CN113819636A - 辐射空调***的控制方法、装置及存储介质 - Google Patents

辐射空调***的控制方法、装置及存储介质 Download PDF

Info

Publication number
CN113819636A
CN113819636A CN202111026140.2A CN202111026140A CN113819636A CN 113819636 A CN113819636 A CN 113819636A CN 202111026140 A CN202111026140 A CN 202111026140A CN 113819636 A CN113819636 A CN 113819636A
Authority
CN
China
Prior art keywords
radiation
output
indoor
determining
tail end
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.)
Granted
Application number
CN202111026140.2A
Other languages
English (en)
Other versions
CN113819636B (zh
Inventor
黄太平
陈志杰
李天阳
张洪千
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202111026140.2A priority Critical patent/CN113819636B/zh
Publication of CN113819636A publication Critical patent/CN113819636A/zh
Application granted granted Critical
Publication of CN113819636B publication Critical patent/CN113819636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • 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
    • 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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • F24F11/84—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using valves
    • 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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • F24F11/85—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using variable-flow pumps
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

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)
  • Air Conditioning Control Device (AREA)

Abstract

本申请涉及一种辐射空调***的控制方法、装置及存储介质。获取室内目标温度以及当前时刻的室内环境温度；基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数；将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小；控制辐射末端按照出水参数输出循环水。由于对每一时刻的出水参数进行调整，因此当循环水的水温发生小于2℃的变化时，本实施例就已经对辐射末端的出水参数进行调整，从而避免了环境波动及***调节的滞后性问题以及夏季辐射末端结露的问，高了***运行的稳定性及用户的舒适性。

Description

辐射空调***的控制方法、装置及存储介质
技术领域
本申请涉及智能家居领域，尤其涉及一种辐射空调***的控制方法、装置及存储介质。
背景技术
随着我国经济的飞速发展，大众生活水平的日益提高，人们对生活和工作环境的舒适度提出了更高要求。传统的空调***只能满足人们基础的空气调节需求，而辐射空调***不仅能给用户带来无风感的舒适健康的生活工作环境，相比于传统空调还具有较大的节能潜力。
在实际应用中，由于辐射空调***的辐射末端的储热特性，导致其温度调节时存在较大的滞后性，出水温度波动相对较大达不到设计工况要求，夏季供冷运行时辐射末端***结露等问题，迫切需求一套***简单、可靠性高、控制精度高的辐射空调***。
发明内容
