[发明专利]空调器及云服务器

说明书

本发明公开一种空调器，包括：控制器，其配置有KNN回归预测模型，控制器接收空调器的多个运行参数的值并输入至KNN回归预测模型，KNN回归预测模型输出空调器的预测能效比；空调器的多个运行参数包括蒸发器进水温度TEI、蒸发器出水温度TEO、冷凝器进水温度TCI、冷凝器出水温度TCO、换热器进水温度TSI、冷凝器环路温度TS0、换热器出水温度TBI、蒸发器环路温度TBO、建筑进水温度CTI、建筑出水温度CTO、蒸汽加热量kW、蒸发器流量TEA、冷凝器流量TCA、冷凝器温差表征值TRE以及制冷剂温度TRC的任意组合。本空调器基于KNN回归预测模型，更精确的预测多联机空调系统的能效，该算法简单，运算量小，无需配置较强的处理能力的处理器，可以将其配置在空调器的控制器内即可实现。

技术领域

本发明涉及电器技术领域，尤其涉及一种云服务器及空调器。

背景技术

随着人们生活水平的提高，空调已经成为每户人家中的必备品，同时对空调的智能化水平也有了更高的要求。空调的智能化水平除了体现在控制方面，空调能耗的控制也是一个重要方面。

各大空调厂家都在努力提高空调的能效比，以使空调运行在较高能效下，达到节能的要求。其中主要从两个方面进行研究，一是从空调自身的正向控制着手，通过实验获得空调详细的运行参数，调整控制算法以达到节能控制，另外一个方面是预测空调能效比，作为空调控制系统的一个反馈输入来完成对空调进行更加精准的控制。

目前也有多种方法对空调能效进行预测，比如线性回归，贝叶斯估计算法、遗传算法等，但是空调能效受到多种因素、多个参数的影响，本身是个非常复杂的非线性系统，通过传统的方法很难获得精确的预测效果。

发明内容

为解决现有技术中对空调器的能效比预测存在计算量大、精度差问题，本发明提供一种空调器及云服务器，其基于KNN回归预测模型，更精确的预测多联机空调系统的能效，该算法简单，运算量小。

为达到上述目的，本发明采用如下技术方案：

本发明提供了一种空调器，包括：

控制器，其配置有KNN回归预测模型，所述控制器接收空调器的多个运行参数的值并输入至所述KNN回归预测模型，所述KNN回归预测模型输出空调器的预测能效比；

所述空调器的多个运行参数包括蒸发器进水温度TEI、蒸发器出水温度TEO、冷凝器进水温度TCI、冷凝器出水温度TCO、换热器进水温度TSI、冷凝器环路温度TS0、换热器出水温度TBI、蒸发器环路温度TBO、建筑进水温度CTI、建筑出水温度CTO、蒸汽加热量kW、蒸发器流量TEA、冷凝器流量TCA、冷凝器温差表征值TRE以及制冷剂温度TRC的任意组合。

进一步的，所述控制器配置KNN回归预测模型的方法包括：

选取参数变量，从所述多个运行参数中选取任一种参数变量组合；

获取所述参数变量组合中各参数变量的历史数据，得到若干条历史数据，以及获取各条历史数据所对应的能效比；

构建KNN回归预测模型，包括：

以历史数据作为输入向量，所述历史数据所对应的能效比作为输出向量，将输入向量根据与相互之间的距离进行分类，得到KNN回归预测模型。

进一步的，在构建KNN回归预测模型之前还包括对所述历史数据进行预处理的步骤，将其转化为无量纲的数值。

进一步的，对所述历史数据进行预处理包括：对所述历史数据进行归一化处理，将每个数据转换到0～1的范围区间。

进一步的，还包括将所述历史数据分成两组，分别作为训练集和验证集，采用训练集中的数据训练KNN回归预测模型，包括：

计算训练数据与各类中元素之间的距离；