CN116972523A - 一种具有ai自学习的热泵空调制冷控制 - Google Patents
一种具有ai自学习的热泵空调制冷控制 Download PDFInfo
- Publication number
- CN116972523A CN116972523A CN202310965165.1A CN202310965165A CN116972523A CN 116972523 A CN116972523 A CN 116972523A CN 202310965165 A CN202310965165 A CN 202310965165A CN 116972523 A CN116972523 A CN 116972523A
- Authority
- CN
- China
- Prior art keywords
- heat pump
- pump air
- air conditioner
- information data
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005057 refrigeration Methods 0.000 title claims abstract description 16
- 238000013499 data model Methods 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 38
- 238000007726 management method Methods 0.000 claims description 24
- 230000001105 regulatory effect Effects 0.000 claims description 19
- 230000000977 initiatory effect Effects 0.000 claims description 17
- 238000004378 air conditioning Methods 0.000 claims description 15
- 239000003507 refrigerant Substances 0.000 claims description 14
- 238000001816 cooling Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000003570 air Substances 0.000 description 119
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/52—Indication arrangements, e.g. displays
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
- F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
-
- 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
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/86—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling compressors within refrigeration or heat pump circuits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Thermal Sciences (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种具有AI自学习的热泵空调制冷控制,涉及AI自学习技术领域;包括服务器,所述服务器通信连接有数据采集模块、数据处理模块、数据分析模块以及报警模块;所述数据采集模块用于采集信息数据;所述数据处理模块用于对信息数据进行处理,根据处理结果,构建设备信息数据模型、用户需求信息数据模型以及建AI自主学习模型,进而获得热泵空调的初始运行功率和用户的需求运行功率;所述数据分析模块用于根据AI自主学习模型对信息数据进行分析,根据分析结果,并生成报警信号;所述报警模块用于根据报警信号进行对应处理;实现了根据用户需求对热泵空调的运行功率进行自动调节,降低热泵空调运行的能量。
Description
技术领域
本发明涉及AI自学习技术领域,具体是一种具有AI自学习的热泵空调制冷控制。
背景技术
热泵空调利用地表土壤、空气和水体所储藏的太阳能资源作为冷热源,无燃烧,无排烟,无废弃物,无污染,是一种清洁环保的利用可再生资源的一种技术;热泵系统由热泵机组、高位能输配系统、低位热源采集系统和热分配系统四部分组成;以室外空气为热源(或热汇)的热泵机组,称为空气源热泵机组,整套系统又称空气源热泵空调系统;
