CN105989055A - 一种空调环境日程表更新方法 - Google Patents

Abstract

本发明涉及空调数据管理领域，具体涉及一种空调环境日程表更新方法。该方法能够将当前数据与日程表中的相应时间对应的数据进行比较，如果日程表中的数据不符合条件，可以进一步的与历史记录中相应时间对应的数据进行比较，如果查找出符合条件的数据，进而将查找出的数据更新掉日程表中相应时间对应的数据，如果没有查找出符合条件的数据，则将初始化表中时间对应的一组数据替换为日程表中的数据。本发明在充分分析和利用用户过往记录数据的基础上，根据用户的使用记录智能更新日程表，提出了专为个人用户量身定做及自适应使用用户的空调环境日程表，使得中央空调能智能化的完成对用户周围环境的设置。

Description

一种空调环境日程表更新方法

技术领域

本发明涉及空调数据管理领域，具体涉及一种空调环境日程表更新方法。

背景技术

现有技术中对于空调调节的关注点在于空气的温度、湿度、洁净度和气流速度，使用的都是基于使用者操作的调节模式，而不是记录用户的数据自动化地，智能地进行空调环境的调控。即用户怎么调节，空调怎么工作，对于用户以往使用空调时所调节的数据和使用习惯没有任何的记录。这样在每次调节时，用户都要重新花费不少的时间和精力对空调进行调控。

随着中央空调控制技术的发展与家电智能化的发展趋势，针对现有的空调，需要设计出能够自动记录并且自适应用户习惯的空调智能调控算法，本算法要能够实现根据过往存储的用户记录数据，形成反映用户使用习惯的日程表。

基于以上描述，亟需要一种新的空调环境日程表更新方法，以解决现有技术中存在的对于用户以往使用空调时所调节的数据和使用习惯没有任何的记录，在每次调节时，用户都要重新花费不少的时间和精力对空调进行调控的问题。

发明内容

有鉴于此，本发明的目的在于提供一种空调环境日程表更新方法，该方法可以根据用户的使用习惯及使用记录智能更新日程表。

本发明实施例采用以下技术方案：

一种空调环境日程表更新方法，所述空调内设置有数据库，所述数据库中存储有日程表数据、短周期数据、长周期数据，日程表数据、短周期数据和长周期数据中包含有湿度值数据和温度值数据，日程表中具有M天的数据，短周期为M天，长周期为Z年，其中，M、Z为大于等于1的整数，其特征在于，所述更新方法包括步骤：

S0、自动获取当前一组数据P_当前Dit；其中，P_当前Dit为当前所在的时刻对应的数据，Di为当前所在的天，t为当前所在的时刻；

S1、将当前一组数据P_当前Dit与日程表中时间对应的一组数据P_日Dit进行比较，如果两组数据中温度差的绝对值不大于预设值A℃，湿度差与日程表中对应的湿度比值不超过B％，则执行步骤S2；否则，执行步骤S3；P_日Dit为日程表中Di天t时刻对应的一组数据；

S2、将当前一组数据P_当前Dit替换日程表中时间对应的一组数据P_日Dit；

S3、将当前一组数据P_当前Dit分别与短周期内时间对应的M组数据P_短周期Dit进行比较，其中，i为1至M的整数，如果温度差的绝对值F_i小于预设值C℃并且湿度差与短周期内时间对应的湿度比值G_i小于D％的数据不到E组，则执行步骤S5；否则，执行步骤S4；其中，E为大于等于2且小于M的整数；P_短周期Dit为短周期中Di天t时刻对应的一组数据；

S4、查找步骤S3中得出的温度差的绝对值F_i小于预设值C℃和湿度差与短周期内时间对应的湿度比值G_i小于D％的数据分别对应的加权因子Q_Fi、Q_Gi，根据加权因子计算出替换数据，并用该替换数据将日程表中对应的该组数据替换；

