CN103398451B - 基于学习用户行为的多维舒适度室内环境控制方法及系统 - Google Patents

Abstract

本发明提出一种基于学习用户行为的多维舒适度室内环境控制方法及系统。其中，系统包括：采集模块，用于采集室内环境参数；人机交互平台，用于接收用户对室内环境感受的舒适度评价信息；控制模块，用于根据舒适度评价信息调整空调设备的运行参数，以对室内环境进行调整直至用户对室内环境感受的舒适度评价信息满足预设条件为止；学习模块，用于学习空调设备在满足预设条件时的运行参数，以便在采集模块再次采集到与环境参数匹配的数据时，控制空调设备以学习到的运行参数运行。根据本发明实施例的系统，通过学习空调设备在满足用户需求时的运行参数，在处于相同状态下通过学习到的运行参数运行空调设备，从而提高了用户的需求和体验。

Description

基于学习用户行为的多维舒适度室内环境控制方法及系统

技术领域

本发明涉及暖通空调的控制技术领域，特别涉及一种基于学习用户行为的室内环境控制方法及系统。

背景技术

目前的空调控制系统往往基于固定的控制策略和方法，而用户的操作往往采用统一的物业管理模式，或者使用户自主设定房间温度设定点。这些系统不能最大化用户满意度。一方面，基于平均标准的设定往往无法满足个体用户的需求，同时用户对于舒适的程度缺乏一种量化的标准，所做出的设定往往不够合理，给空调系统带来了不必要的损伤和能耗损失。另一方面，用户的舒适度涉及到多个方面，空调系统的某些设备往往会在为了达到用户热舒适满意时，引发其他方面的不适，例如，空调风机带来的噪声不适等。尽管“绿色建筑”在学术和工业界引起了广泛重视，但最新的调研的结果表明，“绿色建筑”在用户舒适度方面并不比一般建筑好。因此，提供更加舒适和人性化的室内控制系统应得到重视。

为了提供更加人性化的室内环境，空调系统控制需要考虑对人员多维舒适度的影响问题。在人员舒适度的研究领域，一些学者就多维舒适度展开了研究，M.Frontczak和P.Wargocki总结了实验室研究结果（“Literaturesurveyonhowdifferentfactorsinfluencehumancomfortinindoorenvironments,”BuildingandEnvironment,vol.46,no.4,pp.922–937,2011），指出热环境和噪声环境是人最后关注的两类感受。学者M.Humphrey等（“Quantifyingoccupantcomfort:arecombinedindicesoftheindoorenvironmentpracticable?”BuildingResearch&Information,vol.33,no.4,pp.317–325,2005）也通过实验与调研指出，不能将人对于环境的多维度的感知综合成同一指标进行描述和控制。

现有技术的空调末端智能控制系统，公开将现有空调末端接入信息平台，实现信息化。另一个，空调器的智能控制方法中公开将空调设置为几种特定的场所运行模式，并在运行时配置。

上述现有技术虽然一定程度上满足了用户需求，但是并没有解决用户多维舒适度的控制问题，仅仅在机械运行层面进行了改进。

发明内容

本发明的目的旨在至少解决上述的技术缺陷之一。

为此，本发明的一个目的在于提出一种基于学习用户行为的多维舒适度室内环境控制系统。

本发明的另一目的在于提出一种基于学习用户行为的多维舒适度室内环境控制方法。

为达到上述目的，本发明一方面的实施例提出一种基于学习用户行为的多维舒适度室内环境控制系统，包括：采集模块，用于采集室内环境参数；人机交互平台，用于接收用户对室内环境感受的舒适度评价信息；控制模块，用于根据所述舒适度评价信息调整空调设备的运行参数，以对所述室内环境进行调整直至用户对所述室内环境感受的舒适度评价信息满足预设条件为止；学习模块，用于学习所述空调设备在满足所述预设条件时的运行参数，以便在所述采集模块再次采集到与所述环境参数匹配的数据时，控制所述空调设备以学习到的所述运行参数运行。

