CN117387172A - 基于精准推荐设备控制参数的末端空调节能方法和系统 - Google Patents
基于精准推荐设备控制参数的末端空调节能方法和系统 Download PDFInfo
- Publication number
- CN117387172A CN117387172A CN202311687703.1A CN202311687703A CN117387172A CN 117387172 A CN117387172 A CN 117387172A CN 202311687703 A CN202311687703 A CN 202311687703A CN 117387172 A CN117387172 A CN 117387172A
- Authority
- CN
- China
- Prior art keywords
- data
- parameters
- selecting
- prediction
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005265 energy consumption Methods 0.000 claims abstract description 72
- 238000012549 training Methods 0.000 claims abstract description 51
- 238000005057 refrigeration Methods 0.000 claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004378 air conditioning Methods 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013501 data transformation Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004134 energy conservation Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008054 signal transmission Effects 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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- 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
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
-
- 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
-
- 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
-
- 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
- F24F2110/12—Temperature of the outside air
-
- 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
- F24F2110/20—Humidity
- F24F2110/22—Humidity of the outside air
-
- 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
- F24F2110/30—Velocity
- F24F2110/32—Velocity of the outside air
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调控制技术领域,提供一种基于精准推荐设备控制参数的末端空调节能方法和系统,其中方法包括:对室外条件历史数据进行预处理,得到第一基础数据;选取第一特征数据;通过第一特征数据对多个预测模型进行训练,选取制冷能耗预测模型;采集室内条件历史数据,对室内条件历史数据进行预处理,得到第二基础数据;选取第二特征数据;通过第二特征数据对多个预测模型进行训练,选取舒适度保障模型;根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,根据室内条件参数,通过制冷能耗预测模型输出最低能耗的设备控制参数。本发明能够根据环境参数输出符合人体所需舒适度且功耗最低的设备控制参数。
Description
技术领域
本发明涉及空调控制技术领域,尤其涉及一种基于精准推荐设备控制参数的末端空调节能方法和系统。
背景技术
末端空调作为为室内提供冷暖气的空气调节设备,在实际使用中,相对于其他设备会产生巨大的能耗,有着巨大的节能空间,因此对于末端空调来说减少能源消耗和环保至关重要。
传统的减少空调能耗的方案通常包括:
方案1:使用高效的空调设备,选择能效比高的空调设备,可以减少能源消耗。
方案2:定期保养和清洁空调设备,定期清洁和更换空调设备中的过滤器、冷凝器等部件,可以提高空调设备的效率,减少能源消耗。
方案3:通过环境参数训练一个模型,通过训练的模型同时输出人体舒适度和功耗参数,然后根据人体舒适度范围选择对应的功耗参数作为控制参数。
上述传统方案中存在以下缺陷:
1.使用高效的空调设备,需要更换现有设备,因此会产生更高的成本。
2.定期保养和清洁空调设备,需要一定的时间和人力成本,不够灵活,这些方法可能无法根据实时环境变化进行调整,也无法适应不同的使用场景。
3.保养和清洁空调设备只是在尽可能的减少由器件老化堵塞等产生的额外能源消耗,本质上并未真正的减少能源消耗。
4. 通过一个模型同时输出人体舒适度和功耗参数无法精准计算人体舒适度所需的参数和关联的空调功耗控制参数,最终结果具有较大误差,会造成能源浪费。
