CN117847844B - 一种二氧化碳热泵的分温区控制方法及系统 - Google Patents
一种二氧化碳热泵的分温区控制方法及系统 Download PDFInfo
- Publication number
- CN117847844B CN117847844B CN202410057732.8A CN202410057732A CN117847844B CN 117847844 B CN117847844 B CN 117847844B CN 202410057732 A CN202410057732 A CN 202410057732A CN 117847844 B CN117847844 B CN 117847844B
- Authority
- CN
- China
- Prior art keywords
- temperature monitoring
- monitoring data
- data
- target temperature
- component
- 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.)
- Active
Links
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 57
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 49
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 230
- 230000001105 regulatory effect Effects 0.000 claims abstract 4
- 230000006870 function Effects 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims 9
- 238000010606 normalization Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及节能热泵技术领域,具体涉及一种二氧化碳热泵的分温区控制方法及系统,包括:采集二氧化碳热泵的若干器具的温度监测数据,获取温度监测数据的分量和残差项;获取温度监测数据中数据点的局部范围;根据局部范围内数据点的温度值和时刻,得到温度监测数据中数据点的模态复杂因子;根据幅值占比和模态复杂因子,得到温度监测数据的分量的噪声分布因子;获取分量的噪声调节因子,根据噪声分布因子和噪声调节因子,得到去噪之后的温度监测数据,进而进行二氧化碳分温区控制。本发明对温度监测数据去噪获得更加准确的温度监测数据,使得二氧化碳热泵的分温区控制更加精确,提高二氧化碳热泵的效率和性能。
Description
技术领域
本发明涉及节能热泵技术领域,具体涉及一种二氧化碳热泵的分温区控制方法及系统。
背景技术
二氧化碳热泵是一种热保节能的空气调节设备,可以将低温的空气中的热量吸收并压缩,提高温度后放出热能。为了进一步提高二氧化碳热泵的效率和性能,现有CN103148653A公开专利提出由于传统过热度控制方法已经不适用于超临界状态下的二氧化碳热泵系统工况,因此提出一种基于分温区的控制方法,通过采集气冷器出口的多个区域温度,从而在过热度控制方法和最优压力控制方法中进行智能选择,从而实现在全部工况下均能达到性能最优的二氧化碳热泵系统的最优控制方法。但由于上述实现都是基于温度传感器所采集的气冷器出口温度,而传感器采集数据时,其采集到的数据内部不可避免的存在噪声干扰,二氧化碳热泵的分温区控制需要更加准确的温度数据,从而对分温区进行更精确的控制,因此需要对其进行去噪处理。
针对噪声数据造成的波动异常状况在实时温度数据场景下的应用,常用去噪方式为基于EMD分解的小波阈值去噪。常规的实现方式是基于人工选择噪声通常所在高频分量,并人工设定小波阈值,从而完成去噪。但在该场景中,由于所监测到的温度数据为设备的出气等位置的温度,因此会导致该温度数据本身也存在一定的波动表现,该波动表现与噪声的波动叠加混淆后,会导致噪声并不全部处于人工选择的高频分量,而是散乱分布在不同的分量之中,进而导致人工阈值效果不佳,进而导致对二氧化碳热泵的分温区控制造成影响。
发明内容
为解决上述问题,本发明提供一种二氧化碳热泵的分温区控制方法及系统。
本发明的一种二氧化碳热泵的分温区控制方法及系统采用如下技术方案:
本发明一个实施例提供了一种二氧化碳热泵的分温区控制方法,该方法包括以下步骤:
采集二氧化碳热泵的若干器具的温度监测数据,所述温度监测数据包含若干数据点,每个数据点对应一个温度值和一个时刻;对每个器具的温度监测数据进行分解,得到每个器具的温度监测数据的若干分量和残差项;
将任意一个器具的温度监测数据,记为目标温度监测数据;获取目标温度监测数据中每个数据点的局部范围;根据目标温度监测数据中每个数据点的局部范围内数据点的温度值和时刻,得到目标温度监测数据中每个数据点的模态复杂因子;