S5、根据当前一组数据P_当前Dit查找长周期数据中时间对应的一组以上的数据，如果查找出符合条件的数据，则执行步骤S6；否则，执行步骤S7；

S6、将步骤S5中查找出的该组数据替换日程表中的数据；

S7、将初始化表中时间对应的一组数据替换日程表中的数据。

作为优选，在步骤S4中，

温度差的绝对值F_i对应的替换数据Ff＝Σ(F_iQ_FiQ_Gi)/Σ(Q_FiQ_Gi)；

湿度差与短周期内时间对应的湿度比值G_i对应的替换数据Gf＝Σ(G_iQ_FiQ_Gi)/Σ(Q_FiQ_Gi)；

其中，

i为1至M的整数。

作为优选，如果温度差的绝对值F_i≤H℃，则其对应的加权因子Q_Fi为R；如果温度差的绝对值H℃＜F_i≤K℃，则其对应的加权因子Q_Fi为S；

如果湿度差与短周期内时间对应的湿度比值G_i≤U％，则其对应的加权因子Q_Gi为V；如果湿度差与短周期内时间对应的湿度比值U％＜G_i≤W％，则其对应的加权因子Q_Gi为X。

作为优选，所述H的取值为1，所述R的取值为10，所述K的取值为3，所述S的取值为5；

所述U的取值为10，所述V的取值为2；所述W的取值为30，所述X的取值为1。

作为优选，在步骤S5中，长周期数据分为两部分，第一部分数据为Z年中每半个小时对应的数据，第二部分数据为第一部分数据数据的汇总；查找方式包括步骤：

S51、根据当前一组数据查找第二部分数据中时间相应的数据，如果查找到P组相同的数据，则执行步骤S6；否则，执行步骤S52；

S52、根据当前一组数据查找第一部分数据中时间相应的数据，如果查找到T组相同的数据，则执行步骤S6；否则，执行步骤S7。

作为优选，所述P的取值为1，所述T的取值为3。

作为优选，所述M的取值为7，日程表中有48*7＝336组数据，短周期数据也为48*7＝336组；所述Z的取值为15。

作为优选，在步骤S1中，所述预设值A的取值为1，B的取值为10。

作为优选，在步骤S3中，所述预设值C的取值为3，D的取值为30，E的取值为3。

本发明实施例提出的技术方案的有益技术效果是：

由于本申请提供的空调环境日程表更新方法能够将当前一组数据P_当前Dit与日程表中时间对应的一组数据P_日Dit进行比较，如果日程表中的数据不符合条件，可以进一步的与历史记录中相应时间对应的数据进行比较，如果查找出符合条件的数据，进而将查找出的数据更新掉日程表中相应时间对应的数据，如果没有查找出符合条件的数据，则将初始化表中时间对应的一组数据替换为日程表中的数据。所以通过以上方法能自动的更换日程表中的数据，形成一个自适应使用用户的日程表，使得中央空调能智能化的完成对用户周围环境的设置。本发明在充分分析和利用用户过往记录数据的基础上，提出了专为个人用户量身定做的空调环境日程表。通过比较本周与上周的空调参数设置情况，根据用户的使用记录智能更新日程表。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1是本申请具体实施例提供的空调环境日程表更新方法流程图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供的空调环境日程表更新方法需要数据库中的数据支持，所述数据库中存储有日程表数据、短周期数据、长周期数据，日程表数据、短周期数据和长周期数据中包含有湿度值数据和温度值数据，日程表中具有M天的数据，短周期为M天，长周期为Z年，其中，M、Z为大于等于1的整数。

作为优选，所述M的取值为7，日程表中有48*7＝336组数据，短周期数据也为48*7＝336组；所述Z的取值为15。即所述数据库中存储有当前一周(本周)的数据、日程表中的数据、最近一周(上周)的数据、往年15年的数据，但，M、Z的取值并不局限于此。日程表中的数据以及短周期数据也不局限于336组。

具体的，数据的存储分为大数据存储(长周期数据)和最近数据存储，大数据存储是指按照季节将用户的所有数据存储在服务器上，最近数据存储则是在家庭中央空调存储了最近一周(短周期数据)，本周，与日程表共21天的数据存储。将用户的使用记录保存，一天有24小时，每半小时记录一次数据，一天有48次记录，使用7个flash的块(每天一块，所以用了7个)，每块使用其中的48页，存储一周的数据，则日程表的大小为48*7*3数据记录(3个周)。一个日程表，一个本周，一个上周，实际用了21个块，每个flash里面64页，我们只用了48页。

