WO2022039419A1 - 제어 장치, 공기 조화 장치 및 제어 방법 - Google Patents

제어 장치, 공기 조화 장치 및 제어 방법 Download PDF

Info

Publication number
WO2022039419A1
WO2022039419A1 PCT/KR2021/010258 KR2021010258W WO2022039419A1 WO 2022039419 A1 WO2022039419 A1 WO 2022039419A1 KR 2021010258 W KR2021010258 W KR 2021010258W WO 2022039419 A1 WO2022039419 A1 WO 2022039419A1
Authority
WO
WIPO (PCT)
Prior art keywords
temperature
time
preset
energy consumption
air conditioner
Prior art date
Application number
PCT/KR2021/010258
Other languages
English (en)
French (fr)
Inventor
박건혁
권강혁
우정미
정윤수
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US17/430,506 priority Critical patent/US20220307716A1/en
Publication of WO2022039419A1 publication Critical patent/WO2022039419A1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • 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
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1917—Control of temperature characterised by the use of electric means using digital means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F24F2110/22—Humidity of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/10—Occupancy
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/10—Weather information or forecasts

Definitions

  • the present disclosure relates to a control device, an air conditioner, and a control method, and more particularly, to a control device, an air conditioner, and a control method for efficiently managing energy.
  • the ratio of energy consumption to the air conditioning system is the largest. Although a lot of energy is consumed to control the air conditioning system, it is difficult to control the air conditioning system by considering only energy because many factors such as the external environment, building characteristics, and occupant comfort must be considered.
  • Control of many existing air conditioning systems is performed depending on the manager.
  • an experienced manager controls the air conditioning system based on the manual or his/her own know-how.
  • the control of the air conditioning system in a building or home other than an experienced manager is inefficiently performed. Therefore, research on a method for controlling an efficient air conditioning system has been in progress for a long time.
  • most studies on a method for efficiently controlling an air conditioning system in a general situation in which a person is occupant are being conducted.
  • the present disclosure is to solve the above problems, and an object of the present disclosure is to provide a control device, an air conditioner, and a control method for optimizing energy consumption of an air conditioning system in the absence or when some people are present.
  • the control device includes a communication interface for communicating with an external device and a processor for controlling the communication interface to receive indoor and outdoor environment information and user control information, the processor predicts the indoor temperature over time through a temperature prediction model learned based on the received indoor/outdoor environment information and user control information, and a plurality of candidate set temperatures corresponding to the predicted indoor temperature over time obtains, obtains a plurality of temperature control schedules based on the obtained plurality of candidate set temperatures, predicts the energy consumption of each of the obtained plurality of temperature control schedules through a learned energy prediction model, and the predicted A temperature control schedule with the lowest energy consumption is identified as an optimum temperature control schedule, and the communication interface is controlled to transmit control information according to time to the air conditioner during a preset power saving operation time based on the identified optimum temperature control schedule. do.
  • the processor predicts the indoor temperature at each time point according to a preset time interval, obtains a plurality of candidate set temperatures at each time point corresponding to the predicted indoor temperature at each time point, and a plurality of the obtained time points
  • the plurality of temperature control schedules may be obtained by combining candidate set temperatures of .
  • the processor may predict the energy consumption of each of the plurality of temperature control schedules during a time from the preset power saving operation time to a time point that matches a preset energy prediction time condition.
  • the preset energy prediction time condition includes a point in time when the indoor temperature is predicted to match a set temperature after the preset power saving operation time, a point in time when the indoor temperature is predicted to be within a preset range with the preset temperature, and the preset
  • the preset energy prediction time condition may further include a condition at which the rate of change of the first energy consumption and the rate of change of the second energy consumption coincide or are predicted to be within a preset range.
  • the processor may acquire the plurality of temperature control schedules based on a preset limit condition.
  • the preset limit condition is the matching of the indoor temperature with the preset preset temperature at the end of the preset power saving operation time, limiting the highest peak value of energy consumption, limiting energy consumption for a preset time, or maintaining a preset comfort range There may be at least one.
  • the plurality of candidate set temperatures is a temperature that is lower than the predicted change temperature of the indoor temperature in the case of cooling when the air conditioner is turned off based on the indoor temperature according to the predicted time, or the predicted temperature in the case of heating The temperature may be higher than the change temperature of the room temperature.
  • the environment information may include at least one of indoor/outdoor temperature, indoor/outdoor humidity, date, day, time, holiday, or whether a user is present.
  • the air conditioner includes a sensor for detecting indoor environmental information, a communication interface for communicating with an external device, and a processor for controlling the communication interface to receive outdoor environmental information.
  • the processor predicts the indoor temperature over time through a temperature prediction model learned based on the sensed indoor environment information, the received outdoor environment information, and user control information, and at the predicted time A plurality of corresponding candidate set temperatures are obtained based on the indoor temperature according to The energy consumption amount of each control schedule is predicted, the temperature control schedule with the lowest predicted energy consumption is identified as the optimum temperature control schedule, and the operation is performed for a preset power saving operation time based on the identified optimum temperature control schedule.
  • the processor predicts the indoor temperature at each time point according to a preset time interval, obtains a plurality of candidate set temperatures at each time point corresponding to the predicted indoor temperature at each time point, and a plurality of the obtained time points
  • the plurality of temperature control schedules may be obtained by combining candidate set temperatures of .
  • the processor may predict the energy consumption of each of the plurality of temperature control schedules during a time from the preset power saving operation time to a time point that matches a preset energy prediction time condition.
  • the preset energy prediction time condition includes a point in time when the indoor temperature is predicted to match the set temperature after the preset power saving operation time, a point in time when the indoor temperature is predicted to be within the preset temperature and a preset range, and the preset power saving operation
  • the preset energy prediction time condition may further include a condition at which the rate of change of the first energy consumption and the rate of change of the second energy consumption coincide or are predicted to be within a preset range.
  • the processor may acquire the plurality of temperature control schedules based on a preset limit condition.
  • the preset limit condition is the matching of the indoor temperature with the preset preset temperature at the end of the preset power saving operation time, limiting the highest peak value of energy consumption, limiting energy consumption for a preset time, or maintaining a preset comfort range There may be at least one.
  • the plurality of candidate set temperatures is a temperature that is lower than the predicted change temperature of the indoor temperature in the case of cooling when the air conditioner is turned off based on the indoor temperature according to the predicted time, or the predicted temperature in the case of heating The temperature may be higher than the change temperature of the room temperature.
  • the environment information may include at least one of indoor/outdoor temperature, indoor/outdoor humidity, date, day, time, holiday, or whether a user is present.
  • a method for controlling an air conditioner includes acquiring indoor and outdoor environment information, and using a temperature prediction model learned based on the obtained indoor and outdoor environment information and user control information. Predicting the indoor temperature over time, obtaining a plurality of corresponding candidate set temperatures based on the indoor temperature over the predicted time, and executing a plurality of temperature control schedules based on the obtained plurality of candidate set temperatures obtaining, predicting the energy consumption of each of the obtained plurality of temperature control schedules through a learned energy prediction model, identifying a temperature control schedule with the least predicted energy consumption as an optimal temperature control schedule, and the and operating for a preset power saving operation time based on the identified optimal temperature control schedule.
  • the predicting of the indoor temperature may include predicting the indoor temperature at each time point according to a preset time interval, and the obtaining of the plurality of candidate set temperatures may include predicting the indoor temperature at each time point corresponding to the predicted indoor temperature at each time point.
  • a plurality of candidate set temperatures may be obtained.
  • the obtaining of the plurality of temperature control schedules may include obtaining the plurality of temperature control schedules by combining the obtained plurality of candidate set temperatures at each time point.
  • the predicting of the energy consumption may include predicting the energy consumption of each of the plurality of temperature control schedules during a time from the preset power saving operation time to a time point matching a preset energy prediction time condition.
  • the preset energy prediction time condition includes a point in time when the indoor temperature is predicted to match the set temperature after the preset power saving operation time, a point in time when the indoor temperature is predicted to be within the preset temperature and a preset range, and the preset power saving operation
  • the preset energy prediction time condition may further include a condition at which the rate of change of the first energy consumption and the rate of change of the second energy consumption coincide or are predicted to be within a preset range.
  • the acquiring of the plurality of temperature control schedules may include acquiring the plurality of temperature control schedules based on preset limit conditions.
  • the preset limit condition is the matching of the indoor temperature with the preset preset temperature at the end of the preset power saving operation time, limiting the highest peak value of energy consumption, limiting energy consumption for a preset time, or maintaining a preset comfort range There may be at least one.
  • the plurality of candidate set temperatures are lower than the predicted change temperature of the indoor temperature in the case of cooling when the air conditioner is turned off based on the indoor temperature according to the predicted time, or the predicted temperature in the case of heating The temperature may be higher than the change temperature of the room temperature.
  • the environment information may include at least one of indoor/outdoor temperature, indoor/outdoor humidity, date, day, time, holiday, or whether a user is present.
  • an air conditioner, a control device, and a control method may optimize energy consumption during a power saving operation time such as an absence.
  • FIG. 1 is a view for explaining an air conditioning system according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram illustrating a configuration of an air conditioner according to an embodiment of the present disclosure.
  • FIG. 3 is a block diagram illustrating a detailed configuration of an air conditioner according to an exemplary embodiment of the present disclosure.
  • FIG. 4 is a view for explaining a configuration operating in a processor according to an embodiment of the present disclosure.
  • FIG. 5 is a block diagram illustrating a configuration of a control device according to an embodiment of the present disclosure.
  • FIG. 6 is a flowchart illustrating a control process of the air conditioner according to an embodiment of the present disclosure.
  • FIG. 7 is a view for explaining an embodiment of the present disclosure for predicting an indoor temperature and a candidate set temperature.
  • FIG. 8 is a view for explaining an embodiment of the present disclosure for obtaining a temperature control schedule.
  • FIG. 9 is a flowchart illustrating a process of controlling an air conditioner by identifying an optimal temperature control schedule according to an embodiment of the present disclosure.
  • 10 is an exemplary embodiment illustrating energy consumption of an off control method and a setback control method.
  • 11 is a view for explaining an embodiment of the present disclosure for predicting energy consumption.
  • FIG. 12 is a view for explaining a process of acquiring a temperature control schedule in consideration of a constraint condition according to an embodiment of the present disclosure.
  • FIG. 13 is a flowchart illustrating a process of setting an algorithm for acquiring a temperature control schedule according to an embodiment of the present disclosure.
  • FIG. 14 is a flowchart illustrating a process of generating a temperature control schedule according to an embodiment of the present disclosure.
  • 15 is a flowchart illustrating a process of determining an optimal temperature control schedule according to an embodiment of the present disclosure.
  • 16A is a diagram illustrating a simulation result of energy consumption in an office having lunch time according to an embodiment of the present disclosure.
  • 16B is a diagram illustrating a simulation result of energy consumption in a conference room that is not used intermittently as an embodiment of the present disclosure.
  • a “module” or “unit” for a component performs at least one function or operation.
  • a “module” or “unit” may perform a function or operation by hardware, software, or a combination of hardware and software.
  • a plurality of “modules” or a plurality of “units” other than a “module” or “unit” to be performed in specific hardware or to be executed in at least one processor may be integrated into at least one module.
  • the singular expression includes the plural expression unless the context clearly dictates otherwise.
  • FIG. 1 is a view for explaining an air conditioning system according to an embodiment of the present disclosure.
  • the air conditioning system includes an air conditioner 100 and a control device 200 .
  • the air conditioner 100 may detect indoor environment information.
  • the indoor environment information may include indoor temperature, indoor humidity, a user occupancy state, and the like.
  • the air conditioner 100 may acquire control information of the user.
  • the user's control information may include an on/off state, an operation mode (eg, a cooling mode, a heating mode, a dehumidification mode, etc.), a set temperature, a set time, an air volume, a wind direction, and a wind speed.
  • the air conditioner 100 may receive outdoor environment information from the control device 200 .
  • the outdoor environment information may include outdoor temperature, outdoor humidity, weather, date, day of the week, time, holiday status, and the like.
  • environmental information such as date, day, and time may be included in the indoor environment information.
  • the air conditioner 100 may predict the indoor temperature over time through a temperature prediction model learned based on the sensed indoor environment information, the received outdoor environment information, and the user's control information.
  • the temperature prediction model can predict indoor temperature by learning previously collected indoor and outdoor environment information and user control information.
  • the temperature prediction model may be generated and learned by the control device 200 .
  • the temperature prediction model may be generated and trained in a separate artificial intelligence server (not shown).
  • the temperature prediction model may predict the indoor temperature at each time point according to a preset time interval.
  • the temperature prediction model may predict the indoor temperature in units of 5 minutes. That is, the temperature prediction model may predict the indoor temperature of 12:10 based on the indoor and outdoor environment information of 12:05 of 12:05 and the user's control information.
  • the air conditioner 100 may acquire a plurality of corresponding candidate set temperatures based on the indoor temperature according to the predicted time.
  • the candidate set temperature may be 26.5 degrees, 26 degrees, off, or the like.
  • the air conditioner 100 may predict a candidate set temperature at a preset temperature interval. For example, when the preset temperature interval is 0.5, the air conditioner 100 may obtain a candidate set temperature such as 26.5 degrees or 26 degrees. When the preset temperature interval is 1, the air conditioner 100 may obtain a candidate set temperature such as 26 degrees or 25 degrees.
  • the air conditioner 100 may obtain a candidate set temperature lower than the indoor temperature in the cooling mode, and may obtain a candidate set temperature higher than the indoor temperature in the heating mode.
  • the air conditioner 100 may acquire a plurality of temperature control schedules based on the acquired plurality of candidate set temperatures.
  • the air conditioner 100 may select one candidate set temperature as the control temperature at each time point.
  • the air conditioner 100 may control the temperature at each time point according to the control temperature selected at each time point. That is, the temperature control schedule is a series of control temperature sets connecting the control temperatures at each time point, and refers to a schedule for controlling the temperature for a predetermined time.
  • the air conditioner 100 may acquire one temperature control schedule according to time based on the selected control temperature at each time point. As described above, the air conditioner 100 may acquire a plurality of candidate set temperatures over time.
  • the air conditioner 100 may select various candidate set temperatures as the control temperature at each time point. Accordingly, the air conditioner 100 may acquire a plurality of temperature control schedules in which candidate set temperatures at each time point are combined as control temperatures.
  • the air conditioner 100 may predict the energy consumption of each of the plurality of temperature control schedules obtained through the learned energy prediction model.
  • the energy prediction model can predict the energy consumption by learning the previously input temperature control schedule.
  • the energy prediction model may be generated and learned by the control device 200 . Alternatively, the energy prediction model may be generated and trained in a separate artificial intelligence server (not shown).
  • the air conditioner 100 may identify a temperature control schedule with the lowest predicted energy consumption as an optimum temperature control schedule. For example, when the energy consumption of the first temperature control schedule is 300 kwh, the energy consumption of the second temperature control schedule is 280 Kwh, and the energy consumption of the third temperature control schedule is 320 Kwh, the air conditioner 100 controls the second temperature
  • the schedule may be identified as an optimal temperature control schedule.
  • the air conditioner 100 may operate for a preset power saving operation time according to the identified optimal temperature control schedule.
  • the air conditioner 100 may include an air conditioner, a dehumidifier, an air purifier, a warm air blower, an air conditioning facility or system, and the like.
  • the power saving operation time may mean a case in which there are no occupants or only some occupants exist.
  • the power-saving driving time may include an office lunch break, a user's absence time in an irregularly used conference room, a hotel room without people in the middle of the day, and the like.
  • the air conditioner 100 performs the control operation by changing on/off, air volume, wind direction, wind speed, etc. can do.
  • the control device 200 may transmit outdoor environment information to the air conditioner 100 . Also, the control device 200 may generate and train a temperature prediction model and an energy prediction model. As an embodiment, the control device 200 may be implemented as one device or a plurality of devices. When the air conditioning system is implemented as one control device 200 , the control device 200 may transmit outdoor environment information, a temperature prediction model, and an energy prediction model to the air conditioner 100 . Alternatively, the control device 200 may include a temperature prediction model and an energy prediction model. In addition, the control device 200 may receive indoor/outdoor environment information and control information from the air conditioner 100 or various external devices (or servers). The control device 200 may predict the indoor temperature over time using a temperature prediction model learned based on the received indoor/outdoor environment information and control information.
  • control device 200 may acquire a plurality of temperature control schedules based on the predicted indoor temperature, and predict the energy consumption for the acquired temperature control schedule using the learned energy prediction model. Alternatively, the control device 200 may acquire an optimal temperature control schedule based on the predicted energy consumption. The control device 200 may transmit the obtained optimum temperature control schedule to the air conditioner 100 , and the air conditioner 100 may perform a control operation during the power saving operation time based on the optimum temperature control schedule.
  • the control device 200 may include a server, a cloud, an electronic device for controlling an air conditioner, and the like.
  • the control device 200 may include an environmental information server that transmits outdoor environmental information, and an artificial intelligence server that generates and trains a temperature prediction model and an energy prediction model.
  • the artificial intelligence server receives indoor and outdoor environmental information and control information from an air conditioner, an external device, or an external server, predicts indoor temperature, obtains a plurality of temperature control schedules, predicts energy consumption for a plurality of temperature control schedules, and optimizes temperature A control schedule may be obtained.
  • a first control device for transmitting environmental information such as outdoor temperature and outdoor humidity
  • a second control device for transmitting environmental information such as weather
  • a third control for transmitting environmental information such as date, day, time, and holiday status It may include a device, a fourth control device for generating and training the temperature prediction model, a fifth control device for generating and training the energy prediction model, and the like.
  • the air conditioning system may be implemented as a single device, and the control device 200 may receive outdoor environment information, a temperature prediction model, or an energy prediction model from various external devices. In addition, the control device 200 may transmit information and the like to the air conditioner 100 .
  • the air conditioner 100 may identify an optimal temperature control schedule based on the predicted indoor temperature and the predicted energy consumption, and efficiently manage energy consumption during the power saving operation time by operating the identified optimal temperature control schedule. there is.
  • FIG. 2 is a block diagram illustrating a configuration of an air conditioner according to an embodiment of the present disclosure
  • FIG. 3 is a block diagram illustrating a detailed configuration of an air conditioner according to an embodiment of the present disclosure. It will be described with reference to FIGS. 2 and 3 .
  • the air conditioner 100 includes a sensor 110 , a communication interface 120 , and a processor 130 .
  • the sensor 110 may detect indoor environment information.
  • the sensor 110 may detect the number or scale of people located indoors.
  • the sensor 110 may include a temperature sensor, a humidity sensor, a barometric pressure sensor, a heat sensor, a proximity sensor, a motion sensor, an infrared sensor, an ultrasonic sensor, and the like.
  • an outdoor unit, a cooling tower, a chiller, a thermostat, a remote control, etc. may also detect indoor/outdoor environmental information including a temperature sensor, a humidity sensor, and the like.
  • the indoor/outdoor environment information may be received from an external device or an external server.
  • the communication interface 120 may transmit/receive data (or information) to and from an external device.
  • the communication interface 120 may include a data network communication module such as LTE, Wi-Fi, and Bluetooth, and may communicate with an external device through a local area network and the Internet network.
  • the communication interface 120 may receive indoor and outdoor environment information, a temperature prediction model, and an energy prediction model from an external device.
  • the communication interface 120 communicates with the control device, and may be referred to as a communication unit, a communication module, a transceiver, or the like.
  • the external device may include a general server (cloud), artificial intelligence server (cloud), outdoor unit, cooling tower, chiller, thermostat, remote control, weather data providing server, and the like.
  • the processor 130 may control each configuration of the air conditioner 100 .
  • the processor 130 may control the sensor 110 to detect indoor environment information, and may control the communication interface 120 to receive data from an external device. Also, the processor 130 may acquire control information of the user.
  • the processor 130 predicts the indoor temperature over time through a temperature prediction model learned based on indoor and outdoor environment information and user control information, and selects a plurality of candidate set temperatures corresponding to the indoor temperature according to the predicted time. can be obtained
  • the candidate set temperature may be a control temperature.
  • the plurality of candidate set temperatures are lower than (in the cooling mode) or higher (heating mode) than the predicted change in the indoor temperature when the air conditioner 100 is turned off based on the indoor temperature according to the predicted time. mode).
  • the indoor temperature may change from 26 degrees to 27 degrees. That is, the change temperature of the room temperature is 27 degrees.
  • the candidate set temperature may be a temperature lower than 27 degrees.
  • the candidate set temperature may be a temperature higher than 27 degrees.
  • the processor 130 may obtain a plurality of temperature control schedules based on the obtained plurality of candidate set temperatures. For example, the processor 130 may predict the indoor temperature at each time point according to a preset time interval, and obtain a plurality of candidate set temperatures at each time point corresponding to the predicted indoor temperature at each time point. The processor 130 may obtain a plurality of temperature control schedules by combining the obtained plurality of candidate set temperatures at each time point. Meanwhile, the processor 130 may acquire a plurality of temperature control schedules based on a preset limit condition.
  • the preset limit conditions include matching the indoor temperature with the set temperature at the end of the preset power saving operation time, limiting the highest peak value of energy consumption, limiting the energy consumption for a preset time, or maintaining a preset comfort range, etc. can do.
  • the comfort level range may be calculated by a Predicted Mean Vote (PMV) based on indoor temperature, indoor radiation, indoor humidity, wind speed, clothing coefficient, and the like.
  • PMV Predicted Mean Vote
  • the processor 130 may predict the energy consumption of each of the plurality of temperature control schedules obtained through the learned energy prediction model. For example, the processor 130 may predict the energy consumption amount of each of the plurality of temperature control schedules during a time from a preset power saving operation time to a time point that matches a preset energy prediction time condition.
  • the power-saving driving time may include lunch breaks in the office, hours outside of regular office hours, and absent hours in meeting rooms that are used irregularly. As an embodiment, when the lunch time is from 12 pm to 1 pm, the power saving driving time may be from 12 pm to 1 pm.
  • the air conditioner 100 may consume a lot of energy instantaneously or for a certain time to lower the indoor temperature to the set temperature. can Accordingly, the air conditioner 100 may predict the amount of energy consumption from the power saving operation time to a point in time when a predetermined condition is satisfied.
  • the preset energy prediction time condition may be a time point at which the indoor temperature is predicted to match the preset temperature after a preset power saving operation time.
  • the preset energy prediction time condition may be a time point at which the indoor temperature is predicted to be within a preset temperature and a preset range.
  • the preset energy prediction time condition may be a condition according to an energy consumption amount or a change rate of an energy consumption amount according to different temperature control schedules.
  • the energy consumption over time may be referred to as the first energy consumption.
  • the air conditioner 100 is operated in a preset temperature range during the power saving operation time
  • the energy consumption according to time may be referred to as the second energy consumption.
  • the preset energy prediction time condition may be a point in time when the first energy consumption amount and the second energy consumption amount coincide or are predicted to be within a predetermined range.
  • the preset energy prediction time condition may be a time point at which the rate of change of the first energy consumption and the rate of change of the second energy consumption coincide or are predicted to be within a predetermined range.
  • the processor 130 may identify a temperature control schedule with the lowest predicted energy consumption as an optimum temperature control schedule.
  • the processor 130 may operate for a preset power saving operation time based on the identified optimal temperature control schedule.
  • the air conditioner 100 may further include other components than the above-described components.
  • the air conditioner 100 includes a sensor 110 , a communication interface 120 , a processor 130 , an input interface 140 , a camera 150 , a microphone 160 , a speaker 170 , It may include a display 180 and a memory 190 .
  • the input interface 140 may receive control information of the air conditioner 100 from a user.
  • the input interface 140 may be implemented as a key pad, a touch pad, or the like.
  • the input interface 140 performs a function of receiving a command from a user, and may be referred to as an input unit, an input module, or the like.
