CN116358107A - 一种基于预调控的温感空调权重关系计算方法 - Google Patents
一种基于预调控的温感空调权重关系计算方法 Download PDFInfo
- Publication number
- CN116358107A CN116358107A CN202310521940.4A CN202310521940A CN116358107A CN 116358107 A CN116358107 A CN 116358107A CN 202310521940 A CN202310521940 A CN 202310521940A CN 116358107 A CN116358107 A CN 116358107A
- Authority
- CN
- China
- Prior art keywords
- temperature
- air conditioner
- sensing
- air
- regulation
- 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
Links
- 230000033228 biological regulation Effects 0.000 title claims abstract description 104
- 238000004364 calculation method Methods 0.000 title claims abstract description 37
- 230000001105 regulatory effect Effects 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000001276 controlling effect Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000036413 temperature sense Effects 0.000 claims description 78
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 28
- 230000035807 sensation Effects 0.000 claims description 25
- 238000004378 air conditioning Methods 0.000 claims description 21
- 102100040401 DNA topoisomerase 3-alpha Human genes 0.000 claims description 18
- 101000611068 Homo sapiens DNA topoisomerase 3-alpha Proteins 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 17
- 230000001364 causal effect Effects 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000001744 unit root test Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013112 stability test Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000006641 stabilisation Effects 0.000 claims description 2
- 238000011105 stabilization Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 238000004134 energy conservation Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 210000004907 gland Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000001960 triggered 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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/32—Responding to malfunctions or emergencies
-
- 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
-
- 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
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
-
- 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
-
- 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
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
本发明公开了一种基于预调控的温感空调权重关系计算方法，通过空调预调控手段，结合温感传播滞后修正与空调温度设定值变化时间节点捕捉实现更为准确的权重计算。开发空调自主调控程序，同一时间只对一台空调进行调控，调控完成后，对整个调控周期内获取的数据进行数据预处理，包括规范数据格式，填充缺失值，数据平滑处理，然后基于多个维度，进行相关性计算。计算完成后，根据权重计算权重关系得分，生成权重关系图。根据权重关系图形成空调与温感的预绑定，经过校准，生成最终绑定关系。
Description
技术领域
本发明涉及数据中心机房节能技术领域，具体涉及一种基于预调控的温感空调权重关系计算方法。
背景技术
各行各业纷纷吹响节能减排的战斗号角，数据中心机房节能的需求日益迫切。
数据中心是高能耗产业，其中电力成本占总成本的60％至70％。电能利用率(PUE)是数据中心总耗电量与数据中心IT设备耗电量的比值，一般用这个指标来评估机房的节能情况。当PUE值越接近1，则表示数据中心非IT能耗越低，能源利用率越高。面对算法需求不断扩大的未来，如何持续降低PUE值成为数据中心绿色发展的重要一环。
2021年，国家在《推动数据中心和5G等新型基础设施绿色高质量发展实施方案》中提出，到2025年，全国新建大型、超大型数据中心平均PUE降至1.3以下，国家枢纽节点进一步降至1.25以下；同时，对PUE超过1.5的数据中心进行改造。
