CN115989386A - 基于机器学习的空气调节设备及其控制方法 - Google Patents

基于机器学习的空气调节设备及其控制方法 Download PDF

Info

Publication number
CN115989386A
CN115989386A CN202180052505.0A CN202180052505A CN115989386A CN 115989386 A CN115989386 A CN 115989386A CN 202180052505 A CN202180052505 A CN 202180052505A CN 115989386 A CN115989386 A CN 115989386A
Authority
CN
China
Prior art keywords
data
air
machine learning
air conditioning
purge
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
Application number
CN202180052505.0A
Other languages
English (en)
Inventor
崔烘铢
崔埈荣
裴城贤
李南奎
尹基熏
金昌贤
金世勋
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.)
Aoshuangle Co ltd
Original Assignee
Aoshuangle 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
Priority claimed from KR1020210008668A external-priority patent/KR102338086B1/ko
Application filed by Aoshuangle Co ltd filed Critical Aoshuangle Co ltd
Publication of CN115989386A publication Critical patent/CN115989386A/zh
Pending legal-status Critical Current

Links

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
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/10—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by separation, e.g. by filtering
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
    • F24F3/12—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling
    • F24F3/16—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling by purification, e.g. by filtering; by sterilisation; by ozonisation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/14—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by absorption
    • B01D53/1487—Removing organic compounds
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/30—Controlling by gas-analysis apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/02—Plant or installations having external electricity supply
    • B03C3/04—Plant or installations having external electricity supply dry type
    • B03C3/08—Plant or installations having external electricity supply dry type characterised by presence of stationary flat electrodes arranged with their flat surfaces parallel to the gas stream
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/02—Plant or installations having external electricity supply
    • B03C3/04—Plant or installations having external electricity supply dry type
    • B03C3/12—Plant or installations having external electricity supply dry type characterised by separation of ionising and collecting stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/38—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/38—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames
    • B03C3/383—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames using radiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/40—Electrode constructions
    • B03C3/41—Ionising-electrodes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/40—Electrode constructions
    • B03C3/45—Collecting-electrodes
    • B03C3/47—Collecting-electrodes flat, e.g. plates, discs, gratings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/66—Applications of electricity supply techniques
    • B03C3/68—Control systems therefor
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/20—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by sterilisation
    • F24F8/22—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by sterilisation using UV light
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/30—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by ionisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
    • A61L2209/00—Aspects relating to disinfection, sterilisation or deodorisation of air
    • A61L2209/10—Apparatus features
    • A61L2209/11—Apparatus for controlling air treatment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
    • A61L9/00—Disinfection, sterilisation or deodorisation of air
    • A61L9/16—Disinfection, sterilisation or deodorisation of air using physical phenomena
    • A61L9/22—Ionisation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/50—Carbon oxides
    • B01D2257/504—Carbon dioxide
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/70—Organic compounds not provided for in groups B01D2257/00 - B01D2257/602
    • B01D2257/708—Volatile organic compounds V.O.C.'s
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2258/00—Sources of waste gases
    • B01D2258/06—Polluted air
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2259/00—Type of treatment
    • B01D2259/45—Gas separation or purification devices adapted for specific applications
    • B01D2259/4508—Gas separation or purification devices adapted for specific applications for cleaning air in buildings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C2201/00—Details of magnetic or electrostatic separation
    • B03C2201/24—Details of magnetic or electrostatic separation for measuring or calculating parameters, efficiency, etc.
    • 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
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • 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
    • F24F2110/30—Velocity
    • 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
    • F24F2110/50—Air quality properties
    • 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
    • F24F2110/50—Air quality properties
    • F24F2110/64—Airborne particle content
    • 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
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • 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
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/66—Volatile organic compounds [VOC]
    • 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
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/70—Carbon dioxide
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Abstract

本发明涉及基于机器学习的空气调节设备及其控制方法。该方法可以包括以下步骤：收集与引入空气调节设备中的空气的空气质量相关的第一数据；基于第一数据来控制净化单元；收集与穿过净化单元的空气的空气质量相关的第二数据；以及根据基于与净化单元的控制相关的设置值、第一数据和第二数据生成的机器学习模型来控制净化单元。

