KR102015273B1 - 공기 조절 시스템, 및 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법 - Google Patents

공기 조절 시스템, 및 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102015273B1
KR102015273B1 KR1020177026881A KR20177026881A KR102015273B1 KR 102015273 B1 KR102015273 B1 KR 102015273B1 KR 1020177026881 A KR1020177026881 A KR 1020177026881A KR 20177026881 A KR20177026881 A KR 20177026881A KR 102015273 B1 KR102015273 B1 KR 102015273B1
Authority
KR
South Korea
Prior art keywords
airflow
model
situation
air conditioning
conditioning system
Prior art date
Application number
KR1020177026881A
Other languages
English (en)
Other versions
KR20170126942A (ko
Inventor
페트로스 티 보우포우노스
피유쉬 그로버
보리스 크레이머
모우하신 베노스만
Original Assignee
미쓰비시덴키 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US14/640,052 external-priority patent/US9976765B2/en
Application filed by 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시덴키 가부시키가이샤
Publication of KR20170126942A publication Critical patent/KR20170126942A/ko
Application granted granted Critical
Publication of KR102015273B1 publication Critical patent/KR102015273B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • 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
    • 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
    • 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
    • F24F11/62—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
    • F24F11/65—Electronic processing for selecting an operating mode
    • 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
    • F24F11/79—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling the direction of the supplied air
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1917—Control of temperature characterised by the use of electric means using digital means
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Air Conditioning Control Device (AREA)
  • Control Of Temperature (AREA)

Abstract

방법이, 공기 조절 시스템의 동작 중에 조정 환경 내에서 측정된 기류의 값을 구하고, 조정 환경에 대한 미리 결정된 상황의 세트로부터, 기류의 측정된 값에 일치하는 기류의 상황을 선택한다. 본 방법은, 조정 환경에 대한 미리 결정된 기류의 모델의 세트로부터, 선택된 상황에 대응하는 기류의 모델을 선택하고, 선택된 모델을 이용하여 기류를 모델화한다. 공기 조절 시스템의 동작은 모델화된 기류를 이용하여 제어된다.