节能及环保是实现可持续发展的关键所在，数据中心机房是能耗大户，合理的设计、精心调控以及科学的管理对于机房节能是至关重要的。对于数据中心的节能改造与优化，一般分为硬件设备改造、软件改造和软硬件结合的改造这几种。在软件改造过程中，需要采集数据中心的实时数据，进行分析预测后，反馈出空调调节的最优方案。对于风冷机房，在精细化调控空调的环节中，温感与空调权重关系的重要性显而易见。只有精准匹配高温温感与影响力最大的空调，才能做到消耗最少的电力来降温，达到安全与节能的平衡。
目前的机房风冷节能调控中，对于温感与空调的权重关系计算，要么直接用距离远近表示；要么获取温感温度与空调设备参数，通过计算皮尔逊相关系数来确定绑定关系。用距离直接作为权重关系，会忽略机房内部结构、气流流动模式、冷热通道热交换这些因素，而这些因素往往是比较重要的，比如空调与温感明明距离很近，中间却隔了一道墙，就会出现温感空调强相关但调控效果不好的情况。同时，通过空调参数和温感温度计算皮尔逊相关系数的方法，会由于多台空调同时调控的互相干扰、温度传导时间的偏差、开关机与调温影响力度的大小不一致等原因，造成最终相关性结果存在误差。
发明内容
针对现有技术中的温感空调权重关系计算的弊端，本发明提供了一种基于预调控的温感空调权重关系计算方法，通过空调预调控手段，结合温感传播滞后修正与变化节点捕捉实现更为准确的权重计算。开发空调自主调控程序，同一时间只对一台空调进行调控，保证机房环境的稳定与变量唯一性，这样可排除复杂环境，多台空调同时调控的互相干扰。同时为提高效率，分布式调控多个机房。调控完成后，基于传感器采集的数据，进行数据预处理，包括规范数据格式、填充缺失值和数据平滑处理，然后基于多个维度，进行相关性计算。计算完成后，根据权重计算总得分，生成权重关系图。最终经过多层校准，生成最终绑定关系。
为了达到上述目的，本发明是通过以下技术方案来实现的：
本发明是一种基于预调控的温感空调权重关系计算方法，包括如下步骤：
步骤1：对接空调远程调控平台，获取空调及温感的设备id和信号量id，利用空调及温感的设备id和信号量id获取空调及温感的数据信息；
步骤2：基于调控策略和步骤1获取的数据信息进行空调的调控；
步骤3：利用步骤1获取的空调及温感的设备id和信号量id获取整个调控周期的空调和温感的点位信息数据；
步骤4：对步骤3获取的点位信息数据进行预处理，并将预处理后的点位信息数据按照空调调控时间段进行划分，每个空调对应各自的调控时间区间；
步骤5：基于时间滞后互相关TLCC，计算空调调控后传导到温感的滞后平均时间Td，并按照滞后平均时间对温感温度数据进行窗口ROLLING滑动操作；
步骤6：对空调回风温度和温感温度、空调温度设定值和温感温度做皮尔逊相关系数的计算，生成两张CORR相关性图，经过归一化处理得到空调温度设定值和温感温度相关性Ct、空调回风温度和温感温度相关性Cr；
步骤7：选取空调温度设定值变化的时间节点，基于步骤5中的温感温度数据计算所有温感从开始做出反应到温感温度达到稳定这一时间段内的变化量，利用distance_matrix函数计算温度设定值变化量和温感温度变化量的距离，将得到的距离进行归一化处理，并将归一化处理后的结果作为变化节点温度设定值和温感温度的相关性Cc；
步骤8：利用单位根检验方法对空调回风温度和温感温度进行平稳性检验，对不平稳的时间序列进行一阶差分处理，计算格兰杰因果关系相关性，选择温感对应所有空调中格兰杰因果关系相关性得分最高的空调，标为1；
步骤9：基于步骤6中得到的空调温度设定值和温感温度相关性Ct、空调回风温度和温感温度相关性Cr、步骤7中得到的变化节点温度设定值和温感温度的相关性Cc和权重，计算空调与温感的权重关系得分，，并生成空调与温感权重的关系总得分图；
步骤10：根据步骤9生成的空调与温感的权重关系总得分图形成空调与温感的绑定关系，并对绑定关系进行校准得到最终的空调与温感的绑定关系。
本发明的进一步改进在于：所述步骤2具体操作为：
步骤21：记录当前时刻所有空调温度设定值；
步骤22：选择调控模式，并根据所选择的调控模式进行调控，其中，调控模式分为极限调控模式和基于默认的调控模式；
极限调控模式的调控步骤为：
步骤2211：所有空调调节到最低温+1度，等待半小时；
步骤2212：对其中一台空调的温度设定值进行调控，升温1度；
步骤2213：升温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为最低温+1度；
步骤2214：观察数次后若没有检测到异常高温，则对被调控的空调循环执行步骤2212-步骤2213，，直到该空调升温到最高温-1度；
步骤2215：对升温后的空调执行降温操作，使空调降温2度，并在降温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为最低温+1度；
步骤2216：观察数次后若没有检测到异常高温，则返回步骤2215，直到空调降温到最低温+1度时，停止此空调调控，等待10分钟；
步骤2217：对下一台空调的温度设定值进行调控，循环执行步骤2212-步骤2216，直至完成所有空调的调控；
步骤2218：将所有空调恢复至初始的温度设定值；
基于默认的调控模式的调控步骤为：
步骤2222：对其中一台空调的温度设定值进行调控，降温1度；
步骤2223：降温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为默认温度；
步骤2224：观察数次后若没有检测到异常高温，则对被调控的空调循环执行步骤2222-步骤2223，直到该空调降温到最低温+1度；
步骤2225：对降温后的空调执行升温操作，使空调升温1度，升温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为默认温度；
步骤2226：观察数次后若没有检测到异常高温，则返回步骤2225，直到空调升温到默认温度+1度时，停止此空调调控，等待10分钟；
步骤2227：对下一台空调进行调控，循环执行步骤2222-步骤2226，直至完成所有空调的调控；
步骤2228：将所有空调恢复至初始的温度设定值。
本发明的进一步改进在于：步骤3获取的点位信息数据包括空调温度设定值、空调回风温度、空调开关机状态、温感温度，若在整个调控周期内有暂停的情况，则将获取的暂停时间段的点位信息数据从总的点位信息数据中剔除。
本发明的进一步改进在于：所述步骤4中使用3sigma准则对步骤3中的空调温度设定值、空调回风温度、温感温度进行异常值检测，检测到数值超过3倍标准差，则为异常值，对于异常值与缺失值，进行插值填充处理。
本发明的进一步改进在于：所述步骤5中将所有温感温度时间序列依次与所有空调温度设定值时间序列进行TCLL滞后性计算，求得每条温感温度时间序列的相关性峰值滞后时间，对所有滞后时间取平均，作为机房的传导时间；TCLL滞后性计算表达式为：