Description

基于机器学习的空气调节设备及其控制方法
技术领域
本公开内容涉及基于机器学习的空气调节设备及其控制方法。更具体地，本公开内容涉及空气调节设备以及该空气调节设备的控制方法，该空气调节设备测量在空气穿过对空气进行净化的净化部之前和在空气穿过对空气进行净化的净化部之后的空气质量并且使用与净化部的控制相关的设置值执行机器学习，从而基于其中安装有空气调节设备的空间实现最佳空气净化效率。
背景技术
通常，大型办公建筑物中的空气调节设备通过使用对空气进行循环的高效颗粒空气(HEPA)过滤器对空气中漂浮的污染物进行过滤来净化空气。然而，当使用HEPA过滤器的典型空气调节设备被长时间使用时，过滤器之间的孔隙被细粉尘堵塞，导致压差和振动，因此过滤细粉尘的能力也降低。
为了解决这点，可以考虑用于在无压差的情况下去除污染物的静电除尘器。静电除尘器是安装在空气调节设备例如空气净化器、空气调节器或加热器中以通过使空气中的外来物质例如粉尘带电荷来收集粉尘的装置。静电除尘器可以包括：带电部，其包括生成电场的放电装置；以及粉尘收集部，在该粉尘收集部中收集通过带电部而带电荷的污染物颗粒。在空气穿过带电部之后，空气中的污染物可以在穿过粉尘收集部的同时被收集在粉尘收集部中。为此，如果将几千伏的高电压施加至带电部，则从电极本身或从在电极周围的气体生成电子以在电极周围形成等离子体。当电子通过等离子体从处于气态下的原子或分子中分离出并附着至空气中的颗粒时，利用负电荷使颗粒带电荷。带负电荷的粉尘颗粒可以借由通过静电吸引移动并附着至带正电荷的粉尘收集板而被去除。
然而，这样的静电除尘方法可能在空气净化处理中生成诸如臭氧或氮氧化物的氧化物。由于这些氧化物是高活性的，因此它们表现出促进空气中有害物质的分解的杀菌效果，但可能增加室内臭氧浓度，这会对人体有危险。例如，当人暴露于臭氧时，它会导致眼睛刺激或对支气管的损伤。此外，由于这样的静电除尘方法需要高电压，因此它需要高的设施和操作成本，并且在具有高粉尘密度的环境中存在爆炸的风险。
另外，用于空气调节的典型静电除尘方法生成具有负电荷的离子，并利用负电荷使与所述离子结合的空气污染物物质带电荷。因此，可以从具有正电荷的粉尘收集板收集污染物物质的颗粒，但是难以从具有负电荷的粉尘收集板收集颗粒。这可能降低粉尘收集效率。此外，如果带负电荷的物质未被收集在粉尘收集板中并再次回到空气中，则空气中的负离子变得过量，这可能会破坏离子平衡并导致氧化物的进一步生成。
此外，在典型静电除尘方法中，由于空气调节设备在相同基础上进行操作而不管安装有空气调节设备的空间的特性如何，因此会浪费不必要的功率。然而，即使相同产品的空气调节设备安装在同一建筑物中，空气特性例如温度、湿度、细粉尘的量、二氧化碳、挥发性有机化合物(VOC)、甲醛等也可能根据建筑物中的面积而不同。因此，需要对针对每个空气调节设备的操作条件进行优化。替选地，例如，即使在地下车站中安装相同的空气调节设备，每个时间区段在站台中的空气的质量也会变化，因此需要操作空气调节设备来以最小的功率消耗净化空气。
发明内容
技术目标
为了解决上述问题，本公开内容的一方面提供了一种不产生作为将空气中的污染物电离的副产物的为有害物质的臭氧的空气调节设备及其控制方法。
此外，本公开内容的另一方面提供了一种基于机器学习的空气调节设备及其控制方法，该基于机器学习的空气调节设备得出针对其中安装有空气调节设备的空间所优化的净化部操作条件，以根据该净化部操作条件来控制空气调节设备的净化部。
要通过本公开内容的示例实施方式实现的目标不限于上述目的，并且可以从以下示例实施方式推断出其他目的。
技术解决方案
根据一方面，提供了一种控制基于机器学习的空气调节设备的方法，该方法包括：收集关于流入空气调节设备中的空气的空气质量的第一数据；基于第一数据来控制净化部；收集关于穿过净化部的空气的空气质量的第二数据；以及根据基于与净化部的控制相关的设置值、第一数据和第二数据生成的机器学习模型来控制净化部。
根据另一方面，还提供了一种基于机器学习的空气调节设备，该基于机器学习的空气调节设备包括：净化部；第一数据收集器，其包括至少一个传感器并且被配置成获取与流入净化部中的空气相关联的信息；第二数据收集器，其包括至少一个传感器并且被配置成获取与从净化部排出的空气相关联的信息；以及控制器，其中，该控制器被配置成：收集通过第一数据收集器获取的关于空气质量的第一数据；基于第一数据来控制净化部；通过第二数据收集器收集关于穿过净化部的空气的空气质量的第二数据；以及根据基于与净化部的控制相关的设置值、第一数据和第二数据生成的机器学习模型来控制净化部。
效果
根据示例实施方式，由于使用具有低能量波长的电磁波将空气中的污染物电离，因此在空气穿过空气调节设备之前和在空气穿过空气调节设备之后可以不施加压差，并且可以不生成或几乎不生成臭氧。
此外，根据示例实施方式，在本公开内容的带电部中，可以利用正电荷和负电荷使空气中的污染物物质带电荷。因此，污染物颗粒可以在带正电荷的粉尘收集板和带负电荷的粉尘收集板两者处被收集，从而实现粉尘收集效率。另外，即使带电荷的污染物物质中的一些穿过粉尘收集部而未被收集，空气中的离子的平衡也可以保持，这是因为带负电荷的物质和带正电荷的物质是平衡的。
此外，根据示例实施方式，由于基于其中安装有空气调节设备的空间通过机器学习来设置施加至净化部的电压，因此空间定制化设计是可行的。此外，可以通过机器学习使空气调节设备的功率消耗最小化，这可以提高每功率用量去除污染物物质的效率。
本公开内容的效果不限于上述效果，并且可以根据以下描述使其他效果对于本领域技术人员而言明显。
附图说明
图1是示出根据示例实施方式的空气调节设备的净化部的空气净化操作的图。
图2是示出根据示例实施方式的空气调节设备的图。
图3是示出根据示例实施方式的净化部220的图。
图4是示出根据示例实施方式的空气调节设备的控制方法的流程图。
图5是示出根据示例实施方式的空气调节设备500的框图。
具体实施方式
在下文中，将参照附图详细地描述本公开内容的示例实施方式。
在描述示例实施方式时，将省略对本公开内容所属领域中公知且与本说明书不直接相关的技术内容的描述。这是为了通过省略不必要的描述来更清楚地传达而不模糊本说明书的主题。
