智能学习节能调控系统与方法
【技术领域】
[0001] 本发明涉及一种空调调控技术，尤其涉及一种持续地进行智能学习与调控的空调 调控技术。
【背景技术】
[0002] 改善空调系统有很多方法，例如以多角化复合操控或是更换配备，但若是能将控 制标的最小化，并导入智慧型技术，则可在既有的空调系统结构下，以最小的更改范围及最 少的操控项目达成节能目标，以此节省成本并避免破坏性建设的风险。
[0003] 根据空调系统数据分析结果，就内部因素而言，冰水主机的耗能为主要的成因，且 冰水温差为重大的关键可控因子之一，也就是温差越大越耗能，且会连带地对空调系统的 冰水、冷却水、冷媒三个循环造成影响。因此，若要最小化控制标的，控制好冰水栗浦便为首 要工作。
[0004] 冰水泵浦作为控制冰水的流量，冰水泵浦的变频马达频率设定得越高，冰水流量 就会越快，因此，冰水的回水温度就会越接近其设定的出水温度，而冰水温差就会变小，这 样的结果虽然会让冰水主机的耗能减少，但会造成冰水泵浦的马达耗能增加，总体耗能不 一定会降低。相反的，冰水泵浦的马达频率设定得越低，转速与冰水流量都会变慢，然而，此 举虽可节省冰水泵浦的马达耗能，但却会造成冰水主机的耗能增加。
[0005] 因此，如何求得整体耗能最小，并在冰水主机的耗能与冰水栗浦的马达耗能之间 取得最佳平衡点，即需要依据当下的即时状况，适当地使用能达成此效能的最佳设定同时 即时地进行调控。
【发明内容】
[0006] 鉴于现今业界所欲达成的目标，本发明主要的目的在于提供一种能持续地进行智 能学习与调控的空调调控技术。
[0007] 为了达到上述目的及其他目的，本发明提供一种智能学习节能调控方法，包括：设 定系统调控数据及对空调系统提取即时感测数据；依据所设定的该系统调控数据及所提取 的该即时感测数据，以适性推论模型建模技术进行经验学习与逻辑推导，以建立并封装温 差与耗能适性推论模型；以及利用该温差与耗能适性推论模型，以及自该空调系统提取的 即时感测数据，以数据探勘技术推论出节能优化设定建议，进而通过知识发掘引擎技术对 该空调系统进行持续性的适性调控。
[0008] 此外，本发明还提供一种智能学习节能调控系统，包括：系统调控数据设定模块， 用于设定系统调控数据及对空调系统提取即时感测数据；经验学习与逻辑推导模块，依据 所设定的系统调控数据及所提取的即时感测数据，以适性推论模型建模技术进行经验学习 与逻辑推导，以建立并封装温差与耗能适性推论模型；以及知识发掘与系统调控模块，用于 利用该温差与耗能适性推论模型，以及自该空调系统提取的即时感测数据，以数据探勘技 术在一数据探勘模块中推论出节能优化设定建议，进而通过知识发掘引擎技术来对该空调 5 CN 104697107 A 说明书 2/6页 系统进行持续性的适性调控。
[0009] 相比于现有技术，由于本发明的智能学习节能调控系统及方法，能持续性地利用 即时建立的温差与耗能适性推论模型进行优化设定与适性调控，故能在冰水主机的耗能与 冰水栗浦的马达耗能之间取得最佳平衡点，达成整体的最佳节能设定。
【附图说明】
[0010] 图1为本发明的智能学习节能调控系统及方法的系统及流程示意图；及
[0011] 图2为依据本发明进行的持续性调控的时序示意图。
[0012] 主要组件符号说明
[0013] 1智能学习节能调控系统
[0014] 10系统调控数据设定模块
[0015] 11经验学习与逻辑推导模块
[0016] 12知识发掘与系统调控模块
[0017] 20至23时间区段
[0018] a至p程序。
【具体实施方式】
[0019] 为利于审查员了解本发明的技术特征、内容与优点及其所能达成的功效，现将本 发明的发明配合附图，并以实施例的表达形式说明如下，而其中所使用的附图，其主旨仅为 示意以及辅助说明之用，未必为本发明实施后的真实比例与精准配置，故不应就所附的附 图比例与配置关系局限本发明在实际实施上的权利范围，合先叙明。