获取目标温度监测数据的每个分量中每个数据点的局部范围;根据分量中每个数据点的局部范围,得到目标温度监测数据的每个分量中每个数据点的幅值占比;根据数据点的幅值占比和模态复杂因子,得到目标温度监测数据的每个分量的噪声分布因子;
根据分量中每个数据点的局部范围、目标温度监测数据的残差项,得到目标温度监测数据的每个分量的噪声调节因子;根据每个分量的噪声分布因子和噪声调节因子,得到目标温度监测数据的每个分量的阈值系数;利用分量的阈值系数对目标温度监测数据进行去噪得到去噪之后的目标温度监测数据;
获取每个器具的去噪之后的温度监测数据,根据每个器具的去噪之后的温度监测数据进行二氧化碳分温区控制。
进一步地,所述得到目标温度监测数据中每个数据点的模态复杂因子,包括的具体步骤如下:
Ai=softmax{αi×βi×[1-exp(-Mi)]}
式中,αi的具体获取方法如下:对于目标温度监测数据中第i个数据点的局部范围,获取所述局部范围内所有的极值点,对于任意一个极值点,获取所述极值点与左侧相邻极值点的温度值的差值绝对值,记为a,获取所述极值点与右侧相邻极值点的温度值的差值绝对值,记为b,将a和b的均值,记为所述极值点的温度因子,将所述局部范围内所有极值点的温度因子的标准差,记为αi;βi的具体获取方法如下:对于目标温度监测数据中第i个数据点的局部范围,获取所述局部范围内所有的极值点,对于任意一个极值点,获取所述极值点与左侧相邻极值点的时间间隔,记为c,获取所述极值点与右侧相邻极值点的时间间隔,记为d,将c和d的均值,记为所述极值点的时间因子,将所述局部范围内所有极值点的时间因子的标准差,记为βi;Mi为目标温度监测数据中第i个数据点的局部范围内极值点的个数,exp()为以自然常数为底的指数函数,Ai为目标温度监测数据中第i个数据点的模态复杂因子,softmax{}为softmax函数。
进一步地,所述得到目标温度监测数据的每个分量中每个数据点的幅值占比,包括的具体步骤如下:
获取目标温度监测数据的第n个分量中第k个数据点的局部范围,将该局部范围内所有点的数值均值,记为第n个分量中第k个数据点的幅值因子;将目标温度监测数据的每个分量中每个数据点的幅值因子输入到sigmoid函数中,输出的结果作为目标温度监测数据的每个分量中每个数据点的幅值占比。
进一步地,所述得到目标温度监测数据的每个分量的噪声分布因子,包括的具体步骤如下:
式中,pni为目标温度监测数据的第n个分量中第i个数据点的幅值占比,Ai为目标温度监测数据中第i个数据点的模态复杂因子,pmi为目标温度监测数据的第m个分量中第i个数据点的幅值占比,N为目标温度监测数据的分量个数,In为目标温度监测数据的第n个分量中数据点的个数;bn为目标温度监测数据的第n个分量的噪声分布因子,exp()为以自然常数为底的指数函数。
进一步地,所述得到目标温度监测数据的每个分量的噪声调节因子,包括的具体步骤如下:
式中,γni为目标温度监测数据的第n个分量中第i个数据点的局部范围内所有点的数值的标准差,记为目标温度监测数据的第n个分量中第i个数据点的标准因子;In为目标温度监测数据的第n个分量中数据点的个数;max(γn)为目标温度监测数据的第n个分量中数据点的最大标准因子;min(γn)为目标温度监测数据的第n个分量中数据点的最小标准因子;rn的具体获取方法如下:将最大标准因子对应的数据点,记为第一数据点,将最小标准因子对应的数据点,记为第二数据点,将第一数据点和第二数据点在目标温度监测数据的第n个分量中确定的范围,记为目标范围,将目标范围在目标温度监测数据的残差项中对应范围内所有数据点的残差值相加的结果,记为rn;softmax()为softmax函数,hn为目标温度监测数据的第n个分量的噪声调节因子,||为取绝对值,ε为预设的超参数。
进一步地,所述得到目标温度监测数据的每个分量的阈值系数,包括的具体步骤如下:
Bn=softmax(bn×hn)
式中,bn为目标温度监测数据的第n个分量的噪声分布因子,hn为目标温度监测数据的第n个分量的噪声调节因子,softmax()为softmax函数,Bn为目标温度监测数据的第n个分量的阈值系数。
进一步地,所述利用分量的阈值系数对目标温度监测数据进行去噪得到去噪之后的目标温度监测数据,包括的具体步骤如下:
将目标温度监测数据的任意一个分量,记为目标分量,将目标分量的阈值系数作为目标分量进行小波阈值去噪的阈值,并对目标分量进行去噪,得到去噪之后的目标分量;将目标温度监测数据的所有去噪之后的分量和残差项中相同时刻下的值进行累加,得到去噪之后的目标温度监测数据。
进一步地,所述获取目标温度监测数据中每个数据点的局部范围的具体方法如下:
将目标温度监测数据中任意一个数据点,记为目标数据点;以目标数据点为中心,邻域半径为TH3的范围,作为目标数据点的局部范围,TH3为预设的一个第三数值。
