如本发明以上方法的流程的处理，在非暂时性计算机和/或机器可读介质中存储任何时间期间(例如，延长的时间段、永久的、短暂的实例、临时缓存和/或信息高速缓存)的信息。如本文所使用的，术语“非暂时性计算机可读介质”被明确定义为包括任何类型的计算机可读存储设备和/或存储盘，并且排除传播信号并排除传输介质。

根据本发明的一个或多个实施例，本发明的方法可以使用控制电路、(控制逻辑、主控系统或控制模块)来实现，其可以包含一个或多个处理器，也可以在内部包含有非暂时性计算机可读介质。具体地，主控系统或控制模块可以包括微控制器MCU。用于实现本发明方法的处理的处理器可以诸如但不限于一个或多个单核或多核处理器。(一个或多个)处理器可包括通用处理器和专用处理器(例如，图形处理器、应用处理器等)的任何组合。处理器可与其耦接和/或可包括计存储器/存储装置，并且可被配置为执行存储在存储器/存储装置中的指令，以实现在本发明中控制器上运行的各种应用和/或操作系统。

作为本发明示例的上文涉及的附图和本发明的详细描述，用于解释本发明，但不限制权利要求中描述的本发明的含义或范围。因此，本领域技术人员可以很容易地从上面的描述中实现修改。此外，本领域技术人员可以删除一些本文描述的组成元件而不使性能劣化，或者可以添加其它的组成元件以提高性能。此外，本领域技术人员可以根据工艺或设备的环境来改变本文描述的方法的步骤的顺序。因此，本发明的范围不应该由上文描述的实施例来确定，而是由权利要求及其等同形式来确定。

尽管本发明结合目前被认为是可实现的实施例已经进行了描述，但是应当理解本发明并不限于所公开的实施例，而相反的，意在覆盖包括在所附权利要求的精神和范围内的各种修改和等同配置。

Claims (17)

1.一种空调化霜时间的预测方法，包括：

S1：构建空调结霜预测模型；

S2：根据采集到的室外空气干球温度、室外空气相对湿度以及室外空气压力和所述空调结霜预测模型计算空调的实时结霜速率；

S3：根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，所述化霜时间为从空调运行制热模式起到进入化霜模式所经历的时间；

其中，根据预设的时间策略对所述室外空气干球温度、空气相对湿度以及空气压力进行采集。

2.根据权利要求1所述的方法，其中，根据结霜预测模型构建结霜图谱，并根据结霜速率将结霜图谱划分为多个霜区，所述空调的化霜时间和空调运行过程中在不同霜区之间的切换相关，并且其中所述结霜图谱为室外空气干球温度、空气相对湿度以及空气压力的三维图谱。

3.根据权利要求1所述的方法，其中所述预设的时间策略包括：

在空调器进入制热模式后开始计时，按第一时间间隔，采集并记录的空气干球温度数据；按第二时间间隔采集并记录室外空气湿度数据；按第三时间间隔采集并记录空气压力数据。

4.根据权利要求3所述的方法，其中，所述第一时间间隔和第二时间间隔的取值范围为0～10分钟；所述第三时间间隔的取值范围为0～24小时。

5.根据权利要求1所述的方法，其中所述第一时间间隔和第二时间间隔为4～6分钟，所述第三时间间隔为0.5小时～2小时。

6.根据权利要求2所述的方法，其中，根据结霜速率的大小依次将所述结霜图谱划分为轻霜区、一般结霜区和重霜区。

7.根据权利要求6所述的方法，其中根据结霜速率的大小将所述轻霜区和所述一般结霜区划分为多个子结霜区。

8.根据权利要求1所述方法，其中，在所述步骤S1中，所述结霜预测模型为：ν＝(αTa+βRH+γP+σ)·λ·θ，其中，ν为结霜速率，单位为g/min；α为Ta的修正系数；β为RH的修正系数；γ为P的修正系数，σ为常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力。