Description

공기 조절 시스템, 및 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법
본 발명은 포괄적으로는 공기 조절 시스템(air-conditioning system)에 관한 것이고, 보다 상세하게는, 공기 조절 시스템의 동작을 제어하는 것에 관한 것이다.
난방, 환기 및 공기 조절(HVAC: heating, ventilating and air-conditioning) 시스템 등의 공기 조절 시스템은, 산업용 및 주택용으로서 널리 사용되고 있다. 예를 들면, 공기 조절 시스템은, 특정의 열량을 송달하는 증기 압축 사이클을 위해서, 변속 압축기, 가변 위치 밸브, 및 변속 팬 중 하나 또는 조합을 포함할 수 있다. 특정의 열량을 송달하는 증기 압축 시스템으로의 커멘드 입력은 종종, 고유하지 않고, 컴포넌트의 다양한 조합이 상이한 에너지 양을 소비한다. 그러므로, 에너지를 최소화하고, 그것에 의해, 효율을 최대화하는 입력의 조합을 이용해 증기 압축 시스템을 동작시키는 것이 바람직하다.
지금까지, 에너지 효율을 최대화하는 방법은 공기 조절 시스템의 물리적 과정의 수학 모델을 사용하는 것에 의존해 왔다. 그러한 모델에 근거한 방법은, 증기 압축 시스템의 컴포넌트의 커맨드 입력이 시스템의 열 역학적 거동 및 소비되는 에너지에 미치는 영향을 기술하려고 시도한다. 그러한 방법에서는, 모델을 이용하여, 열 부하 요건을 충족시키고, 또한 에너지를 최소화하는 입력의 조합을 예측한다.
그렇지만, 공기 조절 시스템은, 경시적으로 변화한다고 알려져 있다. 증기 압축 시스템의 동작을 어느 시점에서 정확히 기술하는 모델이, 예를 들면, 서서히 냉매가 새는 것, 또는 열 교환기로의 부식의 축적에 기인하여 시스템이 변화하는 것에 따라, 그 후의 시점에서 정확하지 않게 되는 경우가 있다.
게다가 공기 조절 시스템의 모델은 종종, 방의 크기 등의 설치 특유의 특성을 무시하므로, 공기 조절 시스템의 모델은, 시스템의 동작으로부터 일탈한다. 예컨대, 공기 조절 시스템의 동작 중에 생성되는 기류에 관한 지식을 이용하여, 시스템의 동작을 최적화할 수 있다. 그렇지만, 기류의 물리 모델은, 무한 차원으로 되어, 너무 복잡하므로, 실시간 제어의 용도에서 사용할 수는 없다. 게다가 기류의 모델은 공기 조절 시스템의 동작 중에 변화할 가능성도 있다.
따라서, 시스템의 동작 중에 생성된 기류의 실시간 지식을 이용하여, 공기 조절 시스템을 제어하기 위한 시스템 및 방법이 필요하게 된다.
본 발명의 목적은, 동작의 열 부하 요건이 충족되고 시스템의 성능이 최적화되도록 하는 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법을 제공하는 것이다. 본 발명의 또다른 목적은, 유체의 모델, 예컨대 공기 조절 시스템을 제어할 때에, 피제어 환경(controlled environment) 내의 기류의 모델 또는 공기 조절 시스템의 파이프 내의 냉매의 흐름의 모델을 사용하는 그러한 시스템 및 방법을 제공하는 것이다. 본 발명의 추가의 목적은, 공기 조절 시스템의 동작 중에 공기 조절 시스템의 성능을 경시적으로 최적화하는 그러한 시스템 및 방법을 제공하는 것이다.
본 발명의 몇몇 실시 형태는, 모델이 유체의 동태(dynamics)를 정확히 나타내고, 조정 환경(conditioned environment) 내의 변화에 적응할 수 있도록, 유체 동태의 모델을 결정하고 갱신하는 문제를 다룬다. 따라서, 몇몇 실시 형태는, 실시간의 갱신 및 제어에 적절한 저차원의 모델을 사용한다. 예컨대, 몇몇 실시 형태에서, 모델은, 브시네스크(Boussinesq) 방정식에 의한 유체 동태의 물리 모델보다 적은 수의 파라미터를 가지는 차수 저감 모델(ROM: reduced order model)를 포함하는데, 브시네스크 방정식은 편미분 방정식(PDE: partial differential equation)이며, 차수 저감 모델은 상미분 방정식(ODE: ordinary differential equation)이다.
그 때문에, 몇몇 실시 형태는, 예컨대 무한 차원의 복잡한 모델을, 보다 낮은 차원, 예를 들면, 유한 차원의 보다 단순한 모델로 축약하는 모델 축약 문제를 다룬다. 이와 관련하여, 모델 축약 문제는 복잡한 모델에 의한 시스템의 성능 측정치와, 보다 단순한 모델에 의한 시스템의 성능 측정치 사이의 오차가 최소화되도록, 보다 단순한 모델의 모든 파라미터 또는 계수를 결정하는 것을 의미한다. 예컨대, 기류 모델화(airflow modeling)의 추정 및 제어의 용도에 있어, 기류를 나타내는 PDE 모델을, 보다 차원이 낮고 보다 복잡하지 않는 0DE 모델로 변환할 필요가 있다. 그러한 축약에 의해, 공기 조절 시스템 등의 기류 시스템의 실시간 제어를 가능하게 할 수 있다.
몇몇 실시 형태는, 상이한 조건 하에서 공기 조절 시스템이 동작하는 결과로서, 유체 동태의 상이한 상황이 생기는 가능성이 있다는 인식에 근거한다. 본 명세서에서 검토되는 피제어 환경에 있어, 기하학적 배치, 경계 조건 및 외란이 경시적으로 변화할 가능성이 있다. 그러므로, 그러한 환경내의 공기 조절 시스템의 제어는, 실행 시간 중에 이러한 변경에 적응해야 한다.
예컨대, 방의 문 및 창이 닫혀졌을 경우에는, 실내의 기류는 일정한 흐름 파라미터 및 동태를 가지고, 창 중 하나가 열렸을 경우에는, 기류는 상이한 흐름 파라미터 및 동태를 가진다. 유사한 흐름 파라미터 및 동태를 가져오는 1개 또는 복수의 동작 조건의 집합이, 본 명세서에서 상황(regime)이라고 부른다. 본 발명의 몇몇 실시 형태는, 복잡도가 낮은 저차원 모델은 갤러르킨 투영(Galerkin projection)과 같은, 다양한 저차원 기법을 이용해 도출될 수 있다는 인식에 근거한다. 이 투영의 결과로서, 유체 동태의 모든 상황의 경우에 동일한 R0M가 생기고, 그것은 준최적(suboptimal)이다.
따라서, 몇몇 실시 형태는, 동작 중의 주어진 시점에 있어 유체 동태의 상황을 판단하고, 그 상황을 위한 유체 동태의 모델을 선택한다. 상이한 상황을 상이한 R0M 및/또는 R0M의 대응하는 파라미터로 나타낼 수 있으므로, 그러한 선택은 유리하다.
본 발명의 몇몇 실시 형태는 기류 상황을, 지배적 구조 및 그의 시간 진전, 즉 유체 동태에 의해 나타낼 수 있다는 인식에 근거한다. 그러한 구조는 고유 직교 분해(POD: proper orthogonal decomposition) 또는 동적 모드 분해(DMD: dynamic mode decomposition)와 같은 다양한 특징 추출 기법에 의해 특정할 수 있어, 상황에 관한 식별자로서의 역할을 다할 수 있다.
기류의 지배적 구조는, 피제어 환경내의 공기의 운동에 관한 제약과 그 온도 분포를 가리킨다. 그러므로, 이러한 제약은, 이들 제약을 만족하는 공기의 운동 패턴을 규정한다. 그 때문에, 기류의 지배적 구조는, 상이한 힘이 해수의 연속한 유향 운동(directed movement)을 생성할 수 있는 해양의 조류에 유사하다. 식별 가능한 패턴을 형성하는 해양의 조류와 마찬가지로, 1개의 상황에 대응하는 지배적 구조는, 피제어 환경 내에 1개의 패턴을 형성하고, 그것은 상황의 지문 인증(fingerprint identity)으로서의 역할을 다할 수 있다.
몇몇 실시 형태는, 지배적 구조만을 이용하여 기류를 나타내는 경우에는, 그러한 표현은 기류를, 피제어 환경 내의 가능한 흐름 패턴 중에서 스파스(sparse)하게 한다는 인식에 근거한다. 이러한 인식은 기류의 지배적 구조를 나타내는 신호가 스파스하다는 것과, 기류의 지배적 구조가 취할 수 있는 값의 제한된 범위의 조합에 의해, 나이퀴스트(Nyquist) 샘플링 속도 미만의 샘플링 속도에서 샘플링된 신호를 재생하기 위해 사용되는 다양한 압축 센싱 기법을 이용하여, 실제 기류의 지배적 구조를 재구성할 수 있게 된다는 이해로 연결된다.
몇몇 실시 형태는, 기류 속도 및 온도장(temperature field)은, 피제어 환경내의 이산점에 있어서의 3D 속도 벡터 및 1D 온도 벡터로서 규정될 수 있다는 추가의 인식에 근거한다. 임의의 시점에 있어, 기류 속도 및 온도장은, 기류의 지배적 구조의 온도 및 속도의 조합으로서 기술될 수 있다. 몇몇 놈(norm)에 의해 측정되는, 이러한 지배적 구조의 강도는 통상, 시간에 관해 정지하고 있지 않다. 지배적 구조의 시간 진전, 즉, 동태에 대한 정보를 이용하여, 센서 잡음에의 의존성을 저감하는 상황 선택 프로세스 동안 추가의 제약을 형성할 수도 있다.
게다가 본 발명의 몇몇 실시 형태는, 시스템의 복잡한 모델을 그 시스템보다 단순한 모델로 나타내는 문제를, 보다 단순한 모델의 시스템을 제어하고, 시스템의 복잡한 모델을 이용해 구할 수 있던 성능 측정치의 기준 궤도를 추적하는 가상 제어 문제로 변환할 수 있다는 이해에 근거한다. 이 가상 제어 문제에 있어, 제어 입력은 보다 단순한 모델의 계수를 포함하고, 가상 제어의 출력은, 입력 계수를 이용하여 보다 단순한 모델에 따라 그 시스템에 대해 구해진 성능 측정치이다. 가상 제어 문제에 대한 해는 제어 입력이며, 즉, 추적 오차(tracking error)를 나타내는 코스트 함수를 저감하는, 보다 단순한 모델의 계수이다. 이 이해에 따르면, 제어 이론법을 이용하여, 가상 제어 문제를 가상적으로 제어하여, 선택된 R0M의 계수를 구할 수 있게 된다.
따라서, 1개의 실시 형태는, 조정 환경 내에서 기류를 생성하는 공기 조절 시스템의 동작을 제어하기 위한 방법으로서, 공기 조절 시스템의 동작 중에 조정 환경 내에서 측정된 기류의 값을 구하는 스텝과, 조정 환경에 대한 미리 결정된 상황의 세트로부터, 기류의 측정된 값에 일치하는 기류의 상황을 선택하는 스텝과, 조정 환경에 대한 미리 결정된 기류의 모델의 세트로부터, 선택된 상황에 대응하는 기류의 모델을 선택하는 스텝과, 선택된 모델을 이용해 기류를 모델화하는 스텝과, 모델화된 기류를 이용하여 공기 조절 시스템의 동작을 제어하는 스텝을 포함하는 방법을 개시한다. 본 방법의 스텝은 콘트롤러의 적어도 하나의 프로세서를 이용하여 실행된다.
다른 실시 형태는, 조정 환경 내에서 유체의 흐름을 생성하는 공기 조절 시스템을 제어하기 위한 시스템으로서, 조정 환경 내에서 흐름의 값을 측정하기 위한 센서의 세트와, 조정 환경 내의 유체 동태의 상황의 세트와, 시스템의 동작 중에 조정된 유체의 속도 및 온도의 값을 연결시키는 유체 동태의 모델의 대응하는 세트를 기억하는 메모리와, 모델화된 흐름에 근거하여 시스템의 동작을 제어하는 콘트롤러를 구비하고, 콘트롤러는 흐름의 측정된 값에 일치하는 상황을 선택하고, 선택된 상황에 대응하는 모델을 선택하고, 선택된 모델을 이용하여 모델화된 흐름을 결정하는 프로세서를 포함하는 시스템을 개시한다.
추가로 다른 실시 형태는, 공기 조절 시스템으로서, 설정점(setpoint)을 수신하기 위한 유저 입력 인터페이스와, 조정 환경 내의 기류의 값을 측정하기 위한 센서의 세트와, 열 교환기를 통해서 기류 속도(airflow rate)를 조정하기 위한 팬을 가지는 증발기와, 열 교환기를 통해서 기류 속도를 조정하기 위한 팬을 가지는 응축기와, 시스템을 통해서 냉매를 압축하고 펌핑(pumping)하기 위한 속도를 가지는 압축기와, 증기 압축 시스템의 고압부와 저압부 사이에 조정 가능한 압력 강하를 주기 위한 팽창 밸브와, 조정 환경 내의 유체 동태의 상황의 세트와, 시스템의 동작 중에 조정된 기류의 속도 및 온도의 값을 연결시키는 흐름 동태의 모델의 대응하는 세트를 기억하는 메모리와, 모델화된 기류에 근거하여 동작을 제어하여 설정점을 달성하기 위한 콘트롤러를 구비하고, 콘트롤러는 기류의 측정된 값에 일치하는 상황을 선택하고, 선택된 상황에 대응하는 모델을 선택하고, 선택된 모델을 이용하여 모델화된 흐름을 결정하기 위한 프로세서를 포함하는 공기 조절 시스템을 개시한다.
정의
본 발명의 실시 형태를 설명할 때에, 전체를 통해서 (상기를 포함하는) 이하의 정의가 적용가능하다.
