CN112283882B - 采样值的获取方法和装置、空调 - Google Patents
采样值的获取方法和装置、空调 Download PDFInfo
- Publication number
- CN112283882B CN112283882B CN202011111923.6A CN202011111923A CN112283882B CN 112283882 B CN112283882 B CN 112283882B CN 202011111923 A CN202011111923 A CN 202011111923A CN 112283882 B CN112283882 B CN 112283882B
- Authority
- CN
- China
- Prior art keywords
- value
- theoretical standard
- values
- sample
- standard value
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000012935 Averaging Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 abstract description 13
- 238000001914 filtration Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- F24F11/49—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring ensuring correct operation, e.g. by trial operation or configuration checks
-
- 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
- F24F11/64—Electronic processing using pre-stored data
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种采样值的获取方法和装置、空调,其中,该方法包括:采集预定数量的数值;对所述预定数量的数值进行预处理,得到初始理论标准值;重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。通过上述方案可以对突变数据进行自动剔除,并去掉负载控制所不需要的一些临时突变模拟量,从而了可以保证负载的正常稳定运行。
Description
技术领域
本发明涉及设备控制技术领域,具体而言,涉及一种采样值的获取方法和装置、空调。
背景技术
目前,空调控制器一般需要检测大量的模拟量数据,有些数据检测时比较稳定、波动少,例如:室内环境温度、回风温度等;这主要是因为这些传感器所处的环境相对比较稳定。
然而,有些传感器所处的环境复杂多变,这样将导致采集的数据波动较大与理想的计算值偏差较远,从而使得某些负载不能正常控制,例如:压缩机内部温度传感器。压缩机内部的温度变化较快,特别是变频压缩机,干扰源较多,容易导致压缩机的内部温度采样值瞬间跳变巨大,对于巨大跳变的采样温度值,一般是不需要作出相应的控制动作的。但是,这种瞬间的跳变,将导致相应负载控制造成误判断,导致机组无法正常运行。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种采样值的获取方法和装置、空调,以获取较为稳定的采样值。
一方面,提供了一种采样值的获取方法,包括:
采集预定数量的数值;
对所述预定数量的数值进行预处理,得到初始理论标准值;
重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。
在一个实施方式中,对所述预定数量的数值进行预处理,得到初始理论标准值,包括:
从所述预定数量的数值中,去除最大值和最小值;
对去除最大值和最小值后的数值,进行求平均运算;
将求平均运算的结果作为初始理论标准值。
在一个实施方式中,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值,包括:
对所述样本值与当前的理论标准值进行求平均运算;
将求平均运算的结果,作为采样有效值和新的理论标准值。
在一个实施方式中,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值,包括:
确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值;
如果连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值都大于等于预设阈值,则将所述连续预定次数的样本值中的最后一次样本值作为采样有效值和新的理论标准值;
如果连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值出现小于预设阈值的情况下,则从小于预设阈值的样本值开始,重新确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值。
在一个实施方式中,所述预定次数为五次,所述预设阈值为10%。
另一方面,提供了一种采样值的获取装置,包括:
采集模块,用于采集预定数量的数值;
预处理模块,用于对所述预定数量的数值进行预处理,得到初始理论标准值;
执行模块,用于重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。
