TW202142815A - 冷卻系統的監控方法及其監控裝置 - Google Patents
冷卻系統的監控方法及其監控裝置 Download PDFInfo
- Publication number
- TW202142815A TW202142815A TW109114643A TW109114643A TW202142815A TW 202142815 A TW202142815 A TW 202142815A TW 109114643 A TW109114643 A TW 109114643A TW 109114643 A TW109114643 A TW 109114643A TW 202142815 A TW202142815 A TW 202142815A
- Authority
- TW
- Taiwan
- Prior art keywords
- temperature
- temperature data
- abnormal
- data
- judgment model
- Prior art date
Links
Images
Classifications
-
- 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
- F25B49/00—Arrangement or mounting of control or safety devices
- F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
-
- 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
- F25B39/00—Evaporators; Condensers
-
- 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
- F25B2400/00—General features or devices for refrigeration machines, plants or systems, combined heating and refrigeration systems or heat-pump systems, i.e. not limited to a particular subgroup of F25B
- F25B2400/21—Modules for refrigeration systems
-
- 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
- F25B2500/00—Problems to be solved
- F25B2500/06—Damage
-
- 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
- F25B2500/00—Problems to be solved
- F25B2500/07—Exceeding a certain pressure value in a refrigeration component or cycle
-
- 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
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
- F25B2700/2104—Temperatures of an indoor room or compartment
-
- 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
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
- F25B2700/2106—Temperatures of fresh outdoor air
-
- 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
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
- F25B2700/2115—Temperatures of a compressor or the drive means therefor
- F25B2700/21151—Temperatures of a compressor or the drive means therefor at the suction side of the compressor
-
- 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
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
- F25B2700/2115—Temperatures of a compressor or the drive means therefor