现有技术中,热泵空调无法根据用户需求自动调节热泵空调的设备参数,热泵空调无法在满足用户需求时,使热泵空调的运行功率最小化,因此,提供一种具有AI自学习的热泵空调制冷控制。
发明内容
为了解决上述技术问题,本发明提供一种具有AI自学习的热泵空调制冷控制;
本发明的目的可以通过以下技术方案实现:一种具有AI自学习的热泵空调制冷控制,包括服务器,所述服务器通信连接有数据采集模块、数据处理模块、数据分析模块以及报警模块;
所述数据采集模块用于采集信息数据;
所述数据处理模块用于对信息数据进行处理,根据处理结果,构建设备信息数据模型、用户需求信息数据模型以及建AI自主学习模型,进而获得热泵空调的初始运行功率和用户的需求运行功率;
所述数据分析模块用于根据AI自主学习模型对信息数据进行分析,根据分析结果,并生成报警信号;
所述报警模块用于根据报警信号进行对应处理。
进一步的,所述数据采集模块采集信息数据的过程包括:
所述信息数据包括热泵空调设备信息数据和用户需求信息数据;
所述热泵空调设备信息数据包括冷媒流量、压缩机转速以及风机转速;
所述用户需求信息数据包括用户需求温度、用户制冷空间以及用户环境温度;
在热泵空调内设置传感器,用于采集热泵空调设备信息数据;
所述传感器包括静电式冷媒流量传感器、转速检测传感器以及风速传感器,对应分别用于采集冷媒流量、压缩机转速以及风机转速;
设置用户需求调节装置,无线通信连接数据采集模块;并用于采集用户需求信息数据;在安装热泵空调的环境内设置温度传感器,并无线通信连接用户需求调节装置,并将采集的环境温度发送至用户需求调节装置内;
用户在用户需求调节装置上设置用户需求温度、用户制冷空间以及自动获得用户环境温度。
进一步的,所述构建设备信息数据模型的过程包括:
采集若干个热泵空调的热泵空调设备信息数据,并对若干个热泵空调进行无重复编号,获得热泵空调序列号,基于GPS定位系统,采集若干个热泵空调序列号对应的热泵空调的安装位置,生成热泵空调位置;对热泵空调序列号进行标记为i,其中,i=1,2,3...k,k为正整数;
将热泵空调序列号按照两两相邻无交叉相互通信连接,生成热泵空调序列号数据网;所述热泵空调序列号数据网中的每个热泵空调序列号包括热泵空调设备信息数据;
设置管理终端节点,将所述管理终端节点连接序列号数据网,构建设备信息数据模型;所述管理终端节点无线通信连接管理终端。
进一步的,所述构建用户需求信息数据模型的过程包括:
将若干个用户进行无重复编号,生成用户序列号,将用户序列号按照两两相邻无交叉相互通信连接,生成用户序列号数据网,设置用户终端节点,并将所述用户终端节点连接用户序列号数据网,建设用户需求信息数据模型;所述用户终端节点无线通信连接用户终端;
将用户序列号标记为n,其中,n=1,2,3...m,m为正整数。
进一步的,所述构建AI自主学习模型的过程包括:
将设备信息数据模型与用户需求信息数据模型按照相同的用户序列号和热泵空调序列号进行相互通信连接,建立AI自主学习模型;所述AI自主学习模型用于将在用户序列号设置的用户需求信息数据发送至连接的设备信息数据模型内进行处理,根据处理结果,获得运行功率;
所述运行数据包括热泵空调的初始运行功率和用户的需求运行功率。
进一步的,所述获得热泵空调的初始运行功率的过程包括:
根据压缩机转速以及风机转速,获得热泵空调的单位制冷量,进而根据冷媒流量以及单位制冷量,获得热泵空调的初始制冷量,进而根据初始制冷量,获得热泵空调的初始运行功率,标记为W初始;
即公式表示为:
Q=q×LM;
W初始=aQ;
其中,LM、YS以及FZ分别对应表示为冷媒流量、压缩机转速以及风机转速;YS>0,η和μ表示对应的系数;q表示为热泵空调的单位制冷量;a表示为系数;t表示为获取压缩机转速以及风机转速的时间;Q表示为热泵空调的初始制冷量。
进一步的,所述获得用户的需求运行功率的过程包括:
根据用户需求温度、用户制冷空间以及用户环境温度,获得用户的需求运行功率,标记为W需求;即公式为:
其中,YX、YK以及YH分别对应表示为用户需求温度、用户制冷空间以及用户环境温度;W需求表示为用户的需求运行功率;λ表示为系数;ρ表示为空气密度。
进一步的,所述数据分析模块根据AI自主学习模型对信息数据进行分析的过程包括:
将用户在用户需求调节装置上获得的用户需求信息数据发送至AI自主学习模型;
AI自主学习模型接收到用户需求信息数据,将用户需求信息数据发送至用户需求信息数据模型对应的用户序列号,经处理,获得用户的需求运行功率W需求;
AI自主学习模型根据用户序列号获得设备信息数据模型对应的热泵空调序列号对应的热泵空调设备信息数据,经处理,获得热泵空调的初始运行功率W初始;
将用户的需求运行功率与热泵空调的初始运行功率进行比较,若W需求>W初始或W需求<W初始,则需求运行功率与初始运行功率的功率差值,标记为W差值;若W需求=W初始,则不需要对热泵空调设备信息数据进行调节。
进一步的,设置功率差值阈值范围[W1差值,W2差值],将功率差值阈值与功率差值进行比较;