进一步地,所述对每个器具的温度监测数据进行分解,得到每个器具的温度监测数据的若干分量和残差项,包括的具体步骤如下:
将每个器具的温度监测数据输入到EMD分解算法中,输出得到每个器具的温度监测数据的若干分量和残差项。
本发明还提出了一种二氧化碳热泵的分温区控制系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现前述所述方法的步骤。
本发明的技术方案的有益效果是:本发明在采集到二氧化碳热泵器具的温度监测数据后,通过对温度监测数据进行分解后,对分解的分量进行局部范围分析,得到温度监测数据中数据点的模态复杂因子,模态复杂因子表征局部范围内噪声的表现,通过局部分析使得后续去噪可以更加精确,进而进一步提高二氧化碳热泵的效率和性能,通过分量中数据点的数值和模态复杂因子得到噪声分布因子,噪声分布因子表征分量中噪声的含量,进而获取噪声调节因子对噪声分布因子进行修正得到分量的阈值系数,减少不同位置的模态复杂度不同,导致模态复杂因子较小的区域受到的影响,最终通过小波阈值去噪完成温度监测数据的分量去噪,进而进行逆变换重构即将去噪之后的分量和残差项中对应的数值进行相加得到去噪之后的温度监测数据,获得更加准确的温度监测数据,使得二氧化碳热泵的分温区控制更加精确,提高二氧化碳热泵的效率和性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种二氧化碳热泵的分温区控制方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种二氧化碳热泵的分温区控制方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种二氧化碳热泵的分温区控制方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种二氧化碳热泵的分温区控制方法的步骤流程图,该方法包括以下步骤:
步骤S001、采集二氧化碳热泵的若干器具的温度监测数据,对每个器具的温度监测数据进行分解,得到每个器具的温度监测数据的若干分量和残差项。
需要说明的是,本实施例的目的是通过对采集的温度数据进行EMD分解,并对局部进行优化分析,从而对每一分量的小波阈值进行自适应去噪,在开始分析之前,首先需要采集数据。
具体的,在二氧化碳热泵设备的气体冷却器、蒸发器翅片及压缩机吸气口分别布设一个温度传感器,温度传感器每隔TH1秒输出一个温度值,将最近TH2个小时内气体冷却器的温度传感器采集到的所有温度值按照时序顺序进行排列,得到气体冷却器的温度监测数据,TH1为预设的一个第一数值,TH2为预设的一个第二数值,本实施例以TH1=0.5,TH2=1进行叙述;通过相同的方法,获取蒸发器翅片的温度监测数据和压缩机吸气口的温度监测数据;将每个器具的温度监测数据输入到EMD分解算法中,输出得到每个器具的温度监测数据的若干分量和残差项。
需要说明的是,本实施例中,器具具体指代气体冷却器、蒸发器翅片及压缩机吸气口,温度监测数据为二维数据,温度监测数据包含若干数据点,每个数据点对应一个温度值和一个时刻,温度监测数据的每个分量以及残差项和温度监测数据的时序范围相同,且分量以及残差项为二维数据,也包含若干数据点,分量中每个数据点对应一个数值和一个时刻,残差项中每个数据点对应一个残差值和一个时刻;将每个器具的温度监测数据输入到EMD分解算法中,输出得到每个器具的温度监测数据的若干分量和残差项为EMD(EmpiricalMode Decomposition,缩写EMD,中文名称经验模态分解)分解算法的现有方法,本实施例不再赘述。
至此,得到若干器具的温度监测数据和每个器具的温度监测数据的若干分量和残差项。
步骤S002、获取温度监测数据中数据点的局部范围;根据局部范围内数据点的温度值和时刻,得到温度监测数据中数据点的模态复杂因子。
需要说明的是,对于采集到的温度数据,通过EMD分解后,由于EMD分解是基于包络线的分解方式,其本质便是将每一温度数据内部可能存在的多种周期的波动进行分解,但由于温度数据中本身存在的正常波动信息与噪声波动叠加后,导致局部模态复杂,进而使得某些局部位置处噪声被分解在分量中的情况相对混乱。但温度数据中的波动与噪声波动的差异主要为,温度数据中的波动相对更复杂,其无论是数值还是周期都存在较大或较小,而噪声虽然是干扰,但是噪声的波动相对更稳定,其产生的原理主要是传感器的问题,因此同一传感器的温度数据在长时序上都较为接近,只是出现的位置是随机的。
具体的,将任意一个器具的温度监测数据,记为目标温度监测数据;获取目标温度监测数据中每个数据点的局部范围,具体如下:
将目标温度监测数据中任意一个数据点,记为目标数据点;以目标数据点为中心,邻域半径为TH3的范围,作为目标数据点的局部范围,TH3为预设的一个第三数值,本实施例以TH3=20进行叙述;需要说明的是,当目标数据点位于目标温度监测数据的左侧或右侧时,目标数据点的局部范围可能会超出目标温度监测数据的范围,此时,本实施例利用二次线性插值的方法将目标温度监测数据超出范围的部分进行插值填充数据。