于本实施例中，日程表就一个，改了就擦，本周数据和上周数据对比，两个一样，和日程表不一样，就取代日程表数据。如果用户对上周某一组的数据进行了操作，则该组数据里面对应的就是用户操作后的数据，如果用户没有操作，则该组数据是空的。本周的标记为上周的，每次开机的时候，把这两个flash操作一下，哪一个时间读取当前时间，当前时间一致，本周，上周和当前三个时间对比，当过了时间，本周标注为上周，然后本周清零。日程表如果没有操作就没有值，就是用户使用记录。

如图1所示，所述更新方法包括步骤：

S0、自动获取当前一组数据P_当前Dit；其中，P_当前Dit为当前所在的时刻对应的数据，Di为当前所在的天，t为当前所在的时刻。

S1、将当前一组数据P_当前Dit与日程表中时间对应的一组数据P_日Dit进行比较，如果两组数据中温度差的绝对值不大于预设值A℃，湿度差与日程表中对应的湿度比值不超过B％，则执行步骤S2；否则，执行步骤S3；P_日Dit为日程表中Di天t时刻对应的一组数据。

S2、将当前一组数据P_当前Dit替换日程表中时间对应的一组数据P_日Dit。

于本实施例中，作为优选方案，所述预设值A的取值为1，B的取值为10，E的取值为3。即如果两组数据中温度差的绝对值不大于预设值1℃，湿度差与日程表中对应的湿度比值不超过10％，则执行步骤S2；否则，执行步骤S3。但，预设值A、B、E的取值并不局限于此，还可以为其他值。

比如，当前时间为周三的早上8点，找日程表中相应日期的早上8:00对应的数据，如果当前时间对应的数据与日程表中相应日期对应的数据中温度差的绝对值不大于预设值1℃，湿度差与日程表中对应的湿度比值不超过10％，就会用将当前时间对应的温度值和湿度值替换日程表中的相应时间对应的温度值和湿度值。日程表中存的是设定的一条记录、时间、温度、环境温度、风速、湿度，这次参数要么是设置过的，要么是计算得出的。

S3、将当前一组数据P_当前Dit分别与短周期内时间对应的M组数据P_短周期Dit进行比较，其中，i为1至M的整数，如果温度差的绝对值F_i小于预设值C℃并且湿度差与短周期内时间对应的湿度比值G_i小于D％的数据不到E组，则执行步骤S5；否则，执行步骤S4；其中，E为大于等于2且小于M的整数；P_短周期Dit为短周期中Di天t时刻对应的一组数据。

于本实施例中，作为优选方案，所述预设值C的取值为3，D的取值为30，E的取值为3。即如果温度差的绝对值F_i小于预设值3℃并且湿度差与短周期内时间对应的湿度比值G_i小于30％的数据不到3组，则执行步骤S5；否则，执行步骤S4。但预设值C、D及E的取值并不局限于此，还可以根据实际情况自行设定。

S4、查找步骤S3中得出的温度差的绝对值F_i小于预设值C℃和湿度差与短周期内时间对应的湿度比值G_i小于D％的数据分别对应的加权因子Q_Fi、Q_Gi，根据加权因子计算出替换数据，并用该替换数据将日程表中对应的该组数据替换。

具体的，温度差的绝对值F_i对应的替换数据Ff＝Σ(F_iQ_FiQ_Gi)/Σ(Q_FiQ_Gi)。

湿度差与短周期内时间对应的湿度比值G_i对应的替换数据Gf＝Σ(G_iQ_FiQ_Gi)/Σ(Q_FiQ_Gi)。

其中，

i为1至M的整数。

具体的，将当前一组数据分别与相邻一周7天中每天的时间对应的一组数据进行比较，得出7组温度差的绝对值F_i和湿度差与短周期内时间对应的湿度比值G_i，查找以上步骤中得出的温度差的绝对值F_i小于预设值3℃和湿度差与短周期内时间对应的湿度比值G_i小于30％的数据分别对应的加权因子Q_Fi、Q_Gi，如果温度差的绝对值F_i大于等于预设值3℃或湿度差与短周期内时间对应的湿度比值G_i大于等于30％，就将这组数据舍弃，不参与以下的计算了。之后计算出每组的总加权因子Q_FiQ_Gi。当计算温度差的绝对值F_i对应的替换数据Ff时，将7组中每组的温度差的绝对值F_i与该组的总加权因子Q_FiQ_Gi相乘，之后再将7组数据相加求和Σ(F_iQ_FiQ_Gi)，之后再用Σ(F_iQ_FiQ_Gi)除以7组总加权因子Q_FiQ_Gi相加之和，即得出温度差的绝对值F_i对应的替换数据Ff。当计算湿度差与短周期内时间对应的湿度比值G_i对应的替换数据Gf时，所用的计算方法与计算温度差的绝对值F_i对应的替换数据Ff的计算方法相同，在此不作赘述。