本申请提供了一种辐射空调***的控制方法、装置及存储介质，用以解决辐射空调***调节时存在较大的滞后性的问题。
第一方面，提供一种辐射空调***的控制方法，包括：
获取室内目标温度以及当前时刻的室内环境温度；
基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数；
将所述控制参数转换为下一时刻所述辐射末端的出水参数，所述出水参数用于反映所述辐射末端输出循环水的水量大小；
控制所述辐射末端按照所述出水参数输出所述循环水。
可选地，基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数，包括：
基于所述室内目标温度和所述室内环境温度，确定输入BP神经网络的控制误差；
将所述室内目标温度、所述室内环境温度和所述控制误差输入预先训练的BP神经网络，并确定所述BP神经网络的输出为与所述辐射空调***的辐射末端对应的控制参数。
可选地，基于所述室内目标温度和所述室内环境温度，确定输入BP神经网络的控制误差，包括：
确定所述室内目标温度与所述室内环境温度的温度差的绝对值；
确定所述温度差的绝对值为所述控制误差。
可选地，将所述控制参数转换为下一时刻所述辐射末端的出水参数，包括：
将所述控制参数输入PID控制器，得到所述PID控制器的输出信号；对所述输出信号进行模数转换，得到对应所述辐射末端的电动阀门的开度变化值和开度变化趋势；确定所述开度变化值和所述开度变化趋势属于所述出水参数；
和/或，
基于所述室内目标温度和所述室内环境温度，确定所述辐射末端的水泵的频率变化趋势；确定频率变化趋势属于所述出水参数。
可选地，基于所述室内目标温度和所述室内环境温度，确定所述辐射末端的水泵的频率变化趋势，包括：
预测在所述室内目标温度下所述辐射末端所需输出所述循环水的第一流量值；
检测在所述室内环境温度下所述辐射末端所输出所述循环水的第二流量值；
当所述第一流量值大于所述第二流量值时，确定所述频率变化趋势为第一趋势；当所述第一流量值小于所述第二流量值时，确定所述频率变化趋势为第二趋势；
所述第一趋势用于指示增加所述水泵的工作频率，所述第二趋势用于指示减少所述水泵的工作频率。
可选地，控制所述辐射末端按照所述出水参数输出所述循环水，包括：
控制所述电动阀门的开度按照所述开度变化趋势改变所述开度变化值，并输出所述循环水；和/或
控制所述水泵的频率按照所述频率变化趋势改变预设频率变量值，并输出所述循环水。
可选地，所述BP神经网络包括输入层、隐含层和输出层；
所述BP神经网络对所述目标温度、所述室内环境温度和所述控制误差进行处理的过程为：
将所述目标温度、所述室内环境温度和所述控制误差作为输入值输入所述输入层；
所述输入值经由所述隐含层传向所述输出层；
获取所述输出层的输出数据；
当所述输出数据与所述当前时刻的工况所对应的期望数据不一致时，基于所述输出数据和所述期望数据确定传入误差；
将所述传入误差从所述输出层经由所述隐含层向所述输入层回传，对所述BP神经网络中的参数进行修正，直至所述输出层的输出数据与所述期望数据一致或直至所述BP神经网络对所述输入值的处理次数达到指定处理次数。
可选地，所述输入层具有3个神经元，所述隐含层具有5个神经元，所述输出层具有3个神经元。
可选地，所述隐含层包括N个神经元，相应地，所述输出层的数据包括来自于每个所述神经元的输出数据；
基于所述输出数据和所述期望数据确定传入误差，包括：
分别确定各所述输出数据与所述期望数据的数据差；
对每个所述数据差求平方，得到平方值；
对各所述平方值求和，得到求和结果；
确定对所述求和结果求平均值的结果为所述传入误差。
第二方面，提供一种辐射空调***，包括：
温度传感器，设置于所述辐射空调***的辐射末端，用于检测当前时刻的室内环境温度；
控制器，用于获取室内目标温度以及当前时刻的室内环境温度；基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数；将所述控制参数转换为下一时刻所述辐射末端的出水参数，所述出水参数用于反映所述辐射末端输出循环水的水量大小；控制所述辐射末端按照所述出水参数输出所述循环水。
第三方面，提供一种辐射空调***的控制装置，包括：
获取单元，用于获取室内目标温度以及当前时刻的室内环境温度；
确定单元，用于基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数；
转换单元，用于将所述控制参数转换为下一时刻所述辐射末端的出水参数，所述出水参数用于反映所述辐射末端输出循环水的水量大小；
控制单元，用于控制所述辐射末端按照所述出水参数输出所述循环水。
第四方面，提供一种电子设备，其特征在于，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的控制方法。
