CN107065582A - 一种基于环境的参数的室内空气智能调节系统和调节方法 - Google Patents
一种基于环境的参数的室内空气智能调节系统和调节方法 Download PDFInfo
- Publication number
- CN107065582A CN107065582A CN201710206780.9A CN201710206780A CN107065582A CN 107065582 A CN107065582 A CN 107065582A CN 201710206780 A CN201710206780 A CN 201710206780A CN 107065582 A CN107065582 A CN 107065582A
- Authority
- CN
- China
- Prior art keywords
- air
- indoor
- data acquisition
- humidity
- energy consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000009471 action Effects 0.000 claims abstract description 35
- 238000005265 energy consumption Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004378 air conditioning Methods 0.000 claims abstract description 21
- 238000004140 cleaning Methods 0.000 claims abstract description 18
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 31
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 30
- 230000006399 behavior Effects 0.000 claims description 22
- 239000001569 carbon dioxide Substances 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 5
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000004408 titanium dioxide Substances 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于环境的参数的室内空气智能调节系统和调节方法，包括窗控终端、空调系统、空气净化系统，还包括分布式Wi‑Fi网络、数据采集模块和处理模块，窗控终端、空调系统、空气净化系统、数据采集模块通过分布式Wi‑Fi网络与处理模块连接，本发明的调节系统，通过室内温湿度传感器、CO2浓度传感器和室内PM2.5传感器收集环境参数，并把数据通过分布式Wi‑Fi网络上传至本地服务器处理模块，同样地，通过电表把数据上传至本地服务器处理模块，然后本地服务器处理模块根据所获数据和设定温湿度的值通过一种基于强化学习的方法分析计算，给出窗控终端、空调系统、空气净化设备应做的动作，改变室内空气状况，使得在能耗最低的情况下实现室内空气质量的提高。
Description
技术领域
本发明涉及空气调节技术领域，特别涉及一种基于环境的参数的室内空气智能调节系统和调节方法。
背景技术
随着对环境污染危害的意识提高，人们开始更注重室内空气质量。有研究表明，现代人平均花90％的时间在室内度过，所以室内空气质量的好坏会直接影响现代人的身体健康，因此利用各种调控方法来调节空气质量也成了一个较好研究方向。
目前，大多数家庭只有空调和空气净化器可以实现微智能地工作，而它们也仅仅是独立工作。即使有些家庭用的空气调节系统能让设备互联起来，其中也缺乏机器自我学习的功能，需要大量的人工干预调节，不能适应季节的变化，也不能很好的适应各种市场情况的需求。此外，人工干预调节也不能保证达到较好的效果，比如，当人们想开窗通风降低室内CO2浓度时，可能此时室外温度较低，将影响室内温度，也可能室外正有雾霾，将很大程度上影响室内空气质量，如何较高效地处理这些问题还能保证能源的节省，这只有机器经过不断地尝试学习才能够解决。
发明内容
本发明要解决的技术问题是提供基于环境因素对室内空气进行智能调节的系统和方法。
