[发明专利]一种空调器和控制方法在审
申请号: | 202011019870.5 | 申请日: | 2020-09-24 |
公开(公告)号: | CN112303819A | 公开(公告)日: | 2021-02-02 |
发明(设计)人: | 盛凯;矫晓龙 | 申请(专利权)人: | 青岛海信日立空调系统有限公司 |
主分类号: | F24F11/46 | 分类号: | F24F11/46;F24F11/62;F24F11/64;F25B1/00;F24F140/20 |
代理公司: | 北京睿博行远知识产权代理有限公司 11297 | 代理人: | 龚家骅 |
地址: | 266555 山东省青*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 空调器 控制 方法 | ||
1.一种空调器,包括:
压缩机,用于进行将低温低压冷媒气体压缩成高温高压冷媒气体并排至冷凝器的工作;
室内热交换器,作为冷凝器或蒸发器进行工作;
其特征在于,所述空调器还包括:
传感器,用于检测空调器的运行数据;
控制器,被配置为:
获取所述传感器检测的运行数据;
将所述运行数据输入SVM模型,得到预测能效比;
根据所述预测能效比调整空调器的控制参数。
2.如权利要求1所述的空调器,其特征在于,所述运行数据具体包括蒸发器出水温度、蒸发器出水温度、冷凝器进水温度、冷凝器出水温度、换热器进水温度、冷凝器环路温度、换热器出水温度、蒸发器环路温度、建筑进水温度、建筑出水温度、蒸汽加热量、蒸发器流量、冷凝器流量、冷凝器温差表征值和制冷剂温度中的一种或多种。
3.如权利要求1所述的空调器,其特征在于,所述SVM模型是通过以下步骤建立的:
获取空调器历史参数变量并建立数据集,所述历史参数变量包括所述传感器检测的历史运行数据和对应的历史能效比;
将所述数据集进行标准化处理,并随机分成训练集和验证集;
建立初始SVM模型并输入所述训练集进行训练;
利用所述验证集对训练后的初始SVM模型进行验证;
将预测精度达到预设值的初始SVM模型作为所述SVM模型。
4.如权利要求3所述的空调器,其特征在于:
所述初始SVM模型是基于径向基核函数建立的;
所述预测精度是基于均方根误差和R方得分确定的。
5.如权利要求3所述的空调器,其特征在于,所述SVM模型的建立还包括:
基于所述初始SVM模型的训练结果和验证结果的预测精度调整惩罚因子和gamma值。
6.一种空调器的控制方法,所述方法应用于包括压缩机和室内热交换器的空调器中,其特征在于,所述空调器还包括传感器和控制器,所述方法包括:
获取所述传感器检测的运行数据;
将所述运行数据输入SVM模型,得到预测能效比;
根据所述预测能效比调整空调器的控制参数。
7.如权利要求6所述的控制方法,其特征在于,所述运行数据具体包括蒸发器出水温度、蒸发器出水温度、冷凝器进水温度、冷凝器出水温度、换热器进水温度、冷凝器环路温度、换热器出水温度、蒸发器环路温度、建筑进水温度、建筑出水温度、蒸汽加热量、蒸发器流量、冷凝器流量、冷凝器温差表征值和制冷剂温度中的一种或多种。
8.如权利要求6所述的控制方法,其特征在于,所述SVM模型是通过以下步骤建立的:
获取空调器历史参数变量并建立数据集,所述历史参数变量包括所述传感器检测的历史运行数据和对应的历史能效比;
将所述数据集进行标准化处理,并随机分成训练集和验证集;
建立初始SVM模型并输入所述训练集进行训练;
利用所述验证集对训练后的初始SVM模型进行验证;
将预测精度达到预设值的初始SVM模型作为所述SVM模型。
9.如权利要求8所述的控制方法,其特征在于:
所述初始SVM模型是基于径向基核函数建立的;
所述预测精度是基于均方根误差和R方得分确定的。
10.如权利要求8所述的控制方法,其特征在于,所述SVM模型的建立还包括:基于所述初始SVM模型的训练结果和验证结果的预测精度调整惩罚因子和gamma值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛海信日立空调系统有限公司,未经青岛海信日立空调系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011019870.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:导体粉末涂料及其制备方法
- 下一篇:一种可粘附高效止血微球及其制备方法