- F25B2700/21152—Temperatures of a compressor or the drive means therefor at the discharge side of the compressor
-
- 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
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
- F25B2700/2116—Temperatures of a condenser
-
- 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
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
- F25B2700/2117—Temperatures of an evaporator
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Air Conditioning Control Device (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本發明揭露一種冷卻系統的監控方法及其監控裝置。該方法包括以下步驟:藉由監控模組根據預設異常數據與多個預設異常類型利用深度學習建立一異常判斷模型;藉由多個溫度感測器分別產生多組溫度數據; 以及藉由監控模組根據多組溫度數據與多個溫度感測器利用異常判斷模型決定冷卻系統的一個或多個異常類型及一異常預測。
Description
本發明係有關於一種冷卻系統,特別是有關於一種冷卻系統的監控方法及其監控裝置。
傳統冷卻系統的溫度監控機制是透過壓縮機高低壓保護以防止冷凝器的壓力過高或者進氣壓力過低。由於壓力與溫度成正比而能達到監控目的。壓力開關中會有高壓和低壓開關組合在一個殼體內,具有兩個球體作用於兩者之間。若壓力達到「高」設定值,或壓力落到「低」設定值,開關就會運作。
傳統監控系統的缺點在於,當冷卻系統異常或接近故障時無法提前知道。等確定無法運轉時,冷卻系統只能停擺等待維修。因為高低壓表是與壓縮機銅管連結在一起,必須將銅管抽成真空,才能切開銅管移除壓力開關去維修壓縮機。
故,有必要提供一種冷卻系統的監控方法,以解決習用技術所存在的問題。
為達上述之目的,本發明提供一種冷卻系統的監控方法及其監控裝置。
在一實施例中,本發明提供一種冷卻系統的監控方法,包括以下步驟:S1:藉由一監控模組根據預設異常數據與多個預設異常類型利用深度學習建立一異常判斷模型; S2:藉由多個溫度感測器產生多組溫度數據; 以及S3:藉由該監控模組根據該多組溫度數據與該多個溫度感測器利用該異常判斷模型決定該冷卻系統的一個或多個異常類型及一異常預測。
在一實施例中,更包含步驟S4:藉由該監控模組根據該多組溫度數據及該一個或多個異常類型利用深度學習重建該異常判斷模型。
在一實施例中,步驟S3進一步包含:分別根據該多組溫度數據利用一級數公式分別產生多個溫度級數、根據該多個溫度級數利用該異常判斷模型決定該一個或多個異常類型,以及根據該一個或多個異常類型在一時間週期的發生次數決定該異常預測。
在一實施例中,該多個溫度級數與溫度正相關。
在一實施例中,該多組溫度數據包括一組室內溫度數據、一組蒸發器溫度數據、一組冷凝器溫度數據、一組第一管線溫度數據、一組第二管線溫度數據及一組環境溫度數據。
在一實施例中,本發明提供一種冷卻系統的監控裝置,包括:多個溫度感測器,分別產生多組溫度數據;以及一監控模組,執行以下步驟: 根據預設異常數據與多個預設異常類型利用深度學習建立一異常判斷模型; 以及根據該多組溫度數據以及該多個溫度感測器利用該異常判斷模型決定該冷卻系統的一個或多個異常類型及一異常預測。
在一實施例中,該監控模組更根據該多組溫度數據及該一個或多個異常類型利用深度學習重建該異常判斷模型。
在一實施例中,該監控模組進一步分別根據該多組溫度數據利用一級數公式分別產生多個溫度級數、根據該多個溫度級數利用該異常判斷模型決定該一個或多個異常類型,以及根據該一個或多個異常類型在一時間週期的發生次數決定該異常預測。
在一實施例中,該多個溫度級數與溫度正相關。
在一實施例中,該多組溫度數據包括來自該室內溫度感測器的一組室內溫度數據、來自一蒸發器溫度感測器的一組蒸發器溫度數據、來自一冷凝器溫度感測器的一組冷凝器溫度數據、來自於設置在該蒸發器與該壓縮機之間的管線的一壓縮機吸入溫度感測器的一組第一管線溫度數據、來自於設置在該壓縮機與該冷凝器之間的管線的一壓縮機吐出溫度感測器的一組第二管線溫度數據以及來自一環境溫度感測器的一組環境溫度數據。
本發明的監控方法與監控裝置將冷卻系統的溫度數據與正常運轉的溫度數據進行專業的數據分析,利用分析出來的數據預測出可能逐漸老化的設備元件或運轉異常的設備元件,進而通知客戶冷卻系統的問題。讓維修人員能提前了解冷卻系統可能故障的原因,準備維修工具或需更換之元件,達到提升維修效率以及延長冷卻系統的使用期限,進而減少用戶財產上的損失。
為了讓本發明之上述及其他目的、特徵、優點能更明顯易懂,下文將特舉本發明較佳實施例,並配合所附圖式,作詳細說明如下。