进一步地,根据目标温度监测数据中每个数据点的局部范围内数据点的温度值和时刻,得到目标温度监测数据中每个数据点的模态复杂因子,具体如下:
Ai=softmax{αi×βi×[1-exp(-Mi)]}
式中,αi的具体获取方法如下:对于目标温度监测数据中第i个数据点的局部范围,获取该局部范围内所有的极值点,对于任意一个极值点,获取该极值点与左侧相邻极值点的温度值的差值绝对值,记为a,获取该极值点与右侧相邻极值点的温度值的差值绝对值,记为b,将a和b的均值,记为该极值点的温度因子,将该局部范围内所有极值点的温度因子的标准差,记为αi;βi的具体获取方法如下:对于目标温度监测数据中第i个数据点的局部范围,获取该局部范围内所有的极值点,对于任意一个极值点,获取该极值点与左侧相邻极值点的时间间隔,记为c,获取该极值点与右侧相邻极值点的时间间隔,记为d,将c和d的均值,记为该极值点的时间因子,将该局部范围内所有极值点的时间因子的标准差,记为βi;需要说明的是,若极值点只有左侧或右侧相邻的极值点,则不进行温度因子和时间因子的分析;Mi为目标温度监测数据中第i个数据点的局部范围内极值点的个数,exp()为以自然常数为底的指数函数,本实施例采用exp(-U)模型来呈现反比例关系及归一化处理,U为模型的输入,实施者可根据具体实施情况设置反比例函数及归一化函数,Ai为目标温度监测数据中第i个数据点的模态复杂因子,softmax{}为softmax函数,用于归一化。
需要说明的是,αi和βi都是表示局部范围内极值点之间的分布差异,这两特征越大,则范围内的极值点其数值差异与时间跨度都极为离散,对应的该局部范围内的波动相对更复杂,即存在噪声与正常温度数据中的波动异常的叠加的可能性越强。但由于主要想表征的是局部范围内噪声的程度,因此这里加入约束项即1-exp(-Mi),其中Mi表示第i个数据点局部范围内的极值点数量,当局部范围内的极值点数量越多,该约束项越大,则对应的表示该范围内的波动的频率相对更高,无论是噪声相对更强还是温度数据的波动较弱,都可以更加表示出噪声干扰在当前局部范围内的占比更高,最终当Ai越大,则表征第i个数据点局部范围内的噪声表现相对更强,即后续在以该范围进行噪声分析时的权重相对更高。
至此,得到目标温度监测数据中每个数据点的模态复杂因子。
步骤S003、根据分量中数据点的局部范围,得到分量中数据点的幅值占比;根据幅值占比和模态复杂因子,得到温度监测数据的分量的噪声分布因子。
需要说明的是,基于上述获得的每一数据点的模态复杂因子,当温度监测数据中的噪声占比相对更强,此时在该范围内的某一分量其幅值占比相对更强,则对应的该分量或许更主要为噪声的主要分布分量,而基于该思路,这里还需对每一分量内的噪声分布基于多个数据点的局部范围内进行分析,从而基于分量获取整体的噪声分布因子。
具体的,获取目标温度监测数据的每个分量中每个数据点的局部范围;需要说明的是,获取目标温度监测数据的每个分量中每个数据点的局部范围和获取目标温度监测数据中每个数据点的局部范围的方法相同,本实施例不再赘述。
进一步地,根据分量中每个数据点的局部范围,得到目标温度监测数据的每个分量中每个数据点的幅值占比,具体如下:
获取目标温度监测数据的第n个分量中第k个数据点的局部范围,将该局部范围内所有点的数值均值,记为第n个分量中第k个数据点的幅值因子;将目标温度监测数据的每个分量中每个数据点的幅值因子输入到sigmoid函数中,输出的结果作为目标温度监测数据的每个分量中每个数据点的幅值占比;需要说明的是,若第n个分量中第k个数据点的局部范围超出第n个分量的范围,此时,本实施例利用二次线性插值的方法将第n个分量超出范围的部分进行插值填充数据。
进一步地,根据数据点的幅值占比和模态复杂因子,得到目标温度监测数据的每个分量的噪声分布因子,具体如下:
式中,pni为目标温度监测数据的第n个分量中第i个数据点的幅值占比,Ai为目标温度监测数据中第i个数据点的模态复杂因子,pmi为目标温度监测数据的第m个分量中第i个数据点的幅值占比,N为目标温度监测数据的分量个数,In为目标温度监测数据的第n个分量中数据点的个数;需要说明的是,目标温度监测数据内数据点个数和分量中的数据点个数是相同的;bn为目标温度监测数据的第n个分量的噪声分布因子,exp()为以自然常数为底的指数函数,本实施例采用exp(-Y)模型来进行归一化处理,Y为模型的输入,实施者可根据具体实施情况设置归一化函数。