其中，TCLLk(x，y)表示滞后k阶的x与y的相关性计算公式，k为滞后阶数，x为空调温度设定值序列，y为温感温度平移k个阶数的序列，i为序列的下标索引，N-1-k为序列下标索引上限，N为序列总长度，xi为第i+1个点的空调温度设定值，
为空调温度设定值的平均温度值，yi+k为i+1个点滞后k阶的温感温度，/>
为温感温度的平均值。
本发明的进一步改进在于：所述步骤6中生成的两张CORR相关性图分别为温感温度-空调温度设定值CORR、温感温度-空调回风温度CORR，对温感温度-空调温度设定值CORR、温感温度-空调回风温度CORR进行归一化处理，使归一化之后的corr得分值(normal-score)在[0,1]之间，公式为：normal-score＝0.5+0.5*score。
本发明的进一步改进在于：步骤7中距离相关性的计算表达式为：
其中，deuc(xc，yc)为空调温度值变化量和温度变化量的距离，xc为空调温度设定值变化量序列，yc为温感温度变化量序列，d为序列下标索引，D为序列总长度，xcd为空调温度设定值第d个点的值，ycd为温感温度第d个点的值；
在计算出距离deuc(xc，yc)之后，需要对距离deuc(xc，yc)进行归一化处理，使计算结果在区间[0,1]里面。
本发明的进一步改进在于：步骤8中对于格兰杰因果关系，有如下两个自回归建模的时序变量：
上式中，X1(t)为空调回风温度自回归公式，X2(t)为温感温度自回归公式，即用t-j时刻的值预测t时刻的值，j为时间位移量，p为自回归阶数，p取滞后平均时间Td取整，a11，j、A12，j、A21，j、A22，j为自回归系数，其中，A11，j为空调回风温度自回归模型中空调回风温度序列的系数，A12，j是空调回风温度自回归模型中温感温度序列的系数，A21，j是温感温度自回归模型中空调回风温度序列的系数，A22，j是温感温度自回归模型中温感温度序列的系数；E1(t)、E2(t)为残差，其中，E1(t)是空调回风温度自回归模型的残差，E2(t)是温感温度自回归模型的残差，X1(t-j)为t-j时刻空调回风温度，X2(t-j)为t-j时刻温感温度；
在计算所有温感与所有空调的格兰杰因果关系之后，遍历所有温感，温感对应所有空调中格兰杰因果关系得分最高标记为1。
本发明的进一步改进在于：步骤9中空调与温感权重关系得分为：
Ctotal＝Wt·Ct+Wr·Cr+Wc·Cc
其中，Ctotal为空调与温感关系的加权得分，区间在0-1之间，Wt为空调温度设定值与温感温度的相关性权重，Wr为空调回风温度与温感温度的相关性权重，Wc为变化节点温度设定值与温感温度的相关性权重，Ct为空调温度设定值和温感温度相关性，Cr为空调回风温度和温感温度相关性，cc为温度设定值和温感温度的相关性。
本发明的进一步改进在于：所述步骤10的具体操作步骤如下：
步骤101：遍历所有温感，找出与温感的权重关系得分最高的空调，并将所找出的空调与对应的温感绑定；
步骤102：遍历所有温感后，对未被选中的剩余空调，选择与之权重关系得分最高的温感进行绑定；
步骤103：校准空调与温感的绑定关系；
步骤104：对空调绑定的温感数量进行限制；
步骤103的具体操作为：
步骤1031：设置得分相近判断阈值，若几台空调对同一个温感的权重关系得分的差值小于得分相近判断阈值，则判定这几台空调对于该温感的影响力是相近的；步骤1032：设置每个温感的距离TOP3字典，在每个温感的距离TOP3字典中列出与温感的实际距离最近的3台空调；
步骤1033：遍历温感与空调的绑定关系，若任意一个温感的距离TOP3字典中不含有与该温感绑定的空调，则判断是否有满足以下条件的空调：
条件一：该空调在温感的距离TOP3字典中；
条件二：该空调与该温感的权重关系得分与当前绑定的空调与该温感的权重关系得分的差值小于得分相近判断阈值；
若有一个满足条件一和条件二的空调，则进行换绑，将满足条件一和条件二的空调与温感绑定；若存在多个满足条件的空调，则判断其格兰杰因果关系标志是否为1，并优先选择格兰杰因果关系标志为1的空调进行绑定；
步骤104的具体操作步骤为：
步骤1041：设定空调可绑定温感个数上限；
步骤1042：当超出上限时，对空调可绑定的多个温感按照权重关系得分由高到低进行排序，对排序靠后且超出上限的温感进行解绑，并与与之权重关系得分为次高分的空调进行绑定；
步骤1043：若与该温感的权重关系得分为次高分的空调不在该温感的距离TOP3字典中，则判断是否有满足以下条件的空调：
条件三：该空调在温感的温感的距离TOP3字典中；
条件四：该空调与该温感的权重关系得分与次高分的差值小于得分相近判断阈值；若有一个满足条件三和条件四的空调，则进行换绑；若存在多个满足条件的空调，则判断其格兰杰因果关系标志是否为1，优先选择格兰杰因果关系标志为1的空调进行绑定。
本发明的有益效果是：1、通过空调预调控，摒除了多个空调同时调控的影响力互相干扰的问题，可以获得更干净的数据，进而使空调与温感的权重关系结果更加准确；2、现有技术计算方法简单，多是直接利用距离或者直接计算皮尔逊相关性，但皮尔逊相关性(Pearson)是对全局范围同步性的一种度量，不能提供有关两个信号方向性的信息。本发明添加了距离相关性和格兰杰因果相关性，同时使用时间滞后相关性计算传导时间，考虑了影响幅度和引导性多个方面的因素，结果更加全面；3、本发明提出了变化节点捕捉的概念，选择空调温度设定值变化的节点，对温感数据进行变化节点捕捉。
附图说明
图1为本发明总体结构示意图；
图2为空调极限调控模式示意图；
图3为空调基于默认的调控模式示意图；
图4为温感温度与空调温度设定值CORR图；
图5为温感温度与空调回风温度CORR图；
图6为温感温度与空调回风温度格兰杰因果关系标志图；
图7为温感空调绑定关系构建示意图。
具体实施方式
为了使本发明的的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明做出进一步详细阐述。应当注意，此处所描述的实施例仅用以解释本发明，并不用做限定本发明。
同样应该理解，以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，本领域技术人员根据本发明上述内容做出的非本质的改进与调整均属于本发明的保护范围。下文中具体实施例中的参数设定仅表示一个可行示例，本领域的技术人员可根据具体的业务场景，进行针对性修改。
如图1所示，本发明的一种基于预调控的空调温感权重关系计算方法，包括以下步骤：
步骤1：对接空调远程调控平台，获取空调及温感的设备id和信号量id，利用空调及温感的设备id和信号量id获取空调及温感的数据信息。
步骤2：基于步骤1获取的数据信息及调控策略进行空调的调控。
步骤3：利用设备id和信号量id，加上调控周期的时间段，例如[2022-02-1111:00:00 2022-02-12 11:00:00],调用历史数据接口，获取对应的时间的空调和温感的点位信息数据，点位信息数据包括空调温度设定值、空调回风温度、空调开关机状态、温感温度等。