出于相同的原因，在附图中，一些部件被夸大、省略或示意性地示出。另外，每个部件的尺寸不完全地反映实际尺寸。每个附图中的相同或相对应的部件被给予相同的附图标记。
本公开内容的优点和特征以及实现这些优点和特征的方法将根据以下示例实施方式变得明显，所述以下示例实施方式将参照附图被更详细地描述。然而，应当注意，本公开内容不限于以下示例实施方式，并且可以以各种形式实现。因此，提供示例实施方式仅用于公开本公开内容并让本领域技术人员知道本公开内容的类别。在附图中，本公开内容的实施方式不限于本文中提供的具体示例并且为了清楚起见而被夸大。贯穿本说明书，相同的附图标号或相同的附图标记表示相同的元件。
在这点上，将理解的是，可以通过计算机程序指令来执行流程图图示的每个块和流程图图示的组合。由于这些计算机程序指令可以安装在通用计算机、专用计算机或其他可编程数据处理装备的处理器上，因此通过其他可编程数据处理装备的计算机或处理器执行的那些指令可以创建用于执行流程图块中描述的功能的方式。这些计算机程序指令可以被存储在计算机可用或计算机可读存储器中，该计算机可用或计算机可读存储器可以被引导至计算机或其他可编程数据处理装备来以特定方式实现功能。存储在计算机可用或计算机可读存储器中的指令还可以用于生产包含用于执行流程图块中描述的功能的指令方式的制品。计算机程序指令还可以安装在计算机或其他可编程数据处理装备上，使得可以在计算机或其他可编程数据处理装备上执行一系列操作步骤，以创建用于创建计算机或其他可编程数据的计算机实现的处理。用于执行处理装备的指令还可以提供用于执行流程图块中描述的功能的步骤。
另外，每个块可以表示模块、段或代码的一部分，所述模块、段或代码包括用于执行指定逻辑功能的一个或更多个可执行指令。还应当注意，在一些替选实现方式中，在块中指出的功能可以不按照顺序出现。例如，根据相对应的功能，连续地示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。
根据本公开内容的各种实施方式，术语“……部”意指但不限于执行某些任务的软件或硬件部件，例如现场可编程门阵列(FPGA)或专用集成电路(ASIC)。“……部”可以有利地被配置成驻留在可寻址存储介质上，并且可以有利地被配置成在一个或更多个处理器上执行。因此，通过示例的方式，“……部”可以包括诸如软件部件、面向对象的软件部件、分类部件和任务部件的部件、进程、函数、属性、过程、子例程、程序代码段、驱动器、固件、微代码、电路系统、数据、数据库、数据结构、表、阵列和变量。在部件和“……部”中提供的功能可以组合成更少的部件和“……部”，或者进一步分离成附加的部件和“……部”。另外，部件和“……部”可以实现为使得它们在装置或安全多媒体卡中执行一个或更多个CPU。
图1是示出根据示例实施方式的空气调节设备的净化部的空气净化操作的图。
本公开内容的空气调节设备包括净化部100。净化部100可以包括将包括在空气中的至少一部分物质电离的带电部110和收集经电离的物质的粉尘收集部120。
与使用典型光电离方法的静电除尘器类似，本公开内容的净化部100在带电部110中将空气中的污染物的颗粒和分子电离，并且然后在粉尘收集部120中收集经电离的颗粒和分子。具体地，净化部100可以向带电部110施加电压以将污染物111电离，并且将经电离的污染物112收集在粉尘收集部120的粉尘收集板121和122上。根据示例实施方式，本公开内容的带电部110使用低能量波长的电磁波，因此几乎不生成臭氧。此外，带电部110可以使用具有低能量的低波长电磁波利用负电荷以及正电荷使空气中的污染物带电荷，使得可以在带正电荷的板和带负电荷的板两者处收集污染物颗粒。因此，具有负电荷的污染物112可以通过静电吸引移动至带正电荷的收集板121并在带正电荷的收集板121处被收集。此外，具有正电荷的污染物112可以移动至带负电荷的收集板122并在带负电荷的收集板122处被收集。同时，不是空气中的污染物的清洁气体113例如氧气不被带电部110电离，并且不具有特定电荷。因此，清洁气体113可以穿过粉尘收集部120而不被收集在粉尘收集部120中。因此，使用本公开内容的净化部100，可以电离并收集仅污染物物质。污染物物质可以是例如细粉尘、挥发性有机化合物(VOC)和甲醛。
与此同时，由于使用典型静电除尘方法向带电部施加8千伏(kV)至15kV的高电压，因此在电极周围形成等离子体。由于这点，即使并非污染物的氧气也可能被电离，并且臭氧也可能作为副产物而生成。与之相对，本公开内容的带电部110使用具有相对低的能量范围中的波长的电磁波，并且因此可以施加5kV或更低的电压。因此，不会生成等离子体，并且不会生成臭氧或可能生成少量的臭氧。根据本公开内容的示例实施方式的带电部110可以使用具有在0.1纳米(nm)与100nm之间(包括0.1nm和100nm)的范围的波长的电磁波来将物质电离。具体地，带电部110可以使用具有13.5nm的波长的极紫外(EUV)或者具有在0.1nm与10nm之间(包括0.1nm和10nm)的范围的波长的软X射线。在使用具有低能量范围的波长的电磁波例如极紫外或软X射线的情况下，不会产生压差和臭氧。因此，可以将本公开内容的净化部100安装在现有的空气调节设备中并实现高的旁路(by-pass)性能。例如，极紫外可以具有50％的旁路性能，而软X射线可以具有75％的旁路性能。
图2是示出根据示例实施方式的空气调节设备的图。
根据本公开内容的空气调节设备200可以包括：净化部220，其用于净化空气；第一数据收集器210，其用于获取与流入净化部220中的空气相关联的信息；以及第二数据收集器230，其用于获取与从净化部220排出的空气相关联的信息。第一数据收集器210和第二数据收集器230中的每一者可以包括用于收集关于空气质量的数据的至少一个传感器。