  • the input interface 140 may be implemented as a sensor 110 , a camera 150 , a microphone 160 , or a display 180 in addition to the above-described keypad and touch pad.
  • the sensor 110 may receive a signal from a remote control or the like.
  • the processor 130 may acquire control information based on the input signal.
  • the air conditioner 100 may photograph the user's facial expression or motion.
  • the processor 130 may acquire control information based on the captured facial expression or motion.
  • the input interface 140 is implemented as the microphone 160
  • the air conditioner 100 may receive a user's voice.
  • the processor 130 may acquire control information based on the input voice.
  • the display 180 is implemented as a touch screen
  • the air conditioner 100 may receive user's control information through the touch screen.
  • the camera 150 may capture an image including the user.
  • the processor 130 may check the number or scale of people located in the room based on the captured image.
  • the microphone 160 may receive a user's voice.
  • the speaker 170 may output audio.
  • the speaker 170 may output a user's input command, state-related information or operation-related information of the air conditioner 100 as a voice or a notification sound.
  • the display 180 may output a user input command, state-related information or operation-related information of the air conditioner 100 as text or images.
  • the display 180 may be implemented as a liquid crystal display (LCD), an organic light emitting diode (OLED), a flexible display, a touch screen, or the like.
  • the memory 190 may store data performing a function of the air conditioner 100 , and may store programs and commands driven in the air conditioner 100 .
  • the memory 190 may store a temperature prediction model and an energy prediction model.
  • the memory 190 may store indoor and outdoor environment information, user control information, an algorithm related to a control schedule, and the like.
  • the memory 190 may store identification information of the user terminal device for identifying the user.
  • the memory 190 may be implemented as a type of ROM, RAM, HDD, SSD, memory card, or the like.
  • the air conditioner 100 may include all of the above-described components, or may include some of the above-described components. In addition, the air conditioner 100 may further include other components that perform various functions in addition to the above-described components.
  • the processor 130 may include one or a plurality of processors.
  • the one or more processors may be a general-purpose processor such as a CPU, an AP, a digital signal processor (DSP), or the like, a graphics-only processor such as a GPU, a VPU (Vision Processing Unit), or an artificial intelligence-only processor such as an NPU.
  • DSP digital signal processor
  • One or a plurality of processors control to process input data according to a predefined operation rule or artificial intelligence model stored in the memory 190 .
  • the artificial intelligence-only processors may be designed with a hardware structure specialized for processing a specific artificial intelligence model.
  • the predefined action rule or artificial intelligence model is characterized in that it is created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means burden.
  • Such learning may be performed in the device itself on which artificial intelligence according to the present disclosure is performed, or may be performed through a separate server and/or system.
  • Examples of the learning algorithm include, but are not limited to, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning.
  • the artificial intelligence model may be composed of a plurality of neural network layers.
  • Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between the operation result of a previous layer and the plurality of weights.
  • the plurality of weights of the plurality of neural network layers may be optimized by the learning result of the artificial intelligence model. For example, a plurality of weights may be updated so that a loss value or a cost value obtained from the artificial intelligence model during the learning process is reduced or minimized.
  • the artificial neural network may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Restricted Boltzmann Machine (RBM), There may be a Deep Belief Network (DBN), a Bidirectional Recurrent Deep Neural Network (BRDNN), or a Deep Q-Networks, but is not limited thereto.
  • DNN Deep Neural Network
  • DNN Deep Belief Network
  • BBDNN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • FIG. 4 is a view for explaining a configuration operating in a processor according to an embodiment of the present disclosure.
  • the air conditioner 100 includes a data collection module 131 , a data management module 132 , a temperature prediction model 133 , an energy prediction model 134 , an optimal control schedule setting module 135 , It may include an algorithm setting module 136 .
  • Each module or model may be stored in memory.
  • the processor may perform a function by loading each module or model to identify an optimal temperature control schedule.
  • the data collection module 131 may collect data necessary for an algorithm operation.
  • the data collection module 131 may collect data such as indoor/outdoor environment information from a sensor or an external device.
  • the data management module 132 may store and manage the collected data.
  • the data management module 132 may process and use data, if necessary.
  • the temperature prediction model 133 may predict the indoor temperature of the next operation.
  • the temperature prediction model 133 may predict a constant temperature (setback temperature) range according to the indoor temperature that is changed when the air conditioner 100 is turned off.
  • the predicted temperature range may be used as an input of an energy prediction model.
  • the temperature prediction model 133 may determine whether the predicted temperature violates a limit condition.
  • the energy prediction model 134 may identify a schedule having the lowest energy consumption among a plurality of temperature control schedules when the algorithm is operating.
  • the output of the energy prediction model 134 may be the amount of energy consumed when controlling with the input control schedule. In some cases, the energy prediction model 134 may determine whether the predicted energy consumption violates a limit condition.
  • the optimal control schedule setting module 135 may identify a schedule that consumes the least amount of energy and does not violate a limit condition among a plurality of control schedules based on the temperature prediction model 134 and the energy prediction model 134 .
  • the algorithm setting module 136 may set each algorithm for identifying an optimal control schedule, and may set an operation schedule, limit conditions, and the like.
  • the above-described operation may be performed by the control device.
  • FIG. 5 is a block diagram illustrating a configuration of a control device according to an embodiment of the present disclosure.
  • control device 200 may include a communication interface 210 and a processor 220 .
  • the communication interface 210 may transmit/receive data (or information) to and from an external device.
  • the communication interface 120 may include a data network communication module such as LTE, Wi-Fi, and Bluetooth, and may communicate with an external device through a local area network and the Internet network.
  • the communication interface 120 may receive indoor and outdoor environment information and user control information from an external device.
  • the indoor/outdoor environmental information may include indoor temperature, indoor humidity, user occupancy state, outdoor temperature, outdoor humidity, weather, date, day of the week, time, holiday status, and the like.
  • the user's control information may include an on/off state, an operation mode (eg, a cooling mode, a heating mode, a dehumidifying mode, etc.), a set temperature, a set time, an air volume, a wind direction, and a wind speed.
  • the external device may include an air conditioner, a general server (cloud), an outdoor unit, a cooling tower, a chiller, a thermostat, a remote control, a weather data providing server, and the like.
  • the communication interface 210 may receive indoor environment information and user control information from the air conditioner.
  • the communication interface 210 may receive indoor environment information from an automatic temperature controller or a remote controller.
  • the communication interface 210 may receive outdoor environment information from a general server (cloud), an outdoor unit, a cooling tower, a chiller, a weather data providing server, and the like.
  • the communication interface 210 communicates with an external device, and may be referred to as a communication unit, a communication module, a transceiver, or the like.
  • the processor 220 may control each configuration of the control device 200 .
  • the processor 220 may control the communication interface 210 to receive indoor and outdoor environment information and user control information.
  • the processor 220 may generate and train a temperature prediction model and an energy prediction model.
  • the processor 220 may identify an optimal temperature control schedule using the temperature prediction model and the energy prediction model.
  • the processor 220 may predict the indoor temperature over time through a temperature prediction model learned based on the received indoor/outdoor environment information and user control information.
  • the processor 220 may obtain a plurality of corresponding candidate set temperatures based on the indoor temperature according to the predicted time.
  • the processor 220 may predict a changed indoor temperature compared to a previous time.
  • the processor 220 may obtain a temperature lower than the predicted change temperature of the indoor temperature as a candidate set temperature.
  • the processor 220 may obtain a temperature higher than the predicted change temperature of the room temperature as the candidate set temperature.
  • the candidate set temperature obtained at a specific time point may be plural.
  • the processor 220 may obtain a plurality of temperature control schedules based on the obtained plurality of candidate set temperatures. That is, the processor 220 may predict the indoor temperature at each time point according to a preset time interval, and obtain a plurality of candidate set temperatures at each time point corresponding to the predicted indoor temperature at each time point. In addition, the processor 220 may obtain a plurality of temperature control schedules by combining the obtained plurality of candidate set temperatures at each time point.
  • the processor 220 may acquire a plurality of temperature control schedules based on a preset limit condition.
  • the preset limit condition is a condition in which the indoor temperature matches the preset temperature at the end of the preset power saving operation time, the maximum peak value limit of energy consumption limit, energy consumption limit condition for a preset time, or a preset comfort It may include conditions for maintaining the degree range, and the like.
  • the processor 220 may predict the energy consumption of each of the plurality of temperature control schedules obtained through the learned energy prediction model. For example, the processor 220 may predict the energy consumption amount of each of the plurality of temperature control schedules during a time from a preset power saving operation time to a time point that matches a preset energy prediction time condition.
  • the energy prediction time condition is when the indoor temperature is predicted to match the set temperature after the preset power saving operation time, when the indoor temperature is predicted to be within the preset temperature and the preset range, and the air conditioner is turned off during the preset power saving operation time.
  • a point in time at which the first energy consumption according to time and the second energy consumption according to time are predicted to match when the air conditioner is operated in a preset temperature range during a preset power saving operation time or the first energy It may include a time when the consumption amount and the second energy consumption amount are predicted to be within a preset range.
  • the preset energy prediction time condition may include a point in time when the rate of change of the first energy consumption and the rate of change of the second energy consumption coincide or are predicted to be within a preset range.
  • the processor 220 may identify a temperature control schedule with the lowest predicted energy consumption as an optimum temperature control schedule. In addition, the processor 220 may control the communication interface to transmit time-dependent control information to the air conditioner during a preset power saving operation time based on the identified optimal temperature control schedule. As an embodiment, if the optimal temperature control schedule is 26 degrees at 12:10 and 26.5 degrees at 12:15, the control device 200 indicates that the temperature is 26 degrees at 12:10 (or before 12:10). Control information can be transmitted to the air conditioner. In addition, the control device 200 may transmit control information of 26.5 degrees to the air conditioner at 12:15 (or before 12:15).
  • control device 200 may transmit control information on on/off, air volume, wind direction, wind speed, etc. to the air conditioner. there is.
  • FIG. 6 is a flowchart illustrating a control process of the air conditioner according to an embodiment of the present disclosure.
  • the air conditioner acquires indoor and outdoor environment information ( S610 ).
  • the environmental information may include indoor/outdoor temperature, indoor/outdoor humidity, date, day, time, holiday or whether a user is present.
  • the air conditioner predicts the indoor temperature over time through the temperature prediction model learned based on the obtained indoor and outdoor environment information and the user's control information ( S620 ).
  • the user's control information may include an on/off state, an operation mode (eg, a cooling mode, a heating mode, a dehumidification mode, etc.), a set temperature, a set time, an air volume, a wind direction, and a wind speed.
  • the air conditioner acquires a plurality of corresponding candidate set temperatures based on the indoor temperature according to the predicted time ( S630 ).
  • the plurality of candidate set temperatures are lower than (in the cooling mode) or higher (heating mode) than the predicted change temperature of the indoor temperature when the air conditioner is turned off based on the indoor temperature according to the predicted time. mode).
  • the air conditioner may predict the indoor temperature at each time point according to a preset time interval, and obtain a plurality of candidate set temperatures at each time point corresponding to the predicted indoor temperature at each time point.
  • the air conditioner acquires a plurality of temperature control schedules based on the obtained plurality of candidate set temperatures (S640). For example, the air conditioner may acquire a plurality of temperature control schedules by combining a plurality of obtained candidate set temperatures at each time point. Meanwhile, the air conditioner may acquire a plurality of temperature control schedules based on preset limit conditions.
  • the preset limit conditions may include matching the indoor temperature with the set temperature at the end of the preset power saving operation, limiting the highest peak value of energy consumption, limiting energy consumption for a preset time, or maintaining a preset comfort range.
  • the air conditioner may acquire the candidate set temperature according to a limit condition in the operation of acquiring the candidate set temperature.
  • the air conditioner may predict the energy consumption of each of the plurality of temperature control schedules obtained through the learned energy prediction model ( S650 ). For example, the air conditioner may predict the energy consumption amount of each of the plurality of temperature control schedules during a time from a preset power saving operation time to a time point that matches a preset energy prediction time condition.
  • the preset power saving operation time means a time for controlling the temperature, etc. according to the control schedule
  • the preset energy prediction time may be a predetermined time including the power saving driving time.
  • the preset energy prediction time condition may be a point in time when the indoor temperature is expected to match the set temperature or to be within a predetermined range after the preset power saving operation time.
  • the preset energy prediction time condition includes a first energy consumption amount according to a schedule for turning off and then restarting the air conditioner during the power saving operation time, and a first energy consumption amount according to a schedule for operating the air conditioner in a preset temperature range during the power saving operation time. 2 It may be a point in time when energy consumption is expected to match or be within a certain range. Alternatively, the preset energy prediction time condition may be a time point at which the rate of change of the first energy consumption and the rate of change of the second energy consumption coincide or are predicted to be within a predetermined range.
  • the air conditioner may identify the temperature control schedule with the lowest predicted energy consumption as the optimum temperature control schedule (S660), and may operate for a preset power saving operation time based on the identified optimum temperature control schedule (S670).
  • the air conditioner may provide a comfortable environment to the user as soon as possible after the power saving time, and may also reduce energy consumption according to an efficient control schedule.
  • FIG. 7 is a view for explaining an embodiment of the present disclosure for predicting an indoor temperature and a candidate set temperature
  • FIG. 8 is a view for explaining an embodiment of the present disclosure for obtaining a temperature control schedule. It will be described with reference to FIGS. 7 and 8 .
  • the air conditioner may predict the room temperature according to a certain time interval. As an embodiment, as shown in FIG. 7 , the air conditioner may predict the indoor temperature at intervals of 5 minutes. That is, the air conditioner may predict the room temperature at 26 degrees at 12 o'clock, 26,5 degrees at 12:05, and 27 degrees at 13 o'clock. The air conditioner may predict the room temperature in the off condition during the power saving operation time. Alternatively, the air conditioner may predict the indoor temperature under a condition that is controlled to a constant temperature during the power saving operation time.
  • the air conditioner may acquire a plurality of candidate set temperatures at each time point when the indoor temperature is predicted.
  • the air conditioner may acquire the candidate set temperature in units of 0.5 degrees. Accordingly, in the cooling mode, the air conditioner may obtain candidate set temperatures of 25, 5 degrees, 25 degrees, and 24.5 degrees at 12 o'clock. In addition, the air conditioner may acquire candidate set temperatures of 26 degrees, 25, 5 degrees, and 25 degrees at 12:05. The air conditioner may acquire a plurality of candidate set temperatures based on the predicted indoor temperature every 5 minutes in the same manner.
  • the air conditioner may acquire a plurality of candidate set temperatures based on the temperatures used in the existing schedule control.
  • the air conditioner may acquire the candidate set temperature as (-) in the cooling mode and (+) in the heating mode based on the temperature used in the existing schedule control.
  • the candidate set temperature may include 25.5 degrees, 25 degrees, 24.5 degrees, and the like.
  • the air conditioner may acquire a temperature control schedule continuously connecting the candidate set temperatures at each time point.
  • the air conditioner is configured to connect the first set temperature of 26.5 degrees at 12 o'clock, 25 degrees at 12:05, off at 12:10, 26.5 degrees at 12:55, and 26 degrees at 13 o'clock. schedule can be obtained.
  • the air conditioner acquires a second schedule that connects set temperatures of 25 degrees at 12 o'clock, off at 12:05, 26 degrees at 12:10, 25 degrees at 12:55, and 25.5 degrees at 13:00 can do.
  • the air conditioner selects one of the candidate set temperatures at 12 o'clock, selects one of the candidate set temperatures at 12:05, and selects one of the candidate set temperatures at 12:10. And, it is possible to obtain a temperature control schedule by selecting one of the candidate set temperatures at 13 o'clock.
  • the air conditioner may acquire a plurality of temperature control schedules in the same manner.
  • FIG. 9 is a flowchart illustrating a process of controlling an air conditioner by identifying an optimal temperature control schedule according to an embodiment of the present disclosure.
  • the air conditioner may initialize the related settings ( S910 ).
  • the air conditioner may determine x possible schedules (the number of cases) for n operations for obtaining the temperature control schedule by applying the algorithm ( S920 ).
  • operation n means the number of times of temperature control based on the power saving operation time and time interval. 7 and 8, the power saving operation time is 1 hour (from 12:00 to 13:00) and the time interval is 5 minutes, so n is 12.
  • the air conditioner may determine the first schedule, the second schedule, and the x-th schedule based on the candidate set temperature at each time point.
  • the air conditioner may determine one temperature control schedule including a consumption amount that consumes the minimum energy among the x schedules during the n+ ⁇ operation ( S930 ). As an example, if the power saving operation time is 1 hour (from 12:00 to 13:00), the time interval is 5 minutes, and the additional time to estimate the energy consumption is 30 minutes, n is 12 and a is 6. Accordingly, since n+a is 18, the air conditioner may predict the energy consumption for each of the plurality of temperature control schedules during 18 operations. Then, the air conditioner may perform a control operation based on the determined optimal temperature control schedule (S940).
  • FIG. 10 is an embodiment illustrating energy consumption of an off control method and a setback control method
  • FIG. 11 is a diagram for explaining an embodiment of the present disclosure for predicting energy consumption
  • FIG. 12 is an example of the present disclosure It is a diagram for explaining a process of acquiring a temperature control schedule in consideration of a limiting condition according to an embodiment. It will be described with reference to FIGS. 10 to 12 .
  • the energy consumption when the air conditioner is off and the energy consumption when the set temperature is controlled in the 0.5 degree range (setback control) are shown.
  • the energy consumption is zero.
  • energy consumption may increase to a peak value. Therefore, energy consumption should be considered not only for the power saving operation time but also for a predetermined time.
  • the energy prediction time is a time point at which the indoor temperature is predicted to match the set temperature after the power saving operation time, a time point at which the first energy consumption amount is predicted to coincide with the second energy consumption amount during setback control, the first energy consumption amount and It may be a time until a point in time when the rate of change of the second energy consumption is predicted to match.
  • the power saving operation time 10 may be from 12:00 to 13:00.
  • the energy consumption prediction time 20 may be from 12:00 to 13:30.
  • the limit condition may include matching the indoor temperature with the set temperature at the end of the power saving operation time, limiting the highest peak value of energy consumption, limiting the total energy consumption, or maintaining a preset comfort level range.
  • the air conditioner may identify an optimal temperature control schedule based on the first schedule, the third schedule, and the fifth schedule.
  • the air conditioner may identify an optimal temperature control schedule based on the second schedule and the fourth schedule.
  • FIG. 13 is a flowchart illustrating a process of setting an algorithm for acquiring a temperature control schedule according to an embodiment of the present disclosure.
  • the air conditioner may acquire and load necessary data ( S1310 ).
  • the necessary data may include indoor temperature, outdoor temperature, indoor humidity, outdoor humidity, weather forecast, day of the week, whether there is a holiday, date, time, and the like.
  • the air conditioner may determine an end time of the algorithm (S1320). That is, the air conditioner may determine the return time after absence. For example, the end time of the algorithm may be input by the user.
  • the air conditioner may determine the control interval (control period) and n operation until the return time based on the control time (power saving operation time) ( S1330 ). In other words, the air conditioner can determine how many controls are needed. For example, when the absence time is from 12:00 to 13:00 and the control cycle is 5 minutes, the air conditioner may determine that 12 controls (12 operations) are required.
  • the air conditioner may determine the additional operation (a) to determine the amount of energy consumption for optimization ( S1340 ). That is, the air conditioner may determine the time for which energy consumption minimization should be considered from the return time after absence (the time when a person in the space is occupant). As described above, the additional operation is a time different from the absence time (power saving operation time). That is, the additional time (additional operation) may refer to a time from when a user starts to occupy a space to a time when energy consumption forms a general pattern. For example, when the air conditioner in the absent space is turned off from 12:00 to 13:00 on a hot summer day, as shown in FIG. 10 , energy consumed by the air conditioner may rapidly increase to lower the indoor temperature.
  • the additional time for estimating the energy consumption is 1 hour and 50 minutes from 13:00 to 14:50.
  • the additional operation (a) is operation 22.
  • the air conditioner may determine a limit condition ( S1350 ). Restriction conditions may include conditions such as an existing schedule that describes how to drive after returning, what kind of environment should be until the return time, and how much energy consumption should not exceed. Meanwhile, although it is illustrated in FIG. 13 that the air conditioner finally determines the limit condition, the order of determining the limit condition may be different, such as may be determined in the algorithm initialization ( S910 ) of FIG. 9 .
  • FIG. 14 is a flowchart illustrating a process of generating a temperature control schedule according to an embodiment of the present disclosure.
  • the air conditioner may predict and utilize a change in indoor temperature. For example, the air conditioner may determine the set temperature range based on the indoor temperature of the next operation predicted in the current off state ( S1410 ). That is, the air conditioner may determine the candidate set temperature based on the predicted indoor temperature. For example, if the air conditioner controls from 12:00 to 13:00 in 5-minute intervals, 12:00, 12:05, 12:10, ... , a control command is required for 12 movements up to 12:55. As described with reference to FIG. 7 , the number of various cases may be included in the control sequence of 12 operations.
  • the air conditioner may predict and utilize a change in indoor temperature. For example, the air conditioner may determine the set temperature range based on the indoor temperature of the next operation predicted in the current off state ( S1410 ). That is, the air conditioner may determine the candidate set temperature based on the predicted indoor temperature. For example, if the air conditioner controls from 12:00 to 13:00 in 5-minute intervals, 12:00, 12:05, 12:10, ... , a control command is
  • the air conditioner may generate x possible sets of control commands. That is, the air conditioner may generate x temperature control schedules.
  • the air conditioner may set each control item when determining control of n operations.
  • the control item may include a set temperature, heating/cooling mode, power (On/Off), air volume, and the like.
  • the set temperature (candidate set temperature) may be determined as +i in the case of the cooling mode and -i in the case of the heating mode to the temperature used in the existing schedule control. i may be variously set, such as 0.5, 1, 1.5, and the like.
  • the air conditioner may use a temperature prediction model to limit the range of the set temperature.
  • the air conditioner may limit the range of the candidate set temperature based on the indoor temperature change according to the outdoor environment when an off command is given in the m operation. For example, when the indoor temperature is predicted to be 25 degrees and the air conditioner is off, the indoor temperature change is predicted. If the predicted indoor temperature is 26 degrees, the range of the existing temperature +i does not need to exceed 26 degrees. This is because turning off the air conditioner or setting 26 degrees with setback control has the same effect.
  • the air conditioner may determine a possible schedule based on the limit condition ( S1420 ).
  • the limiting condition may be a condition such as an existing schedule that describes how to drive after returning, what kind of environment should be until the return time, and how much energy consumption should not be higher.
  • the air conditioner may determine x effective temperature control schedules by repeating the above-described process.
  • 15 is a flowchart illustrating a process of determining an optimal temperature control schedule according to an embodiment of the present disclosure.
  • the air conditioner may predict an energy consumption amount based on an x schedule of operation n and an operation a of a preset schedule ( S1510 ).
  • the air conditioner may predict the total energy consumption of the x temperature control schedules by using the energy prediction model.
  • the air conditioner may identify a schedule with the minimum energy consumption ( S1520 ).
  • the schedule with the minimum identified energy consumption may be an optimal temperature control schedule.
  • FIG. 16A is a diagram illustrating a simulation result of energy consumption in an office having lunch break according to an embodiment of the present disclosure
  • FIG. 16B is a simulation result of energy consumption in a conference room used intermittently as an embodiment of the present disclosure. It is a drawing showing It will be described with reference to Figs. 16A and 16B.
  • the energy saving rate compared to the basic setback control is about 3.36%.
  • the maximum value of the daily energy saving rate is about 8.34%, and it can be confirmed that the energy saving effect of the present disclosure can be greatly exhibited depending on the situation.
  • FIG. 16B in the annual simulation based on the intermittent reservation schedule of 9:30 ⁇ 12:00, 13:30 ⁇ 14:30, and 15:00 ⁇ 17:00, an energy saving effect of about 8.73% was obtained. appear.
  • the present disclosure by performing the air conditioner for the absent space in consideration of the energy consumption other than the target temperature, it is possible to perform the control in consideration of the amount of energy consumption longer than the absence time.
  • the present disclosure can optimally control energy consumption for an absent or intermittently used space.
  • the method for controlling the control device or the method for controlling the air conditioner according to the above-described various embodiments may be provided as a computer program product.
  • the computer program product may include the S/W program itself or a non-transitory computer readable medium in which the S/W program is stored.
  • the non-transitory readable medium refers to a medium that stores data semi-permanently, rather than a medium that stores data for a short moment, such as a register, cache, memory, and the like, and can be read by a device.
  • a non-transitory readable medium such as a CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