于本实施例中，作为优选方案，将温度差的绝对值F_i及湿度差与短周期内时间对应的湿度比值G_i分别进行分段，不同的温度差的绝对值F_i对应的加权因子不同，不同的湿度差与短周期内时间对应的湿度比值G_i对应的加权因子也不同。如果温度差的绝对值F_i≤H℃，则其对应的加权因子Q_Fi为R；如果温度差的绝对值H℃＜F_i≤K℃，则其对应的加权因子Q_Fi为S。

如果湿度差与短周期内时间对应的湿度比值G_i≤U％，则其对应的加权因子Q_Gi为V；如果湿度差与短周期内时间对应的湿度比值U％＜G_i≤W％，则其对应的加权因子Q_Gi为X。

于本实施例中，作为进一步的优选方案，所述H的取值为1，所述R的取值为10，所述K的取值为3，所述S的取值为5。

所述U的取值为10，所述V的取值为2；所述W的取值为30，所述X的取值为1。

即如果温度差的绝对值F_i≤1℃，则其对应的加权因子Q_Fi为10；如果温度差的绝对值1℃＜F_i≤3℃，则其对应的加权因子Q_Fi为5。

如果湿度差与短周期内时间对应的湿度比值G_i≤10％，则其对应的加权因子Q_Gi为2；如果湿度差与短周期内时间对应的湿度比值10％＜G_i≤30％，则其对应的加权因子Q_Gi为1。

但，H、R、K、S、U、V、W及X的取值并不局限于以上所述，还可以根据情况取其它值。

S5、根据当前一组数据P_当前Dit查找长周期数据中时间对应的一组以上的数据，如果查找出符合条件的至少一组数据，则执行步骤S6；否则，执行步骤S7。

其中，以往Z年时间段内的数据(长周期数据)分为两部分，第一部分数据为Z年中每半个小时对应的数据，第二部分数据为第一部分数据数据的汇总；查找方式包括步骤：

S51、根据当前一组数据查找第二部分数据中时间相应的数据，如果查找到P组相同的数据，则执行步骤S6；否则，执行步骤S52。

S52、根据当前一组数据查找第一部分数据中时间相应的数据，如果查找到T组相同的数据，则执行步骤S6；否则，执行步骤S7。

于本实施例中，作为优选方案，所述P的取值为1，所述T的取值为3。即S51、根据当前一组数据查找第二部分数据中时间相应的数据，如果查找到1组完全相同的数据，则执行步骤S6；否则，执行步骤S52。

S52、根据当前一组数据查找第一部分数据中时间相应的数据，如果查找到3组完全相同的数据，则执行步骤S6；否则，执行步骤S7。

S6、将查找出的该组数据替换日程表中的数据。

S7、将初始化表中时间对应的一组数据替换日程表中的数据。

本申请提供的空调环境日程表更新方法能够将当前数据与日程表中的相应时间对应的数据进行比较，如果日程表中的数据不符合条件，可以进一步的与历史记录中相应时间对应的数据进行比较，如果查找出符合条件的数据，进而将查找出的数据更新掉日程表中相应时间对应的数据，如果没有查找出符合条件的数据，则将初始化表中时间对应的一组数据替换日程表中的数据。所以通过以上方法能自动的更换日程表中的数据，形成一个自适应使用用户的日程表，使得中央空调能智能化的完成对用户周围环境的设置。本发明在充分分析和利用用户过往记录数据的基础上，提出了专为个人用户量身定做的空调环境日程表。通过比较本周与上周的空调参数设置情况，根据用户的使用记录智能更新日程表。

而且该日程表智能温控算法前后兼容，利于产品的维护和升级。扩展主要在软件上，成本低。充分分析上下文数据，自适应周期性的数据变化，使得空调温度调控更智能化的符合用户的需求，从而提高用户对空调产品的满意度。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种空调环境日程表更新方法，所述空调内设置有数据库，所述数据库中存储有日程表数据、短周期数据、长周期数据，日程表数据、短周期数据和长周期数据中包含有湿度值数据和温度值数据，日程表中具有M天的数据，短周期为M天，长周期为Z年，其中，M、Z为大于等于1的整数，其特征在于，所述更新方法包括步骤：