步骤4：对步骤3获取的点位信息数据进行预处理，并将预处理后的点位信息数据按照空调调控时间段进行划分，每个空调对应各自的调控时间区间。
步骤5：基于时间滞后互相关算法(TLCC)，计算空调调控后传导到温感的滞后平均时间Td，并按照滞后平均时间对温感温度数据进行窗口ROLLING滑动操作。
时间滞后互相关(TLCC)可以定义两个信号之间的方向性，例如引导-追随关系，在这种关系中，引导信号会初始化一个响应，追随信号则重复它。选取空调数据，例如1号空调的温度设定值的数据，再选取温感数据，例如1号温感的温度数据，对温感数据进行0-k阶的窗口滑动操作，k一般为空调温度传播最大值，例如30。温感数据每滑动一次，计算一次相关性，最终找到空调和温感在滞后几分钟时相关性最高，例如5分钟，则记录。依次循环所有号空调和所有温感，找到他们彼此的滞后时间，求平均即滞后平均时间，在计算滞后平均时间之后进行窗口滑动操作。空调在调节之后，不会立刻对温感产生影响，会有一定的传导时间，前面计算的滞后平均时间就是对温感的滞后时间做了一定的估算，然后通过滑动平移温感数据，做到对齐，消除数据的滞后影响。最终保证空调的数据发生变化后，温感的数据也能对齐发生变化的节点。
步骤6：对空调回风温度和温感温度、空调温度设定值和温感温度做皮尔逊相关系数的计算，生成两张CORR相关性图，经过归一化处理得到空调温度设定值和温感温度相关性Ct、空调回风温度和温感温度相关性Cr。
步骤7：选取空调温度设定值变化的时间节点，计算所有温感从开始做出反应到温感温度达到稳定这一时间段内的变化量，利用distance_matrix函数计算温度设定值变化向量和温感温度变化向量的距离，将得到的距离进行归一化处理，并将归一化处理后的结果作为变化节点温度设定值和温感温度的相关性Cc。
步骤8：利用单位根检验方法对空调回风温度和温感温度进行平稳性检验，然后一阶差分处理，计算格兰杰因果关系(Granger)相关性。选择温感对应所有空调中得分最高的空调，标为1，其余标为0，如：在某机房中共有10个温感和10台空调，其中格兰杰因果关系计算结果如图6所示。
步骤9：根据权重计算空调与温感权重关系得分，并生成空调与温感权重关系总得分图。
步骤10：根据步骤9生成的空调与温感权重关系总得分图形成空调与温感的绑定关系，即{空调：[温感1,温感2..],..}的字典。
在步骤1中，将空调远程调控平台与数据中心的群控系统对接，通过空调及温感的设备id和信号量id可实现空调的调控、空调及温感的数据信息的读取，其中空调为可调控设备，其数据信息包括调控信号点位信息和只读信号点位信息，空调调控信号点位信息包括开关机、温度设定值；空调只读信号点位信息包括开关机状态、温度设定状态值、回风温度、压缩机开关情况、温度设定值可调节上下限、调节步长等，其中调节步长每台空调能够升温或降温的温度变化区间；温感的数据信息为只读信号点位信息，包括温度值、温感上下限等。
在步骤2中，进行调控前，需要将关机空调开机，并指定温度设定值，保证每个空调都可得到调控。两种调控模式，在一般体量的机房，调控时间在10小时以内。
步骤2的具体操作为：
步骤21：记录当前时刻所有空调温度设定值；
步骤22：选择调控模式，并根据所选择的调控模式进行调控，其中，调控模式分为极限调控模式和基于默认的调控模式。
如图2所示，极限调控模式，是根据步骤1中获取到的每台空调的调节步长先把所有空调调节到最低温+1度，然后逐台空调进行调控，调节方法简单，调节范围大，具体如下：
步骤2211：所有空调调节到最低温+1度，等待半小时；
步骤2212：对其中一台空调的温度设定值进行调控，升温1度；
步骤2213：升温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为最低温+1度；
步骤2214：观察数次后若没有检测到异常高温，则对被调控的空调循环执行步骤2212-步骤2213，直到该空调升温到最高温-1度；
步骤2215：对升温后的空调执行降温操作，使空调降温2度，并在降温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为最低温+1度；
步骤2216：观察数次后若没有检测到异常高温，则返回步骤2215，直到空调降温到最低温+1度时，停止此空调调控，等待10分钟；
步骤2217：对下一台空调的温度设定值进行调控，循环执行步骤2212-步骤2216，直至完成所有空调的调控；
步骤2218：将所有空调恢复至初始的温度设定值。
如图3所示，基于默认的调控，是为了弥补极限调控的不足出现的，此种调控方法直接在默认策略的温度值上继续调控，可以最大程度触发压缩机开关变化。具体地，步骤如下：
步骤2222：对其中一台空调的温度设定值进行调控，降温1度；
步骤2223：降温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为默认温度；
步骤2224：观察数次后若没有检测到异常高温，则对被调控的空调循环执行步骤2222-步骤2223，直到该空调降温到最低温+1度；
步骤2225：对降温后的空调执行升温操作，使空调升温1度，升温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为默认温度；
步骤2226：观察数次后若没有检测到异常高温，则返回步骤2225，直到空调升温到默认温度+1度时，停止此空调调控，等待10分钟；
步骤2227：对下一台空调进行调控，循环执行步骤2222-步骤2226，直至完成所有空调的调控；
步骤2228：将所有空调恢复至初始的温度设定值。在步骤3中，获取的数据时间段为调控空调的时间，若调控期间有暂停的情况，则将暂停时间段的数据从总数据中剔除。
在步骤4中，预处理包括填充缺失值、规范数据格式、数据平滑处理，在填充缺失值前使用3sigma准则对步骤3中的空调温度设定值、空调回风温度、温感温度进行异常值检测，数值如超过3倍标准差，则为异常值；对于异常值与缺失值，进行插值填充处理。
在步骤5中，将所有温感温度时间序列依次与所有空调温度设定值时间序列进行TCLL滞后性计算，求得每条温感温度时间序列的相关性峰值滞后时间，最后对所有滞后时间取平均，作为机房的传导时间。
时间滞后互相关通过将一个时间序列沿某一个方向移动来计算两个时间序列的相关度，并不断计算两个信号之间的相关性。滞后k期的两个时序之间的互相关可以按如下公式测量：
其中，TCLLk(x，y)表示滞后k阶的x与y的相关性计算公式，k为滞后阶数，x为空调温度设定值序列，y为温感温度平移k个阶数的序列，i为序列的下标索引，N-1-k为序列下标索引上限，N为序列总长度，xi为第i+1个点的空调温度设定值，
为空调温度设定值的平均温度值，yi+k为i+1个点滞后k阶的温感温度，/>
为温感温度的平均值。该公式本质上是不同平移单位下的皮尔逊相关性集合。当平移多个单位后，会出现相关性峰值，峰值对应k值即为两条时间序列的传导时间。