제어 장치, 공기 조화 장치 및 제어 방법이 제공된다. 제어 장치는 외부 장치와 통신하는 통신 인터페이스 및 실내외의 환경 정보 및 사용자의 제어 정보를 수신하도록 통신 인터페이스를 제어하는 프로세서를 포함하고, 프로세서는 수신된 실내외의 환경 정보 및 사용자의 제어 정보에 기초하여 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하고, 대응되는 후보 설정 온도를 획득하며, 온도 제어 스케줄을 획득하고, 에너지 예측 모델을 통해 획득된 온도 제어 스케줄 각각의 에너지 소비량을 예측하고, 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하며, 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 공기 조화 장치로 시간에 따른 제어 정보를 전송한다.

Description

제어 장치, 공기 조화 장치 및 제어 방법
본 개시는 제어 장치, 공기 조화 장치 및 제어 방법에 관한 것으로, 더욱 상세하게는, 에너지를 효율적으로 관리하는 제어 장치, 공기 조화 장치 및 제어 방법에 관한 것이다.
건물에 설치되는 다양한 제어 시스템 중 공기 조화 시스템(공조 시스템)에 대한 에너지 소비의 비율이 가장 크다. 공조 시스템의 제어에는 많은 에너지를 소비하지만, 외부 환경, 건물 특성, 재실자의 쾌적성 등 많은 요소가 고려되어야 하기 때문에 공조 시스템의 제어는 단순히 에너지만을 고려하여 제어하기 어려운 점이 있다.
기존 많은 공조 시스템의 제어는 관리자에 의존하여 수행되고 있다. 관리자가 상주하는 건물의 경우, 숙련된 관리자가 매뉴얼 또는 자신의 노하우를 기반으로 공조 시스템을 제어하고 있다. 그러나, 숙련된 관리자가 아닌 건물 또는 가정에서의 공조 시스템의 제어는 비효율적으로 수행되고 있는 실정이다. 따라서, 효율적인 공조 시스템을 제어하는 방법에 대한 연구가 오랫동안 진행되고 있다. 그러나, 사람이 재실중인 일반적인 상황에서 효율적으로 공조 시스템을 제어하는 방법에 대한 대부분의 연구가 진행되고 있다.
그러나, 에너지 절감 측면에서는 재실자가 없을 때 또는 한두명의 사람이 재실중인 경우 효율적인 공조 시스템의 제어에 대한 연구는 이루어지지 않는 실정이다. 일반적으로 재실자가 없을 때 공조 시스템은 오프(off)시키거나 일정 온도로 공조 시스템을 제어하는 셋백(setback) 방식으로 제어되고 있다. 공조 시스템을 오프시키는 경우, 오프 시간 동안에는 에너지가 소비되지 않는다. 그러나, 공조 시스템이 재가동되는 경우 공조 시스템은 일시적으로 많은 에너지를 소비하기 때문에 전체 시간을 고려하면 오프시키는 방식은 셋백 방식보다 더 많은 에너지를 소비할 수 있다. 또한, 셋백 방식도 일정 온도로 공조 시스템을 제어하기 때문에 효율적인 에너지 소비가 이루어지지 않는다. 따라서, 부재시 또는 일부 사람들이 재실중인 경우 공조 시스템의 에너지 소비를 최적화시키는 방법에 대한 필요성이 존재한다.
상술한 정보는 본 개시 내용의 이해를 돕기 위한 배경 정보로만 제공될 수 있다. 상술한 내용 중 어느 것도 본 개시와 관련하여 선행 기술로 적용될 수 있는지 여부에 대해 결정하거나 주장을 하는 것은 아니다.
본 개시는 상술한 문제점을 해결하기 위한 것으로, 본 개시의 목적은 부재시 또는 일부 사람들이 재실중인 경우, 공조 시스템의 에너지 소비를 최적화하는 제어 장치, 공기 조화 장치 및 제어 방법을 제공하는 것이다.
추가적인 양태는 다음의 설명에서 부분적으로 설명될 것이고, 제시된 실시 예의 실행에 의해 이해될 수 있다.
이상과 같은 목적을 달성하기 위한 일 실시 예에 따르면, 제어 장치는 외부 장치와 통신하는 통신 인터페이스 및 실내외의 환경 정보 및 사용자의 제어 정보를 수신하도록 상기 통신 인터페이스를 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 수신된 실내외의 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하고, 상기 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득하며, 상기 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득하고, 학습된 에너지 예측 모델을 통해 상기 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하고, 상기 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하며, 상기 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 공기 조화 장치로 시간에 따른 제어 정보를 전송하도록 상기 통신 인터페이스를 제어한다.
그리고, 상기 프로세서는 기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 상기 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득하며, 상기 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 상기 복수의 온도 제어 스케줄을 획득할 수 있다.
또한, 상기 프로세서는 상기 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 상기 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다.
한편, 상기 기 설정된 에너지 예측 시간 조건은 상기 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 상기 실내 온도가 상기 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점, 상기 기 설정된 절전 운전 시간 동안 상기 공기 조화 장치를 오프시킨 후 재동작시킬 때 시간에 따른 제1 에너지 소비량과 상기 기 설정된 절전 운전 시간 동안 기 설정된 온도 범위로 상기 공기 조화 장치를 동작시킬 때 시간에 따른 제2 에너지 소비량이 일치한다고 예측되는 시점 또는 상기 제1 에너지 소비량과 상기 제2 에너지 소비량이 기 설정된 범위 이내인 것으로 예측되는 시점 중 하나일 수 있다.
그리고, 상기 기 설정된 에너지 예측 시간 조건은 상기 제1 에너지 소비량의 변화율과 상기 제2 에너지 소비량의 변화율이 일치하거나 기 설정된 범위 이내인 것으로 예측되는 시점의 조건을 더 포함할 수 있다.
또는, 상기 프로세서는 기 설정된 제한 조건에 기초하여 상기 복수의 온도 제어 스케줄을 획득할 수 있다.
그리고, 상기 기 설정된 제한 조건은 상기 기 설정된 절전 운전 시간이 끝나는 시점에서 실내 온도와 기 설정된 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 기 설정된 시간 동안 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 중 적어도 하나일 수 있다.
한편, 상기 복수의 후보 설정 온도는 상기 예측된 시간에 따른 실내 온도에 기초하여 상기 공기 조화 장치를 오프시켰을 때, 냉방인 경우 예측되는 상기 실내 온도의 변화 온도보다 이하인 온도 또는 난방인 경우 상기 예측되는 상기 실내 온도의 변화 온도보다 이상인 온도일 수 있다.
또한, 상기 환경 정보는 실내외 온도, 실내외 습도, 날짜, 요일, 시간, 휴일 여부 또는 사용자 재실 여부 중 적어도 하나를 포함할 수 있다.
이상과 같은 목적을 달성하기 위한 일 실시 예에 따르면, 공기 조화 장치는 실내의 환경 정보를 감지하는 센서, 외부 장치와 통신하는 통신 인터페이스 및 실외의 환경 정보를 수신하도록 상기 통신 인터페이스를 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 감지된 실내의 환경 정보, 상기 수신된 실외의 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하고, 상기 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득하며, 상기 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득하고, 학습된 에너지 예측 모델을 통해 상기 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하고, 상기 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하며, 상기 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 동작한다.
그리고, 상기 프로세서는 기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 상기 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득하며, 상기 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 상기 복수의 온도 제어 스케줄을 획득할 수 있다.
또한, 상기 프로세서는 상기 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 상기 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다.
한편, 상기 기 설정된 에너지 예측 시간 조건은 상기 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 실내 온도가 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점, 상기 기 설정된 절전 운전 시간 동안 상기 공기 조화 장치를 오프시킨 후 재동작시킬 때 시간에 따른 제1 에너지 소비량과 상기 기 설정된 절전 운전 시간 동안 기 설정된 온도 범위로 상기 공기 조화 장치를 동작시킬 때 시간에 따른 제2 에너지 소비량이 일치한다고 예측되는 시점 또는 상기 제1 에너지 소비량과 상기 제2 에너지 소비량이 기 설정된 범위 이내인 것으로 예측되는 시점 중 하나일 수 있다.
또는, 상기 기 설정된 에너지 예측 시간 조건은 상기 제1 에너지 소비량의 변화율과 상기 제2 에너지 소비량의 변화율이 일치하거나 기 설정된 범위 이내인 것으로 예측되는 시점의 조건을 더 포함할 수 있다.
또한, 상기 프로세서는 기 설정된 제한 조건에 기초하여 상기 복수의 온도 제어 스케줄을 획득할 수 있다.
그리고, 상기 기 설정된 제한 조건은 상기 기 설정된 절전 운전 시간이 끝나는 시점에서 실내 온도와 기 설정된 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 기 설정된 시간 동안 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 중 적어도 하나일 수 있다.
한편, 상기 복수의 후보 설정 온도는 상기 예측된 시간에 따른 실내 온도에 기초하여 상기 공기 조화 장치를 오프시켰을 때, 냉방인 경우 예측되는 상기 실내 온도의 변화 온도보다 이하인 온도 또는 난방인 경우 상기 예측되는 상기 실내 온도의 변화 온도보다 이상인 온도일 수 있다.
또한, 상기 환경 정보는 실내외 온도, 실내외 습도, 날짜, 요일, 시간, 휴일 여부 또는 사용자 재실 여부 중 적어도 하나를 포함할 수 있다.
이상과 같은 목적을 달성하기 위한 일 실시 예에 따르면, 공기 조화 장치의 제어 방법은 실내외 환경 정보를 획득하는 단계, 상기 획득된 실내외 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하는 단계, 상기 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득하는 단계, 상기 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득하는 단계, 학습된 에너지 예측 모델을 통해 상기 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하는 단계, 상기 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하는 단계 및 상기 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 동작하는 단계를 포함한다.
그리고, 상기 실내 온도를 예측하는 단계는 기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 상기 복수의 후보 설정 온도를 획득하는 단계는 상기 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득할 수 있다.
또한, 상기 복수의 온도 제어 스케줄을 획득하는 단계는 상기 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 상기 복수의 온도 제어 스케줄을 획득할 수 있다.
또는, 상기 에너지 소비량을 예측하는 단계는 상기 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 상기 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다.
한편, 상기 기 설정된 에너지 예측 시간 조건은 상기 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 실내 온도가 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점, 상기 기 설정된 절전 운전 시간 동안 상기 공기 조화 장치를 오프시킨 후 재동작시킬 때 시간에 따른 제1 에너지 소비량과 상기 기 설정된 절전 운전 시간 동안 기 설정된 온도 범위로 상기 공기 조화 장치를 동작시킬 때 시간에 따른 제2 에너지 소비량이 일치한다고 예측되는 시점 또는 상기 제1 에너지 소비량과 상기 제2 에너지 소비량이 기 설정된 범위 이내인 것으로 예측되는 시점 중 하나일 수 있다.
또는, 상기 기 설정된 에너지 예측 시간 조건은 상기 제1 에너지 소비량의 변화율과 상기 제2 에너지 소비량의 변화율이 일치하거나 기 설정된 범위 이내인 것으로 예측되는 시점의 조건을 더 포함할 수 있다.
또한, 상기 복수의 온도 제어 스케줄을 획득하는 단계는 기 설정된 제한 조건에 기초하여 상기 복수의 온도 제어 스케줄을 획득할 수 있다.
한편, 상기 기 설정된 제한 조건은 상기 기 설정된 절전 운전 시간이 끝나는 시점에서 실내 온도와 기 설정된 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 기 설정된 시간 동안 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 중 적어도 하나일 수 있다.
그리고, 상기 복수의 후보 설정 온도는 상기 예측된 시간에 따른 실내 온도에 기초하여 상기 공기 조화 장치를 오프시켰을 때, 냉방인 경우 예측되는 상기 실내 온도의 변화 온도보다 이하인 온도 또는 난방인 경우 상기 예측되는 상기 실내 온도의 변화 온도보다 이상인 온도일 수 있다.
또한, 상기 환경 정보는 실내외 온도, 실내외 습도, 날짜, 요일, 시간, 휴일 여부 또는 사용자 재실 여부 중 적어도 하나를 포함할 수 있다.
본 개시의 다양한 실시 예에 따르면, 공기 조화 장치, 제어 장치 및 제어 방법은 부재시와 같은 절전 운전 시간 동안 에너지 소비를 최적화할 수 있다.
본 개시의 다른 양태, 이점 및 두드러진 특징은 첨부된 도면과 함께 취해진 본 개시의 다양한 실시 예를 개시하는 다음의 상세한 설명으로부터 통상의 기술자에게 명백해질 것이다.
도 1은 본 개시의 일 실시 예에 따른 공기 조화 시스템을 설명하는 도면이다.
도 2는 본 개시의 일 실시 예에 따른 공기 조화 장치의 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 공기 조화 장치의 구체적인 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시 예에 따른 프로세서에서 동작하는 구성을 설명하는 도면이다.
도 5는 본 개시의 일 실시 예에 따른 제어 장치의 구성을 나타내는 블록도이다.
도 6은 본 개시의 일 실시 예에 따른 공기 조화 장치의 제어 과정을 설명하는 흐름도이다.
도 7은 실내 온도 및 후보 설정 온도를 예측하는 본 개시의 일 실시 예를 설명하는 도면이다.
도 8은 온도 제어 스케줄을 획득하는 본 개시의 일 실시 예를 설명하는 도면이다.
도 9는 본 개시의 일 실시 예에 따른 최적 온도 제어 스케줄을 식별하여 공기 조화 장치를 제어하는 과정을 설명하는 흐름도이다.
도 10은 오프 제어 방식과 셋백 제어 방식의 에너지 소비량을 나타내는 일 실시 예이다.
도 11은 에너지 소비량을 예측하는 본 개시의 일 실시 예를 설명하는 도면이다.
도 12는 본 개시의 일 실시 예에 따른 제한 조건을 고려한 온도 제어 스케줄을 획득하는 과정을 설명하는 도면이다.
도 13은 본 개시의 일 실시 예에 따른 온도 제어 스케줄을 획득하는 알고리즘을 세팅하는 과정을 설명하는 흐름도이다.
도 14는 본 개시의 일 실시 예에 따른 온도 제어 스케줄을 생성하는 과정을 설명하는 흐름도이다.
도 15는 본 개시의 일 실시 예에 따른 최적 온도 제어 스케줄을 결정하는 과정을 설명하는 흐름도이다.
도 16a는 본 개시의 일 실시 예에 따른 점심 시간이 존재하는 사무실의 에너지 소비량의 시뮬레이션 결과를 나타내는 도면이다.