在一个实施方式中,所述预处理模块包括:
去除单元,用于从所述预定数量的数值中,去除最大值和最小值;
第一求平均单元,用于对去除最大值和最小值后的数值,进行求平均运算;
第一生成单元,用于将求平均运算的结果作为初始理论标准值。
在一个实施方式中,所述执行模块包括:
第二求平均单元,用于对所述样本值与当前的理论标准值进行求平均运算;
第二生成单元,用于将求平均运算的结果,作为采样有效值和新的理论标准值。
在一个实施方式中,所述执行模块包括:
确定单元,用于确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值;
第三生成单元,用于在连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值都大于等于预设阈值的情况下,将所述连续预定次数的样本值中的最后一次样本值作为采样有效值和新的理论标准值;
重复单元,用于在连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值出现小于预设阈值的情况下,从小于预设阈值的样本值开始,重新确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值。
又一方面,提供了一种空调,包括:上述的采样值的获取装置。
又一方面,提供了一种网络设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
又一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
在上述实施例中,基于采集的预定数量的数值进行预处理,得到初始理论标准值,然后,采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。通过上述方式可以有效滤除尖峰或者毛刺,通过上述方式可以对突变数据进行自动剔除,并去掉负载控制所不需要的一些临时突变模拟量,从而了可以保证负载的正常稳定运行。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的采样值的获取方法的方法流程图;
图2是根据本发明实施例的数据滤波方式一的示意图;
图3是根据本发明实施例的数据滤波方式二的示意图;
图4是根据本发明实施例的采样值的获取装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
针对有些传感器所处的环境复杂多变,这样将导致采集的数据波动较大与理想的计算值偏差较远,从而使得某些负载不能正常控制,例如:压缩机内部温度传感器。压缩机内部的温度变化较快,特别是变频压缩机,干扰源较多,容易导致压缩机的内部温度采样值瞬间跳变巨大,对于巨大跳变的采样温度值,一般是不需要作出相应的控制动作的。但是,这种瞬间的跳变,将导致相应负载控制造成误判断,导致机组无法正常运行。
基于上述问题,在本例中,提供了一种采样值的获取方法,如图1所示,可以包括如下步骤:
步骤101:采集预定数量的数值;
步骤102:对所述预定数量的数值进行预处理,得到初始理论标准值;
步骤103:重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。
在上例中,基于采集的预定数量的数值进行预处理,得到初始理论标准值,然后,采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。通过上述方式可以有效滤除尖峰或者毛刺,通过上述方式可以对突变数据进行自动剔除,并去掉负载控制所不需要的一些临时突变模拟量,从而了可以保证负载的正常稳定运行。
具体的,上述对所述预定数量的数值进行预处理,得到初始理论标准值,可以认为是初次滤波,即,可以采用常规的滤波方式进行滤波,例如,可以是从所述预定数量的数值中,去除最大值和最小值;对去除最大值和最小值后的数值,进行求平均运算;将求平均运算的结果作为初始理论标准值。
即,初始理论标准值的获取,是基于多个样本值求平均得到的。例如,检测的有效模拟量是1秒更新一次,那么可以先采样10次使用常规滤波办法去掉最大值和最小值后取平均值作为一个初始理论标准值X0。
在根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值的时候,本例中提供了两种方式:
1)对所述样本值与当前的理论标准值进行求平均运算;将求平均运算的结果,作为采样有效值和新的理论标准值。
2)确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值;如果连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值都大于等于预设阈值,则将所述连续预定次数的样本值中的最后一次样本值作为采样有效值和新的理论标准值;如果连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值出现小于预设阈值的情况下,则从小于预设阈值的样本值开始,重新确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值。
其中,上述的预定次数可以但不限于是五次,上述的预设阈值可以但不限于设置为10%,例如,次数设置为6次、4次等等都可以,预设阈值设置为10%、5%、15都可以。
下面结合一个具体实施例对上述方法进行说明,然而,值得注意的是,该具体实施例仅是为了更好地说明本申请,并不构成对本申请的不当限定。