在步骤6中，进行皮尔逊相关性计算后，会分别生成两张相关性图，分别为温感温度-空调温度设定值CORR、温感温度-空调回风温度CORR，对CORR结果进行归一化处理，使值在[0,1]之间，公式为：0.5+0.5*score。以具有10台空调和10个温感的某机房为例，归一化处理后得到的温感温度与空调温度设定值CORR图如图4所示，归一化处理后得到的温感温度与空调回风温度CORR图如图5所示。
在步骤7中，从空调温度设定值变化的时间节点开始向后延迟空调调控后传导到温感的滞后平均时间Td作为温感开始做出反应的时间点。温感稳定时间一般取3-5分钟。例如空调在12:00上升了一度，并且平均滞后时间为5分钟，那么选择所有温感在12:05到12:08分的变化量，比如1号温感上升了0.1度，2号温感上升了0.3度等，此处12:00-12:05为当前空调变化节点+滞后平均时间，12:05-12:08为温感变化到稳定的时间，此时变化幅度的相关性反映了空调对温感的影响力度。空调温度值变化量和温度变化量的距离的计算公式如下：
其中，deuc(xc，yc)为空调温度值变化量和温度变化量的距离，xc为空调温度设定值变化量序列，yc为温感温度变化量序列，d为序列下标索引，D为序列总长度，xcd为空调温度设定值第d个点的值，ycd为温感温度第d个点的值；
在计算出距离之后，需要对距离进行归一化处理(min-max-normalization)，使计算结果在区间[0,1]里面。
在步骤8中，格兰杰(Granger)因果关系用于检验一个时间序列变量X是否与另一个时间序列变量Y有因果关系。而进行格兰杰因果关系检验的前提条件是时间序列必须具有平稳性，所以需要先对数据进行平稳性检验，本发明采用ADF检验来进行平稳性单位根检验。
在平稳性检验后，若时间序列为不平稳的，则进行一阶差分处理。
对于格兰杰因果关系，有如下两个自回归建模的时序变量：
上式中，X1(t)为空调回风温度自回归公式，X2(t)为温感温度自回归公式，即用t-j时刻的值预测t时刻的值，j为时间位移量，p为自回归阶数，A21，j是温感温度自回归模型中空调回风温度序列的系数，A22，j是温感温度自回归模型中温感温度序列的系数，E1(t)是空调回风温度自回归模型的残差，E2(t)是温感温度自回归模型的残差，X1(t-j)为t-j时刻空调回风温度，X2(t-j)为t-j时刻温感温度。
如果在X1的自回归模型中加入了X2，而导致了E1的方差的减少，那么X2是X1的格兰杰原因。此处温感温度序列是X1，空调回风温度序列是X2，此处p取滞后平均时间取整。
在计算所有温感与所有空调的格兰杰因果关系之后，遍历所有温感，温感对应所有空调中得分最高(即grangers_causality_matrix函数中返回的P值，该值越小则表示在统计意义上X2越可能对X1具备格兰杰因果关系)标记为1。
在步骤9中，权重从数据中心绑定经验中获得，具体需根据实际情况指定。温感对应得分计算公式如下：
Ctotal＝Wt·Ct+Wr·Cr+Wc·Cc
其中，Ctotal为空调与温感关系的加权得分，区间在0-1之间，Wt为空调温度设定值与温感温度的相关性权重，Wr为空调回风温度与温感温度的相关性权重，Wc为变化节点温度设定值与温感温度的相关性权重。
步骤10的具体操作为：
步骤101：遍历所有温感，找出与温感的权重关系得分最高的空调，并将找出的空调与对应的温感进行绑定，此时所有温感都有了绑定的空调，但是会有部分空调未被绑定；例如：存在AC(空调)1-4号，S(温感)1-5号，此时绑定关系为{S1--AC1,S2--AC2,S3--AC2,S4--AC4,S5--AC2}，此时空调3号未参与绑定；
步骤102：遍历所有温感后，对未被选中的剩余空调，选择与之权重关系得分最高的温感进行绑定，此时所有空调与温感都参与了绑定。例如：绑定关系为{AC1--[S1],AC2--[S2,S3,S5],AC3--[S3],AC4--[S4]}，此时3号空调绑定了3号温感。步骤103：校准空调与温感的绑定关系；
步骤104：对空调绑定的温感数量进行限制；
步骤103的具体操作为：
步骤1031：设置得分相近判断阈值，例如0.1，若几台空调对同一个温感的权重关系得分的差值小于得分相近判断阈值，则判定这几台空调对于该温感的影响力是相近的；
步骤1032：设置每个温感的距离TOP3字典，在每个温感的距离TOP3字典中列出与温感的实际距离最近的3台空调；若距离很远，也可只指定两个或一个空调，所设置的字典例如：{S1:[AC1,AC2],S2:[AC1,AC2,AC3],S3:[AC2,AC3,AC4],S4:[AC3,AC4]}；
步骤1033：遍历绑定关系({AC1--[S1],AC2--[S2,S3,S5],AC3--[S3],AC4--[S4]})，若任意一个温感的距离TOP3字典中不含有与该温感绑定的空调，则判断是否有满足以下条件的空调：
条件一：该空调在温感的距离TOP3字典中；
条件二：该空调与该温感的权重关系得分与当前绑定的空调与该温感的权重关系得分的差值小于得分相近判断阈值，此处得分相近判断阈值为0.1；若有一个满足条件一和条件二的空调，则进行换绑，将满足条件一和条件二的空调与温感绑定；若存在多个满足条件的空调，则判断其格兰杰因果关系标志是否为1，并优先选择格兰杰因果关系标志为1的空调进行绑定；
步骤104的具体操作步骤为：
步骤1041：设定空调可绑定温感个数上限，一般为温感个数/空调个数+1；
步骤1042：当超出上限时，对空调可绑定的多个温感按照权重关系得分由高到低进行排序，对排序靠后且超出上限的温感进行解绑，并与与之权重关系得分为次高分的空调进行绑定；
步骤1043：若与该温感的权重关系得分为次高分的空调不在该温感的距离TOP3字典中，则判断是否有满足以下条件的空调：
条件三：该空调在温感的温感的距离TOP3字典中；
条件四：该空调与该温感的权重关系得分与次高分的差值小于得分相近判断阈值；若有一个满足条件三和条件四的空调，则进行换绑；若存在多个满足条件的空调，则判断其格兰杰因果关系标志是否为1，优先选择格兰杰因果关系标志为1的空调进行绑定。
在具有5台空调和5个温感的某机房，按照本发明方法得到的最终绑定关系如图7所示。在该机房风冷调节过程中，会实时根据温感的温度调节空调的温度设定值，比如1号温感温度达到告警阈值，需要对空调进行降温调节，但不能调节所有空调，要尽量调节对1号温感影响最大的空调1，温感与空调形成绑定关系有助于找到空调温感影响最大的映射关系。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本权利要求范围当中。
Claims (10)
1.一种基于预调控的温感空调权重关系计算方法，其特征在于：所述方法包括如下步骤：
步骤1：对接空调远程调控平台，获取空调及温感的设备id和信号量id，利用空调及温感的设备id和信号量id获取空调及温感的数据信息；