도 16b는 본 개시의 일 실시 예로서 간헐적으로 사용이 없는 회의실의 에너지 소비량의 시뮬레이션 결과를 나타내는 도면이다.
도면 전체에 걸쳐 유사한 참조 번호는 유사한 부품, 구성 요소 및 구조를 지칭하는 것을 의미한다.
첨부된 도면을 참조한 다음의 설명은 청구범위 및 그 균등물에 의해 정의된 바와 같이, 본 개시 내용의 다양한 실시 양태의 포괄적인 이해를 돕기 위해 제공된다. 여기에는 이해를 돕기 위한 다양한 특정 세부 사항이 포함되어 있지만, 이는 단지 예시적인 것으로 간주되어야 한다. 따라서, 본 기술분야의 통상의 지식을 가진 자는 본 개시의 범위 및 사상을 벗어나지 않고 본 개시에 기술된 다양한 실시 예의 다양한 변경 및 수정이 이루어질 수 있음을 인식할 수 있다. 또한, 명료함과 간결함을 위해 잘 알려진 기능 및 구성에 대한 설명은 생략될 수 있다.
이하의 설명 및 특허청구범위에서 사용된 용어 및 단어는 서지적 의미에 한정되지 않고, 본 개시의 명확하고 일관된 이해를 가능하게 하기 위해 발명자가 사용한 것에 불과하다. 따라서, 본 개시의 다양한 실시 예에 대한 다음의 설명은 단지 예시의 목적으로 제공되고, 첨부된 청구범위 및 그 균등물에 의해 정의된 바와 같이 본 발명을 제한하기 위한 것이 아님이 통상의 기술자에게 명백하다.
단수 형태 "a", "an" 및 "the"는 문맥이 명백하게 달리 지시하지 않는 한 복수 지시 대상을 포함하는 것으로 이해되어야 한다. 따라서, 예를 들어 "구성요소 표면" 은 그러한 표면 중 하나 이상에 대한 언급을 포함할 수 있다.
본 명세서에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
한편, 본 명세서에서 사용되는 구성요소에 대한 "모듈" 또는 "부"는 적어도 하나의 기능 또는 동작을 수행한다. 그리고, "모듈" 또는 "부"는 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합에 의해 기능 또는 동작을 수행할 수 있다. 또한, 특정 하드웨어에서 수행되어야 하거나 적어도 하나의 프로세서에서 수행되는 "모듈" 또는 "부"를 제외한 복수의 "모듈들" 또는 복수의 "부들"은 적어도 하나의 모듈로 통합될 수도 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 개시의 설명에 있어서 각 동작(operation)의 순서는 선행 동작이 논리적 및 시간적으로 반드시 후행 동작에 앞서서 수행되어야 하는 경우가 아니라면 각 동작의 순서는 비제한적으로 이해되어야 한다. 즉, 위와 같은 예외적인 경우를 제외하고는 후행 동작으로 설명된 과정이 선행 동작으로 설명된 과정보다 앞서서 수행되더라도 발명의 본질에는 영향이 없으며 권리범위 역시 동작의 순서에 관계없이 정의되어야 한다. 그리고 본 명세서에서 "A 또는 B"라고 기재한 것은 A와 B 중 어느 하나를 선택적으로 가리키는 것뿐만 아니라 A와 B 모두를 포함하는 것도 의미하는 것으로 정의된다. 또한, 본 명세서에서 "포함"이라는 용어는 포함하는 것으로 나열된 요소 이외에 추가로 다른 구성요소를 더 포함하는 것도 포괄하는 의미를 가진다.
본 명세서에서는 본 개시의 설명에 필요한 필수적인 구성요소만을 설명하며, 본 개시의 본질과 관계가 없는 구성요소는 언급하지 아니한다. 그리고 언급되는 구성요소만을 포함하는 배타적인 의미로 해석되어서는 아니되며 다른 구성요소도 포함할 수 있는 비배타적인 의미로 해석되어야 한다.
그 밖에도, 본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그에 대한 상세한 설명은 축약하거나 생략한다. 한편, 각 실시 예는 독립적으로 구현되거나 동작될 수도 있지만, 각 실시 예는 조합되어 구현되거나 동작될 수도 있다.
도 1은 본 개시의 일 실시 예에 따른 공기 조화 시스템을 설명하는 도면이다.
도 1을 참조하면, 공기 조화 시스템은 공기 조화 장치(100) 및 제어 장치(200)를 포함한다.
공기 조화 장치(100)는 실내의 환경 정보를 감지할 수 있다. 예를 들어, 실내의 환경 정보는 실내 온도, 실내 습도, 사용자 재실 상태 등을 포함할 수 있다. 또한, 공기 조화 장치(100)는 사용자의 제어 정보를 획득할 수 있다. 예를 들어, 사용자의 제어 정보는 온/오프 상태, 동작 모드(예, 냉방 모드, 난방 모드, 제습 모드 등), 설정 온도, 설정 시간, 풍량, 풍향, 풍속 등을 포함할 수 있다.
그리고, 공기 조화 장치(100)는 제어 장치(200)로부터 실외의 환경 정보를 수신할 수 있다. 예를 들어, 실외의 환경 정보는 실외 온도, 실외 습도, 날씨, 날짜, 요일, 시간, 휴일 여부 등을 포함할 수 있다. 한편, 날짜, 요일, 시간 등의 환경 정보는 실내의 환경 정보에 포함될 수 있다.
공기 조화 장치(100)는 감지된 실내의 환경 정보, 수신된 실외의 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측할 수 있다. 온도 예측 모델은 기존에 수집된 실내외 환경 정보, 사용자의 제어 정보를 학습하여 실내 온도를 예측할 수 있다. 온도 예측 모델은 제어 장치(200)에서 생성되고 학습될 수 있다. 또는, 온도 예측 모델은 별도의 인공 지능 서버(미도시)에서 생성되고 학습될 수 있다. 온도 예측 모델은 기 설정된 시간 간격에 따라 각 시점의 실내 온도를 예측할 수 있다. 일 실시 예로서, 온도 예측 모델은 5분 단위로 실내 온도를 예측할 수 있다. 즉, 온도 예측 모델은 12시 5분의 12시 5분의 실내외 환경 정보, 사용자의 제어 정보에 기초하여 12시 10분의 실내 온도를 예측할 수 있다.
공기 조화 장치(100)는 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득할 수 있다. 일 실시 예로서, 공기 조화 장치(100)가 특정 시점에서 예측한 실내 온도가 27도이고 냉방 모드인 경우, 후보 설정 온도는 26.5도, 26도, 오프 등일 수 있다. 공기 조화 장치(100)는 기 설정된 온도 간격으로 후보 설정 온도를 예측할 수 있다. 예를 들어, 기 설정된 온도 간격이 0.5인 경우, 공기 조화 장치(100)는 26.5도, 26도 등과 같이 후보 설정 온도를 획득할 수 있다. 기 설정된 온도 간격이 1인 경우, 공기 조화 장치(100)는 26도, 25도 등과 같이 후보 설정 온도를 획득할 수 있다. 공기 조화 장치(100)는 냉방 모드인 경우 실내 온도보다 낮게 후보 설정 온도를 획득할 수 있고, 난방 모드인 경우 실내 온도보다 높게 후보 설정 온도를 획득할 수 있다.
공기 조화 장치(100)는 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득할 수 있다. 공기 조화 장치(100)는 각 시점에서 하나의 후보 설정 온도를 제어 온도로 선택할 수 있다. 공기 조화 장치(100)는 각 시점에서 선택한 제어 온도에 따라 각 시점에서 온도를 제어할 수 있다. 즉, 온도 제어 스케줄은 각 시점의 제어 온도를 연결한 일련의 제어 온도 집합으로서, 일정 시간 동안 온도를 제어하는 스케줄을 의미한다. 공기 조화 장치(100)는 각 시점의 선택된 제어 온도에 기초하여 시간에 따른 하나의 온도 제어 스케줄을 획득할 수 있다. 상술한 바와 같이, 공기 조화 장치(100)는 시간에 따라 복수의 후보 설정 온도를 획득할 수 있다. 공기 조화 장치(100)는 각 시점에서 다양한 후보 설정 온도를 제어 온도로 선택할 수 있다. 따라서, 공기 조화 장치(100)는 각 시점의 후보 설정 온도를 제어 온도로 조합한 복수의 온도 제어 스케줄을 획득할 수 있다.
공기 조화 장치(100)는 학습된 에너지 예측 모델을 통해 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다. 에너지 예측 모델은 기존에 입력된 온도 제어 스케줄을 학습하여 에너지 소비량을 예측할 수 있다. 에너지 예측 모델은 제어 장치(200)에서 생성되고 학습될 수 있다. 또는, 에너지 예측 모델은 별도의 인공 지능 서버(미도시)에서 생성되고 학습될 수 있다.
공기 조화 장치(100)는 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별할 수 있다. 예를 들어, 제1 온도 제어 스케줄의 에너지 소비량은 300kwh, 제2 온도 제어 스케줄의 에너지 소비량은 280Kwh, 제3 온도 제어 스케줄의 에너지 소비량은 320Kwh인 경우, 공기 조화 장치(100)는 제2 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별할 수 있다. 그리고, 공기 조화 장치(100)는 식별된 최적 온도 제어 스케줄에 따라 기 설정된 절전 운전 시간 동안 동작할 수 있다. 예를 들어, 공기 조화 장치(100)는 에어컨, 제습기, 공기 청정기, 온풍기, 공기 조화 설비 또는 시스템 등을 포함할 수 있다. 그리고, 절전 운전 시간은 재실자가 없거나 일부의 재실자만이 존재하는 경우를 의미할 수 있다. 예를 들어, 절전 운전 시간은 사무실의 점심 시간 또는 비정기적으로 이용되는 회의실의 사용자 부재 시간, 한낮에 사람이 없는 호텔 방 등을 포함할 수 있다. 한편, 공기 조화 장치(100)가 절전 시간 동안 온도에 기초하여 제어 동작을 수행하는 예를 설명하였으나, 공기 조화 장치(100)는 온/오프, 풍량, 풍향, 풍속 등을 변경하여 제어 동작을 수행할 수 있다.
제어 장치(200)는 실외의 환경 정보를 공기 조화 장치(100)로 전송할 수 있다. 또한, 제어 장치(200)는 온도 예측 모델 및 에너지 예측 모델을 생성하고 학습시킬 수 있다. 일 실시 예로서, 제어 장치(200)는 하나의 장치로 구현될 수 있고, 복수의 장치로 구현될 수도 있다. 공기 조화 시스템이 하나의 제어 장치(200)로 구현되는 경우, 제어 장치(200)는 실외의 환경 정보, 온도 예측 모델, 에너지 예측 모델을 공기 조화 장치(100)로 전송할 수 있다. 또는, 제어 장치(200)는 온도 예측 모델 및 에너지 예측 모델을 포함할 수 있다. 그리고, 제어 장치(200)는 공기 조화 장치(100) 또는 다양한 외부 장치(또는, 서버)로부터 실내외 환경 정보 및 제어 정보를 수신할 수 있다. 제어 장치(200)는 수신된 실내외 환경 정보 및 제어 정보에 기초하여 학습된 온도 예측 모델을 이용하여 시간에 따른 실내 온도를 예측할 수 있다. 또한, 제어 장치(200)는 예측된 실내 온도에 기초하여 복수의 온도 제어 스케줄을 획득하고, 학습된 에너지 예측 모델을 이용하여 획득된 온도 제어 스케줄에 대한 에너지 소비량을 예측할 수 있다. 또는, 제어 장치(200)는 예측된 에너지 소비량에 기초하여 최적 온도 제어 스케줄을 획득할 수도 있다. 제어 장치(200)는 획득된 최적 온도 제어 스케줄을 공기 조화 장치(100)로 전송하고, 공기 조화 장치(100)는 최적 온도 제어 스케줄에 기초하여 절전 운전 시간 동안 제어 동작을 수행할 수도 있다. 예를 들어, 제어 장치(200)는 서버, 클라우드, 공기 조화 장치를 제어하는 전자 장치 등을 포함할 수 있다.
공기 조화 시스템이 복수의 장치로 구현되는 경우, 제어 장치(200)는 실외의 환경 정보를 전송하는 환경 정보 서버 및 온도 예측 모델 및 에너지 예측 모델을 생성하고 학습시키는 인공 지능 서버를 포함할 수 있다. 또는, 인공 지능 서버는 공기 조화 장치, 외부 장치 또는 외부 서버로부터 실내외 환경 정보, 제어 정보를 수신하고, 실내 온도 예측, 복수의 온도 제어 스케줄 획득, 복수의 온도 제어 스케줄에 대한 에너지 소비량 예측 및 최적 온도 제어 스케줄을 획득할 수도 있다. 또는, 실외 온도, 실외 습도 등의 환경 정보를 전송하는 제1 제어 장치, 날씨 등의 환경 정보를 전송하는 제2 제어 장치, 날짜, 요일, 시간, 휴일 여부 등의 환경 정보를 전송하는 제3 제어 장치, 온도 예측 모델을 생성하고 학습시키는 제4 제어 장치, 에너지 예측 모델을 생성하고 학습시키는 제5 제어 장치 등을 포함할 수 있다.
또는, 공기 조화 시스템은 하나의 장치로 구현되고, 제어 장치(200)가 다양한 외부 장치로부터 실외의 환경 정보, 온도 예측 모델 또는 에너지 예측 모델을 수신할 수 있다. 그리고, 제어 장치(200)는 공기 조화 장치(100)로 정보 등을 전송할 수 있다.
공기 조화 장치(100)는 예측된 실내 온도 및 예측된 에너지 소비량에 기초하여 최적의 온도 제어 스케줄을 식별하고, 식별된 최적의 온도 제어 스케줄로 동작함으로써 절전 운전 시간 동안 에너지 소비를 효율적으로 관리할 수 있다.
아래에서는 공기 조화 장치(100)의 구성에 대해 설명한다.
도 2는 본 개시의 일 실시 예에 따른 공기 조화 장치의 구성을 나타내는 블록도이고, 도 3은 본 개시의 일 실시 예에 따른 공기 조화 장치의 구체적인 구성을 나타내는 블록도이다. 도 2 및 도 3을 참조하여 설명한다.
도 2를 참조하면, 공기 조화 장치(100)는 센서(110), 통신 인터페이스(120) 및 프로세서(130)를 포함한다.
센서(110)는 실내의 환경 정보를 감지할 수 있다. 또한, 센서(110)는 실내에 위치하는 사람의 숫자 또는 규모를 감지할 수 있다. 예를 들어, 센서(110)는 온도 센서, 습도 센서, 기압 센서, 열 감지 센서, 근접 센서, 모션 센서, 적외선 센서, 초음파 센서 등을 포함할 수 있다. 한편, 공기 조화 장치(100) 외에 실외기, 쿨링 타워(cooling tower), 칠러(chiller), 자동 온도 조절기(Thermostat), 리모컨 등도 온도 센서, 습도 센서 등을 포함하여 실내외 환경 정보를 감지할 수도 있다. 또는, 실내외 환경 정보는 외부의 장치 또는 외부의 서버로부터 수신될 수도 있다.
통신 인터페이스(120)는 외부 장치와 데이터(또는, 정보)를 송수신할 수 있다. 예를 들어, 통신 인터페이스(120)는 LTE, 와이파이, 블루투스 등의 데이터 네트워크 통신 모듈을 포함하고, 근거리 통신망 및 인터넷망을 통해 외부 장치와 통신을 수행할 수 있다. 통신 인터페이스(120)는 외부 장치로부터 실내외의 환경 정보, 온도 예측 모델, 에너지 예측 모델을 수신할 수 있다. 통신 인터페이스(120)는 제어 장치와 통신을 수행하며, 통신부, 통신 모듈, 송수신부 등으로 불릴 수도 있다. 그리고, 외부 장치는 일반 서버(클라우드), 인공 지능 서버(클라우드), 실외기, 쿨링 타워, 칠러, 자동 온도 조절기, 리모컨, 기상 데이터 제공 서버 등을 포함할 수 있다.
프로세서(130)는 공기 조화 장치(100)의 각 구성을 제어할 수 있다. 예를 들어, 프로세서(130)는 실내의 환경 정보를 감지하도록 센서(110)를 제어하고, 외부 장치로부터 데이터를 수신하도록 통신 인터페이스(120)를 제어할 수 있다. 또한, 프로세서(130)는 사용자의 제어 정보를 획득할 수 있다.
프로세서(130)는 실내외 환경 정보, 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하고, 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득할 수 있다. 후보 설정 온도는 제어 온도일 수 있다. 한편, 복수의 후보 설정 온도는 예측된 시간에 따른 실내 온도에 기초하여 공기 조화 장치(100)를 오프시켰을 때 예측되는 실내 온도의 변화 온도보다 이하의 온도(냉방 모드인 경우) 또는 이상의 온도(난방 모드인 경우)일 수 있다. 일 실시 예로서, 공기 조화 장치(100)를 오프시켰을 때, 실내 온도는 26도에서 27로 변할 수 있다. 즉, 실내 온도의 변화 온도는 27도이다. 냉방 모드의 경우, 후보 설정 온도는 27도보다 낮은 온도일 수 있다. 난방 모드의 경우, 후보 설정 온도는 27도보다 높은 온도일 수 있다.
프로세서(130)는 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득할 수 있다. 예를 들어, 프로세서(130)는 기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득할 수 있다. 프로세서(130)는 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 복수의 온도 제어 스케줄을 획득할 수 있다. 한편, 프로세서(130)는 기 설정된 제한 조건에 기초하여 복수의 온도 제어 스케줄을 획득할 수 있다. 예를 들어, 기 설정된 제한 조건은 기 설정된 절전 운전 시간이 끝나는 시점에서 실내 온도와 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 기 설정된 시간 동안 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 등을 포함할 수 있다. 일 실시 예로서, 쾌적도 범위는 실내 온도, 실내 복사, 실내 습도, 풍속, 의복지수 등에 기초하여 PMV(Predicted Mean Vote)에 의해 산출될 수 있다.