「제어 시스템」 또는 「콘트롤러」는 다른 디바이스 또는 시스템의 거동을 관리, 명령, 유도 또는 규제하는 디바이스 또는 디바이스의 세트를 가리키고 있다. 제어 시스템은 소프트웨어 또는 하드웨어의 어느 하나에 의해, 실현될 수 있고, 하나 또는 복수의 모듈을 포함할 수 있다. 피드백 루프를 포함하는 제어 시스템은 마이크로 프로세서를 이용하여 실현할 수 있다. 제어 시스템은 내장 시스템으로 할 수 있다.
「공기 조절 시스템」, 또는 난방, 환기 및 공기 조절(HVAC) 시스템은 열 역학, 유체 역학 및/또는 열 전달의 원리에 근거해, 증기 압축 사이클을 이용하여, 시스템의 컴포넌트를 통해서 냉매를 이동시키는 시스템을 가리키고 있다. 공기 조절 시스템은, 건물의 거주자에 바깥 공기만을 공급하는 시스템으로부터, 건물의 온도를 제어할 뿐인 시스템, 온도 및 습도를 제어하는 시스템까지 매우 광범위한 시스템의 세트에 이른다.
「공기 조절 시스템의 컴포넌트」는, 제어 시스템에 의해 제어 가능한 동작을 가지는 시스템의 임의의 컴포넌트를 가리키고 있다. 그러한 컴포넌트는, 한정하지는 않지만, 냉매를 압축하여 시스템 안으로 들여 보내기 위한 가변 속도를 갖는 압축기와, 시스템의 고압 부분과 저압 부분 사이에서 조정 가능한 압력 강하를 주기 위한 팽창 밸브와, 각각 열 교환기를 통과하는 기류 속도를 조정하기 위한 변속 팬을 내장하는, 증발 열 교환기 및 응축 열 교환기를 포함한다.
「증발기」는 열 교환기를 통과하는 냉매가 열 교환기의 길이에 걸쳐 증발하고, 그 결과, 열 교환기의 출구에 있어서의 냉매의 비엔탈피(specific enthalpy)가 열 교환기의 입구에서의 냉매의 비엔탈피보다 높아져, 냉매가 전체적으로 액체로부터 기체로 변화하는, 증기 압축 시스템 내의 열 교환기를 가리키고 있다. 공기 조절 시스템 내에 1개 또는 복수의 증발기가 존재하는 경우가 있다.
「응축기」는, 열 교환기를 통과하는 냉매가 열 교환기의 길이에 걸쳐 응축하고, 그 결과, 열 교환기의 출구에 있어서의 냉매의 비엔탈피가 열 교환기의 입구에서의 냉매의 비엔탈피보다 낮아져, 냉매가 전체적으로 기체로부터 액체에 변화하는, 증기 압축 시스템 내의 열 교환기를 가리키고 있다. 공기 조절 시스템 내에 1개 또는 복수의 응축기가 존재하는 경우가 있다.
「제어 신호의 세트」는, 증기 압축 시스템의 컴포넌트의 동작을 제어하기 위한 특정의 입력값을 가리키고 있다. 제어 신호의 세트는 한정하지는 않지만, 압축기의 속도치, 팽창 밸브의 위치, 증발기내의 팬의 속도 및 응축기내의 팬의 속도를 포함한다.
「설정점」은, 공기 조절 시스템 등의 시스템이 동작의 결과로서 도달하고, 유지하는 것을 목표로 하는 목표치를 가리키고 있다. 설정점이라는 용어는, 특정의 제어 신호의 세트, 및 열역학 파라미터 및 환경 파라미터의 임의의 특정의 값에 적용된다.
「중앙 처리 유닛(CPU)」 또는 「프로세서」는, 소프트웨어 명령을 읽어내 실행하는 컴퓨터 혹은 컴퓨터의 컴포넌트를 가리키고 있다.
「모듈」또는 「유닛」은, 태스크 또는 태스크의 일부를 실행하는 컴퓨터에 있어서의 기본 컴포넌트를 가리키고 있다. 「모듈」 또는 「유닛」은, 소프트웨어에 의해서도 하드웨어에 의해서도 실시할 수 있다.
도 1a는 본 발명의 일 실시 형태에 따른 공기 조절 시스템의 블럭도이다.
도 1b는 본 발명의 몇몇 실시 형태에 의한, 방을 공기 조절하는 일례의 개략도이다.
도 1c는 본 발명의 몇몇 실시 형태에 의한, 조정 환경 내에서 기류를 생성하는 공기 조절 시스템의 동작을 제어하기 위한 방법의 블럭도이다.
도 1d는 본 발명의 일 실시 형태에 의한, 벤트 각(vent angle) 및 방 흡기 온도 중 하나 또는 조합을 제어하기 위한 방법의 블럭도이다.
도 2는 본 발명의 몇몇 실시 형태에 의한, 모델 축약 방법의 블럭도이다.
도 3은 본 발명의 하나의 실시 형태에 의한, 기류 상태의 보다 완전한 세트에 근거하여 오차를 구하기 위한 블럭도이다.
도 4는 본 발명의 몇몇 실시 형태에 의한, 방 등의 조정 환경 내의 센서의 배치를 결정하기 위한 방법의 개략도이다.
도 5는 일 실시 형태에 의한, 최적화 가관측성 그라미안(optimization observability gramian)을 위한 방법의 블럭도이다.
도 6a는 일 실시 형태에 의한, 공기 조절 시스템을 제어하기 위한 기류 상황을 선택하기 위한 방법의 블럭도이다.
도 6b는 본 발명의 다른 실시 형태에 목, 공기 조절 시스템의 동작을 제어하기 위한 방법의 블록이다.
도 7은 본 발명의 하나의 실시 형태에 의한, 현재의 상황을 위한 R0M을 선택하기 위한 방법의 블럭도이다.
도 8a는 제어 환경 내의 상이한 구성 및 경계 조건으로부터 생기는 상이한 상황의 경우의 기류의 지배적 구조를 형성하는 예시적인 패턴을 나타내는 도면이다.
도 8b는 제어 환경 내의 상이한 구성 및 경계 조건으로부터 생기는 상이한 상황의 경우의 기류의 지배적 구조를 형성하는 예시적인 패턴을 나타내는 도면이다.
도 8c는 제어 환경 내의 상이한 구성 및 경계 조건으로부터 생기는 상이한 상황의 경우의 기류의 지배적 구조를 형성하는 예시적인 패턴을 나타내는 도면이다.
도 8d는 제어 환경 내의 상이한 구성 및 경계 조건으로부터 생기는 상이한 상황의 경우의 기류의 지배적 구조를 형성하는 예시적인 패턴을 나타내는 도면이다.
도 9는 본 발명의 일 실시 형태에 의한, 유체 동태의 상황을 반복해서 선택하기 위한 방법의 블럭도이다.
도 1a는 본 발명의 하나의 실시 형태에 의한, 공기 조절 시스템(100)의 블럭도를 나타낸다. 시스템(100)은 증발기 팬(114), 응축기 팬(113), 팽창 밸브(111) 및 압축기(112) 등의 컴포넌트의 하나 또는 조합을 포함할 수 있다. 시스템은, 예컨대, 서모스탯(thermostat)으로부터의 설정점(115) 및 센서(130)로부터의 판독값을 수신하고, 컴포넌트의 동작을 제어하기 위한 제어 신호의 세트를 출력하는 역할을 담당하는 콘트롤러(120)에 의해 제어할 수 있다. 감시용 콘트롤러(120)가, 제어 신호의 세트를 대응하는 컴포넌트를 위한 특정의 제어 입력의 세트로 변환하기 위한 제어 디바이스의 세트에 동작 가능하게 접속된다. 예컨대, 감시용 콘트롤러는 압축기 제어 디바이스(122), 팽창 밸브 제어 디바이스(121), 증발기 팬 제어 디바이스(124) 및 응축기 팬 제어 디바이스(123)에 접속된다.
감시용 콘트롤러는 공기 조절 시스템의 동작 중에 조정되는 공기의 흐름 및 온도의 값을 연결시키는 기류 동태의 모델(110)에 동작 가능하게 접속된다. 이와 같이 하여, 감시용 콘트롤러는 주어진 열 부하에 대해 설정점 값이 달성되도록 공기 조절 시스템의 동작을 제어한다. 예컨대, 감시용 콘트롤러는 공기 조절 시스템의 적어도 1개의 컴포넌트에 대해 적어도 1개의 제어 입력을 결정 및/또는 갱신하여, 모델을 이용해 성능 결정 지표를 최적화한다. 시스템(100)의 다른 구성도 가능하다.
또, 시스템(100)은, 기류 동태의 모델의 파라미터를 갱신하기 위해서 최적화 콘트롤러(140)에 의해 제어된다. 몇몇 실시 형태에서는, 최적화 콘트롤러(140)는 반복적으로, 예컨대, 1 제어 스텝마다, 또는 복수의 제어 스텝마다 모델(140)을 갱신하고, 모델에 따라 구해진 기류의 값과 시스템(100)의 동작 중에 센서(130)에 의해 측정된 기류의 값 사이의 오차를 저감한다.
여러 실시 형태에 있어, 감시용 콘트롤러 및 최적화 콘트롤러는 단일의 시스템 또는 별개의 시스템으로서 실현되고, 본 명세서에서 포괄적으로 콘트롤러라고 부른다. 콘트롤러는 모델(110)을 기억하는 메모리와, 시스템(100)의 동작을 제어하고, 동작 중에 모델을 갱신하기 위한 프로세서를 포함할 수 있다.
본 발명의 몇몇 실시 형태에서는, 콘트롤러의 목적 중 하나는, 측정된 시스템의 성능을 성능 지표(metric of performance)에 따라 최적화하는 것이다. 지표의 예는, 한정하지는 않지만, 동작 중에 시스템에 의해 소비되는 에너지 및 시스템의 효율을 포함한다.
도 1b는 본 발명의 실시 형태에 의한, 방(160)을 공기 조절하는 일례의 개략도를 나타낸다. 이 예에서는, 방(160)은, 문(161)과, 적어도 하나의 창(165)을 가진다. 방의 온도 및 기류는, 환기 유닛(101)을 통하여, 시스템(100) 등의 공기 조절 시스템에 의해 제어된다. 방 내의 주어진 점에 있어서의 기류의 속도를 측정하기 위한 적어도 1개의 기류 센서(131), 및 실온을 측정하기 위한 적어도 1개의 온도 센서(135) 등의 센서의 세트(130)가 실내에 배치된다. 다른 타입의 환경, 예컨대, 복수의 HVAC 유닛을 갖는 방, 또는 복수의 방을 가지는 주택을 생각할 수 있다.
도 1c는 본 발명의 몇몇 실시 형태에 의한, 조정 환경 내에서 기류를 생성하는 공기 조절 시스템의 동작을 제어하기 위한 방법의 블럭도를 나타낸다. 이 방법의 스텝은, 콘트롤러의 적어도 하나의 프로세서를 이용해 실행된다.
이 방법은, 공기 조절 시스템의 동작 중에 공기 조절 장치의 흐름 및 온도의 값을 연결시키는 기류 동태의 모델(110)을 갱신한다(170). 여러 실시 형태에 있어, 갱신 스텝(170)은 모델(110)에 의해 구해진 기류의 값(175)과, 예컨대, 센서(130)에 의해 동작 중에 측정된 기류의 값(137) 사이의 오차를 반복적으로 저감한다.
다음에, 갱신된 모델(110)은 기류(185)를 모델화하기(180) 위해 사용되고, 공기 조절 시스템의 동작은 모델 기류(185)를 이용하여 제어된다(190). 갱신의 반복성에 기인하여, 값(175)을 구하기 위해 사용되는 모델(110)은, 선행하는 반복 중에 미리 갱신되어 있고(170), 모델화된 기류(185)를 구하기 위해서 사용되는 모델(110)은 현재의 반복 중에 갱신된다.
도 1d는 본 발명의 하나의 실시 형태에 따른, 공기 조절 시스템의 벤트 각 및 방 흡기 온도 중 하나 또는 조합을 제어하고, 실내 혹은 특정의 장소에 있어 설정점을 유지하기 위한 방법의 블록도를 나타낸다. 온라인 최적회기(195)가 추정기(191)로부터 열 부하 추정치를 취득하고, 갱신된 모델(110)을 이용하여 벤트 각을 구한다. 벤트 각은 기류를 최적화하고, 그것에 의해, 설정점을 내려 공기 조절 시스템의 효율을 최적화할 수 있다. 예컨대, 온라인 최적화기(195)는, 변경된 설정점을 콘트롤러(190)에 출력할 수 있고, 벤트 각을 시스템(100)에 출력할 수 있다. 감시용 콘트롤러(120)는 주어진 장소에 있어 설정점을 달성하기 위해서, 결정된 흡기 온도에서 시스템(100)을 동작시킨다.
본 발명의 몇몇 실시 형태는, 모델이 기류의 동태를 정확히 나타내고, 예컨대, 창 또는 문의 개폐에 의해 초래되는, 방(160) 등의 조정 환경 내의 변화에 적응할 수 있도록, 기류 동태의 모델을 결정하고 갱신하는 문제를 다룬다. 따라서, 몇몇 실시 형태는, 실시간의 갱신 및 제어에 적절한 저차원의 모델을 사용한다. 예를 들면, 몇몇 실시 형태에서, 모델은, 브시네스크 방정식에 의한 기류의 물리 모델보다 적은 수의 파라미터를 가지는 차수 저감 모델을 포함하고, 브시네스크 방정식은 편미분 방정식(PDE)이며, 차수 저감 모델은 상미분 방정식(0DE)이다.
그 때문에, 몇몇 실시 형태는, 예컨대, 무한 차원의 복잡한 모델을, 보다 낮은 차원, 예를 들면, 유한 차원의 보다 단순한 모델로 축약하는 것을 지향하는 모델 축약 문제를 다룬다. 이와 관련하여, 모델 축약 문제는 복잡한 모델에 의한 시스템의 성능 측정치와 보다 단순한 모델에 의한 시스템의 성능 측정치 사이의 오차가 최소화되도록, 보다 단순한 모델의 모든 파라미터 혹은 계수를 결정한다. 예컨대, 기류 모델화, 추정 및 제어의 용도에 있어, 기류를 나타내는 PDE 모델을, 차원이 보다 낮고 보다 복잡하지 않는 ODE 모델로 변환할 필요가 있다. 그러한 축약에 의해, 공기 조절 시스템 등의 기류 시스템의 실시간 제어를 가능하게 할 수 있다.