发明内容
本发明的目的在于解决背景技术中的至少一个技术问题,提供一种基于精准推荐设备控制参数的末端空调节能方法和系统。
为实现上述目的,本发明提供一种基于精准推荐设备控制参数的末端空调节能方法,包括:
采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,通过所述制冷能耗预测模型输出最低能耗的设备控制参数。
根据本发明的一个方面,所述对室外条件历史数据进行预处理,包括:
对室外条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室外条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第一基础数据。
根据本发明的一个方面,所述选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
选取第一基础数据中的室外温度参数、室外湿度参数和设备控制参数作为第一特征数据。
根据本发明的一个方面,所述通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
将第一特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各所述预测模型;
将测试集输入优化后的各所述预测模型,对比各所述预测模型的输出结果,选择预测结果最好的预测模型作为制冷能耗预测模型进行部署。
根据本发明的一个方面,所述对室内条件历史数据进行预处理,包括:
对室内条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室内条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第二基础数据。
根据本发明的一个方面,所述选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据为:
选取第二基础数据中的室内温度参数、室内湿度参数作为第二特征数据。
根据本发明的一个方面,所述通过第二特征数据对多个预测模型进行训练,选取预测结果最好的模型作为舒适度保障模型进行部署,包括:
将第二特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各所述预测模型;
将测试集输入优化后的各所述预测模型,对比各所述预测模型的输出结果,选择预测结果最好的预测模型作为舒适度保障模型进行部署。
为实现上述目的,本发明还提供一种基于精准推荐设备控制参数的末端空调节能系统,包括:
第一数据预处理模块,采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
第一特征数据选取模块,对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
制冷能耗预测模型训练选择模块,通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
第二数据预处理模块,采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
第二特征数据选取模块,对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
舒适度保障模型训练选择模块,通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
舒适度与最低能耗结果输出模块,根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,通过所述制冷能耗预测模型输出最低能耗的设备控制参数。
为实现上述目的,本发明还提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的基于精准推荐设备控制参数的末端空调节能方法。
为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的基于精准推荐设备控制参数的末端空调节能方法。
根据本发明的方案,本发明计算得到的是末端空调最优控制参数,其通过控制末端空调的温度、风速、湿度等参数,在满足人体舒适度需求的前提下,尽可能的减少能源的消耗,从而达到最佳的节能效果。使用AI根据建筑物的实际情况和使用需求,自动分析和优化控制参数,来进行寻优推荐可以大大提高节能效果。
根据本发明的方案,通过AI分析室内外温度和湿度情况等因素,并结合人体对其所需的舒适度,自动调整末端空调的控制参数,以达到最佳节能效果。基于历史数据和实时监测信息,利用AI算法预测未来一段时间内室内温度变化趋势,从而优化空调控制参数,避免浪费能源。
根据本发明的方案,本发明分别通过室内参数构建计算人体舒适度的舒适度保障模型,通过室外参数构建计算设备功耗的制冷能耗预测模型,两个模型分别精准监测计算室内人体所需环境参数,以及室外传感器监测到的影响室内温度的环境参数中能够产生上述室内人体所需的环境参数,这样可以分别根据室内室外环境参数精准计算得到相关室内人体所需环境参数,并且根据该室内人体所需环境参数来计算得到能够满足室内人体所需环境参数的最低能耗的设备控制参数。
根据本发明的方案,舒适度保障模型计算输出的室内条件参数发送给制冷能耗预测模型,制冷能耗预测模型根据该室内条件参数进行计算,计算得到能够满足该室内条件参数的能耗控制参数作为最优结果输出,如此方案可以使得计算结果更加精准无误,因为从数据采集、数据处理以及模型输出均采用精确的室内室外数据,并且室内室外数据分开进行精确计算,保证室内室外环境参数不受其他因素干扰,所以可以保证最终的计算结果精准无误,空调的最低功耗精准无误,有效保证输出的能耗控制不会造成能源浪费。
