KR20210094935A - Air conditioner and method thereof - Google Patents

Air conditioner and method thereof Download PDF

Info

Publication number
KR20210094935A
KR20210094935A KR1020200008803A KR20200008803A KR20210094935A KR 20210094935 A KR20210094935 A KR 20210094935A KR 1020200008803 A KR1020200008803 A KR 1020200008803A KR 20200008803 A KR20200008803 A KR 20200008803A KR 20210094935 A KR20210094935 A KR 20210094935A
Authority
KR
South Korea
Prior art keywords
data
air conditioner
refrigerant
amount
input data
Prior art date
Application number
KR1020200008803A
Other languages
Korean (ko)
Inventor
남서영
김진성
손정은
이중범
이상윤
Original Assignee
엘지전자 주식회사
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
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020200008803A priority Critical patent/KR20210094935A/en
Publication of KR20210094935A publication Critical patent/KR20210094935A/en

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
    • F24F11/62—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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B13/00—Compression machines, plants or systems, with reversible cycle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/05—Refrigerant levels

Abstract

The present invention relates to an air conditioner and an operating method thereof. According to an embodiment of the present invention, an operating method of an air conditioner may comprise the operations of: acquiring data for each configuration provided in the air conditioner; determining input data to be processed among the data for each configuration; generating a learning model that calculates the amount of refrigerant by learning the determined input data; and after the learning model is generated, inputting the input data obtained into the learning model to calculate the amount of refrigerant.

Description

공기조화기 및 그 동작방법{AIR CONDITIONER AND METHOD THEREOF}Air conditioner and its operation method

본 발명은, 공기조화기 및 그 동작방법에 관한 것으로, 특히, 공기조화기에 구비된 각 구성과 관련된 데이터에 기초하여, 냉매의 양을 산출할 수 있는 공기조화기 및 그 동작방법에 관한 것이다.The present invention relates to an air conditioner and an operating method thereof, and more particularly, to an air conditioner capable of calculating an amount of refrigerant based on data related to each configuration provided in the air conditioner and an operating method thereof.

공기조화기는 쾌적한 실내 환경을 조성하기 위해, 실내로 냉온의 공기를 토출하여 실내 온도를 조절하고, 실내 공기를 정화하도록 함으로써, 인간에게 보다 쾌적한 실내 환경을 제공하기 위해 설치된다. 일반적으로 공기조화기는 열교환기로 구성되어 실내에 설치되는 실내기와, 압축기 및 열교환기 등으로 구성되어 실내기로 냉매를 공급하는 실외기를 포함한다.The air conditioner is installed to provide a more comfortable indoor environment to humans by discharging cold and hot air into the room to adjust the indoor temperature and purify the indoor air in order to create a comfortable indoor environment. In general, an air conditioner includes an indoor unit configured as a heat exchanger and installed indoors, and an outdoor unit configured as a compressor and a heat exchanger and supplying refrigerant to the indoor unit.

공기조화기는 냉매의 흐름에 따라 냉방운전되거나 난방운전된다. 냉방운전 시, 실외기의 압축기로부터 실외기의 열교환기를 거쳐 고온, 고압의 액체 냉매가 실내기로 공급되고, 실내기의 열교환기에서 냉매가 팽창 및 기화되면서 주변 공기의 온도가 내려가고, 실내기 팬이 회전 동작함에 따라 냉기가 실내로 토출된다. 난방운전 시, 실외기의 압축기로부터 고온, 고압의 기체 냉매가 실내기로 공급되고, 실내기의 열교환기에서 고온, 고압의 기체 냉매가 액화되면서 방출된 에너지에 의해 따뜻해진 공기가 실내기 팬의 동작에 따라 실내로 토출된다.The air conditioner is operated for cooling or heating according to the flow of refrigerant. During cooling operation, high-temperature and high-pressure liquid refrigerant is supplied to the indoor unit from the outdoor unit's compressor through the outdoor unit's heat exchanger, and as the refrigerant expands and vaporizes in the indoor unit's heat exchanger, the ambient air temperature decreases, and the indoor unit fan rotates. Accordingly, the cold air is discharged into the room. During heating operation, high-temperature and high-pressure gaseous refrigerant is supplied from the compressor of the outdoor unit to the indoor unit, and air heated by the energy released as the high-temperature and high-pressure gaseous refrigerant is liquefied in the heat exchanger of the indoor unit is released into the indoor unit according to the operation of the indoor unit fan. is discharged with

한편, 공기조화기에서 순환되는 동안 냉매의 양은 적정 수준으로 유지될 필요가 있다. 공기조화기의 운전 시 냉매의 양이 부족한 경우, 냉난방 효율이 감소하고, 압축기나 모터와 같은 구성들의 손상을 야기하게 되며, 냉매의 양이 과도하게 많은 경우에도 냉난방 효율이 감소될 뿐만 아니라, 압축기의 소음이 커지거나, 공기조화기의 운전 전류가 높아지는 등의 문제점이 발생할 수 있다.Meanwhile, while circulating in the air conditioner, the amount of refrigerant needs to be maintained at an appropriate level. When the amount of refrigerant is insufficient during operation of the air conditioner, cooling and heating efficiency is reduced, and components such as a compressor or motor are damaged, and when the amount of refrigerant is excessively large, not only the cooling and heating efficiency is reduced, but also the compressor Problems such as an increase in the noise of the air conditioner or an increase in the operating current of the air conditioner may occur.

종래에는, 공기조화기의 냉매의 양을 산출하기 위해, 토출 온도, 실내 온도 등의 데이터가 일정 조건에 해당하는지 여부에 따라 냉매의 양을 간접적으로 추정하거나, 실험에 의해 결정된 회귀식에 데이터를 대입함으로써, 냉매의 양이 부족한지, 적정한지, 아니면 과다한지 여부를 판단한다.Conventionally, in order to calculate the amount of refrigerant in an air conditioner, the amount of refrigerant is indirectly estimated depending on whether data such as discharge temperature and room temperature correspond to a certain condition, or data is applied to a regression equation determined by an experiment. By substituting, it is determined whether the amount of refrigerant is insufficient, appropriate, or excessive.

그러나 종래의 방식에 따르면, 단순히 데이터가 일정 조건에 부합하는지 여부에 따라 냉매의 양을 추정하는 것은 냉매량 산출의 정확도가 현저히 낮으며, 회귀식은 실험 당시의 냉난방 사이클의 조건 및 데이터에 따라 결정되므로, 회귀식에 대응하는 적정 사이클이 냉매량의 산출 시점에 형성되지 않으면 냉매량 산출의 오차가 커질 수 있다.However, according to the conventional method, simply estimating the amount of refrigerant based on whether data meets certain conditions has significantly lower accuracy in calculating the amount of refrigerant, and the regression equation is determined according to the conditions and data of the heating and cooling cycle at the time of the experiment, If an appropriate cycle corresponding to the regression equation is not formed at the time of calculating the amount of refrigerant, an error in calculating the amount of refrigerant may increase.

또한, 일정 조건이나 회귀식에 대입되는 데이터의 종류가 적으면, 냉매량 산출의 정확도가 낮아지는 문제점이 있고, 데이터의 종류가 너무 많으면, 냉매량 산출에 시간 및 자원이 과도하게 소모되므로, 냉매량 산출에 필요한 최적의 데이터만 사용할 필요가 있다.In addition, when there are few types of data substituted for certain conditions or regression equations, there is a problem in that the accuracy of calculating the amount of refrigerant is lowered. If there are too many types of data, time and resources are excessively consumed in calculating the amount of refrigerant. You only need to use the optimal data you need.

본 발명의 목적은, 공기조화기에 구비된 각 구성과 관련된 데이터 중, 냉매량 산출에 필요한 최적의 데이터를 결정하고, 결정된 최적의 데이터에 기초하여 냉매의 양을 정확히 산출할 수 있는 공기조화기 및 그 동작방법을 제공함에 있다.An object of the present invention is to determine an optimal data required for calculating a refrigerant amount among data related to each configuration provided in the air conditioner and accurately calculate the amount of refrigerant based on the determined optimal data, and an air conditioner and the same To provide a method of operation.

상기 목적을 달성하기 위한, 본 발명의 다양한 실시예에 따른 공기 조화기는, 공기조화기에 구비된 각 구성에 대한 데이터에 기초하여, 냉매량을 산출하는 제어부를 포함하고, 제어부는, 공기조화기에 구비된 각 구성에 대한 데이터를 획득하고, 획득한 데이터 중 처리 대상인 입력 데이터를 결정하는 학습 데이터 획득부, 입력 데이터를 학습하여 냉매량을 산출하는 학습 모델을 생성하는 모델 학습부 및 학습 모델이 생성된 이후 획득되는 입력 데이터를 학습 모델에 입력하여 냉매량을 산출하는 냉매량 산출부를 포함할 수 있다. In order to achieve the above object, an air conditioner according to various embodiments of the present invention includes a control unit that calculates an amount of refrigerant based on data for each configuration provided in the air conditioner, and the control unit includes: Acquiring data for each configuration, a learning data acquisition unit that determines the input data to be processed among the acquired data, a model learning unit that generates a learning model that calculates the amount of refrigerant by learning the input data, and acquisition after the learning model is created It may include a refrigerant amount calculating unit for calculating the amount of refrigerant by inputting the input data to the learning model.

상기 목적을 달성하기 위한, 본 발명의 다양한 실시예에 따른 공기 조화기의 동작방법은, 상기 공기조화기에 구비된 각 구성에 대한 데이터를 획득하는 동작, 각 구성에 대한 데이터 중 처리 대상인 입력 데이터를 결정하는 동작, 결정된 입력 데이터를 학습하여 냉매량을 산출하는 학습 모델을 생성하는 동작 및 학습 모델이 생성된 이후 획득되는 입력 데이터를 학습 모델에 입력하여, 냉매량을 산출하는 동작을 포함할 수 있다. In order to achieve the above object, a method of operating an air conditioner according to various embodiments of the present invention includes an operation of acquiring data for each configuration provided in the air conditioner, and input data to be processed among data for each configuration. It may include an operation of determining, an operation of generating a learning model for calculating the amount of refrigerant by learning the determined input data, and an operation of calculating the amount of refrigerant by inputting input data obtained after the learning model is created into the learning model.

본 발명의 다양한 실시예에 따르면, 머신 러닝 및 딥 러닝을 통해, 공기조화기에 구비된 각 구성과 관련된 데이터 중, 냉매량 산출에 필요한 최적의 데이터를 선별하고, 선별된 최적의 데이터를 학습하는 인공지능 알고리즘을 구성하고 이용함으로써, 냉매의 양을 보다 정확히 산출할 수 있어, 공기조화기의 냉난방 효율 및 성능에 대한 신뢰성을 향상시킬 수 있다.According to various embodiments of the present invention, through machine learning and deep learning, artificial intelligence that selects optimal data required for calculating the amount of refrigerant among data related to each configuration provided in the air conditioner and learns the selected optimal data By configuring and using the algorithm, it is possible to more accurately calculate the amount of refrigerant, thereby improving the reliability of the cooling/heating efficiency and performance of the air conditioner.

본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.Further scope of applicability of the present invention will become apparent from the following detailed description. However, it should be understood that the detailed description and specific embodiments such as preferred embodiments of the present invention are given by way of illustration only, since various changes and modifications within the spirit and scope of the present invention may be clearly understood by those skilled in the art.

도 1은, 본 발명의 일 실시 예에 따른, 공기조화기의 구성을 예시하는 도면이다.
도 2는, 도 1의 실외기와 실내기의 개략도이다.
도 3은, 본 발명의 일 실시예에 따른, 공기조화기의 블록도이다.
도 4는, 본 발명의 일 실시 예에 따른, 딥 러닝(deep learning)에 대한 설명에 참조되는 도면이다.
도 5 내지 6b는, 본 발명의 일 실시예에 따른, 공기조화기의 동작방법을 도시한 순서도이다.
도 7a 내지 11은, 공기조화기의 동작방법에 대한 설명에 참조되는 도면이다.1 is a diagram illustrating the configuration of an air conditioner according to an embodiment of the present invention.
FIG. 2 is a schematic diagram of an outdoor unit and an indoor unit of FIG. 1 .
3 is a block diagram of an air conditioner according to an embodiment of the present invention.
4 is a diagram referenced in the description of deep learning, according to an embodiment of the present invention.
5 to 6B are flowcharts illustrating a method of operating an air conditioner according to an embodiment of the present invention.
7A to 11 are diagrams referenced in the description of the operating method of the air conditioner.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Advantages and features of the present invention and methods of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the art to which the present invention pertains It is provided to fully inform those who have the scope of the invention, and the present invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은, 도면에 도시되어 있는 바와 같이 하나의 구성 요소와 다른 구성 요소 간의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작 시 구성요소의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있고, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.Spatially relative terms "below", "beneath", "lower", "above", "upper", etc. It can be used to easily describe the correlation between a component of , and another component. Spatially relative terms should be understood as terms including different orientations of components in use or operation in addition to the orientation shown in the drawings. For example, when a component shown in the drawing is turned over, a component described as “beneath” or “beneath” of another component may be placed “above” of the other component. can Accordingly, the exemplary term “below” may include both directions below and above. Components may also be oriented in other orientations, and thus spatially relative terms may be interpreted according to orientation.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및/또는 동작은 하나 이상의 다른 구성요소, 단계 및/또는 동작의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for the purpose of describing the embodiments and is not intended to limit the present invention. As used herein, the singular also includes the plural unless specifically stated otherwise in the phrase. As used herein, "comprises" and/or "comprising" means that a referenced component, step and/or action excludes the presence or addition of one or more other components, steps and/or actions. I never do that.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used herein may be used with the meaning commonly understood by those of ordinary skill in the art to which the present invention belongs. In addition, terms defined in a commonly used dictionary are not to be interpreted ideally or excessively unless clearly specifically defined.