第五方面，提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的基于神经网络的辐射空调***的控制方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，获取室内目标温度以及当前时刻的室内环境温度；基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数；将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小；控制辐射末端按照出水参数输出循环水。由于对每一时刻的出水参数进行调整，因此当循环水的水温发生小于2℃的变化时，本实施例就已经对辐射末端的出水参数进行调整，从而避免了环境波动及***调节的滞后性问题，提高了用户的舒适性。进一步，由于能够对每一时刻的出水参数进行预测，所述能够避免循环水的水温变动较大导致的辐射末端结露的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中辐射空调***的结构示意图；
图2为本申请实施例中辐射空调***的控制方法的流程示意图；
图3(a)为本申请实施例中BP神经网络的结构示意图；
图3(b)为本申请实施例中BP神经网络与PID控制器结合使用时的原理示意图；
图4为本申请实施例中辐射空调***的又一种结构示意图；
图5为本申请实施例中辐射空调***的控制装置的结构示意图；
图6为本申请实施例中电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
相关技术中，辐射空调***的工作原理(以制冷为例)为：当室内温度达到室内目标温度以后，机组的压缩机降频，循环水的水温降低。当检测到室内温度发生变化，为了使室内温度再次回归室内目标温度，需要提高机组的压缩机频率，以降低循环水的水温，从而进一步降低室内温度。然而当检测到室内温度发生变化时，由于水的储热特性，此时循环水的水温实际已经下降2℃～3℃，因此直到此时再提高机组的压缩机频率通过降低循环水的水温对室内降温，会耗费较长的时间。
为了便于理解本申请的实施例，下面对本申请涉及的应用场景进行说明，请参照图1，图1为辐射空调***的结构示意图，具体地，该辐射空调***包括：
水泵1、流量计2、电动水阀一3、电动水阀二4、变频单元5、水箱温度传感器6、室内温度传感器7、室内辐射支路8、保温水箱9、空调机组10以及控制器11。
其中：
水泵1用于输送循环水；流量计2用于检测水泵所输送的循环水的流量；电动阀门一3和电动阀门二4用于控制向室内辐射末端8所输出循环水的水量；变频单元5用于改变水泵1的工作频率；水箱温度传感器6用于检测保温水箱9内循环水的温度；室内温度传感器7用于检测室内的温度；室内辐射支路8用于与室内环境进行热交换；保温水箱9用于贮存循环水；空调机组10用于对保温水箱中的循环水进行降温；控制器11用于控制向室内辐射支路输出循环水。
以下从控制器11的角度对本申请实施例提供的辐射空调***的控制方法进行描述，如图2所示，该方法可以包括以下步骤：
步骤201、获取室内目标温度以及当前时刻的室内环境温度。
其中，室内目标温度可以人为预先设置。
步骤202、基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数。
其中，该控制参数用于控制辐射末端用于输出循环水的器件动作，从而控制器件所输出循环水的水量大小。
应用中，该控制参数包括但不限于流量和/或流速。
一个具体实施例中，为了提高辐射空调***的响应速度，采用BP神经网络确定该控制参数，请参照图3(a)所示，图3(a)示出了BP神经网络的结构示意图。
图3(a)中Xi是输入值，比例系数kp、积分系数ki、微分系数kd是输出值，Wij是连接输入层和隐含层的权值，Wjp是连接隐含层和输出层的权值，Li表示输入层，Lj表示隐含层，Lp表示输出层；隐含层中包含j个神经元，其数目的多少会影响到处理非线性问题的能力和获取样本信息的能力；隐含层的输入用u表示，隐含层的输出用S表示，隐含层可以体现出数据样本的特征信息，会影响神经网络模型的训练速度和预测精度，本发明中以一个隐含层为例画图说明其结构。
具体地，基于室内目标温度和室内环境温度，确定输入BP神经网络的控制误差；将室内目标温度、室内环境温度和控制误差输入预先训练的BP神经网络，并确定BP神经网络的输出为与辐射空调***的辐射末端对应的控制参数。
其中，确定输入BP神经网络的控制误差时，确定室内目标温度与室内环境温度的温度差的绝对值；确定温度差的绝对值为控制误差。
以制冷场景为例，确定控制误差的计算公式可以为：
ek＝r(k)-y(k) (1)；
其中，ek为控制误差，r(k)为室内环境温度，y(k)为室内目标温度。
以下对本实施例所采用的BP神经网络进行介绍：
BP神经网络包括输入层、隐含层和输出层；
以下以上角标1、2、3分别表示输入层，隐含层和输出层，描述BP神经网络内部的算法实现：
输入层的输入为：
Figure BDA0003243522430000081
隐含层的输入可参见公式(3)、输入层的输出可参见公式(4)：
Figure BDA0003243522430000082
Figure BDA0003243522430000083
其中，wij是连接输入层和隐含层的权值；
其中隐含层神经元激活函数采用正负对称的Sigmoid函数：