根据本发明的方案,本发明能够有效节约成本,能够适应于不同的环境和使用场景,能够根据环境参数自动输出符合人体所需舒适度且功耗最低的设备控制参数,保证人体舒适度的同时有效节约能源,有效解决现有技术中声称的节约能源但并未真正节约能源的技术问题。
附图说明
图1示意性表示根据本发明的一种实施方式的基于精准推荐设备控制参数的末端空调节能方法的流程图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容。应当理解,论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容,而不是暗示对本发明的范围的任何限制。
如本文中所使用的,术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
图1示意性表示根据本发明的一种实施方式的基于精准推荐设备控制参数的末端空调节能方法的流程图。如图1所示,在本实施方式中,基于精准推荐设备控制参数的末端空调节能方法,包括:
a.采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
b.对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
c.通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
d.采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
e.对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
f.通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
g.根据当前环境参数,通过舒适度保障模型输出符合人体舒适度需求的室内条件参数,根据室内条件参数,通过制冷能耗预测模型输出能够满足室内条件参数的最低能耗的设备控制参数。
根据本发明的上述方案,本发明计算得到的是末端空调最优控制参数,其通过控制末端空调的温度、风速、湿度等参数,在满足人体舒适度需求的前提下,尽可能的减少能源的消耗,从而达到最佳的节能效果。使用AI根据建筑物的实际情况和使用需求,自动分析和优化控制参数,来进行寻优推荐可以大大提高节能效果。
根据本发明的上述方案,通过AI分析室内外温度和湿度情况等因素,并结合人体对其所需的舒适度,自动调整末端空调的控制参数,以达到最佳节能效果。基于历史数据和实时监测信息,利用AI算法预测未来一段时间内室内温度变化趋势,从而优化空调控制参数,避免浪费能源。
根据本发明的上述方案,本发明分别通过室内参数构建计算人体舒适度的舒适度保障模型,通过室外参数构建计算设备功耗的制冷能耗预测模型,两个模型分别精准监测计算室内人体所需环境参数,以及室外传感器监测到的影响室内温度的环境参数中能够产生上述室内人体所需的环境参数,这样可以分别根据室内室外环境参数精准计算得到相关室内人体所需环境参数,并且根据该室内人体所需环境参数来计算得到能够满足室内人体所需环境参数的最低能耗的设备控制参数。
在本发明中,舒适度保障模型计算输出的室内条件参数发送给制冷能耗预测模型,制冷能耗预测模型根据该室内条件参数进行计算,计算得到能够满足该室内条件参数的能耗控制参数作为最优结果输出,如此方案可以使得计算结果更加精准无误,因为从数据采集、数据处理以及模型输出均采用精确的室内室外数据,并且室内室外数据分开进行精确计算,保证室内室外环境参数不受其他因素干扰,所以可以保证最终的计算结果精准无误,空调的最低功耗精准无误,有效保证输出的能耗控制不会造成能源浪费。
根据本发明的一种实施方式,在上述a步骤中,对室外条件历史数据进行预处理,包括:
对室外条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室外条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第一基础数据。如此处理,可以使得对异常值和不符合条件的数据进行删除,对数据进行符合目标的变换以便于数据的综合计算,最终实现数据的规范化和离散化处理,提高数据的精确率和准确性。
根据本发明的一种实施方式,在上述b步骤中,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
选取第一基础数据中的室外温度参数、室外湿度参数和设备控制参数作为第一特征数据。在本实施方式中,通过读取空调测点传感器和温湿度传感器的数据,进行数据存储与收集,保证室外影响空调运行功耗的参数能够被精确获取,保证后续关联室内舒适度需求的计算更加精确无误。
根据本发明的一种实施方式,在上述c步骤中,通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
将第一特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各预测模型;
将测试集输入优化后的各预测模型,对比各预测模型的输出结果,选择预测结果最好的预测模型作为制冷能耗预测模型进行部署。如此方案,可以使得能够选取到最优制冷能耗预测模型,通过最优制冷能耗预测模型的部署可以根据人体舒适度需求的室内条件参数精准输出最低能耗的设备控制参数,这样可以有效减少能源消耗,而且能够保证室内人体的舒适性。
根据本发明的一种实施方式,在上述d步骤中,对室内条件历史数据进行预处理,包括:
对室内条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室内条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第二基础数据。如此设置,可以使得对异常值和不符合条件的数据进行删除,数据规约和数据变换可以对数据进行符合目标的变换以便于数据的综合计算,最终实现数据的规范化和离散化处理,提高数据的精确率和准确性,使得根据预处理后的数据进行的后续计算精准度更高,模型输出结果更加精准无误。