本发明解决其技术问题所采用的技术方案是：一种基于环境的参数的室内空气智能调节系统，包括窗控终端、空调系统、空气净化系统，还包括分布式Wi-Fi网络、数据采集模块和处理模块，所述窗控终端、空调系统、空气净化系统、数据采集模块通过分布式Wi-Fi网络与处理模块连接；
所述数据采集模块包括用于检测室内温度的室内温度传感器，用于检测室外温度的室外温度传感器、用于检测室内湿度的室内湿度传感器、用于检测室外湿度的室外湿度传感器、用于检测室内二氧化碳浓度的二氧化碳传感器、用于检测室内PM2.5值的PM2.5传感器和用于检测总能耗的能耗计量装置；
所述室内温度传感器和室外温度传感器与温度从控器相连，所述温度从控器包括分别与室内温度传感器和室外温度传感器相连的温度采集模块以及与温度采集模块相连的第一Wi-Fi通信模块；
所述室内湿度传感器和室外湿度传感器与湿度从控器相连，所述湿度从控器包括分别与室内湿度传感器和室外湿度传感器相连的湿度采集模块以及与湿度采集模块相连的第二Wi-Fi通信模块；
所述二氧化碳传感器与二氧化碳从控器相连，所述二氧化碳从控器包括与二氧化碳传感器相连的二氧化碳数据采集模块以及与二氧化碳数据采集模块相连的第三Wi-Fi通信模块；
所述PM2.5传感器与PM2.5从控器相连，所述PM2.5从控器包括与PM2.5传感器相连的PM2.5数据采集模块以及与PM2.5数据采集模块相连的第四Wi-Fi通信模块；
所述能耗计量装置与能耗从控器相连，所述能耗从控器包括与能耗计量装置相连的能耗数据采集模块以及与能耗数据采集模块相连的第五Wi-Fi通信模块。
进一步的是：还包括云服务器和APP模块，所述云服务器、APP模块和处理模块通过因特网互联。
本发明还公开了一种基于环境的参数的室内空气智能调节系统调节方法，其特征在于包括：S1：建立奖赏模型和动作值函数Q(s,a)；
S2：初始化动作值函数Q(s,a)，学习率α，折扣因子γ(0＜γ＜1)，其中S为状态因素，a为动作因素，状态因素由室内外温度、室内外湿度、二氧化碳浓度、PM2.5值和能耗构成，动作因素由窗控终端行为、空调系统行为和空气净化行为构成；
S3：根据现在状态S，选择一个贪心动作a；
S4：根据数据采集模块获得的信息进行状态转移s←s′；
S5：根据当前状态下的状态因素S和动作因素a，更新奖赏模型r值；
S6：更新当前动作值函数Q(s,a)：
更新学习率α，t＝t+1；
S7：如果在情节内，回到S3；
S8：回到S2；
所述S3中的贪心动作a表示在已知条件下会获得奖赏最高的动作；S7中的情节表示一定数量的时间步。
进一步的是：所述奖惩模型为：
r＝-T_estimate-RH_estimate-β_estimate-θ_estimate-W_estimate；
其中：
其中：Tin表示室内温度，单位为摄氏度，Tout表示室外温度，单位为摄氏度,RHin表示室内湿度，单位为百分比，RHout表示室内湿度，单位为百分比，β表示CO2浓度，单位为ppm，θ表示PM2.5的值，单位为微克/立方米，w表示功耗，单位为wh，下标t表示第t次收到的数据；
在公式(5)中c1、c2表示条件1、条件2，条件1为条件2除外的其余情况，条件2比较复杂，其表示(Tin>Tout且air_conditon_flag＝1,2)或者(Tin<Tout且air_conditon_flag＝3,4)或者(RHin<RHout且air_cleaner_flag＝2,3)或者(windows_flag≠0且air_conditon_flag≠0)。
其中：全部行为因素建模为80*3的矩阵A，a∈A,其横向量是一个三维的向量，表示一个行为，行为量第一位：windows_flag表示窗控终端，微开为1、半开为2、全开为3、关闭为0；行为量第二位：air_conditon_flag表示空调系统，制冷小风为1、制冷大风为2、制热小风为3、制热大风为4、关闭为0；行为量第三位：air_cleaner_flag表示空气净化设备，净化为1、加湿为2、净化且加湿为3、关闭为0。
进一步的是：将S8中一次情节结束后状态S及其动作因素a作为贪心动作存储入策略库。
本发明的有益效果是：本发明提供的基于环境参数的室内空气智能调节系统，通过室内温湿度传感器、CO2浓度传感器和室内PM2.5传感器收集环境参数，并把数据通过分布式Wi-Fi网络上传至本地服务器处理模块，同样地，通过电表把数据上传至本地服务器处理模块，然后本地服务器处理模块根据所获数据和设定温湿度的值通过一种基于强化学习的方法分析计算，给出窗控终端、空调系统、空气净化设备应做的动作，改变室内空气状况，使得在能耗最低的情况下实现室内空气质量的提高，且当温湿度、CO2浓度、PM2.5某项值超过预警值，环境超出智能系统的控制范围，代表可能有意外事故发生，本地服务器及时想云服务器请求发送信息到手机APP，告知管理员，保证了室内环境的安全性。