步骤2：基于调控策略和步骤1获取的数据信息进行空调的调控；
步骤3：利用步骤1获取的空调及温感的设备id和信号量id获取整个调控周期的空调和温感的点位信息数据；
步骤4：对步骤3获取的点位信息数据进行预处理，并将预处理后的点位信息数据按照空调调控时间段进行划分，每个空调对应各自的调控时间区间；
步骤5：基于时间滞后互相关TLCC，计算空调调控后传导到温感的滞后平均时间Td，并按照滞后平均时间对温感温度数据进行窗口ROLLING滑动操作；
步骤6：对空调回风温度和温感温度、空调温度设定值和温感温度做皮尔逊相关系数的计算，生成两张CORR相关性图，经过归一化处理得到空调温度设定值和温感温度相关性Ct、空调回风温度和温感温度相关性Cr；
步骤7：选取空调温度设定值变化的时间节点，基于步骤5中的温感温度数据计算所有温感从开始做出反应到温感温度达到稳定这一时间段内的变化量，利用distance_matrix函数计算温度设定值变化量和温感温度变化量的距离，将得到的距离进行归一化处理，并将归一化处理后的结果作为变化节点温度设定值和温感温度的相关性Cc；
步骤8：利用单位根检验方法对空调回风温度和温感温度进行平稳性检验，对不平稳的时间序列进行一阶差分处理，计算格兰杰因果关系相关性，选择温感对应所有空调中格兰杰因果关系相关性得分最高的空调，标为1；
步骤9：基于步骤6中得到的空调温度设定值和温感温度相关性Ct、空调回风温度和温感温度相关性Cr、步骤7中得到的变化节点温度设定值和温感温度的相关性Cc及权重值，计算空调与温感的权重关系得分，并生成空调与温感的权重关系总得分图；
步骤10：根据步骤9生成的空调与温感的权重关系总得分图形成空调与温感的绑定关系，并对绑定关系进行校准得到最终的空调与温感的绑定关系。
2.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤2具体操作为：
步骤21：记录当前时刻所有空调温度设定值；
步骤22：选择调控模式，并根据所选择的调控模式进行调控，其中，调控模式分为极限调控模式和基于默认的调控模式；
极限调控模式的调控步骤为：
步骤2211：所有空调调节到最低温+1度，等待半小时；
步骤2212：对其中一台空调的温度设定值进行调控，升温1度；
步骤2213：升温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为最低温+1度；
步骤2214：观察数次后若没有检测到异常高温，则对被调控的空调循环执行步骤2212-步骤2213，直到该空调升温到最高温-1度；
步骤2215：对升温后的空调执行降温操作，使空调降温2度，并在降温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为最低温+1度；
步骤2216：观察数次后若没有检测到异常高温，则返回步骤2215，直到空调降温到最低温+1度时，停止此空调调控，等待10分钟；
步骤2217：对下一台空调的温度设定值进行调控，循环执行步骤2212-步骤2216，直至完成所有空调的调控；
步骤2218：将所有空调恢复至初始的温度设定值；
基于默认的调控模式的调控步骤为：
步骤2222：对其中一台空调的温度设定值进行调控，降温1度；
步骤2223：降温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为默认温度；
步骤2224：观察数次后若没有检测到异常高温，则对被调控的空调循环执行步骤2222-步骤2223，直到该空调降温到最低温+1度；
步骤2225：对降温后的空调执行升温操作，使空调升温1度，升温后，每隔一分钟观察一次所有空调回风与温感温度情况，检测空调回风或温感温度是否有超过告警阈值-2度的异常高温，如果有异常高温，则停止调控，恢复空调温度为默认温度；
步骤2226：观察数次后若没有检测到异常高温，则返回步骤2225，直到空调升温到默认温度+1度时，停止此空调调控，等待10分钟；
步骤2227：对下一台空调进行调控，循环执行步骤2222-步骤2226，直至完成所有空调的调控；
步骤2228：将所有空调恢复至初始的温度设定值。
3.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤3获取的点位信息数据包括空调温度设定值、空调回风温度、空调开关机状态、温感温度，若在整个调控周期内有暂停的情况，则将获取的暂停时间段的点位信息数据从总的点位信息数据中剔除。
4.根据权利要求3所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤4中使用3sigma准则对步骤3中的空调温度设定值、空调回风温度、温感温度进行异常值检测，检测到数值超过3倍标准差，则为异常值，对于异常值与缺失值，进行插值填充处理。
5.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤5中将所有温感温度时间序列依次与所有空调温度设定值时间序列进行TCLL滞后性计算，求得每条温感温度时间序列的相关性峰值滞后时间，对所有滞后时间取平均，作为机房的传导时间；TCLL滞后性计算表达式为：
其中，TCLLk(x，y)表示滞后k阶的x与y的相关性计算公式，k为滞后阶数，x为空调温度设定值序列，y为温感温度平移k个阶数的序列，i为序列的下标索引，N-1-k为序列下标索引上限，N为序列总长度，xi为第i+1个点的空调温度设定值，
为空调温度设定值的平均温度值，yi+k为i+1个点滞后k阶的温感温度，/>
为温感温度的平均值。
6.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤6中生成的两张CORR相关性图分别为温感温度-空调温度设定值CORR、温感温度-空调回风温度CORR，对温感温度-空调温度设定值CORR、温感温度-空调回风温度CORR分别进行归一化处理，使归一化之后的corr得分值normal-score在[0，1]之间，公式为：normal-score＝0.5+0.5*score。
7.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤7中距离相关性的计算如下：
其中，deuc(xc，yc)为空调温度值变化量和温度变化量的距离，xc为空调温度设定值变化量序列，yc为温感温度变化量序列，d为序列下标索引，D为序列总长度，xcd为空调温度设定值第d个点的值，γed为温感温度第d个点的值；
在计算出距离deuc(xc，yc)之后，需要对距离deuc(xc，yc)进行归一化处理，使计算结果在区间[0，1]里面。
8.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤8中对于格兰杰因果关系，有如下两个自回归建模的时序变量：