도면에서 각 구성요소의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장되거나 생략되거나 또는 개략적으로 도시되었다. 또한 각 구성요소의 크기와 면적은 실제크기나 면적을 전적으로 반영하는 것은 아니다. In the drawings, the thickness or size of each component is exaggerated, omitted, or schematically illustrated for convenience and clarity of description. In addition, the size and area of each component do not fully reflect the actual size or area.

이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "~부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.The suffixes "module" and "~ part" for the components used in the following description are given or mixed in consideration of only the ease of writing the specification, and do not have a meaning or role distinct from each other by themselves.

이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.At this time, it will be understood that each block of the flowchart diagrams and combinations of the flowchart diagrams may be performed by computer program instructions. These computer program instructions may be embodied in a processor of a general purpose computer, special purpose computer, or other programmable data processing equipment, such that the instructions performed by the processor of the computer or other programmable data processing equipment are not described in the flowchart block(s). It creates a means to perform functions. These computer program instructions may also be stored in a computer-usable or computer-readable memory that may direct a computer or other programmable data processing equipment to implement a function in a particular manner, and thus the computer-usable or computer-readable memory. It is also possible that the instructions stored in the flow chart block(s) produce an article of manufacture containing instruction means for performing the function described in the flowchart block(s). The computer program instructions may also be mounted on a computer or other programmable data processing equipment, such that a series of operational steps are performed on the computer or other programmable data processing equipment to create a computer-executed process to create a computer or other programmable data processing equipment. It is also possible that instructions for performing the processing equipment provide steps for performing the functions described in the flowchart block(s).

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.Additionally, each block may represent a module, segment, or portion of code that includes one or more executable instructions for executing specified logical function(s). It should also be noted that in some alternative implementations it is also possible for the functions recited in blocks to occur out of order. For example, two blocks shown one after another may in fact be performed substantially simultaneously, or it is possible that the blocks are sometimes performed in the reverse order according to the corresponding function.

또한, 본 명세서에서, 다양한 요소들을 설명하기 위해 제1, 제2 등의 용어가 이용될 수 있으나, 이러한 요소들은 이러한 용어들에 의해 제한되지 아니한다. 이러한 용어들은 한 요소를 다른 요소로부터 구별하기 위해서만 이용된다. Also, in this specification, terms such as first and second may be used to describe various elements, but these elements are not limited by these terms. These terms are only used to distinguish one element from another.

도 1은, 본 발명의 일 실시 예에 따른, 공기조화기의 구성을 예시하는 도면이다.1 is a diagram illustrating the configuration of an air conditioner according to an embodiment of the present invention.

도 1을 참조하면, 본 발명에 일 실시예에 따른 공기조화기(100)는, 실내기(31), 및 실내기(31)에 연결되는 실외기(21)를 포함할 수 있다. Referring to FIG. 1 , the air conditioner 100 according to an embodiment of the present invention may include an indoor unit 31 and an outdoor unit 21 connected to the indoor unit 31 .

공기조화기의 실내기(31)는, 스탠드형 공기조화기, 벽걸이형 공기조화기 및 천장형 공기조화기 중 어느 것이라도 적용 가능하나, 도면에서는, 스탠드형 실내기(31)를 예시한다.The indoor unit 31 of the air conditioner may be any of a stand-type air conditioner, a wall-mounted air conditioner, and a ceiling-type air conditioner, but in the drawings, the stand-type indoor unit 31 is exemplified.

한편, 공기조화기(100)는, 환기장치, 공기청정장치, 가습장치 및 히터 중 적어도 하나를 더 포함할 수 있으며, 실내기 및 실외기의 동작에 연동하여 동작할 수 있다.Meanwhile, the air conditioner 100 may further include at least one of a ventilator, an air purifier, a humidifier, and a heater, and may operate in conjunction with the operation of the indoor unit and the outdoor unit.

실외기(21)는, 냉매를 공급받아 압축하는 압축기(미도시), 냉매와 실외공기를 열교환하는 실외 열교환기(미도시), 공급되는 냉매로부터 기체 냉매를 추출하여 압축기로 공급하는 어큐뮬레이터(미도시), 및/또는 난방운전에 따른 냉매의 유로를 선택하는 사방밸브(미도시)를 포함할 수 있다. 또한, 실외기(21)는, 다수의 밸브, 오일회수기 등을 더 포함할 수 있으나, 그 구성에 대한 설명은 하기에서 생략하기로 한다.The outdoor unit 21 includes a compressor (not shown) that receives and compresses a refrigerant, an outdoor heat exchanger (not shown) that exchanges heat between the refrigerant and outdoor air, and an accumulator (not shown) that extracts a gaseous refrigerant from the supplied refrigerant and supplies it to the compressor. ), and/or may include a four-way valve (not shown) for selecting a flow path of the refrigerant according to the heating operation. In addition, the outdoor unit 21 may further include a plurality of valves, an oil recovery unit, and the like, but a description of the configuration thereof will be omitted below.

실외기(21)는, 다수의 센서(미도시)를 포함할 수 있고, 이에 대한 상세한 설명은 이하 도 3에서 설명하도록 한다. The outdoor unit 21 may include a plurality of sensors (not shown), and a detailed description thereof will be described with reference to FIG. 3 .

실외기(21)는, 압축기 및 실외 열교환기를 동작시켜 설정에 따라 냉매를 압축하거나 열교환하여 실내기(31)로 냉매를 공급할 수 있다. 실외기(21)는, 원격제어기(미도시) 또는 실내기(31)의 요구(demand)에 의해 구동될 수도 있다. 이때, 구동되는 실내기에 대응하여 냉/난방 용량이 가변 됨에 따라 실외기의 작동 개수 및 실외기에 설치된 압축기의 작동 개수가 가변되는 것도 가능하다. 이때, 실외기(21)는, 연결된 실내기(31)로 압축된 냉매를 공급할 수 있다.The outdoor unit 21 may operate a compressor and an outdoor heat exchanger to compress or heat exchange the refrigerant according to a setting to supply the refrigerant to the indoor unit 31 . The outdoor unit 21 may be driven by a remote controller (not shown) or a demand from the indoor unit 31 . In this case, as the cooling/heating capacity is changed corresponding to the driven indoor unit, it is also possible that the operating number of the outdoor unit and the operating number of the compressor installed in the outdoor unit are varied. In this case, the outdoor unit 21 may supply the compressed refrigerant to the connected indoor unit 31 .

실내기(31)는, 실외기(21)로부터 냉매를 공급받아 실내로 냉온의 공기를 토출할 수 있다. 실내기(31)는, 실내 열교환기(미도시), 실내기팬(미도시), 공급되는 냉매가 팽창되는 팽창밸브(미도시), 및/또는 다수의 센서(미도시)를 포함할 수 있다.The indoor unit 31 may receive refrigerant from the outdoor unit 21 and discharge cold and hot air into the room. The indoor unit 31 may include an indoor heat exchanger (not shown), an indoor unit fan (not shown), an expansion valve (not shown) through which the supplied refrigerant is expanded, and/or a plurality of sensors (not shown).

이때, 실외기(21) 및 실내기(31)는, 통신선으로 연결되어 상호 데이터를 송수신할 수 있고, 원격제어기(미도시)와 유선 또는 무선으로 연결되어, 원격제어기(미도시)의 제어에 따라 동작할 수 있다. At this time, the outdoor unit 21 and the indoor unit 31 are connected through a communication line to transmit and receive data, and are connected to a remote controller (not shown) by wire or wirelessly, and operate according to the control of the remote controller (not shown). can do.

리모컨(미도시)은, 실내기(31)에 연결되어, 실내기(31)로 사용자의 제어명령을 입력하고, 실내기(31)의 상태정보를 수신하여 표시할 수 있다. 이때 리모컨은, 실내기(31)와의 연결 형태에 따라 유선 또는 무선으로 통신할 수 있다.A remote controller (not shown) may be connected to the indoor unit 31 , input a user's control command to the indoor unit 31 , and receive and display status information of the indoor unit 31 . In this case, the remote control may communicate with the indoor unit 31 by wire or wirelessly depending on the connection type.

도 2는, 도 1의 실외기와 실내기의 개략도이다.FIG. 2 is a schematic diagram of an outdoor unit and an indoor unit of FIG. 1 .

도 2를 참조하면, 본 발명의 일 실시예에 따른 공기조화기(100)는, 크게 실외기(21)와 실내기(31)로 구분될 수 있다. Referring to FIG. 2 , the air conditioner 100 according to an embodiment of the present invention may be largely divided into an outdoor unit 21 and an indoor unit 31 .

실외기(21)는, 냉매를 압축시키는 역할을 하는 압축기(102), 압축기(102)를 구동하는 압축기용 모터(102b), 압축된 냉매를 방열시키는 역할을 하는 실외측 열교환기(104), 실외 열교환기(104)의 일측에 배치되어 냉매의 방열을 촉진시키는 실외팬(105a)과 실외팬(105a)을 회전시키는 실외팬용 모터(105b)로 이루어진 실외 송풍기(105), 응축된 냉매를 팽창하는 팽창기구(106)(예: 전자식 팽창밸브(Electronic expansion valves; EEV)), 압축된 냉매의 유로를 바꾸는 냉/난방 절환밸브(110), 기체화된 냉매를 잠시 저장하여 수분과 이물질을 제거한 뒤 일정한 압력의 냉매를 압축기로 공급하는 어큐뮬레이터(103) 등을 포함할 수 있다. The outdoor unit 21 includes a compressor 102 serving to compress a refrigerant, a compressor motor 102b for driving the compressor 102, an outdoor heat exchanger 104 serving to radiate heat from the compressed refrigerant, and an outdoor unit. An outdoor blower 105 comprising an outdoor fan 105a disposed on one side of the heat exchanger 104 to promote heat dissipation of the refrigerant and a motor 105b for an outdoor fan rotating the outdoor fan 105a, which expands the condensed refrigerant Expansion mechanism 106 (eg, electronic expansion valves (EEV)), cooling/heating switching valve 110 for changing the flow path of the compressed refrigerant, temporarily storing the vaporized refrigerant to remove moisture and foreign substances It may include an accumulator 103 that supplies a refrigerant of a constant pressure to the compressor.

실내기(31)는, 실내에 배치되어 냉/난방 기능을 수행하는 실내측 열교환기(108), 실내측 열교환기(108)의 일측에 배치되어 냉매의 방열을 촉진시키는 실내팬(109a)과 실내팬(109a)을 회전시키는 실내팬용 모터(109b)로 이루어진 실내 송풍기(109) 등을 포함할 수 있다. The indoor unit 31 includes an indoor heat exchanger 108 disposed indoors to perform a cooling/heating function, an indoor fan 109a disposed at one side of the indoor heat exchanger 108 to promote heat dissipation of the refrigerant, and an indoor unit. It may include an indoor blower 109 including a motor 109b for an indoor fan that rotates the fan 109a.

실내측 열교환기(108)는, 적어도 하나가 설치될 수 있다. 압축기(102)는, 인버터 압축기, 정속 압축기 중 적어도 하나가 사용될 수 있다.At least one indoor heat exchanger 108 may be installed. At least one of an inverter compressor and a constant speed compressor may be used as the compressor 102 .

또한, 공기조화기(100)는, 실내를 냉방시키는 냉방기로 구성되는 것도 가능하고, 실내를 냉방시키거나 난방시키는 히트 펌프로 구성되는 것도 가능하다. In addition, the air conditioner 100 may be configured as an air conditioner for cooling the room, or may be configured as a heat pump for cooling or heating the room.

도 3은 본 발명의 일 실시예에 따른, 공기조화기의 블록도이다.3 is a block diagram of an air conditioner according to an embodiment of the present invention.

도 3을 참조하면, 공기조화기(100)는, 센서부(310), 통신부(320), 팬 구동부(330), 압축기 구동부(340), 저장부(350), 입력부(360), 출력부(370) 및/또는 제어부(380)를 포함할 수 있다. 본 발명의 다양한 실시예에 따른 공기조화기(100)는, 도 3에 도시되지 않은 다양한 구성들을 더 포함할 수 있다. Referring to FIG. 3 , the air conditioner 100 includes a sensor unit 310 , a communication unit 320 , a fan driving unit 330 , a compressor driving unit 340 , a storage unit 350 , an input unit 360 , and an output unit. 370 and/or a control unit 380 . The air conditioner 100 according to various embodiments of the present invention may further include various components not shown in FIG. 3 .