根据示例实施方式的净化部220可以包括用于将空气中包括的至少一部分物质电离的至少一个带电部240，并且包括用于收集在带电部240中电离的物质的粉尘收集部250。带电部240可以包括用于发射电磁波的至少一个管241。根据示例实施方式，管241可以是通过金属靶与电子之间的碰撞生成X射线的X射线管，并且可以包括阳极和阴极。根据需要，管241还可以包括栅电极。此处，发射电场的阴极可以包括由碳纳米管(CNT)组成的场发射元件并且发射具有在0.1nm与10nm之间(包括0.1nm和10nm)的波长的软X射线。在这种情况下，阴极的场发射元件例如发射器可以包括CNT结构，该CNT结构包括其中多个CNT聚集并沿第一方向延伸的结构的多个单位丝线(yarn)。根据示例实施方式，带电部240可以使用具有在0.1nm与100nm之间(包括0.1nm和100nm)的范围的波长的电磁波来将物质电离。例如，带电部240可以使用极紫外或软X射线将污染物物质光电离。粉尘收集部250可以包括用于收集经电离的物质的至少一个粉尘收集板251。
根据本公开内容的空气调节设备200可以通过第一数据收集器210收集关于流入空气调节设备200中的空气的空气质量的第一数据。第一数据可以包括关于诸如细粉尘、VOC和甲醛的空气污染物、二氧化碳、风速、温度、湿度和其中安装有空气调节设备200的空间的尺寸的信息中的至少一者，并且可以包括与空气质量相关联的所有信息。关于细粉尘的信息可以包括细粉尘的浓度和超细粉尘的浓度。空气可以穿过净化部220。在这种情况下，可以基于所收集的第一数据来控制净化部220。例如，空气调节设备200可以被设置成当空气中的与空气质量相关的参数中的细粉尘浓度为75微克每立方米(μg/m3)或更大并且超细粉尘的浓度为30μg/m3或更大时进行操作。在该示例中，当根据在第一数据收集器210中收集的第一数据的在空气中的细粉尘的浓度为80μg/m3时，空气调节设备200可以进行操作。
根据示例实施方式，在空气穿过净化部220之后，第二数据收集器230可以收集关于空气的空气质量的第二数据。第二数据可以包括关于诸如细粉尘、VOC和甲醛的空气污染物、二氧化碳、风速、温度、湿度和其中安装有空气调节设备200的空间的尺寸的信息中的至少一者，并且可以包括与空气质量相关联的所有信息。一旦空气穿过净化部220，则第二数据中指示的值可以是与第一数据中指示的值相比改进的值。
根据本公开内容的空气调节设备200可以通过基于与净化部220的控制相关的设置值、在第一数据收集器210中测量的第一数据以及在第二数据收集器230中测量的第二数据执行机器学习来生成模型，并且根据所生成的模型来控制净化部220。在这种情况下，净化部220的控制可以指示对施加至带电部240的电压和施加至粉尘收集部250的电压进行控制。施加至带电部240的电压可以对应于施加至管241的电压。根据示例实施方式，管241可以包括碳纳米管。此外，对施加至带电部240的电压进行控制可以包括对施加至管241的阳极、阴极或栅极的电压的单独控制。可以在执行机器学习之前基于初始值来驱动空气调节设备200。可以基于满足室内空气质量管理的最小空气质量来预先设置初始值。
根据本公开内容的空气调节设备200可以控制净化部220以执行针对其中安装有空气调节设备200的空间定制的操作。为此，空气调节设备200可以基于第一数据和关于穿过净化部220的空气的空气质量的第二数据来得出阈值。根据示例实施方式，第二数据可以是根据与净化部220的控制相关的初始值或设置值设置的关于穿过净化部220的空气的空气质量的数据，该数据通过机器学习模型得出。阈值可以是针对与空气质量相关的参数的阈值。该参数可以包括关于诸如细粉尘、VOC和甲醛的空气污染物、二氧化碳、风速、温度、湿度和其中安装有空气调节设备200的空间的尺寸的信息中的至少一者。此外，阈值可以针对其中安装有空气调节设备200的每个空间而不同。在示例中，当空气调节设备200安装在两个空间——周期性通风的车辆和封闭的地下车站——中时，所述两个空间可以具有不同的空气质量数据，并且因此可以具有不同的净化部220的控制条件。例如，由于地下车站是封闭空间，因此可以将阈值设置成相对低，从而频繁地执行空气净化。另外，可以基于在第二数据中包括的细粉尘的尺寸来确定阈值。例如，当细粉尘的颗粒尺寸小于或等于10微米(μm)(例如，PM 10)时，可以应用适用于细粉尘的标准。此外，当细粉尘的颗粒尺寸小于或等于2.5μm(例如，PM 2.5)时，可以应用适用于超细粉尘的标准。
根据示例实施方式，空气调节设备200可以得出净化部220的控制条件，使得参数达到阈值或者超过阈值或小于阈值。这样的净化部220的控制条件可以包括施加至带电部240的电压和施加至粉尘收集部250的电压。施加至带电部240的电压可以对应于施加至管241的电压。根据示例实施方式，管241可以包括碳纳米管。此外，对施加至带电部240的电压进行控制可以包括对施加至管241的阳极、阴极或栅极的电压的单独控制。
与此同时，在带电部240中使用的管241的数目、管241的位置以及粉尘收集部250(或粉尘收集板251)的尺寸等可以基于空气调节设备200的产品特性而变化。据此，在执行用于控制净化部220的机器学习之前，空气调节设备200可以预先输入在带电部240中发射电磁波的至少一个管241的数目、至少一个管241的位置以及粉尘收集部250的尺寸。
根据示例实施方式，即使在操作净化部220之后，本公开内容的空气调节设备200也可以借由通过机器学习得出净化部220的控制条件来连续地更新机器学习模型。可以使用包括在净化部220根据通过机器学习得出的控制条件进行正常操作时所获取的第一数据和第二数据的数据集来连续地执行机器学习。当空气质量即使在相同的控制条件下也得到改善使得可以以更少的功率消耗来净化空气时，可以得出在保持空气净化的同时使被供应至净化部220的电压降低的最佳阈值。当空气质量在相同的控制条件下劣化时，空气调节设备200可以继续运行以将空气质量参数调节到阈值以下或阈值以上。同样在这种情况下，可以使用包括在净化部220进行正常操作时所获取的第一数据和第二数据的数据集来连续地执行机器学习。根据示例实施方式的空气调节设备200可以以预定时间单位在预设置时间段内收集用于机器学习的第一数据和第二数据。例如，空气调节设备200可以通过以五秒为单位在一周内收集第一数据和第二数据来构建数据集。
