TWI795283B

TWI795283B - 空調系統的控制方法

Info

Publication number: TWI795283B
Application number: TW111116863A
Authority: TW
Inventors: 游德榮; 劉志昀; 林哲民
Original assignee: 台灣松下電器股份有限公司
Priority date: 2022-05-04
Filing date: 2022-05-04
Publication date: 2023-03-01
Also published as: TW202344785A

Abstract

一種空調系統的控制方法藉由一控制單元實施並包含：當接收到一需量信號時，讀取一環境感測器的一環境參數及一空調系統的一設定參數；將對應該環境參數的一室外環境模式、一舒適度指標、及該空調系統的一空調台數及一設定溫度，輸入至一第一神經網路模型，以產生在降載後的一預定時間長度時的一舒適度預估上限值；當判斷該舒適度預估上限值大於一舒適帶上限值時，將該舒適度預估上限值及一降載電量輸入至一第二神經網路模型，以產生在該降載開始時間之前的一預冷時間及一預下降溫度；根據該預冷時間及該預下降溫度控制該空調系統。

Description

空調系統的控制方法

本發明是有關於一種空調系統的控制方法，特別是指一種用於回應需量信號而能夠維持舒適度的空調系統的控制方法。

隨著工商業的發展，每日的用電量逐步增加。尤其在夏日的用電尖峰時刻，電力負載可能會超過電網的負擔而導致大規模的停電。在電力公司尚無法提供足夠的電力供應時，現有的作法是電力公司的系統會事先將一需量信號傳送至企業或工廠等用電大戶，該需量信號包含降載電量、降載開始時間、及降載結束時間，使得公司能夠在降載開始時間將內部的空調系統關閉，而達到耗電量能夠降低降載電量的要求，直到降載結束時間時再將空調系統開啟。舉例來說，參閱圖1，圖1的縱軸是一舒適度指標(例如是體感溫度)，橫軸是時間，定義一舒適帶介於該舒適度在上限值U9及下限值L9之間，也就是說，人員的體感溫度在該舒適帶時會感到舒適。當該空調系統在時間t91(例如是今天下午三點)接收到該需量信號，以在時間t92(例如是明天中午12點)開始關閉以降載，隨著降載時間的持續，該舒適度的數值會逐漸增加，而超過該舒適帶的上限值U9，此時，至少直到降載結束時間，人員都會感到不舒適。因此，在空調系統回應需量信號而降載時，如何讓舒適度維持在舒適帶之內便成為一個待解決的問題。

因此，本發明的目的，即在提供一種用於回應需量信號而能夠維持舒適度的空調系統的控制方法。

於是，本發明提供一種空調系統的控制方法，適用於一空調系統、一環境感測器、及一控制單元，並包含步驟(A)~(D)。

於步驟(A)，當該控制單元接收到一需量信號時，讀取該環境感測器所量測的室外環境的一環境參數，及該空調系統的一設定溫度，該需量信號包含一降載電量、一降載開始時間、及一降載結束時間。

於步驟(B)，該控制單元根據該環境參數決定對應的一室外環境模式，並將該室外環境模式、現在的一舒適度指標、及該空調系統的一空調台數及該設定溫度，輸入至一第一神經網路模型，以產生在降載後的一預定時間長度時的一舒適度預估上限值。

於步驟(C)，當該控制單元判斷該舒適度預估上限值大於一舒適帶上限值時，將該舒適度預估上限值及該降載電量輸入至一第二神經網路模型，以產生在該降載開始時間之前的一預冷時間及一預下降溫度。

於步驟(D)，在時間等於該降載開始時間再提前該預冷時間時，該控制單元控制該空調系統的該設定溫度下調該預下降溫度的幅度。

在一些實施態樣中，其中，在步驟(A)中，該環境參數包含一室外溫度及一室外濕度。在步驟(B)中，該室外環境模式包含多個模式選項，每一該模式選項是對應該室外溫度及該室外濕度介於不重覆的區間。

在一些實施態樣中，其中，在步驟(C)中，該第二神經網路是輸出多個預冷選項，每一該預冷選項是對應不同的該預冷時間及該預下降溫度的組合。

在一些實施態樣中，其中，在步驟(B)中，該舒適度指標是一體感溫度。

在一些實施態樣中，其中，在步驟(C)中，該控制單元計算預先設定的一權重係數乘以前兩週的平均室外氣溫再加上一季節常數而獲得該舒適帶上限值。

本發明的功效在於：該控制單元藉由該第一神經網路模型先預測在降載後的該舒適度預估上限值，並在判斷該舒適度預估上限值大於該舒適帶上限值時，且再藉由該第二神經網路模型獲得該預冷時間及該預下降溫度，而能夠在該空調系統降載開始之前據以預冷，進而使得該舒適度指標在該空調系統降載時，都能夠小於該舒適帶上限值。