Figure BDA0003243522430000084
所以输出层的输入可参见公式(6)、输出层的输出可参见公式(7)：
Figure BDA0003243522430000085
Figure BDA0003243522430000086
按照梯度下降法对权值进行修正：
Figure BDA0003243522430000087
其中，η为学习率，α为惯性系数，取值范围通常在0～1之间。
由于
Figure BDA0003243522430000091
未知，故近似用符号函数
Figure BDA0003243522430000092
代替，又因为分母不能为零，所以用sgn{[y(k)-y(k-1)]·[u(k)-u(k-1)]}代替，所产生的计算不准确通过调整学习率η来补偿；
所以输出层权值为：
Figure BDA0003243522430000093
其中：
Figure BDA0003243522430000094
同理可得隐含层权值为：
Figure BDA0003243522430000095
式中g′()＝2·g(x)·[1-g(x)],f′()＝1-f2(x) (12)；
对应到本申请中，当BP神经网络与PID控制器相结合时，输出层的输出可以为：
Figure BDA0003243522430000096
当将室内目标温度、室内环境温度以及控制误差输入BP神经网络后，BP神经网络内部的处理过程为：
将目标温度、室内环境温度和控制误差作为输入值输入输入层；输入值经由隐含层传向输出层；获取输出层的输出数据；当输出数据与当前时刻的工况所对应的期望数据不一致时，基于输出数据和期望数据确定传入误差；将传入误差从输出层经由隐含层向输入层回传，对BP神经网络中的参数进行修正，直至输出层的输出数据与期望数据一致或直至BP神经网络对输入值的处理次数达到指定处理次数。
应用中，当隐含层的神经元为N个时，基于输出数据和期望数据确定传入误差的过程可以为，分别确定各输出数据与期望数据的数据差；对每个数据差求平方，得到平方值；对各平方值求和，得到求和结果；确定对求和结果求平均值的结果为传入误差。
具体地，确定传入误差的计算公式可以为：
Figure BDA0003243522430000101
其中，E(k)为传入误差，l为隐含层的神经元的数量，r(k)为室内环境温度，y(k)为室内目标温度。
为了提高BP神经网络的处理精度同时保证处理时间，本实施例中设置输入层具有3个神经元，隐含层具有5个神经元，输出层具有3个神经元。
步骤203、将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小。
一个具体实施例中，通过PID控制器对控制参数进行转换。
具体地，将控制参数输入PID控制器，得到PID控制器的输出信号；对输出信号进行模数转换，得到对应辐射末端的电动阀门的开度变化值和开度变化趋势；确定开度变化值和开度变化趋势属于出水参数；
和/或，
基于室内目标温度和室内环境温度，确定辐射末端的水泵的频率变化趋势；确定频率变化趋势属于出水参数。
应用中，本实施例所采用的PID控制器可以为增量式PID控制器。在对输出信号进行模数转换时可以得到电动阀门位置的增大值或减小值，从而将该增大值或减小值确定为出水参数。
其中，增量式PID控制器是将当前时刻的控制量和上一时刻的控制量做差，以差值为新的控制量。
其中，传统PID控制器的增量控制方式为：
Δu(k)＝kp(ek-ek-1)+kiek+kd(ek-2ek-1+ek-2)(15)；
其中u(k)＝Δu(k)+u(k-1)，ek＝r(k)-y(k)；u(k)为控制器的输出，k为采样序号；比例系数kp、积分系数ki、微分系数kd。
请参见图3(b)所示，图3(b)示出了BP神经网络与PID控制器结合使用时的原理示意图，其中r(k)为室内环境温度，y(k)为室内目标温度，ek为控制误差，比例系数kp、积分系数ki和微分系数kd为PID控制器的三个输入参数。
应用中，由于输出的循环水的流量反映了水泵的频率变化，因此通过目标温度和室内环境温度下的流量变化趋势，确定辐射末端的水泵的频率变化趋势。
具体地，预测在室内目标温度下辐射末端所需输出循环水的第一流量值；检测在室内环境温度下辐射末端所输出循环水的第二流量值；当第一流量值大于第二流量值时，确定频率变化趋势为第一趋势；当第一流量值小于第二流量值时，确定频率变化趋势为第二趋势；第一趋势用于指示增加水泵的工作频率，第二趋势用于指示减少水泵的工作频率。
步骤204、控制辐射末端按照出水参数输出循环水。
其中，当确定出水参数为电动阀门的开度变化趋势和开度变化值时，控制电动阀门的开度按照开度变化趋势改变开度变化值，并输出循环水；当确定出水参数为水泵的频率变化趋势时，控制水泵的频率按照频率变化趋势改变预设频率变量值，并输出循环水。
本申请实施例提供的技术方案中，获取室内目标温度以及当前时刻的室内环境温度；基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数；将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小；控制辐射末端按照出水参数输出循环水。由于对每一时刻的出水参数进行调整，因此当循环水的水温发生小于2℃的变化时，本实施例就已经对辐射末端的出水参数进行调整，从而避免了环境波动及***调节的滞后性问题，提高了用户的舒适性。
另外，本申请中，采用基于BP神经网络的比例积分微分控制方法调节辐射末端循环水的流量及流速，使得***能够在环境在波动的过程中进行自适应调节，可以有效地改善辐射末端水温波动及夏季制冷时结露的问题，提高了***运行的稳定性。
最后，采用基于BP神经网络的比例积分微分控制方法调节辐射末端循环水的流量及流速，避免了在夏季制冷时用除湿机等装置来除湿的情况，不仅简化了***结构，还大大降低了成本。
基于同一构思，本申请实施例中提供了一种辐射空调***，如图4所示，该***主要包括：
温度传感器401，设置于辐射空调***的辐射末端，用于检测当前时刻的室内环境温度；
控制器402，用于获取室内目标温度以及当前时刻的室内环境温度；基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数；将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小；控制辐射末端按照出水参数输出循环水。
基于同一构思，本申请实施例中提供了一种辐射空调***的控制装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要包括：
获取单元501，用于获取室内目标温度以及当前时刻的室内环境温度；
确定单元502，用于基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数；
转换单元503，用于将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小；
控制单元504，用于控制辐射末端按照出水参数输出循环水。
可选地，确定单元502用于：
基于室内目标温度和室内环境温度，确定输入BP神经网络的控制误差；
将室内目标温度、室内环境温度和控制误差输入预先训练的BP神经网络，并确定BP神经网络的输出为与辐射空调***的辐射末端对应的控制参数。
可选地，确定单元502用于：
确定室内目标温度与室内环境温度的温度差的绝对值；
确定温度差的绝对值为控制误差。
可选地，转换单元503用于：
将控制参数输入PID控制器，得到PID控制器的输出信号；对输出信号进行模数转换，得到对应辐射末端的电动阀门的开度变化值和开度变化趋势；确定开度变化值和开度变化趋势属于出水参数；
和/或，
基于室内目标温度和室内环境温度，确定辐射末端的水泵的频率变化趋势；确定频率变化趋势属于出水参数。
可选地，转换单元503用于：
预测在室内目标温度下辐射末端所需输出循环水的第一流量值；
检测在室内环境温度下辐射末端所输出循环水的第二流量值；
当第一流量值大于第二流量值时，确定频率变化趋势为第一趋势；当第一流量值小于第二流量值时，确定频率变化趋势为第二趋势；
第一趋势用于指示增加水泵的工作频率，第二趋势用于指示减少水泵的工作频率。
可选地，控制单元504用于：
控制电动阀门的开度按照开度变化趋势改变开度变化值，并输出循环水；和/或
控制水泵的频率按照频率变化趋势改变预设频率变量值，并输出循环水。
可选地，BP神经网络包括输入层、隐含层和输出层；
BP神经网络对目标温度、室内环境温度和控制误差进行处理的过程为：
将目标温度、室内环境温度和控制误差作为输入值输入输入层；
输入值经由隐含层传向输出层；
获取输出层的输出数据；
当输出数据与当前时刻的工况所对应的期望数据不一致时，基于输出数据和期望数据确定传入误差；
将传入误差从输出层经由隐含层向输入层回传，对BP神经网络中的参数进行修正，直至输出层的输出数据与期望数据一致或直至BP神经网络对输入值的处理次数达到指定处理次数。
可选地，输入层具有3个神经元，隐含层具有5个神经元，输出层具有3个神经元。
可选地，隐含层包括N个神经元，相应地，输出层的数据包括来自于每个神经元的输出数据；
该装置用于：
分别确定各输出数据与期望数据的数据差；
对每个数据差求平方，得到平方值；
对各平方值求和，得到求和结果；
确定对求和结果求平均值的结果为传入误差。
基于同一构思，本申请实施例中还提供了一种电子设备，如图6所示，该电子设备主要包括：处理器601、存储器602和通信总线603，其中，处理器601和存储器602通过通信总线603完成相互间的通信。其中，存储器602中存储有可被处理器601执行的程序，处理器601执行存储器602中存储的程序，实现如下步骤：
获取室内目标温度以及当前时刻的室内环境温度；
基于室内目标温度和室内环境温度，确定与辐射空调***的辐射末端对应的控制参数；
将控制参数转换为下一时刻辐射末端的出水参数，出水参数用于反映辐射末端输出循环水的水量大小；
控制辐射末端按照出水参数输出循环水。
上述电子设备中提到的通信总线603可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器602可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的基于神经网络的辐射空调***的控制方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种辐射空调***的控制方法，其特征在于，包括：
获取室内目标温度以及当前时刻的室内环境温度；
基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数；
将所述控制参数转换为下一时刻所述辐射末端的出水参数，所述出水参数用于反映所述辐射末端输出循环水的水量大小；
控制所述辐射末端按照所述出水参数输出所述循环水。
2.根据权利要求1所述的方法，其特征在于，基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数，包括：
基于所述室内目标温度和所述室内环境温度，确定输入BP神经网络的控制误差；
将所述室内目标温度、所述室内环境温度和所述控制误差输入预先训练的BP神经网络，并确定所述BP神经网络的输出为与所述辐射空调***的辐射末端对应的控制参数。
3.根据权利要求2所述的方法，其特征在于，基于所述室内目标温度和所述室内环境温度，确定输入BP神经网络的控制误差，包括：
确定所述室内目标温度与所述室内环境温度的温度差的绝对值；
确定所述温度差的绝对值为所述控制误差。
4.根据权利要求1所述的方法，其特征在于，将所述控制参数转换为下一时刻所述辐射末端的出水参数，包括：
将所述控制参数输入PID控制器，得到所述PID控制器的输出信号；对所述输出信号进行模数转换，得到对应所述辐射末端的电动阀门的开度变化值和开度变化趋势；确定所述开度变化值和所述开度变化趋势属于所述出水参数；
和/或，
基于所述室内目标温度和所述室内环境温度，确定所述辐射末端的水泵的频率变化趋势；确定频率变化趋势属于所述出水参数。
5.根据权利要求4所述的方法，其特征在于，基于所述室内目标温度和所述室内环境温度，确定所述辐射末端的水泵的频率变化趋势，包括：
预测在所述室内目标温度下所述辐射末端所需输出所述循环水的第一流量值；
检测在所述室内环境温度下所述辐射末端所输出所述循环水的第二流量值；
当所述第一流量值大于所述第二流量值时，确定所述频率变化趋势为第一趋势；当所述第一流量值小于所述第二流量值时，确定所述频率变化趋势为第二趋势；
所述第一趋势用于指示增加所述水泵的工作频率，所述第二趋势用于指示减少所述水泵的工作频率。
6.根据权利要求4所述的方法，其特征在于，控制所述辐射末端按照所述出水参数输出所述循环水，包括：
控制所述电动阀门的开度按照所述开度变化趋势改变所述开度变化值，并输出所述循环水；和/或
控制所述水泵的频率按照所述频率变化趋势改变预设频率变量值，并输出所述循环水。
7.根据权利要求2所述的方法，其特征在于，所述BP神经网络包括输入层、隐含层和输出层；
所述BP神经网络对所述目标温度、所述室内环境温度和所述控制误差进行处理的过程为：
将所述目标温度、所述室内环境温度和所述控制误差作为输入值输入所述输入层；
所述输入值经由所述隐含层传向所述输出层；
获取所述输出层的输出数据；
当所述输出数据与所述当前时刻的工况所对应的期望数据不一致时，基于所述输出数据和所述期望数据确定传入误差；
将所述传入误差从所述输出层经由所述隐含层向所述输入层回传，对所述BP神经网络中的参数进行修正，直至所述输出层的输出数据与所述期望数据一致或直至所述BP神经网络对所述输入值的处理次数达到指定处理次数。
8.根据权利要求7所述的方法，其特征在于，所述输入层具有3个神经元，所述隐含层具有5个神经元，所述输出层具有3个神经元。
9.根据权利要求7所述的方法，其特征在于，所述隐含层包括N个神经元，相应地，所述输出层的数据包括来自于每个所述神经元的输出数据；
基于所述输出数据和所述期望数据确定传入误差，包括：
分别确定各所述输出数据与所述期望数据的数据差；
对每个所述数据差求平方，得到平方值；
对各所述平方值求和，得到求和结果；
确定对所述求和结果求平均值的结果为所述传入误差。
10.一种辐射空调***，其特征在于，包括：
温度传感器，设置于所述辐射空调***的辐射末端，用于检测当前时刻的室内环境温度；
控制器，用于获取室内目标温度以及当前时刻的室内环境温度；基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数；将所述控制参数转换为下一时刻所述辐射末端的出水参数，所述出水参数用于反映所述辐射末端输出循环水的水量大小；控制所述辐射末端按照所述出水参数输出所述循环水。
11.一种辐射空调***的控制装置，其特征在于，包括：
获取单元，用于获取室内目标温度以及当前时刻的室内环境温度；
确定单元，用于基于所述室内目标温度和所述室内环境温度，确定与所述辐射空调***的辐射末端对应的控制参数；
转换单元，用于将所述控制参数转换为下一时刻所述辐射末端的出水参数，所述出水参数用于反映所述辐射末端输出循环水的水量大小；
控制单元，用于控制所述辐射末端按照所述出水参数输出所述循环水。
12.一种电子设备，其特征在于，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1-9任一项所述的辐射空调***的控制方法。
13.一种计算机可读存储介质，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1-9任一项所述的辐射空调***的控制方法。
CN202111026140.2A 2021-09-02 2021-09-02 辐射空调***的控制方法、装置及存储介质 Active CN113819636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111026140.2A CN113819636B (zh) 2021-09-02 2021-09-02 辐射空调***的控制方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111026140.2A CN113819636B (zh) 2021-09-02 2021-09-02 辐射空调***的控制方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113819636A true CN113819636A (zh) 2021-12-21
CN113819636B CN113819636B (zh) 2023-03-10

Family

ID=78923649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111026140.2A Active CN113819636B (zh) 2021-09-02 2021-09-02 辐射空调***的控制方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113819636B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115183345A (zh) * 2022-06-16 2022-10-14 美的集团(上海)有限公司 一种控制方法、装置、设备和计算机可读存储介质
CN117784738A (zh) * 2024-02-27 2024-03-29 山东蓝孚高能物理技术股份有限公司 基于用户需求的辐照加工质量控制方法及装置
WO2024098471A1 (zh) * 2022-11-08 2024-05-16 广东美的制冷设备有限公司 水温控制方法、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101922779A (zh) * 2009-06-16 2010-12-22 北京万诚华科技有限公司 一种风机盘管***及其控制方法和装置
CN102538112A (zh) * 2012-03-20 2012-07-04 上海理工大学 一种户式热湿分控辐射空调***及其控制方法
JP2015105787A (ja) * 2013-11-29 2015-06-08 学校法人東京工芸大学 放射パネル及び放射空調システム
CN106382668A (zh) * 2016-08-29 2017-02-08 东北大学 一种电蓄热锅炉与太阳能联合采暖的***与方法
CN107192097A (zh) * 2017-06-06 2017-09-22 珠海格力电器股份有限公司 空调冷冻水***的控制方法和装置
JP2018141566A (ja) * 2017-02-27 2018-09-13 清水建設株式会社 放射空調システム
CN111964207A (zh) * 2020-07-16 2020-11-20 东南大学 冷暖与新风一体化处理空调机组的运行控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101922779A (zh) * 2009-06-16 2010-12-22 北京万诚华科技有限公司 一种风机盘管***及其控制方法和装置
CN102538112A (zh) * 2012-03-20 2012-07-04 上海理工大学 一种户式热湿分控辐射空调***及其控制方法
JP2015105787A (ja) * 2013-11-29 2015-06-08 学校法人東京工芸大学 放射パネル及び放射空調システム
CN106382668A (zh) * 2016-08-29 2017-02-08 东北大学 一种电蓄热锅炉与太阳能联合采暖的***与方法
JP2018141566A (ja) * 2017-02-27 2018-09-13 清水建設株式会社 放射空調システム
CN107192097A (zh) * 2017-06-06 2017-09-22 珠海格力电器股份有限公司 空调冷冻水***的控制方法和装置