上式中，X1(t)为空调回风温度自回归公式，X2(t)为温感温度自回归公式，即用t-j时刻的值预测t时刻的值，j为时间位移量，p为自回归阶数，p取滞后平均时间Td取整，A11，j、A12，j、A21，j、A22，j为自回归系数，其中，A11，j为空调回风温度自回归模型中空调回风温度序列的系数，A12，j是空调回风温度自回归模型中温感温度序列的系数，A21，j是温感温度自回归模型中空调回风温度序列的系数，A22，j是温感温度自回归模型中温感温度序列的系数；E1(t)、E2(t)为残差，其中，E1(t)是空调回风温度自回归模型的残差，E2(t)是温感温度自回归模型的残差，X1(t-j)为t-j时刻空调回风温度，X2(t-j)为t-j时刻温感温度；
在计算所有温感与所有空调的格兰杰因果关系之后，遍历所有温感，温感对应所有空调中格兰杰因果关系得分最高标记为1。
9.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤9中空调与温感的权重关系得分为：
Ctotal＝Wt·Ct+Wr·Cr+Wc·Cc
其中，Ctotal为空调与温感关系的加权得分，区间在0-1之间，Wt为空调温度设定值与温感温度的相关性权重，Wr为空调回风温度与温感温度的相关性权重，Wc为变化节点温度设定值与温感温度的相关性权重，Ct为空调温度设定值和温感温度相关性，Cr为空调回风温度和温感温度相关性，Cc为温度设定值和温感温度的相关性。
10.根据权利要求1所述的一种基于预调控的温感空调权重关系计算方法，其特征在于：所述步骤10的具体操作步骤如下：
步骤101：遍历所有温感，找出与温感的权重关系得分最高的空调，并将所找出的空调与对应的温感绑定；
步骤102：遍历所有温感后，对未被选中的剩余空调，选择与之权重关系得分最高的温感进行绑定；
步骤103：校准空调与温感的绑定关系；
步骤104：对空调绑定的温感数量进行限制；
步骤103的具体操作为：
步骤1031：设置得分相近判断阈值，若几台空调对同一个温感的权重关系得分的差值小于得分相近判断阈值，则判定这几台空调对于该温感的影响力是相近的；步骤1032：设置每个温感的距离TOP3字典，在每个温感的距离TOP3字典中列出与温感的实际距离最近的3台空调；
步骤1033：遍历温感与空调的绑定关系，若任意一个温感的距离TOP3字典中不含有与该温感绑定的空调，则判断是否有满足以下条件的空调：
条件一：该空调在温感的距离TOP3字典中；
条件二：该空调与该温感的权重关系得分与当前绑定的空调与该温感的权重关系得分的差值小于得分相近判断阈值；
若有一个满足条件一和条件二的空调，则进行换绑，将满足条件一和条件二的空调与温感绑定；若存在多个满足条件的空调，则判断其格兰杰因果关系标志是否为1，并优先选择格兰杰因果关系标志为1的空调进行绑定；
步骤104的具体操作步骤为：
步骤1041：设定空调可绑定温感个数上限；
步骤1042：当超出上限时，对空调可绑定的多个温感按照权重关系得分由高到低进行排序，对排序靠后且超出上限的温感进行解绑，并与与之权重关系得分为次高分的空调进行绑定；
步骤1043：若与该温感的权重关系得分为次高分的空调不在该温感的距离TOP3字典中，则判断是否有满足以下条件的空调：
条件三：该空调在温感的温感的距离TOP3字典中；
条件四：该空调与该温感的权重关系得分与次高分的差值小于得分相近判断阈值；若有一个满足条件三和条件四的空调，则进行换绑；若存在多个满足条件的空调，则判断其格兰杰因果关系标志是否为1，优先选择格兰杰因果关系标志为1的空调进行绑定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310521940.4A CN116358107B (zh) | 2023-05-10 | 2023-05-10 | 一种基于预调控的温感空调权重关系计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310521940.4A CN116358107B (zh) | 2023-05-10 | 2023-05-10 | 一种基于预调控的温感空调权重关系计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116358107A true CN116358107A (zh) | 2023-06-30 |
| CN116358107B CN116358107B (zh) | 2023-09-12 |
Family
ID=86922883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310521940.4A Active CN116358107B (zh) | 2023-05-10 | 2023-05-10 | 一种基于预调控的温感空调权重关系计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116358107B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117858479A (zh) * | 2024-03-06 | 2024-04-09 | 南京群顶科技股份有限公司 | 一种空调对环境温度影响的权重关系实时更新方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07172141A (ja) * | 1993-12-22 | 1995-07-11 | Toyota Central Res & Dev Lab Inc | 空調制御装置 |
| JP2017089967A (ja) * | 2015-11-10 | 2017-05-25 | アズビル株式会社 | 空調制御支援装置および方法 |
| JP2018206291A (ja) * | 2017-06-09 | 2018-12-27 | アズビル株式会社 | 省エネルギー効果算出装置および方法 |
| CN111861206A (zh) * | 2020-07-20 | 2020-10-30 | 国网上海市电力公司 | 一种基于企业电力大数据的工业行业景气指数获取方法 |
| CN113685962A (zh) * | 2021-10-26 | 2021-11-23 | 南京群顶科技有限公司 | 一种基于相关性分析的机房温度高效控制方法及其系统 |
| CN114727570A (zh) * | 2022-06-09 | 2022-07-08 | 南京群顶科技有限公司 | 一种基于温度变化关系的制冷机组水温调节方法 |
| CN114923268A (zh) * | 2022-07-11 | 2022-08-19 | 南京群顶科技有限公司 | 基于空调负载和区域温度评估的机房空调调控方法及装置 |