附图说明
图1为室内空气智能调节系统结构示意图。
图2为本地服务器工作流程图。
图3为室内空气调节方法流程图。
图4为数据采集模块示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
如图1所示的一种基于环境的参数的室内空气智能调节系统，包括窗控终端、空调系统、空气净化系统，还包括分布式Wi-Fi网络、数据采集模块和处理模块，本地显示和管理模块、所述窗控终端、空调系统、空气净化系统、数据采集模块通过分布式Wi-Fi网络与处理模块连接；
所述数据采集模块包括用于检测室内温度的室内温度传感器，用于检测室外温度的室外温度传感器、用于检测室内湿度的室内湿度传感器、用于检测室外湿度的室外湿度传感器、用于检测室内二氧化碳浓度的二氧化碳传感器、用于检测室内PM2.5值的PM2.5传感器和用于检测能耗的能耗计量装置；
所述室内温度传感器和室外温度传感器与温度从控器相连，所述温度从控器包括分别与室内温度传感器和室外温度传感器相连的温度采集模块以及与温度采集模块相连的第一Wi-Fi通信模块；
所述室内湿度传感器和室外湿度传感器与湿度从控器相连，所述湿度从控器包括分别与室内湿度传感器和室外湿度传感器相连的湿度采集模块以及与湿度采集模块相连的第二Wi-Fi通信模块；
所述二氧化碳传感器与二氧化碳从控器相连，所述二氧化碳从控器包括与二氧化碳传感器相连的二氧化碳数据采集模块以及与二氧化碳数据采集模块相连的第三Wi-Fi通信模块；
所述PM2.5传感器与PM2.5从控器相连，所述PM2.5从控器包括与PM2.5传感器相连的PM2.5数据采集模块以及与PM2.5数据采集模块相连的第四Wi-Fi通信模块；
所述能耗计量装置与能耗从控器相连，所述能耗从控器包括与能耗计量装置相连的能耗数据采集模块以及与能耗数据采集模块相连的第五Wi-Fi通信模块；
上述所述的各模块型号具体为：第一Wi-Fi通信模块、第二Wi-Fi通信模块、第三Wi-Fi通信模块、第四Wi-Fi通信模块和第五Wi-Fi通信模块的型号均为Esp8266-01，温度传感器的型号为DS18B20，湿度传感器的型号为HIH3610，二氧化碳传感器的型号为T-6615，PM2.5传感器的型号为DSM50；
上述系统在使用时，室内温度传感器和室外温度传感器将采集到的温度通过第一Wi-Fi通信模块使用分布式Wi-Fi网络传至处理模块，室内湿度传感器和室外湿度传感器通过第二Wi-Fi通信模块将使用分布式Wi-Fi网络传至处理模块，二氧化碳传感器通过第三Wi-Fi通信模块使用分布式Wi-Fi网络传至处理模块，PM2.5传感器通过第四Wi-Fi通信模块使用分布式Wi-Fi网络传至处理模块，能耗计量装置将检测到的能耗数据通过第五Wi-Fi通信模块使用分布式Wi-Fi网络传至处理模块，所述窗控终端包括Wi-Fi通信模块和电动开窗器，所述Wi-Fi通信模块通过所述分布式Wi-Fi网络与所述本地服务器处理模块连接，所述空调系统包括Wi-Fi通信模块和空调设备，所述Wi-Fi通信模块通过所述分布式Wi-Fi网络与所述本地服务器处理模块连接，所述空气净化系统包括Wi-Fi通信模块和空气净化设备，所述Wi-Fi通信模块通过所述分布式Wi-Fi网络与所述本地服务器处理模块连接，所述处理模块一般包括建模模块和决策模块，建模模块用于对环境状态建立相应的模型，决策模块用于确定各个系统设备的行为动作，该行为动作会对环境状态产生影响并给建模模块一个反馈，进而通过决策模块和建模模块的共同作用找出各个系统设备的最优的行为策略，实现在节能的情况下对室内空气的优化。
此外，所述本地显示与管理模块包括通信单元、显示单元和管理单元，所述通信单元通过所述分布式Wi-Fi网络与处理模块连接，可通过本地显示与管理模块实现各设备的人为干预。
在上述基础上，还包括云服务器和APP模块，所述云服务器、APP模块和处理模块通过因特网互联，当温度>40摄氏度，二氧化碳浓度>2000ppm时，视为到达危险预警值。因为在温度和CO2浓度在上升的时候有两种情况：一种为，经智能系统调控后仍不断上升；另一种为，智能调节系统还未来得及调控，两种情况均表示室内可能有意外情况出现，超出智能系统调节范围，处理模块通过因特网通知云服务器，云服务器通过因特网发消息到手机APP，告知管理员，防止意外产生。
本发明还公开了一种基于环境的参数的室内空气智能调节系统调节方法，其特征在于包括：
S1：建立奖赏模型和动作值函数Q(s,a)；
S2：初始化动作值函数Q(s,a)，学习率α，折扣因子γ(0＜γ＜1)，其中S为状态因素，a为动作因素，状态因素由室内外温度、室内外湿度、二氧化碳浓度、PM2.5值和能耗构成，动作因素由窗控终端行为、空调系统行为和空气净化行为构成；
S3：根据现在状态S，选择一个贪心动作a；