第1A圖是本發明一實施例的冷卻系統的示意圖。冷卻系統的監控裝置200包括多個溫度感測器210及監控模組220。在本發明的實施例中,多個溫度感測器210包含室內溫度感測器211、蒸發器溫度感測器212、冷凝器溫度感測器216、壓縮機吸入溫度感測器213、壓縮機吐出溫度感測器215及環境溫度感測器214。壓縮機吸入溫度感測器213貼附於蒸發器110與壓縮機120之間的管線上。壓縮機吐出溫度感測器215貼附於壓縮機120與該冷凝器130之間的管線上。室內溫度感測器211、蒸發器溫度感測器212、冷凝器溫度感測器216、壓縮機吸入溫度感測器213、壓縮機吐出溫度感測器215及環境溫度感測器214分別提供一組室內溫度數據、一組蒸發器溫度數據、一組冷凝器溫度數據、一組第一管線溫度數據、一組第二管線溫度數據以及一組環境溫度數據。
在本發明的實施例中,監控模組220的運作如下: 根據預設異常數據與多個預設異常類型利用深度學習建立異常判斷模型230以及根據多組溫度數據以及多個溫度感測器210利用異常判斷模型230決定冷卻系統的一個或多個異常類型及異常預測。監控模組220的主要功能是能依據來自各個溫度感測器的溫度數據判斷出冷卻系統的各個設備元件的狀態是否異常(包含老化),甚至進行異常預測。監控模組220首先須建立異常判斷標準,因此以人工方式設定設備元件的異常數據與對應異常數據的設備元件的異常類型,由此建立出一個函數模型。再根據函數模型利用深度學習的方法訓練出一個異常判斷模型230。舉例來說,可以使用python編寫函數模型,然後輸入異常數據的歷史數據到函數模型且將其運行在特定模型,例如keras Sequential Model,透過適合的模型參數,例如輸入輸出隱藏層與Dropout共七層、層(layer)深度的激活函數(activations)使用relu與softmax、損失函數(loss function)使用分類交叉熵、優化(optimizer)使用適應性矩估計(adam)使函數模型進行學習,經過多次的調整逐漸訓練出正確率高的異常判斷模型230。
接著具有異常判斷模型230的監控模組220則可根據接收到的多組溫度數據送到異常判斷模型230中進行分析,藉由溫度數據的分析結果及其對應的溫度感測器來得知對應的設備元件目前運作的狀態或異常類型,進而得出冷卻系統的設備元件是否開始老化的結果,或得出未來可能老化的趨勢。在一實施例中,多組溫度數據可以先經過數據預處理步驟,例如數據平滑處理、數據變化量計算與變化量的累加計算等,才輸入到異常判斷模型230。該異常類型可能包括庫內風扇異常、冷凝器堵塞、庫門沒關、蒸發器結霜及漏冷媒等。在一實施例中,單一組溫度數據或多個溫度數據的分析結果可能反應出特定一種設備元件的異常類型。在另一實施例中,單一組溫度數據的分析結果也可能反映出多個設備元件的多種異常類型。
在本發明的實施例中,監控模組220更可以根據來自實際運行的冷卻系統的多個溫度感測器210的多組溫度數據以及其分析出的一個或多個異常類型,再經過深度學習重新建立異常判斷模型230。原始的異常判斷模型230是透過人為設定的異常數據及異常類型所建立的函數當作訓練參考。然而,為了進一步強化異常判斷模型230,當本發明的監控裝置實際應用於監控用戶的冷卻系統時,可以依據每個用戶的各個冷卻系統的溫度數據與分析出的異常類型的結果利用深度學習的方法再訓練出更新的異常判斷模型230。
在本發明的實施例中,監控模組220進一步分別根據接收的多組溫度數據計算其溫度變化-。然後再計算其溫度級數。在一實施例中,以壓縮機為例,壓縮機120會隨著溫度到達設定的點而停機,然後因為溫度不足又開機。正常壓縮機吐出溫度感測器215的第二管線溫度數據應該會呈現出線性遞增後再線性遞減,然後可能維持在特定溫度或常溫一陣子,如此反覆。計算壓縮機每個周期的溫度變化會是呈現固定正值然後固定負值,最後維持為零。再以前述數值計算出壓縮機的溫度級數,正常範圍會落在0左右。如果溫度級數遞增(0,1,2,3,4…),代表壓縮機的溫度整體是逐漸上升,則判斷壓縮機運轉可能異常。以冷凝器為例,分析冷凝器的溫度數據,若溫度級數增加,則可能是散熱不良狀況。再以蒸發器溫度數據與壓縮機的吸入溫度感測器的第一管線溫度數據作分析,若其溫度級數遞減,則可能是蒸發器結霜造成溫度下降,因此可以判斷是否庫內濕氣較重或是除霜不完全。
上述的範例中的因果判斷方式與相關數據都可以做為異常判斷模型230學習的參數。此外,監控模組220可以進一步訓練異常判斷模型230進行異常預測。將前述各種設備元件的異常狀態進行統計,根據統機數字的高低,決定設備元件的異常嚴重性,進而事先告知用戶。舉例來說,在特定時間內,統計冷凝器溫度級數增加的情形發生的次數,以及冷凝器溫度級數正常的情形的次數,轉換為百分比數值,再根據這個百分比數值判斷冷凝器的異常嚴重度,甚至預測冷凝器未來可能異常的趨勢。
第2圖是本發明一實施例的冷卻系統的監控方法的流程圖。該監控方法包括步驟S1: 藉由一監控模組根據預設異常數據與多個預設異常類型利用深度學習建立一異常判斷模型。監控模組220首先須建立異常判斷標準,因此以人工方式設定設備元件的異常數據與對應異常數據的設備元件的異常類型,由此建立出一個函數模型。再根據函數模型利用深度學習的方法訓練出一個異常判斷模型230。