예를 들면, 물리학의 원리에 의하면, 기류 동태의 물리 모델은 브시네스크 방정식으로도 불리는 PDE로 모델화할 수 있다. 브시네스크 방정식은, 그 엄밀한 해가 무한 차원 공간 내에 존재하므로, 닫힌 형태로 (비선형으로) 푸는 것이 어렵고, 수치적으로 푸는 것에 계산 비용이 들지만, 기류 동태의 모든 주파수 또는 모드를 포함한다.
브시네스크 방정식은 이하에 의해 주어진다.
Figure 112017092782763-pct00001
이 방정식에서, T는 온도 스칼라 변수이고,
Figure 112017092782763-pct00002
는 3 차원에 있어서의 속도 벡터이다. 여기서,
Figure 112017092782763-pct00003
는 점도(viscosity)이며, 레이놀드(Reynold) 수의 역수이며, k는 열 확산 계수이며, p는 압력 스칼라 변수를 나타낸다.
연산자
Figure 112017092782763-pct00004
와
Figure 112017092782763-pct00005
는 이하와 같이 정의된다.
Figure 112017092782763-pct00006
브시네스크 방정식은, 실내의 기류와 온도 사이의 결합을 기술하지만, 무한 차원으로 된다. 게다가 브시네스크 방정식은, PDE의 경계 조건이 경시적으로 변화하고 있는 불확정 조건, 또는 PDE에 관여하는 계수 중 하나가 변화하고 있는 경우를 가진다. 이러한 수학적 변화는 실제로, 실내의 어떠한 실제의 변화를 반영한다. 예를 들면, 실내의 창 또는 문의 개폐는, 브시네스크 PDE의 경계 조건을 변경한다. 마찬가지로, 기상 변화, 예컨대, 일 마다의 변화 또는 계절 마다의 변화가, 실내 온도와 실외 온도 사이의 차에 영향을 미친다. 그에 의해, PDE 계수 중 몇 개인가가 영향을 받을, 예컨대, 레이놀드 수가 영향을 받을 가능성이 있다.
이들 모든 시나리오에 있어, 이용가능한 모델 축약 기법은, 상기의 모든 시나리오, 즉, 파라미터 불확정 및 경계 조건 불확정을 커버하는, 실내의 기류의 차수 저감(또는 차원 저감) 모델을 취득하는 통일된 수법을 가질 수는 없다.
본 발명의 몇몇 실시 형태는, 시스템의 복잡한 모델을 시스템의 보다 단순한 모델로 나타내는 문제를, 보다 단순한 모델의 시스템을 제어하여 시스템의 복잡한 모델을 이용해 구해진 성능 측정치의 기준 궤도를 추적하는 가상 제어 문제로 변환할 수 있다는 이해에 근거한다. 이 가상 제어 문제에 있어, 제어 입력은 보다 단순한 모델의 계수를 포함하고, 가상 제어의 출력은, 입력 계수를 이용하여 보다 단순한 모델에 따라 그 시스템에 대해 구해진 성능 측정치이다.
예컨대, PDE 모델을 0DE 모델로 축약하는 것은, 가상 제어 문제라고 볼 수 있고, 그 경우, 피제어 출력은 주어진 시간 간격에 걸치는 0DE 해이며, 기준 시변 출력 궤도는 PDE 모델 해이며, 제어 신호는 0DE 모델의 계수이다.
가상 제어 문제에 대한 해는 제어 입력이며, 즉, 추적 오차를 나타내는 코스트 함수를 최소화하는, 보다 단순한 모델의 계수이다. 이 이해에 따르면, 모델 프리 제어 최적화법(model free control optimization method)을 이용해, 가상 제어 문제를 가상적으로 제어하여, 보다 단순한 모델의 계수를 구할 수 있게 된다.
예를 들면, 본 발명의 하나의 실시 형태에서는, 차수 저감 모델(R0M)은 2차 형식
Figure 112017092782763-pct00007
을 갖는다. 다만, b, A, B는 PDE 방정식의 정수에 관련되고, 사용되는 모델 축약 알고리즘의 타입에 관련되는 정수이며, x r 는 저감된 차원 r로 되고, 차수 저감 상태의 벡터를 나타낸다. 시스템 x의 원래 상태는, 이하의 간단한 대수 방정식을 이용해, x r 로부터 재생할 수 있다.
Figure 112017092782763-pct00008
다만, x는 통상, PDE 방정식의 공간 이산화로부터 취득되는, 방의 n개의 소망하는 점 또는 장소에 있어서의 실내 기류 및 실온을 포함하는, 높은 차원 n >> r의 벡터이며, 다만, x는 통상, PDE 방정식의 공간 이산화로부터 취득되는, 방의 n개의 소망하는 점 또는 장소에 있어서의 실내 기류 및 실온을 포함하는, 높은 차원 n >> r의 벡터이며, Φ는 R0M의 모드 또는 기저 벡터라고 불리우는 주어진 벡터를 연결하는 것에 의해 형성되는 행렬이다. 이러한 모드는, 어떠한 모델 축약 방법이 사용되는지에 따라 상이하다. 예컨대, 고유 직교 분해(P0D) 또는 동적 모드 분해(DMD) 법 등을 사용할 수 있다.
그렇지만, R0M 모델을 푸는 결과로서, 불안정한(유한의 시간 서포트(time support)에 걸쳐 발산하는) 해가 생성될 수 있는데, 이는 해를 항상 안정시키는, 즉, 한정된 시간 서포트에 걸쳐 유계(bounded)로 하는 점성 항(viscous term)을 가지는 원래의 PDE 모델의 물리적 특성을 재현하지 않는다.
따라서, 몇몇 실시 형태는, 차수 저감 모델과 물리 모델 사이의 차이를 나타내는 안정성 파라미터를 추가하는 것에 의해, 차수 저감 모델을 변경한다. 안정성 파라미터는, 본 발명의 몇몇 실시 형태에 의해 사용되는 간략화된 모델의 안정성을 확보하고, 모델에 따라 구해진 기류의 값과 동작 중에 측정된 기류의 값 사이의 오차를 검출하는 것에 응답하여, 안정성 파라미터만을 갱신할 수 있도록 하고, 그에 의해 갱신(170)을 간단하게 한다.
따라서, 본 발명의 몇몇 실시 형태에 의하면, 기류 동태의 모델(110)은
Figure 112017092782763-pct00009
이다. 다만, F는 R0M 모델 해를 안정시키기 위해서 추가되는 추가 항, 즉, 안정성 파라미터이다. 이 항은, 그 독립 변수의 선형 함수 또는 비선형 함수로 할 수 있다. K 항은 ROM이 원래의 PDE 모델의 동태 혹은 해를 재현할 필요가 있을 뿐만 아니라, 안정성도 확보하기 위해서 조정되어야 하는 계수의 벡터를 나타낸다.
몇몇 실시 형태에서 사상 F는
Figure 112017092782763-pct00010
이다. 다만, K는 기류 동태의 모델의 안정성을 확보하는 안정성 계수의 벡터이다. 벡터 K의 계수는 반복 최적화에 근거한 튜닝을 이용하여 최적화할 수 있다.
도 2는 본 발명의 몇몇 실시 형태에 의한, 모델 축약 방법의 블럭도를 나타낸다. 예를 들면, 1개의 실시 형태는, 안정성 제약(225)을 조건으로 하여, 모델에 따라 구해진 기류의 값과 동작 중에 측정된 기류의 값 사이의 오차(260)의 코스트 함수(210)를 최적화하는(220) 것에 의해, 안정성 파라미터로 변경된 간략화된 차수 모델(240)을 갱신한다.
예를 들면, 1개의 실시 형태에서는, 최적화(220)는 이하에 따라, 안정성 제약(225)을 조건으로 하여, 오차의 코스트 함수(210)를 최소화하는 것을 포함한다.
Figure 112017092782763-pct00011
여기서, 오차는
Figure 112017092782763-pct00012
를 포함하고, 여기서 x(t)는 시점 t에서 모델에 따라 구해진 기류의 값이며 x m (t)는 시점 t에서 동작 중에 측정된 기류의 값이다.
코스트 함수는
Figure 112017092782763-pct00013
를 포함하고, 여기서 W는 양의 정치 가중 행렬(positive definite weight matrix)이고, t 0,t f 는 동작의 주어진 시간 간격의 초기값 및 최종값이며, T는 전치 연산자(transpose operator)이다.
몇몇 실시 형태에 있어, 갱신(170)은 안정성 제약을 조건으로 한, 안정성 파라미터(230) 및/또는 안정성 계수의 벡터만의 갱신을 포함한다. 예컨대, 안정성 계수의 벡터에 관한 안정성 제약은,
Figure 112017092782763-pct00014
이고, 여기서, eig(.)는 행렬(.)의 고유치를 나타내고, 행렬
Figure 112017092782763-pct00015
는
Figure 112017092782763-pct00016
이다.
몇몇 실시 형태에서, 코스트 함수의 최적화(220)는 공기 조절 시스템의 동작 중에 온라인으로 실행된다. 예컨대, 1개의 실시 형태는, 코스트 함수의 구배(gradient)의 수치 평가를 수반하는 구배 강하법을 이용하여 코스트 함수를 최적화한다. 다른 실시 형태는, 상이한 기존의 비선형 계획법을 이용하여, 최적화 문제를 온라인으로 푼다(220). 최적화 문제를 푸는 결과로서, 최적인 계수(230)가 생성되고, 그러한 계수를 이용하여, 상기의 함수 F를 갱신하는 것에 의해 R0M(240)을 갱신한다.
본 발명의 몇몇 실시 형태는, 공기 조절 시스템에 의해 조정된 환경 내에 배치되는 센서의 세트에 의해 측정된 기류의 복수 상태의 서브 세트와, 모델을 이용해 구해진 기류의 복수 상태의 대응하는 서브세트 사이의 오차를 구한다. 이 경우, 코스트 함수(210)는, x의 피측정 성분과, ROM 해 벡터의 대응하는 성분 사이의 오차(260)의 함수에 불과하다.
도 3은 본 발명의 하나의 실시 형태에 의한, 기류의 복수 상태의 보다 큰 서브세트에 근거하여 오차(260)를 구하기 위한 방법의 블록도를 나타낸다. 이 실시 형태는, 공기 조절 시스템에 의해 조정된 환경 내에 배치된 복수의 센서의 세트에 의해 측정된 기류의 복수 상태의 서브세트를 구한다(310). 이 실시 형태는, 측정된 상태의 서브세트에 대응하는 기류의 복수 상태의 모델화된 서브세트를 생성하는 모델을 이용해 기류를 모델화하고(320), 복수 상태의 측정된 서브세트와, 복수 상태의 모델화된 서브세트 사이의 오차를 구한다(330).
도 4는 본 발명의 몇몇 실시 형태에 의한, 방(160) 등의 조정 환경 내의 복수의 센서의 배치를 결정하기 위한 방법의 개략도를 나타낸다. 이러한 실시 형태는, 실내의 공기의 온도 및 흐름의 벡터 x의 모든 성분을 측정하는 것은 비현실적이라는 인식에 근거한다. 따라서, 이러한 실시 형태는, 0DE 또는 PDE(410)의 가관측성 그라미안을 최적화(420)하도록, 복수의 센서의 배치를 최적으로 결정한다(430).
도 5는 본 발명의 하나의 실시 형태에 의한 최적화 가관측성 그라미안을 위한 방법의 블럭도를 나타낸다. 이 실시 형태는, 소망하는 가관측성 인덱스를 선택한다(510). 예컨대, 이 실시 형태는, 가관측성 인덱스를 가관측성 그라미안으로서 선택하고, 그것은 시스템 PDE 또는 0DE 모델의 계수의 함수로서 규정되는 가관측성 행렬의 랭크이다. 그 후, 가관측성 그라미안을, 복수의 센서의 위치의 벡터에 대해 증가시킨다, 예컨대, 최대화한다(520). 이 최대화 문제의 해는, 복수의 센서 위치의 최적의 선택을 부여한다(530).
몇몇 실시 형태는, 상이한 조건 하에서 공기 조절 시스템이 동작하는 결과로서, 유체 동태의 상이한 상황이 생길 가능성이 있다는 인식에 근거한다. 본 명세서에서 검토되는 피제어 환경에 있어, 기하학적 배치, 경계 조건 및 외란이 경시적으로 변화할 가능성이 있다. 그러므로, 그러한 환경 내의 공기 조절 시스템의 제어는, 실행 시간 중에 이러한 변경에 적응하여 대응하여야 한다.
예컨대, 방의 문 및 창이 닫혀졌을 경우에는, 실내의 기류는 일정한 흐름 패턴 및 동태를 가지고, 창 중 하나가 열렸을 경우에는, 기류는 상이한 흐름 패턴 및 동태를 가진다. 유사한 흐름 패턴 및 동태를 가져오는 1개 혹은 복수의 동작 조건의 집합이, 본 명세서에서 상황(regime)이라고 부른다. 본 발명의 몇몇 실시 형태는, 복잡도가 낮은 저차원 모델은, 갤러르킨 투영과 같은, 여러 저차원 기법을 이용해 도출할 수 있는 인식에 근거한다. 이 투영의 결과로서, 유체 동태의 모든 상황의 경우에 동일한 ROM이 생기고, 그것은 준최적이다.
따라서, 몇몇 실시 형태는, 동작 중의 주어진 시점에 있어 유체 동태의 상황을 판단하고, 그 상황을 위한 유체 동태의 모델을 선택한다. 상이한 상황을 상이한 R0M 및/또는 R0M의 대응하는 파라미터로 나타낼 수 있으므로, 그러한 선택은 유리하다.