프로세서(130)는 학습된 에너지 예측 모델을 통해 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다. 예를 들어, 프로세서(130)는 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 상기 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다. 절전 운전 시간은 사무실의 점심 시간, 사무실의 정규 근무 시간 외 시간, 비정기적으로 사용되는 회의실의 부재 시간 등을 포함할 수 있다. 일 실시 예로서, 점심 시간이 오후 12시부터 오후 1시까지인 경우, 절전 운전 시간은 오후 12시부터 오후 1시까지일 수 있다. 그러나, 오후 1시에 실외 온도가 높거나 설정 온도(제어 온도) 대비 실내 온도가 높은 경우, 공기 조화 장치(100)는 실내 온도를 설정 온도로 낮추기 위해 순간적으로 또는 일정 시간 동안 많은 에너지를 소비할 수 있다. 따라서, 공기 조화 장치(100)는 절전 운전 시간 이후 일정 조건을 만족하는 시점까지 에너지 소비량을 예측할 수 있다. 예를 들어, 기 설정된 에너지 예측 시간 조건은 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점일 수 있다. 또는, 기 설정된 에너지 예측 시간 조건은 실내 온도가 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점일 수 있다. 또는, 기 설정된 에너지 예측 시간 조건은 서로 다른 온도 제어 스케줄에 따른 에너지 소비량 또는 에너지 소비량의 변화율에 따른 조건일 수 있다. 예를 들어, 절전 운전 시간 동안 공기 조화 장치(100)를 오프시킨 후 재동작시킬 때 시간에 따른 에너지 소비량을 제1 에너지 소비량이라고 할 수 있다. 그리고, 절전 운전 시간 동안 기 설정된 온도 범위로 공기 조화 장치(100)를 동작시킬 때 시간에 따른 에너지 소비량을 제2 에너지 소비량이라고 할 수 있다. 이때, 기 설정된 에너지 예측 시간 조건은 제1 에너지 소비량과 제2 에너지 소비량이 일치하거나 일정 범위 이내인 것으로 예측되는 시점일 수 있다. 또는, 기 설정된 에너지 예측 시간 조건은 제1 에너지 소비량의 변화율과 제2 에너지 소비량의 변화율이 일치하거나 일정 범위 이내인 것으로 예측되는 시점일 수도 있다.
프로세서(130)는 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별할 수 있다. 프로세서(130)는 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 동작할 수 있다.
한편, 공기 조화 장치(100)는 상술한 구성 이외의 다른 구성을 더 포함할 수 있다.
도 3을 참조하면, 공기 조화 장치(100)는 센서(110), 통신 인터페이스(120), 프로세서(130), 입력 인터페이스(140), 카메라(150), 마이크(160), 스피커(170), 디스플레이(180) 및 메모리(190)를 포함할 수 있다.
입력 인터페이스(140)는 사용자로부터 공기 조화 장치(100)의 제어 정보 등을 입력 받을 수 있다. 예를 들어, 입력 인터페이스(140)는 키 패드, 터치 패드 등으로 구현될 수 있다. 입력 인터페이스(140)는 사용자로부터 명령을 입력받는 기능을 수행하며, 입력부, 입력 모듈 등으로 불릴 수도 있다. 한편, 입력 인터페이스(140)는 상술한 키 패드, 터치 패드 외에도 센서(110), 카메라(150), 마이크(160) 또는 디스플레이(180)로 구현될 수도 있다.
예를 들어, 입력 인터페이스(140)가 센서(110)로 구현되는 경우, 센서(110)는 리모컨의 신호 등을 입력 받을 수 있다. 프로세서(130)는 입력된 신호에 기초하여 제어 정보를 획득할 수 있다. 입력 인터페이스(140)가 카메라(150)로 구현되는 경우, 공기 조화 장치(100)는 사용자의 표정이나 동작 등을 촬영할 수 있다. 프로세서(130)는 촬영된 표정이나 동작에 기초하여 제어 정보를 획득할 수 있다. 입력 인터페이스(140)가 마이크(160)로 구현되는 경우, 공기 조화 장치(100)는 사용자의 음성을 입력 받을 수 있다. 프로세서(130)는 입력된 음성에 기초하여 제어 정보를 획득할 수 있다. 또한, 디스플레이(180)가 터치 스크린으로 구현되는 경우, 공기 조화 장치(100)는 터치 스크린을 통해 사용자의 제어 정보를 입력 받을 수 있다.
카메라(150)는 사용자를 포함하는 이미지를 촬영할 수 있다. 프로세서(130)는 촬영된 이미지에 기초하여 실내에 위치하는 사람의 숫자 또는 규모를 확인할 수 있다. 마이크(160)는 사용자의 음성을 입력 받을 수 있다.
스피커(170)는 오디오를 출력할 수 있다. 스피커(170)는 사용자의 입력 명령, 공기 조화 장치(100)의 상태 관련 정보 또는 동작 관련 정보 등을 음성이나 알림음으로 출력할 수 있다.
디스플레이(180)는 사용자의 입력 명령, 공기 조화 장치(100)의 상태 관련 정보 또는 동작 관련 정보 등을 텍스트나 이미지로 출력할 수 있다. 예를 들어, 디스플레이(180)는 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diode), 플렉서블 디스플레이, 터치 스크린 등으로 구현될 수 있다.
메모리(190)는 공기 조화 장치(100)의 기능을 수행하는 데이터 등을 저장하고, 공기 조화 장치(100)에서 구동되는 프로그램, 명령어 등을 저장할 수 있다. 그리고, 메모리(190)는 온도 예측 모델, 에너지 예측 모델을 저장할 수 있다. 또한, 메모리(190)는 실내외 환경 정보, 사용자의 제어 정보, 제어 스케줄과 관련된 알고리즘 등을 저장할 수 있다. 한편, 메모리(190)는 사용자를 식별하기 위한 사용자 단말 장치의 식별 정보를 저장할 수 있다. 예를 들어, 메모리(190)는 롬, 램, HDD, SSD, 메모리 카드 등의 타입으로 구현될 수 있다.
공기 조화 장치(100)는 상술한 구성을 모두 포함할 수 있고, 일부 구성을 포함할 수도 있다. 또한, 공기 조화 장치(100)는 상술한 구성 이외에도 다양한 기능을 수행하는 다른 구성을 더 포함할 수도 있다.
한편, 본 개시에 따른 인공 지능과 관련된 기능은 프로세서(130)와 메모리(190)를 통해 동작된다. 일 실시 예로서, 프로세서(130)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(190)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공 지능 전용 프로세서(또는, 연동되는 AI 클라우드)인 경우, 인공 지능 전용 프로세서는, 특정 인공 지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공 지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공 지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
도 4는 본 개시의 일 실시 예에 따른 프로세서에서 동작하는 구성을 설명하는 도면이다.
도 4를 참조하면, 공기 조화 장치(100)는 데이터 수집 모듈(131), 데이터 관리 모듈(132), 온도 예측 모델(133), 에너지 예측 모델(134), 최적 제어 스케줄 설정 모듈(135), 알고리즘 설정 모듈(136)을 포함할 수 있다. 각 모듈 또는 모델은 메모리에 저장될 수 있다. 프로세서는 최적 온도 제어 스케줄을 식별하기 위해 각 모듈 또는 모델을 로딩하여 기능을 수행할 수 있다.
데이터 수집 모듈(131)은 알고리즘 동작에 필요한 데이터를 수집할 수 있다. 데이터 수집 모듈(131)은 센서 또는 외부 장치로부터 실내외 환경 정보 등과 같은 데이터를 수집할 수 있다. 데이터 관리 모듈(132)은 수집된 데이터를 저장하고 관리할 수 있다. 데이터 관리 모듈(132)은 필요한 경우, 데이터를 가공하여 이용할 수 있다.
온도 예측 모델(133)은 다음 동작의 실내 온도를 예측할 수 있다. 온도 예측 모델(133)은 공기 조화 장치(100)의 오프시 변화되는 실내 온도에 따라 일정한 온도(setback 온도) 범위를 예측할 수 있다. 또한, 예측된 온도 범위는 에너지 예측 모델의 입력으로 사용될 수도 있다. 또한, 온도 예측 모델(133)은 예측된 온도가 제한 조건에 위배되는지 판단할 수 있다. 에너지 예측 모델(134)은 알고리즘 동작시 복수의 온도 제어 스케줄 중 에너지 소비량이 가장 적은 스케줄을 식별할 수 있다. 에너지 예측 모델(134)의 출력은 입력된 제어 스케줄로 제어할 때의 에너지 소비량일 수 있다. 경우에 따라, 에너지 예측 모델(134)은 예측된 에너지 소비량이 제한 조건에 위배되는지 판단할 수도 있다.
최적 제어 스케줄 설정 모듈(135)은 온도 예측 모델(134)과 에너지 예측 모델(134)을 기반으로 복수의 제어 스케줄 중 에너지 소비량이 가장 적고 제한 조건을 위배하지 않는 스케줄을 식별할 수 있다. 알고리즘 설정 모듈(136)은 최적 제어 스케줄을 식별하기 위한 각 알고리즘의 설정하고, 동작 스케줄, 제한 조건 등을 설정할 수 있다.
한편, 상술한 동작은 제어 장치에서 수행될 수도 있다.
도 5는 본 개시의 일 실시 예에 따른 제어 장치의 구성을 나타내는 블록도이다.
도 5를 참조하면, 제어 장치(200)는 통신 인터페이스(210) 및 프로세서(220)를 포함할 수 있다.
통신 인터페이스(210)는 외부 장치와 데이터(또는, 정보)를 송수신할 수 있다. 예를 들어, 통신 인터페이스(120)는 LTE, 와이파이, 블루투스 등의 데이터 네트워크 통신 모듈을 포함하고, 근거리 통신망 및 인터넷망을 통해 외부 장치와 통신을 수행할 수 있다. 통신 인터페이스(120)는 외부 장치로부터 실내외의 환경 정보 및 사용자 제어 정보를 수신할 수 있다.
예를 들어, 실내외의 환경 정보는 실내 온도, 실내 습도, 사용자 재실 상태, 실외 온도, 실외 습도, 날씨, 날짜, 요일, 시간, 휴일 여부 등을 포함할 수 있다. 사용자의 제어 정보는 온/오프 상태, 동작 모드(예, 냉방 모드, 난방 모드, 제습 모드 등), 설정 온도, 설정 시간, 풍량, 풍향, 풍속 등을 포함할 수 있다. 그리고, 외부 장치는 공기 조화 장치, 일반 서버(클라우드), 실외기, 쿨링 타워, 칠러, 자동 온도 조절기, 리모컨, 기상 데이터 제공 서버 등을 포함할 수 있다. 일 실시 예로서, 통신 인터페이스(210)는 공기 조화 장치로부터 실내 환경 정보 및 사용자 제어 정보를 수신할 수 있다. 또는, 통신 인터페이스(210)는 자동 온도 조절기, 리모컨으로부터 실내 환경 정보를 수신할 수 있다. 또한, 통신 인터페이스(210)는 일반 서버(클라우드), 실외기, 쿨링 타워, 칠러, 기상 데이터 제공 서버 등으로부터 실외 환경 정보를 수신할 수 있다. 통신 인터페이스(210)는 외부 장치와 통신을 수행하며, 통신부, 통신 모듈, 송수신부 등으로 불릴 수도 있다.
프로세서(220)는 제어 장치(200)의 각 구성을 제어할 수 있다. 예를 들어, 프로세서(220)는 실내외의 환경 정보 및 사용자 제어 정보를 수신하도록 통신 인터페이스(210)를 제어할 수 있다. 프로세서(220)는 온도 예측 모델 및 에너지 예측 모델을 생성하고 학습시킬 수 있다. 그리고, 프로세서(220)는 온도 예측 모델 및 에너지 예측 모델을 이용하여 최적 온도 제어 스케줄을 식별할 수 있다.
예를 들어, 프로세서(220)는 수신된 실내외의 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측할 수 있다. 그리고, 프로세서(220)는 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득할 수 있다. 일 실시 예로서, 프로세서(220)는 학습된 온도 예측 모델을 통해 공기 조화 장치를 오프시켰을 때, 이전 시점에 비해 변화된 실내 온도를 예측할 수 있다. 냉방 모드인 경우, 프로세서(220)는 예측되는 실내 온도의 변화 온도보다 낮은 온도를 후보 설정 온도로 획득할 수 있다. 또는, 난방 모드인 경우, 프로세서(220)는 예측되는 실내 온도의 변화 온도보다 높은 온도를 후보 설정 온도로 획득할 수 있다. 특정 시점에서 획득되는 후보 설정 온도는 복수일 수 있다. 프로세서(220)는 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득할 수 있다. 즉, 프로세서(220)는 기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득할 수 있다. 그리고, 프로세서(220)는 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 복수의 온도 제어 스케줄을 획득할 수 있다.
한편, 프로세서(220)는 기 설정된 제한 조건에 기초하여 복수의 온도 제어 스케줄을 획득할 수 있다. 예를 들어, 기 설정된 제한 조건은 기 설정된 절전 운전 시간이 끝나는 시점에서 실내 온도와 기 설정된 설정 온도의 일치되는 조건, 에너지 소비량의 최고 피크치 제한 조건, 기 설정된 시간 동안 에너지 소비량 제한 조건 또는 기 설정된 쾌적도 범위 유지 조건 등을 포함할 수 있다.
프로세서(220)는 학습된 에너지 예측 모델을 통해 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다. 예를 들어, 프로세서(220)는 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다. 에너지 예측 시간 조건은 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 실내 온도가 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점, 기 설정된 절전 운전 시간 동안 공기 조화 장치를 오프시킨 후 재동작시킬 때 시간에 따른 제1 에너지 소비량과 기 설정된 절전 운전 시간 동안 기 설정된 온도 범위로 상기 공기 조화 장치를 동작시킬 때 시간에 따른 제2 에너지 소비량이 일치한다고 예측되는 시점 또는 제1 에너지 소비량과 제2 에너지 소비량이 기 설정된 범위 이내인 것으로 예측되는 시점 등을 포함할 수 있다. 또는, 기 설정된 에너지 예측 시간 조건은 제1 에너지 소비량의 변화율과 제2 에너지 소비량의 변화율이 일치하거나 기 설정된 범위 이내인 것으로 예측되는 시점을 포함할 수도 있다.
프로세서(220)는 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별할 수 있다. 그리고, 프로세서(220)는 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 공기 조화 장치로 시간에 따른 제어 정보를 전송하도록 상기 통신 인터페이스를 제어할 수 있다. 일 실시 예로서, 최적 온도 제어 스케줄이 12시 10분에 26도, 12시15분에 26.5도라면, 제어 장치(200)는 12시 10분(또는, 12시10분 이전)에 26도라는 제어 정보를 공기 조화 장치로 전송할 수 있다. 그리고, 제어 장치(200)는 12시 15분(또는, 12시15분 이전)에 26.5도라는 제어 정보를 공기 조화 장치로 전송할 수 있다.
한편, 제어 장치(200)가 절전 시간 동안 온도에 대한 제어 정보를 전송하는 예를 설명하였으나, 제어 장치(200)는 온/오프, 풍량, 풍향, 풍속 등에 대한 제어 정보를 공기 조화 장치로 전송할 수도 있다.
지금까지, 공기 조화 장치(100) 및 제어 장치(200)의 각 구성을 설명하였다. 아래에서는 공기 조화 장치의 제어 과정을 설명한다.
도 6은 본 개시의 일 실시 예에 따른 공기 조화 장치의 제어 과정을 설명하는 흐름도이다.
도 6을 참조하면, 공기 조화 장치는 실내외 환경 정보를 획득한다(S610). 예를 들어, 환경 정보는 실내외 온도, 실내외 습도, 날짜, 요일, 시간, 휴일 여부 또는 사용자 재실 여부 등을 포함할 수 있다. 공기 조화 장치는 획득된 실내외 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측한다(S620). 예를 들어, 사용자의 제어 정보는 온/오프 상태, 동작 모드(예, 냉방 모드, 난방 모드, 제습 모드 등), 설정 온도, 설정 시간, 풍량, 풍향, 풍속 등을 포함할 수 있다.
공기 조화 장치는 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득한다(S630). 예를 들어, 복수의 후보 설정 온도는 예측된 시간에 따른 실내 온도에 기초하여 공기 조화 장치를 오프시켰을 때 예측되는 상기 실내 온도의 변화 온도보다 이하의 온도(냉방 모드인 경우) 또는 이상의 온도(난방 모드인 경우)일 수 있다. 또한, 공기 조화 장치는 기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득할 수 있다.
공기 조화 장치는 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득한다(S640). 예를 들어, 공기 조화 장치는 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 복수의 온도 제어 스케줄을 획득할 수 있다. 한편, 공기 조화 장치는 기 설정된 제한 조건에 기초하여 복수의 온도 제어 스케줄을 획득할 수 있다. 예를 들어, 기 설정된 제한 조건은 기 설정된 절전 운전이 끝나는 시점에서 실내 온도와 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 기 설정된 시간 동안 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 등을 포함할 수 있다. 또는, 공기 조화 장치는 후보 설정 온도의 획득 동작에서 제한 조건에 따라 후보 설정 온도를 획득할 수도 있다.