S0、自动获取当前一组数据P_当前Dit；其中，P_当前Dit为当前所在的时刻对应的数据，Di为当前所在的天，t为当前所在的时刻；

S1、将当前一组数据P_当前Dit与日程表中时间对应的一组数据P_日Dit进行比较，如果两组数据中温度差的绝对值不大于预设值A℃，湿度差与日程表中对应的湿度比值不超过B％，则执行步骤S2；否则，执行步骤S3；P_日Dit为日程表中Di天t时刻对应的一组数据；

S2、将当前一组数据P_当前Dit替换日程表中时间对应的一组数据P_日Dit；

S3、将当前一组数据P_当前Dit分别与短周期内时间对应的M组数据P_短周期Dit进行比较，其中，i为1至M的整数，如果温度差的绝对值F_i小于预设值C℃并且湿度差与短周期内时间对应的湿度比值G_i小于D％的数据不到E组，则执行步骤S5；否则，执行步骤S4；其中，E为大于等于2且小于M的整数；P_短周期Dit为短周期中Di天t时刻对应的一组数据；

S4、查找步骤S3中得出的温度差的绝对值F_i小于预设值C℃和湿度差与短周期内时间对应的湿度比值G_i小于D％的数据分别对应的加权因子Q_Fi、Q_Gi，根据加权因子计算出替换数据，并用该替换数据将日程表中对应的该组数据替换；

S5、根据当前一组数据P_当前Dit查找长周期数据中时间对应的一组以上的数据，如果查找出符合条件的数据，则执行步骤S6；否则，执行步骤S7；

S6、将步骤S5中查找出的该组数据替换日程表中的数据；

S7、将初始化表中时间对应的一组数据替换日程表中的数据。

2.如权利要求1所述的空调环境日程表更新方法，其特征在于，在步骤S4中，

温度差的绝对值F_i对应的替换数据Ff＝Σ(F_iQ_FiQ_Gi)/Σ(Q_FiQ_Gi)；

湿度差与短周期内时间对应的湿度比值G_i对应的替换数据Gf＝Σ(G_iQ_FiQ_Gi)/Σ(Q_FiQ_Gi)；

其中，

i为1至M的整数。

3.如权利要求2所述的空调环境日程表更新方法，其特征在于，如果温度差的绝对值F_i≤H℃，则其对应的加权因子Q_Fi为R；如果温度差的绝对值H℃＜F_i≤K℃，则其对应的加权因子Q_Fi为S；

如果湿度差与短周期内时间对应的湿度比值G_i≤U％，则其对应的加权因子Q_Gi为V；如果湿度差与短周期内时间对应的湿度比值U％＜G_i≤W％，则其对应的加权因子Q_Gi为X。

4.如权利要求3所述的空调环境日程表更新方法，其特征在于，所述H的取值为1，所述R的取值为10，所述K的取值为3，所述S的取值为5；

所述U的取值为10，所述V的取值为2；所述W的取值为30，所述X的取值为1。

5.如权利要求1所述的空调环境日程表更新方法，其特征在于，在步骤S5中，长周期数据分为两部分，第一部分数据为Z年中每半个小时对应的数据，第二部分数据为第一部分数据数据的汇总；查找方式包括步骤：

S51、根据当前一组数据查找第二部分数据中时间相应的数据，如果查找到P组相同的数据，则执行步骤S6；否则，执行步骤S52；

S52、根据当前一组数据查找第一部分数据中时间相应的数据，如果查找到T组相同的数据，则执行步骤S6；否则，执行步骤S7。

6.如权利要求5所述的空调环境日程表更新方法，其特征在于，所述P的取值为1，所述T的取值为3。

7.如权利要求1至6任一项所述的空调环境日程表更新方法，其特征在于，所述M的取值为7，日程表中有48*7＝336组数据，短周期数据也为48*7＝336组；所述Z的取值为15。

8.如权利要求1至6任一项所述的空调环境日程表更新方法，其特征在于，在步骤S1中，所述预设值A的取值为1，B的取值为10。

9.如权利要求1至6任一项所述的空调环境日程表更新方法，其特征在于，在步骤S3中，所述预设值C的取值为3，D的取值为30，E的取值为3。