为了对传感器实际检测模拟量中的突变数据进行自动剔除,去掉负载控制所不需要的一些临时突变模拟量,保证相应负载正常稳定的运行,从而提高机组负载运行的稳定性,并有效防止相应负载的频繁开停,增加相应负载以及机组的使用寿命。
在本例中,提供了如下两种处理方式:
方式1:如图2所示,先采样10次使用常规滤波办法去掉最大值和最小值后取平均值作为一个理论标准值X0,然后将后面的(第一次采样值G1+理论标准值X0)/2取平均值作为新的一个理论标准值和采样有效值X1,再将(第二次采样值G2+理论标准值X1)/2取平均值作为更新的一个理论标准值和采样有效值X2,再将(第三次采样值G3+理论标准值X2)/2取平均值作为更新的一个理论标准值和采样有效值X3,以此类推采集下去,这样保证了每次采样的值接近于前一次采样的值,有效降低了采样值的波动幅度。
这种方式滤波后的采样值比较接近于真实温度值,能够一定程度上抑制因为工作环境异常造成的采样数据短暂突变情况,但是这种方式仅对极其短暂的突变数据有良好抑制作用,对较长时间的突变数据抑制性较差。
方式2:如图3所示,先采样10次使用常规滤波办法去掉最大值和最小值后取平均值作为一个理论标准值X1,接下来采样的值标记为G1,用|G1- X1|/X1,即G1- X1的绝对值与X1的比值≧10%时,继续进行第二次采样得到值G2,如果|G2 - X1|/X1≧10%,继续采样,如果到|G5 - X1|/X1≧10%;则把G5作为新的标准值X2,并把X2作为机组控制更新后的有效采样值,后面重复前面采样5次的判定操作;如果未到G5,例如G4时,|G4 - X1|/X1<10%,则将X1继续作为机组控制的有效采样值,从G4重新开始采样5次的新一轮判断。关于比值10%和采样次数N可根据不同机型进行手动设定,采样次数N是指连续采样N次都满足上述公式计算值大于设定比值10%,则把这第N次采样的值作为下一轮的理论标准值X,等同于上述描述连续采样到G5都满足公式计算值大于设定比值,则承认G5为新一轮的采样比较标准值,此时连续采样了5次,这个5次就是设定值N。
假设检测的有效采样值是1秒更新一次,那么可以先采样10次使用常规滤波办法去掉最大值和最小值后取平均值作为一个理论标准值X1,接下来采样的值标记为G1,用|G1- X1|/X1,假如值≧10%,继续得到第二次采样值G2,如果|G2 - X1|/X1≧10%,继续采样,如果到|G5 - X1|/X1≧10%;则把G5作为新的标准值X2,并把X2作为机组控制更新后的有效采样值,后面重复前面采样5次的判定操作;如果未到G5,例如G4时,|G4 - X1|/X1<10%,则把X1继续作为机组控制的有效采样值,从G4重新开始采样5次的新一轮判断。
这种方式对于突变较长时间的数据,有非常好的抑制作用,稳定性高。但是这种方式采样的值较真实值有一定的延时性,即前5秒采样的有效数据,可能要在后5秒才能作为有效值参与机组控制。
在实际应用中,对于工作环境复杂多变的机组,可采用方式二的滤波方法以保证采样值较长时间处于相对稳定变化的状态;对于机组因为环境中偶然的干扰,导致采样数据与真实值偏差较大的情况,则方式一可有效地缓和短暂突变的异常采样数据,而又能使数据保证一定的实时性。
通过上述两种二次滤波方式,都可以去掉检测模拟量波形中不必要的尖峰和毛刺,以避免对相应负载控制造成误判断,导致机组无法正常运行的问题。
基于同一发明构思,本发明实施例中还提供了一种采样值的获取装置,如下面的实施例所述。由于采样值的获取装置解决问题的原理与采样值的获取方法相似,因此采样值的获取装置的实施可以参见采样值的获取方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图4是本发明实施例的采样值的获取装置的一种结构框图,如图4所示,可以包括:采集模块401、预处理模块402和执行模块403,下面对该结构进行说明。
采集模块401,用于采集预定数量的数值;
预处理模块402,用于对所述预定数量的数值进行预处理,得到初始理论标准值;
执行模块403,用于重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。
在一个实施方式中,预处理模块402可以包括:去除单元,用于从所述预定数量的数值中,去除最大值和最小值;第一求平均单元,用于对去除最大值和最小值后的数值,进行求平均运算;第一生成单元,用于将求平均运算的结果作为初始理论标准值。
在一个实施方式中,执行模块403可以包括:第二求平均单元,用于对所述样本值与当前的理论标准值进行求平均运算;第二生成单元,用于将求平均运算的结果,作为采样有效值和新的理论标准值。
在一个实施方式中,执行模块403可以包括:确定单元,用于确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值;第三生成单元,用于在连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值都大于等于预设阈值的情况下,将所述连续预定次数的样本值中的最后一次样本值作为采样有效值和新的理论标准值;重复单元,用于在连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值出现小于预设阈值的情况下,从小于预设阈值的样本值开始,重新确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值。
在另外一个实施例中,还提供了一种软件,该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施例中,还提供了一种存储介质,该存储介质中存储有上述软件,该存储介质包括但不限于:光盘、软盘、硬盘、可擦写存储器等。