接著監控方法進行步驟S2:藉由多個溫度感測器產生多組溫度數據。本發明的監控方法用於監控冷卻系統的設備元件,每個設備元件上設置有溫度感測器。這些溫度感測器包括室內溫度感測器211、蒸發器溫度感測器212、冷凝器溫度感測器216、壓縮機吸入溫度感測器213、壓縮機吐出溫度感測器215及環境溫度感測器214。壓縮機吸入溫度感測器213貼附於蒸發器110與壓縮機120之間的管線上。壓縮機吐出溫度感測器215貼附於壓縮機120與該冷凝器130之間的管線上。室內溫度感測器211、蒸發器溫度感測器212、冷凝器溫度感測器216、壓縮機吸入溫度感測器213、壓縮機吐出溫度感測器215及環境溫度感測器214分別提供一組室內溫度數據、一組蒸發器溫度數據、一組冷凝器溫度數據、一組第一管線溫度數據、一組第二管線溫度數據以及一組環境溫度數據。
接著監控方法進行步驟S3: 藉由該監控模組根據該多組溫度數據與該多個溫度感測器利用該異常判斷模型決定該冷卻系統的一個或多個異常類型及一異常預測。具有受過訓練的異常判斷模型230的監控模組220可根據接收到的多組溫度數據進行分析,藉由溫度數據的分析及其對應的溫度感測器來得知對應的設備元件目前運作的狀態,進而取得冷卻系統的設備元件是否開始老化的結果,或分析出未來可能老化的趨勢。
在一實施例中,監控方法更進行步驟S4: 藉由該監控模組根據該多組溫度數據及該一個或多個異常類型利用深度學習重建該異常判斷模型。為了進一步強化異常判斷模型230,當本發明的監控裝置實際應用於監控用戶的冷卻系統時,可以依據每個用戶的各個冷卻系統的溫度數據與其分析出的異常類型的結果利用深度學習的方法再訓練出更新的異常判斷模型230。
在一實施例中,監控方法的步驟進行步驟S3進一步根據接收的多組溫度數據計算其溫度變化-。然後再計算其溫度級數。可以根據溫度級數的遞增與遞減判斷溫度感測器所對應的設備元件的運轉狀況或判斷是否異常。而這些判斷方式與相關數據都可以做為異常判斷模型230學習的參數。此外,可以進一步訓練異常判斷模型230進行異常預測。將前述各種設備元件的異常狀態進行統計,根據統機數字的高低,決定設備元件的異常嚴重性,進而事先告知用戶。
第3A圖是本發明一實施例的多個溫度感測器的溫度數據圖。第3B圖是根據第3A圖的溫度數據產生的異常預測的趨勢圖。舉例來說,第3A-3B圖是冷凝器運作異常時的範例。第3A圖的溫度數據包括一組室內溫度數據、一組蒸發器溫度數據、一組冷凝器溫度數據、一組第一管線溫度數據(壓縮機吸入溫度數據)、一組第二管線溫度數據(壓縮機吐出溫度數據)及一組環境溫度數據。第3B圖依據第3A圖的各個溫度數據做出的異常類型的趨勢預測,包括庫內風扇異常、冷凝器堵塞、庫門沒關、蒸發器結霜及漏冷媒。從第3A圖冷凝器溫度數據可觀察到冷凝器在一開始時運作正常,經過一段時間後,慢慢呈現溫度上升的狀態,因此監控裝置分析後可能判定為冷凝器堵塞。由於冷凝器在後半周期時間運作時從溫度數據分析出的異常次數變多,因此可以經過統計描繪出冷凝器堵塞的一預測趨勢。
第4A圖是本發明一實施例的多個溫度感測器的溫度數據的數據圖。第4B圖是根據第4A圖的溫度數據產生的異常預測的趨勢圖。舉例來說,第4A-4B圖是蒸發器結霜時的範例。從第4A圖冷凝器的溫度數據可觀察到蒸發器在一開始時運作正常,經過一段時間後,慢慢呈現溫度高低起伏的狀態,也因此影響其他設備元件的感測器的溫度數據,經過監控裝置分析後判定是蒸發器結霜造成。雖然從第4A圖看起來其他溫度感測器的溫度數據呈現出與蒸發器一樣的震盪,然而監控裝置進一步根據這些數據及其他參數分析出各個裝置元件呈現異常的可能性的高低與趨勢。
雖然本發明已以較佳實施例揭露,然其並非用以限制本發明,任何熟習此項技藝之人士,在不脫離本發明之精神和範圍內,當可作各種更動與修飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
110:蒸發器
120:壓縮機
130:冷凝器
200:監控裝置
210:多個溫度感測器
211:室內溫度感測器
212:蒸發器溫度感測器
213:壓縮機吸入溫度感測器
214:環境溫度感測器
215:壓縮機吐出溫度感測器
216:冷凝器溫度感測器
220:監控模組
230:異常判斷模型
S1~S4:方法步驟
第1圖是本發明一實施例的冷卻系統的監控裝置的示意圖。
第2圖是本發明一實施例的冷卻系統的監控方法的流程圖。
第3A圖是本發明一實施例的多個溫度感測器的溫度數據圖。
第3B圖是根據第3A圖的溫度數據產生的異常預測的趨勢圖。
第4A圖是本發明一實施例的多個溫度感測器的溫度數據圖。
第4B圖是根據第4A圖的溫度數據產生的異常預測的趨勢圖。
110:蒸發器
120:壓縮機
130:冷凝器
200:監控裝置
210:多個溫度感測器
211:室內溫度感測器
212:蒸發器溫度感測器
213:壓縮機吸入溫度感測器
214:環境溫度感測器
215:壓縮機吐出溫度感測器
216:冷凝器溫度感測器
220:監控模組
230:異常判斷模型
Claims (10)
- 一種冷卻系統的監控方法,包括以下步驟: S1:藉由一監控模組根據預設異常數據與多個預設異常類型利用深度學習建立一異常判斷模型; S2:藉由多個溫度感測器產生多組溫度數據; 以及 S3:藉由該監控模組根據該多組溫度數據與該多個溫度感測器利用該異常判斷模型決定該冷卻系統的一個或多個異常類型及一異常預測。
- 如申請專利範圍第1項之監控方法,其中更包含步驟S4:藉由該監控模組根據該多組溫度數據及該一個或多個異常類型利用深度學習重建該異常判斷模型。