S4：根据数据采集模块获得的信息进行状态转移s←s′；
S5：根据当前状态下的状态因素S和动作因素a，更新奖赏模型r值；
S6：更新当前动作值函数Q(s,a)：
更新学习率α，t＝t+1；
S7：如果在情节内，回到S3；
S8：回到S2；
所述S3中的贪心动作a表示在已知条件下会获得奖赏最高的动作；S7中的情节表示一定数量的时间步；
上述所述奖惩模型为：
r＝-T_estimate-RH_estimate-β_estimate-θ_estimate-W_estimate；
其中：
其中：Tin、Tout(单位为摄氏度)表示获得的室内、外温度，用RHin、RHout(单位为百分比)表示室内、外相对湿度，用β(单位为ppm)表示CO2浓度，用θ(单位为微克/ 立方米)PM2.5的值，用w(单位为wh)表示功耗，下标t表示第t次收到的数据；
上述数据由装在室内外的温湿度传感器、CO2浓度传感器、PM2.5传感器和电表通过各自的Wi-Fi通信模块将数据上传至处理模块获得，室内适宜温度为18-22℃，适宜湿度为40％-60％，CO2浓度应低于1000ppm，此外本发明以WHO研究认为的PM2.5安全值10为标准。
在公式(5)中c1、c2表示条件1、条件2，条件1为条件2除外的其余情况，条件2比较复杂，其表示(Tin>Tout且air_conditon_flag＝1,2)或者(Tin<Tout且air_conditon_flag＝3,4)或者(RHin<RHout且air_cleaner_flag＝2,3)或者(windows_flag≠0且air_conditon_flag≠0)，为了保证系统的节能性，条件2表示在可以使用开窗来调节空气温湿度的情况下，不采用空调系统或者空气净化器的加湿功能，但是可能室外的PM2.5值过高，开窗会导致室内PM2.5值增加，所以在这里考虑θ为100时，不再以节能为原因，开窗调节温湿度。其理论在公式(4)、(5)中表现为当θ<100时，为了获得较大的r值(即，使θ_estimate+W_estimate最小)，agent会选择更节能的动作使在(5)中满足条件c1，因为15分钟收集一次数据，而所述设备总功率至多4000W，所以(wt-wt-1)*0.09最大为90；当θ>100,即使关闭窗户调节空气温湿度也不会给agent一个较大的负奖赏。因为PM2.5浓度过高严重影响人体健康，其他因素在此时也就比较不太重要，所以在数据预处理时，系统将更关注PM2.5的变化。
其中：全部行为因素建模为80*3的矩阵A，a∈A,其横向量是一个三维的向量，表示一个行为，行为量第一位：windows_flag表示窗控终端，微开为1、半开为2、全开为3、关闭为0；行为量第二位：air_conditon_flag表示空调系统，制冷小风为1、制冷大风为2、制热小风为3、制热大风为4、关闭为0；行为量第三位：air_cleaner_flag表示空气净化设备，净化为1、加湿为2、净化且加湿为3、关闭为0。
本算法中，数据采集模块每15分钟上传一次数据，一个月可以让agent走2880步。实验表明半个月左右可以让算法模型学习到稳定的策略，而季节一般3个月变一次，只有季节在变换时，算法模型的策略才可能需要改变，另外，由于季节变换是缓慢进行的，所以算法模型的学习速度完全可以适应季节变换，使节能与保证空气质量达到一个有效平衡。通过机器学习方式，本发明也可以根据不同气候，学习到不同策略，满足了市场的多样性的要求。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于环境的参数的室内空气智能调节系统，包括窗控终端、空调系统、空气净化系统，其特征在于：还包括分布式Wi-Fi网络、数据采集模块和处理模块，本地显示和管理模块、所述窗控终端、空调系统、空气净化系统、数据采集模块通过分布式Wi-Fi网络与处理模块连接；
所述数据采集模块包括用于检测室内温度的室内温度传感器，用于检测室外温度的室外温度传感器、用于检测室内湿度的室内湿度传感器、用于检测室外湿度的室外湿度传感器、用于检测室内二氧化碳浓度的二氧化碳传感器、用于检测室内PM2.5值的PM2.5传感器和用于检测总能耗的能耗计量装置；
所述室内温度传感器和室外温度传感器与温度从控器相连，所述温度从控器包括分别与室内温度传感器和室外温度传感器相连的温度采集模块以及与温度采集模块相连的第一Wi-Fi通信模块；
所述室内湿度传感器和室外湿度传感器与湿度从控器相连，所述湿度从控器包括分别与室内湿度传感器和室外湿度传感器相连的湿度采集模块以及与湿度采集模块相连的第二Wi-Fi通信模块；
所述二氧化碳传感器与二氧化碳从控器相连，所述二氧化碳从控器包括与二氧化碳传感器相连的二氧化碳数据采集模块以及与二氧化碳数据采集模块相连的第三Wi-Fi通信模块；