根据本发明实施例的系统，通过学习空调设备在满足用户需求时的运行参数，在处于相同状态下通过学习到的运行参数运行空调设备，从而提高了用户的需求和体验。

在本发明的一个实施例中，还包括：存储模块，用于存储满足所述预设条件时的运行参数。

在本发明的一个实施例中，所述预设条件为用户对室内环境感受的舒适度评价信息为褒义评价或没有舒适度评价信息时的情况。

在本发明的一个实施例中，当所述用户对室内环境感受的舒适度评价信息为褒义评价时，所述学习模块学习当前环境参数下的运行参数，并通过所述控制模块控制所述空调设备。

在本发明的一个实施例中，当所述用户没有舒适度评价信息时，学习当前环境参数下的运行参数，并通过所述控制模块控制所述空调设备。

为达到上述目的，本发明的实施例另一方面提出一种基于学习用户行为的多维舒适度室内环境控制方法，包括以下步骤：采集室内环境参数；接收用户对室内环境感受的舒适度评价信息；根据所述舒适度评价信息调整空调设备的运行参数，以对所述室内环境进行调整直至用户对所述室内环境感受的舒适度评价信息满足预设条件为止；学习所述空调设备在满足所述预设条件时的运行参数，以便在所述采集模块再次采集到与所述环境参数匹配的数据时，控制所述空调设备以学习到的所述运行参数运行。

根据本发明实施例的方法，通过学习空调设备在满足用户需求时的运行参数，在出于相同状态下通过学习的运行参数运行空调设备，从而提高了用户的需求和体验。

在本发明的一个实施例中，还包括：存储满足所述预设条件时的运行参数，以便再次采集到与所述环境参数匹配的数据时，控制所述空调设备以学习到的所述运行参数运行。

在本发明的一个实施例中，所述预设条件为用户对室内环境感受的舒适度评价信息为褒义评价或没有舒适度评价信息时的情况。

在本发明的一个实施例中，当所述用户对室内环境感受的舒适度评价信息为褒义评价时，学习当前环境参数下的运行参数，并且所述空调设备以所述运行参数运行。

在本发明的一个实施例中，当所述用户没有舒适度评价信息时，学习当前环境参数下的运行参数，并且所述空调设备以所述运行参数运行。

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为根据本发明一个实施例的基于学习用户行为的多维舒适度室内环境控制系统的结构框图；

图2为根据本发明一个实施例的环境参数的采集与人机交互平台的示意图；

图3为根据本发明一个实施例的个性化多舒适折衷的学习与控制的流程图；

图4为根据本发明一个实施例的对空调设备的策略输出示意图；

图5为根据本发明一个实施例的对热舒适度和噪声舒适度的调整示意图；以及

图6为根据本发明一个实施例的基于学习用户行为的多维舒适度室内环境控制方法的流程图。

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，仅用于解释本发明，而不能解释为对本发明的限制。

在本发明的描述中，需要理解的是，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一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

图1为本发明实施例的基于学习用户行为的多维舒适度室内环境控制系统的结构框图。如图1所示，根据本发明实施例的基于学习用户行为的多维舒适度室内环境控制系统包括采集模块100、人机交互平台200、控制模块300和学习模块400。

其中，采集模块100用于采集室内环境参数。例如，空气温度、相对湿度、二氧化碳浓度、光照度和噪声等。

人机交互平台200用于接收用户对室内环境感受的舒适度评价信息。

控制模块300用于根据舒适度评价信息调整空调设备的运行参数，以对室内环境进行调整直至用户对室内环境感受的舒适度评价信息满足预设条件为止。其中，预设条件为用户对室内环境感受的舒适度评价信息为褒义评价或没有舒适度评价信息时的情况。