根据示例实施方式，本公开内容的空气调节设备200可以通过强化学习来生成机器学习模型，在所述强化学习中，基于与空气质量相关的参数和净化部220的功率消耗来执行补偿。具体地，带电部240和粉尘收集部250的电压可以在通过机器学习得出的范围内以预设置时间段的间隔随机地选择，并且可以相对应地收集第一数据和第二数据。此外，可以通过分配分数来执行强化学习，使得在与空气质量相关的参数满足阈值的同时减少空气调节设备200的功率消耗。例如，作为初始条件，施加至带电部240的电压的范围可以被设置成4.0kV至4.8kV的范围，而施加至粉尘收集部250的电压的范围可以被设置为2.8kV至4.4kV的范围。在该示例中，可以通过在预设置电压范围内以20秒的间隔随机地选择每个局部电压来收集在空气穿过净化部220之前和在空气穿过净化部220之后的空气的空气质量数据。作为强化学习的结果，当施加至带电部240的电压为4.3kV并且施加至粉尘收集部250的电压为3.5kV时，与功率消耗相比，可以使去除细粉尘的效率最大化。因此，阈值可以被设置为4.3kV和3.5kV。根据示例实施方式，带电部240可以包括多个管241。在这种情况下，施加至各个管241的电压可以稍微不同。因此，可以获得关于各个管241的平均值，并且将该平均值反映为带电部240的电压。替选地，当在净化部220中存在多个带电部240时，替代对带电部240中的每一个执行机器学习，可以通过向带电部240施加相同的电压值来执行机器学习。为此，带电部240的数目或管241的数目可以在执行第一机器学习之前输入，以便被反映在机器学习中。
与此同时，可以通过强化学习来生成机器学习模型，并且还可以使用其他机器学习算法来生成应用于本公开内容的空气调节设备200的模型。例如，诸如无监督学习算法、基于规则的机器学习算法等的各种机器学习算法可以应用于本公开内容。
图3是示出根据示例实施方式的净化部220的图。参照图3，净化部220可以包括多个带电部例如第一带电部240-1和第二带电部240-2，以及粉尘收集部250。带电部240-1和240-2中的每一个可以是将空气中的污染物物质电离的模块。根据机器学习的设置值可以同样地应用于第一带电部240-1和第二带电部240-2，或者可以将其间具有可忽略的差值的电压值应用于第一带电部240-1和第二带电部240-2。
与此同时，由于空气质量数据基于第一数据收集器210和第二数据收集器230的传感器的位置而改变，因此使用基于第一数据和第二数据训练的模型得出的净化部220的控制条件也可以改变。因此，第一数据收集器210和第二数据收集器230的传感器的位置可以基于其中安装有空气调节设备200的空间的结构、空气质量特性等而改变。
根据示例实施方式，多个空气调节设备200可以安装在同一空间中。在这种情况下，根据不同的机器学习模型，空气调节设备200可以控制其中的净化部220。也就是说，对于空气调节设备200中的每一个，应用于空气质量参数的阈值可以不同。
当与使用电晕放电方法的典型静电除尘器相比时，与功率消耗相比，本公开内容的空气调节设备200可以具有高的粉尘收集效率，因此所得的臭氧生成收敛于零。例如，典型静电除尘器可以消耗110瓦(W)的功率、与电离相比具有10％的粉尘收集效率，并且生成约一百万分之65(ppm)的臭氧。在这种情况下，本公开内容的空气调节设备可以消耗40W的功率、与电离相比具有50％的粉尘收集效率，并且生成约0ppm的臭氧。
本公开内容的空气调节设备200可以根据其中安装有空气调节设备的环境和空间得出最佳操作条件，并且因此可以使能量消耗最小化。另外，由于使用机器学习，因此系统配置可能是不可行的，除非提供能够实时控制能量的数字发电装置。出于该原因，难以使用典型的紫外线或X射线热阴极管来配置本公开内容的空气调节设备200。替代地，使用相对低的能量生成电磁波并易于控制能量的碳纳米管可以被用于配置本公开内容的空气调节设备200。
例如，热离子发射管例如典型的紫外线或X射线热阴极管可以包括由金属丝制成的负电极和作为金属靶的正电极，并且可以使用电子从加热的金属丝(负电极)发射的原理。也就是说，热离子发射管的金属丝可以被加热至1000摄氏度(℃)或更高以发射电子，并且电子被所施加的电场加速并攻击金属靶，从而生成电磁波。热离子发射管可能具有的限制在于响应时间长，因为金属丝必须被加热至高温以发射电子。
与此同时，场发射(FE)管可以通过所施加的电场从负金属电极发射电子，但是发射器的温度远低于热离子发射管的细丝的温度。也就是说，由于负电极的温度比热离子发射管的温度更低，因此场发射管可以具有更长的寿命和更短的响应时间。另外，可以对电极之间的电压控制进行微调，因此易于将电磁波的发射控制在期望水平处。作为场发射管，使用负CNT电极的CNT管可以被使用。
基本上，CNT管可以包括正电极的阳极、负电极的阴极和用于诱导电子发射的栅极。据此，可以对阳极、阴极或栅极的电压的幅值进行单独设置和学习。由于施加至阳极和阴极的电压，电流可以在管中流动，并且可以生成用于对应于阳极与阴极之间的电压差的电流。然而，在实践中，可以向管施加高电压以提供足以从负电极喷射电子的磁场，致使在栅极处的漏电流。因此，可以对阳极、阴极或栅极电压进行单独控制，以在管中生成期望量的电流的同时使栅极漏电流最小化。
图4是示出根据示例实施方式的空气调节设备的控制方法的流程图。
在操作S401中，该方法可以收集关于流入空气调节设备中的空气的空气质量的第一数据。根据示例实施方式，第一数据可以包括关于诸如细粉尘、VOC和甲醛的空气污染物、二氧化碳、风速、温度、湿度和其中安装有空气调节设备的空间的尺寸的信息中的至少一者。
在操作S402中，该方法可以基于所收集的第一数据来控制净化部。根据示例实施方式，净化部可以包括：至少一个带电部，其将空气中包括的至少一部分物质电离；以及粉尘收集部，其收集在带电部中电离的物质。带电部可以使用具有在0.1nm与100nm之间(包括0.1nm和100nm)的范围中的波长的电磁波将物质电离。具体地，带电部可以使用极紫外或软X射线对空气中的污染物进行光电离。
在操作S403中，该方法可以收集关于穿过净化部的空气的空气质量的第二数据。根据示例实施方式，第二数据可以包括关于诸如细粉尘、VOC和甲醛的空气污染物、二氧化碳、风速、温度、湿度和其中安装有空气调节设备的空间的尺寸的信息中的至少一者。