在AI自主学习模型中设置标准设备信息数据;所述标准设备信息数据包括第一标准信息数据、第二标准信息数据以及第三标准信息数据;
若W1差值<W差值<W2差值时,则将第一标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第一报警信号发送至管理终端;
若W1差值>W差值时,则将第二标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第二报警信号发送至管理终端;
若W差值>W2差值时,则将第三标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第三报警信号发送至管理终端;
若W1差值=W差值=W2差值时,则不需要进行处理。
进一步的,所述报警模块根据报警信号进行对应处理的过程包括:
所述报警信号包括第一报警信号、第二报警信号以及第三报警信号;
当管理终端接收到报警信号,根据报警信号获得对应的热泵空调序列号以及用户序列号,并进行标记,对其进行实时监控。
与现有技术相比,本发明的有益效果是:根据数据采集模块采集信息数据,并发送至数据处理模块对信息数据进行处理,根据处理结果,构建设备信息数据模型、用户需求信息数据模型以及建AI自主学习模型,进而获得热泵空调的初始运行功率和用户的需求运行功率;将其发送至数据分析模块,根据AI自主学习模型对信息数据进行分析,根据分析结果,并生成报警信号;将报警信号发送至报警模块,根据报警信号进行对应处理;实现了根据用户需求对热泵空调的设备参数进行自调节,使运行功率最小化,降低热泵空调运行的能量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的原理图。
具体实施方式
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
如图1所示,一种具有AI自学习的热泵空调制冷控制,包括服务器,所述服务器通信连接有数据采集模块、数据处理模块、数据分析模块以及报警模块;
所述数据采集模块用于采集信息数据,具体过程包括:
所述信息数据包括热泵空调设备信息数据和用户需求信息数据;
所述热泵空调设备信息数据包括冷媒流量、压缩机转速以及风机转速;
所述用户需求信息数据包括用户需求温度、用户制冷空间以及用户环境温度;
在热泵空调内设置传感器,用于采集热泵空调设备信息数据;所述传感器包括静电式冷媒流量传感器、转速检测传感器以及风速传感器,对应分别用于采集冷媒流量、压缩机转速以及风机转速;
设置用户需求调节装置,无线通信连接数据采集模块;并用于采集用户需求信息数据;
所述用户需求调节装置包括对用户需求温度、用户制冷空间以及用户环境温度的设置;在安装热泵空调的环境内设置温度传感器,并无线通信连接用户需求调节装置,并将采集的环境温度发送至用户需求调节装置内用户环境温度中;
用户在用户需求调节装置上设置用户需求温度、用户制冷空间以及自动获得用户环境温度;
需要进一步说明的是,在具体实施过程中,采集热泵空调设置信息数据以及用户需求信息数据,将采集的信息数据经过服务器计算,对热泵空调设备信息数据进行调节,获得热泵空调的最佳功率,可以节约能量。
所述数据处理模块用于对信息数据进行处理,根据处理结果,构建设备信息数据模型以及用户需求信息数据模型,进而构建AI自主学习模型,具体过程包括:
所述构建设备信息数据模型的过程包括:
采集若干个热泵空调的热泵空调设备信息数据,并对若干个热泵空调进行无重复编号,获得热泵空调序列号,基于GPS定位系统,采集若干个热泵空调序列号对应的热泵空调的安装位置,生成热泵空调位置;对热泵空调序列号进行标记为i,其中,i=1,2,3...k,k为正整数;
将热泵空调序列号按照两两相邻无交叉相互通信连接,生成热泵空调序列号数据网;所述热泵空调序列号数据网中的每个热泵空调序列号包括热泵空调设备信息数据;
设置管理终端节点,将所述管理终端节点连接序列号数据网,构建设备信息数据模型;所述管理终端节点无线通信连接管理终端;
需要进一步说明的是,在具体实施过程中获取热泵空调序列号,更好的对热泵空调进行并联管理。
所述构建用户需求信息数据模型的过程包括:
将若干个用户进行无重复编号,生成用户序列号,将用户序列号按照两两相邻无交叉相互通信连接,生成用户序列号数据网,将用户序列号标记为n,其中,n=1,2,3...m,m为正整数;
设置用户终端节点,并将所述用户终端节点连接用户序列号数据网,建设用户需求信息数据模型;所述用户终端节点无线通信连接用户终端;
所述构建AI自主学习模型的过程包括:
将设备信息数据模型中的热泵空调序列号与用户需求信息数据模型中的用户序列号按照相同的用户序列号和热泵空调序列号进行相互通信连接,建立AI自主学习模型;所述AI自主学习模型用于将在用户序列号设置的用户需求信息数据发送至连接的热泵空调序列号内进行处理,根据处理结果,获得热泵空调的运行功率;