所述PM2.5传感器与PM2.5从控器相连，所述PM2.5从控器包括与PM2.5传感器相连的PM2.5数据采集模块以及与PM2.5数据采集模块相连的第四Wi-Fi通信模块；
所述能耗计量装置与能耗从控器相连，所述能耗从控器包括能耗计量装置相连的能耗数据采集模块以及与能耗数据采集模块相连的第五Wi-Fi通信模块。
2.如权利要求1所述的一种基于环境的参数的室内空气智能调节系统，其特征在于：还包括云服务器和APP模块，所述云服务器、APP模块和处理模块通过因特网互联。
3.一种基于环境的参数的室内空气智能调节系统调节方法，其特征在于包括：
S1：建立奖赏模型和动作值函数Q(s,a)；
S2：初始化动作值函数Q(s,a)，学习率α，折扣因子γ(0＜γ＜1)，其中S为状态因素，a为动作因素，状态因素由室内外温度、室内外湿度、室内二氧化碳浓度、室内PM2.5值和总能耗构成，动作因素由窗控终端行为、空调系统行为和空气净化行为构成；
S3：根据现在状态S，选择一个贪心动作a；
S4：根据数据采集模块获得的信息进行状态转移s←s′；
S5：根据当前状态下的状态因素S和动作因素a，更新奖赏模型r值；
S6：更新当前动作值函数Q(s,a)：
更新学习率α，t＝t+1；
S7：如果在情节内，回到S3；
S8：回到S2；
所述S3中的贪心动作a表示在已知条件下会获得奖赏最高的动作；S7中的情节表示一定数量的时间步。
4.如权利要求3所述的一种基于环境的参数的室内空气智能调节系统调节方法，其特征在于：所述奖惩模型为：
r＝-T_estimate-RH_estimate-β_estimate-θ_estimate-W_estimate；
其中：
其中：Tin表示室内温度，单位为摄氏度，Tout表示室外温度，单位为摄氏度RHin表示室内湿度，单位为百分比，RHout表示室内湿度，单位为百分比，β表示CO2浓度，单位为ppm，θ表示PM2.5的值，单位为微克/立方米，w表示功耗，单位为wh，下标t表示第t次收到的数据；
在公式5中c1、c2表示条件1、条件2，条件1为条件2除外的其余情况，条件2比较复杂，其表示(Tin>Tout且air_conditon_flag＝1,2)或者(Tin<Tout且air_conditon_flag＝3,4)或者(RHin<RHout且air_cleaner_flag＝2,3)或者(wind_ofwlsag≠0且air_conditon_flag≠0)。
其中：全部行为因素建模为80*3的矩阵A，a∈A,其横向量是一个三维的向量，表示一个行为，行为量第一位：windows_flag表示窗控终端，微开为1、半开为2、全开为3、关闭为0；行为量第二位：air_conditon_flag表示空调系统，制冷小风为1、制冷大风为2、制热小风为3、制热大风为4、关闭为0；行为量第三位：air_cleaner_flag表示空气净化设备，净化为1、加湿为2、净化且加湿为3、关闭为0。
5.如权利要求3所述的一种基于环境的参数的室内空气智能调节系统调节方法，其特征在于：将S8中一次情节结束后状态S及其动作因素a作为贪心动作存储入策略库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710206780.9A CN107065582B (zh) | 2017-03-31 | 2017-03-31 | 一种基于环境的参数的室内空气智能调节系统和调节方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710206780.9A CN107065582B (zh) | 2017-03-31 | 2017-03-31 | 一种基于环境的参数的室内空气智能调节系统和调节方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107065582A true CN107065582A (zh) | 2017-08-18 |
| CN107065582B CN107065582B (zh) | 2023-09-29 |
Family
ID=59601368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710206780.9A Active CN107065582B (zh) | 2017-03-31 | 2017-03-31 | 一种基于环境的参数的室内空气智能调节系统和调节方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107065582B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108227513A (zh) * | 2017-12-29 | 2018-06-29 | 美的智慧家居科技有限公司 | 智能窗户控制方法、装置及计算机可读存储介质 |