공기 조화 장치는 학습된 에너지 예측 모델을 통해 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다(S650). 예를 들어, 공기 조화 장치는 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측할 수 있다. 기 설정된 절전 운전 시간은 제어 스케줄에 따라 온도 등을 제어하는 시간을 의미하고, 기 설정된 에너지 예측 시간은 절전 운전 시간을 포함한 일정 시간일 수 있다. 일 실시 예로서, 기 설정된 에너지 예측 시간 조건은 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치하거나 일정 범위 이내인 것으로 예측되는 시점일 수 있다. 또는, 기 설정된 에너지 예측 시간 조건은 절전 운전 시간 동안 공기 조화 장치를 오프시킨 후 재동작시키는 스케줄에 따른 제1 에너지 소비량과 절전 운전 시간 동안 기 설정된 온도 범위로 공기 조화 장치를 동작시키는 스케줄에 따른 제2 에너지 소비량이 일치하거나 일정 범위 이내인 것으로 예측되는 시점일 수 있다. 또는, 기 설정된 에너지 예측 시간 조건은 제1 에너지 소비량의 변화율과 제2 에너지 소비량의 변화율이 일치하거나 일정 범위 이내인 것으로 예측되는 시점일 수도 있다.
공기 조화 장치는 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하고(S660), 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 동작할 수 있다(S670).
상술한 과정을 통해, 공기 조화 장치는 절전 시간 이후 가능한 빨리 사용자에게 쾌적한 환경을 제공할 수 있으며, 효율적인 제어 스케줄에 따라 에너지 소비량도 줄일 수 있다.
아래에서는 공기 조화 장치가 최적의 온도 제어 스케줄을 식별하는 구체적인 실시 예를 설명한다.
도 7은 실내 온도 및 후보 설정 온도를 예측하는 본 개시의 일 실시 예를 설명하는 도면이고, 도 8은 온도 제어 스케줄을 획득하는 본 개시의 일 실시 예를 설명하는 도면이다. 도 7 및 도 8을 참조하여 설명한다.
도 7 및 도 8을 참조하면, 절전 운전 시간이 12시부터 13시까지인 예가 도시되어 있다. 공기 조화 장치는 일정한 시간 간격에 따라 실내 온도를 예측할 수 있다. 일 실시 예로서, 도 7에 도시된 바와 같이 공기 조화 장치는 5분의 간격으로 실내 온도를 예측할 수 있다. 즉, 공기 조화 장치는 12시에 26도, 12시 5분에 26,5도, 13시에 27도로 실내 온도를 예측할 수 있다. 공기 조화 장치는 절전 운전 시간 동안 오프된 조건에서 실내 온도를 예측할 수 있다. 또는, 공기 조화 장치는 절전 운전 시간 동안 일정한 온도로 제어되는 조건에서 실내 온도를 예측할 수 있다.
공기 조화 장치는 실내 온도를 예측한 각 시점에서 복수의 후보 설정 온도를 획득할 수 있다. 일 실시 예로서, 공기 조화 장치는 후보 설정 온도를 0.5도 단위로 획득할 수 있다. 따라서, 냉방 모드인 경우, 공기 조화 장치는 12시에 25,5도, 25도, 24.5도의 후보 설정 온도를 획득할 수 있다. 그리고, 공기 조화 장치는 12시 5분에 26도, 25,5도, 25도의 후보 설정 온도를 획득할 수 있다. 공기 조화 장치는 동일한 방식으로 5분마다 예측된 실내 온도에 기초하여 복수의 후보 설정 온도를 획득할 수 있다.
한편, 공기 조화 장치는 기존 스케줄 제어에서 사용한 온도를 기초로 복수의 후보 설정 온도를 획득할 수도 있다. 이때, 공기 조화 장치는 기존 스케줄 제어에서 사용한 온도를 기초로 냉방 모드의 경우 (-), 난방 모드의 경우 (+)로 후보 설정 온도를 획득할 수도 있다. 예를 들어, 기존 냉방 모드 스케줄 제어에서 사용한 온도가 26도인 경우, 후보 설정 온도는 25.5도, 25도, 24.5도 등을 포함할 수 있다.
도 8에 도시된 바와 같이, 공기 조화 장치는 각 시점의 후보 설정 온도를 연속적으로 연결한 온도 제어 스케줄을 획득할 수 있다. 일 실시 예로서, 공기 조화 장치는 12시에 26.5도, 12시 5분에 25도, 12시 10분에 오프, 12시 55분에 26.5도, 13시에 26도의 설정 온도를 연결한 제1 스케줄을 획득할 수 있다. 또한, 공기 조화 장치는 12시에 25도, 12시 5분에 오프, 12시 10분에 26도, 12시 55분에 25도, 13시에 25.5도의 설정 온도를 연결한 제2 스케줄을 획득할 수 있다. 즉, 공기 조화 장치는 12시의 후보 설정 온도 중 하나의 온도를 선택하고, 12시 5분의 후보 설정 온도 중 하나의 온도를 선택하며, 12시 10분의 후보 설정 온도 중 하나의 온도를 선택하고, 13시의 후보 설정 온도 중 하나의 온도를 선택하여 온도 제어 스케줄을 획득할 수 있다. 공기 조화 장치는 동일한 방식으로 복수의 온도 제어 스케줄을 획득할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 최적 온도 제어 스케줄을 식별하여 공기 조화 장치를 제어하는 과정을 설명하는 흐름도이다.
도 9를 참조하면, 도 7 및 도 8에서 설명한 실시 예의 과정을 설명하는 흐름도가 도시되어 있다. 도 9를 참조하면, 최적 온도 제어 스케줄을 식별하는 알고리즘이 동작할 때, 공기 조화 장치는 관련 세팅을 초기화할 수 있다(S910). 공기 조화 장치는 알고리즘을 적용하여 온도 제어 스케줄을 획득할 n 동작(operation)에 대하여 가능한 x개의 스케줄(경우의 수)을 결정할 수 있다(S920). 예를 들어, n 동작은 절전 운전 시간 및 시간 간격에 기초한 온도 제어 횟수를 의미한다. 도 7 및 도 8의 경우, 절전 운전 시간은 1시간(12시부터 13시까지), 시간 간격은 5분이므로 n은 12이다. 그리고, 공기 조화 장치는 각 시점의 후보 설정 온도에 기초하여 제1 스케줄, 제2 스케줄, 제 x 스케줄을 결정할 수 있다.
공기 조화 장치는 n+α 동작 동안 x개의 스케줄 중 최소 에너지를 소비하는 소비량을 포함하는 하나의 온도 제어 스케줄을 결정할 수 있다(S930). 일 실시 예로서, 절전 운전 시간이 1시간(12시부터 13시까지), 시간 간격이 5분, 에너지 소비량을 예측할 추가 시간이 30분이라면, n은 12이고, a는 6이다. 따라서, n+a는 18이므로 공기 조화 장치는 18 동작 동안 복수의 온도 제어 스케줄 각각에 대해 에너지 소비량을 예측할 수 있다. 그리고, 공기 조화 장치는 결정된 최적 온도 제어 스케줄에 기초하여 제어 동작을 수행할 수 있다(S940).
아래에서는 에너지 소비량을 예측하는 구체적인 예를 설명한다.
도 10은 오프 제어 방식과 셋백(setback) 제어 방식의 에너지 소비량을 나타내는 일 실시 예이고, 도 11은 에너지 소비량을 예측하는 본 개시의 일 실시 예를 설명하는 도면이며, 도 12는 본 개시의 일 실시 예에 따른 제한 조건을 고려한 온도 제어 스케줄을 획득하는 과정을 설명하는 도면이다. 도 10 내지 도 12을 참조하여 설명한다.
도 10을 참조하면, 공기 조화 장치가 오프인 경우 에너지 소비량과 0.5도 범위로 설정 온도를 제어(셋백 제어)하는 경우 에너지 소비량이 도시되어 있다. 도 10에 도시된 바와 같이, 절전 운전 시간 동안 공기 조화 장치를 오프시키면 에너지 소비량은 0이다. 그러나, 절전 운전 시간 이후 공기 조화 장치를 온시키면 에너지 소비량이 피크치로 증가될 수 있다. 따라서, 에너지 소비량은 절전 운전 시간 뿐만 아니라 일정 시간까지 고려되어야 한다. 예를 들어, 에너지 예측 시간은 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 오프시 제1 에너지 소비량과 셋백 제어시 제2 에너지 소비량이 일치한다고 예측되는 시점, 제1 에너지 소비량과 제2 에너지 소비량의 변화율이 일치한다고 예측되는 시점까지의 시간일 수 있다.
도 11을 참조하면, 절전 운전 시간(10)과 에너지 소비량 예측 시간(20)이 도시되어 있다. 도 11에 도시된 바와 같이, 절전 운전 시간(10)은 12시부터 13시까지일 수 있다. 그러나, 에너지 소비량 예측 시간(20)은 12시부터 13시 30분까지일 수 있다.
한편, 공기 조화 장치가 에너지 소비량을 예측할 때, 제한 조건이 고려될 수 있다. 예를 들어, 제한 조건은 절전 운전 시간이 끝나는 시점에서 실내 온도와 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 총 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 등을 포함할 수 있다.
도 12를 참조하면, 일 실시 예로서 각각 서로 다른 피크치와 총 에너지 소비량이 예측된 5개의 온도 제어 스케줄이 도시되어 있다. 만일, 제한 조건이 피크치가 10Kwh 이하인 조건인 경우, 공기 조화 장치는 제1 스케줄, 제3 스케줄, 제5 스케줄을 기반으로 최적 온도 제어 스케줄을 식별할 수 있다. 또는, 제한 조건이 일정 시간 동안 에너지 소비량이 350Kwh 이하인 경우, 공기 조화 장치는 제2 스케줄, 제4 스케줄을 기반으로 최적 온도 제어 스케줄을 식별할 수 있다.
지금까지 제한 조건을 고려하여 에너지 소비량을 예측하는 실시 예를 설명하였다. 아래에서는 제한 조건을 고려한 알고리즘 세팅 과정을 설명한다.
도 13은 본 개시의 일 실시 예에 따른 온도 제어 스케줄을 획득하는 알고리즘을 세팅하는 과정을 설명하는 흐름도이다.
도 13을 참조하면, 공기 조화 장치는 필요한 데이터를 획득하고 로딩할 수 있다(S1310). 예를 들어, 필요한 데이터는 실내 온도, 실외 온도, 실내 습도, 실외 습도, 기상 예보, 요일, 휴일 여부, 날짜, 시간 등을 포함할 수 있다. 공기 조화 장치는 알고리즘의 종료 시간을 결정할 수 있다(S1320). 즉, 공기 조화 장치는 부재 후 복귀 시간을 결정할 수 있다. 예를 들어, 알고리즘의 종료 시간은 사용자에 의해 입력될 수도 있다.
공기 조화 장치는 제어 시간(절전 운전 시간)를 바탕으로 복귀 시간까지 제어 간격(제어 주기) 및 n 동작을 결정할 수 있다(S1330). 즉, 공기 조화 장치는 몇 번의 제어가 필요한지 결정할 수 있다. 예를 들어, 부재 시간이 12시부터 13시까지이고 제어 주기가 5분인 경우, 공기 조화 장치는 12번의 제어(12 동작)가 필요한 것으로 결정할 수 있다.
공기 조화 장치는 최적화를 위해 에너지 소비량을 판단할 추가 동작 (a)를 결정할 수 있다(S1340). 즉, 공기 조화 장치는 부재 후 복귀 시간(공간 내 인원이 재실중인 시간)부터 에너지 소비량 최소화를 고려해야 하는 시간을 결정할 수 있다. 상술한 바와 같이, 추가 동작은 부재 시간(절전 운전 시간)과는 다른 시간이다. 즉, 추가 시간(추가 동작)은 사용자가 공간에 재실하기 시작한 시점부터 에너지 소비량이 일반적인 패턴을 형성하게 되는 시점까지를 의미할 수 있다. 예를 들어, 더운 여름날 12시부터 13시까지의 부재 공간의 공기 조화 장치를 오프시킨 경우, 도 10에 도시된 바와 같이, 공기 조화 장치가 소비하는 에너지는 실내 온도를 낮추기 위해 급격히 상승할 수 있다. 그리고, 공기 조화 장치가 14시 50분부터 평소의 에너지 소비 패턴과 비슷한 형태의 소비 패턴을 나타내는 경우, 에너지 소비량을 예측하기 위한 추가 시간은 13시부터 14시 50분까지 1시간 50분이다. 그리고, 제어 주기가 5분인 경우, 추가 동작 (a)은 22 동작이다.
공기 조화 장치는 제한 조건을 결정할 수 있다(S1350). 제한 조건은 복귀 후 어떻게 운전해야 하는지를 설명하는 기존의 스케줄, 복귀 시간까지 어떠한 환경이 되어야 하는지, 에너지 사용량이 얼마 이상이 되면 안되는지 등의 조건을 포함할 수 있다. 한편, 도 13에서는 공기 조화 장치가 제한 조건을 마지막에 결정한 것으로 도시되었으나, 도 9의 알고리즘 초기화(S910)에서 결정할 수도 있는 등 제한 조건을 결정하는 순서는 달라질 수 있다.
도 14는 본 개시의 일 실시 예에 따른 온도 제어 스케줄을 생성하는 과정을 설명하는 흐름도이다.
도 14를 참조하면, 현재 시점에서 공기 조화 시스템(Heating, Ventiation & Air Conditioning, HVAC)이 오프되었을 때, 공기 조화 장치는 실내 온도 변화를 예측하여 활용할 수 있다. 예를 들어, 공기 조화 장치는 현재 오프 상태에서 예측된 다음 동작의 실내 온도에 기초하여 설정 온도 범위를 결정할 수 있다(S1410). 즉, 공기 조화 장치는 예측된 실내 온도에 기초하여 후보 설정 온도를 결정할 수 있다. 예를 들어, 공기 조화 장치가 5분 간격으로 12시부터 13시까지 제어하는 경우, 12시, 12시 5분, 12시 10분, …, 12시 55분까지의 12개 동작에 대한 제어 명령이 필요하다. 도 7에서 설명한 바와 같이, 12 동작의 제어 시퀀스에는 다양한 경우의 수를 포함할 수 있다.
그리고, 도 8에서 설명한 바와 같이, 공기 조화 장치는 가능한 일련의 제어 명령 집합을 x개 생성할 수 있다. 즉, 공기 조화 장치는 x개의 온도 제어 스케줄을 생성할 수 있다. 공기 조화 장치는 n 동작의 제어를 결정할 때, 각 제어 항목을 설정할 수 있다. 예를 들어, 제어 항목은 설정 온도, 냉난방 모드, 전원(On/Off), 풍량 등을 포함할 수 있다. 설정 온도(후보 설정 온도)는 기존 스케줄 제어에서 사용한 온도에 냉방 모드의 경우 +i, 난방 모드의 경우 -i로 결정될 수 있다. i는 0.5, 1, 1.5 등과 같이 다양하게 설정될 수 있다. 그러나, 무한대의 가능성은 무의미하고 최적화 계산에도 비효율적이기 때문에 공기 조화 장치는 온도 예측 모델을 사용하여 설정 온도의 범위를 제한할 수 있다. 예를 들어, 현재 계산 중인 동작이 m이라고 가정한다. 공기 조화 장치는 m+1 동작의 제어를 위한 후보 설정 온도를 결정할 때, m 동작에서 오프 명령을 주었을 때 외기 환경에 따른 실내 온도 변화에 기초하여 후보 설정 온도의 범위를 제한할 수 있다. 예를 들어, 실내 온도가 25도로 예측되었을 때, 공기 조화 장치가 오프인 경우, 실내 온도 변화를 예측한다. 예측된 실내 온도가 26도라면 기존 온도 +i의 범위는 26도를 넘어갈 필요가 없다. 공기 조화 장치를 오프하거나 셋백 제어로 26도를 설정하거나 동일한 효과가 나타나기 때문이다.
공기 조화 장치는 가능한 경우의 수(온도 제어 스케줄, 즉 n개의 일련의 제어 명령들)를 결정한 후 제한 조건에 기초하여 가능한 스케줄을 결정할 수 있다(S1420). 상술한 바와 같이, 제한 조건은 복귀 후 어떻게 운전해야 하는지를 설명하는 기존의 스케줄, 복귀 시간까지 어떠한 환경이 되어야 하는지, 에너지 사용량이 얼마 이상이 되면 안되는지 등의 조건일 수 있다. 공기 조화 장치는 상술한 과정을 반복하여 x개의 유효한 온도 제어 스케줄을 결정할 수 있다.
도 15는 본 개시의 일 실시 예에 따른 최적 온도 제어 스케줄을 결정하는 과정을 설명하는 흐름도이다.
도 15를 참조하면, 공기 조화 장치는 n 동작의 x 스케줄 및 기 설정된 스케줄의 a 동작에 기초하여 에너지 소비량을 예측할 수 있다(S1510). 공기 조화 장치는 에너지 예측 모델을 이용하여 x개의 온도 제어 스케줄의 총 에너지 소비량을 예측할 수 있다. 공기 조화 장치는 에너지 소비량이 최소인 스케줄을 식별할 수 있다(S1520). 식별된 에너지 소비량이 최소인 스케줄은 최적 온도 제어 스케줄일 수 있다.
도 16a는 본 개시의 일 실시 예에 따른 점심 시간이 존재하는 사무실의 에너지 소비량의 시뮬레이션 결과를 나타내는 도면이고, 도 16b는 본 개시의 일 실시 예로서 간헐적으로 사용되는 회의실의 에너지 소비량의 시뮬레이션 결과를 나타내는 도면이다. 도 16a및 도 16b를 참조하여 설명한다.
도 16a를 참조하면, 연간 시뮬레이션에서 기본 셋백 제어 대비 에너지 절감율은 약 3.36%으로 나타난다. 특히 일 에너지 절감율의 최고치는 약 8.34%로, 상황에 따라 본 개시의 에너지 절감 효과가 크게 나타날 수 있다는 것을 확인할 수 있다. 도 16b를 참조하면, 9:30~12:00, 13:30~14:30, 15:00~17:00의 간헐적인 예약 스케줄을 기반으로 진행한 연간 시뮬레이션에서 약 8.73%의 에너지 절감 효과가 나타난다.
즉, 본 개시는 목표 온도 외 에너지 사용량을 고려한 부재 공간에 대한 공기 조화 장치를 수행함으로써 부재 시간보다 이상의 에너지 소비량 고려한 제어를 수행할 수 있다. 또한, 본 개시는 부재시 또는 간헐적으로 사용되는 공간에 대한 에너지 소비를 최적으로 제어할 수 있다.
상술한 다양한 실시 예에 따른 제어 장치의 제어 방법 또는 공기 조화 장치의 제어 방법은 컴퓨터 프로그램 제품으로 제공될 수도 있다. 컴퓨터 프로그램 제품은 S/W 프로그램 자체 또는 S/W 프로그램이 저장된 비일시적 판독 가능 매체(non-transitory computer readable medium)를 포함할 수 있다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (15)