需要进一步说明的是,在具体实施过程中,根据用户需求信息数据对热泵空调设备信息数据进行调节,使热泵空调在达到用户需求的同时,节约能量,构建用户序列号数据网以及热泵空调序列号数据网,加快数据的传输,将用户需求信息数据加快传输到热泵空调内,提高信息数据处理速度,处理速度加快,则热泵空调在最短时间进行调节热泵空调信息数据,减少能量损失;
所述获得热泵空调的初始运行功率的过程包括:
将获得的冷媒流量、压缩机转速以及风机转速分别进行标记为LM、YS以及FZ;
将获得的用户需求温度、用户制冷空间以及用户环境温度分别进行标记为YX、YK以及YH;
根据压缩机转速以及风机转速,获得热泵空调的单位制冷量,即公式表示为:
根据冷媒流量以及单位制冷量,获得热泵空调的初始制冷量,即公式为:
Q=q×LM;
其中,YS>0,η和μ表示对应的系数;q表示为热泵空调的单位制冷量;t表示为获取压缩机转速以及风机转速的时间;Q表示为热泵空调的初始制冷量;
需要进一步说明的,在具体实施过程中,热泵空调的制冷设备的制冷效率,由冷媒流量、压缩机转速、风机转速,三个参数综合决定,根据实时获得这三个参数的信息数据,从而实时获得热泵空调的制冷量,热泵空调的制冷量决定着热泵空调的运行速率,因此,获得热泵空调的制冷量,进而获得热泵空调的运行速率;
根据初始制冷量,获得热泵空调的初始运行功率,即公式为:
W初始=aQ;
其中,W初始表示为热泵空调的初始运行功率;a表示为系数;
根据用户需求温度、用户制冷空间以及用户环境温度,获得用户的需求运行功率,即公式为:
其中,W需求表示为用户的需求运行功率;λ表示为系数;ρ表示为空气密度;
需要进一步说明的,在具体实施过程中,根据用户的需求运行功率智能设置热泵空调设备信息数据,使热泵空调根据用户需求信息数据进行运行,减少热泵空调的做功,降低热泵空调的能量损失。
所述数据分析模块用于根据AI自主学习模型对信息数据进行分析,根据分析结果,并生成报警信号,具体过程包括:
将用户在用户需求调节装置上设置用户需求温度、用户制冷空间以及自动获得用户环境温度发送至AI自主学习模型;AI自主学习模型接收到用户需求信息数据,将用户需求信息数据发送至用户需求信息数据模型对应的用户序列号,经过处理,获得用户的需求运行功率W需求;
AI自主学习模型根据用户序列号获得设备信息数据模型对应的热泵空调序列号对应的热泵空调设备信息数据,经过处理,获得热泵空调的初始运行功率W初始;
将用户的需求运行功率与热泵空调的初始运行功率进行比较,根据比较结果,对热泵空调设备信息数据进行调节:
若W需求>W初始或W需求<W初始,则需求运行功率与初始运行功率的功率差值,即公式为:
W差值=W需求-W用户;
其中,W差值表示为需求运行功率与初始运行功率的功率差值;
若W需求=W初始,则不需要对热泵空调设备信息数据进行调节;
设置功率差值阈值范围[W1差值,W2差值],将功率差值阈值与功率差值进行比较,根据比较结果,AI自主学习模型对热泵空调设备信息数据进行自动调节;
在AI自主学习模型中设置标准设备信息数据;所述标准设备信息数据包括第一标准信息数据、第二标准信息数据以及第三标准信息数据;
若W1差值<W差值<W2差值时,则将第一标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第一报警信号发送至管理终端;
若W1差值>W差值时,则将第二标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第二报警信号发送至管理终端;
若W差值>W2差值时,则将第三标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第三报警信号发送至管理终端;
若W1差值=W差值=W2差值时,则不需要进行处理;
需要进一步说明的是,在具体实施过程中,每台热泵空调安装于不同的环境,获得对应的用户需求信息数据,主要是制冷空间大小下,在不同环境温度和用户需求温度下,都有一个最佳的运行参数,这个最佳运行参数,厂家是无法提前设定的,因此,根据用户需求信息数据获得需求运行功率,以及热泵空调的初始运行功率,根据需求运行功率和初始运行功率,对冷媒流量、压缩机转速、风机转速进行调节,获得最佳功率;
将报警信号发送至报警模块进行处理。
所述报警模块用于根据报警信号进行对应处理,具体过程包括:
所述报警信号包括第一报警信号、第二报警信号以及第三报警信号;
当管理终端接收到报警信号,根据报警信号获得对应的热泵空调序列号以及用户序列号,并进行标记,对其进行实时监控。
工作原理:根据数据采集模块采集信息数据,并发送至数据处理模块对信息数据进行处理,根据处理结果,构建设备信息数据模型、用户需求信息数据模型以及建AI自主学习模型,进而获得热泵空调的初始运行功率和用户的需求运行功率;将其发送至数据分析模块,根据AI自主学习模型对信息数据进行分析,根据分析结果,并生成报警信号;将报警信号发送至报警模块,根据报警信号进行对应处理;实现了根据用户需求对热泵空调的运行功率进行自动调节,降低热泵空调运行的能量。