在本发明的一个实施例中，用户可以直接通过人机交互平台输入感受，例如，一种形式为抱怨感受（即舒适度评价信息为负面评价），即提供抱怨按钮太冷，太热，太吵等。

学习模块400用于学习空调设备在满足预设条件时的运行参数，以便在采集模块再次采集到与环境参数匹配的数据时，控制空调设备以学习到的运行参数运行。当用户对室内环境感受的舒适度评价信息为褒义评价时，学习模块学习当前环境参数下的运行参数，并通过控制模块控制空调设备。当用户没有舒适度评价信息时，学习当前环境参数下的运行参数，并通过控制模块控制空调设备。

在本发明的一个实施例中，还包括存储模块500用于存储满足预设条件时的运行参数。

图2为根据本发明一个实施例的环境参数的采集与人机交互平台的示意图。如图2所示，用户301通过人机交互平台302，表达自己的多角度的舒适感受，一种可能的方式为人机交互平台含有冷、热眩光，吵，闷等抱怨按钮，用户在不舒适时刻按对应按钮进行表达。人机交互平台302可以采取多种形式，例如，移动终端等。303表示参数采集模块100。304为人机交互平台和采集模块与305样本收集模块之间的通讯。304可以采用总线形式、以太网、无线等多种方式将用户的抱怨信息、环境参数传输至存储模块500进行存储，并提供外界访问接口。控制模块300与存储模块500可以是计算机、嵌入式系统等具有一定计算与存储能力的处理设备或单元。

图3为根据本发明一个实施例的个性化多舒适折衷的学习与控制的流程图。如图3所示，当前环境参数抽象为当前控制的状态。根据当前已生成的状态行为评价，选择当前状态下评价最高的行为进行控制。获取对当前执行行为的评价。用户对多维舒适度的评价。构造基于多维舒适评价的评价值。结合历史数据和当前评价，更新状态行为及其对应的评价。

图4为根据本发明一个实施例的对空调设备的策略输出示意图。如图4所示，该末端控制设备需要能够对多维环境进行调整。例如，通过水阀开度来调整屋内的供水温度以期调整室内温湿度，或者通过对送风机档位设定调整温湿度和房间内设备噪声。

图5为根据本发明一个实施例的对热舒适度和噪声舒适度的调整示意图。如图5所示，某时刻，室内温度为28摄氏度，控制策略为设定点28摄氏度，风机频率40HZ，此时用户通过人机交互平台进行舒适度评价信息，该舒适度评价信息为抱怨太热，此时控制模块300将风机设定为50Hz，温度设定点为26度进行降温。在28摄氏度下，设定值28摄氏度和40Hz的风机频率对应的行为得到负面评价，例如，-1，并更新该行为的总体评价。进而控制器选择新的控制行为，例如，26摄氏度，50Hz。经过一段时间，用户又出现了舒适度评价信息为吵的抱怨评价，此时温度已经降低至27度。那么27度时，26摄氏度，50Hz的行为同样获得负面评价。控制器根据之前该行为已经获得的评价和当前得到的评价，更新该行为评价。并根据评价最高的行为进行控制。最终，经过一段时间学习，在28摄氏度时，该用户最优的设定值为27度，风机频率在30Hz时，用户无任何抱怨，进而学习出该状态下的多维度舒适控制策略，即学习当前状态下对应的运行参数。

在本发明的一个实施例中，定义对当前关注的与人员感受相关的环境状态。与热舒适相关的为空气温度和相对湿度，因此状态可定义为S=(T_i,H_i)，其中，T_i为当前空气温度，H_i为当前空气相对湿度。

控制行为是指控制策略调整环境参数，例如，在热舒适方面，可以控制房间温度设定值，在声环境舒适度方面，可以对房间内噪声来源--送风机频率进行控制，因此控制行为可定义为a=(T_S,F_i)，其中，T_S为温度设定值，F_i为风机频率。