从以上的描述中,可以看出,本发明实施例实现了如下技术效果:基于采集的预定数量的数值进行预处理,得到初始理论标准值,然后,采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值。通过上述方式可以有效滤除尖峰或者毛刺,通过上述方式可以对突变放肆进行自动剔除,并去掉负载控制所不需要的一些临时突变模拟量,从而了可以保证负载的正常稳定运行。
尽管本申请内容中提到不同的具体实施例,但是,本申请并不局限于必须是行业标准或实施例所描述的情况等,某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、处理、输出、判断方式等的实施例,仍然可以属于本申请的可选实施方案范围之内。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的实施方式包括这些变形和变化而不脱离本申请。
Claims (8)
1.一种采样值的获取方法,其特征在于,包括:
采集预定数量的数值;
对所述预定数量的数值进行预处理,得到初始理论标准值;
重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值;
根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值,包括:
确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值;
如果连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值都大于等于预设阈值,则将所述连续预定次数的样本值中的最后一次样本值作为采样有效值和新的理论标准值;
如果连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值出现小于预设阈值的情况下,则从小于预设阈值的样本值开始,重新确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值。
2.根据权利要求1所述的方法,其特征在于,对所述预定数量的数值进行预处理,得到初始理论标准值,包括:
从所述预定数量的数值中,去除最大值和最小值;
对去除最大值和最小值后的数值,进行求平均运算;
将求平均运算的结果作为初始理论标准值。
3.根据权利要求1所述的方法,其特征在于,所述预定次数为五次,所述预设阈值为10%。
4.一种采样值的获取装置,其特征在于,包括:
采集模块,用于采集预定数量的数值;
预处理模块,用于对所述预定数量的数值进行预处理,得到初始理论标准值;
执行模块,用于重复执行如下操作,以得到多个采样有效值:采集数值,以当前采集到的数值作为样本值,根据所述样本值与当前的理论标准值求取采样有效值,并将求取的采样有效值作为新的理论标准值;
所述执行模块包括:
确定单元,用于确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值;
第三生成单元,用于在连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值都大于等于预设阈值的情况下,将所述连续预定次数的样本值中的最后一次样本值作为采样有效值和新的理论标准值;
重复单元,用于在连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值出现小于预设阈值的情况下,从小于预设阈值的样本值开始,重新确定是否连续预定次数的样本值和当前的理论标准值之间的差值的绝对值与当前的理论标准值的比值,都大于等于预设阈值。
5.根据权利要求4所述的装置,其特征在于,所述预处理模块包括:
去除单元,用于从所述预定数量的数值中,去除最大值和最小值;
第一求平均单元,用于对去除最大值和最小值后的数值,进行求平均运算;
第一生成单元,用于将求平均运算的结果作为初始理论标准值。
6.一种空调,包括:权利要求4或5所述的采样值的获取装置。
7.一种网络设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
8.一种非易失性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011111923.6A CN112283882B (zh) | 2020-10-16 | 2020-10-16 | 采样值的获取方法和装置、空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011111923.6A CN112283882B (zh) | 2020-10-16 | 2020-10-16 | 采样值的获取方法和装置、空调 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112283882A CN112283882A (zh) | 2021-01-29 |
CN112283882B true CN112283882B (zh) | 2022-06-21 |
Family
ID=74496192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011111923.6A Active CN112283882B (zh) | 2020-10-16 | 2020-10-16 | 采样值的获取方法和装置、空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112283882B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113114252B (zh) * | 2021-04-27 | 2023-03-21 | 珠海拓芯科技有限公司 | 一种目标采样值确定方法、装置、电子设备及存储介质 |