上面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以上结合附图及具体实施例,对本申请进行进一步详细描述;应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请;对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施;上面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请的更好的理解。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种具有AI自学习的热泵空调制冷控制,包括服务器,其特征在于,所述服务器通信连接有数据采集模块、数据处理模块、数据分析模块以及报警模块;
所述数据采集模块用于采集信息数据;
所述数据处理模块用于对信息数据进行处理,根据处理结果,构建设备信息数据模型、用户需求信息数据模型以及建AI自主学习模型,进而获得热泵空调的初始运行功率和用户的需求运行功率;
所述数据分析模块用于根据AI自主学习模型对信息数据进行分析,根据分析结果,并生成报警信号;
所述报警模块用于根据报警信号进行对应处理。
2.根据权利要求1所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述数据采集模块采集信息数据的过程包括:
所述信息数据包括热泵空调设备信息数据和用户需求信息数据;
所述热泵空调设备信息数据包括冷媒流量、压缩机转速以及风机转速;
所述用户需求信息数据包括用户需求温度、用户制冷空间以及用户环境温度;
在热泵空调内设置传感器,用于采集热泵空调设备信息数据;
设置用户需求调节装置,并无线通信连接数据采集模块;用于采集用户需求信息数据;
在安装热泵空调的环境内设置温度传感器,并无线通信连接用户需求调节装置,并将采集的环境温度发送至用户需求调节装置内;
用户在用户需求调节装置上设置用户需求温度、用户制冷空间以及自动获得用户环境温度。
3.根据权利要求2所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述构建设备信息数据模型的过程包括:
采集若干个热泵空调的热泵空调设备信息数据,并对若干个热泵空调进行无重复编号,获得热泵空调序列号,将热泵空调序列号按照两两相邻无交叉相互通信连接,生成热泵空调序列号数据网;所述热泵空调序列号数据网中的每个热泵空调序列号包括对应的热泵空调设备信息数据;
设置管理终端节点,将所述管理终端节点连接热泵空调序列号数据网,构建设备信息数据模型;所述管理终端节点无线通信连接管理终端。
4.根据权利要求2所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述构建用户需求信息数据模型的过程包括:
将若干个用户进行无重复编号,生成用户序列号,将用户序列号按照两两相邻无交叉相互通信连接,生成用户序列号数据网,设置用户终端节点,并将所述用户终端节点连接用户序列号数据网,建设用户需求信息数据模型;所述用户终端节点无线通信连接用户终端。
5.根据权利要求4所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述构建AI自主学习模型的过程包括:
将设备信息数据模型与用户需求信息数据模型按照相同的用户序列号和热泵空调序列号进行相互通信连接,建立AI自主学习模型;所述AI自主学习模型用于将在用户序列号设置的用户需求信息数据发送至连接的设备信息数据模型内进行处理,根据处理结果,获得运行功率;
所述运行数据包括热泵空调的初始运行功率和用户的需求运行功率。
6.根据权利要求5所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述获得热泵空调的初始运行功率的过程包括:
根据压缩机转速以及风机转速,获得热泵空调的单位制冷量,进而根据冷媒流量以及单位制冷量,获得热泵空调的初始制冷量,进而根据初始制冷量,获得热泵空调的初始运行功率,标记为W初始。
7.根据权利要求6所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述获得用户的需求运行功率的过程包括:
根据用户需求温度、用户制冷空间以及用户环境温度,获得用户的需求运行功率,标记为W需求。
8.根据权利要求7所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述数据分析模块根据AI自主学习模型对信息数据进行分析的过程包括:
将用户在用户需求调节装置上获得的用户需求信息数据发送至AI自主学习模型;
AI自主学习模型接收到用户需求信息数据,将用户需求信息数据发送至用户需求信息数据模型对应的用户序列号,经处理,获得用户的需求运行功率W需求;
AI自主学习模型根据用户序列号获得设备信息数据模型对应的热泵空调序列号对应的热泵空调设备信息数据,经处理,获得热泵空调的初始运行功率W初始;