状态行为报酬，为在特定状态下，执行某一控制行为后，用户以及手工环境对于该行为执行效果的一个评价。在用户方面，评价为该行为执行后，用户的冷热抱怨以及噪声感受，并以一定的权重计算对于该状态行为的评价指标，例如，评价可以设定为r(s,a)=Compl_thermal+Compl_noise。其中，Compl_thermal为用户通过在热舒适方面的舒适度评价信息，Compl_noise为用户通过对噪声的舒适度评价信息。

策略更新（即学习）是指在每次获得该行为报酬时，与之前该状态行为已有的报酬指标进行融合计算，获得更新后的状态行为指标。更新的控制策略则选取在各个状态下，该项指标最好的控制行为。即先根据获得的行为报酬r对状态行为指标Q进行更新，获得最新值Q(s,a)←Q(s,a)+α[r(s,a)-ρ+max_a'∈AQ(s',a')-Q(s,a)]，其中，Q(s,a)是当前状态下的行为指标，ρ是平均评价值，当Q(s,a)=max_a'∈AQ(s,a)时，有ρ=ρ+β[r(s,a)-ρ+max_a'Q(s',a')-Q(s,a)]，α是一个惯性因子常数，r(s,a)为对当前状态s与行为a的评价，max_a'∈AQ(s',a')为在下一时刻的状态s'下，所有可行行为A中，选择Q值最大的，β为更新步长。

控制决策选择是根据当前的状态来选取最优的控制行为，例如，选择合适的温度设定值T_S和风机频率F_i，以概率1-δ来选择a=(F_i,F_S)=argmax_a'{Q(s,a')}以概率δ来随机选取其他的控制行为，其中，δ为很小的非负数，例如0.05。

在本发明的一个实施例中，自适应决策时间，是算法在状态行为对的更新时刻，不仅遵循自己的内置周期，同时也考虑用户的舒适度评价信息时刻。当用户的舒适度评价信息为抱怨时，对状态行为进行更新。当用户的舒适度评价信息不是抱怨时，则按照内置周期进行状态行为的更新。该机制可用如下公式进行表示： $t_{n+1}=\left\{\min \right\{t_{\mathrm{ci}},{\stackrel{\‾}{t}}_k|t_{\mathrm{ci}}>t_n,{\stackrel{\‾}{t}}_k>t_n,i=\mathrm{1,2},...,k=\mathrm{1,2},...\}\}$ 其中，t_n表示第n次决策的时间，t_ci表示第i次抱怨的时间，表示内置的第k次的更新时间，t_n+1为第n+1次决策的时间。

根据本发明实施例的系统，通过学习空调设备在满足用户需求时的运行参数，在处于相同状态下通过学习到的运行参数运行空调设备，从而提高了用户的需求和体验。

图6为本发明实施例的基于学习用户行为的多维舒适度室内环境控制方法的流程图。如图6所示，根据本发明实施例的基于学习用户行为的多维舒适度室内环境控制方法包括以下步骤：

步骤S101，采集室内环境参数。

步骤S102，接收用户对室内环境感受的舒适度评价信息。

步骤S103，根据舒适度评价信息调整空调设备的运行参数，以对室内环境进行调整直至用户对室内环境感受的舒适度评价信息满足预设条件为止。预设条件为用户对室内环境感受的舒适度评价信息为褒义评价或没有舒适度评价信息时的情况。

在本发明的一个实施例中，当用户对室内环境感受的舒适度评价信息为褒义评价时，学习当前环境参数下的运行参数，并且空调设备以运行参数运行。

在本发明的一个实施例中，当用户没有舒适度评价信息时，学习当前环境参数下的运行参数，并且空调设备以运行参数运行。

步骤S104，学习空调设备在满足预设条件时的运行参数，以便在采集模块再次采集到与环境参数匹配的数据时，控制空调设备以学习到的运行参数运行。

在本发明的一个实施例中，存储满足预设条件时的运行参数，以便再次采集到与环境参数匹配的数据时，控制空调设备以学习到的运行参数运行。

图2为根据本发明一个实施例的环境参数的采集与人机交互平台的示意图。如图2所示，在本发明中用户通过人机交互平台，表达自己的多角度的舒适感受，一种可能的方式为人机交互平台含有冷、热眩光，吵，闷等抱怨按钮，用户在不舒适时刻按对应按钮进行表达。人机交互平台可以采取多种形式，例如，移动终端等。