9.根据权利要求1所述的方法，其中，在所述步骤S3中，所述空调的化霜时间T的计算公式为：

其中，G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率；α为Ta的修正系数；β为RH的修正系数；γ为P的修正系数，σ为常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力，∫表示对所述结霜速率的积分求解。

10.根据权利要求2所述的方法，其中，在所述步骤S3中，所述空调的化霜时间T的计算公式为：

其中，G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率，T_{分霜区运行}为空调在分霜区运行的时间；T_{分霜区预设}为空调在各分霜区运行时的预设化霜行时间；其中

表示空调在分霜区累积运行时间的归一化处理。

11.根据权利要求10所述的方法，根据所述结霜速率ν的大小将结霜图谱依次划分为5个分霜区，该5个分霜区为：轻霜Ⅱ区、轻霜Ⅰ区、一般结霜Ⅱ区、一般结霜Ⅰ区和重霜区；或

根据所述结霜速率ν的大小将结霜图谱依次划分为3个分霜区，该3个分霜区为：轻霜区、一般结霜区和重霜区。

12.根据权利要求11所述的方法，其中，在所述步骤S3中，当根据所述结霜速率ν的大小将结霜图谱依次划分为5个分霜区时，该5个分霜区为：轻霜Ⅱ区、轻霜Ⅰ区、一般结霜Ⅱ区、一般结霜Ⅰ区和重霜区，所述空调的化霜时间T的计算公式为，

其中，G为空调器最大结霜量，需要根据不同空调器机型以及配置设定；ν为结霜速率，单位为克/分钟；

为空调累积运行时间的归一化处理；T₁为空调运行在重霜区的累积时间；T₂为空调运行在一般结霜Ⅰ区的累积时间；T₃为空调运行在一般结霜Ⅱ区的累积时间；T₄为空调运行在轻霜Ⅰ区的累积时间；T₅为空调运行在轻霜Ⅱ区的累积时间；30、60、90、180、和240分别表示空调运行在重霜区、一般结霜Ⅰ区、一般结霜Ⅱ区、轻霜Ⅰ区、轻霜Ⅱ区的预设化霜行时间；α为Ta的修正系数；β为RH的修正系数；γ为P的修正系数，σ为常数项的修正系数；λ为空调室外机换热器的换热效率；θ为结霜速率转换系数；Ta为室外空气干球温度；RH为室外空气相对湿度；P为空气压力。

13.一种空调化霜时间的预测装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现根据权利要求1至12任一项所述的空调结霜量的预测方法。

14.一种空调化霜时间的预测系统，包括:

数据采集模块，在空调运行制热模式时，采集室外侧的空气干球温度、空气相对湿度以及空气压力；

时间控制模块，根据预定的时间策略控制对空气干球温度、空气相对湿度以及空气压力的采集；

结霜速率计算模块，根据采集的室外空气干球温度、空气相对湿度和空气压力以及构建的结霜预测模型来计算空调实时结霜速率；

化霜策略控制模块，根据空调的最大结霜量和计算出的空调结霜速率预测空调的化霜时间，并在化霜时间后执行相应的化霜控制策略。

15.根据权利要求14所述的系统，其中，所述化霜策略控制模块基于空调运行的实时结霜速率和空调在结霜预测模型中定义霜区中切换状况来计算化霜时间。

16.根据权利要求14所述的系统，还包括结霜预测模型构建模块，用于构建空调的结霜预测模型；其中所述结霜预测模型构建模块根据结霜预测模型构建结霜图谱，并根据结霜速率将结霜图谱划分为多个霜区，所述空调的化霜时间和空调运行过程中在不同霜区之间的切换相关，并且其中所述结霜图谱为室外空气干球温度、空气相对湿度以及空气压力的三维图谱。

17.一种空调，其使用根据权利要求1-12任一项所述的空调化霜时间的预测方法，或包括根据权利要求13所述的空调化霜时间的预测装置，或包括根据权利要求14-16任一项所述的空调化霜时间的预测系统。

Images