用来预测制冷单元中的冰梯度的系统和方法与流程

这个发明涉及制冷系统的领域，并且更特别地涉及用来预测制冷单元中的冰梯度和冰梯度影响的系统和方法。

背景技术：

1、制冷单元(系统)连续操作以维持温度要求。当与制冷单元相关联的机柜/房间内的蒸发器的温度低于冻结温度时，机柜/房间中的水蒸气冷凝并冻结蒸发器表面以形成霜。蒸发器表面上霜的存在可恶化制冷单元的性能，影响存储在制冷单元中的食物和产品，减少制冷单元的寿命，要求高维护成本，并使制冷单元低效。

2、因此，存在对于提供预测制冷单元中的冰梯度(或趋势霜形成)以用于为用来减轻霜形成的影响的动作提供早期警告和足够的时间的方案的需要。

技术实现思路

1、本文中描述的是一种用来预测一个或多个制冷单元中的冰梯度的系统。系统包括与一个或多个制冷单元通信的服务器。服务器包括处理器，所述处理器耦合到存储可由处理器执行的指令的存储器，并所述服务器被配置成：接收关于一个或多个制冷单元的一个或多个参数的数据；将接收的参数关联以生成指示一个或多个制冷单元的一个或多个组件的行为和性能的一个或多个特性特征；基于生成的特性特征生成一个或多个事件；通过分析一个或多个事件来识别与一个或多个制冷单元相关联的结霜模式；基于用于一个或多个制冷单元中的每个的识别的结霜模式来确定一个或多个制冷单元中的结冰量和冰形成速率；以及基于所确定的结冰量和所述冰形成速率来预测与一个或多个制冷单元相关联的冰梯度。

2、在一个或多个实施例中，服务器被配置成基于预测冰梯度生成一组警报信号并将其传送到一个或多个制冷单元和/或一个或多个移动装置。

3、在一个或多个实施例中，一个或多个移动装置与服务器和/或一个或多个制冷单元通信。

4、在一个或多个实施例中，服务器被配置成将一个或多个生成的事件分类为系统事件和非系统事件，并且通过分析一个或多个非系统事件来识别与一个或多个制冷单元相关联的结霜模式。

5、在一个或多个实施例中，服务器被配置有机器学习模块，所述机器学习模块被配置成利用一组数据分组更新与服务器相关联的数据库，所述一组数据分组包括捕获的参数、生成的特性特征、识别的非系统事件和对应的预定义阈值、识别的结霜模式、确定的结冰量和冰形成速率以及预测冰梯度中的一个或多个；以及基于更新的数据库，训练服务器以实时预测一个或多个制冷单元的冰梯度。

6、在一个或多个实施例中，服务器被配置有辅助注入模块，以基于与一个或多个制冷单元之中的另一组制冷单元相关联的可用参数来确定与一个或多个制冷单元之中的一组制冷单元相关联的不可用参数。

7、在一个或多个实施例中，服务器被配置成通过归一化(normalize)与结霜无关联的识别的非系统事件来从非系统事件中识别结霜模式，其中系统事件和非系统事件的识别、归一化和区分是通过在冰梯度预测期间的连续学习来实现的，并且其中非系统事件是基于对应非系统事件的趋势、最近性能和变化量来分析的。

8、在一个或多个实施例中，服务器与关联于一个或多个制冷单元的控制器通信，其中控制器被配置成监测和存储对应制冷单元的一个或多个参数，并基于预测冰梯度致动和控制对应制冷单元的除霜单元的操作。

9、在一个或多个实施例中，当预测冰梯度超过阈值时，服务器被配置成经由控制器向一个或多个制冷单元的除霜单元传送一组警报信号，以实现对应制冷单元的除霜，其中阈值是通过在冰梯度预测期间连续学习而确定和更新的动态值。

10、本文中还描述的是一种可配置有一个或多个制冷单元并且可操作以预测一个或多个制冷单元中的冰梯度和冰梯度的影响的装置。装置包括适于操作地耦合到一个或多个制冷单元的处理单元。处理单元包括处理器，所述处理器耦合到存储可由处理器执行的指令的存储器，并所述处理单元被配置成：捕获关于一个或多个制冷单元的一个或多个参数的数据；将捕获的参数关联以生成指示一个或多个制冷单元的一个或多个组件的行为和性能的一个或多个特性特征；基于生成的特性模块生成一个或多个事件；将一个或多个生成的事件区分为系统事件和非系统事件；通过分析一个或多个非系统事件来识别一个或多个制冷单元的结霜模式；基于识别的结霜模式来确定一个或多个制冷单元中的结冰量和冰形成速率；以及基于确定的结冰量和冰形成速率来预测冰梯度和预测冰梯度对一个或多个制冷单元的影响。

11、在一个或多个实施例中，装置包括用来捕获和监测一个或多个制冷单元的一个或多个参数的一组传感器。

12、在一个或多个实施例中，装置被配置成向一个或多个制冷单元的除霜单元传送一组控制信号，以基于预测冰梯度控制对应制冷单元的除霜。

13、本文中还描述的是一种用于预测一个或多个制冷单元中的冰梯度的方法，所述方法包括以下步骤：捕获关于一个或多个制冷单元的一个或多个参数的数据；将接收的参数关联以生成指示一个或多个制冷单元的一个或多个组件的行为和性能的一个或多个特性特征；基于生成的特性模块生成一个或多个事件；通过分析一个或多个事件识别一个或多个制冷单元的结霜模式；基于识别的结霜模式确定一个或多个制冷单元中的结冰量和冰形成速率；以及基于确定的结冰量和所述冰形成速率预测冰梯度和预测冰梯度对一个或多个制冷单元的影响。

14、在一个或多个实施例中，方法包括以下步骤：向一个或多个制冷单元的除霜单元传送一组控制信号，以基于预测冰梯度控制对应制冷单元的除霜。

15、在一个或多个实施例中，方法包括以下步骤：基于从一个或多个制冷单元之中的其他一组制冷单元捕获的可用参数，确定与一个或多个制冷单元之中的一组制冷单元相关联的不可用参数。

16、在一个或多个实施例中，方法包括以下步骤：将一个或多个生成的事件分类为系统事件和非系统事件，以及通过分析一个或多个非系统事件来识别与一个或多个制冷单元相关联的结霜模式。

17、在一个或多个实施例中，方法包括以下步骤：归一化与结霜无关联的识别的非系统事件，以从非系统事件中识别结霜模式，并且其中基于对应非系统事件的趋势、最近性能和变化量来分析非系统事件。

18、在一个或多个实施例中，当预测冰梯度超过阈值时，方法包括以下步骤：向一个或多个制冷单元的除霜单元传送一组警报信号以实现对应制冷单元的除霜，其中阈值是通过在冰梯度预测期间的连续学习而确定和更新的动态值。

19、在一个或多个实施例中，一个或多个参数包括：动态参数，所述动态参数包括蒸发器表面温度、返回空气温度、除霜状况和膨胀阀开度中的一个或多个；以及静态参数，所述静态参数包括在对应的制冷单元中使用的一种或多种类型的控制器、包括一个或多个制冷单元的类型和冷却类型的属性和与一个或多个制冷单元相关联的操作策略。

20、在一个或多个实施例中，一个或多个特性特征包括除霜特性、热交换特性、返回空气温度特性和膨胀阀特性中的一个或多个。

21、前面的概述仅仅是说明性的并且不旨在以任何方式进行限制。除了上面描述的说明性的方面、实施例和特征之外，本发明的另外的方面、实施例、特征和技术将从下面结合附图进行的描述而变得更加显而易见。