根据本发明的一种实施方式,在上述e步骤中,选取其中符合对人体舒适度需求的数据作为第二特征数据为:
选取第二基础数据中的室内温度参数、室内湿度参数作为第二特征数据。如此设置,可以强关联人体的舒适度,通过第二特征数据训练的模型在输出结果时可以满足人体舒适度需求,保证结果输出精准,保障人体所需的室内舒适度条件参数输出无误。
根据本发明的一种实施方式,在上述f步骤中,通过第二特征数据对多个预测模型进行训练,选取预测结果最好的模型作为舒适度保障模型进行部署,包括:
将第二特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各预测模型;
将测试集输入优化后的各预测模型,对比各预测模型的输出结果,选择预测结果最好的预测模型作为舒适度保障模型进行部署。如此方案,可以使得能够选取到最优舒适度保障模型,通过最优舒适度保障模型的部署可以根据当前环境参数精准输出符合人体舒适度需求的室内条件参数,室内条件参数精确无误差后,关联该室内条件参数的制冷能耗预测模型才会输出相关联的最低能耗的设备控制参数,这样有效地节约了能源,不会因为误差造成能源浪费。
根据本发明的上述方案,本发明能够有效节约成本,能够适应于不同的环境和使用场景,能够根据环境参数自动输出符合人体所需舒适度且功耗最低的设备控制参数,保证人体舒适度的同时有效节约能源,有效解决现有技术中声称的节约能源但并未真正节约能源的技术问题。
进一步地,为实现上述目的,本发明还提供一种基于精准推荐设备控制参数的末端空调节能系统,包括:
第一数据预处理模块,采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
第一特征数据选取模块,对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
制冷能耗预测模型训练选择模块,通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
第二数据预处理模块,采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
第二特征数据选取模块,对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
舒适度保障模型训练选择模块,通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
舒适度与最低能耗结果输出模块,根据当前环境参数,通过舒适度保障模型输出符合人体舒适度需求的室内条件参数,通过制冷能耗预测模型输出最低能耗的设备控制参数。
根据本发明的上述方案,本发明计算得到的是末端空调最优控制参数,其通过控制末端空调的温度、风速、湿度等参数,在满足人体舒适度需求的前提下,尽可能的减少能源的消耗,从而达到最佳的节能效果。使用AI根据建筑物的实际情况和使用需求,自动分析和优化控制参数,来进行寻优推荐可以大大提高节能效果。
根据本发明的上述方案,通过AI分析室内外温度和湿度情况等因素,并结合人体对其所需的舒适度,自动调整末端空调的控制参数,以达到最佳节能效果。基于历史数据和实时监测信息,利用AI算法预测未来一段时间内室内温度变化趋势,从而优化空调控制参数,避免浪费能源。
根据本发明的上述方案,本发明分别通过室内参数构建计算人体舒适度的舒适度保障模型,通过室外参数构建计算设备功耗的制冷能耗预测模型,两个模型分别精准监测计算室内人体所需环境参数,以及室外传感器监测到的影响室内温度的环境参数中能够产生上述室内人体所需的环境参数,这样可以分别根据室内室外环境参数精准计算得到相关室内人体所需环境参数,并且根据该室内人体所需环境参数来计算得到能够满足室内人体所需环境参数的最低能耗的设备控制参数。
在本发明中,舒适度保障模型计算输出的室内条件参数发送给制冷能耗预测模型,制冷能耗预测模型根据该室内条件参数进行计算,计算得到能够满足该室内条件参数的能耗控制参数作为最优结果输出,如此方案可以使得计算结果更加精准无误,因为从数据采集、数据处理以及模型输出均采用精确的室内室外数据,并且室内室外数据分开进行精确计算,保证室内室外环境参数不受其他因素干扰,所以可以保证最终的计算结果精准无误,空调的最低功耗精准无误,有效保证输出的能耗控制不会造成能源浪费。
根据本发明的一种实施方式,在上述第一数据预处理模块中,对室外条件历史数据进行预处理,包括:
对室外条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室外条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第一基础数据。如此处理,可以使得对异常值和不符合条件的数据进行删除,对数据进行符合目标的变换以便于数据的综合计算,最终实现数据的规范化和离散化处理,提高数据的精确率和准确性。
根据本发明的一种实施方式,在上述第一特征数据选取模块中,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
选取第一基础数据中的室外温度参数、室外湿度参数和设备控制参数作为第一特征数据。在本实施方式中,通过读取空调测点传感器和温湿度传感器的数据,进行数据存储与收集,保证室外影响空调运行功耗的参数能够被精确获取,保证后续关联室内舒适度需求的计算更加精确无误。
根据本发明的一种实施方式,在上述制冷能耗预测模型训练选择模块中,通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
将第一特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各预测模型;
将测试集输入优化后的各预测模型,对比各预测模型的输出结果,选择预测结果最好的预测模型作为制冷能耗预测模型进行部署。如此方案,可以使得能够选取到最优制冷能耗预测模型,通过最优制冷能耗预测模型的部署可以根据人体舒适度需求的室内条件参数精准输出最低能耗的设备控制参数,这样可以有效减少能源消耗,而且能够保证室内人体的舒适性。