- 如申請專利範圍第1項之監控方法,其中步驟S3進一步包含:分別根據該多組溫度數據利用一級數公式分別產生多個溫度級數、根據該多個溫度級數利用該異常判斷模型決定該一個或多個異常類型,以及根據該一個或多個異常類型在一時間週期的發生次數決定該異常預測。
- 如申請專利範圍第3項之監控方法,其中該多個溫度級數與溫度正相關。
- 如申請專利範圍第1項之監控方法,其中該多組溫度數據包括一組室內溫度數據、一組蒸發器溫度數據、一組冷凝器溫度數據、一組第一管線溫度數據、一組第二管線溫度數據及一組環境溫度數據。
- 一種冷卻系統的監控裝置,包括: 多個溫度感測器,分別產生多組溫度數據;以及 一監控模組,執行以下步驟: 根據預設異常數據與多個預設異常類型利用深度學習建立一異常判斷模型; 以及 根據該多組溫度數據以及該多個溫度感測器利用該異常判斷模型決定該冷卻系統的一個或多個異常類型及一異常預測。
- 如申請專利範圍第6項之監控裝置,其中,該監控模組更根據該多組溫度數據及該一個或多個異常類型利用深度學習重建該異常判斷模型。
- 如申請專利範圍第6項之監控裝置,其中,該監控模組進一步分別根據該多組溫度數據利用一級數公式分別產生多個溫度級數、根據該多個溫度級數利用該異常判斷模型決定該一個或多個異常類型,以及根據該一個或多個異常類型在一時間週期的發生次數決定該異常預測。
- 如申請專利範圍第8項之監控裝置,其中該多個溫度級數與溫度正相關。
- 如申請專利範圍第6項之監控裝置,其中該多組溫度數據包括來自該室內溫度感測器的一組室內溫度數據、來自一蒸發器溫度感測器的一組蒸發器溫度數據、來自一冷凝器溫度感測器的一組冷凝器溫度數據、來自於設置在該蒸發器與該壓縮機之間的管線的一壓縮機吸入溫度感測器的一組第一管線溫度數據、來自於設置在該壓縮機與該冷凝器之間的管線的一壓縮機吐出溫度感測器的一組第二管線溫度數據以及來自一環境溫度感測器的一組環境溫度數據。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109114643A TWI753417B (zh) | 2020-04-30 | 2020-04-30 | 冷卻系統的監控方法及其監控裝置 |
US17/060,387 US11635242B2 (en) | 2020-04-30 | 2020-10-01 | Monitoring method of cooling system and monitoring device thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109114643A TWI753417B (zh) | 2020-04-30 | 2020-04-30 | 冷卻系統的監控方法及其監控裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202142815A true TW202142815A (zh) | 2021-11-16 |
TWI753417B TWI753417B (zh) | 2022-01-21 |
Family
ID=78292678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109114643A TWI753417B (zh) | 2020-04-30 | 2020-04-30 | 冷卻系統的監控方法及其監控裝置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11635242B2 (zh) |
TW (1) | TWI753417B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115718901A (zh) * | 2022-11-15 | 2023-02-28 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于换流阀的数据处理方法、装置以及计算机设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034286A (zh) * | 2022-04-24 | 2022-09-09 | 国家计算机网络与信息安全管理中心 | 一种基于自适应损失函数的异常用户识别方法和装置 |
CN115031357B (zh) * | 2022-05-10 | 2023-05-30 | 南京信息工程大学 | 一种适用于不同类型故障特征的基于投票策略的故障诊断方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4396286B2 (ja) * | 2004-01-21 | 2010-01-13 | 三菱電機株式会社 | 機器診断装置および機器監視システム |
CN2811828Y (zh) * | 2005-07-14 | 2006-08-30 | 杭州康达通信设备有限公司 | 一种空调智能控制器 |