  1. 외부 장치와 통신하는 통신 인터페이스; 및
    실내외의 환경 정보 및 사용자의 제어 정보를 수신하도록 상기 통신 인터페이스를 제어하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 수신된 실내외의 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하고,
    상기 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득하며,
    상기 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득하고,
    학습된 에너지 예측 모델을 통해 상기 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하고,
    상기 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하며,
    상기 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 공기 조화 장치로 시간에 따른 제어 정보를 전송하도록 상기 통신 인터페이스를 제어하는, 제어 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 상기 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득하며, 상기 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 상기 복수의 온도 제어 스케줄을 획득하는, 제어 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 상기 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하는, 제어 장치.
  4. 제3항에 있어서,
    상기 기 설정된 에너지 예측 시간 조건은,
    상기 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 상기 실내 온도가 상기 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점, 상기 기 설정된 절전 운전 시간 동안 상기 공기 조화 장치를 오프시킨 후 재동작시킬 때 시간에 따른 제1 에너지 소비량과 상기 기 설정된 절전 운전 시간 동안 기 설정된 온도 범위로 상기 공기 조화 장치를 동작시킬 때 시간에 따른 제2 에너지 소비량이 일치한다고 예측되는 시점 또는 상기 제1 에너지 소비량과 상기 제2 에너지 소비량이 기 설정된 범위 이내인 것으로 예측되는 시점 중 적어도 하나인, 제어 장치.
  5. 제4항에 있어서,
    상기 기 설정된 에너지 예측 시간 조건은,
    상기 제1 에너지 소비량의 변화율과 상기 제2 에너지 소비량의 변화율이 일치하거나 기 설정된 범위 이내인 것으로 예측되는 시점의 조건을 더 포함하는, 제어 장치.
  6. 제1항에 있어서,
    상기 프로세서는,
    기 설정된 제한 조건에 기초하여 상기 복수의 온도 제어 스케줄을 획득하는, 제어 장치.
  7. 제6항에 있어서,
    상기 기 설정된 제한 조건은,
    상기 기 설정된 절전 운전 시간이 끝나는 시점에서 실내 온도와 기 설정된 설정 온도의 일치, 에너지 소비량의 최고 피크치 제한, 기 설정된 시간 동안 에너지 소비량 제한 또는 기 설정된 쾌적도 범위 유지 중 적어도 하나인, 제어 장치.
  8. 제1항에 있어서,
    상기 복수의 후보 설정 온도는,
    상기 예측된 시간에 따른 실내 온도에 기초하여 상기 공기 조화 장치를 오프시켰을 때, 냉방인 경우 예측되는 상기 실내 온도의 변화 온도보다 이하인 온도 또는 난방인 경우 상기 예측되는 상기 실내 온도의 변화 온도보다 이상인 온도인, 제어 장치.
  9. 제1항에 있어서,
    상기 환경 정보는,
    실내외 온도, 실내외 습도, 날짜, 요일, 시간, 휴일 여부 또는 사용자 재실 여부 중 적어도 하나를 포함하는, 제어 장치.
  10. 실내의 환경 정보를 감지하는 센서;
    외부 장치와 통신하는 통신 인터페이스; 및
    실외의 환경 정보를 수신하도록 상기 통신 인터페이스를 제어하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 감지된 실내의 환경 정보, 상기 수신된 실외의 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하고,
    상기 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득하며,
    상기 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득하고,
    학습된 에너지 예측 모델을 통해 상기 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하고,
    상기 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하며,
    상기 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 동작하는, 공기 조화 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    기 설정된 시간 간격에 따른 각 시점의 실내 온도를 예측하고, 상기 예측된 각 시점의 실내 온도에 대응되는 각 시점의 복수의 후보 설정 온도를 획득하며, 상기 획득된 각 시점의 복수의 후보 설정 온도를 조합하여 상기 복수의 온도 제어 스케줄을 획득하는, 공기 조화 장치.
  12. 제10항에 있어서,
    상기 프로세서는,
    상기 기 설정된 절전 운전 시간 이후 기 설정된 에너지 예측 시간 조건과 일치하는 시점까지의 시간 동안 상기 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하는, 공기 조화 장치.
  13. 제12항에 있어서,
    상기 기 설정된 에너지 예측 시간 조건은,
    상기 기 설정된 절전 운전 시간 이후 실내 온도가 설정 온도와 일치한다고 예측되는 시점, 상기 실내 온도가 상기 설정 온도와 기 설정된 범위 이내인 것으로 예측되는 시점, 상기 기 설정된 절전 운전 시간 동안 상기 공기 조화 장치를 오프시킨 후 재동작시킬 때 시간에 따른 제1 에너지 소비량과 상기 기 설정된 절전 운전 시간 동안 기 설정된 온도 범위로 상기 공기 조화 장치를 동작시킬 때 시간에 따른 제2 에너지 소비량이 일치한다고 예측되는 시점 또는 상기 제1 에너지 소비량과 상기 제2 에너지 소비량이 기 설정된 범위 이내인 것으로 예측되는 시점 중 적어도 하나인, 공기 조화 장치.
  14. 제13항에 있어서,
    상기 기 설정된 에너지 예측 시간 조건은,
    상기 제1 에너지 소비량의 변화율과 상기 제2 에너지 소비량의 변화율이 일치하거나 기 설정된 범위 이내인 것으로 예측되는 시점의 조건을 더 포함하는, 공기 조화 장치.
  15. 공기 조화 장치의 제어 방법에 있어서,
    실내외 환경 정보를 획득하는 단계;
    상기 획득된 실내외 환경 정보 및 사용자의 제어 정보에 기초하여 학습된 온도 예측 모델을 통해 시간에 따른 실내 온도를 예측하는 단계;
    상기 예측된 시간에 따른 실내 온도에 기초하여 대응되는 복수의 후보 설정 온도를 획득하는 단계;
    상기 획득된 복수의 후보 설정 온도에 기초하여 복수의 온도 제어 스케줄을 획득하는 단계;
    학습된 에너지 예측 모델을 통해 상기 획득된 복수의 온도 제어 스케줄 각각의 에너지 소비량을 예측하는 단계;
    상기 예측된 에너지 소비량이 가장 적은 온도 제어 스케줄을 최적 온도 제어 스케줄로 식별하는 단계; 및
    상기 식별된 최적 온도 제어 스케줄에 기초하여 기 설정된 절전 운전 시간 동안 동작하는 단계;를 포함하는 공기 조화 장치의 제어 방법.
PCT/KR2021/010258 2020-08-20 2021-08-04 제어 장치, 공기 조화 장치 및 제어 방법 WO2022039419A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/430,506 US20220307716A1 (en) 2020-08-20 2021-08-04 Control device, air conditioner and cotrol method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0104831 2020-08-20
KR1020200104831A KR20220023226A (ko) 2020-08-20 2020-08-20 제어 장치, 공기 조화 장치 및 제어 방법