根据本发明的一种实施方式,在上述第二数据预处理模块中,对室内条件历史数据进行预处理,包括:
对室内条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室内条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第二基础数据。如此设置,可以使得对异常值和不符合条件的数据进行删除,数据规约和数据变换可以对数据进行符合目标的变换以便于数据的综合计算,最终实现数据的规范化和离散化处理,提高数据的精确率和准确性,使得根据预处理后的数据进行的后续计算精准度更高,模型输出结果更加精准无误。
根据本发明的一种实施方式,在上述第二特征数据选取模块中,选取其中符合对人体舒适度需求的数据作为第二特征数据为:
选取第二基础数据中的室内温度参数、室内湿度参数作为第二特征数据。如此设置,可以强关联人体的舒适度,通过第二特征数据训练的模型在输出结果时可以满足人体舒适度需求,保证结果输出精准,保障人体所需的室内舒适度条件参数输出无误。
根据本发明的一种实施方式,在上述舒适度保障模型训练选择模块中,通过第二特征数据对多个预测模型进行训练,选取预测结果最好的模型作为舒适度保障模型进行部署,包括:
将第二特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各预测模型;
将测试集输入优化后的各预测模型,对比各预测模型的输出结果,选择预测结果最好的预测模型作为舒适度保障模型进行部署。如此方案,可以使得能够选取到最优舒适度保障模型,通过最优舒适度保障模型的部署可以根据当前环境参数精准输出符合人体舒适度需求的室内条件参数,室内条件参数精确无误差后,关联该室内条件参数的制冷能耗预测模型才会输出相关联的最低能耗的设备控制参数,这样有效地节约了能源,不会因为误差造成能源浪费。
根据本发明的上述方案,本发明能够有效节约成本,能够适应于不同的环境和使用场景,能够根据环境参数自动输出符合人体所需舒适度且功耗最低的设备控制参数,保证人体舒适度的同时有效节约能源,有效解决现有技术中声称的节约能源但并未真正节约能源的技术问题。
不仅如此,为实现上述目的,本发明还提供一种电子设备,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现上述基于精准推荐设备控制参数的末端空调节能方法。
为实现上述目的,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述基于精准推荐设备控制参数的末端空调节能方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外,在本发明实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解,本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
Claims (10)
1.基于精准推荐设备控制参数的末端空调节能方法,其特征在于,包括:
采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,根据所述室内条件参数,通过所述制冷能耗预测模型输出能够满足所述室内条件参数的最低能耗的设备控制参数。
2.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述对室外条件历史数据进行预处理,包括:
对室外条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室外条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第一基础数据。
3.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据为:
选取第一基础数据中的室外温度参数、室外湿度参数和设备控制参数作为第一特征数据。
4.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述通过第一特征数据对多个预测模型进行训练,选取预测结果最好的模型作为制冷能耗预测模型进行部署,包括:
将第一特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各所述预测模型;
将测试集输入优化后的各所述预测模型,对比各所述预测模型的输出结果,选择预测结果最好的预测模型作为制冷能耗预测模型进行部署。
5.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述对室内条件历史数据进行预处理,包括:
对室内条件历史数据进行数据清洗,将不符合预设条件的数据删除;
对室内条件历史数据进行数据规约和数据变换,将数据转换为符合计算条件的格式的所述第二基础数据。
6.根据权利要求1所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据为:
选取第二基础数据中的室内温度参数、室内湿度参数作为第二特征数据。
7.根据权利要求1-6中任一项所述的基于精准推荐设备控制参数的末端空调节能方法,其特征在于,所述通过第二特征数据对多个预测模型进行训练,选取预测结果最好的模型作为舒适度保障模型进行部署,包括:
将第二特征数据分为训练集和测试集;
通过训练集分别对不同的预测模型进行训练,分别获取预测参数;
计算预测参数的损失,根据损失优化各所述预测模型;
将测试集输入优化后的各所述预测模型,对比各所述预测模型的输出结果,选择预测结果最好的预测模型作为舒适度保障模型进行部署。
8.基于精准推荐设备控制参数的末端空调节能系统,其特征在于,包括:
第一数据预处理模块,采集室外条件历史数据,对室外条件历史数据进行预处理,得到规范和离散的第一基础数据;