需要说明的是,在计算目标温度监测数据的第n个分量的噪声分布因子时,Ai看作每一局部范围内的噪声含量,并通过幅值占比作为分配系数,从而将每一局部范围的噪声含量程度分配至该范围内的不同分量中,表征第i个数据点局部范围内,第n个分量与其余多个分量幅值占比的差异,由于这里存在正负,因此当某一分量在该范围内比其余多个分量都大即幅值占比最大,则对其提供增强系数,若某一分量较小,则提供削弱系数,该特征的目的是为了拉大同一局部范围内不同分量的分配差距,使得大的更大,小得更小,第n个分量的噪声分布因子越大表示目标温度监测数据的第n个分量中噪声含量越多。
至此,得到目标温度监测数据的每个分量的噪声分布因子。
步骤S004、获取分量的噪声调节因子;根据噪声分布因子和噪声调节因子,得到去噪之后的温度监测数据,根据每个器具的去噪之后的温度监测数据进行二氧化碳分温区控制。
需要说明的是,上述进行噪声含量分配后,仅仅考虑了单一局部范围内的分量数值的大小,但在长时序的EMD分解中,并不是仅仅在模态复杂因子较高的局部范围内存在影响,而是由于不同位置的模态复杂度不同,进而会导致在模态复杂因子较小的区域也会受到影响(因为EMD分解的本质是考虑整条数据曲线的整体波动而进行分解的,因此不仅局部有影响,同时还会影响到整体的分解),因此对于不同的分量,还需对其内部的多个局部范围内的差异进行分析,从而基于差异对上述获得的噪声分布因子进行调节。
具体的,根据分量中每个数据点的局部范围、目标温度监测数据的残差项,得到目标温度监测数据的每个分量的噪声调节因子,具体如下:
式中,γni为目标温度监测数据的第n个分量中第i个数据点的局部范围内所有点的数值的标准差,记为目标温度监测数据的第n个分量中第i个数据点的标准因子;In为目标温度监测数据的第n个分量中数据点的个数;max(γn)为目标温度监测数据的第n个分量中数据点的最大标准因子;min(γn)为目标温度监测数据的第n个分量中数据点的最小标准因子;rn的具体获取方法如下:将最大标准因子对应的数据点,记为第一数据点,将最小标准因子对应的数据点,记为第二数据点,将第一数据点和第二数据点在目标温度监测数据的第n个分量中确定的范围,记为目标范围,将目标范围在目标温度监测数据的残差项中对应范围内所有数据点的残差值相加的结果,记为rn;softmax()为softmax函数,用于归一化,hn为目标温度监测数据的第n个分量的噪声调节因子,||为取绝对值,ε为预设的超参数,目的是防止分母为0,本实施例以ε=1进行叙述。
需要说明的是,通过计算该分量中,多个局部范围的波动差异即认为该差异越大,则表征当前分量中的波动分布相对较离散。并通过该分量内的标准差作为校正项,即同样的波动差异下,其数值范围越小,对应的表征内部的两极分布越明显,越对应了噪声波动特征相近且在该分量中的表现更明显;rn表示该范围内的残差值大小,残差值越大则表征当前范围内的波动组成越接近噪声干扰,即相对更为复杂,其内部存在的温度数据本身波动的线性特征丢失,因此对应的认为该局部范围内的波动存在噪声的程度越大,对应的权重系数便更高即softmax(rn);最终当hn越大,则表征当前分量内的噪声约束调节越大,即在后续对该分量基于噪声分布因子进行阈值调节时,提供更高的增益。
进一步地,根据每个分量的噪声分布因子和噪声调节因子,得到目标温度监测数据的每个分量的阈值系数,具体如下:
Bn=softmax(bn×hn)
式中,bn为目标温度监测数据的第n个分量的噪声分布因子,hn为目标温度监测数据的第n个分量的噪声调节因子,softmax()为softmax函数,用于归一化,Bn为目标温度监测数据的第n个分量的阈值系数。
需要说明的是,其中bn与hn的关系为hn对bn进行调节,因此这里直接采用相乘的方式,并通过softmax函数进行归一化,得到阈值系数,该阈值系数越大则表征当前分量与其余分量相比,噪声在该分量中分布相对更多,即采用更大的去噪程度。
进一步地,利用分量的阈值系数对目标温度监测数据进行去噪得到去噪之后的目标温度监测数据,具体如下:
将目标温度监测数据的任意一个分量,记为目标分量,将目标分量的阈值系数作为目标分量进行小波阈值去噪的阈值,并对目标分量进行去噪,得到去噪之后的目标分量;将目标温度监测数据的所有去噪之后的分量和残差项中相同时刻下的值进行累加,得到去噪之后的目标温度监测数据。
需要说明的是,温度监测数据和分量及残差项中的数据点个数是相同的,为便于理解对应的值进行相加,此处进行举例说明,例如将温度监测数据的第一个温度值和每个分量的第一个数据以及残差项中第一个残差值进行相加,得到去噪之后的温度监测数据的第一个温度值。
进一步地,获取每个器具的去噪之后的温度监测数据,根据每个器具的去噪之后的温度监测数据进行二氧化碳分温区控制。需要说明的是,CN103148653A公开了根据温度监测数据进行二氧化碳分温区控制的方法,本实施例通过该方法进行二氧化碳分温区控制,具体不再赘述,也不进行具体限定。
至此,通过对温度监测数据进行去噪,得到去噪之后的温度监测数据进而完成二氧化碳热泵的分温区控制。
本发明的另一个实施例提供了一种二氧化碳热泵的分温区控制系统,所述系统包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序时,执行以下操作:
采集二氧化碳热泵的若干器具的温度监测数据,所述温度监测数据包含若干数据点,每个数据点对应一个温度值和一个时刻;对每个器具的温度监测数据进行分解,得到每个器具的温度监测数据的若干分量和残差项;将任意一个器具的温度监测数据,记为目标温度监测数据;获取目标温度监测数据中每个数据点的局部范围;根据目标温度监测数据中每个数据点的局部范围内数据点的温度值和时刻,得到目标温度监测数据中每个数据点的模态复杂因子;获取目标温度监测数据的每个分量中每个数据点的局部范围;根据分量中每个数据点的局部范围,得到目标温度监测数据的每个分量中每个数据点的幅值占比;根据数据点的幅值占比和模态复杂因子,得到目标温度监测数据的每个分量的噪声分布因子;根据分量中每个数据点的局部范围、目标温度监测数据的残差项,得到目标温度监测数据的每个分量的噪声调节因子;根据每个分量的噪声分布因子和噪声调节因子,得到目标温度监测数据的每个分量的阈值系数;根据分量的阈值系数进行去噪得到去噪之后的目标温度监测数据;获取每个器具的去噪之后的温度监测数据,根据每个器具的去噪之后的温度监测数据进行二氧化碳分温区控制。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种二氧化碳热泵的分温区控制方法,其特征在于,该方法包括以下步骤:
采集二氧化碳热泵的气体冷却器、蒸发器翅片及压缩机吸气口的温度监测数据,所述温度监测数据包含若干数据点,每个数据点对应一个温度值和一个时刻;对所述气体冷却器、所述蒸发器翅片及所述压缩机吸气口中的每个器具的温度监测数据进行分解,得到每个器具的温度监测数据的若干分量和残差项;
将所述气体冷却器、所述蒸发器翅片及所述压缩机吸气口中的任意一个器具的温度监测数据,记为目标温度监测数据;获取目标温度监测数据中每个数据点的局部范围;根据目标温度监测数据中每个数据点的局部范围内数据点的温度值和时刻,得到目标温度监测数据中每个数据点的模态复杂因子;其中,所述模态复杂因子表征局部范围内噪声的表现;
获取目标温度监测数据的每个分量中每个数据点的局部范围;根据分量中每个数据点的局部范围,得到目标温度监测数据的每个分量中每个数据点的幅值占比;根据数据点的幅值占比和模态复杂因子,得到目标温度监测数据的每个分量的噪声分布因子;所述噪声分布因子表征分量中噪声的含量;
根据分量中每个数据点的局部范围、目标温度监测数据的残差项,得到目标温度监测数据的每个分量的噪声调节因子;噪声调节因子对噪声分布因子进行修正,根据每个分量的噪声分布因子和噪声调节因子,得到目标温度监测数据的每个分量的阈值系数;利用分量的阈值系数对目标温度监测数据进行去噪得到去噪之后的目标温度监测数据;其中,所述阈值系数表征噪声在当前分量中的分布数量;
获取所述气体冷却器、所述蒸发器翅片及所述压缩机吸气口的去噪之后的温度监测数据,根据所述气体冷却器、所述蒸发器翅片及所述压缩机吸气口中的每个器具的去噪之后的温度监测数据进行二氧化碳热泵分温区控制;
其中,所述得到目标温度监测数据中每个数据点的模态复杂因子,包括的具体步骤如下:
式中,的具体获取方法如下:对于目标温度监测数据中第/>个数据点的局部范围,获取所述第/>个数据点的局部范围内所有的极值点,对于任意一个极值点,获取所述极值点与左侧相邻极值点的温度值的差值绝对值记为/>,获取所述极值点与右侧相邻极值点的温度值的差值绝对值记为/>,将/>和/>的均值记为所述极值点的温度因子,将所述局部范围内所有极值点的温度因子的标准差记为/>;/>的具体获取方法如下:对于目标温度监测数据中第/>个数据点的局部范围,获取所述第/>个数据点的局部范围内所有的极值点,对于任意一个极值点,获取所述极值点与左侧相邻极值点的时间间隔记为/>,获取所述极值点与右侧相邻极值点的时间间隔记为/>,将/>和/>的均值记为所述极值点的时间因子,将所述局部范围内所有极值点的时间因子的标准差记为/>;/>为目标温度监测数据中第/>个数据点的局部范围内极值点的个数,/>为以自然常数为底的指数函数,/>为目标温度监测数据中第/>个数据点的模态复杂因子,/>为/>函数;
其中,所述得到目标温度监测数据的每个分量中每个数据点的幅值占比,包括的具体步骤如下:
获取目标温度监测数据的第个分量中第/>个数据点的局部范围,将该局部范围内所有点的数值均值,记为第/>个分量中第/>个数据点的幅值因子;将目标温度监测数据的每个分量中每个数据点的幅值因子输入到/>函数中,输出的结果作为目标温度监测数据的每个分量中每个数据点的幅值占比。
2.根据权利要求1所述一种二氧化碳热泵的分温区控制方法,其特征在于,所述得到目标温度监测数据的每个分量的噪声分布因子,包括的具体步骤如下:
式中,为目标温度监测数据的第/>个分量中第/>个数据点的幅值占比,/>为目标温度监测数据中第/>个数据点的模态复杂因子,/>为目标温度监测数据的第/>个分量中第/>个数据点的幅值占比,/>为目标温度监测数据的分量个数,/>为目标温度监测数据的第/>个分量中数据点的个数;/>为目标温度监测数据的第/>个分量的噪声分布因子,/>为以自然常数为底的指数函数。