통신부(310)는, 적어도 하나의 통신 모듈을 포함할 수 있다. 통신부(310)는, 실외기(21)와 실내기(31)에 각각 구비될 수 있고, 실외기(21)와 실내기(31)는 상호 간에 데이터를 송수신할 수 있다. 예를 들면, 실외기(21)와 실내기(31)의 통신 방식은, 전력선을 이용한 통신 방식, 시리얼 통신 방식(예: RS-485 통신), 냉매 배관을 통한 유선 통신 방식뿐만 아니라, 와이파이(Wi-fi), 블루투스(Bluetooth), 비콘(Beacon), 지그비(zigbee)등의 무선 통신 방식일 수도 있다.The communication unit 310 may include at least one communication module. The communication unit 310 may be provided in each of the outdoor unit 21 and the indoor unit 31 , and the outdoor unit 21 and the indoor unit 31 may transmit/receive data to and from each other. For example, the communication method between the outdoor unit 21 and the indoor unit 31 includes a communication method using a power line, a serial communication method (eg, RS-485 communication), a wired communication method through a refrigerant pipe, as well as a Wi-Fi (Wi- fi), Bluetooth (Bluetooth), beacon (Beacon), may be a wireless communication method such as Zigbee (zigbee).

한편, 통신부(310)는, 외부 장치와 상호 간에 데이터를 송수신할 수 있다. 예를 들면, 통신부(310)는, 외부 장치(예: 이동 단말기)와 무선 통신 채널을 수립할 수 있고, 수립된 무선 통신 채널을 통해 공기조화기(100)에 구비된 각 구성에 대한 상태, 에러 발생 여부 등에 대한 데이터를 송수신할 수 있다. 통신부(310)는, 외부 네트워크에 연결된 서버에 접속하여 데이터를 송수신할 수도 있다. Meanwhile, the communication unit 310 may transmit/receive data to and from an external device. For example, the communication unit 310 may establish a wireless communication channel with an external device (eg, a mobile terminal), and the state of each configuration provided in the air conditioner 100 through the established wireless communication channel; Data regarding whether or not an error has occurred can be transmitted and received. The communication unit 310 may connect to a server connected to an external network to transmit/receive data.

센서부(320)는, 복수의 센서를 구비할 수 있고, 복수의 센서를 통해 검출된 검출 값에 대한 데이터를 제어부(370)로 전송할 수 있다. 예를 들면, 센서부(320)는, 실외측 열교환기(104)의 내부에 배치되어, 응축온도 또는 증발온도를 검출하는 열교환기 온도센서(미도시), 공기조화기(100)의 각 배관을 통해 유동하는 기체 냉매의 압력을 검출하는 압력센서(미도시), 공기조화기(100)의 각 배관을 통해 유동하는 기체 냉매의 온도를 검출하는 배관 온도센서(미도시), 실내의 온도를 검출하는 실내 온도센서(미도시), 실외의 온도를 검출하는 실외 온도센서(미도시) 등을 포함할 수 있다. The sensor unit 320 may include a plurality of sensors, and may transmit data on detection values detected through the plurality of sensors to the controller 370 . For example, the sensor unit 320 is disposed inside the outdoor heat exchanger 104 and includes a heat exchanger temperature sensor (not shown) that detects a condensation temperature or an evaporation temperature, and each pipe of the air conditioner 100 . A pressure sensor (not shown) that detects the pressure of the gas refrigerant flowing through It may include an indoor temperature sensor (not shown) for detecting, an outdoor temperature sensor (not shown) for detecting the outdoor temperature, and the like.

저장부(330)는, 제어부(370) 내의 각 신호 처리 및 제어를 위한 프로그램이 저장될 수도 있고, 신호 처리된 음성 또는 데이터 신호를 저장할 수도 있다. 예를 들면, 저장부(330)는 제어부(370)에 의해 처리 가능한 다양한 작업들을 수행하기 위한 목적으로 설계된 응용 프로그램들을 저장하고, 제어부(370)의 요청 시, 저장된 응용 프로그램들 중 일부를 선택적으로 제공할 수 있다. 저장부(330)에 저장되는 프로그램 등은, 제어부(370)에 의해 실행될 수 있는 것이라면 특별히 한정하지 않는다.The storage unit 330 may store a program for each signal processing and control in the control unit 370 , or may store a signal-processed voice or data signal. For example, the storage unit 330 stores application programs designed for the purpose of performing various tasks that can be processed by the control unit 370, and, upon request of the control unit 370, selectively selects some of the stored application programs. can provide The program stored in the storage unit 330 is not particularly limited as long as it can be executed by the control unit 370 .

도 3의 저장부(330)가 제어부(370)와 별도로 구비된 실시예를 도시하고 있으나, 본 발명의 범위는 이에 한정되지 않으며, 제어부(370) 내에 저장부(330)가 포함될 수도 있다.Although the embodiment in which the storage unit 330 of FIG. 3 is provided separately from the control unit 370 is illustrated, the scope of the present invention is not limited thereto, and the storage unit 330 may be included in the control unit 370 .

저장부(330)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 저장할 수 있다. 예를 들면, 저장부(330)는, 센서부(320)에 구비된 복수의 센서로부터 검출된 검출 값에 대한 데이터를 저장할 수 있다. 예를 들면, 저장부(330)는, 압축기(102)의 소비 전력, 운전주파수 등에 대한 데이터를 저장할 수 있다. 예를 들면, 저장부(330)는, 팬(351)의 회전 수, 전자식 팽창밸브(electronic expansion valve; EEV)의 개도량, 과열도, 과냉도 등에 대한 데이터를 저장할 수 있다.The storage unit 330 may store data related to each component provided in the air conditioner 100 . For example, the storage unit 330 may store data on detection values detected from a plurality of sensors provided in the sensor unit 320 . For example, the storage unit 330 may store data on power consumption, operating frequency, and the like of the compressor 102 . For example, the storage unit 330 may store data on the number of rotations of the fan 351 , an opening degree of an electronic expansion valve (EEV), a degree of superheating, a degree of subcooling, and the like.

압축기 구동부(340)는, 압축기(102)를 구동할 수 있다. 예를 들면, 압축기 구동부(340)는, 교류 전원을 직류 전원으로 정류하여 출력하는 정류부(미도시), 정류부로부터의 맥동 전압을 저장하는 dc 단 커패시터, 복수의 스위칭 소자를 구비하여, 평활된 직류 전원을 소정 주파수의 3상 교류 전원으로 변환 및 출력하는 인버터(미도시) 및/또는 인버터로부터 출력되는 3상 교류 전원에 따라, 압축기(102)를 구동하는 압축기용 모터(102b)를 포함할 수 있다.The compressor driving unit 340 may drive the compressor 102 . For example, the compressor driving unit 340 includes a rectifying unit (not shown) for rectifying AC power into DC power and outputting it, a dc stage capacitor for storing the pulsating voltage from the rectifying unit, and a plurality of switching elements, It may include an inverter (not shown) that converts power to three-phase AC power of a predetermined frequency and outputs, and/or a compressor motor 102b that drives the compressor 102 according to the three-phase AC power output from the inverter there is.

압축기 구동부(340)는, 제어부(370)의 제어에 따라, 압축기(102)의 운전 주파수를 변경할 수 있다. 예를 들면, 압축기 구동부(340)는, 제어부(370)의 제어에 따라, 압축기용 모터(102b)로 출력되는 3상 교류 전원의 주파수를 변경하여, 압축기(102)의 운전 주파수를 변경할 수 있다.The compressor driving unit 340 may change the operating frequency of the compressor 102 under the control of the control unit 370 . For example, the compressor driving unit 340 may change the operating frequency of the compressor 102 by changing the frequency of the three-phase AC power output to the compressor motor 102b under the control of the control unit 370 . .

팬 구동부(350)는, 공기조화기(100)에 구비된 팬(351)을 구동할 수 있다. 예를 들면, 팬 구동부(350)는, 실외팬(105a) 및/또는 실내팬(109a)를 구동할 수 있다. 예를 들면, 팬 구동부(350)는, 교류 전원을 직류 전원으로 정류하여 출력하는 정류부(미도시), 정류부로부터의 맥동 전압을 저장하는 dc 단 커패시터, 복수의 스위칭 소자를 구비하여, 평활된 직류 전원을 소정 주파수의 3상 교류 전원으로 변환 및 출력하는 인버터(미도시) 및/또는 인버터로부터 출력되는 3상 교류 전원에 따라 팬을 구동하는 모터를 포함할 수 있다.The fan driving unit 350 may drive the fan 351 provided in the air conditioner 100 . For example, the fan driving unit 350 may drive the outdoor fan 105a and/or the indoor fan 109a. For example, the fan driving unit 350 includes a rectifier (not shown) for rectifying AC power into DC power and outputting it, a dc stage capacitor for storing the pulsating voltage from the rectifier, and a plurality of switching elements, and a smoothed DC It may include an inverter (not shown) that converts and outputs power into three-phase AC power of a predetermined frequency and/or a motor that drives a fan according to the three-phase AC power output from the inverter.

한편, 팬 구동부(350)는, 실외팬(105a) 및 실내팬(109a)를 구동하기 위한 구성을 각각 구분하여 구비할 수 있다.Meanwhile, the fan driving unit 350 may have a configuration for driving the outdoor fan 105a and the indoor fan 109a separately.

팬 구동부(350)는, 제어부(370)의 제어에 따라, 팬(351)의 회전수를 변경할 수 있다. 예를 들면, 팬 구동부(350)는, 제어부(370)의 제어에 따라, 실외팬용 모터(105b)로 출력되는 3상 교류 전원의 주파수를 변경하여, 실외팬(105a)의 회전수를 변경할 수 있다. 예를 들면, 팬 구동부(350)는, 제어부(370)의 제어에 따라, 실내팬용 모터(109b)로 출력되는 3상 교류 전원의 주파수를 변경하여, 실내팬(109a)의 회전수를 변경할 수 있다.The fan driver 350 may change the rotation speed of the fan 351 according to the control of the controller 370 . For example, the fan driving unit 350 may change the frequency of the three-phase AC power output to the outdoor fan motor 105b under the control of the controller 370 to change the rotation speed of the outdoor fan 105a. there is. For example, the fan driving unit 350 may change the frequency of the three-phase AC power output to the indoor fan motor 109b under the control of the controller 370 to change the rotation speed of the indoor fan 109a. there is.

출력부(360)는, 디스플레이(미도시), 발광 다이오드(Light Emitting Diode: LED) 등의 표시 장치를 구비할 수 있고, 표시 장치를 통해 공기조화기(100)의 운전 상태, 에러 발생 등과 관련된 동작 상태를 표시할 수 있다. The output unit 360 may include a display device such as a display (not shown) and a light emitting diode (LED), and related to the operation state of the air conditioner 100 and the occurrence of an error through the display device. Operation status can be displayed.

출력부(360)는, 스피커, 버저 등의 오디오 장치를 구비할 수 있고, 오디오 장치를 통해 공기조화기(100)의 운전 상태에 대한 효과음을 출력할 수 있고, 에러 발생시 소정의 경고음을 출력할 수 있다. The output unit 360 may include an audio device such as a speaker and a buzzer, and may output a sound effect for the operating state of the air conditioner 100 through the audio device, and output a predetermined warning sound when an error occurs. can

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 연결될 수 있고, 각 구성의 전반적인 동작을 제어할 수 있다. 제어부(370)는, 공기조화기(100)에 구비된 각 구성과 상호 간에 데이터를 송수신할 수 있다. The controller 370 may be connected to each component provided in the air conditioner 100 and may control the overall operation of each component. The controller 370 may transmit/receive data to and from each component provided in the air conditioner 100 .

제어부(370)는, 적어도 하나의 프로세서를 포함할 수 있다. 여기서, 프로세서는 CPU(central processing unit)과 같은 일반적인 프로세서일 수 있다. 물론, 프로세서는 ASIC과 같은 전용 장치(dedicated device)이거나 다른 하드웨어 기반의 프로세서일 수 있다.The controller 370 may include at least one processor. Here, the processor may be a general processor such as a central processing unit (CPU). Of course, the processor may be a dedicated device such as an ASIC or other hardware-based processor.

제어부(370)는, 실외기(21) 뿐만 아니라, 실내기(31) 및/또는 중앙제어기(미도시) 중 적어도 어느 하나에 구비될 수도 있다. The controller 370 may be provided in at least one of the indoor unit 31 and/or a central controller (not shown) as well as the outdoor unit 21 .

