本发明专利技术提供了预测空调性能的方法，其包括试验设计，试验以获取试验数据，对试验数据进行筛选，对经筛选的数据进行数据增强，对经增强的数据进行训练得到确定的空调性能预测模型，使用确定的空调性能预测模型来预测空调系统的性能。本发明专利技术对试验数据进行数据增强，使得能够在所获取的试验数据较少的情况下得到所需的大量的数据，从而进行有效的数据训练以得到精确的空调性能预测模型。本发明专利技术通过分层式疏密设计使得能够用尽可能少的试验获取空调性能空间的数据分布特征，从而减少试验成本且减少对预测精度的影响。本发明专利技术还在获取试验数据时减少获取试验数据的等待时间、缩短各个试验点之间的试验数据获取时间间隔，从而加快试验数据获取的速度。试验数据获取的速度。试验数据获取的速度。
【技术实现步骤摘要】
预测空调性能的方法和装置
[0001]本专利技术涉及空调系统，特别的涉及预测空调系统的性能。
技术介绍
[0002]在空调领域，获取空调系统在不同工况下的性能具有广泛的需求。例如，空调厂家需要获取空调设备在不同工况下的性能来确保其设计生产的空调设备的性能能够符合国家标准或符合预设性能要求。空调用户也要求知晓空调设备在不同工况下的性能，以使得某种空调设备能够得到合适的应用，例如在合适的环境下使用。
技术实现思路
[0003]从空调设备设计制造商的角度，设计空调时首先设定一个目标，比如名义制冷量600kW、COP 3.5、IPLV4.5，名义制热量580kW、COP 3.3等。然后根据这个目标进行零部件选型，包括压缩机、蒸发器、冷凝器、风机、膨胀阀等，最终在经济性的约束下以最小的成本达成预设性能要求。所以，空调厂家更多关注名义制冷、名义制热以及IPLV部分负荷下的性能，并以试验的方式确保这些性能的偏差符合国家标准。其中，COP表示在规定的试验工况条件和在机组特定的运行状态下，以相同单位表示的制冷(热)量与机组总输入功率的比值。IPLV是用一个单一数值表示的空调机组的部分负荷效率指标。基于规定的IPLV工况下机组部分负荷的性能系数值，按机组在特定负荷下运行时间的加权系数，通过以下公式计算得出IPLV：
[0004]IPLV＝2.3％
×
A+41.5％
×
B+46.1％
×
C+10.1％
×
D。
[0005]在上述公式中,A表示机组100％负荷时的COP
c
‑
100％
(kW/kW)；B表示机组75％负荷时的COP
c
‑
75％
(kW/kW)；C表示机组50％负荷时的COP
c
‑
50％
(kW/kW)；D表示机组25％负荷时的COP
c
‑
25％
(kW/kW)。
[0006]从空调用户的角度，他们有自己的具体需求，并且空调用户的工况大多数不是空调厂家验证过的名义工况或IPLV工况。空调用户可能想要知晓空调所有可运行工况的性能，这时需要空调厂家能够提供可以预测或计算空调所有可运行工况性能的方法。
[0007]基于客户的需求，如果空调厂家在试验室上对所生产的空调系统进行大量试验来验证客户所需的空调性能会导致浪费水电资源和人力成本增加，并且该验证方法的时间过长。因此，通常使用空调性能预测模型来预测空调系统在不同工况下的性能，该方法不会造成水电资源浪费和人力成本增加，且能较快地得到预测结果。
[0008]在获得空调性能预测模型时，通过试验来获取试验数据，并对这些试验数据进行处理和计算以获得与这些试验数据接近的拟合逼近函数，即获得空调性能预测模型。在现有技术中，在获得空调性能预测模型时，要么获取的试验数据太多，获取的时间太长，导致数据处理成本和时间成本太高，要么获取的试验数据太少，导致获得的空调性能预测模型不精确，从而使得预测数据与实测数据的偏差较大，例如超过5％。
[0009]为了解决以上问题，本专利技术提供了一种预测空调性能的方法和装置，其使用空调
性能预测模型来预测空调系统的性能。在获得空调性能预测模型时，本专利技术对获取的试验数据进行数据增强以得到较大数据量的数据，从而能够进行有效的数据训练以得到精确的空调性能预测模型。本专利技术还通过试验设计来使得进行的试验较少，从而获取的试验数据较少，并且使得获取该较少的试验数据所花费的人力和时间成本较少。进一步地，本专利技术还在获取试验数据时减少等待时间以使得获取所有试验数据所花费的时间较少。
[0010]根据本专利技术的第一个方面，本专利技术提供了一种预测空调性能的方法，包括如下步骤：(1)基于已设计的空调系统选择多个参数，(2)基于所选择的多个参数进行试验以获取该多个参数的数据，(3)对获取的数据进行筛选，(4)对经筛选的数据进行数据增强以获得增加的数据，(5)使用该增加的数据进行训练，以得到确定的空调性能预测模型，以及(6)使用该确定的空调性能预测模型来预测已设计的空调系统的性能。
[0011]根据本专利技术的第一个方面，本专利技术对获取的试验数据进行数据增强以得到较大数据量的数据，因此通过数据增强使得能够在所获取的试验数据较少的情况下得到所需的大量的数据，从而进行有效的数据训练以得到精确的空调性能预测模型。
[0012]根据上述第一个方面，步骤(4)包括：(4
‑
1)针对数个待确定的数据增强模型中的每个，基于经筛选的数据来得到对应的确定的数据增强模型，(4
‑
2)针对每个确定的数据增强模型，生成各自的增加的模型生成数据，(4
‑
3)从该各自的增加的模型生成数据中选择与经筛选的数据的分布吻合度最高的增加的模型生成数据，以得到增加的吻合数据，以及(4
‑
4)将该增加的吻合数据和经筛选的数据进行合并以获得增加的数据。
[0013]根据上述第一个方面，步骤(4
‑
4)包括：从增加的吻合数据中去除与经筛选的数据影响区有重叠的区域的数据，以及将经筛选的数据添加至该增加的吻合数据中。
[0014]根据上述第一个方面，经筛选的数据影响区为偏离经筛选的数据的空间位置预定距离范围内的数据区域。
[0015]根据上述第一个方面，多个数据增强模型包括多元线性回归、多元多项式回归、决策树回归、随机森回归以及支持向量机回归。
[0016]根据上述第一个方面，多个参数包括数个主动调节的参数和被动调节的参数，该被动调节的参数响应于该主动调节的参数而被确定。
[0017]根据本专利技术的第二个方面，本专利技术的上述第一个方面中的步骤(1)包括：试验点去除步骤，该试验点去除步骤包括：基于多个参数中的数个主动调节的参数中的一个或更多个参数将试验分成稠密层和稀疏层，其中针对该稠密层进行较多次试验以获取较多的多个参数的数据，针对该稀疏层进行较少次试验以获取较少的多个参数的数据。
[0018]根据本专利技术的第二个方面，本专利技术在试验设计时通过分层式疏密设计使得能够用尽可能少的试验获取空调性能空间的数据分布特征，从而减少试验成本且减少对预测精度的影响。
[0019]根据上述第二个方面，试验点去除步骤包括基于蒸发器的水流量或风机转速将试验分成稠密层和稀疏层。
[0020]根据上述第二个方面，上述步骤(1)还包括：(1
‑
1)选择待进行试验的多个参数，(1
‑
2)选择该待进行试验的多个参数中的数个参数作为主动调节的参数，(1
‑
3)选择该主动调节的参数中的每个参数的数值范围，以及(1
‑
4)在该数值范围内选择数个离散的数值作为该主动调节的参数中的每个参数的数个档位。
[0021]根据上述第二个方面，进行试验来针对每个参数的数个档位中的每个档位获取每个参数的数据。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种预测空调性能的方法，包括如下步骤：(1)基于已设计的空调系统选择多个参数，(2)基于所选择的多个参数进行试验以获取所述多个参数的数据，(3)对获取的数据进行筛选，(4)对经筛选的数据进行数据增强以获得增加的数据，(5)使用所述增加的数据进行训练，以得到确定的空调性能预测模型，以及(6)使用所述确定的空调性能预测模型来预测所述已设计的空调系统的性能。2.根据权利要求1所述的方法，其特征在于，所述步骤(4)包括：(4
‑
1)针对数个待确定的数据增强模型中的每个，基于所述经筛选的数据来得到对应的确定的数据增强模型，(4
‑
2)针对每个确定的数据增强模型，生成各自的增加的模型生成数据，(4
‑
3)从所述各自的增加的模型生成数据中选择与所述经筛选的数据的分布吻合度最高的增加的模型生成数据，以得到增加的吻合数据，以及(4
‑
4)将所述增加的吻合数据和所述经筛选的数据进行合并以获得所述增加的数据。3.根据权利要求2所述的方法，其特征在于，所述步骤(4
‑
4)包括：从所述增加的吻合数据中去除与经筛选的数据影响区有重叠的区域的数据，以及将所述经筛选的数据添加至所述增加的吻合数据中。4.根据权利要求3所述的方法，其特征在于，所述经筛选的数据影响区为偏离所述经筛选的数据的空间位置预定距离范围内的数据区域。5.根据权利要求2所述的方法，其特征在于，所述多个数据增强模型包括多元线性回归、多元多项式回归、决策树回归、随机森回归以及支持向量机回归。6.根据权利要求1所述的方法，其特征在于，所述多个参数包括数个主动调节的参数和被动调节的参数，所述被动调节的参数响应于所述主动调节的参数而被确定。7.根据权利要求6所述的方法，其特征在于，所述步骤(1)包括：试验点去除步骤，所述试验点去除步骤包括：基于所述多个参数中的所述数个主动调节的参数中的一个或更多个参数将试验分成稠密层和稀疏层，其中针对所述稠密层进行较多次试验以获取较多的所述多个参数的数据，针对所述稀疏层进行较少次试验以获取较少的所述多个参数的数据。8.根据权利要求7所述的方法，其特征在于，所述试验点去除步骤包括：基于蒸发器的水流量或风机转速将试验分成稠密层和稀疏层。9.根据权利要求7所述的方法，其特征在于，所述步骤(1)还包括：(1
‑
1)选择待进行试验的多个参数，(1
‑
2)选择所述待进行试验的多个参数中的数个参数作为所述主动调节的参数，(1
‑
3)选择所述主动调节的参数中的每个参数的数值范围，以及(1
‑
4)在所述数值范围内选择数个离散的数值作为所述主动调节的参数中的所述每个参数的数个档位。10....
【专利技术属性】
技术研发人员：冯占辉，马小魁，王利，常宝军，
申请(专利权)人：江森自控泰科知识产权控股有限责任合伙公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。