[0020] 请参阅图1，以了解本发明提供的应用在空调系统的智能学习节能调控系统及方 法。需先说明的是，本实施例智能学习节能调控系统1包括系统调控数据设定模块10、经验 学习与逻辑推导模块11、及知识发掘与系统调控模块12,以执行本发明所提供的智能学习 节能调控方法，但是，系统调控数据设定模块10、经验学习与逻辑推导模块11、及知识发掘 与系统调控模块12也可依据不同的需求选择性地进行合并或分离及实体与虚拟设置，也 就是，也可以不同于本发明的智能学习节能调控系统1的架构实施本发明提供的智能学习 节能调控方法。需先提出的是，本发明的智能学习节能调控系统与方法，能用于进行即时或 非即时的调度调控。
[0021]实施本发明前，可先令建物内的空调系统配置量测目标数据所需的感测器，并令 感测器持续地经由通信技术传输即时监测数据至后端伺服主机或信息系统平台内储存。数 据储存的方式可为数据库、数据仓储、或者为档案系统，并可作为本发明相关统计与分析的 数据来源。数据内容可具时序性，且为即时的现场的量测值的历程记录。而空调系统的操 控平台，可对相关设备进行即时设定与调控。
[0022]实施本发明时，系统调控数据设定模块10能先设定系统调控数据及对空调系统 提取即时感测数据；接着，经验学习与逻辑推导模块η会依据设定的系统调控数据及提取 的即时感测数据，以适性推论模型建模技术进行经验学习与逻辑推导，以建立并封装温差 与耗能适性推论模型；而后，知识发掘与系统调控模块 12会利用该温差与耗能适性推论模 型，以及自该空调系统提取的即时感测数据，以数据探勘技术在数据探勘模块中推论出节 6 CN 104697107 A 说明书 3/6页 能优化设定建议，进而通过知识发掘引擎技术来对该空调系统进行持续性的适性调控。所 述的数据探勘（Data mining)技术，是指从大量的数据中自动搜寻隐藏在其中有着特殊关 联性的演算过程，详可参阅本技术领域的相关文献，不再于此进一步赘述。
[0023] 在一实施例中，智能学习节能调控系统1还可依据对空调系统进行持续性的适性 调控的系统调控数据，以及自该空调系统提取即时感测数据的即时感测数据，判断是否符 合重新建模条件，若是，则再次致动经验学习与逻辑推导模块11，若否，则再次启动知识发 掘与系统调控模块12。此即执行附图的程序P。
[0024] 进一步言之，系统调控数据设定模块10,可先设定即时感测数据的来源、提取目 标、及方法，即执行附图的程序a ;再设定数据时序分析范围，即执行附图的程序b ;次设定 有效数据采样条件，即执行附图的程序c ;接着设定持续学习与适性调整程序，即执行附图 的程序d。
[0025] 经验学习与逻辑推导模块11，可先自设定的数据来源提取并过滤相关的建模数 据，也就是执行附图的程序e ;再载入建模数据以进行尺度化与标准化处理，也就是执行附 图的程序f ;次以建模数据通过适性推论模型建模技术建立温差适性推论模型，执行附图 的程序g ;更以建模数据通过适性推论模型建模技术，并依据该温差适性推论模型的推论 结果，进一步建立耗能适性推论模型，执行附图的程序h;次利用适性推论模型比对技术， 比较先前建立的温差与耗能适性推论模型与最新建立的温差与耗能适性推论模型，以选择 出误差最小的温差与耗能适性推论模型，以对温差与耗能适性推论模型进行载入与封装， 也就是执行附图的程序i。
[0026] 知识发掘与系统调控模块12,可先载入选择出的温差与耗能适性推论模型至数据 探勘模块（未图示），也就是执行附图的程序j ;再利用数据探勘模块提取即时感测数据，也 就是执行附图的程序k;次依据即时感测数据以适性推论技术推论出多个耗能策略组合， 也就是执行附图的程序1 ;更以适性推论及最佳化技术由该多个耗能策略组合中择选最节 能的优化建议作为设定建议，也就是执行附图的程序m;其次依据该节能优化设定建议对