在操作S404中，该方法可以根据基于与净化部的控制相关的设置值、第一数据和第二数据生成的机器学习模型来控制净化部。根据示例实施方式，与净化部的控制相关的设置值可以包括针对施加至带电部的电压的设置值和针对施加至粉尘收集部的电压的设置值。根据示例实施方式，带电部可以包括发射电磁波的至少一个管。针对施加至带电部的电压的设置值可以包括针对施加至管中包括的多个电极中的每一个的电压的设置值。因此，机器学习可以是针对管中包括的多个电极中的每一个的单独学习。与此同时，该方法可以以预定时间单位在预设置时间段内收集第一数据和第二数据，以根据机器学习模型来控制净化部。
为了根据机器学习模型来控制净化部，本公开内容的技术可以根据与净化部的控制相关的设置值基于第一数据和第二数据来得出针对与空气质量相关的参数的阈值，并且得出其中参数减小至小于或等于阈值的净化部的控制条件。净化部的控制条件可以包括施加至带电部的电压和施加至粉尘收集部的电压。根据示例实施方式，针对施加至带电部的电压的控制条件可以包括针对施加至在带电部中的管中包括的多个电极中的每一个的电压的单独控制条件。该参数可以包括关于空气污染物、二氧化碳、风速、温度、湿度和其中安装有空气调节设备的空间的尺寸的信息中的至少一者。空气污染物可以包括例如对人体有害的一种或更多种空气物质，例如细粉尘、VOC和甲醛。另外，阈值可以针对其中安装有空气调节设备的每个空间而不同，并且可以基于在第二数据中包括的细粉尘的尺寸来确定。例如，可以从具有PM 2.5的颗粒尺寸的超细粉尘和具有PM 10的颗粒尺寸的细粉尘得出不同的阈值。
关于在操作S404中执行的机器学习，根据示例实施方式的机器学习模型可以基于作为输入值的以下内容来生成：在带电部中发射电磁波的至少一个管的数目、至少一个管的位置和粉尘收集部的尺寸。为此，该方法可以在机器学习之前预先输入输入值。
根据示例实施方式，本公开内容的方法可以基于在操作S401中收集的第一数据以及基于根据在操作S404中得出的净化部的控制条件的第二数据来更新机器学习模型。例如，可以基于第一数据和第二数据来连续地校正机器学习模型，所述第一数据是通过感测流入净化部中的空气的空气质量所获取的，所述第二数据是通过利用通过机器学习得出的设置值对净化部进行设置并感测穿过净化部的空气的空气质量所获取的。
根据示例实施方式，可以通过强化学习来生成机器学习模型，在所述强化学习中，基于与空气质量相关的参数和净化部的功率消耗来执行补偿。例如，在参数满足阈值的环境中，随着净化部的功率消耗降低，可以分配更大的分数。通过这点，可以生成模型以使功率消耗最小化并提高净化效率。
根据示例实施方式，可以安装多个空气调节设备。在这种情况下，根据不同的机器学习模型，相应空气调节设备可以控制其中的净化部。
图5是示出根据示例实施方式的空气调节设备500的框图。参照图5，空气调节设备500可以包括净化部510、第一数据收集器520、第二数据收集器530和控制器540。
第一数据收集器520可以包括至少一个传感器，并且获取与流入净化部510中的空气相关联的信息。例如，第一数据收集器520可以位于净化部510之前，并且在空气穿过净化部510之前收集关于空气的空气质量的第一数据。根据示例实施方式，第一数据收集器520可以位于净化部510的带电部之前，或者位于带电部之后且粉尘收集部之前，以感测空气。这是可以根据其中安装有空气调节设备500的空间的特性和安装用户的需求来改变的因素。
第二数据收集器530可以包括至少一个传感器，并且获取与从净化部510排出的空气相关联的信息。例如，第二数据收集器530可以位于净化部510之后，并且收集关于穿过净化部510的空气的空气质量的第二数据。
净化部510可以包括：至少一个带电部，其将空气中包括的至少一部分物质电离；以及粉尘收集部，其收集经电离的物质。通过对施加至带电部和粉尘收集部的电压进行控制，可以提高空气调节设备500的每功率消耗的空气净化效率。
控制器540可以收集通过第一数据收集器520获取的关于空气质量的第一数据，以及基于第一数据来控制净化部510。另外，通过第二数据收集器530，控制器540可以收集关于穿过净化部510的空气的空气质量的第二数据。此外，控制器540可以根据基于与净化部510的控制相关的设置值、第一数据和第二数据生成的机器学习模型来控制净化部510。
根据示例实施方式，基于机器学习模型，控制器540可以根据与净化部510的控制相关的设置值基于第一数据和第二数据来得出针对与空气质量相关的参数的阈值。此外，控制器540可以得出其中参数减小至小于或等于阈值的净化部510的控制条件，从而控制净化部510。具体地，可以通过强化学习来生成机器学习模型，在所述强化学习中，基于与空气质量相关的参数和净化部510的功率消耗来执行补偿。例如，当净化部510的功率消耗降低而与空气质量相关的参数满足阈值时，可以向模型分配更大的分数以对模型执行强化学习。
在示例中，当未应用本公开内容的机器学习的空气调节设备以最大性能进行操作时，4.8kV的电压可以被施加至带电部，而4.4kV的电压可以被施加至粉尘收集部。在这种情况下，总功率消耗可以为20W，而平均细粉尘去除效率可以为15％。也就是说，当应用最大性能操作条件时，每功率消耗的细粉尘去除效率可以对应于0.75％/W。与之相对，当应用本公开内容的机器学习的空气调节设备以最佳性能进行操作时，4.3kV的电压可以被施加至带电部，而3.5kV的电压可以被施加至粉尘收集部。在这种情况下，总功率消耗可以为8W，而平均细粉尘去除效率可以为14％。也就是说，当应用最佳性能操作条件时，每功率消耗的细粉尘去除效率可以对应于1.75％/W，这与不应用机器学习的情况相比更高。因此，尽管功率消耗降低，但细粉尘去除性能并未降低，从而可以提高每功率消耗的细粉尘去除效率。
图5的空气调节设备500仅为示例，并且还可以包括除了图5所示的部件之外的其他部件。此外，空气调节设备500可以通过部件实现上述示例实施方式。
已经关于本公开内容的示例实施方式描述了本说明书和附图。尽管使用了特定术语，但其仅在一般意义上用于容易地说明本公开内容的技术内容并帮助理解本发明，而不旨在限制本说明书的范围。对于本领域技术人员将明显的是，可以实现除了本文中公开的实施方式之外的基于本公开内容的技术精神的其他修改。