将用户的需求运行功率与热泵空调的初始运行功率进行比较,若W需求>W初始或W需求<W初始,则需求运行功率与初始运行功率的功率差值,标记为W差值;若W需求=W初始,则不需要对热泵空调设备信息数据进行调节。
9.根据权利要求8所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,设置功率差值阈值范围[W1差值,W2差值],将功率差值阈值与功率差值进行比较;
在AI自主学习模型中设置标准设备信息数据;所述标准设备信息数据包括第一标准信息数据、第二标准信息数据以及第三标准信息数据;
若W1差值<W差值<W2差值时,则将第一标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第一报警信号发送至管理终端;
若W1差值>W差值时,则将第二标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第二报警信号发送至管理终端;
若W差值>W2差值时,则将第三标准信息数据发送至热泵空调序列号,对对应的热泵空调进行自动调节,并生成第三报警信号发送至管理终端;
若W1差值=W差值=W2差值时,则不需要进行处理。
10.根据权利要求9所述的一种具有AI自学习的热泵空调制冷控制,其特征在于,所述报警模块根据报警信号进行对应处理的过程包括:
所述报警信号包括第一报警信号、第二报警信号以及第三报警信号;
当管理终端接收到报警信号,根据报警信号获得对应的热泵空调序列号以及用户序列号,并进行标记,对其进行实时监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310965165.1A CN116972523A (zh) | 2023-08-02 | 2023-08-02 | 一种具有ai自学习的热泵空调制冷控制 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310965165.1A CN116972523A (zh) | 2023-08-02 | 2023-08-02 | 一种具有ai自学习的热泵空调制冷控制 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116972523A true CN116972523A (zh) | 2023-10-31 |
Family
ID=88482889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310965165.1A Pending CN116972523A (zh) | 2023-08-02 | 2023-08-02 | 一种具有ai自学习的热泵空调制冷控制 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116972523A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213475A (zh) * | 2011-03-22 | 2011-10-12 | 曙光信息产业(北京)有限公司 | 一种数据中心功耗自适应管理方法 |
CN103604194A (zh) * | 2013-11-22 | 2014-02-26 | 四川长虹电器股份有限公司 | 一种智能空调控制方法及空调控制系统 |
WO2014091572A1 (ja) * | 2012-12-12 | 2014-06-19 | 三菱電機株式会社 | 空気調和装置 |
JP2019095128A (ja) * | 2017-11-22 | 2019-06-20 | 大阪瓦斯株式会社 | ヒートポンプ装置の制御方法、及びヒートポンプ装置 |
CN109945364A (zh) * | 2019-03-25 | 2019-06-28 | 珠海格力电器股份有限公司 | 空调及其控制方法 |
CN110220257A (zh) * | 2018-03-01 | 2019-09-10 | 维谛技术有限公司 | 空调系统、空调系统的运行控制方法及装置 |
CN111288683A (zh) * | 2020-03-12 | 2020-06-16 | 广东省特种设备检测研究院珠海检测院 | 工业除湿装置 |
CN114688688A (zh) * | 2022-03-30 | 2022-07-01 | 湖南大友恒实业有限公司 | 一种基于深度学习的智能制冷舒适空调 |
CN115574445A (zh) * | 2022-10-17 | 2023-01-06 | 广东Tcl智能暖通设备有限公司 | 空调冷媒流量控制方法、装置、空调系统及存储介质 |
-
2023
- 2023-08-02 CN CN202310965165.1A patent/CN116972523A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213475A (zh) * | 2011-03-22 | 2011-10-12 | 曙光信息产业(北京)有限公司 | 一种数据中心功耗自适应管理方法 |