1:控制單元

2:環境感測器

21:溫度感測器

22:濕度感測器

3:空調系統

S1~S4(A~D):步驟

W1~W9:模式

t1~t20:模式

本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：圖1是一時序圖，說明習知的一種舒適度與時間的變化關係；圖2是一方塊圖，說明本發明空調系統的控制方法所適用的一控制單元、一環境感測器、及一空調系統；圖3是一流程圖，說明本發明空調系統的控制方法的一實施例；圖4是一示意圖，示例性地說明該實施例的一室外環境模式的多個模式選項；及圖5是一示意圖，示例性地說明該實施例的多個預冷選項。

在本發明被詳細描述之前，應當注意在以下的說明內容中，類似的元件是以相同的編號來表示。

參閱圖2與圖3，本發明空調系統的控制方法之一實施例，適用於一空調系統3、一環境感測器2、及一控制單元1。該空調系統3例如是設置於至少一建築物(如公司或工廠)的多個空調設備。該控制單元1例如是一電腦設備。在本實施例中，該環境感測器2包含一溫度感測器21及一濕度感測器22，以用於偵測該至少一建築物之外的一室外溫度及一室外濕度。該控制單元1電連接該環境感測器2，或與該環境感測器2建立連線，以讀取該環境感測器2所量測的一環境參數(即該室外溫度及該室外濕度)，並還電連接該空調系統3，或與該空調系統3建立連線，以讀取及調整每一該空調設備的至少一設定參數。在本實施例中，該至少一設定參數是一設定溫度。在本實施例中，該空調系統3在每天上午開啟時，該設定溫度會被事先設定(例如在夏季是攝氏24度)。

該空調系統的控制方法包含步驟S1~S4。

於步驟S1，當該控制單元1接收到一需量信號時，讀取該環境感測器2所量測的室外環境的該環境參數，及該空調系統3的該設定溫度，該需量信號包含一降載電量、一降載開始時間、及一降載結束時間。舉例來說，該需量信號來自提供電力的一電力公司的一伺服主機，該伺服主機與該控制單元1建立連線，並在需要配合降載的當天上午10點，將該需量信號傳送至配合的用電戶配合的該控制單元1。該降載電量例如是2度電，該降載開始時間例如是當天下午1點，該降載結束時間例如是下午3點，亦即降載的時間長度等於2個小時。

於步驟S2，該控制單元1根據該環境參數決定對應的一室外環境模式。再參閱圖4，舉例來說，該室外環境模式包含多個模式選項，即模式W1至模式W9。更詳細地說，該室外濕度是介於40%至100%之間，該室外溫度是介於攝氏18度至28度之間。該控制單元1是判斷該室外溫度及該室外濕度是介於哪一個不重覆的區間，而決定對應的該模式選項，例如19度與81%是模式W3。另外要補充說明的是：60%是屬於模式W1、W4、W7或是模式W2、W5、W8可以是藉由事先的設定而決定。

該控制單元1將該室外環境模式、現在的一舒適度指標、及該空調系統3的一空調台數及該設定溫度，輸入至一第一神經網路模型，以產生在降載後的一預定時間長度時的一舒適度預估上限值。更詳細地說，模式W1至模式W9是分別對應多個預設的數值(如1至9)，現在的該舒適度指標是指接收到該需量信號的時間點(如當天早上10點)時所計算的該舒適度指標。該空調台數是該等空調設備的數量，亦即相當於該空調系統3的耗電量大小。該第一神經網路模型是採用習知的卷積神經網路(CNN)技術並經過已知的歷史資料作訓練而獲得。該預定時間長度大於或等於所有情況下的該降載結束時間減去該降載開始時間，例如是2個小時。

另外要特別補充說明的是：本實施例中，該舒適度指標是一體感溫度(Apparent temperature)，而在其他的實施例中，該舒適度指標也可以例如是由Houghton及Yaglou學者所提出的一有效溫度(Effective temperature)，即以相對濕度100%且無風的情況下，所感受到的溫度視為有效溫度，或者，也可以是由GAGGE學者等人所提出的新有效溫度(Standard effective temperature)，即考量人體的活動量、衣著量、及空氣流速等參數以做為室內熱舒適環境的標準。