도 6a는 하나의 실시 형태에 의한, 공기 조절 시스템을 제어하기 위한 기류의 상황 또는 유체의 임의의 다른 운동을 선택하기 위한 방법의 블럭도를 나타낸다. 그 방법은, 상이한 상황에 대한 물리 모델(640)의 가능한 ROM을 생성하고(630), 그 후, 상이한 상황에 대한 모델을, 동작 중에 측정된 기류 및 온도의 값(610)으로부터 재구성된 모델과 비교한다. 예를 들면, 실시간 모델 재구성은 압축 센싱(620)을 이용해 실시할 수 있다. 마지막으로, 그 방법은, 동작의 지배적 상황에 연관되는 ROM을 선택한다.
1개의 실시 형태에서는, 측정치 x m 를 이용해, 이하의 압축 센싱 문제를 푼다.
Figure 112017092782763-pct00017
여기서, tol은 소망하는 허용치이다.
여기서, 행렬
Figure 112017092782763-pct00018
은 PDE 모델에 의해 예측되는(640) 모든 가능한 상황으로부터 생성되는(630) 모든 가능한 모드를 연결하는 것에 의해 취득되는 것을 강조해 둔다. 이 경우, 상기 압축 센싱 문제가 풀릴 때(620), 벡터 x r 의 성분의 진폭은 측정이 행해진 시점에서의 지배적인 상황을 나타낸다. 예컨대, 벡터 x r 의 최초의 3개의 요소가 다른 요소보다 훨씬 큰 경우에는, 최초의 3개의 모드가 지배적인 모드이고, 그 때, 연관되는 상황이 지배적인 상황으로 선택된다(650). 다른 실시 형태에서는, 압축 센싱 최적화 문제의 정의에서, 다른 놈(norm), 예컨대, lp-norm p>1을 사용할 수 있다.
도 6b는 본 발명의 다른 실시 형태에 의한, 조정 환경 내에서 기류를 생성하는 공기 조절 시스템의 동작을 제어하기 위한 방법의 블럭도를 나타낸다. 이 실시 형태는, 공기 조절 시스템의 동작 중에 조정 환경 내에서 측정된 기류의 값(610)을 구하고(615), 조정 환경을 위한 미리 결정된 상황의 세트(655)로부터, 기류의 측정된 값에 일치하는 기류의 상황(650)을 선택한다(625).
상황의 세트(655) 및 모델의 대응하는 세트(660)는, 여러 시뮬레이션 및 차원 저감 기법을 이용하여 오프라인으로 미리 결정하고, 예컨대, 콘트롤러(120)의 프로세서에 동작 가능하게 접속되는 메모리에 기억할 수 있다. 기류의 상황의 세트(655) 및 모델의 대응하는 세트(660)의 그러한 오프라인 결정에 의해, 이 실시 형태는 공기 조절 시스템의 동작 중에 기류의 동태의 현재 상황에 대응하는 모델(665)을 선택할 수 있게 된다. 상이한 상황은, 상이한 차수 저감 모델(R0M) 및/또는 ROM의 대응하는 파라미터로 나타낼 수 있으므로, 그러한 선택은 유리하다. 다음에, 이 실시 형태는, 선택된 모델을 이용해 기류를 모델화하고(645), 모델화된 기류를 이용해 공기 조절 시스템의 동작을 제어한다.
본 발명의 몇몇 실시 형태는, 기류 상황을, 지배적 구조 및 그 시간 진전, 즉, 유체 동태에 의해 나타낼 수 있다는 인식에 근거한다. 기류의 지배적 구조는, 피제어 환경 내의 공기의 운동에 관한 제약과, 그 온도 분포를 가리킨다. 그러므로, 이러한 제약은 그러한 제약을 충족하는 공기의 운동의 파라미터를 규정한다. 그 때문에, 기류의 지배적 구조는, 상이한 힘이 해수의 연속한 유향 운동을 생성할 수 있는 해양의 조류와 유사하다. 식별 가능한 패턴을 형성하는 해양의 조류와 마찬가지로, 1개의 상황에 대응하는 지배적 구조는, 피제어 환경 내에 1개의 패턴을 형성하고, 그것은 상황의 지문 인증으로서의 역할을 다할 수 있다.
도 8a, 도 8b, 도 8c 및 도 8d는 제어 환경 내의 상이한 구성 및 경계 조건으로부터 생기는 상이한 상황에 대한 기류 및 지배적 구조를 형성하는 패턴(810, 820, 830, 840)을 나타낸다. 기류의 이러한 패턴을 파라미터화하는 것에 의해, 기류 상황의 세트를 결정할 수 있다.
일 실시 형태에서는, 기류 속도 및 온도장은 피제어 환경 내의 이산점에 있어서의 3D 속도 벡터 및 1D 온도 벡터의 값으로서 규정된다. 임의의 시점에 있어, 기류 속도 및 온도장은 기류의 지배적 구조의 온도 및 속도의 조합으로서 나타낼 수 있다. 몇몇 놈에 의해 측정되는, 이러한 지배적 구조의 강도는 통상, 시간에 관해서 고정되어 있지 않다. 지배적 구조의 시간 진전(즉, 동태)에 대한 정보를 이용하여, 센서 잡음에의 의존성을 저감하는, 상황 선택 프로세스 동안의 추가의 제약을 형성할 수도 있다.
따라서, 몇몇 실시 형태에서는, 기류의 값은, 조정 환경 내의 장소의 세트에 있어서의 기류의 속도 및 온도 측정치를 포함하고, 상황은 기류의 값의 함수를, 각각의 사전결정된 상황의 구조를 나타내는 제약과 비교하는 것에 의해 선택된다. 예컨대, 측정된 값, 제어되는 환경 내의 기류의 운동의 패턴, 예컨대 패턴(810, 820, 830, 또는 840)의 적어도 부분적인 정보를 이용하는 일 실시 형태는 부분적인 정보를 각 상황의 패턴의 대응하는 값과 비교하고, 기류의 측정된 값에 일치하는 최선의 상황을 선택한다.
몇몇 실시 형태는, 지배적 구조만을 이용해 기류를 나타내는 경우에는, 그러한 표현은 기류를, 피제어 환경 내의 가능한 흐름 패턴 중에서 스파스(sparse)하게 한다는 인식에 근거한다. 이러한 인식은, 기류의 지배적 구조를 나타내는 신호가 스파스하다는 것과, 기류의 지배적 구조의 가능한 값의 제한된 범위의 조합에 의해, 나이퀴스트 샘플링 속도 미만의 샘플링 속도에서 샘플링된 신호를 재생하기 위해서 사용되는 여러 압축 센싱 기법을 이용해, 실제의 기류의 지배적 구조를 재구성할 수 있게 된다는 이해로 연결된다.
도 7은 본 발명의 일 실시 형태에 의한, 현재의 상황에 대한 모델을 선택하기 위한 방법의 블록도를 나타낸다. PDE 시뮬레이션 데이터베이스(710)를, 압축 센싱 알고리즘(750)에 공급되는 흐름 및 온도의 실제의 측정치(730)와 함께 이용해, 현재의 상황(760)을 검출한다. 이 실시 형태는 압축 센싱을 이용하여, 기류의 측정된 값을 각 상황의 패턴과 비교하고, 기류의 측정된 값에 가장 일치하는 상황을 선택하고, 그 후 연관되는 모델, 예컨대, 모델(720 또는 740)을 선택한다.
임의 선택으로 가상 추적을 더욱 이용하여, 선택된 모델의 파라미터를 갱신한다. 예컨대, 선택된 모델을 더욱 풀어, 기류의 값을 추정하고, 추정된 값이 기류의 측정된 값(730)과 비교된다(770). 취득된 오차(770)를 최적화 알고리즘(780)에 제공하여, 모델(790)의 몇몇 계수를 최적화하고, 모델화된 기류 및 온도의 결정을 개선한다.
지배적 구조를 결정하는 본 발명의 몇몇 실시 형태는, 기류 상황을 지배적 구조와 그 시간 진전, 즉, 동태에 의해 나타낼 수 있다는 인식에 근거한다. 그러한 구조는, 고유 직교 분해(POD) 또는 동적 모드 분해(DMD)와 같은 여러 특징 추출 기법에 의해 특정할 수 있고, 상황에 관한 식별자로서의 역할을 다할 수 있다. 몇몇 실시 형태에 있어, 기류 상황의 세트 내의 각 상황은, 예컨대, POD법 및/또는 DMD법을 이용해 구해진 기저 요소의 블럭으로서 나타내진다.
고유 직교 분해
해
Figure 112017092782763-pct00019
를 갖는 형식
Figure 112017092782763-pct00020
의 동적 시스템을 가정한다. 여기서,
Figure 112017092782763-pct00021
는 (일반적으로) 비선형의 함수이며, t는 독립한 시간 변수를 나타낸다. POD는 L2 센스내의 데이터를 가장 적절히 나타내는 기저를 찾아내 최적화 문제
Figure 112017092782763-pct00022
를 푼다.
POD 기저를 생성하기 위해, 몇몇 실시 형태는 시점
Figure 112017092782763-pct00023
에 있어서의 해의 스냅샷(실험적으로 또는 시뮬레이션에 의함)을 수집하고, 그 값을 행렬
Figure 112017092782763-pct00024
에 기억한다.
일실시 형태는, 모드가 고유치 분해
Figure 112017092782763-pct00025
로부터 계산되는 것임을 드러내는 라그랑쥬(Lagrange)의 미정 승수법에 의해, 최적화 문제 (3)를 푼다. 다만, XX T 는 상관 행렬이다. 함수
Figure 112017092782763-pct00026
는 P0D의 모드 혹은 모델을 나타내는 P0D 기저 함수이다.
Figure 112017092782763-pct00027
는 P0D의 고유치이다.
동적 모드 분해
Figure 112017092782763-pct00028
를 동적 시스템 (1) ~ (2)의 스냅샷의 행렬로 한다. 행렬 X 1 은 X 0 를 1시간 스텝만큼 진행시킨다고 생각할 수 있는 것에 유의할 필요가 있다. DMD는
Figure 112017092782763-pct00029
로 되도록 하는, 선형의 무한 차원의 전진 연산자(forward operator) A(에르고드 이론(ergodic theory)에 있어서의 코프만(Koopman) 연산자로 알려짐)가 존재한다고 하는 가정을 사용한다.
기류를 나타내는 데이터는 유한 차원이므로, 그 연산자는, 행렬로서 나타낼 수 있고, DMD는 기류의 동태를 나타내기 위해서만, 데이터 X 0 , X 1 로부터, 연산자 A의 고유치를 근사한다.
몇몇 실시 형태는, 랭크 빠짐을 제외하기 위해서,
Figure 112017092782763-pct00030
의 특이치(singular value) 분해를 구한다. 그 때,
Figure 112017092782763-pct00031
이고, 여기서 그러한 행렬은 트런케이트된다.
Figure 112017092782763-pct00032
이므로 특이치가 급속하게 감쇠하는 경우에는, 트런케이트 오차는 작다. 그러므로 Vr의 직교성에 의해,
Figure 112017092782763-pct00033
이다. 다음에, 고유치 분해
Figure 112017092782763-pct00034
를 실시하고,
Figure 112017092782763-pct00035
이라고 가정하고, 그것은
Figure 112017092782763-pct00036
를 가져온다. 다음에,
Figure 112017092782763-pct00037
로 하면,
Figure 112017092782763-pct00038
이다.
DMD의 계산은, ns<<n이므로, (간결)사이즈 n×ns의 특이치 분해와 사이즈 ns×ns의 고유치 분해를 수반한다. 행렬 Sr는 일반적으로 비대칭이므로, DMD 모드는 복잡할 가능성이 있다는 것에 유의할 필요가 있다.
몇몇 실시 형태에 대해, 동적 상황에 대한 스파스 기저(sparsity basis)의 생성은 POD 혹은 DMD에 의해 행해진다.
Figure 112017092782763-pct00039
가 d개의 상이한 구성(파라미터/경계 조건)의 세트를 나타내는 것으로 한다. 구성마다, 몇몇 실시 형태는 브시네스크(또는 나비에르-스토쿠스(Navier-Stokes)) 방정식에 관한 시뮬레이션 데이터를 사용한다.
Figure 112017092782763-pct00040
여기서, 해의 스냅샷은 등거리 시간 스크립트 상에 있다. DMD 또는 POD를 통해서, 실시 형태는, 상황 i가
Figure 112017092782763-pct00041
Figure 112017092782763-pct00042
마다 r i 개의 기저 함수를 구하고, 그러한 기저 함수는 상황의 세트
Figure 112017092782763-pct00043
를 생성하고, 여기서
Figure 112017092782763-pct00044
이고, 표기의 편의상
Figure 112017092782763-pct00045
이다.
상황 선택(Regime Selection)
본 발명의 몇몇 실시 형태는, 흐름 동태의 상황의 세트를 미리 결정하고, 압축 센싱을 이용하여, 피제어 환경 내의 흐름 조건을 미리 정의된 상황의 어느 것인가에 일치시킨다.
예컨대, 일 실시 형태는,
Figure 112017092782763-pct00046
에 따라 일치하는 상황을 선택하기 위해서, 압축 센싱을 이용하여, 기류의 측정된 값을 각 상황과 비교한다. 여기서,
Figure 112017092782763-pct00047
