效能预测方法与流程

本发明是关于一种效能预测方法，能根据感测元件检测到的数据，建立比对数据库，进而在空调设备实际运行时，分析并推断其衰退率。

背景技术：

在时下各类空调设备(如：冰水主机、热泵主机、空气热交换调节设备、冷却水塔)中，空调设备在与外界环境进行热交换的过程中，其使用效能会随着时间慢慢衰退，此衰退原因是因为空气中的粉尘粒子或其它污染物，会随着外界流体(气体或液体)一并进入空调设备的热交换器表面，之后再随着运转时间的累积，形成污垢进而影响空调设备的热交换效果。

由于，污垢的累积不仅会降低热交换效果，更会造成能耗增加、空调性能不如预期等问题，因此，传统作法上，使用者必须定期对空调设备进行保养，或者，通过感测元件判断空调设备的性能。然而，前述作法皆是由保养人员定期进行检测、或定期根据感测元件检测到的数据进行整理分析，始能找出衰退的元件并加以替换，在实施上不仅繁复，且亦缺乏即时性。

因此，本发明的技术目的，即是设计出一种崭新的效能预测方法，能根据感测元件侦测的信号，即时分析，并精确地判断出空调设备的衰退程度。

技术实现要素：

本发明的目的在于提供一种能估算出空调设备的衰退程度，以利于使用者能即时对空调设备进行保养的效能预测方法。

本发明的一方面是提供一种效能预测方法，其应用于空调系统中，空调系统至少包括空调设备及中央服务器，空调设备上设有多个感测元件，能检测出空调设备的多种物理参数及效能值；中央服务器能以有线或无线的方式与多个感测元件相连接，效能预测方法包括：中央服务器每隔一个预定期间，即接收多个感测元件传来的物理参数及效能值，并分别储存为一组第一参数集及第一效能值；中央服务器根据储存的每一组第一参数集及对应的第一效能值，建立比对数据库；中央服务器再次接收多个感测元件传来的物理参数及效能值，储存为第二参数集及第二效能值；中央服务器利用余弦相似定理，计算第二参数集与比对数据库内的每一组第一参数集的相似度；中央服务器筛选出相似度大于筛选门槛的多个第一参数集，并根据筛选出的多个第一参数集的多个第一效能值，计算出预期效能值；及中央服务器计算预期效能值及第二效能值之间的误差值，以判断空调系统的效能衰退程度。

在本发明的一实施例中，还包括当误差值超过衰退门槛时，中央服务器能产生警告信息。

在本发明的一实施例中，还包括中央服务器在筛选出的多个第一参数集后，将对应的多个第一效能值进行平均，以计算出预期效能值。

在本发明的一实施例中，还包括筛选门槛的数值为0.8～0.95之间。

在本发明的一实施例中，还包括当误差值超过提醒门槛，但尚未超过衰退门槛时，中央服务器能产生保养信息。

在本发明的一实施例中，还包括中央服务器在计算出误差值时，会同时纪录对应的时间参数。

在本发明的一实施例中，还包括中央服务器每隔一个间隔时间，即会执行效能预测方法，以取得多组多个误差值及多个时间参数，且中央服务器能根据多个误差值及多个时间参数，依据时间顺序，产生衰退预测线。

在本发明的一实施例中，还包括中央服务器能根据衰退预测线，计算出衰退预测线对应至提醒门槛的预估时间点。

在本发明的一实施例中，还包括在预估时间点与当前时间的差距小于临界值的情况下，中央服务器能产生保养预告信息。

在本发明的一实施例中，物理参数包括温度、流量或湿度，且效能值为耗电量或热交换效率。

通过前述技术特征，由于中央服务器能依据比对数据库内的第一参数集，估算出第二参数集的预期效能值，故，中央服务器仅需比对预期效能值与第二效能值，即可根据误差值，推算出效能衰退程度，供使用者即时进行保养或更换。

附图说明

为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说明如下：

图1是本发明的效能预测方法所应用的空调系统示意图；

图2是本发明的效能预测方法的流程图；及

图3是本发明的效能预测方法所形成的图表示意图。

具体实施方式

在本文中，当一个元件被称为“连接”或“耦接”时，可指“电气连接”或“电气耦接”，“连接”或“耦接”也可用以表示二个或多个元件之间相互搭配操作或互动。此外，虽然本文中使用“第一”、“第二”、…等用语描述不同元件或参数名称，该用语仅是用以区别以相同技术用语描述的元件或操作。除非上下文清楚指明，否则该用语并非特别指称或暗示次序或顺位，也非用以限定本发明。

本发明是提供一种效能预测方法，请参阅图1所示，是本发明的方法所应用的空调系统1，空调系统1至少包括空调设备11及中央服务器12，空调设备11上设有多个感测元件110，能检测出空调设备11的多种物理参数及效能值。

在一实施例中，多个感测元件110可包括温度感测元件111、湿度感测元件112、压力感测元件113、流量感测元件114及效能感测元件115，感测元件111～114能分别侦测温度、湿度、气体或液体压力、气体或液体流量等物理参数，效能感测元件115则能用以检测空调设备11的效能，如耗电量、热交换功率等。

本发明中，多个感测元件110的类型与数量并不以图1绘制者为限，而需视空调设备11的实际类型而定。兹以常见的五种空调设备类型为例说明如下：

(1)水冷式冰水主机、水对水热泵：此类空调设备中，感测元件包括温度感测元件、流量感测元件及电力检测元件，能分别检测高低压端的进出水温及流量，并能计算耗电量。

(2)气冷式冰水主机：此类空调设备中，感测元件包括温度感测元件、液体流量感测元件、气体流量感测元件及电力检测元件，能分别检测高压端进/出气流温度、气体流量、低压端进/出水温、液体流量、与设备耗电量。

(3)空气对水热泵：此类空调设备中，感测元件包括温度感测元件、气体流量感测元件及电力检测元件，能分别检测低压端进/出气流温度、气体流量、高压端进/出水温、液体流量、与设备耗电量。

(4)空气调节设备：此类空调设备中，感测元件包括温度感测元件、湿度感测元件、气体流量感测元件、液体流量感测元件，能分别检测进出口端温度/湿度、气体流量、盘管端进/出水温与液体流量，且能计算出热交换率。

(5)冷却水塔：此类空调设备中，感测元件包括温度感测元件、湿度感测元件、气体流量感测元件、液体流量感测元件，能分别检测进出口端温度/湿度、气体流量、水塔端进/出水温与液体流量，且能计算出热交换量。

中央服务器12能以有线或无线的方式与多个感测元件110相连接，在一实施例中，中央服务器12包括相互连线的中央监控电脑121及优化系统电脑122，中央监控电脑121即为传统用于控制空调设备11启闭的管理中心，本发明则是在传统架构上，增设优化系统电脑122，以实现本发明的效能预测方法。优化系统电脑122能用以处理数据运算及分析，以降低中央监控电脑的运行负荷。

请参阅图1～图2所示，兹说明本发明的步骤流程如下：首先，在步骤s201中，中央服务器12内的中央监控电脑121，能每隔一个预定期间(如：每小时)，接收多个感测元件110传来的各个物理参数及效能值，并分别储存为一组第一参数集及第一效能值，如下表所示：

[x11x12x13……x1ny1]

[x21x22x23……x2ny2]

[x31x32x33……x3ny3]

在上表中，x11～x1n代表“第一组”第一参数集，代表同一时间或同一时间区段中，接收到的各类物理参数所形成的向量数据，y1则为对应于“第一组”第一参数集的第一效能值。同理，x21～x2n代表“第二组”第一参数集，y2则为对应于“第二组”第一参数集的第一效能值。在步骤s202中，中央服务器12根据储存的每一组第一参数集及对应的第一效能值，建立比对数据库d1(即，上表所示的矩阵)，比对数据库d1内的数据数据，能完整地反应出空调设备11在不同的运行状态下(即，不同物理参数中)，应有的效能值。

中央监控电脑121可通过内部储存的检测规则，判断比对数据库d1的数据是否已经足够，例如：数据是否涵盖高温、低温等各季节天气？检测规则能包括多笔条件范围(如：不同气温、不同湿度、不同流量等)，当多个第一参数集满足所有条件范围时，即可视为数据已搜集齐全；或者，检测规则可为底限值，例如：当多个第一参数集的数量超过100笔时，即视为数据已搜集齐全。

在步骤s203中，当比对数据库d1建立完成后，即完成效能预测方法的前置程序，接着，空调设备11正式开始运行后，中央服务器12能再次接收多个感测元件110传来的各种物理参数及效能值，储存为第二参数集及第二效能值，如下表所示：

[xn1xn2xn3……xnnyn]

在上表中，xn1～xnn为第二参数集，能反应出空调设备11当前的运行状态，yn为对应于第二参数集的第二效能值，能反映出空调设备11当前的运行效能，在步骤s204中，中央服务器12内的优化系统电脑122能取得中央监控电脑11内所储存的第一参数集及第二参数集，利用余弦相似定理(如下所示，其中a、b系分别代入第一参数集及第二参数集)，计算第二参数集与每一组第一参数集的相似度。

由于，比对数据库d1系涵盖了各种情况下的数据数据(如：不同气温、湿度、季节下的运行状态)，故，在步骤s205中，在预测效能前，优化系统电脑122尚会筛选出相似度大于筛选门槛的第一参数集，筛选门槛可由业者自行设定，较佳的是设于0.8～0.95之间。接着，在步骤s206中，根据筛选出的第一参数集的第一效能值，计算出预期效能值，以本实施例为例，若筛选出两笔第一效能值(例如：80、84)，则计算这两笔第一效能值的平均值(如：82)，以作为预期效能值，但在其他实施例中，也可以中位数或其他公式计算出预期效能值。

最后，在步骤s207中，优化系统电脑122计算预期效能值及第二效能值之间的误差值，以判断空调系统的效能衰退程度，例如：预期效能值为82、第二效能值为78，则误差率约为5％。此误差率即可反映出空调设备11的衰退率。

请参阅图1～图3所示，中央服务器12能根据计算出的误差率，判断是否需要发出警告，在一实施例中，若优化系统电脑122判断出当前计算出的误差率，已超过衰退门槛时(如：10％)，中央服务器12的优化系统电脑122能产生警告信息，通知中央监控电脑121或其他控制终端，以即时对空调设备11进行保养。

承上，若优化系统电脑122判断当前的误差率，已超过提醒门槛(如：8％)，但尚未超过衰退门槛t1时，优化系统电脑122能产生保养信息，提醒业者需注意衰退率，并自行选择是否要提前保养。

在一实施例中，优化系统电脑122能定期接收多个感测元件110传来的物理参数及效能值，以定期计算出误差率，且会同时纪录对应的一时间参数，以制成图表。如图3所示，由于中央服务器12的优化系统电脑122能每隔一个间隔时间，自动执行本发明的效能预测方法，因此，在取得多组误差值及时间参数后(如：图3所示的多个检测点p1～p4，是分别在四个时间点t1～t4时检测取得)，中央服务器12的优化系统电脑122将能根据多个误差值及时间参数，依据时间顺序，产生衰退预测线。

中央服务器12的优化系统电脑122能根据衰退预测线，计算出衰退预测线对应至提醒门槛的预估时间点，例如：检测点p1、p2分别对应于误差率1％、5％，则优化系统电脑122可根据检测点p1、p2的时间差距，以及根据衰退预测线的曲率或斜率，估计出误差率达提醒门槛(如：8％)时的预估时间点(如：两周后)，若优化系统电脑12判断出预估时间点与当前时间的差距小于临界值(如：一个月)，则将能产生保养预告信息，以提醒使用者。

虽然本发明内容已以实施方式公开如上，然其并非用以限定本发明内容，任何所属领域的一般技术人员，在不脱离本发明内容的精神和范围内，当可作各种更动与润饰，因此本发明的保护范围当视权利要求所界定的为准。