第一特征数据选取模块,对第一基础数据进行聚类处理,选取第一基础数据中与室外条件和与室外条件关联的设备控制相关的数据作为第一特征数据;
制冷能耗预测模型训练选择模块,通过第一特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为制冷能耗预测模型进行部署;
第二数据预处理模块,采集室内条件历史数据,对室内条件历史数据进行预处理,得到规范和离散的第二基础数据;
第二特征数据选取模块,对第二基础数据进行聚类处理,选取第二基础数据中符合对人体舒适度需求的数据作为第二特征数据;
舒适度保障模型训练选择模块,通过第二特征数据对多个预测模型进行训练,选取预测结果最好的预测模型作为舒适度保障模型进行部署;
舒适度与最低能耗结果输出模块,根据当前环境参数,通过所述舒适度保障模型输出符合人体舒适度需求的室内条件参数,通过所述制冷能耗预测模型输出最低能耗的设备控制参数。
9.电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于精准推荐设备控制参数的末端空调节能方法。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于精准推荐设备控制参数的末端空调节能方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311687703.1A CN117387172B (zh) | 2023-12-11 | 2023-12-11 | 基于精准推荐设备控制参数的末端空调节能方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311687703.1A CN117387172B (zh) | 2023-12-11 | 2023-12-11 | 基于精准推荐设备控制参数的末端空调节能方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117387172A true CN117387172A (zh) | 2024-01-12 |
CN117387172B CN117387172B (zh) | 2024-05-17 |
Family
ID=89466910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311687703.1A Active CN117387172B (zh) | 2023-12-11 | 2023-12-11 | 基于精准推荐设备控制参数的末端空调节能方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117387172B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118423809A (zh) * | 2024-07-02 | 2024-08-02 | 深圳市金地楼宇科技有限公司 | 一种基于ai预测天气控制节能设备的方法 |
CN118463348A (zh) * | 2024-07-11 | 2024-08-09 | 格力电器(赣州)有限公司 | 一种基于Prompt的空调控制方法 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2778821A2 (en) * | 2013-03-15 | 2014-09-17 | Honeywell International Inc. | Supervisory controller for HVAC systems |
CN104359192A (zh) * | 2014-11-19 | 2015-02-18 | 山东建筑大学 | 一种基于数据的室内环境节能舒适个性化控制系统及方法 |
US20150168964A1 (en) * | 2013-12-12 | 2015-06-18 | Industrial Technology Research Institute | Controlling device and method for hvac system |
EP3029389A2 (en) * | 2014-12-04 | 2016-06-08 | Delta Electronics, Inc. | Controlling system for environmental comfort degree and controlling method of the controlling system |
WO2018211559A1 (ja) * | 2017-05-15 | 2018-11-22 | 日本電気株式会社 | 設定値算出システム、方法およびプログラム |
KR102095990B1 (ko) * | 2018-10-23 | 2020-04-02 | (주)온테스트 | 홈 에너지 관리 시스템 및 그 동작방법 |
CN111442478A (zh) * | 2020-03-10 | 2020-07-24 | 珠海派诺科技股份有限公司 | 空调系统优化控制方法、智能终端、存储装置 |
CN111795484A (zh) * | 2020-07-24 | 2020-10-20 | 北京大学深圳研究生院 | 一种智慧空调控制方法和系统 |
JP2020186826A (ja) * | 2019-05-10 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | 空調制御システム及びプログラム |
CN112749810A (zh) * | 2019-10-31 | 2021-05-04 | 北京国双科技有限公司 | 模型训练方法、控制参数确定方法及装置 |