CN111964207A (zh) * 2020-07-16 2020-11-20 东南大学 冷暖与新风一体化处理空调机组的运行控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115183345A (zh) * 2022-06-16 2022-10-14 美的集团(上海)有限公司 一种控制方法、装置、设备和计算机可读存储介质
CN115183345B (zh) * 2022-06-16 2024-03-29 美的集团(上海)有限公司 一种控制方法、装置、设备和计算机可读存储介质
WO2024098471A1 (zh) * 2022-11-08 2024-05-16 广东美的制冷设备有限公司 水温控制方法、设备及存储介质
CN117784738A (zh) * 2024-02-27 2024-03-29 山东蓝孚高能物理技术股份有限公司 基于用户需求的辐照加工质量控制方法及装置

Also Published As

Publication number Publication date
CN113819636B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN113819636B (zh) 辐射空调***的控制方法、装置及存储介质
Elmaz et al. CNN-LSTM architecture for predictive indoor temperature modeling
CN111795484B (zh) 一种智慧空调控制方法和***
Homod et al. Gradient auto-tuned Takagi–Sugeno Fuzzy Forward control of a HVAC system using predicted mean vote index
JP6403881B2 (ja) 空調システム、並びに空調システムの動作を制御するためのシステム及び方法
WO2017024583A1 (zh) 模型预测控制的方法和装置
US20200200414A1 (en) Smart home air conditioner automatic control system based on artificial intelligence
CN111868639B (zh) 用于控制空调***的运行的***及方法
Goyal et al. Identification of multi-zone building thermal interaction model from data
WO2016047118A1 (ja) モデル評価装置、モデル評価方法、及び、プログラム記録媒体
JP6433588B2 (ja) 空調システム並びに空調システムの動作を制御するためのシステム及び方法
CN112016242B (zh) 一种基于数据驱动的分布参数热过程温度预测方法
US20210190349A1 (en) Building control system with zone grouping based on predictive models
KR20210078258A (ko) 공기 조화기 및 공기 조화기를 제어하기 위한 방법
Islam et al. Non-linear autoregressive neural network approach for inside air temperature prediction of a pillar cooler
Martinčević et al. Constrained Kalman filter for identification of semiphysical building thermal models
Naug et al. A relearning approach to reinforcement learning for control of smart buildings
CN116974320B (zh) 一种档案智慧管理调控方法及集成控制***
Yu et al. Predicting indoor temperature from smart thermostat and weather forecast data
CN114415503B (zh) 温度大数据物联网检测与智能控制***
Wu et al. Optimal temperature and humidity control for autonomous control system based on PSO‐BP neural networks
CN115407658A (zh) 确定暖通空调***时序间因果关系的方法、装置及介质
CN116157751A (zh) 用于控制流体输送***的方法和***
CN113625557A (zh) 一种在线优化模型的hvac***模型预测控制方法
Zhang Building occupancy analytics based on deep learning through the use of environmental sensor data

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