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 획득할 수 있다. 이때, 제어부(370)는, 연산 부하를 고려하여, 소정 주기에 따라, 일정 시간 간격을 두고 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 획득할 수도 있다. 여기서, 공기조화기(100)에 구비된 각 구성과 관련된 데이터는, 압축기(102)의 운전 주파수, 어큐뮬레이터(103)의 흡입온도, 압축기(102)의 토출온도, 압축기(102)의 흡입압력, 압축기(102)의 토출압력, 과열도, 과냉도, 실외팬(105a)의 회전 수, 실외측 열교환기(104)의 응축온도 또는 증발온도, 실외측 열교환기(104)의 출구측 온도, 실내기(31)의 입구측 배관온도, 실내기(31)의 출구측 배관온도, 실내 온도, 실외 온도, 전자식 팽창팰브(EEV)의 개도량 등을 포함할 수 있다.The controller 370 may acquire data related to each configuration provided in the air conditioner 100 . In this case, the controller 370 may acquire data related to each configuration provided in the air conditioner 100 at a predetermined time interval according to a predetermined period in consideration of the computational load. Here, the data related to each configuration provided in the air conditioner 100 includes the operating frequency of the compressor 102 , the suction temperature of the accumulator 103 , the discharge temperature of the compressor 102 , the suction pressure of the compressor 102 , The discharge pressure of the compressor 102, the degree of superheat, the degree of subcooling, the number of rotations of the outdoor fan 105a, the condensation temperature or evaporation temperature of the outdoor heat exchanger 104, the outlet temperature of the outdoor heat exchanger 104, the indoor unit The inlet pipe temperature of 31 , the outlet pipe temperature of the indoor unit 31 , the indoor temperature, the outdoor temperature, the opening degree of the electronic expansion valve (EEV), and the like may be included.

제어부(370)는, 공기조화기(100)의 운전 모드를 확인할 수 있고, 공기조화기(100)의 운전 모드에 다라, 공기조화기(100)에 구비된 각 구성의 동작을 제어할 수 있다. 예를 들면, 제어부(370)는, 공기조화기(100)의 운전 모드가 실내의 냉방 또는 난방을 위한 일반 운전 모드인지, 공기조화기(100)의 설치 시 또는 에러 발생 시, 공기조화기(100)의 상태를 확인하는 시운전 모드인지 여부 등을 확인할 수 있다.The controller 370 may check the operation mode of the air conditioner 100 , and may control the operation of each component provided in the air conditioner 100 according to the operation mode of the air conditioner 100 . . For example, the controller 370 may determine whether the operation mode of the air conditioner 100 is a general operation mode for indoor cooling or heating, when the air conditioner 100 is installed or when an error occurs, the air conditioner ( 100), it is possible to check whether it is in the test run mode to check the status.

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터에 기초하여, 공기조화기(100)의 냉매량을 산출할 수 있다. The controller 370 may calculate the amount of refrigerant in the air conditioner 100 based on data related to each configuration provided in the air conditioner 100 .

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 딥 러닝(deep learning) 등 머신 러닝(machine learning)을 통해 학습하여, 냉매량을 산출하는 학습 모델을 생성할 수 있고, 생성된 학습 모델을 이용하여 공기조화기(100)의 냉매량을 산출할 수 있다. 이때, 제어부(370)는, 공기조화기(100)의 냉매량을 산출하는 학습 모델을 생성함에 있어서, 냉방 시 학습 모델과, 난방 시 학습 모델을 각각 생성할 수 있다. 이하, 도 4를 참조하여, 딥 러닝에 대해서 상세히 설명하도록 한다.The control unit 370 learns data related to each configuration provided in the air conditioner 100 through machine learning, such as deep learning, and generates a learning model for calculating the amount of refrigerant. , it is possible to calculate the amount of refrigerant in the air conditioner 100 using the generated learning model. In this case, when generating a learning model for calculating the amount of refrigerant of the air conditioner 100 , the controller 370 may generate a learning model for cooling and a learning model for heating, respectively. Hereinafter, with reference to FIG. 4, deep learning will be described in detail.

도 4는, 본 발명의 일 실시 예에 따른, 딥 러닝(deep learning)에 대한 설명에 참조되는 도면이다.4 is a diagram referenced in the description of deep learning, according to an embodiment of the present invention.

머신 러닝은, 컴퓨터에게 사람이 직접 로직(logic)을 지시하지 않아도 데이터를 통해 컴퓨터가 학습을 하고, 이를 통해 컴퓨터가 문제를 해결하게 하는 것을 의미한다.Machine learning means that a computer learns from data without a human instructing the computer directly to logic, and allows the computer to solve a problem through this.

딥 러닝은, 인공신경망(Artificial Neural Networks; ANN)을 기반으로 컴퓨터에게 사람의 사고방식을 가르치는 방법으로, 컴퓨터가 스스로 사람처럼 학습할 수 있는 인공지능 기술을 의미한다. 인공신경망(ANN)은 소프트웨어 형태로 구현되거나 칩(chip) 등 하드웨어 형태로 구현될 수 있다. 예를 들면, 인공신경망(ANN)은, 심층신경망(Deep Neural Network; DNN), 합성곱신경망(Convolutional Neural Network; CNN), 순환신경망(Recurrent Neural Network; RNN), 심층신뢰신경망(Deep Belief Network; DBN) 등 다양한 종류의 알고리즘을 포함할 수 있다. Deep learning is a method of teaching a human way of thinking to a computer based on Artificial Neural Networks (ANN), and it refers to an artificial intelligence technology that allows the computer to learn on its own like a human. The artificial neural network (ANN) may be implemented in the form of software or in the form of hardware such as a chip. For example, an artificial neural network (ANN), a deep neural network (DNN), a convolutional neural network (CNN), a recurrent neural network (RNN), a deep belief network; DBN), etc., may include various types of algorithms.

도 4를 참조하면, 인공신경망(ANN)은 입력 레이어(input layer), 히든 레이어(hiddent layer), 및 출력 레이어(output layer)를 포함할 수 있다. 각 레이어는 복수의 노드들을 포함하고, 각 레이어는 다음 레이어와 연결될 수 있으며, 인접한 레이어 사이의 노드들은 웨이트(weight)를 가지고 서로 연결될 수 있다.Referring to FIG. 4 , an artificial neural network (ANN) may include an input layer, a hidden layer, and an output layer. Each layer includes a plurality of nodes, each layer may be connected to a next layer, and nodes between adjacent layers may be connected to each other with a weight.

컴퓨터는, 예를 들면, 데이터로부터 일정한 패턴을 발견해 특징 맵(feature map)을 형성할 수 있고, 하위레벨 특징부터, 중간레벨 특징, 상위레벨 특징까지 추출하여, 대상을 인식하고 그 결과를 출력할 수 있다.The computer, for example, can form a feature map by discovering a certain pattern from data, and extracts from low-level features, middle-level features, and high-level features to recognize objects and output the results. can

또한, 각 노드들은 활성화 모델에 기초하여 동작할 수 있고, 활성화 모델에 따라 입력 값에 대응하는 출력 값이 결정될 수 있다.Also, each node may operate based on an activation model, and an output value corresponding to an input value may be determined according to the activation model.

임의의 노드, 예를 들어, 하위레벨 특징의 출력 값은 해당 노드와 연결된 다음 레이어, 예를 들어, 중간레벨 특징의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 중간레벨 특징의 노드는 하위레벨 특징의 복수의 노드로부터 출력되는 값들을 입력 받을 수 있다.An output value of an arbitrary node, for example, a low-level feature, may be input to a next layer connected to the node, for example, a node of an intermediate-level feature. A node of a next layer, for example, a node of an intermediate-level feature may receive values output from a plurality of nodes of a lower-level feature.

이때, 각 노드의 입력 값은 이전 레이어의 노드의 출력 값에 웨이트(weight)가 적용된 값일 수 있다. 웨이트(weight)는 노드 간의 연결 강도를 의미할 수 있다. 또한, 딥러닝 과정은 적절한 웨이트(weight), 바이어스(bias)를 찾아내는 과정으로도 볼 수 있다.In this case, the input value of each node may be a value in which a weight is applied to the output value of the node of the previous layer. A weight may mean a connection strength between nodes. In addition, the deep learning process can be viewed as a process of finding appropriate weights and biases.

한편, 임의의 노드, 예를 들어, 중간레벨 특징의 출력 값은 해당 노드와 연결된 다음 레이어, 예를 들어, 상위레벨 특징의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 상위레벨 특징의 노드는 중간레벨 특징의 복수의 노드로부터 출력되는 값들을 입력 받을 수 있다.Meanwhile, an output value of an arbitrary node, for example, an intermediate-level feature, may be input to a next layer connected to the corresponding node, for example, a node of a higher-level feature. A node of a next layer, for example, a node of a higher-level feature, may receive values output from a plurality of nodes of an intermediate-level feature.

인공신경망(ANN)은 각 레벨에 대응하는 학습된 레이어(layer)를 이용하여, 각 레벨에 대응하는 특징 정보를 추출할 수 있다. 인공신경망(ANN)은 순차적으로 추상화하여, 가장 상위 레벨의 특징 정보를 활용하여 소정 대상을 인식할 수 있다.An artificial neural network (ANN) may extract feature information corresponding to each level by using a learned layer corresponding to each level. An artificial neural network (ANN) may recognize a predetermined target by sequentially abstracting and utilizing feature information of the highest level.

한편, 인공신경망(ANN)의 학습은 입력 데이터에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정함으로써 이루어질 수 있고, 필요한 경우 바이어스(bias) 값도 조정할 수 있다. 또한, 인공신경망(ANN)은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트할 수 있다. 또한, 인공신경망(ANN)의 학습에는 역전파(Back-propagation) 등의 방식이 사용될 수 있다.On the other hand, learning of the artificial neural network (ANN) can be made by adjusting the weight of the connection line between nodes so that a desired output is obtained with respect to input data, and a bias value can also be adjusted if necessary. In addition, the artificial neural network (ANN) may continuously update the weight value by learning. In addition, a method such as back-propagation may be used for learning of an artificial neural network (ANN).

저장부(330)는, 공기조화기(100)에 구비된 각 구성으로부터 획득한 데이터, 인공신경망(ANN)을 학습하기 위한 데이터 등을 저장할 수 있다. 예를 들면, 저장부(330)는, 인공신경망(ANN)을 학습하기 위한, 공기조화기(100)에 구비된 각 구성에 대한 데이터베이스, 인공신경망(ANN) 구조를 이루는 웨이트(weight), 바이어스(bias)들을 저장할 수 있다. The storage unit 330 may store data obtained from each configuration provided in the air conditioner 100 , data for learning an artificial neural network (ANN), and the like. For example, the storage unit 330, for learning the artificial neural network (ANN), a database for each configuration provided in the air conditioner 100, weights and biases constituting the artificial neural network (ANN) structure (bias) can be stored.

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중에서, 냉매량을 산출하는 학습 모델의 생성을 위해 사용되는 처리 대상인 입력 데이터를 결정할 수 있고, 결정된 입력 데이터를 학습하여, 냉매량을 산출하는 학습 모델을 생성할 수 있다. The control unit 370 may determine input data that is a processing target used for generating a learning model for calculating the amount of refrigerant from among data related to each configuration provided in the air conditioner 100, and learn the determined input data, It is possible to create a learning model for calculating the amount of refrigerant.

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여, 가중치(feature weight)를 산출할 수 있다. 제어부(370)는, PCA(Principal Component Analysis), LDA(Linear Discriminant Analysis), NCA(Neighborhood Component Analysis) 등과 같은 특징 추출(feature extraction) 알고리즘, ReliefF와 같은 특징 선택(feature selection) 알고리즘 등을 이용하여, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여, 가중치를 산출할 수 있다. 예를 들면, 공기조화기(100)는, 각각의 데이터가 냉매량 산출에 미치는 영향을 아는 경우, NCA 알고리즘을 이용하여, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여, 가중치를 산출할 수 있다. 예를 들면, 공기조화기(100)는, 데이터가 냉매량 산출에 미치는 영향을 알지 못하는 경우, ReliefF 알고리즘을 이용하여, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여, 가중치를 산출할 수 있다. The controller 370 may calculate a feature weight for each data related to each configuration provided in the air conditioner 100 . The control unit 370 uses a feature extraction algorithm such as Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Neighborhood Component Analysis (NCA), and the like, and a feature selection algorithm such as ReliefF. , a weight may be calculated for each data related to each configuration provided in the air conditioner 100 . For example, when the air conditioner 100 knows the influence of each data on the calculation of the refrigerant amount, by using the NCA algorithm, a weight is applied to each data related to each configuration provided in the air conditioner 100 . can be calculated. For example, when the air conditioner 100 does not know the effect of the data on the refrigerant amount calculation, the weight is applied to each data related to each configuration provided in the air conditioner 100 using the ReliefF algorithm. can be calculated.

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여 산출된 가중치들에 기초하여, 입력 데이터로 결정되는 데이터의 개수를 결정할 수 있다. 예를 들면, 제어부(370)는, 가중치들 간의 차이를 산출할 수 있고, 산출된 가중치들 간의 차이에 따라, 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 복수의 그룹으로 구분할 수 있다. 이때, 제어부(370)는, 복수의 그룹 중, 가중치가 가장 큰 그룹에 포함된 데이터의 개수를 입력 데이터로 결정되는 데이터의 개수로 결정할 수 있다.The controller 370 may determine the number of data determined as input data based on weights calculated for each data related to each configuration provided in the air conditioner 100 . For example, the control unit 370 may calculate a difference between the weights, and according to the difference between the calculated weights, divide data related to each configuration provided in the air conditioner 100 into a plurality of groups. there is. In this case, the controller 370 may determine the number of data included in the group having the greatest weight among the plurality of groups as the number of data determined as input data.

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중에서, 가중치가 높은 순서대로, 결정된 개수에 따라 데이터를 1차 선택할 수 있다. The controller 370 may first select data according to a determined number in an order of increasing weight from among data related to each configuration provided in the air conditioner 100 .

이때, 제어부(370)는, 1차 선택된 데이터 중에서, 기 설정된 제외 대상에 해당하는 데이터가 존재하는지 여부를 판단할 수 있다. 여기서, 기 설정된 제외 대상은, 공기조화기(100)가 설치되는 곳의 주변 환경에 따라 영향을 일정 수준 이상 받는 데이터를 의미할 수 있고, 사용자에 의해 설정될 수 있다. In this case, the controller 370 may determine whether data corresponding to a preset exclusion target exists among the first selected data. Here, the preset exclusion target may mean data that is affected by a certain level or more according to the surrounding environment where the air conditioner 100 is installed, and may be set by the user.

한편, 1차 선택된 데이터 중에서 기 설정된 제외 대상에 해당하는 데이터가 존재하는 경우, 제어부(370)는, 1차 선택된 데이터를 제외한 나머지 데이터 중에서, 가중치가 높은 순서대로, 제외 대상에 해당하는 데이터의 개수에 따라 데이터를 2차 선택할 수 있다. 이때, 제어부(370)는, 2차 선택된 데이터 중에서, 기 설정된 제외 대상에 해당하는 데이터가 존재하는지 여부를 다시 판단할 수도 있다.On the other hand, if there is data corresponding to a preset exclusion target among the first selected data, the controller 370 controls the number of data corresponding to the exclusion target in the order of increasing weight among the remaining data except for the first selected data. Depending on the data, secondary selection can be made. In this case, the controller 370 may determine again whether data corresponding to a preset exclusion target exists among the secondly selected data.

한편, 제어부(370)는, 1차 선택 또는 2차 선택된 데이터 중에서, 기 설정된 우선 대상이 매핑(mapping)된 데이터가 존재하는지 여부를 판단할 수 있다. 여기서, 우선 대상은, 2차 선택된 데이터에 대하여 일정 수준 이상 영향을 미쳐, 1차 선택 또는 2차 선택된 데이터 대신 선택되는 데이터를 의미할 수 있고, 사용자에 의해 설정될 수 있다. Meanwhile, the controller 370 may determine whether data to which a preset priority object is mapped exists among the first or second selected data. Here, the priority target may mean data selected instead of the first or second selected data by affecting the second selected data more than a certain level, and may be set by the user.

제어부(370)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중에서, 기 설정된 제외 대상을 제외하고 가중치에 따라 선택된 데이터를, 처리 대상인 입력 데이터로 결정할 수 있다.The controller 370 may determine, among data related to each configuration provided in the air conditioner 100 , data selected according to weights except for a preset exclusion target as input data to be processed.

제어부(370)는, 결정된 입력 데이터의 값을 스케일링(scaling)할 수 있다. 여기서, 스케일링은, 입력 데이터들 각각의 값이 동일한 범위에 포함되도록 스케일을 조정하는 것을 의미할 수 있다. The controller 370 may scale the determined value of the input data. Here, the scaling may mean adjusting the scale so that each value of the input data is included in the same range.

Figure pat00001
Figure pat00001

예를 들면, 제어부(370)는, 상기 수학식 1에 기초하여, 입력 데이터의 값을 스케일링할 수 있다. 이때, x는 입력 데이터의 값, xmax는 입력 데이터의 최대값, xmin은 입력 데이터의 최소값을 의미할 수 있다. For example, the controller 370 may scale the value of the input data based on Equation 1 above. In this case, x may mean a value of input data, xmax may mean a maximum value of input data, and xmin may mean a minimum value of input data.

제어부(370)는, 그리드 서치(Grid search) 방식을 이용하여, 냉매량을 산출하는 학습 모델에 포함되는 히든 노드(hidden node)의 개수를 결정할 수 있다.The controller 370 may determine the number of hidden nodes included in the learning model for calculating the amount of refrigerant by using a grid search method.

제어부(370)는, 입력 데이터에 기초하여, 복수의 예비 학습 모델을 생성할 수 있다. 이때, 제어부(370)는, 히든 레이어에 포함되는 히든 노드의 개수를 변경하면서, 복수의 예비 학습 모델을 생성할 수 있다. 예를 들면, 제어부(370)는, 제1 예비 학습 모델은 히든 레이어에 1개의 히든 노드가 포함되고, 제2 예비 학습 모델은 히든 레이어에 2개의 히든 노드가 포함되도록 할 수 있다. The controller 370 may generate a plurality of preliminary learning models based on the input data. In this case, the controller 370 may generate a plurality of preliminary learning models while changing the number of hidden nodes included in the hidden layer. For example, the controller 370 may set the first preliminary learning model to include one hidden node in the hidden layer, and the second preliminary learning model to include two hidden nodes in the hidden layer.

한편, 제어부(370)는, 입력 데이터를, 학습 세트(training set)과 검증 세트(validation set)으로 구분할 수 있다. 여기서, 학습 세트는, 학습 모델의 학습을 위한 데이터를 의미할 수 있고, 검증 세트는 학습 모델의 학습 정도를 확인하기 위한 데이터를 의미할 수 있다. Meanwhile, the controller 370 may classify input data into a training set and a validation set. Here, the training set may mean data for learning the learning model, and the verification set may mean data for confirming the learning degree of the learning model.

제어부(370)는, 복수의 예비 학습 모델의 냉매량 산출 결과의 정확도를 비교할 수 있고, 비교 결과에 기초하여, 냉매량을 산출하는 학습 모델의 히든 노드의 개수를 결정할 수 있다. 예를 들면, 제어부(370)는, 복수의 예비 학습 모델 각각에 대하여 검증 세트를 이용하여, 복수의 예비 학습 모델의 냉매량 산출 결과의 정확도를 각각 산출할 수 있고, 정확도가 가장 높은 예비 학습 모델에 포함되는 노드의 개수를, 냉매량을 산출하는 학습 모델의 히든 노드의 개수로 결정할 수 있다. 예를 들면, 제어부(370)는, 복수의 예비 학습 모델 각각에 대하여 검증 세트를 이용하여, 복수의 예비 학습 모델의 냉매량 산출 결과의 정확도를 각각 산출할 수 있고, 정확도가 기 설정된 기준 이상인 예비 학습 모델 중에서 가장 적은 개수의 히든 노드를 포함하는 예비 학습 모델의 히든 노드의 개수를, 냉매량을 산출하는 학습 모델의 히든 노드의 개수로 결정할 수 있다.The controller 370 may compare the accuracy of the refrigerant amount calculation results of the plurality of preliminary learning models, and may determine the number of hidden nodes of the learning model for calculating the refrigerant amount based on the comparison results. For example, the control unit 370 may calculate the accuracy of the refrigerant amount calculation result of the plurality of preliminary learning models by using the verification set for each of the plurality of preliminary learning models, respectively, to the preliminary learning model with the highest accuracy. The number of included nodes may be determined as the number of hidden nodes of the learning model for calculating the amount of refrigerant. For example, the controller 370 may calculate the accuracy of the refrigerant amount calculation result of the plurality of preliminary learning models by using the verification set for each of the plurality of preliminary learning models, and the accuracy of the preliminary learning is greater than or equal to a preset standard. The number of hidden nodes of the preliminary learning model including the smallest number of hidden nodes among the models may be determined as the number of hidden nodes of the learning model for calculating the amount of refrigerant.

제어부(370)는, 결정된 개수의 히든 노드를 포함하는 학습 모델이 입력 데이터를 학습하도록 제어하여, 냉매량을 산출하는 학습 모델을 생성할 수 있다. 이때, 제어부(370)는, 냉매량을 산출하는 학습 모델이, 역전파 알고리즘을 사용하여 입력 데이터와 냉매량 간의 상관 관계를 학습하도록 제어하여, 학습 모델을 구성하는 웨이트(weight) 및 바이어스(bias)를 결정할 수 있다. The controller 370 may generate a learning model for calculating the amount of refrigerant by controlling the learning model including the determined number of hidden nodes to learn the input data. At this time, the control unit 370 controls the learning model for calculating the amount of refrigerant to learn the correlation between the input data and the amount of refrigerant by using a back propagation algorithm, and the weight and bias constituting the learning model can decide

제어부(370)는, 학습 모델을 통해 산출된 냉매량에 대한 데이터를, 출력부(360)를 통해 출력할 수 있다. 예를 들면, 제어부(370)는, 디스플레이를 통해, 산출된 냉매량에 따른 냉매 충전율을 출력할 수 있다. The controller 370 may output data on the amount of refrigerant calculated through the learning model through the output unit 360 . For example, the controller 370 may output a refrigerant filling rate according to the calculated refrigerant amount through the display.

제어부(370)는, 학습 모델을 통해 산출된 냉매량이 기 설정된 최소 기준 미만인 경우 또는 기 설정된 최대 기준 이상인 경우, 출력부(360)를 통해 경고 메시지를 출력할 수 있다.The controller 370 may output a warning message through the output unit 360 when the amount of refrigerant calculated through the learning model is less than a preset minimum standard or is greater than or equal to a preset maximum standard.

한편, 제어부(370)는, 학습 데이터 획득부(미도시), 모델 학습부(미도시) 및/또는 냉매량 산출부(미도시)를 포함할 수 있다.Meanwhile, the control unit 370 may include a learning data obtaining unit (not shown), a model learning unit (not shown), and/or a refrigerant amount calculating unit (not shown).

학습 데이터 획득부는, 공기조화기(100)에 구비된 각 구성에 대한 데이터를 획득하고, 획득한 데이터 중 처리 대상인 입력 데이터를 결정할 수 있다. 모델 학습부는, 입력 데이터를 학습하여, 냉매량을 산출하는 학습 모델을 생성할 수 있다. 냉매량 산출부는, 학습 모델이 생성된 이후 획득되는 입력 데이터를 학습 모델에 입력하여 냉매량을 산출할 수 있다. The learning data acquisition unit may acquire data for each component included in the air conditioner 100 and determine input data to be processed among the acquired data. The model learning unit may generate a learning model for calculating the amount of refrigerant by learning the input data. The refrigerant amount calculating unit may calculate the refrigerant amount by inputting input data obtained after the learning model is generated into the learning model.

도 5 내지 6b는, 본 발명의 일 실시예에 따른, 공기조화기의 동작방법을 도시한 순서도이고, 도 7a 내지 11은, 공기조화기의 동작방법에 대한 설명에 참조되는 도면이다.5 to 6B are flowcharts illustrating an operating method of the air conditioner according to an embodiment of the present invention, and FIGS. 7A to 11 are diagrams referenced in the description of the operating method of the air conditioner.

도 5를 참조하면, 공기조화기(100)는, S510 동작에서, 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 획득할 수 있다. 예를 들면, 공기조화기(100)는, 이하 표 1과 같이, 압축기(102)의 운전 주파수, 어큐뮬레이터(103)의 흡입온도, 압축기(102)의 토출온도, 압축기(102)의 흡입압력, 압축기(102)의 토출압력, 과열도, 과냉도, 실외팬(105a)의 회전 수, 실외측 열교환기(104)의 응축온도 또는 증발온도, 실외측 열교환기(104)의 출구측 온도, 실내기(31)의 입구측 배관온도, 실내기(31)의 출구측 배관온도, 실내 온도, 실외 온도, 전자식 팽창팰브(EEV)의 개도량 등을 획득할 수 있다. Referring to FIG. 5 , the air conditioner 100 may acquire data related to each component included in the air conditioner 100 in operation S510 . For example, the air conditioner 100 includes, as shown in Table 1 below, the operating frequency of the compressor 102 , the suction temperature of the accumulator 103 , the discharge temperature of the compressor 102 , the suction pressure of the compressor 102 , The discharge pressure of the compressor 102, the degree of superheat, the degree of subcooling, the number of rotations of the outdoor fan 105a, the condensation temperature or evaporation temperature of the outdoor heat exchanger 104, the outlet temperature of the outdoor heat exchanger 104, the indoor unit The inlet pipe temperature of 31, the outlet pipe temperature of the indoor unit 31, the indoor temperature, the outdoor temperature, the opening degree of the electronic expansion valve (EEV), and the like can be obtained.

IndexIndex DataData IndexIndex DataData 1One 압축기(102) 토출압력Compressor 102 discharge pressure 99 실외측 열교환기(104)
응축온도 또는 증발온도Outdoor Heat Exchanger (104)
Condensation temperature or evaporation temperature 22 압축기(102) 흡입압력Compressor 102 Suction Pressure 1010 실외측 열교환기(104) 출구측 온도Temperature at the outlet side of the outdoor heat exchanger (104) 33 압축비
(토출압력/흡입압력)compression ratio
(discharge pressure/suction pressure) 1111 전자식 팽창팰브(EEV) 개도량Electronic expansion valve (EEV) opening degree 44 과냉도degree of subcooling 1212 토출 과열도
(압축기(102) 토출온도-응축기 온도)Discharge superheat
(Compressor 102 discharge temperature - condenser temperature) 55 압축기(102) 운전 주파수Compressor 102 operating frequency 1313 실내 온도room temperature 66 실외팬(105a) 회전속도Outdoor fan (105a) rotation speed 1414 실내기(31) 입구측 배관온도Indoor unit (31) inlet piping temperature 77 실외 온도outdoor temperature 1515 실내기(31) 출구측 배관온도Indoor unit (31) outlet side piping temperature 88 압축기(102) 토출온도Compressor 102 discharge temperature

공기조화기(100)는, S520 동작에서, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중에서, 냉매량을 산출하는 학습 모델의 생성을 위해 사용되는 처리 대상인 입력 데이터를 결정할 수 있다. 이에 대하여, 도 6a를 참조하여 설명하도록 한다.In operation S520 , the air conditioner 100 may determine input data that is a processing target used for generating a learning model for calculating the amount of refrigerant from among data related to each configuration provided in the air conditioner 100 . This will be described with reference to FIG. 6A.

도 6a를 참조하면, 공기조화기(100)는, S601 동작에서, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여, 가중치를 산출할 수 있다. 예를 들면, 공기조화기(100)는, NCA 알고리즘을 이용하여, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여, 가중치를 산출할 수 있다.Referring to FIG. 6A , in operation S601 , the air conditioner 100 may calculate a weight for each data related to each configuration provided in the air conditioner 100 . For example, the air conditioner 100 may calculate a weight for each data related to each configuration provided in the air conditioner 100 by using the NCA algorithm.

공기조화기(100)는, S602 동작에서, 가중치들 간의 차이를 산출할 수 있다. 예를 들면, 공기조화기(100)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 각각에 대하여 산출된 가중치를 크기 순으로 나열할 수 있고, 나열된 가중치들 사이의 차이를 산출할 수 있다.The air conditioner 100 may calculate a difference between the weights in operation S602. For example, the air conditioner 100 may list weights calculated for each data related to each configuration provided in the air conditioner 100 in order of size, and calculate a difference between the listed weights. can

공기조화기(100)는, S603 동작에서, 산출된 가중치들 간의 차이에 따라, 공기조화기(100)에 구비된 각 구성과 관련된 데이터를 복수의 그룹으로 구분할 수 있다. The air conditioner 100 may classify data related to each configuration provided in the air conditioner 100 into a plurality of groups according to a difference between the calculated weights in operation S603 .

공기조화기(100)는, S604 동작에서, 복수의 그룹 중, 가중치가 가장 큰 그룹에 포함된 데이터의 개수를 입력 데이터로 결정되는 데이터의 개수로 결정할 수 있다.In operation S604 , the air conditioner 100 may determine the number of data included in the group having the greatest weight among the plurality of groups as the number of data determined as input data.

공기조화기(100)는, S605 동작에서, 기 설정된 제외 대상을 고려하여, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중에서 입력 데이터를 결정할 수 있다.In operation S605 , the air conditioner 100 may determine input data from among data related to each configuration provided in the air conditioner 100 in consideration of a preset exclusion target.

도 7a는, 공기조화기(100)의 운전 모드가 냉방 운전 모드인 경우에 획득된 데이터들의 가중치에 대한 그래프이고, 도 7b는, 공기조화기(100)의 운전 모드가 난방 운전 모드인 경우에 획득된 데이터들의 가중치에 대한 그래프이다.7A is a graph of weights of data obtained when the operation mode of the air conditioner 100 is a cooling operation mode, and FIG. 7B is a case in which the operation mode of the air conditioner 100 is a heating operation mode. It is a graph of the weights of the acquired data.

도 7a를 참조하면, 공기조화기(100)의 운전 모드가 냉방 운전 모드인 경우, 상기 표 1과 같이 획득된 공기조화기(100)에 구비된 각 구성과 관련된 데이터의 가중치에 따라, 과냉도부터 압축비까지 순서대로 나열될 수 있다. Referring to FIG. 7A , when the operation mode of the air conditioner 100 is the cooling operation mode, the degree of subcooling according to the weight of data related to each configuration provided in the air conditioner 100 obtained as shown in Table 1 above. It can be listed in order from to the compression ratio.

이때, 실외 온도와 압축기(102)의 토출온도 사이에서 가중치 간 차이가 급격하게 커지는 것을 확인할 수 있고, 실내기(31)의 입구측 배관온도와 실내 온도 사이에서 가중치 간 차이가 다시 급격하게 작아지는 것을 확인할 수 있다. At this time, it can be seen that the difference between the weights between the outdoor temperature and the discharge temperature of the compressor 102 rapidly increases, and the difference between the weights between the inlet pipe temperature of the indoor unit 31 and the indoor temperature decreases sharply again. can be checked

공기조화기(100)는, 가중치들 간의 차이에 따라, 과냉도부터 실외 온도까지는 제1 그룹, 압축기(102)의 토출온도부터 실내기(31)의 출구측 배관온도까지는 제2 그룹, 실내기(31)의 입구측 배관온도부터 압축비까지는 제3 그룹에 포함시킬 수 있다. 이때, 공기조화기(100)는, 복수의 그룹 중 가중치가 가장 큰 제1 그룹에 포함된 데이터의 개수인 5개를, 입력 데이터로 결정되는 데이터의 개수로 결정할 수 있다.According to the difference between the weights, the air conditioner 100 has a first group from the supercooling degree to the outdoor temperature, the second group from the discharge temperature of the compressor 102 to the outlet pipe temperature of the indoor unit 31, and the indoor unit 31 ) from the inlet piping temperature to the compression ratio can be included in the third group. In this case, the air conditioner 100 may determine the number of data included in the first group having the greatest weight among the plurality of groups, which is five, as the number of data determined as input data.

한편, 공기조화기(100)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중 가중치가 높은 순서대로, 과냉도, 실외팬(105a)의 회전속도, 압축기(102)의 운전 주파수, 압축기(102)의 토출압력, 및 실외 온도를 입력 데이터로 1차 선택할 수 있다.Meanwhile, in the air conditioner 100 , the degree of supercooling, the rotation speed of the outdoor fan 105a, and the operating frequency of the compressor 102 are in the order of increasing weight among data related to each configuration provided in the air conditioner 100 . , the discharge pressure of the compressor 102, and the outdoor temperature may be primarily selected as input data.

한편, 압축기(102)의 토출압력이나 압축기(102)의 흡입압력의 경우, 냉매량뿐만 아니라 실내/외 온도나 습도와 같은 환경 요인들의 영향 등으로 인해 크게 달라질 수 있는 데이터인 점을 고려하여, 제외 대상으로 기 설정될 수 있다. 이때, 공기조화기(100)는, 1차 선택된 데이터 중에서, 기 설정된 제외 대상에 해당하는 데이터인 압축기(102)의 토출압력을 제외하고, 가중치에 따라 압축기(102)의 토출온도를 2차 선택할 수 있다.On the other hand, in the case of the discharge pressure of the compressor 102 or the suction pressure of the compressor 102, it is excluded considering that it is data that can vary greatly due to the influence of environmental factors such as indoor/outdoor temperature and humidity as well as the amount of refrigerant. The target may be preset. At this time, the air conditioner 100 selects the discharge temperature of the compressor 102 secondarily according to the weight, except for the discharge pressure of the compressor 102 , which is data corresponding to a preset exclusion target, from among the firstly selected data. can

한편, 압축기(102)의 토출온도의 경우, 냉매량의 변화에 따라 크게 달라지는 데이터인 점을 고려하여, 2차 선택에 있어서 압축기(102)의 토출온도에 대한 우선 대상으로 전자식 팽창팰브(EEV)의 개도량이 기 설정될 수 있다. 이때, 공기조화기(100)는, 2차 선택된 압축기(102)의 토출온도 대신 전자식 팽창팰브(EEV)의 개도량을 입력 데이터로 결정할 수 있다. 따라서, 과냉도, 실외팬(105a)의 회전속도, 압축기(102)의 운전 주파수, 실외 온도 및 전자식 팽창팰브(EEV)의 개도량이, 냉방 운전 모드 시의 냉매량 산출에 대한 입력 데이터로 결정될 수 있다. On the other hand, in the case of the discharge temperature of the compressor 102, considering that it is data that varies greatly depending on the change in the amount of refrigerant, the electronic expansion valve (EEV) is a priority for the discharge temperature of the compressor 102 in the secondary selection. The opening degree may be preset. In this case, the air conditioner 100 may determine the opening degree of the electronic expansion valve (EEV) as input data instead of the discharge temperature of the secondly selected compressor 102 . Accordingly, the degree of supercooling, the rotational speed of the outdoor fan 105a, the operating frequency of the compressor 102, the outdoor temperature, and the opening degree of the electronic expansion valve (EEV) may be determined as input data for calculating the amount of refrigerant in the cooling operation mode. .

한편, 도 7b를 참조하면, 공기조화기(100)의 운전 모드가 난방 운전 모드인 경우, 상기 표 1과 같이 획득된 공기조화기(100)에 구비된 각 구성과 관련된 데이터의 가중치에 따라, 압축기(102)의 운전 주파수부터 압축기(102)의 흡입압력까지 순서대로 나열될 수 있다. On the other hand, referring to FIG. 7B , when the operation mode of the air conditioner 100 is the heating operation mode, according to the weight of data related to each configuration provided in the air conditioner 100 obtained as shown in Table 1 above, From the operating frequency of the compressor 102 to the suction pressure of the compressor 102 may be listed in order.

이때, 실외측 열교환기(104)의 출구측 온도와 과냉도 사이에서 가중치 간 차이가 급격하게 커지는 것을 확인할 수 있고, 실내기(31)의 입구측 배관온도와 실외팬(105a)의 회전속도 사이에서 가중치 간 차이가 다시 급격하게 작아지는 것을 확인할 수 있다.At this time, it can be seen that the difference between the weights between the temperature of the outlet side of the outdoor heat exchanger 104 and the degree of supercooling increases rapidly, and the difference between the temperature of the inlet pipe of the indoor unit 31 and the rotation speed of the outdoor fan 105a is increased. It can be seen that the difference between the weights sharply decreases again.

공기조화기(100)는, 가중치들 간의 차이에 따라, 압축기(102)의 운전 주파수부터 실외측 열교환기(104)의 출구측 온도까지는 제1 그룹, 과냉도부터 실내기(31)의 입구측 배관온도까지는 제2 그룹, 실외팬(105a)의 회전속도부터 압축기(102)의 흡입압력까지는 제3 그룹에 포함시킬 수 있다. 이때, 공기조화기(100)는, 복수의 그룹 중 가중치가 가장 큰 제1 그룹에 포함된 데이터의 개수인 5개를, 입력 데이터로 결정되는 데이터의 개수로 결정할 수 있다.According to the difference between the weights, the air conditioner 100 includes the first group from the operating frequency of the compressor 102 to the outlet temperature of the outdoor heat exchanger 104, and from the supercooling degree to the inlet pipe of the indoor unit 31. The temperature may be included in the second group, and the suction pressure of the compressor 102 from the rotation speed of the outdoor fan 105a may be included in the third group. In this case, the air conditioner 100 may determine the number of data included in the first group having the greatest weight among the plurality of groups, which is five, as the number of data determined as input data.

한편, 공기조화기(100)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중 가중치가 높은 순서대로, 압축기(102)의 운전 주파수, 실외 온도, 압축기(102)의 토출온도, 압축기(102)의 토출압력, 및 실외측 열교환기(104)의 출구측 온도를 입력 데이터로 1차 선택할 수 있다.On the other hand, in the air conditioner 100, the operating frequency of the compressor 102, the outdoor temperature, the discharge temperature of the compressor 102, The discharge pressure of the compressor 102 and the outlet temperature of the outdoor heat exchanger 104 may be primarily selected as input data.

한편, 도 7a에서 참조한 바와 유사하게, 압축기(102)의 토출압력이나 실외측 열교환기(104)의 출구측 온도의 경우, 냉매량뿐만 아니라 실내/외 온도나 습도와 같은 환경 요인들의 영향 등으로 인해 크게 달라질 수 있는 데이터인 점을 고려하여, 제외 대상으로 기 설정될 수 있다. 이때, 공기조화기(100)는, 1차 선택된 데이터 중에서, 기 설정된 제외 대상에 해당하는 데이터인 압축기(102)의 토출압력과 실외측 열교환기(104)의 출구측 온도를 제외하고, 가중치에 따라 과냉도와 전자식 팽창팰브(EEV)의 개도량를 2차 선택할 수 있다. 따라서, 압축기(102)의 운전 주파수, 실외 온도, 압축기(102)의 토출온도, 과냉도, 및 전자식 팽창팰브(EEV)의 개도량이, 난방 운전 모드 시의 냉매량 산출에 대한 입력 데이터로 결정될 수 있다.Meanwhile, similarly to FIG. 7A , in the case of the discharge pressure of the compressor 102 or the temperature of the outlet side of the outdoor heat exchanger 104, not only the amount of refrigerant but also the influence of environmental factors such as indoor/outdoor temperature and humidity, etc. Considering that it is data that can vary greatly, it may be preset as an exclusion target. At this time, the air conditioner 100 excludes the discharge pressure of the compressor 102 and the outlet temperature of the outdoor heat exchanger 104, which are data corresponding to a preset exclusion target, from among the first selected data, and adds the weight to the weight. The degree of subcooling and the degree of opening of the electronic expansion valve (EEV) can be selected secondarily. Accordingly, the operating frequency of the compressor 102, the outdoor temperature, the discharge temperature of the compressor 102, the degree of supercooling, and the opening degree of the electronic expansion valve (EEV) may be determined as input data for calculating the amount of refrigerant in the heating operation mode. .

다시 도 5를 참조하면, 공기조화기(100)는, S530 동작에서, 냉매량을 산출하는 학습 모델을 생성할 수 있다. 이에 대하여, 도 6b를 참조하여 설명하도록 한다.Referring back to FIG. 5 , the air conditioner 100 may generate a learning model for calculating the amount of refrigerant in operation S530 . This will be described with reference to FIG. 6B.

도 6b를 참조하면, 공기조화기(100)는, S611 동작에서, 결정된 입력 데이터의 값을 스케일링할 수 있다. 예를 들면, 공기조화기(100)는, 입력 데이터들의 최대값, 입력 데이터들의 최소값 등에 기초하여, 입력 데이터들 각각의 값이 동일한 범위에 포함되도록 스케일링할 수 있다.Referring to FIG. 6B , the air conditioner 100 may scale the determined value of the input data in operation S611. For example, the air conditioner 100 may scale each value of the input data to be included in the same range based on the maximum value of the input data, the minimum value of the input data, and the like.

공기조화기(100)는, S612 동작에서, 입력 데이터에 기초하여, 복수의 예비 학습 모델을 생성할 수 있다. 이때, 공기조화기(100)는, 히든 레이어에 포함되는 히든 노드의 개수를 변경하면서, 복수의 예비 학습 모델을 생성할 수 있다.The air conditioner 100 may generate a plurality of preliminary learning models based on the input data in operation S612 . In this case, the air conditioner 100 may generate a plurality of preliminary learning models while changing the number of hidden nodes included in the hidden layer.

공기조화기(100)는, S613 동작에서, 복수의 예비 학습 모델의 냉매량 산출 결과의 정확도를 비교할 수 있고, 비교 결과에 기초하여, 냉매량을 산출하는 학습 모델의 히든 노드의 개수를 결정할 수 있다. 예를 들면, 공기조화기(100)는, 복수의 예비 학습 모델 각각에 대하여 검증 세트를 이용하여, 복수의 예비 학습 모델의 냉매량 산출 결과의 정확도를 각각 산출할 수 있고, 복수의 예비 학습 모델의 냉매량 산출 결과의 정확도를 비교한 결과에 기초하여, 냉매량을 산출하는 학습 모델의 히든 노드의 개수를 결정할 수 있다.The air conditioner 100 may compare the accuracy of the refrigerant amount calculation results of the plurality of preliminary learning models in operation S613 and determine the number of hidden nodes of the learning model for calculating the refrigerant amount based on the comparison result. For example, the air conditioner 100 may use the verification set for each of the plurality of preliminary learning models to calculate the accuracy of the refrigerant amount calculation result of the plurality of preliminary learning models, respectively, of the plurality of preliminary learning models. Based on the result of comparing the accuracy of the refrigerant amount calculation result, the number of hidden nodes of the learning model for calculating the refrigerant amount may be determined.

공기조화기(100)는, S614 동작에서, 결정된 개수의 히든 노드를 포함하는 학습 모델이 입력 데이터를 학습하도록 제어하여, 냉매량을 산출하는 학습 모델을 생성할 수 있다. 이때, 공기조화기(100)는, 냉매량을 산출하는 학습 모델을 생성함에 있어서, 냉방 운전 시 학습 모델과, 난방 운전 시 학습 모델을 각각 생성할 수 있다. The air conditioner 100 may generate a learning model for calculating the amount of refrigerant by controlling the learning model including the determined number of hidden nodes to learn the input data in operation S614 . In this case, when generating the learning model for calculating the amount of refrigerant, the air conditioner 100 may generate a learning model during a cooling operation and a learning model during a heating operation, respectively.

도 8a는, 학습 모델을 구성하는 히든 레이어의 개수에 따른, 학습 모델의 학습에 사용되는 파라미터(parameter)의 개수에 대한 그래프이고, 도 8b는, 히든 레이어에 포함되는 히든 노드의 개수가 서로 상이한, 복수의 예비 학습 모델 각각의 냉매량 산출 결과의 정확도에 대한 그래프이다.8A is a graph of the number of parameters used for learning the learning model according to the number of hidden layers constituting the learning model, and FIG. 8B is a graph showing the number of hidden nodes included in the hidden layer is different from each other. , is a graph of the accuracy of the refrigerant amount calculation result of each of the plurality of preliminary learning models.

도 8a를 참조하면, 히든 레이어의 개수가 1개인 경우의 그래프(801)에 기초할 때, 히든 레이어에 포함되는 히든 노드의 개수가 많아지더라도 학습 모델의 학습에 사용되는 파라미터의 개수가 크게 달라지지 않으나, 히든 레이어의 개수가 2개인 경우의 그래프(802)에 기초할 때, 히든 레이어에 포함되는 히든 노드의 개수가 많아질수록 학습 모델의 학습에 사용되는 파라미터의 개수가 기하급수적으로 많아지는 것을 확인할 수 있다. 따라서, 공기조화기(100)는, 학습 모델을 구성하는 히든 레이어의 개수를 1개로 결정할 수 있다. Referring to FIG. 8A , based on the graph 801 when the number of hidden layers is one, even if the number of hidden nodes included in the hidden layer increases, the number of parameters used for learning the learning model is significantly different. However, based on the graph 802 in the case where the number of hidden layers is two, as the number of hidden nodes included in the hidden layer increases, the number of parameters used for learning the learning model increases exponentially. that can be checked Accordingly, the air conditioner 100 may determine the number of hidden layers constituting the learning model as one.

도 8b를 참조하면, 학습 세트(training set)를 이용하여 냉매량을 산출한 경우의 정확도에 대한 그래프(811)의 경우, 히든 노드의 개수가 많을수록 정확도가 개선되는 것을 확인할 수 있으나, 시험 세트(test set)를 이용한 경우의 그래프(812)나, 검증 세트(validation set)를 이용한 경우의 그래프(813)의 경우, 히든 노드의 개수가 일정 수준 이상이면 정확도가 크게 달라지지 않는 것을 확인할 수 있다. Referring to FIG. 8B , in the case of a graph 811 for accuracy when the amount of refrigerant is calculated using a training set, it can be confirmed that the accuracy is improved as the number of hidden nodes increases, but the test set (test In the case of the graph 812 in the case of using the set) or the graph 813 in the case of using the validation set, it can be seen that the accuracy does not change significantly when the number of hidden nodes is greater than or equal to a certain level.

이때, 공기조화기(100)는, 검증 세트를 이용하여 냉매량을 산출한 경우의 정확도에 기초할 때, 냉매량 산출의 정확도가 가장 높은 예비 학습 모델에 포함된 히든 노드의 개수인 30개를, 냉매량을 산출하는 학습 모델의 히든 노드의 개수로 결정할 수 있다.At this time, the air conditioner 100, based on the accuracy when the amount of refrigerant is calculated using the verification set, 30, the number of hidden nodes included in the preliminary learning model having the highest accuracy of calculating the amount of refrigerant, is the refrigerant amount It can be determined by the number of hidden nodes of the learning model that yields .

다시 도 5를 참조하면, 공기조화기(100)는, S540 동작에서, 생성된 학습 모델에 기초하여, 냉매량을 산출할 수 있다. 예를 들면, 공기조화기(100)는, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중, 입력 데이터로 결정된 데이터에 기초하여 냉매량을 산출할 수 있다.Referring back to FIG. 5 , in operation S540 , the air conditioner 100 may calculate the amount of refrigerant based on the generated learning model. For example, the air conditioner 100 may calculate the amount of refrigerant based on data determined as input data among data related to each configuration provided in the air conditioner 100 .

도 9a의 도면부호 901을 참조하면, 냉방 운전 모드 시 생성된 학습 모델에 학습 세트를 입력하여 냉매량을 산출한 경우(911), 실제 냉매량(912)과 유사한 결과가 나타나는 것을 확인할 수 있다. 또한, 도 9a의 도면부호 902를 참조하면, 냉방 운전 모드 시 생성된 학습 모델에 시험 세트를 입력하여 냉매량을 산출한 경우(921)에도, 실제 냉매량(922)과 유사한 결과가 나타나는 것을 확인할 수 있고, Referring to reference numeral 901 of FIG. 9A , it can be seen that when the refrigerant amount is calculated by inputting the training set to the learning model generated in the cooling operation mode ( 911 ), a result similar to the actual refrigerant amount ( 912 ) appears. In addition, referring to reference numeral 902 in FIG. 9A , even when the amount of refrigerant is calculated by inputting a test set to the learning model generated during the cooling operation mode (921), it can be confirmed that results similar to the actual amount of refrigerant (922) appear. ,

한편, 도 9b의 도면부호 903을 참조하면, 난방 운전 모드 시 생성된 학습 모델에 학습 세트를 입력하여 냉매량을 산출한 경우(931), 실제 냉매량(932)과 유사한 결과가 나타나는 것을 확인할 수 있다. 또한, 도 9b의 도면부호 904를 참조하면, 난방 운전 모드 시 생성된 학습 모델에 시험 세트를 입력하여 냉매량을 산출한 경우(941)에도, 실제 냉매량(942)과 유사한 결과가 나타나는 것을 확인할 수 있고, Meanwhile, referring to reference numeral 903 of FIG. 9B , when the amount of refrigerant is calculated by inputting a training set to the learning model generated during the heating operation mode (931), it can be seen that a result similar to the actual amount of refrigerant (932) appears. In addition, referring to reference numeral 904 in FIG. 9B , it can be seen that even when the amount of refrigerant is calculated by inputting the test set to the learning model generated during the heating operation mode (941), results similar to the actual amount of refrigerant (942) appear. ,

도 10을 참조하면, 공기조화기(100)는, 학습 모델을 통해 산출된 냉매량에 대한 데이터를, 디스플레이를 통해 출력되는 화면(1000)에 공기조화기(100)에 구비된 각 구성과 관련된 데이터와 함께 표시할 수 있다. 이때, 공기조화기(100)는, 학습 모델을 통해 산출된 냉매량에 따른 냉매 출전율(1010)을 표시할 수 있다. Referring to FIG. 10 , the air conditioner 100 displays data on the amount of refrigerant calculated through the learning model, and data related to each configuration provided in the air conditioner 100 on the screen 1000 output through the display. can be displayed with In this case, the air conditioner 100 may display the refrigerant supply rate 1010 according to the refrigerant amount calculated through the learning model.

한편, 도 11을 참조하면, 공기조화기(100)는, 통신부(310)를 통해, 학습 모델을 통해 산출된 냉매량에 대한 데이터를 이동 단말기(1100)로 전송할 수도 있다. 또는, 공기조화기(100)는, 통신부(310)를 통해, 학습 모델을 통해 산출된 냉매량에 대한 데이터를 서버(미도시)로 전송할 수 있고, 이동 단말기(1100)는 학습 모델을 통해 산출된 냉매량에 대한 데이터를 서버로부터 수신할 수도 있다. Meanwhile, referring to FIG. 11 , the air conditioner 100 may transmit data on the amount of refrigerant calculated through the learning model to the mobile terminal 1100 through the communication unit 310 . Alternatively, the air conditioner 100 may transmit, through the communication unit 310 , data on the amount of refrigerant calculated through the learning model to a server (not shown), and the mobile terminal 1100 may transmit the data on the amount of refrigerant calculated through the learning model. Data on the amount of refrigerant may be received from the server.

이때, 이동 단말기(1100)는, 공기조화기(100)과 관련된 다양한 기능을 제공하는 어플리케이션에 대한 화면을 표시할 수 있고, 사용자는 공기조화기(100)의 동작 상태를 확인하는 기능에 대응하는 아이템(1110)을 선택할 수 있다.In this case, the mobile terminal 1100 may display a screen for an application providing various functions related to the air conditioner 100 , and the user may display a screen corresponding to the function of checking the operating state of the air conditioner 100 . Item 1110 may be selected.