图3为根据本发明一个实施例的个性化多舒适折衷的学习与控制的流程图。如图3所示，当前环境参数抽象为当前控制的状态。根据当前已生成的状态行为评价，选择当前状态下评价最高的行为进行控制。获取对当前执行行为的评价。用户对多维舒适度的评价。构造基于多维舒适评价的评价值。结合历史数据和当前评价，更新状态行为及其对应的评价。

图4为根据本发明一个实施例的对空调设备的策略输出示意图。如图4所示，该末端控制设备需要能够对多维环境进行调整。例如，通过水阀开度来调整屋内的供水温度以期调整室内温湿度，或者通过对送风机档位设定调整温湿度和房间内设备噪声。

图5为根据本发明一个实施例的对热舒适度和噪声舒适度的调整示意图。如图5所示，某时刻，室内温度为28摄氏度，控制策略为设定点28摄氏度，风机频率40Hz，此时用户通过人机交互平台进行舒适度评价信息，该舒适度评价信息为抱怨太热，此时控制模块300将风机设定为50Hz，温度设定点为26度进行降温。在28摄氏度下，设定值28摄氏度和40Hz的风机频率对应的行为得到负面评价，例如，-1，并更新该行为的总体评价。进而控制器选择新的控制行为，例如，26摄氏度，50Hz。经过一段时间，用户又出现了舒适度评价信息为吵的抱怨评价，此时温度已经降低至27度。那么27度时，26摄氏度，50Hz的行为同样获得负面评价。控制器根据之前该行为已经获得的评价和当前得到的评价，更新该行为评价。并根据评价最高的行为进行控制。最终，经过一段时间学习，在28摄氏度时，该用户最优的设定值为27度，风机频率在30Hz时，用户无任何抱怨，进而学习出该状态下的多维度舒适控制策略，即学习当前状态下对应的运行参数。

在本发明的一个实施例中，定义对当前关注的与人员感受相关的环境状态。与热舒适相关的为空气温度和相对湿度，因此状态可定义为S=(T_i,H_i)，其中，T_i为当前空气温度，H_i为当前空气相对湿度。

控制行为是指控制策略调整环境参数，例如，在热舒适方面，可以控制房间温度设定值，在声环境舒适度方面，可以对房间内噪声来源--送风机频率进行控制，因此控制行为可定义为a=(T_S,F_i)，其中，T_S为温度设定值，F_i为风机频率。

状态行为报酬，为在特定状态下，执行某一控制行为后，用户以及手工环境对于该行为执行效果的一个评价。在用户方面，评价为该行为执行后，用户的冷热抱怨以及噪声感受，并以一定的权重计算对于该状态行为的评价指标，例如，评价可以设定为r(s,a)=Compl_thermal+Compl_noise。其中，Compl_thermal为用户通过在热舒适方面的舒适度评价信息，Compl_noise为用户通过对噪声的舒适度评价信息。

策略更新（即学习）是指在每次获得该行为报酬时，与之前该状态行为已有的报酬指标进行融合计算，获得更新后的状态行为指标。更新的控制策略则选取在各个状态下，该项指标最好的控制行为。即先根据获得的行为报酬r对状态行为指标Q进行更新，获得最新值Q(s,a)←Q(s,a)+α[r(s,a)-ρ+max_a'∈AQ(s',a')-Q(s,a)]，其中，Q(s,a)是当前状态下的行为指标，ρ是平均评价值，当Q(s,a)=max_a'∈AQ(s,a)时，有ρ=ρ+β[r(s,a)-ρ+max_a'∈AQ(s',a')-Q(s,a)]，α是一个惯性因子常数，r(s,a)为（对当前状态s与行为a的评价,max_a'∈AQ(s',a')为在下一时刻的状态s'下，所有可行行为A中，选择Q值最大的，β为更新步长。

控制决策选择是根据当前的状态来选取最优的控制行为，例如，选择合适的温度设定值T_S和风机频率F_i，以概率1-δ来选择a=(F_i,F_S)=argmax_a'{Q(s,a')}以概率δ来随机选取去其他的控制行为，其中，δ为很小的非负数。

在本发明的一个实施例中，自适应决策时间，是算法在状态行为对的更新时刻，不仅遵循自己的内置周期，同时也考虑用户的舒适度评价信息时刻。当用户的舒适度评价信息为抱怨时，对状态行为进行更新。当用户的舒适度评价信息不是抱怨时，则按照内置周期进行状态行为的更新。该机制可用如下公式进行表示： $t_{n+1}=\left\{\min \right\{t_{\mathrm{ci}},{\stackrel{\‾}{t}}_k|t_{\mathrm{ci}}>t_n,{\stackrel{\‾}{t}}_k>t_n,i=\mathrm{1,2},...,k=\mathrm{1,2},...\}\}$ 其中，t_n表示第n次决策的时间，t_ci表示第i次抱怨的时间，表示内置的第k次的更新时间，t_n+1为第n+1次决策的时间。

根据本发明实施例的方法，通过学习空调设备在满足用户需求时的运行参数，在处于相同状态下通过学习到的运行参数运行空调设备，从而提高了用户的需求和体验。

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不脱离本发明的原理和宗旨的情况下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。

Claims (4)

1.一种基于学习用户行为的多维舒适度室内环境控制系统，其特征在于，包括：

采集模块，用于采集室内环境参数；

人机交互平台，用于接收用户对室内环境感受的舒适度评价信息；

控制模块，用于根据所述舒适度评价信息调整空调设备的运行参数，以对所述室内环境进行调整直至用户对所述室内环境感受的舒适度评价信息满足预设条件为止，所述预设条件为用户对室内环境感受的舒适度评价信息为褒义评价或没有舒适度评价信息时的情况；

学习模块，用于学习所述空调设备在满足所述预设条件时的运行参数，以便在所述采集模块再次采集到与所述环境参数匹配的数据时，控制所述空调设备以学习到的所述运行参数运行，

当所述用户对室内环境感受的舒适度评价信息为褒义评价时，所述学习模块学习当前环境参数下的运行参数，并通过所述控制模块控制所述空调设备，

当所述用户没有舒适度评价信息时，学习当前环境参数下的运行参数，并通过所述控制模块控制所述空调设备。

2.如权利要求1所述的基于学习用户行为的多维舒适度室内环境控制系统，其特征在于，还包括：

存储模块，用于存储满足所述预设条件时的运行参数。

3.一种基于学习用户行为的多维舒适度室内环境控制方法，其特征在于，包括以下步骤：

采集室内环境参数；

接收用户对室内环境感受的舒适度评价信息；

根据所述舒适度评价信息调整空调设备的运行参数，以对所述室内环境进行调整直至用户对所述室内环境感受的舒适度评价信息满足预设条件为止，所述预设条件为用户对室内环境感受的舒适度评价信息为褒义评价或没有舒适度评价信息时的情况；

学习所述空调设备在满足所述预设条件时的运行参数，以便在采集模块再次采集到与所述环境参数匹配的数据时，控制所述空调设备以学习到的所述运行参数运行；

当所述用户对室内环境感受的舒适度评价信息为褒义评价时，学习当前环境参数下的运行参数，并且所述空调设备以所述运行参数运行；

当所述用户没有舒适度评价信息时，学习当前环境参数下的运行参数，并且所述空调设备以所述运行参数运行。

4.如权利要求3所述的基于学习用户行为的多维舒适度室内环境控制方法，其特征在于，还包括：

存储满足所述预设条件时的运行参数，以便再次采集到与所述环境参数匹配的数据时，控制所述空调设备以学习到的所述运行参数运行。