US9443201B2 (en) * | 2010-06-09 | 2016-09-13 | Siemens Aktiengesellschaft | Systems and methods for learning of normal sensor signatures, condition monitoring and diagnosis |
JP2018141574A (ja) * | 2017-02-27 | 2018-09-13 | 三菱重工サーマルシステムズ株式会社 | 組成異常検知装置及び組成異常検知方法 |
CN108386971B (zh) * | 2018-01-28 | 2020-03-31 | 浙江博超节能科技有限公司 | 中央空调节能自控系统 |
CN109539473B (zh) * | 2018-10-15 | 2021-09-28 | 平安科技(深圳)有限公司 | 空调系统的故障类型确定方法、电子设备 |
-
2020
- 2020-04-30 TW TW109114643A patent/TWI753417B/zh active
- 2020-10-01 US US17/060,387 patent/US11635242B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115718901A (zh) * | 2022-11-15 | 2023-02-28 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于换流阀的数据处理方法、装置以及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
US11635242B2 (en) | 2023-04-25 |
US20210341195A1 (en) | 2021-11-04 |
TWI753417B (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202142815A (zh) | 冷卻系統的監控方法及其監控裝置 | |
US7188482B2 (en) | Fault diagnostics and prognostics based on distance fault classifiers | |
US6668240B2 (en) | Food quality and safety model for refrigerated food | |
US6892546B2 (en) | System for remote refrigeration monitoring and diagnostics | |
US20040054506A1 (en) | Food quality and safety model for refrigerated food | |
CN112665306B (zh) | 一种冰箱远程故障诊断系统及其诊断方法 | |
KR20200123422A (ko) | 이상 상태의 원인을 진단하는 냉장고 및 클라우드 서버 | |
JP6933564B2 (ja) | 空気調和機の性能診断装置及び性能診断方法 | |
CN112598144A (zh) | 基于相关性分析的cnn-lstm突发故障预警方法 | |
CN114893936A (zh) | 制冰系统进出水控制系统与控制方法 | |
JP6990803B2 (ja) | 空気調和システム、運転管理方法及びプログラム | |
JP2001343177A (ja) | 故障診断方法、故障診断装置、及び記録媒体 | |
CN111788598B (zh) | 利用高楼能量管理系统数据的能量效率分析系统 | |
JP2011012839A (ja) | 熱源システム又は空調システムの性能評価方法及び性能評価装置 | |
JPH0493567A (ja) | 冷凍機の性能診断装置 | |
CN113899093A (zh) | 螺杆式制冷压缩机回油故障的辨识和预判方法 | |
CN113468709A (zh) | 智能监控状态和调节空调参数及预测空调故障的方法 | |
US20240102677A1 (en) | Systems and methods for predicting refrigerant leakage of a critically charged hvac/refrigeration system | |
US8818765B2 (en) | System and method to monitor compressor rack operation | |
JP2005037022A (ja) | 機器管理装置 | |
WO2023045154A1 (zh) | 冰箱的故障检测方法和装置 | |
JP2003131726A (ja) | エネルギ消費量監視方法及び監視システム | |
WO2024114675A1 (zh) | 多联机空调系统及其控制方法 | |
JP2006266609A (ja) | 空調機の異常診断システム | |
Hrncar et al. | Performance monitoring strategies for effective running of commercial refrigeration systems |