於步驟S3，當該控制單元1判斷該舒適度預估上限值大於一舒適帶上限值時，將該舒適度預估上限值及該降載電量輸入至一第二神經網路模型，以產生在該降載開始時間之前的一預冷時間及一預下降溫度。更詳細地說，該控制單元1計算預先設定的一權重係數乘以前兩週的平均室外氣溫再加上一季節常數而獲得該舒適帶上限值。舉例來說，該控制單元1分別根據下列的公式(1)、(2)計算該舒適帶上限值(T*上限)及一舒適帶下限值(T*下限)，其中，該兩個公式的權重係數分別是19/44及8/11，公式(1)的該季節常數ZH在春季或秋季時等於15.2；在夏季時等於14.2；在冬季時等於16.2。公式(2)的該季節常數ZL在春季或秋季時等於4.93；在夏季時等於3.93；在冬季時等於5.93。

T*上限=19/44*(前兩週的平均室外氣溫)+ZH...(1)

T*下限=8/11*(前兩週的平均室外氣溫)+ZL...(2)

該第二神經網路模型也是採用習知的卷積神經網路技術並經過已知的歷史資料作訓練而獲得。再參閱圖5，在本實施例中，該第二神經網路是輸出多個預冷選項之其中一者，即模式t1至模式t20之其中一個。也就是說，每一該預冷選項是對應不同的該預冷時間及該預下降溫度的組合。舉例來說，該第二神經網路模型所輸出的該預冷選項是模式t9，則所對應的該預冷時間是40分及該預下降溫度是攝氏1度。

於步驟S4，在時間等於該降載開始時間再提前該預冷時間時，該控制單元1控制該空調系統3的該設定溫度下調該預下降溫度的幅度。承續前例，在下午2點(即該降載開始時間)再提前40分(即該預冷時間)也就是下午1點20分時，該控制單元1控制該空調系統3將該設定溫度由原本的24度下調1度(即該預下降溫度)至23度，則從下午2點至下午4點降載的期間，該舒適度指標都能夠小於該舒適度預估上限值，使得在該空調系統3所服務的區域的人員仍然能夠感到舒適。

綜上所述，本發明藉由該控制單元利用該第一神經網路模型先預測在降載後的該舒適度預估上限值，並在判斷該舒適度預估上限值大於該舒適帶上限值時，再利用該第二神經網路模型獲得該預冷時間及該預下降溫度，而能夠在該空調系統降載開始之前據以預冷，進而使得該舒適度指標在該空調系統降載時，都能夠小於該舒適帶上限值，故確實能達成本發明的目的。

惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。

S1~S4(A~D):步驟

Claims

一種空調系統的控制方法，適用於一空調系統、一環境感測器、及一控制單元，並包含：(A)當該控制單元接收到一需量信號時，讀取該環境感測器所量測的室外環境的一環境參數，及該空調系統的一設定溫度，該需量信號包含一降載電量、一降載開始時間、及一降載結束時間；(B)該控制單元根據該環境參數決定對應的一室外環境模式，並將該室外環境模式、現在的一舒適度指標、及該空調系統的一空調台數及該設定溫度，輸入至一第一神經網路模型，以產生在降載後的一預定時間長度時的一舒適度預估上限值；(C)當該控制單元判斷該舒適度預估上限值大於一舒適帶上限值時，將該舒適度預估上限值及該降載電量輸入至一第二神經網路模型，以產生在該降載開始時間之前的一預冷時間及一預下降溫度；及(D)在時間等於該降載開始時間再提前該預冷時間時，該控制單元控制該空調系統的該設定溫度下調該預下降溫度的幅度。
如請求項1所述的空調系統的控制方法，其中，在步驟(A)中，該環境參數包含一室外溫度及一室外濕度，在步驟(B)中，該室外環境模式包含多個模式選項，每一該模式選項是對應該室外溫度及該室外濕度介於不重覆的區間。
如請求項2所述的空調系統的控制方法，其中，在步驟(C) 中，該第二神經網路是輸出多個預冷選項，每一該預冷選項是對應不同的該預冷時間及該預下降溫度的組合。
如請求項3所述的空調系統的控制方法，其中，在步驟(B)中，該舒適度指標是一體感溫度。
如請求項4所述的空調系統的控制方法，其中，在步驟(C)中，該控制單元計算預先設定的一權重係數乘以前兩週的平均室外氣溫再加上一季節常數而獲得該舒適帶上限值。