Claims (19)

1.一种控制基于机器学习的空气调节设备的方法，所述方法包括：
收集关于流入所述空气调节设备中的空气的空气质量的第一数据；
基于所述第一数据来控制净化部；
收集关于穿过所述净化部的空气的空气质量的第二数据；以及
根据基于与所述净化部的控制相关的设置值、所述第一数据和所述第二数据生成的机器学习模型来控制所述净化部。
2.根据权利要求1所述的方法，其中，所述第一数据和所述第二数据包括关于空气污染物、二氧化碳、风速、温度、湿度和其中安装有所述空气调节设备的空间的尺寸的信息中的至少一者。
3.根据权利要求1所述的方法，其中，所述净化部包括：
至少一个带电部，其被配置成将空气中包括的至少一部分物质电离；以及
粉尘收集部，其被配置成收集经电离的物质。
4.根据权利要求3所述的方法，其中，与所述净化部的控制相关的设置值包括针对施加至所述带电部的电压的设置值和针对施加至所述粉尘收集部的电压的设置值。
5.根据权利要求4所述的方法，其中，所述带电部包括发射电磁波的至少一个管，并且针对施加至所述带电部的电压的设置值包括针对施加至所述管中包括的多个电极中的每一个的电压的设置值。
6.根据权利要求3所述的方法，其中，所述带电部使用具有在0.1纳米(nm)与100nm之间的范围中的波长的电磁波来将物质电离，所述范围包括端点值。
7.根据权利要求3所述的方法，其中，所述机器学习模型基于作为输入值的以下内容来生成：在所述带电部中发射电磁波的至少一个管的数目、所述至少一个管的位置和所述粉尘收集部的尺寸。
8.根据权利要求1所述的方法，其中，根据所述机器学习模型来控制所述净化部包括：
根据与所述净化部的控制相关的设置值基于所述第一数据和所述第二数据来得出针对与空气质量相关的参数的阈值；以及
得出其中所述参数减小至小于或等于所述阈值的所述净化部的控制条件。
9.根据权利要求8所述的方法，其中，所述参数包括关于空气污染物、二氧化碳、风速、温度、湿度和其中安装有所述空气调节设备的空间的尺寸的信息中的至少一者。
10.根据权利要求8所述的方法，其中，所述阈值针对其中安装有所述空气调节设备的每个空间而不同，并且基于在所述第二数据中包括的细粉尘的尺寸信息来确定。
11.根据权利要求8所述的方法，其中，所述净化部包括：
至少一个带电部；以及
粉尘收集部，以及
所述净化部的控制条件包括施加至所述带电部的电压和施加至所述粉尘收集部的电压。
12.根据权利要求8所述的方法，还包括：
根据所得出的所述净化部的控制条件，基于所述第一数据和所述第二数据来更新所述机器学习模型。
13.根据权利要求1所述的方法，其中，根据所述机器学习模型来控制所述净化部还包括：
以预定时间单位在预设置时间段内收集所述第一数据和所述第二数据。
14.根据权利要求1所述的方法，其中，所述机器学习模型通过强化学习来生成，在所述强化学习中，基于与空气质量相关的参数和所述净化部的功率消耗来执行补偿。
15.根据权利要求1所述的方法，其中，包括所述空气调节设备的多个空气调节设备中的每一个由不同的机器学习模型控制。
16.根据权利要求2或9所述的方法，其中，所述空气污染物包括细粉尘、挥发性有机化合物(VOC)和甲醛中的至少一种。
17.一种基于机器学习的空气调节设备，包括：
净化部；
第一数据收集器，其包括至少一个传感器并且被配置成获取与流入所述净化部中的空气相关联的信息；
第二数据收集器，其包括至少一个传感器并且被配置成获取与从所述净化部排出的空气相关联的信息；以及
控制器，
其中，所述控制器被配置成：
收集通过所述第一数据收集器获取的关于空气质量的第一数据；
基于所述第一数据来控制所述净化部；
通过所述第二数据收集器收集关于穿过所述净化部的空气的空气质量的第二数据；以及
根据基于与所述净化部的控制相关的设置值、所述第一数据和所述第二数据生成的机器学习模型来控制所述净化部。
18.根据权利要求17所述的基于机器学习的空气调节设备，其中，所述控制器被配置成：
基于所述机器学习模型，根据与所述净化部的控制相关的设置值基于所述第一数据和所述第二数据来得出针对与空气质量相关的参数的阈值；以及
通过得出其中所述参数减小至小于或等于所述阈值的所述净化部的控制条件来控制所述净化部。
19.根据权利要求17所述的基于机器学习的空气调节设备，其中，所述机器学习模型通过强化学习来生成，在所述强化学习中，基于与空气质量相关的参数和所述净化部的功率消耗来执行补偿。
CN202180052505.0A 2020-06-29 2021-06-28 基于机器学习的空气调节设备及其控制方法 Pending CN115989386A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
KR10-2020-0079472 2020-06-29
KR20200079472 2020-06-29
KR10-2021-0008668 2021-01-21
KR1020210008668A KR102338086B1 (ko) 2021-01-21 2021-01-21 기계 학습 기반 공기 조화 장치 및 이의 제어 방법
PCT/KR2021/008076 WO2022005127A1 (ko) 2020-06-29 2021-06-28 기계 학습 기반 공기 조화 장치 및 이의 제어 방법