이동 단말기(1100)의 화면에 표시된 아이템 중, 공기조화기(100)의 동작 상태를 확인하는 기능에 대응하는 아이템(1110) 선택된 경우, 이동 단말기(1100)는, 공기조화기(100)의 학습 모델을 통해 산출된 냉매량에 대한 데이터를 포함하는, 공기조화기(100)의 동작 상태를 나타내는 화면을 표시할 수 있다. 이때, 이동 단말기(1100)는, 공기조화기(100)의 학습 모델을 통해 산출된 냉매량에 따라, 현재 냉매 출전 상태(1110)를 표시할 수 있다.Among the items displayed on the screen of the mobile terminal 1100 , when the item 1110 corresponding to the function of checking the operating state of the air conditioner 100 is selected, the mobile terminal 1100 learns the air conditioner 100 . A screen indicating the operating state of the air conditioner 100 including data on the amount of refrigerant calculated through the model may be displayed. In this case, the mobile terminal 1100 may display the current refrigerant supply state 1110 according to the refrigerant amount calculated through the learning model of the air conditioner 100 .

상기와 같이, 본 발명의 다양한 실시예에 다르면, 머신 러닝 및 딥 러닝을 통해, 공기조화기(100)에 구비된 각 구성과 관련된 데이터 중, 냉매량 산출에 필요한 최적의 데이터를 선별하고, 선별된 최적의 데이터를 학습하는 인공지능 알고리즘을 구성하고 이용함으로써, 냉매의 양을 보다 정확히 산출할 수 있어, 공기조화기(100)의 냉난방 효율 및 성능에 대한 신뢰성을 향상시킬 수 있다.As described above, according to various embodiments of the present invention, through machine learning and deep learning, from among data related to each configuration provided in the air conditioner 100, optimal data required for calculating the amount of refrigerant is selected, and the selected By constructing and using an artificial intelligence algorithm that learns optimal data, the amount of refrigerant can be more accurately calculated, thereby improving the reliability of the air conditioning efficiency and performance of the air conditioner 100 .

첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.The accompanying drawings are only for easy understanding of the embodiments disclosed in the present specification, and the technical spirit disclosed herein is not limited by the accompanying drawings, and all changes and equivalents included in the spirit and scope of the present invention It should be understood to include water or substitutes.

마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나, 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다.Likewise, although acts are depicted in the drawings in a particular order, it should not be construed that such acts must be performed in that particular order or sequential order shown, or that all depicted acts must be performed in order to achieve desirable results. . In certain cases, multitasking and parallel processing may be advantageous.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다. In addition, although preferred embodiments of the present invention have been illustrated and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the present invention belongs without departing from the gist of the present invention as claimed in the claims In addition, various modifications may be made by those of ordinary skill in the art, and these modifications should not be individually understood from the technical spirit or perspective of the present invention.

Claims (9)

공기조화기의 동작방법에 있어서,
상기 공기조화기에 구비된 각 구성에 대한 데이터를 획득하는 동작;
상기 각 구성에 대한 데이터 중 처리 대상인 입력 데이터를 결정하는 동작;
상기 결정된 입력 데이터를 학습하여, 냉매량을 산출하는 학습 모델을 생성하는 동작; 및
상기 학습 모델이 생성된 이후 획득되는 상기 입력 데이터를, 상기 학습 모델에 입력하여 상기 냉매량을 산출하는 동작을 포함하는 공기조화기의 동작방법.In the operating method of the air conditioner,
acquiring data for each component provided in the air conditioner;
determining input data to be processed among data for each of the components;
generating a learning model for calculating the amount of refrigerant by learning the determined input data; and
and calculating the refrigerant amount by inputting the input data obtained after the learning model is generated into the learning model. 제1항에 있어서,
상기 입력 데이터를 결정하는 동작은,
상기 각 구성에 대한 데이터 각각에 대하여 가중치를 산출하는 동작;
상기 산출된 가중치들에 기초하여, 상기 각 구성에 대한 데이터 중 상기 입력 데이터로 결정되는 데이터의 개수를 결정하는 동작; 및
상기 결정된 개수에 따라, 상기 입력 데이터를 결정하는 동작을 포함하는 것을 특징으로 하는 공기조화기의 동작방법.According to claim 1,
The operation of determining the input data is
calculating a weight for each data for each configuration;
determining the number of data determined as the input data among the data for each configuration based on the calculated weights; and
and determining the input data according to the determined number. 제2항에 있어서,
상기 입력 데이터로 결정되는 데이터의 개수를 결정하는 동작은,
상기 가중치들 간의 차이를 산출하는 동작; 및
상기 산출된 가중치들 간의 차이에 따라, 상기 각 구성에 대한 데이터를 복수의 그룹으로 구분하는 동작; 및
상기 복수의 그룹 중, 가중치가 가장 큰 그룹에 포함된 데이터의 개수를, 상기 입력 데이터로 결정되는 데이터의 개수로 결정하는 동작을 포함하는 것을 특징으로 하는 공기조화기의 동작방법.3. The method of claim 2,
The operation of determining the number of data determined as the input data includes:
calculating a difference between the weights; and
classifying the data for each configuration into a plurality of groups according to a difference between the calculated weights; and
and determining the number of data included in the group having the greatest weight among the plurality of groups as the number of data determined as the input data. 제3항에 있어서,
상기 각 구성에 대한 데이터 각각에 대하여 가중치를 산출하는 동작은, NCA(Neighborhood Component Analysis) 알고리즘에 따라 상기 가중치를 산출하는 것을 특징으로 하는 공기조화기의 동작방법.4. The method of claim 3,
The operation of calculating the weight for each of the data for each configuration comprises calculating the weight according to a Neighborhood Component Analysis (NCA) algorithm. 제4항에 있어서,
상기 결정된 개수에 따라, 상기 입력 데이터를 결정하는 동작은,
상기 각 구성에 대한 데이터 중, 가중치가 높은 순서대로, 상기 결정된 개수에 따라 데이터를 선택하는 1차 선택 동작;
상기 1차 선택 동작에서 선택된 데이터 중, 기 설정된 제외 대상에 해당하는 데이터가 존재하는지 여부를 판단하는 동작; 및
상기 제외 대상에 해당하는 데이터가 존재하는 경우, 상기 1차 선택 동작에서 선택된 데이터를 제외한 나머지 데이터 중, 가중치가 높은 순서대로, 상기 제외 대상에 해당하는 데이터의 개수에 따라 데이터를 선택하는 2차 선택 동작을 포함하는 것을 특징으로 하는 공기조화기의 동작방법.5. The method of claim 4,
The operation of determining the input data according to the determined number includes:
a first selection operation of selecting data according to the determined number from among the data for each configuration in an order of increasing weight;
determining whether data corresponding to a preset exclusion target exists among the data selected in the first selection operation; and
When data corresponding to the exclusion target exists, data is selected according to the number of data corresponding to the exclusion target in the order of increasing weight among the remaining data except for the data selected in the first selection operation A method of operating an air conditioner, comprising an operation. 제5항에 있어서,
상기 학습 모델을 생성하는 동작은,
상기 입력 데이터로 결정된 데이터 각각의 최소값 및 최대값에 기초하여, 상기 입력 데이터의 값을 스케일링(scaling)하는 동작;
상기 스케일링된 입력 데이터에 기초하여, 히든 레이어(hiddent layer)에 포함되는 히든 노드(hidden node)의 개수를 변경하면서, 복수의 예비 학습 모델을 생성하는 동작; 및
상기 생성된 복수의 예비 학습 모델 중, 상기 냉매량을 산출한 결과에 대한 정확도가 가장 높은 예비 학습 모델의 상기 히든 노드의 개수를, 상기 학습 모델의 히든 노드의 개수로 결정하는 동작을 포함하는 것을 특징으로 하는 공기조화기의 동작방법.6. The method of claim 5,
The operation of generating the learning model is,
scaling a value of the input data based on a minimum value and a maximum value of each of the data determined as the input data;
generating a plurality of preliminary learning models while changing the number of hidden nodes included in a hidden layer based on the scaled input data; and
and determining the number of hidden nodes of the preliminary learning model having the highest accuracy with respect to the result of calculating the amount of refrigerant among the generated plurality of preliminary learning models as the number of hidden nodes of the learning model. How to operate an air conditioner. 제6항에 있어서,
상기 학습 모델을 생성하는 동작은,
역전파(Back-propagation) 방식에 따라, 상기 스케일링된 입력 데이터와 상기 냉매량 간의 상관 관계를 학습하여, 웨이트(weight) 및 바이어스(bias)를 결정하는 동작을 더 포함하는 것을 특징으로 하는 공기조화기의 동작방법.7. The method of claim 6,
The operation of generating the learning model is,
The air conditioner further comprising the operation of determining a weight and a bias by learning a correlation between the scaled input data and the amount of refrigerant according to a back-propagation method method of operation. 제7항에 있어서,
상기 공기조화기에 포함된 출력부를 통해, 상기 산출된 냉매량에 대한 메시지를 출력하는 동작; 및
상기 산출된 냉매량이 기 설정된 최소 기준 미만인 경우 또는 상기 산출된 냉매량이 기 설정된 최대 기준 이상인 경우, 상기 출력부를 통해 경고 메시지를 출력하는 동작을 더 포함하는 것을 특징으로 하는 공기조화기의 동작방법.8. The method of claim 7,
outputting a message about the calculated amount of refrigerant through an output unit included in the air conditioner; and
and outputting a warning message through the output unit when the calculated amount of refrigerant is less than a preset minimum standard or when the calculated amount of refrigerant is greater than or equal to a preset maximum standard. 공기조화기에 있어서,
상기 공기조화기에 구비된 각 구성에 대한 데이터에 기초하여, 냉매량을 산출하는 제어부를 포함하고,
상기 제어부는,
상기 공기조화기에 구비된 각 구성에 대한 데이터를 획득하고, 상기 획득한 데이터 중 처리 대상인 입력 데이터를 결정하는, 학습 데이터 획득부;
상기 입력 데이터를 학습하여, 상기 냉매량을 산출하는 학습 모델을 생성하는 모델 학습부; 및
상기 학습 모델이 생성된 이후 획득되는 상기 입력 데이터를, 상기 생성된 학습 모델에 입력하여 상기 냉매량을 산출하는 냉매량 산출부를 포함하는 것을 특징으로 하는 공기조화기.In the air conditioner,
a control unit for calculating the amount of refrigerant based on data for each configuration provided in the air conditioner;
The control unit is
a learning data acquisition unit that acquires data for each configuration provided in the air conditioner and determines input data to be processed among the acquired data;
a model learning unit for generating a learning model for calculating the amount of refrigerant by learning the input data; and
and a refrigerant amount calculation unit for calculating the refrigerant amount by inputting the input data obtained after the learning model is generated into the generated learning model.
KR1020200008803A 2020-01-22 2020-01-22 Air conditioner and method thereof KR20210094935A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200008803A KR20210094935A (en) 2020-01-22 2020-01-22 Air conditioner and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200008803A KR20210094935A (en) 2020-01-22 2020-01-22 Air conditioner and method thereof

Publications (1)

Publication Number Publication Date
KR20210094935A true KR20210094935A (en) 2021-07-30

Family

ID=77148547

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200008803A KR20210094935A (en) 2020-01-22 2020-01-22 Air conditioner and method thereof

Country Status (1)

Country Link
KR (1) KR20210094935A (en)

Similar Documents

Publication Publication Date Title
KR20210093666A (en) Air conditioner and method thereof
US11353226B2 (en) Air-conditioner based on parameter learning using artificial intelligence, cloud server, and method of operating and controlling thereof
US11635217B2 (en) Air-conditioner based on parameter learning using artificial intelligence, cloud server, and method of operating and controlling thereof
US10900684B2 (en) Thermostat and method for an environmental control system for HVAC system of a building
US11898783B2 (en) Performance degradation diagnosis system for refrigeration cycle apparatus
US20230116355A1 (en) Air conditioner and operation method thereof
WO2018191635A1 (en) Thermostat with occupancy detection via proxy
JP6486547B2 (en) Air conditioning system
KR102071960B1 (en) Control device of configuring parameter based on artificial intelligent learning of space where the air-conditioner is installed
JP2021018054A (en) Variable refrigerant flow system with zone grouping control feasibility estimation
KR20210094935A (en) Air conditioner and method thereof
KR20210122520A (en) Air conditioner and Method for calculating the quantity of refrigerant in air conditioner
KR102344066B1 (en) Air conditioner and Method for controlling the same
CN113375281A (en) Air conditioner control method and air conditioner
KR102085831B1 (en) Apparatus and method for air conditioner
US20230109896A1 (en) Air conditioner and operation method thereof
KR101893163B1 (en) Air conditioner and Method for controlling it
CN113465224B (en) Heat pump and operation method thereof
KR20200114210A (en) Air conditioner
KR102203213B1 (en) A control method for air conditioner
KR20230126044A (en) Air conditioner
CN113375282A (en) Air conditioner control method and air conditioner
CN115997221A (en) Generating method, program, information processing device, information processing method, and learning-completed model

Legal Events

Date Code Title Description
A201 Request for examination