US20210148592A1 (en) * | 2019-11-18 | 2021-05-20 | Johnson Controls Technology Company | Building cooling systems with energy optimization and model predictive control |
CN113310192A (zh) * | 2021-06-09 | 2021-08-27 | 海信(山东)空调有限公司 | 空调器的控制方法及装置、空调器和计算机可读存储介质 |
CN113757952A (zh) * | 2021-08-18 | 2021-12-07 | 清华大学 | 一种空调控制方法、装置及空调器 |
KR102380669B1 (ko) * | 2020-10-30 | 2022-03-31 | 성균관대학교산학협력단 | 열적 쾌적감 기반의 최적 냉방기 제어방법 |
CN114580254A (zh) * | 2020-12-01 | 2022-06-03 | 天津大学 | 一种基于模型预测控制的建筑室内温度调控方法和系统 |
CN115094193A (zh) * | 2022-06-27 | 2022-09-23 | 中冶华天南京工程技术有限公司 | 一种基于数据挖掘的铁水预处理脱硫智能系统 |
CN115220357A (zh) * | 2022-07-04 | 2022-10-21 | 深圳天成通信科技有限公司 | 舒适节能型智能楼宇的控制方法、系统及服务器 |
CN115682312A (zh) * | 2022-10-20 | 2023-02-03 | 国机工业互联网研究院(河南)有限公司 | 一种空调节能控制方法、装置、设备及可读存储介质 |
CN115751626A (zh) * | 2022-11-11 | 2023-03-07 | 青岛澳柯玛环境科技有限公司 | 一种基于用户习惯的空调运行参数调控方法 |
CN116538654A (zh) * | 2023-07-06 | 2023-08-04 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种自适应空间热环境智能控制方法 |
CN116839154A (zh) * | 2023-07-14 | 2023-10-03 | 青岛海尔空调器有限总公司 | 基于智能学习的空调控制方法、装置和智能空调 |
CN116989379A (zh) * | 2023-07-04 | 2023-11-03 | 大连理工大学 | 一种基于动态室温设定值和模型预测控制的室温控制方法 |
-
2023
- 2023-12-11 CN CN202311687703.1A patent/CN117387172B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2778821A2 (en) * | 2013-03-15 | 2014-09-17 | Honeywell International Inc. | Supervisory controller for HVAC systems |
US20150168964A1 (en) * | 2013-12-12 | 2015-06-18 | Industrial Technology Research Institute | Controlling device and method for hvac system |
CN104359192A (zh) * | 2014-11-19 | 2015-02-18 | 山东建筑大学 | 一种基于数据的室内环境节能舒适个性化控制系统及方法 |
EP3029389A2 (en) * | 2014-12-04 | 2016-06-08 | Delta Electronics, Inc. | Controlling system for environmental comfort degree and controlling method of the controlling system |
WO2018211559A1 (ja) * | 2017-05-15 | 2018-11-22 | 日本電気株式会社 | 設定値算出システム、方法およびプログラム |
KR102095990B1 (ko) * | 2018-10-23 | 2020-04-02 | (주)온테스트 | 홈 에너지 관리 시스템 및 그 동작방법 |
JP2020186826A (ja) * | 2019-05-10 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | 空調制御システム及びプログラム |
CN112749810A (zh) * | 2019-10-31 | 2021-05-04 | 北京国双科技有限公司 | 模型训练方法、控制参数确定方法及装置 |
US20210148592A1 (en) * | 2019-11-18 | 2021-05-20 | Johnson Controls Technology Company | Building cooling systems with energy optimization and model predictive control |
CN111442478A (zh) * | 2020-03-10 | 2020-07-24 | 珠海派诺科技股份有限公司 | 空调系统优化控制方法、智能终端、存储装置 |
CN111795484A (zh) * | 2020-07-24 | 2020-10-20 | 北京大学深圳研究生院 | 一种智慧空调控制方法和系统 |
KR102380669B1 (ko) * | 2020-10-30 | 2022-03-31 | 성균관대학교산학협력단 | 열적 쾌적감 기반의 최적 냉방기 제어방법 |
CN114580254A (zh) * | 2020-12-01 | 2022-06-03 | 天津大学 | 一种基于模型预测控制的建筑室内温度调控方法和系统 |