Publications (1)

Publication Number Publication Date
WO2022039419A1 true WO2022039419A1 (ko) 2022-02-24

Family

ID=80350475

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/010258 WO2022039419A1 (ko) 2020-08-20 2021-08-04 제어 장치, 공기 조화 장치 및 제어 방법

Country Status (3)

Country Link
US (1) US20220307716A1 (ko)
KR (1) KR20220023226A (ko)
WO (1) WO2022039419A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102458326B1 (ko) * 2022-04-04 2022-10-24 주식회사 씨드앤 냉난방기를 시동시키기 위한 방법 및 이를 수행하는 장치
KR102585859B1 (ko) * 2022-08-10 2023-10-10 유비스 주식회사 빅데이터 분석 기반 빌딩 관리 시스템 및 방법
KR102635360B1 (ko) * 2022-08-26 2024-02-08 (주)이젝스 냉난방 장치를 위한 제어 시스템 및 그 제어 방법
CN116165911B (zh) * 2023-04-19 2023-07-11 深圳市吉方工控有限公司 智能家居控制方法、装置、嵌入式工控设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150071563A (ko) * 2013-12-18 2015-06-26 엘에스산전 주식회사 냉난방 기기의 제어 시스템 및 이의 제어 방법
KR20160002993A (ko) * 2013-04-19 2016-01-08 구글 인코포레이티드 수요 반응 이벤트들 동안 hvac 시스템 제어
KR20160023094A (ko) * 2014-08-21 2016-03-03 삼성전자주식회사 온도 조절 방법 및 장치
JP6225419B2 (ja) * 2012-12-18 2017-11-08 ダイキン工業株式会社 空調機の制御装置
US20200248916A1 (en) * 2017-09-27 2020-08-06 Samsung Electronics Co., Ltd. Air conditioning apparatus and control method thereof

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9595070B2 (en) * 2013-03-15 2017-03-14 Google Inc. Systems, apparatus and methods for managing demand-response programs and events
US9810442B2 (en) * 2013-03-15 2017-11-07 Google Inc. Controlling an HVAC system in association with a demand-response event with an intelligent network-connected thermostat
CN113240550B (zh) * 2021-04-26 2024-03-29 广东美的暖通设备有限公司 基于空调系统的空间推荐方法、装置、系统及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6225419B2 (ja) * 2012-12-18 2017-11-08 ダイキン工業株式会社 空調機の制御装置
KR20160002993A (ko) * 2013-04-19 2016-01-08 구글 인코포레이티드 수요 반응 이벤트들 동안 hvac 시스템 제어
KR20150071563A (ko) * 2013-12-18 2015-06-26 엘에스산전 주식회사 냉난방 기기의 제어 시스템 및 이의 제어 방법
KR20160023094A (ko) * 2014-08-21 2016-03-03 삼성전자주식회사 온도 조절 방법 및 장치
US20200248916A1 (en) * 2017-09-27 2020-08-06 Samsung Electronics Co., Ltd. Air conditioning apparatus and control method thereof

Also Published As

Publication number Publication date
KR20220023226A (ko) 2022-03-02
US20220307716A1 (en) 2022-09-29

Similar Documents

Publication Publication Date Title
WO2022039419A1 (ko) 제어 장치, 공기 조화 장치 및 제어 방법
WO2017123074A1 (ko) 전자 장치 및 이의 냉난방 제어 방법
KR102213752B1 (ko) 구조의 열역학 모델들의 생성 및 구현
US9866031B2 (en) Method and apparatus for power control
CA2910058C (en) Context adaptive cool-to-dry feature for hvac controller
WO2016032186A1 (en) Temperature control method and apparatus
JP4274163B2 (ja) 空調制御システム
WO2015174795A1 (en) Method and apparatus for controlling temperature
US20120158203A1 (en) Personal Energy Management System
WO2019172559A1 (en) Air conditioner and method for control thereof
WO2021118093A1 (en) Air conditioning device and control method thereof
WO2017099539A1 (en) Apparatus and method for controlling temperature in air conditioning system
EP3072257A1 (en) Method and apparatus for controlling home devices on group basis in a home network system
WO2020004972A1 (en) Automatic control artificial intelligence device and method for updating a control function
US11743578B2 (en) Systems and methods of power-management on smart devices
KR101633969B1 (ko) 상황인식 기반의 빌딩 에너지 관리 시스템 및 그를 이용한 빌딩 에너지 관리 방법
GB2528142A (en) Method, data processing unit and system for managing a property
EP3146273A1 (en) Method and apparatus for controlling temperature
WO2019221458A1 (ko) 공기 조화 장치 및 이의 제어 방법
WO2019221479A1 (ko) 공기 조화 장치 및 이의 제어 방법
WO2020085573A1 (ko) 홈 에너지 관리 시스템 및 그 동작방법
JP5305015B2 (ja) ネットワークシステム、ネットワーク管理サーバ、ネットワーク管理プログラム、および電源管理方法
CN112013519A (zh) 空气调节设备及其自动控制方法、终端控制设备
WO2021162404A1 (en) Server and control method thereof
TW201843563A (zh) 顯示方法、程式、及顯示系統

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21858506

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21858506

Country of ref document: EP

Kind code of ref document: A1