WO2014091572A1 (ja) * | 2012-12-12 | 2014-06-19 | 三菱電機株式会社 | 空気調和装置 |
CN103604194A (zh) * | 2013-11-22 | 2014-02-26 | 四川长虹电器股份有限公司 | 一种智能空调控制方法及空调控制系统 |
JP2019095128A (ja) * | 2017-11-22 | 2019-06-20 | 大阪瓦斯株式会社 | ヒートポンプ装置の制御方法、及びヒートポンプ装置 |
CN110220257A (zh) * | 2018-03-01 | 2019-09-10 | 维谛技术有限公司 | 空调系统、空调系统的运行控制方法及装置 |
CN109945364A (zh) * | 2019-03-25 | 2019-06-28 | 珠海格力电器股份有限公司 | 空调及其控制方法 |
CN111288683A (zh) * | 2020-03-12 | 2020-06-16 | 广东省特种设备检测研究院珠海检测院 | 工业除湿装置 |
CN114688688A (zh) * | 2022-03-30 | 2022-07-01 | 湖南大友恒实业有限公司 | 一种基于深度学习的智能制冷舒适空调 |
CN115574445A (zh) * | 2022-10-17 | 2023-01-06 | 广东Tcl智能暖通设备有限公司 | 空调冷媒流量控制方法、装置、空调系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101968250B (zh) | 一种冷冻机房节能优化控制系统及方法 | |
CN201765486U (zh) | 基于云计算的设备监控系统 | |
AU2019221098A1 (en) | Systems and methods of optimizing HVAC control in a building or network of buildings | |
CN102193527B (zh) | 基于云计算的电子信息系统机房能源管理控制系统及方法 | |
US20190273671A1 (en) | Control system with asynchronous wireless data transmission | |
CN101975673A (zh) | 中央空调系统能效实时监测系统及方法 | |
CN101655272A (zh) | 一种网络中央空调节能控制管理系统及其方法 | |
CN108131722A (zh) | 一种面向电网调峰的终端用户制冷行为自适应调控 | |
CN104566815A (zh) | 中央空调水系统远程控制系统和控制方法、中央空调 | |
CN114264045A (zh) | 一种中央空调的能效调控系统及方法 | |
CN201335488Y (zh) | 一种中央空调智能优化控制装置 | |
CN116972523A (zh) | 一种具有ai自学习的热泵空调制冷控制 | |
CN112631346A (zh) | 基于区块链的智能化基站功耗控制系统 | |
CN111105090B (zh) | 一种基于智能算法的分布式能源系统优化调度方法及装置 | |
CN108321803A (zh) | 一种基于电网用电负荷数据的电网调峰控制系统与方法 | |
CN103197618A (zh) | 一种监测风力发电机的方法及系统 | |
JP2020165642A (ja) | 空調システム、サーバシステム、ネットワーク、空調システムを制御する方法、およびネットワークを制御する方法 | |
CN112539512B (zh) | 一种变电站物联网温湿度控制系统 | |
Zhai et al. | Operating points as communication bridge between energy evaluation with air temperature and velocity based on extreme learning machine (ELM) models | |
KR101986686B1 (ko) | Bems 기반 중앙집중식 공조시스템의 관제 데이터 처리방법 및 그를 위한 장치 | |
CN115276002A (zh) | 基于电力负荷曲线的配电性质智能研判方法 | |
KR102423612B1 (ko) | 공조 설비용 중앙 제어 장치 | |
CN112327706A (zh) | 一种基于物联网的智慧能源操控服务系统 | |
CN113865018A (zh) | 一种水冷中央空调主机功率调控方法及系统 | |
CN213300343U (zh) | 一种节能的恒温恒湿恒压控制系统 |
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 |