| CN116048235A (zh) * | 2023-03-29 | 2023-05-02 | 南京群顶科技股份有限公司 | 基于双向gru和曼-肯德尔法的温感未来趋势检测方法 |
-
2023
- 2023-05-10 CN CN202310521940.4A patent/CN116358107B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07172141A (ja) * | 1993-12-22 | 1995-07-11 | Toyota Central Res & Dev Lab Inc | 空調制御装置 |
| JP2017089967A (ja) * | 2015-11-10 | 2017-05-25 | アズビル株式会社 | 空調制御支援装置および方法 |
| JP2018206291A (ja) * | 2017-06-09 | 2018-12-27 | アズビル株式会社 | 省エネルギー効果算出装置および方法 |
| CN111861206A (zh) * | 2020-07-20 | 2020-10-30 | 国网上海市电力公司 | 一种基于企业电力大数据的工业行业景气指数获取方法 |
| CN113685962A (zh) * | 2021-10-26 | 2021-11-23 | 南京群顶科技有限公司 | 一种基于相关性分析的机房温度高效控制方法及其系统 |
| CN114727570A (zh) * | 2022-06-09 | 2022-07-08 | 南京群顶科技有限公司 | 一种基于温度变化关系的制冷机组水温调节方法 |
| CN114923268A (zh) * | 2022-07-11 | 2022-08-19 | 南京群顶科技有限公司 | 基于空调负载和区域温度评估的机房空调调控方法及装置 |
| CN116048235A (zh) * | 2023-03-29 | 2023-05-02 | 南京群顶科技股份有限公司 | 基于双向gru和曼-肯德尔法的温感未来趋势检测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117858479A (zh) * | 2024-03-06 | 2024-04-09 | 南京群顶科技股份有限公司 | 一种空调对环境温度影响的权重关系实时更新方法 |
| CN117858479B (zh) * | 2024-03-06 | 2024-05-03 | 南京群顶科技股份有限公司 | 一种空调对环境温度影响的权重关系实时更新方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116358107B (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI435038B (zh) | 空調控制裝置與方法 | |
| Zhang et al. | Building HVAC scheduling using reinforcement learning via neural network based model approximation | |
| Xie et al. | Operating reserve capacity evaluation of aggregated heterogeneous TCLs with price signals | |
| US11268713B2 (en) | Smart home air conditioner automatic control system based on artificial intelligence | |
| CN116358107B (zh) | 一种基于预调控的温感空调权重关系计算方法 | |
| JP3954087B2 (ja) | 機器制御方法および機器制御装置 | |
| Wang et al. | Operating a commercial building HVAC load as a virtual battery through airflow control | |
| CN111795484A (zh) | 一种智慧空调控制方法和系统 | |
| JP2013514510A (ja) | Ｈｖａｃ制御システムおよび方法 | |
| Liang et al. | Thermostats for the smart grid: models, benchmarks, and insights | |
| CN110799978B (zh) | 居住环境中的人脸识别 | |
| CN110736225B (zh) | 空调的控制方法和装置 | |
| CN113325762B (zh) | 一种智能建筑个性化用能控制方法、系统、装置和设备 | |
| CN114930375A (zh) | 建筑设备能源管理控制系统及其控制方法 | |
| CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
| CN115585538A (zh) | 室内温度的调节方法、装置、电子设备及存储介质 | |
| CN115614953A (zh) | 一种暖通空调智能送风控制方法及系统 | |
| CN114738827A (zh) | 一种基于用户习惯的户用电供暖智能群控控制方法及系统 | |
| CN110925937B (zh) | 一种空调的控制方法、终端设备和系统 | |
| JP7378497B2 (ja) | モデル共有システム、モデル管理装置、および空気調和装置の制御装置 | |
| Sangi et al. | Simulation-based implementation and evaluation of a system of systems optimization algorithm in a building control system | |
| CN116595383A (zh) | 一种数据中心存储单元的智能冷却方法 | |
| Zhu et al. | A hybrid intelligent control based cyber-physical system for thermal comfort in smart homes | |
| Holcomb et al. | Algorithms for green buildings: Learning-based techniques for energy prediction and fault diagnosis | |
| CN115218358B (zh) | 一种室内空气环境调节方法和设备 |
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 |