CN114282088B (zh) * | 2021-12-29 | 2023-03-24 | 江苏瞭望神州大数据科技有限公司 | 一种智慧国土云平台信息处理装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411425B (zh) * | 2011-07-22 | 2014-07-09 | 华为终端有限公司 | 控制触摸屏功能的方法和装置 |
US9483110B2 (en) * | 2011-11-07 | 2016-11-01 | International Business Machines Corporation | Adaptive media file rewind |
CN105371421B (zh) * | 2014-09-02 | 2019-04-23 | 青岛海尔空调器有限总公司 | 一种空调控制方法和空调器 |
CN105183669A (zh) * | 2015-09-22 | 2015-12-23 | 珠海格力电器股份有限公司 | 一种数据存储方法及装置 |
CN106100483A (zh) * | 2016-08-15 | 2016-11-09 | 珠海格力电器股份有限公司 | 电机控制过程中偏置电流的计算方法及*** |
CN111353208B (zh) * | 2019-05-14 | 2024-06-14 | 中国矿业大学 | 一种基于深度学习的物体往复运动距离评估方法 |
CN110501947B (zh) * | 2019-08-23 | 2020-08-25 | 上海东软载波微电子有限公司 | 信号处理方法及设备 |
-
2020
- 2020-10-16 CN CN202011111923.6A patent/CN112283882B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112283882A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112283882B (zh) | 采样值的获取方法和装置、空调 | |
CN109714180B (zh) | 压减冗余告警的方法、相应设备及存储介质 | |
CN108919003B (zh) | 一种敏感设备电压暂降耐受特性测试与数据处理方法 | |
CN106708694B (zh) | 一种定位毛刺异常点的方法、装置及计算设备 | |
US10802057B2 (en) | Systems and methods for monitoring a power system | |
CN110208693B (zh) | 电机运行故障监测方法和装置 | |
CN112595906A (zh) | 一种台区运行异常的判断方法 | |
CN116739829A (zh) | 一种基于大数据的电力数据分析方法、***及介质 | |
CN113779328A (zh) | 供电监测数据整合处理方法、***、终端及存储介质 | |
CN109193736B (zh) | 一种应用于直流换流站的statcom自适应电压控制方法 | |
CN114490091B (zh) | 工业数据采集管理***中监控规则引擎性能的方法及装置 | |
Geurts et al. | Early prediction of electric power system blackouts by temporal machine learning | |
CN114094536B (zh) | 一种基于智能识别的继电保护采样防误***及方法 | |
Visconti et al. | Comprehensive analysis of conservation voltage reduction: A real case study | |
CN111668804B (zh) | 过流保护方法、装置和电子设备 | |
CN114912070A (zh) | 一种基于多维特征分析的电机类负载非侵入式监测方法 | |
CN115600879A (zh) | 一种断路器异常预警方法、***及相关装置 | |
CN108765140A (zh) | 批量业务异常监控方法以及第一电子设备 | |
CN113792435A (zh) | 数据模型建立方法和装置、服务器 | |
CN112161390B (zh) | 电子膨胀阀控制方法、装置和空调 | |
Gorjani et al. | Application of optimized deterministic methods in long-term power quality | |
CN113468239A (zh) | 基于规则引擎实现物联网行业用量统计的方法和*** | |
CN106980925B (zh) | 一种基于大数据的区域电网调度方法 | |
CN112107977A (zh) | 一种基于脱硫***的pH值自动调节方法、***和装置 | |
JP2000032667A (ja) | 電力系統の脱調予測方式 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |