一种基于大数据的多联机虚拟传感器数据校正方法、空调器和存储介质技术

本发明专利技术涉及空调技术领域，提供一种基于大数据的多联机虚拟传感器数据校正方法、空调器和存储介质，包括以下步骤：基于获取到的压缩机性能关键参数与压缩机电流值，建立压缩机关键参数与压缩机电流的对应关系；当实时采集到的任一压缩机性能关键参数或压缩机电流值不符合预设的要求，则通过压缩机关键参数与压缩机电流的对应关系推导求得虚拟的压缩机性能关键参数或压缩机电流值；将所述虚拟的压缩机性能关键参数或压缩机电流值替代采集到的任一压缩机性能关键参数或压缩机电流值，避免实体传感器出现故障时影响使用。体传感器出现故障时影响使用。体传感器出现故障时影响使用。

【技术实现步骤摘要】
一种基于大数据的多联机虚拟传感器数据校正方法、空调器和存储介质


[0001]本专利技术涉及空调
，提供一种基于大数据的多联机虚拟传感器数据校正方法、空调器和存储介质。

技术介绍

[0002]多联机是空调系统的一种，其运行的零部件多，运行机理复杂，运行参数多；运行过程如果出现任意传感器失效，则可能导致系统停机故障；传统的做法为，多联机的控制全部基于实体传感器进行，当实体传感器出现故障时，则机组故障保护停机，用户无法正常使用，需要现场确认故障原因，并采用新的配件维修，维修周期较长，影响用户使用；且当检测到任意传感器发生故障时，必须更换新的传感器，维修成本较大。

技术实现思路

[0003]针对上述问题，本专利技术提供一种基于大数据的多联机虚拟传感器数据校正方法、空调器和存储介质，在任意实体传感器出现故障时，可以通过压缩机关键参数与压缩机电流的对应关系推导求得虚拟的压缩机性能关键参数或压缩机电流值，不会造成机器停机，影响使用效果，同时还可以降低故障维修成本。
[0004]本专利技术提供的技术方案如下：
[0005]一种基于大数据的多联机虚拟传感器数据校正方法，包括以下步骤：
[0006]基于获取到的压缩机性能关键参数与压缩机电流值，建立压缩机关键参数与压缩机电流的对应关系；
[0007]当实时采集到的任一压缩机性能关键参数或压缩机电流值不符合预设的要求，则通过压缩机关键参数与压缩机电流的对应关系推导求得虚拟的压缩机性能关键参数或压缩机电流值；将所述虚拟的压缩机性能关键参数或压缩机电流值替代采集到的任一压缩机性能关键参数或压缩机电流值。
[0008]进一步的，其特征在于，所述压缩机关键参数包括吸气过热度、过冷度、压缩机转速、喷气增焓、高压和低压。
[0009]进一步的，所述吸气过热度通过吸气温度和蒸发温度计算求得，吸气过热度SH＝机组检测的压缩机吸气温度
‑
低压侧饱和温度；所述过冷度通过过冷器出口温度和冷凝温度计算求得，过冷度SC＝高压饱和温度
‑
机组检测的冷凝器出口温度。
[0010]进一步的，所述压缩机关键参数包括吸气过热度、过冷度、压缩机转速、喷气增焓、蒸发温度和冷凝温度。
[0011]进一步的，所述建立压缩机关键参数与压缩机电流的对应关系，包括：
[0012]将获取到的压缩机性能关键参数和压缩机电流值分隔为多段区间，得到分段压缩机性能关键参数和分段压缩机电流值；
[0013]基于分段压缩机性能关键参数和分段压缩机电流值之间的对应关系，建立分段压
缩机性能关键参数和分段压缩机电流值关系的多阶矩阵，得到压缩机性能关键参数与压缩机电流的对应关系。
[0014]进一步的，所述多阶矩阵为：
[0015][0016]I为压缩机电流值，SH为吸气过热度，SC为过冷度，RPS为转速，HA为喷气增焓，HP为高压，LP为低压，M为吸气过热度SH分隔的段数；N为过冷度SC分隔的段数；O为转速RPS分隔的段数；P为喷气增焓HA分隔的段数；Q为高压HP分隔的段数；R为低压LP分隔的段数。
[0017]进一步的，所述当实时采集到的任一压缩机性能关键参数或压缩机电流值不符合预设的要求，具体为：当实时采集到的任一压缩机性能关键参数或压缩机电流值为空值，则判定不符合预设的要求。
[0018]本专利技术还提供一种基于大数据的多联机虚拟传感器数据校正装置，包括：
[0019]获取模块，用于获取压缩机性能关键参数与压缩机电流值；
[0020]处理模块，用于基于获取到的压缩机性能关键参数与压缩机电流值，建立压缩机关键参数与压缩机电流的对应关系；当实时采集到的任一压缩机性能关键参数或压缩机电流值不符合预设的要求，则通过压缩机关键参数与压缩机电流的对应关系推导求得虚拟的压缩机性能关键参数或压缩机电流值；将所述虚拟的压缩机性能关键参数或压缩机电流值替代采集到的任一压缩机性能关键参数或压缩机电流值。
[0021]本专利技术还提供一种空调器，包括处理器及存储介质；
[0022]所述存储介质用于存储指令；
[0023]所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
[0024]本专利技术还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
[0025]有益效果
[0026]本专利基于压缩机基本运行原理，分析吸气过热度、过冷度、压缩机转速、喷气增焓、高压、低压与压缩机电流的关系，并基于大数据的自学习，通过建立矩阵模型，建立吸气过热度、过冷度、压缩机转速、喷气增焓、高压、低压、压缩机电流间的对应关系；当吸气过热度；过冷度，压缩机转速，喷气增焓，高压，低压，任意实体传感器出现故障时，则可以通过该传感器的虚拟传感器值替补，不会造成机器停机，影响使用效果，同时还可以降低故障维修成本。
附图说明
[0027]图1为压缩机性能曲线(纵轴分别为压缩机流量、电流和功率；横轴为温度)。
具体实施方式
[0028]实施例1
[0029]一种基于大数据的多联机虚拟传感器数据校正方法，包括以下步骤：
[0030]基于获取到的压缩机性能关键参数与压缩机电流值，建立压缩机关键参数与压缩机电流的对应关系；
[0031]当实时采集到的任一压缩机性能关键参数或压缩机电流值不符合预设的要求，则通过压缩机关键参数与压缩机电流的对应关系推导求得虚拟的压缩机性能关键参数或压缩机电流值；将所述虚拟的压缩机性能关键参数或压缩机电流值替代采集到的任一压缩机性能关键参数或压缩机电流值。
[0032]所述建立压缩机关键参数与压缩机电流的对应关系，包括：
[0033]将获取到的压缩机性能关键参数和压缩机电流值分隔为多段区间，得到分段压缩机性能关键参数和分段压缩机电流值；
[0034]基于分段压缩机性能关键参数和分段压缩机电流值之间的对应关系，建立分段压缩机性能关键参数和分段压缩机电流值关系的多阶矩阵，得到压缩机性能关键参数与压缩机电流的对应关系。
[0035]实施例2
[0036]图1为压缩机的性能曲线，通过图1曲线可以看出，当吸气过热度SH、过冷度SC、转速RPS、喷气增焓HA、高压HP、低压LP确定后，可以有唯一的压缩机电流值I；通过此原理，可以建立吸气过热度SH、过冷度SC、转速RPS、喷气增焓HA、高压HP、低压LP与压缩机电流I的线性关系，并基于大数据学习，实现吸气过热度SH、过冷度SC、转速RPS、喷气增焓HA、高压HP、低压LP参数间的求导；
[0037]其中：吸气过热度SH＝机组检测的压缩机吸气温度
‑
低压侧饱和温度；压缩机吸气温度通过压缩机吸气口感温包测量得到；低压侧饱和温度通过低压传感器测量低压值，转换为对应的饱和温度；
[0038]过冷度SC＝高压饱和温度
‑
机组检测的冷凝器出口温度；高压侧饱和温度通过高压传感器测量高压值，转换本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的多联机虚拟传感器数据校正方法，其特征在于，包括以下步骤：基于获取到的压缩机性能关键参数与压缩机电流值，建立压缩机关键参数与压缩机电流的对应关系；当实时采集到的任一压缩机性能关键参数或压缩机电流值不符合预设的要求，则通过压缩机关键参数与压缩机电流的对应关系推导求得虚拟的压缩机性能关键参数或压缩机电流值；将所述虚拟的压缩机性能关键参数或压缩机电流值替代采集到的任一压缩机性能关键参数或压缩机电流值。2.根据权利要求1所述的基于大数据的多联机虚拟传感器数据校正方法，其特征在于，所述压缩机关键参数包括吸气过热度、过冷度、压缩机转速、喷气增焓、高压和低压。3.根据权利要求1所述的基于大数据的多联机虚拟传感器数据校正方法，其特征在于，所述吸气过热度通过吸气温度和蒸发温度计算求得，吸气过热度SH＝机组检测的压缩机吸气温度
‑
低压侧饱和温度；所述过冷度通过过冷器出口温度和冷凝温度计算求得，过冷度SC＝高压饱和温度
‑
机组检测的冷凝器出口温度。4.根据权利要求1所述的基于大数据的多联机虚拟传感器数据校正方法，其特征在于，所述压缩机关键参数包括吸气过热度、过冷度、压缩机转速、喷气增焓、蒸发温度和冷凝温度。5.根据权利要求2所述的基于大数据的多联机虚拟传感器数据校正方法，其特征在于，所述建立压缩机关键参数与压缩机电流的对应关系，包括：将获取到的压缩机性能关键参数和压缩机电流值分隔为多段区间，得到分段压缩机性能关键参数和分段压缩机电流值；基于分段压缩机性能关键参数和分段压缩机电流值之间的对应关系，建立分段压缩机性能关键参数和分段压缩机电流值关系的多阶矩阵...

【专利技术属性】
技术研发人员：许浩，杨亚华，易博，
申请(专利权)人：南京天加环境科技有限公司，
类型：发明
国别省市：