CN113310192A (zh) * | 2021-06-09 | 2021-08-27 | 海信(山东)空调有限公司 | 空调器的控制方法及装置、空调器和计算机可读存储介质 |
CN113757952A (zh) * | 2021-08-18 | 2021-12-07 | 清华大学 | 一种空调控制方法、装置及空调器 |
CN115094193A (zh) * | 2022-06-27 | 2022-09-23 | 中冶华天南京工程技术有限公司 | 一种基于数据挖掘的铁水预处理脱硫智能系统 |
CN115220357A (zh) * | 2022-07-04 | 2022-10-21 | 深圳天成通信科技有限公司 | 舒适节能型智能楼宇的控制方法、系统及服务器 |
CN115682312A (zh) * | 2022-10-20 | 2023-02-03 | 国机工业互联网研究院(河南)有限公司 | 一种空调节能控制方法、装置、设备及可读存储介质 |
CN115751626A (zh) * | 2022-11-11 | 2023-03-07 | 青岛澳柯玛环境科技有限公司 | 一种基于用户习惯的空调运行参数调控方法 |
CN116989379A (zh) * | 2023-07-04 | 2023-11-03 | 大连理工大学 | 一种基于动态室温设定值和模型预测控制的室温控制方法 |
CN116538654A (zh) * | 2023-07-06 | 2023-08-04 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种自适应空间热环境智能控制方法 |
CN116839154A (zh) * | 2023-07-14 | 2023-10-03 | 青岛海尔空调器有限总公司 | 基于智能学习的空调控制方法、装置和智能空调 |
Non-Patent Citations (1)
Title |
---|
王琳;杨昌智;雷小慧;: "一种空调系统实时节能舒适控制新方法的可行性研究", 科学技术与工程, no. 01, 8 January 2017 (2017-01-08) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118423809A (zh) * | 2024-07-02 | 2024-08-02 | 深圳市金地楼宇科技有限公司 | 一种基于ai预测天气控制节能设备的方法 |
CN118463348A (zh) * | 2024-07-11 | 2024-08-09 | 格力电器(赣州)有限公司 | 一种基于Prompt的空调控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117387172B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117387172B (zh) | 基于精准推荐设备控制参数的末端空调节能方法和系统 | |
US7356548B1 (en) | System and method for remote monitoring and controlling of facility energy consumption | |
CN110332671B (zh) | 室内机的控制方法、装置、设备和空调系统 | |
KR20170122043A (ko) | 실시간 실내 공기질 이상치 제거 방법 및 장치 | |
CN111830350B (zh) | 能耗计量方法、装置及电器 | |
CN109269027B (zh) | 一种自动寻优的空调制冷控制方法、系统及装置 | |
CN117278073B (zh) | 一种超宽带天线信号自动调整方法 | |
CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN118265275B (zh) | 风冷线控冷优化控制方法 | |
CN117490193A (zh) | 一种中央空调水系统群控方法 | |
CN116882079A (zh) | 一种水泵特性曲线自适应校准及预测方法 | |
CN108321803B (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 | |
CN117128162B (zh) | 智慧能源空压站节能控制系统及控制方法 | |
CN111678246B (zh) | 空调设备、控制方法、诊断方法、控制装置和存储介质 | |
CN117515854A (zh) | 一种中央空调智能调优方法及装置 | |
CN116821846A (zh) | 一种空调外机在线一体化快速检测方法、系统和设备 | |
CN116088325A (zh) | 一种基于数字孪生的家居设备控制方法、装置及存储介质 | |
CN110568257A (zh) | 一种空调能耗持续监测方法及装置 | |
CN115480556A (zh) | 一种暖通机电设备的智能在线故障诊断系统 | |
CN111578453A (zh) | 一种基于大数据分析的冷却水优化控制系统及方法 | |
CN116993232B (zh) | 一种综合能源站的能耗管理优化方法及系统 | |
CN118411007B (zh) | 高效综合能源站ai智慧管理系统 | |
CN118153462B (zh) | 基于深度学习的恒温系统能效评估方法及系统 | |
US20240151752A1 (en) | Apparatus and method for analyzing electrical load, and apparatus for modeling electrical load |
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 |