Publications (1)

Publication Number Publication Date
CN115989386A true CN115989386A (zh) 2023-04-18

Family

ID=79166689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180052505.0A Pending CN115989386A (zh) 2020-06-29 2021-06-28 基于机器学习的空气调节设备及其控制方法

Country Status (5)

Country Link
US (1) US20220003440A1 (zh)
EP (1) EP4184073A1 (zh)
CN (1) CN115989386A (zh)
TW (1) TWI787889B (zh)
WO (1) WO2022005127A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114345098B (zh) * 2022-01-10 2023-10-20 浙江大学嘉兴研究院 一种co2捕集吸收剂分解抑制及高效减污的方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101261198B1 (ko) * 2013-01-10 2013-05-10 동국대학교 산학협력단 신경망 모델에 의한 지능형 제어 알고리즘을 이용한 건물의 실내온도 하강 제어방법
KR101591735B1 (ko) * 2015-05-29 2016-02-11 주식회사 나인에코 실내공기질의 예측을 통한 오염 정보 제공 방법
KR20170078372A (ko) * 2015-12-29 2017-07-07 주식회사 세스코 공기 정화장치 및 그 제어 방법
CN106895551B (zh) * 2017-02-13 2019-05-14 同济大学 一种封闭室内的空气品质和温度智能调节系统及使用方法
KR20200067380A (ko) * 2018-12-04 2020-06-12 (주) 브이에스아이 X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기
US11408629B2 (en) * 2019-04-23 2022-08-09 Lg Electronics Inc. Artificial intelligence device
KR102367744B1 (ko) * 2019-08-30 2022-02-28 엘지전자 주식회사 머신 러닝을 이용한 공기청정기의 필터 수명 예측방법

Also Published As

Publication number Publication date
US20220003440A1 (en) 2022-01-06
WO2022005127A1 (ko) 2022-01-06
EP4184073A1 (en) 2023-05-24
TW202219434A (zh) 2022-05-16
TWI787889B (zh) 2022-12-21

Similar Documents

Publication Publication Date Title
JP5855122B2 (ja) 微生物・ウイルスの捕捉・不活化装置及びその方法
US20050142047A1 (en) Hybrid-type air purifier for an automobile
AU2013317235B2 (en) "Air purification device"
US11117138B2 (en) Systems and methods for gas cleaning using electrostatic precipitation and photoionization
KR20200067380A (ko) X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기
CN115989386A (zh) 基于机器学习的空气调节设备及其控制方法
JP2008034220A (ja) 放電電極素子およびイオナイザー
KR102338086B1 (ko) 기계 학습 기반 공기 조화 장치 및 이의 제어 방법
US20230249195A1 (en) Air purification unit and method for coating an electrode of an air purification unit
KR100774484B1 (ko) 정전 필름을 포함하는 공기 정화기 및 이를 포함하는 공기조화 시스템
JP3775417B2 (ja) 放電装置及び空気浄化装置
KR102217770B1 (ko) 탄소나노튜브 기반의 이미터를 포함하는 전자기파 튜브가 적용된 전기 집진기 및 상기 전기 집진기를 이용하여 오염된 공기 중의 미세 입자를 제거하는 방법
EP3951276A1 (en) Purifier device and related purification method
JP2007196199A (ja) 放電装置並びに該放電装置を備えた空気浄化装置及び起風装置
KR19980034985A (ko) 산업용 탈취 및 유해가스 제거장치
KR20210059501A (ko) 공기 살균 시스템
JP7475115B2 (ja) 放電ユニット、及び空気清浄機
Shin et al. Comparison of discharging electrodes for the electrostatic precipitator as an air filtration system in air handling units
JP7243360B2 (ja) 空気清浄装置
TWI646289B (zh) 空氣淨化裝置與空氣淨化方法
JP2001079446A (ja) 放電ユニット
EP3903910A1 (en) Air purifier device and related air purification method
JP2005211746A (ja) 空気浄化素子およびそれを備えた空気浄化装置
JP2001121031A (ja) 電気集じん機
KR200269010Y1 (ko) 배리어 방전을 이용한 공기 청정기

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