3.根据权利要求1所述一种二氧化碳热泵的分温区控制方法,其特征在于,所述得到目标温度监测数据的每个分量的噪声调节因子,包括的具体步骤如下:
式中,为目标温度监测数据的第/>个分量中第/>个数据点的局部范围内所有点的数值的标准差,记为目标温度监测数据的第/>个分量中第/>个数据点的标准因子;/>为目标温度监测数据的第/>个分量中数据点的个数;/>为目标温度监测数据的第/>个分量中数据点的最大标准因子;/>为目标温度监测数据的第/>个分量中数据点的最小标准因子;/>的具体获取方法如下:将最大标准因子对应的数据点记为第一数据点,将最小标准因子对应的数据点记为第二数据点,将第一数据点和第二数据点在目标温度监测数据的第/>个分量中确定的范围记为目标范围,将目标范围在目标温度监测数据的残差项中对应范围内所有数据点的残差值相加的结果记为/>;/>为/>函数,/>为目标温度监测数据的第/>个分量的噪声调节因子,/>为取绝对值,/>为预设的超参数。
4.根据权利要求2所述一种二氧化碳热泵的分温区控制方法,其特征在于,所述得到目标温度监测数据的每个分量的阈值系数,包括的具体步骤如下:
式中,为目标温度监测数据的第/>个分量的噪声分布因子,/>为目标温度监测数据的第/>个分量的噪声调节因子,/>为/>函数,/>为目标温度监测数据的第/>个分量的阈值系数。
5.根据权利要求1所述一种二氧化碳热泵的分温区控制方法,其特征在于,所述利用分量的阈值系数对目标温度监测数据进行去噪得到去噪之后的目标温度监测数据,包括的具体步骤如下:
将目标温度监测数据的任意一个分量记为目标分量,将目标分量的阈值系数作为目标分量进行小波阈值去噪的阈值,并对目标分量进行去噪,得到去噪之后的目标分量;将目标温度监测数据的所有去噪之后的分量和残差项中相同时刻下的值进行累加,得到去噪之后的目标温度监测数据。
6.根据权利要求1所述一种二氧化碳热泵的分温区控制方法,其特征在于,所述获取目标温度监测数据中每个数据点的局部范围的具体方法如下:
将目标温度监测数据中任意一个数据点记为目标数据点;以目标数据点为中心、邻域半径为的范围,作为目标数据点的局部范围,/>为预设的一个第三数值。
7.根据权利要求1所述一种二氧化碳热泵的分温区控制方法,其特征在于,所述对所述气体冷却器、所述蒸发器翅片及所述压缩机吸气口中的每个器具的温度监测数据进行分解,得到每个器具的温度监测数据的若干分量和残差项,包括的具体步骤如下:
将每个器具的温度监测数据输入到EMD分解算法中,输出得到每个器具的温度监测数据的若干分量和残差项。
8.一种二氧化碳热泵的分温区控制系统,所述系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述一种二氧化碳热泵的分温区控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410057732.8A CN117847844B (zh) | 2024-01-15 | 2024-01-15 | 一种二氧化碳热泵的分温区控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410057732.8A CN117847844B (zh) | 2024-01-15 | 2024-01-15 | 一种二氧化碳热泵的分温区控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117847844A CN117847844A (zh) | 2024-04-09 |
CN117847844B true CN117847844B (zh) | 2024-06-07 |
Family
ID=90539879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410057732.8A Active CN117847844B (zh) | 2024-01-15 | 2024-01-15 | 一种二氧化碳热泵的分温区控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117847844B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103148653A (zh) * | 2013-03-20 | 2013-06-12 | 江苏苏净集团有限公司 | 二氧化碳热泵系统的分温区控制方法 |
KR20130100715A (ko) * | 2012-03-02 | 2013-09-11 | 한라비스테온공조 주식회사 | 차량용 히트 펌프 시스템의 제어방법 및 그 시스템 |