는 측정 벡터이고,
Figure 112017092782763-pct00048
는 상황의 세트와 관측 행렬과의 승산을 나타내는 행렬이며, a는 상황의 세트
Figure 112017092782763-pct00049
로부터 요소를 선택하기 위해서 사용되는 모달 계수(modal coefficient)의 벡터이다.
물리적인 제한 또는 산업상의 제한은 종종 센싱 기구가 입수할 수 있는 데이터양을 제한한다. 상세하게는, 실내 공기 환경의 경우, 센서의 장소는 종종, 영역의 경계, 예컨대, 벽 또는 천정만으로 할 수 있다. 게다가 그러한 센서는 통상, 국소적인 선형 정보를 수집하고, 그 때문에, 수학적인 환경에 있어서의 포인트 측정치의 사용의 동기가 된다. 포인트 측정치 행렬 C는 이하와 같이 정의된다.
Figure 112017092782763-pct00050
압축 센싱에 있어, 가우스(Gauss) 또는 베르누이 행렬은, 제한있는 등장성(restricted isometry property)을 충족하므로, 그러한 행렬을 사용하는 것이 통례이다. 그렇지만, 그러한 센서 어레이의 실용성은, 흐름 검지 어플리케이션의 경우에 오히려 최저이다. 몇몇 실시 형태에서, 작은 공간 영역에 걸쳐 평균된 속도가 검지되어 측정 행렬 내의 일련의 엔트리를 생성한다.
Xk 가 제 k 상황의 샘플인 경우, 비교를 위해 시스템이 입수 가능한 측정치는
Figure 112017092782763-pct00051
이다. 여기서,
Figure 112017092782763-pct00052
는 평균이 0인 경우 백색 센서 잡음이다. 이러한 실시 형태는 데이터
Figure 112017092782763-pct00053
에 가장 일치하는 상황을 선택한다. 그러므로, 미지 상태는
Figure 112017092782763-pct00054
이다.
일실시 형태는, 행렬
Figure 112017092782763-pct00055
를 정의하고, 그 행렬은 센싱에 이용 가능한 추출된 특징의 행을 포함한다. 이 정의에 따르면, 상황의 세트는
Figure 112017092782763-pct00056
로 되고, 그 결과, (9)를
Figure 112017092782763-pct00057
에 승산하는 것에 의해
Figure 112017092782763-pct00058
가 얻어지고,
Figure 112017092782763-pct00059
는 가역적이다. 따라서, 상기의 식은
Figure 112017092782763-pct00060
으로 다시 쓰여지고,
Figure 112017092782763-pct00061
는 파손되지 않는 측정치이다. 이러한 수순은 제 k 상황에 대한 측정치의 공간으로의 자연스런 정사영을
Figure 112017092782763-pct00062
라고 정의한다.
신호를 부분 공간(subspace)과 비교하기 위해서, 몇몇 실시 형태는, 각 부분 공간
Figure 112017092782763-pct00063
으로의 투영의 놈을 고려하고, 최대치를 선택한다. 그 후, 추정된 부분 공간은
Figure 112017092782763-pct00064
로서 주어지고, 그 때 현재의 잡음에 의해 파손된 데이터와 가장 일치하는 상황이 초래된다. 가장 일치하는 상황이 선택되면, 계수 a k 를 최소 자승해에 의해 재생할 수 있다.
Figure 112017092782763-pct00065
기저
Figure 112017092782763-pct00066
를 가지는 d개의 부분 공간
Figure 112017092782763-pct00067
과, 대응하는 투영 행렬
Figure 112017092782763-pct00068
를 생각한다. 신호가 근사적으로, 이하의 모델 하에서, 단일의 부분 공간 k 내에 존재한다.
Figure 112017092782763-pct00069
여기서, Xin 및 Xout는 각각, 부분 공간 내 및 부분 공간 외를 나타낸다. 비교하기 위해서, 몇몇 실시 형태는, 최적화 문제 (11)을 푼다. 분류 성능을 제한하기 위해서,
Figure 112017092782763-pct00070
를 부분 공간의 일치의 지표로 한다.
Figure 112017092782763-pct00071
인 경우에
Figure 112017092782763-pct00072
를 가정하고,
Figure 112017092782763-pct00073
를 상기와 같이 정의한다. 그 때,
Figure 112017092782763-pct00074
인 경우에는, (11)의 비교는 성공하고 있을 가능성이 높다. 여기서,
Figure 112017092782763-pct00075
는 각각, i, j 상황으로의 정사영 연산자이다.
Figure 112017092782763-pct00076
는 l2 유도 행렬 놈이고,
Figure 112017092782763-pct00077
는 I 상황과 j 상황 사이의 거리를 특징지우는 계수이며,
Figure 112017092782763-pct00078
는 총 신호 x와 부분 공간 외 신호 x out 의 놈 비이다.
일 실시 형태는, 블럭 스파스 프레임워크(block-sparsity framework)를 이용하여 분류 성능을 보증하기 위한 다른 지표를 생각한다. 라이브러리
Figure 112017092782763-pct00079
의 블럭 코히어런스는 이하와 같이 정의된다.
Figure 112017092782763-pct00080
여기서,
Figure 112017092782763-pct00081
의 경우에, r = ri 이다. 게다가,
Figure 112017092782763-pct00082
는 스펙트럼 놈, 즉, A의 가장 큰 특이치를 나타낸다.
확장 DMD 베이스 상황 선택
동적 모드 분해는, 선형 전진 연산자를 근사하는 것에 근거하는 모델 축약/특징 추출 문제이다. 식(5)을 참조할 필요가 있다. 몇몇 실시 형태는, 센싱 기구에 이 선형 사상을 도입한다. 확장 기저의 개념에 따르면, 그러한 실시 형태는, 연속한 측정치의 뱃치(batch)를 단일의 상황으로 분류할 수 있다. 이 때문에, 근저에 있는 동적 시스템으로부터 샘플링된 상태 벡터
Figure 112017092782763-pct00083
와. r개의 기저 벡터의 추출된 DMD 기저
Figure 112017092782763-pct00084
를 생각한다. 상태는, 이하와 같이, 스파스 DMD 기저에 있어 나타내진다.
Figure 112017092782763-pct00085
다만,
Figure 112017092782763-pct00086
는 계수의 미지 벡터이다. 식(7)에 의하면, DMD 기저는, 전진 연산자 A의 고유 벡터를 근사한다. 따라서,
Figure 112017092782763-pct00087
이다. 여기서,
Figure 112017092782763-pct00088
은 A의 최초의 r개의 고유치의 대각 행렬을 나타낸다.
선형 연산자 A의 1 스텝 전진성으로부터,
Figure 112017092782763-pct00089
되고, 마찬가지로,
Figure 112017092782763-pct00090
로 된다.
1 스텝 전진성을 반복해 적용하는 결과로서,
Figure 112017092782763-pct00091
가 생성되고, 그것은, 일실시 형태에 의해 센싱 기구에 도입된다. 그러므로, 후속의 스냅샷은 동일한
Figure 112017092782763-pct00092
(그러므로, 동일한 상황)에 의해 나타낼 수 있고, 데이터를 증가시켜, 비교를 개선할 수 있다.
상세하게는, 상기의 정보는 이하와 같이 나타낼 수 있다.
Figure 112017092782763-pct00093
다음에, 확장 DMD 기저를 이하와 같이 정의하고,
Figure 112017092782763-pct00094
그 결과, 이전의 식을 이하와 같이 고쳐 쓸 수 있다.
Figure 112017092782763-pct00095
동적 시스템
Figure 112017092782763-pct00096
의 출력을 고려하는 것에 의해, 재귀(recursion)는 변경되지 않은 채로 된다. 이 때문에 센싱 행렬
Figure 112017092782763-pct00097
가 주어지는 것으로 하고, 그 대각선 상에 C의 k개의 카피를 갖는 블록 대각 센싱 행렬
Figure 112017092782763-pct00098
을 정의한다. 마찬가지로,
Figure 112017092782763-pct00099
를 정의한다. 그 도출은,
Figure 112017092782763-pct00100
를 가지도록 하는 표기
Figure 112017092782763-pct00101
를 이용하여 정확하도록, 단일의 동적 상황, 예컨대, i의 경우인 것을 생각나게 할 필요가 있다.
도 9는 본 발명의 일 실시 형태에 의한, 유체 동태의 상황(975)을 선택하기 위한(970) 방법의 블럭도를 나타낸다. 이 실시 형태에 있어, 기저 요소(910)의 블럭도가, 고유치(920)에 근거하여, 기저 요소의 시간 진전과 함께 확장된다(930). 예컨대, 기저 요소의 블록은, DMD의 고유 벡터로서 구해진 코프만 고유 모드의 근사를 포함한다.
예컨대, 각 동적 상황 i의 DMD 모드
Figure 112017092782763-pct00102
및 고유치
Figure 112017092782763-pct00103
가 계산될 때, 확장 DMD(940)는,
Figure 112017092782763-pct00104
이다.
따라서, 몇몇 실시 형태는
Figure 112017092782763-pct00105
를 대응하는 확장 블록 스파스 벡터라고 정의한다. 상황 선택의 문제는,
Figure 112017092782763-pct00106
가 되고, 여기서,
Figure 112017092782763-pct00107
는 1 블록 스파스이고,
Figure 112017092782763-pct00108
는 입수 가능한 데이터이다. 그러므로, 확장 선택 문제는 시간 진전 데이터를 기록하기 위한 동일한 공간적인 장소에 배치되는 동일한 수의 센서를 이용하여, 시간에 따라 다수의 시스템 데이터, 즉, 동태를 도입한다.
그 때문에, 이 실시 형태는, 확장 기저 요소(940)를 복수의 시간 인스턴스에 걸쳐 변화하는 기류의 값(950)과 비교하는 것에 의해, 복수의 시간 인스턴스에 있어 측정된 기류의 값(950)을 이용해 상황(975)를 반복해(960) 선택한다(970).
본 발명의 상기의 실시 형태는 다수의 방법 중 어느 것에서 실현될 수 있다. 예컨대, 그러한 실시 형태는, 하드웨어, 소프트웨어 또는 그의 조합을 이용해 실현될 수 있다. 소프트웨어로 실현될 때, 그 소프트웨어 코드는 단일의 컴퓨터 내에 마련되는 것으로 해도, 복수의 컴퓨터 간에 분산되는 것으로 해도, 임의의 적절한 프로세서, 혹은 프로세서의 집합체에서 실행할 수 있다. 그러한 프로세서는 집적 회로서 실현할 수 있고, 집적 회로 컴포넌트 내에 1개 또는 복수의 프로세서가 포함된다. 하지만, 프로세서는 임의의 적절한 구성의 회로를 이용하여 실현될 수가 있다.
또한, 본 명세서에서 설명되는 다양한 방법 혹은 프로세스는, 다양한 오퍼레이팅 시스템 혹은 플랫폼의 어느 하나를 이용하는 1개 또는 복수의 프로세서 상에서 실현 가능한 소프트웨어로서 코드화할 수 있다. 그 방법의 일부로서 실행되는 동작은 임의의 적절한 방법에서 순서화할 수 있다. 따라서, 예시적인 실시 형태에서 순차의 동작으로서 나타내어지는 경우라도, 예시되는 것과는 상이한 순서에서 동작이 실행되는 실시 형태를 구성할 수도 있고, 상이한 순서는 몇몇 동작을 동시에 실행하는 것을 포함할 수 있다.
청구항 요소를 변경하기 위해서 특허 청구의 범위에 있어 「제1의」, 「제2의」 등의 서수의 용어를 사용하는 것은, 그것만으로, 어느 청구항 요소가 다른 청구항 요소보다 우선도가 높은 것, 우위인 것, 혹은 상위에 있는 것을, 또는 방법의 동작이 실행되는 시간적인 순서를 암시하는 것은 아니고, 청구항 요소를 구별하기 위해, 어느 특정의 명칭을 갖는 1개의 청구항 요소를 (서수 용어를 사용하지 않으면) 동일한 명칭을 갖는 다른 요소와 구별하는 라벨로서 단지 사용된다.

Claims (20)

  1. 조정 환경(conditioned environment) 내에서 기류를 생성하는 공기 조절 시스템의 동작을 제어하기 위한 방법으로서,
    상기 공기 조절 시스템의 상기 동작 중에 상기 조정 환경 내에서 측정된 상기 기류의 값을 구하는 스텝과,
    상기 조정 환경에 대한 미리 결정된 상황(regime)의 세트로부터, 상기 기류의 상기 측정된 값에 일치하는 상기 기류의 상황을 선택하는 스텝으로서, 상기 기류의 상기 상황의 세트 내의 각 상황이 기저 요소의 블록으로서 나타내어지고, 상기 선택하는 스텝은 상기 기류의 상기 측정된 값을, 상기 상황의 세트 내의 각 상황을 나타내는 기저 요소의 각 블록과 비교하여, 가장 일치하는 상황을 선택하는 것인, 상기 선택하는 스텝과,
    상기 조정 환경에 대한 미리 결정된 상기 기류의 모델의 세트로부터, 상기 선택된 상황에 대응하는 기류의 모델을 선택하는 스텝과,
    상기 선택된 모델을 이용하여 상기 기류를 모델화하는 스텝과,
    상기 모델화된 기류를 이용하여 상기 공기 조절 시스템의 상기 동작을 제어하는 스텝을 포함하고,
    상기 방법의 스텝은 콘트롤러의 적어도 하나의 프로세서를 이용하여 실행되고,
    상기 모델은 브시네스크 방정식에 의한 상기 기류의 물리 모델보다 적은 수의 파라미터를 가지는 차수 저감 모델을 포함하고, 상기 브시네스크 방정식은 편미분 방정식(PDE)이며, 상기 차수 저감 모델은 상미분 방정식(ODE)인
    공기 조절 시스템의 동작을 제어하기 위한 방법.
  2. 제 1 항에 있어서,
    상기 기류의 상기 값은, 상기 조정 환경 내의 장소의 세트에 있어서의 상기 기류의 속도 측정치 및 온도 측정치를 포함하고,
    상기 상황을 선택하는 스텝은, 상기 기류의 상기 값의 함수를 미리 설정된 각 상황의 구조를 나타내는 제약과 비교하는 것을 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  3. 제 2 항에 있어서,
    상기 측정된 값을 이용하여, 상기 조정 환경 내의 기류의 운동의 패턴의 부분적인 정보를 구하는 스텝과,
    상기 부분적인 정보를 각 상황의 패턴의 대응하는 값과 비교하고, 상기 기류의 상기 측정된 값에 일치하는 최선의 상황을 선택하는 스텝을 더 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  4. 제 1 항에 있어서,
    압축 센싱을 이용하여, 상기 기류의 상기 측정된 값을 각 상황의 패턴과 비교하고, 상기 기류의 상기 측정된 값에 가장 일치하는 상황을 선택하는 스텝을 더 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  5. 제 1 항에 있어서,
    상기 조정 환경 내의 상이한 구성 및 경계 조건으로부터 생기는 상기 기류의 패턴을 파라미터화하는 것에 의해, 상기 기류의 상황의 세트를 결정하는 스텝과,
    압축 센싱을 이용하여, 상기 기류의 상기 측정된 값을 각 상황과 비교하고, 일치하는 상황을 선택하는 스텝을 더 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  6. 제 1 항에 있어서,
    상기 기류의 상기 상황의 세트 내의 각 상황이 기저 요소의 블록으로서 나타내어지고,
    Figure 112019018917752-pct00109
    에 따라, 압축 센싱을 이용하여, 상기 기류의 상기 측정된 값을 각 상황과 비교하여, 일치하는 상황을 선택하는 스텝을 더 포함하고,
    여기서,
    Figure 112019018917752-pct00110
    는 상기 측정된 값의 벡터이고,
    Figure 112019018917752-pct00111
    는 상기 상황의 세트를 나타내는 행렬이며,
    Figure 112019018917752-pct00112
    는 상기 상황의 세트
    Figure 112019018917752-pct00113
    로부터의 요소를 선택하기 위한 모달 계수(modal coefficient)의 벡터인 공기 조절 시스템의 동작을 제어하기 위한 방법.
  7. 제 6 항에 있어서,
    기저 요소의 상기 블록은 동적 모드 분해(DMD)의 고유 벡터로서 구해지는 코프만 고유 모드(Koopman eigenmodes)의 근사를 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  8. 제 6 항에 있어서,
    기저 요소의 상기 블록은 상기 기저 요소의 동태(dynamics)를 나타내는 동적 모드 분해(DMD)의 고유치에 근거하여, 상기 기저 요소의 시간 진전과 함께 확장되는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  9. 제 8 항에 있어서,
    상기 확장된 기저 요소를 복수의 시간 인스턴스에 걸쳐 변화하는 상기 기류의 상기 값과 비교하는 것에 의해, 상기 복수의 시간 인스턴스에서 측정된 상기 기류의 상기 값을 이용해 상기 상황을 반복적으로 선택하는 스텝을 더 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  10. 제 1 항에 있어서,
    상기 제어하는 스텝은 상기 공기 조절 시스템의 적어도 하나의 컴포넌트의 상태를 변경하는 것을 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  11. 제 1 항에 있어서,
    상기 제어하는 스텝은 상기 공기 조절 시스템의 적어도 하나의 컴포넌트를 위한 적어도 하나의 제어 입력을 갱신하여, 상기 모델을 이용해 결정된 성능 지표(metric of performance)를 최적화하는 것을 포함하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  12. 제 1 항에 있어서,
    상기 제어하는 스텝은 상기 공기 조절 시스템의 벤트(vent) 각을 변경하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  13. 제 1 항에 있어서,
    상기 공기 조절 시스템의 상기 동작 중에 조정되는 상기 기류의 흐름 및 온도의 값을 연결시키는 기류의 상기 모델을 갱신하는 스텝을 더 포함하고,
    상기 갱신하는 스텝은 상기 모델 및 상기 기류의 상기 측정된 값에 따라 구해진 상기 기류의 값 사이의 오차를 반복적으로 저감하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  14. 삭제
  15. 제 13 항에 있어서,
    상기 모델은 상기 차수 저감 모델과 상기 물리 모델 사이의 차이를 나타내는 안정성 파라미터를 포함하고, 상기 갱신하는 스텝은 상기 오차의 검출에 응답하여, 상기 모델의 상기 안정성 파라미터만을 갱신하는 공기 조절 시스템의 동작을 제어하기 위한 방법.
  16. 조정 환경 내에서 유체의 흐름을 생성하는 공기 조절 시스템의 동작을 제어하기 위한 시스템으로서,
    상기 조정 환경내에서 상기 흐름의 값을 측정하기 위한 센서의 세트와,
    상기 조정 환경내의 유체 동태(fluid dynamics)의 상황의 세트와, 상기 시스템의 상기 동작 중에 조정된 유체의 속도 및 온도의 값을 연결시키는 유체 동태의 모델의 대응하는 세트를 기억하는 메모리와,
    모델화된 흐름에 근거하여, 상기 시스템의 상기 동작을 제어하기 위한 콘트롤러
    를 포함하고,
    상기 콘트롤러는 상기 흐름의 측정된 값과 일치하는 상황을 선택하고, 상기 선택된 상황에 대응하는 모델을 선택하고, 상기 선택된 모델을 이용하여 상기 모델화된 흐름을 결정하기 위한 프로세서를 포함하고,
    상기 흐름의 상기 상황의 세트 내의 각 상황이 기저 요소의 블록으로서 나타내어지고, 상기 프로세서는 상기 흐름의 상기 측정된 값을, 상기 상황의 세트 내의 각 상황을 나타내는 기저 요소의 각 블록과 비교하여, 가장 일치하는 상황을 선택하고,
    각 모델은 상기 흐름의 물리 모델보다 적은 수의 파라미터를 가지는 차수 저감 모델과, 상기 차수 저감 모델과 상기 물리 모델 사이의 차이를 나타내는 안정성 파라미터를 포함하고,
    상기 프로세서는 상기 선택된 모델에 따라 구해진 상기 흐름의 값과 상기 동작 중에 측정된 상기 흐름의 상기 값 사이의 오차를 검출하는 것에 응답하여, 상기 선택된 모델의 상기 안정성 파라미터를 갱신하는
    공기 조절 시스템의 동작을 제어하기 위한 시스템.
  17. 제 16 항에 있어서,
    상기 공기 조절 시스템은 상기 조정 환경 내에서 기류(flow of air)를 생성하고,
    상기 공기 조절 시스템은
    열 교환기를 통해서 기류 속도(air-flow rate)를 조정하기 위한 팬을 갖는 증발기와,
    상기 열 교환기를 통해서 상기 기류 속도를 조정하기 위한 팬을 갖는 응축기와,
    상기 시스템을 통해서 냉매를 압축하고 펌핑하기 위한 속도를 갖는 압축기와,
    증기 압축 시스템의 고압부와 저압부 사이에 조정가능한 압력 강하를 제공하기 위한 팽창 밸브를 구비하는 공기 조절 시스템의 동작을 제어하기 위한 시스템.
  18. 삭제
  19. 공기 조절 시스템으로서,
    설정점(setpoint)을 수신하기 위한 유저 입력 인터페이스와,
    조정 환경 내의 기류의 값을 측정하기 위한 센서의 세트와,
    열 교환기를 통해서 기류 속도를 조정하기 위한 팬을 가지는 증발기와,
    상기 열 교환기를 통해 상기 기류 속도를 조정하기 위한 팬을 가지는 응축기와,
    상기 시스템을 통해 냉매를 압축하고 펌핑하기 위한 속도를 가지는 압축기와,
    증기 압축 시스템의 고압부와 저압부의 사이에 조정가능한 압력 강하를 제공하기 위한 팽창 밸브와,
    상기 조정 환경 내의 유체 동태의 상황의 세트와, 상기 시스템의 동작 중에 조정된 상기 기류의 속도 및 온도의 값을 연결시키는 흐름 동태의 모델의 대응하는 세트를 기억하는 메모리와,
    모델화된 기류에 근거해 상기 동작을 제어하여 상기 설정점을 달성하기 위한 콘트롤러
    를 포함하고,
    상기 콘트롤러는 상기 기류의 측정된 값에 일치하는 상황을 선택하고, 상기 선택된 상황에 대응하는 모델을 선택하고, 상기 선택된 모델을 이용하여 상기 모델화된 흐름을 결정하기 위한 프로세서를 포함하고,
    상기 기류의 상기 상황의 세트 내의 각 상황이 기저 요소의 블록으로서 나타내어지고, 상기 프로세서는 상기 기류의 상기 측정된 값을, 상기 상황의 세트 내의 각 상황을 나타내는 기저 요소의 각 블록과 비교하여, 가장 일치하는 상황을 선택하고,
    각 모델은 상기 기류의 물리 모델보다 적은 수의 파라미터를 가지는 차수 저감 모델과, 상기 차수 저감 모델과 상기 물리 모델 사이의 차이를 나타내는 안정성 파라미터를 포함하고, 상기 프로세서는 상기 선택된 모델에 따라 구해진 상기 기류의 값과 상기 동작 중에 측정된 상기 기류의 상기 값 사이의 오차를 검출하는 것에 응답하여, 상기 모델의 상기 안정성 파라미터만을 갱신하는
    공기 조절 시스템.
  20. 삭제
KR1020177026881A 2015-03-06 2016-03-01 공기 조절 시스템, 및 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법 KR102015273B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US14/640,052 US9976765B2 (en) 2015-03-06 2015-03-06 System and method for controlling operations of air-conditioning system
US14/640,052 2015-03-06
US14/714,428 US10145576B2 (en) 2015-03-06 2015-05-18 System and method for controlling operations of air-conditioning system
US14/714,428 2015-05-18
PCT/JP2016/056909 WO2016143723A1 (en) 2015-03-06 2016-03-01 Air-conditioning system, and system and method for controlling an operation of an air-conditioning system

Publications (2)

Publication Number Publication Date
KR20170126942A KR20170126942A (ko) 2017-11-20
KR102015273B1 true KR102015273B1 (ko) 2019-08-28

Family

ID=55586369

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177026881A KR102015273B1 (ko) 2015-03-06 2016-03-01 공기 조절 시스템, 및 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법

Country Status (6)

Country Link
US (1) US10145576B2 (ko)
EP (1) EP3265887B1 (ko)
JP (1) JP6403881B2 (ko)
KR (1) KR102015273B1 (ko)
CN (1) CN107407911B (ko)
WO (1) WO2016143723A1 (ko)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6562893B2 (ja) * 2016-11-17 2019-08-21 株式会社東芝 パラメータ推定装置、空調システム評価装置、パラメータ推定方法およびプログラム
US10619879B2 (en) * 2018-03-21 2020-04-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling operations of air-conditioning system
KR102135670B1 (ko) * 2018-11-28 2020-07-20 (주)퓨처시스텍 온도 및 압력 탐지 기반의 냉동 차량의 작동 제어 장치 및 그 방법
CA3129154A1 (en) * 2019-02-11 2020-08-20 Broan-Nutone Llc Systems and methods for verifying the performance of installed air ventilation systems
JP2020144409A (ja) * 2019-03-04 2020-09-10 株式会社日立製作所 プラント診断装置
US10909387B2 (en) * 2019-03-28 2021-02-02 Mitsubishi Electric Research Laboratories, Inc. Method and system for predicting dynamical flows from control inputs and limited observations
US11788755B2 (en) * 2019-10-04 2023-10-17 Mitsubishi Electric Research Laboratories, Inc. System and method for personalized thermal comfort control
US11280508B1 (en) 2019-10-16 2022-03-22 Trane International, Inc. Systems and methods for detecting inaccurate airflow delivery in a climate control system
US11255558B1 (en) 2019-12-13 2022-02-22 Trane International Inc. Systems and methods for estimating an input power supplied to a fan motor of a climate control system
CN111426383B (zh) * 2020-04-17 2022-05-10 北京理工大学重庆创新中心 机器学习优化稀疏基的高光谱全偏振图像压缩重构方法
CN111605733B (zh) * 2020-04-28 2022-03-04 北京控制工程研究所 航天器自治协同粗精分层主被一体三超控制参数确定方法
CN112911530B (zh) * 2020-12-09 2022-09-16 广西电网有限责任公司电力科学研究院 一种小微智能传感器网络拥塞辨识模型的建立方法
CN112665790B (zh) * 2020-12-21 2023-03-14 广东美的暖通设备有限公司 冷媒泄漏检测方法、装置及设备
TWI778474B (zh) * 2020-12-21 2022-09-21 研能科技股份有限公司 室內氣體汙染過濾方法
US11790247B2 (en) * 2021-05-20 2023-10-17 Mitsubishi Electric Research Laboratories, Inc. Robust adaptive dynamic mode decomposition for modeling, prediction, and control of high dimensional physical systems
WO2023026406A1 (ja) * 2021-08-25 2023-03-02 三菱電機ビルソリューションズ株式会社 温度センサ位置設定方法、プログラム、及び処理装置
JP2023151464A (ja) * 2022-03-31 2023-10-16 ダイキン工業株式会社 センサー配置決定装置およびセンサー配置決定方法
CN114668373A (zh) * 2022-05-30 2022-06-28 广东工业大学 一种基于动态模态分解的睡眠阶段分类方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013536394A (ja) * 2010-08-06 2013-09-19 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア ビル動作センサデータのためのシステムおよび方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829522B1 (en) * 2000-04-19 2004-12-07 Ford Global Technologies, Llc Portable advisory system for balancing airflows in paint booth
GB2388922B (en) * 2002-01-31 2005-06-08 Cambridge Consultants Control system
JP4360409B2 (ja) * 2007-02-13 2009-11-11 株式会社デンソー 車両用空調装置、車両用空調装置の制御方法および制御装置
US8630724B2 (en) 2009-08-12 2014-01-14 International Business Machines Corporation Measurement and management technology platform
US8229713B2 (en) * 2009-08-12 2012-07-24 International Business Machines Corporation Methods and techniques for creating and visualizing thermal zones
US8825451B2 (en) * 2010-12-16 2014-09-02 Schneider Electric It Corporation System and methods for rack cooling analysis
US8744631B2 (en) 2011-01-28 2014-06-03 Hewlett-Packard Development Company, L.P. Manipulating environmental conditions in an infrastructure
US9038404B2 (en) * 2011-04-19 2015-05-26 Liebert Corporation High efficiency cooling system
US8725307B2 (en) * 2011-06-28 2014-05-13 Schneider Electric It Corporation System and method for measurement aided prediction of temperature and airflow values in a data center
KR101826961B1 (ko) * 2011-07-29 2018-02-07 삼성전자주식회사 압축 센싱을 이용한 자기 공명 영상 기법 및 시스템
EP2620836A1 (en) 2012-01-25 2013-07-31 Fujitsu Limited Controller, resource management apparatus, and computing environment for controlling fan speeds
US9563182B2 (en) 2012-02-06 2017-02-07 Ecorithm, Inc. Building analysis systems and methods
US10228668B2 (en) * 2012-07-06 2019-03-12 Hewlett Packard Enterprise Development Lp Management of airflow provisioning to meet a cooling influence redundancy level
WO2015171098A2 (en) * 2012-10-31 2015-11-12 Hewlett-Packard Development Company, L.P. Managing airflow distribution through adaptive vent tiles
CN103049612B (zh) * 2012-12-24 2014-06-25 江苏大学 一种基于模型降阶技术的建筑室内环境优化方法
US9506666B2 (en) * 2013-06-13 2016-11-29 Trane International Inc. System and method for monitoring HVAC system operation
KR102009450B1 (ko) * 2014-01-28 2019-08-09 종샨 브로드-오션 모터 컴퍼니 리미티드 Pm 모터의 직접 전력 제어에 의한 일정한 공기 볼륨 제어를 위한 방법 및 상기 방법을 적용하는 hvac 시스템
CN103995548B (zh) * 2014-05-13 2016-06-15 江苏大学 基于模型降阶和多模型预测控制的室内热环境控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013536394A (ja) * 2010-08-06 2013-09-19 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア ビル動作センサデータのためのシステムおよび方法

Also Published As

Publication number Publication date
JP2017532688A (ja) 2017-11-02
US10145576B2 (en) 2018-12-04
EP3265887B1 (en) 2020-01-15
WO2016143723A1 (en) 2016-09-15
US20160258645A1 (en) 2016-09-08
KR20170126942A (ko) 2017-11-20
CN107407911A (zh) 2017-11-28
JP6403881B2 (ja) 2018-10-10
CN107407911B (zh) 2020-10-02
EP3265887A1 (en) 2018-01-10

Similar Documents

Publication Publication Date Title
KR102015273B1 (ko) 공기 조절 시스템, 및 공기 조절 시스템의 동작을 제어하기 위한 시스템 및 방법
JP6433588B2 (ja) 空調システム並びに空調システムの動作を制御するためのシステム及び方法
CN111868639B (zh) 用于控制空调系统的运行的系统及方法
CN106133462B (zh) 用于控制蒸气压缩系统的极值寻找控制器和方法
US10705106B2 (en) System and method for monitoring a state of a fluid in an indoor space as well as a climate control system
JP2013148336A (ja) 蒸気圧縮システム、および、蒸気圧縮システムの動作を制御するための制御システム及び方法
US20200370771A1 (en) Building control system with heat disturbance estimation and prediction
JP2022160989A (ja) 熱力学のモデルを較正するためのシステムおよび方法
CN118043746A (zh) 利用仿真失败校准工业系统模型的校准系统和方法
JP2022151689A (ja) 多変数最適化に基づく空調環境の熱状態の制御
Salsbury et al. An extremum-seeking control method driven by input–output correlation
US20210192469A1 (en) Building control system with peer analysis for predictive models
US20240110716A1 (en) System and Method for Data-Driven Control of an Air-Conditioning System
Chakrabarty et al. Data-driven calibration of joint building and HVAC dynamic models using scalable Bayesian optimization
Liang Dynamic Modeling and Wavelet-Based Multi-Parametric Tuning and Validation for HVAC Systems
WO2024075436A1 (en) System and method for data-driven control of an air-conditioning system
CN118328549A (zh) 空调控制方法、装置、介质及设备
Mazhari et al. PSO tuned vehicle climate system model for HIL based ECU testing
Liang et al. Multi-Parametric Tuning of Dynamic Air Conditioning Models Using Experimental Data
Chakrabarty et al. Data-driven calibration of physics-informed models of joint building/equipment dynamics using Bayesian optimization

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant