空调系统及其能需调整方法与装置与流程

本发明涉及空调技术领域，尤其涉及一种空调系统、一种空调系统的能需调整方法和一种空调系统的能需调整装置。

背景技术

相关技术中，在旧工程改造、连接第三方内机以及内机运行时间太长的情况下，空调系统通常按照空调系统设定的原有能需控制参数运行。但是，本申请发明人发现相关技术存在如下问题，由于风机老化、换热器脏堵、或第三方内机在相同容量下的换热器形式、内容积以及风机风量等参数发生变化，因此，可能导致内机实际运行能需与内机计算能需存有明显的差异，进而导致空调系统设定的原有能需控制参数失效或与实际工况不匹配，致使空调系统运行不稳定或需要较长时间才能达到稳定工作状态，同时，还可能引起出风口凝露、制冷能力不足等问题。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种空调系统的能需调整方法，以实现对内机能需进行自调整，提升空调系统的控制可靠性与用户使用舒适性。

本发明的第二个目的在于提出一种空调系统的能需调整装置。

本发明的第二个目的在于提出一种空调系统。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出的一种空调系统的能需调整方法包括以下步骤：确定送风温度预测模型；在空调系统进入能需确定模式之后，采集所述空调系统的送风温度以及与所述送风温度预测模型相关的状态参数；获取当前预设能需值，并根据所述当前预设能需值、与所述送风温度预测模型相关的状态参数以及所述送风温度预测模型计算预测送风温度；判断所述预测送风温度与采集到的送风温度的差值是否小于预设阈值；如果所述预测送风温度与采集到的送风温度的差值小于所述预设阈值，则确定所述空调系统的内机能需为所述当前预设能需值。

根据本发明实施例的空调系统的能需调整方法，先确定送风温度预测模型，并在空调系统进入能需确定模式之后，采集空调系统的送风温度以及与送风温度预测模型相关的状态参数，同时，获取当前预设能需值，并根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度，进而判断预测送风温度与采集到的送风温度的差值是否小于预设阈值，如果预测送风温度与采集到的送风温度的差值小于预设阈值，则确定空调系统的内机能需为当前预设能需值。由此，根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

另外，根据本发明上述实施例提出的空调系统的能需调整方法还可以具有如下附加的技术特征：

根据本发明的一个实施例，如果所述预测送风温度与采集到的送风温度的差值大于或等于所述预设阈值，则对所述当前预设能需值进行调整以获取调整后的预设能需值；其中，在获取到调整后的预设能需值之后，还根据调整后的预设能需值、与所述送风温度预测模型相关的状态参数以及所述送风温度预测模型重新计算预测送风温度，并判断重新计算的预测送风温度与采集到的送风温度的差值是否小于预设阈值。

根据本发明的一个实施例，所述与所述送风温度预测模型相关的状态参数包括冷媒进入温度、冷媒出口温度、换热器中间冷媒温度、回风温度和风档中的至少一个。

根据本发明的一个实施例，在所述空调系统进入所述能需确定模式之后，还包括：控制所述空调系统以预设频率运行且稳定运行第一预设时间；或者，控制所述空调系统以预设频率运行且运行时间达到第二预设时间。

根据本发明的一个实施例，所述确定送风温度预测模型包括：确定m个实验数据样本，其中，每个所述实验数据样本包括送风温度数据、空调系统的状态参数数据以及内机能需数据；对所述m个实验数据样本进行归一化处理；在归一化处理后，从所述m个实验数据样本中提取α％×m个实验数据样本以构造训练样本，并从剩余的(1-α％)×m个实验数据样本中提取β％×m个实验数据样本以构造检验样本；对所述训练样本进行多元回归分析，以获得多元回归模型；根据所述检验样本对所述多元回归模型进行校验，并获取所述多元回归模型的误差；当所述误差小于预设误差阈值时，确定所述送风温度预测模型为所述多元回归模型；当所述误差大于或等于所述预设误差阈值时，则在所述m个实验数据样本的基础上增加n个实验数据样本。

为达到上述目的，本发明第二方面实施例提出的一种空调系统的能需调整装置包括：模型确定模块，用于确定送风温度预测模型；采集模块，用于在空调系统进入能需确定模式之后，采集所述空调系统的送风温度以及与所述送风温度预测模型相关的状态参数；计算模块，用于获取当前预设能需值，并根据所述当前预设能需值、与所述送风温度预测模型相关的状态参数以及所述送风温度预测模型计算预测送风温度；判断模块，用于判断所述预测送风温度与采集到的送风温度的差值是否小于预设阈值；能需确定模块，用于在所述预测送风温度与采集到的送风温度的差值小于所述预设阈值时，确定所述空调系统的内机能需为所述当前预设能需值。

根据本发明实施例的空调系统的能需调整装置，通过模型确定模块确定送风温度预测模型，并在空调系统进入能需确定模式之后，通过采集模块采集空调系统的送风温度以及与送风温度预测模型相关的状态参数，同时，通过计算模块获取当前预设能需值，并根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度，进而通过该判断模块，判断预测送风温度与采集到的送风温度的差值是否小于预设阈值，并在预测送风温度与采集到的送风温度的差值小于预设阈值时，通过能需确定模块确定空调系统的内机能需为当前预设能需值。由此，根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

另外，根据本发明上述实施例提出的空调系统的能需调整装置还可以具有如下附加的技术特征：

根据本发明的一个实施例，所述能需确定模块还用于，在所述预测送风温度与采集到的送风温度的差值大于或等于所述预设阈值时，对所述当前预设能需值进行调整以获取调整后的预设能需值；其中，所述计算模块在获取到调整后的预设能需值之后还根据调整后的预设能需值、与所述送风温度预测模型相关的状态参数以及所述送风温度预测模型重新计算预测送风温度，所述判断模块还判断重新计算的预测送风温度与采集到的送风温度的差值是否小于预设阈值。

根据本发明的一个实施例，所述与所述送风温度预测模型相关的状态参数包括冷媒进入温度、冷媒出口温度、换热器中间冷媒温度、回风温度和风档中的至少一个。

根据本发明的一个实施例，所述的空调系统的能需调整装置还包括：处理模块，用于在所述空调系统进入所述能需确定模式之后，控制所述空调系统以预设频率运行且稳定运行第一预设时间，或者控制所述空调系统以预设频率运行且运行时间达到第二预设时间。

根据本发明的一个实施例，所述模型确定模块包括：样本确定单元，用于确定m个实验数据样本，其中，每个所述实验数据样本包括送风温度数据、空调系统的状态参数数据以及内机能需数据；处理单元，用于对所述m个实验数据样本进行归一化处理；提取单元，用于在归一化处理后从所述m个实验数据样本中提取α％×m个实验数据样本以构造训练样本，并从剩余的(1-α％)×m个实验数据样本中提取β％×m个实验数据样本以构造检验样本；分析单元，用于对所述训练样本进行多元回归分析，以获得多元回归模型；检验单元，根据所述检验样本对所述多元回归模型进行校验，并获取所述多元回归模型的误差，以及在所述误差小于预设误差阈值时，确定所述送风温度预测模型为所述多元回归模型，并在所述误差大于或等于所述预设误差阈值时，则在所述m个实验数据样本的基础上增加n个实验数据样本。

为达到上述目的，本发明第三方面实施例提出的空调系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空调系统的能需调整方法对应的程序，其中，所述空调系统的能需调整方法对应的程序被所述处理器执行时实现上述的空调系统的能需调整方法。

根据本发明实施例的空调系统，处理器运行存储器上存储的空调系统的能需调整方法对应的程序，能够根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

为达到上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的空调系统的能需调整方法。

根据本发明实施例提出的非临时性计算机可读存储介质，通过执行其上存储的与上述空调系统的能需调整方法对应的程序，能够根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的空调系统的能需调整方法的流程示意图；

图2为根据本发明一个具体实施例的空调系统的能需调整方法的流程示意图；

图3为根据本发明一个实施例的确定送风温度预测模型的流程示意图；

图4为根据本发明一个具体实施例的送风温度预测模型的流程示意图；

图5为根据本发明一个具体实施例的送风温度与送风温度预测值的示意图；

图6为根据本发明一个具体实施例的送风温度预测模型的计算误差的示意图；

图7为根据本发明一个实施例的空调系统的能需调整系统的方框示意图；

图8为根据本发明另一个实施例的模型确定模块的方框示意图；

图9为根据本发明实施例的空调系统的方框示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的空调系统及其能需调整方法与装置。

图1为根据本发明实施例的空调系统的能需调整方法的流程示意图。

如图1所示，空调系统的能需调整方法包括以下步骤：

s101，确定送风温度预测模型。

s102，在空调系统进入能需确定模式之后，采集空调系统的送风温度以及与送风温度预测模型相关的状态参数。

也就是说，当用户在开启空调系统前，如果用户选择能需确定模式，则采集空调系统的送风温度以及与送风温度预测模型相关的状态参数，如果用户未选择能需确定模式，则正常开启空调系统。

进一步地，根据本发明的一个实施例，与送风温度预测模型相关的状态参数可包括冷媒进入温度、冷媒出口温度、换热器中间冷媒温度、回风温度和风档中的至少一个。

可以理解的是，冷媒进入温度、冷媒出口温度、换热器中间冷媒温度分别指的是室内换热器的冷媒进入温度、室内换热器的冷媒出口温度、室内换热器的中间冷媒温度。

s103，获取当前预设能需值，并根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度。

也就是说，可根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度，其中，当前预设能需值可根据计算预测送风温度与采集到的送风温度的差值来进行相应的调整。

s104，判断预测送风温度与采集到的送风温度的差值是否小于预设阈值。

举例而言，预测送风温度为t,pre，采集到的送风温度为t,test，则送风温度与采集到的送风温度的差值为|t,test-t,pre|，其中，预设阈值ε可根据空调系统实际情况运行下所允许的最大误差来进行相应的标定。

s105，如果预测送风温度与采集到的送风温度的差值小于预设阈值，则确定空调系统的内机能需为当前预设能需值。

也就是说，如果送风温度与采集到的送风温度的差值|t,test-t,pre|小于预设阈值ε，即|t,test-t,pre|<ε，则确定空调系统的内机能需为当前预设能需值。

需要说明的是，内机能需指的是空调系统对内机的输出能力需求，当确定空调系统的内机能需为当前预设能需值时，可认为该内机满足空调系统对内机的输出能力需求。

进一步地，根据本发明的一个实施例，如果预测送风温度与采集到的送风温度的差值大于或等于预设阈值，则对当前预设能需值进行调整以获取调整后的预设能需值，其中，在获取到调整后的预设能需值之后，还根据调整后的预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型重新计算预测送风温度，并判断重新计算的预测送风温度与采集到的送风温度的差值是否小于预设阈值。

也就是说，如果预测送风温度与采集到的送风温度的差值|t,test-t,pre|大于或等于预设阈值ε时，即|t,test-t,pre|≥ε，则对当前预设能需值进行调整，其中，还根据调整后的预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型重新计算预测送风温度，并判断重新计算的预测送风温度与采集到的送风温度的差值是否小于预设阈值，直至调整后的预设能需值满足预测送风温度与采集到的送风温度的差值小于预设阈值。

举例而言，可先将当前预设能需值初始化为a1，并根据当前预设能需值a1、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度，得到预测送风温度b1，进而判断预测送风温度b1与采集到的送风温度的差值是否小于预设阈值，如果预测送风温度与采集到的送风温度的差值大于预设阈值，则将当前预设能需值从a1调整到a2，并再次根据调整后的预设能需值a2、与送风温度预测模型相关的状态参数以及送风温度预测模型重新计算预测送风温度，重新得到预测送风温度b2，并判断重新计算的预测送风温度b2与采集到的送风温度的差值是否小于预设阈值，如果预测送风温度与采集到的送风温度的差值小于预设阈值，则确定空调系统的内机能需为当前预设能需值a2。

进一步地，根据本发明的一个实施例，在空调系统进入能需确定模式之后，还包括：控制空调系统以预设频率运行且稳定运行第一预设时间；或者，控制空调系统以预设频率运行且运行时间达到第二预设时间。

可以理解的是，在空调系统进入能需确定模式之后，需要控制空调系统以预设频率运行且稳定运行第一预设时间；或者，控制空调系统以预设频率运行且运行时间达到第二预设时间，确保空调系统进入稳定工作的正常运行状态。

具体地，如图2所示，根据本发明的一个具体实施例，上述空调系统的能需调整方法实现以下步骤：当空调系统启动时，执行步骤s201。

s201，判断是否接收到能需确认信号，如果是，则执行步骤s202；如果否，则执行结束。

s202，锁定空调系统的预设频率。

s203，控制空调系统以预设频率运行第一预设时间或控制空调系统以预设频率运行且运行时间到达第二预设时间。

s204，采集空调系统的送风温度以及与送风温度预测模型相关的状态参数。

s205，初始化当前预设能需值。

s206，根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度。

s207，判断预测送风温度与采集到的送风温度的差值是否小于预设阈值，如果是，则执行步骤s208，如果否，则执行步骤s209。

s208，确定空调系统的内机能需为当前预设能需值。

s209，调整当前预设能需值，并执行步骤s206。

进一步地，如图3所示，根据本发明的一个实施例，上述确定送风温度预测模型包括以下步骤：

s301，确定m个实验数据样本，其中，每个实验数据样本包括送风温度数据、空调系统的状态参数数据以及内机能需数据。

需要说明的是，如表1所示，空调的系统状态参数数据可包括室内换热器的冷媒进入温度x1、室内换热器的冷媒出口温度x2、室内换热器的中间冷媒温度x3、回风温度x4、内机能需值x5、风挡x6、上一时刻室内换热器的冷媒进入温度x7、上一时刻室内换热器的冷媒出口温度x8、上一时刻室内换热器的中间冷媒温度x9、上一时刻回风温度x10、上一时刻送风温度x11(预测值)等。

表1

其中，室内换热器的冷媒进入温度x1、室内换热器的冷媒出口温度x2、室内换热器的中间冷媒温度x3、回风温度x4可通过温度传感器获取，内机能需值x5、风挡x6、上一时刻室内换热器的冷媒进入温度x7、上一时刻室内换热器的冷媒出口温度x8、上一时刻室内换热器的中间冷媒温度x9和上一时刻回风温度x10可通过空调系统控制器获得，上一时刻送风温度x11(预测值)可通过送风温度预测模型计算获得。

s302，对m个实验数据样本进行归一化处理。

具体地，在对m个实验数据样本进行归一化处理之前，需要对m个实验数据样本的个数m0及需要增加的样本个数n进行初始化处理，其中，增加的样本个数n初始化为零。

进一步地，当实验数据的样本数满足m个实验数据样本的个数m0时，对m0个实验数据样本进行归一化处理，即m0个实验数据样本值统一至同一度量单位内，便于训练与校验。

s303，在归一化处理后，从m个实验数据样本中提取α％×m个实验数据样本以构造训练样本，并从剩余的(1-α％)×m个实验数据样本中提取β％×m个实验数据样本以构造检验样本。

也就是说，通过将m0个实验数据样本分别提取为α％×m0个的训练样本，以及m0×β％个的检验样本，对送风温度预测模型进行分析计算与校验。

需要说明的是，α与β可任意设置，其中，β不能过小，确保有足够数量的校验样本进行多元回归分析，从而确保送风温度预测模型校验的准确度。

s304，对训练样本进行多元回归分析，以获得多元回归模型。

可以理解的是，将空调系统的温度设为因变量y，空调的系统状态参数数据和内机能需数据设为自变量x1、x2、…、xn，可获得多元回归方程y＝ε0+ε1·x1+ε2·x2+….+εn·xn，并将按照比例提取α％×m0个的训练样本通过类似矩阵计算来计算出自变量x1、x2、…、xn的系数ε1、ε2、…、εn。其中，n大于1。

s305，根据检验样本对多元回归模型进行校验，并获取多元回归模型的误差。

也就是说，通过将m0×β％个的检验样本代入至多元回归方程，获取多元回归模型的误差θ，即实际送风温度与送风温度预测值的差值。

s306，当误差小于预设误差阈值时，确定送风温度预测模型为多元回归模型。

也就是说，如果误差θ小于预设误差阈值ξ时，确定送风温度预测模型为多元回归模型。

s307，当误差大于或等于预设误差阈值时，则在m个实验数据样本的基础上增加n个实验数据样本。

也就是说，如果误差θ大于或等于预设误差阈值ξ时，则实验数据样本数量m＝m0+n，其中，n可根据实际计算误差θ与误差阈值ξ的差值来进行相应的设定。

举例而言，根据本发明的一个具体实施例，将送风温度y作为多元回归方程的因变量，将室内换热器的冷媒进入温度x1、室内换热器的冷媒出口温度x2、室内换热器的中间冷媒温度x3、回风温度x4以及当前预设能需值x5作为多元回归方程的自变量，即假设多元回归方程为y＝ε0+ε1·x1+ε2·x2+ε3·x3+ε4·x4+ε5·x5。

具体地，实验样本数据值如表2所示：

表2

根据如表2所示的实验样本数据可求得y＝-3.8841172169081-3.8841172169081x1+0.543407068248543x2+0.373026318127632x3+0.20128670841994x4+0.0103436792103981x5。

在本发明具体实施例中，如图4-5所示，通过将实际送风温度与送风温度预测值进行比较并绘制成线性关系，可得出误差θ为±3℃。

由此，基于实验数据及多元回归分析可以确定出送风温度预测模型，通过将大量实验数据进行系统地的多元回归分析，可提高送风温度预测模型的准确性，进而大幅度提高空调系统控制的精确性，并降低成本。

具体地，如图6所示，根据本发明的一个具体实施例，上述确定送风温度预测模型实现以下步骤：

s401，确定预测模型，并筛选自变量。

s402，初始化基本样本个数m0及增加样本个数n。

s403，采集m＝m0+n个样本，并进行归一化处理。

s404，将m＝m0+n个样本分为α％×m个随机样本和β％×m个训练样本。

s405，对α％×m个随机样本进行多元回归分析，获取多元回归方程。

s406，通过β％×m个训练样本代入多元回归方程，判断多元回归方程误差θ是否小于误差阈值ξ，如果是，则执行步骤s407；如果否，则执行步骤s408。

s407，确定获取多元回归方程为送风温度预测模型。

s408，增加样本个数n，并执行步骤s403。

综上，根据本发明实施例的空调系统的能需调整方法，先确定送风温度预测模型，并在空调系统进入能需确定模式之后，采集空调系统的送风温度以及与送风温度预测模型相关的状态参数，同时，获取当前预设能需值，并根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度，进而判断预测送风温度与采集到的送风温度的差值是否小于预设阈值，如果预测送风温度与采集到的送风温度的差值小于预设阈值，则确定空调系统的内机能需为当前预设能需值。由此，根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

图7为根据本发明实施例的空调系统的能需调整装置方框示意图。如图7所示，空调系统的能需调整装置100包括：模型确定模块1、采集模块2、计算模块3、判断模块4和能需确定模块5。

其中，模型确定模块1用于确定送风温度预测模型；采集模块2用于在空调系统进入能需确定模式之后，采集空调系统的送风温度以及与送风温度预测模型相关的状态参数；计算模块3用于获取当前预设能需值，并根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度；判断模块4用于判断预测送风温度与采集到的送风温度的差值是否小于预设阈值；能需确定模块5用于在预测送风温度与采集到的送风温度的差值小于预设阈值时，确定空调系统的内机能需为当前预设能需值。

具体地，如图8所示，根据本发明的一个实施例，模型确定模块1包括：样本确定单元11、处理单元12、提取单元13、分析单元14和检验单元15。

其中，样本确定单元11用于确定m个实验数据样本，其中，每个实验数据样本包括送风温度数据、空调系统的状态参数数据以及内机能需数据；处理单元12用于对m个实验数据样本进行归一化处理；提取单元13用于在归一化处理后从m个实验数据样本中提取α％×m个实验数据样本以构造训练样本，并从剩余的(1-α％)×m个实验数据样本中提取β％×m个实验数据样本以构造检验样本；分析单元14用于对训练样本进行多元回归分析，以获得多元回归模型；检验单元15根据检验样本对多元回归模型进行校验，并获取多元回归模型的误差，以及在误差小于预设误差阈值时，确定送风温度预测模型为多元回归模型，并在误差大于或等于预设误差阈值时，则在m个实验数据样本的基础上增加n个实验数据样本。

举例而言，假设预测送风温度为t,pre，采集到的送风温度为t,test，则送风温度与采集到的送风温度的差值为|t,test-t,pre|，其中，预设阈值ε可根据空调系统实际情况运行下所允许的最大误差来进行相应的标定。

进一步地，根据本发明的一个实施例，能需确定模块5还用于在预测送风温度与采集到的送风温度的差值大于或等于预设阈值时，对当前预设能需值进行调整以获取调整后的预设能需值，其中，计算模块3在获取到调整后的预设能需值之后还根据调整后的预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型重新计算预测送风温度，判断模块还判断重新计算的预测送风温度与采集到的送风温度的差值是否小于预设阈值。

也就是说，如果预测送风温度与采集到的送风温度的差值|t,test-t,pre|大于或等于预设阈值ε时，即|t,test-t,pre|≥ε，则能需确定模块5还对当前预设能需值进行调整，其中，计算模块3还根据调整后的预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型重新计算预测送风温度，并判断重新计算的预测送风温度与采集到的送风温度的差值是否小于预设阈值，直至调整后的预设能需值满足预测送风温度与采集到的送风温度的差值小于预设阈值，即能需确定模块5确定空调系统的内机能需为当前预设能需值。

需要说明的是，内机能需指的是用户对空调系统内机的输出能力的需求，当确定空调系统的内机能需为当前预设能需值时，可认为该空调系统的送风温度满足用户所预设能需值所要求的温度。

具体地，与送风温度预测模型相关的状态参数包括冷媒进入温度、冷媒出口温度、换热器中间冷媒温度、回风温度和风档中的至少一个。

可以理解的是，冷媒进入温度、冷媒出口温度、换热器中间冷媒温度分别指的是室内换热器的冷媒进入温度、室内换热器的冷媒出口温度、室内换热器的中间冷媒温度。

进一步地，根据本发明的一个实施例，空调系统的能需调整装置100还包括：处理模块，处理模块用于在空调系统进入能需确定模式之后，控制空调系统以预设频率运行且稳定运行第一预设时间，或者控制空调系统以预设频率运行且运行时间达到第二预设时间。

可以理解的是，空调系统不同的运行频率都有相对应的内机能需，因此在空调系统进入能需确定模式之后，需要通过处理模块6控制空调系统以预设频率运行且稳定运行第一预设时间；或者，控制空调系统以预设频率运行且运行时间达到第二预设时间，确保空调系统进入稳定工作的正常运行状态。

综上，根据本发明实施例的空调系统的能需调整装置，通过模型确定模块确定送风温度预测模型，并在空调系统进入能需确定模式之后，通过采集模块采集空调系统的送风温度以及与送风温度预测模型相关的状态参数，同时，通过计算模块获取当前预设能需值，并根据当前预设能需值、与送风温度预测模型相关的状态参数以及送风温度预测模型计算预测送风温度，进而通过该判断模块，判断预测送风温度与采集到的送风温度的差值是否小于预设阈值，并在预测送风温度与采集到的送风温度的差值小于预设阈值时，通过能需确定模块确定空调系统的内机能需为当前预设能需值。由此，根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

图9为根据本发明实施例的空调系统的方框示意图。

如图9所示，空调系统1000包括存储器101、处理器102及存储在存储器101上并可在处理器102上运行的计算机程序，处理器101执行程序时，实现上述的空调系统的能需调整方法。

本发明实施例提出的空调系统，通过处理器运行存储器上存储的空调系统的能需调整方法对应的程序，能够根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

进一步地，本发明实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述空调系统的能需调整方法。

本发明实施例提出的非临时性计算机可读存储介质，通过处理器执行其上存储有计算机程序，实现上述空调系统的能需调整方法，能够根据预测送风温度与采集到的送风温度的差值，对内机能需进行自调整，从而提升空调系统的控制可靠性与用户使用舒适性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。