CN109583008A (zh) * | 2018-10-18 | 2019-04-05 | 天津大学 | 基于逐步回归的冷水机组能效模型通用建模方法 |
WO2021092815A1 (zh) * | 2019-11-13 | 2021-05-20 | 深圳市大疆创新科技有限公司 | 识别方法、测温方法、设备及存储介质 |
CN117373471A (zh) * | 2023-12-05 | 2024-01-09 | 鸿福泰电子科技(深圳)有限公司 | 一种音频数据优化降噪方法及系统 |
-
2024
- 2024-01-15 CN CN202410057732.8A patent/CN117847844B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130100715A (ko) * | 2012-03-02 | 2013-09-11 | 한라비스테온공조 주식회사 | 차량용 히트 펌프 시스템의 제어방법 및 그 시스템 |
CN103148653A (zh) * | 2013-03-20 | 2013-06-12 | 江苏苏净集团有限公司 | 二氧化碳热泵系统的分温区控制方法 |
CN109583008A (zh) * | 2018-10-18 | 2019-04-05 | 天津大学 | 基于逐步回归的冷水机组能效模型通用建模方法 |
WO2021092815A1 (zh) * | 2019-11-13 | 2021-05-20 | 深圳市大疆创新科技有限公司 | 识别方法、测温方法、设备及存储介质 |
CN117373471A (zh) * | 2023-12-05 | 2024-01-09 | 鸿福泰电子科技(深圳)有限公司 | 一种音频数据优化降噪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117847844A (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527333A (zh) | 一种基于伽马变换的快速图像增强方法 | |
CN114092353B (zh) | 一种基于加权引导滤波的红外图像增强方法 | |
CN111885624B (zh) | 一种基于深度学习的信号噪底估计方法 | |
CN109861310B (zh) | 超临界火电机组一次调频系统辨识变量选择方法 | |
CN117236084A (zh) | 一种木工机械加工生产智能管理方法及系统 | |
CN117847844B (zh) | 一种二氧化碳热泵的分温区控制方法及系统 | |
CN116626408B (zh) | 基于机器学习的电源纹波噪声检测方法 | |
CN111401178B (zh) | 一种基于深度特征融合与自适应相关滤波的视频目标实时跟踪方法及系统 | |
CN101159062A (zh) | 一种基于相关系数的自适应图像增强方法 | |
CN117633696A (zh) | 一种基于bim模型的水利工程施工监测方法及系统 | |
CN112326241B (zh) | 一种基于融合退化指标的核电主泵轴承故障预警方法 | |
CN117540304B (zh) | 一种粘合剂生产数据处理方法 | |
CN113808036A (zh) | 基于Retinex模型的低照度图像增强与去噪方法 | |
CN112634388A (zh) | 一种ct迭代重建代价函数的优化方法及ct图像重建方法、系统及ct | |
CN117311417B (zh) | 基于物联网的智慧农业信息综合管理方法及系统 | |
CN116991841A (zh) | 一种用于混合风数据模型的数据智能清洗方法 | |
CN113452466A (zh) | 基于加权观测融合和免时间戳交互的时钟频偏跟踪方法 | |
CN108170637B (zh) | 一种具有微分特性过程的传递函数模型辨识方法 | |
CN118152389B (zh) | 一种能源系统数据智能化处理方法 | |
CN111027612B (zh) | 基于加权熵fcm的能源计量数据特征约简方法及装置 | |
CN116842764B (zh) | 一种跨临界二氧化碳制冷数据仿真系统 | |
Su et al. | A nonparametric derivative-based method for R wave detection in ECG | |
CN118152389A (zh) | 一种能源系统数据智能化处理方法 | |
CN118034069A (zh) | 一种智能控制器运行状态的自适应控制方法 | |
WO2024001881A1 (zh) | 内环确定方法、内环模型训练方法、电子设备、可读介质 |
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 |