| CN108444056A (zh) * | 2018-04-02 | 2018-08-24 | 南京邮电大学 | 中央空调监控系统及其监控方法 |
| CN108549232A (zh) * | 2018-05-08 | 2018-09-18 | 常熟理工学院 | 一种基于近似模型规划的室内空气自适应控制方法 |
| CN109084449A (zh) * | 2018-07-25 | 2018-12-25 | 深圳市晟达机械设计有限公司 | 一种智能家居系统 |
| CN110134165A (zh) * | 2019-05-13 | 2019-08-16 | 北京鹏通高科科技有限公司 | 一种用于环境监测与控制的强化学习方法及系统 |
| CN110320812A (zh) * | 2019-07-29 | 2019-10-11 | 青岛海尔科技有限公司 | 智能家居操作系统及基于智能家居操作系统的控制方法 |
| CN110598906A (zh) * | 2019-08-15 | 2019-12-20 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
| CN111338227A (zh) * | 2020-05-18 | 2020-06-26 | 南京三满互联网络科技有限公司 | 基于强化学习的电子电器控制方法及控制设备、存储介质 |
| CN111505944A (zh) * | 2019-01-30 | 2020-08-07 | 珠海格力电器股份有限公司 | 节能控制策略学习方法、实现空调节能控制的方法及装置 |
| CN113126679A (zh) * | 2021-04-19 | 2021-07-16 | 广东电网有限责任公司计量中心 | 一种基于强化学习的电能计量检定环境控制方法和系统 |
| CN113225994A (zh) * | 2021-05-08 | 2021-08-06 | 广州远正智能科技股份有限公司 | 一种面向数据中心的智能空调控制方法 |
| CN113359486A (zh) * | 2021-04-01 | 2021-09-07 | 中国地质大学（武汉） | 一种基于神经网络算法调控的智能窗户系统及调节方法 |
| CN113834200A (zh) * | 2021-11-26 | 2021-12-24 | 深圳市愚公科技有限公司 | 基于强化学习模型的空气净化器调节方法及空气净化器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105066337A (zh) * | 2015-07-21 | 2015-11-18 | 盐城工学院 | 多功能室内空气净化检测系统 |
| CN105091224A (zh) * | 2015-08-06 | 2015-11-25 | 广州朗威电子科技有限公司 | 大型公共建筑室内空气质量调节方法及系统 |
| CN105953833A (zh) * | 2016-04-28 | 2016-09-21 | 乐视控股（北京）有限公司 | 室内环境监测方法及装置 |
| CN106288169A (zh) * | 2016-08-11 | 2017-01-04 | 合肥通用电源设备有限公司 | 一种基于空气质量的空调调控系统及方法 |
| CN206649299U (zh) * | 2017-03-31 | 2017-11-17 | 苏州科技大学 | 一种基于环境的参数的室内空气智能调节系统 |
-
2017
- 2017-03-31 CN CN201710206780.9A patent/CN107065582B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105066337A (zh) * | 2015-07-21 | 2015-11-18 | 盐城工学院 | 多功能室内空气净化检测系统 |
| CN105091224A (zh) * | 2015-08-06 | 2015-11-25 | 广州朗威电子科技有限公司 | 大型公共建筑室内空气质量调节方法及系统 |
| CN105953833A (zh) * | 2016-04-28 | 2016-09-21 | 乐视控股（北京）有限公司 | 室内环境监测方法及装置 |
| CN106288169A (zh) * | 2016-08-11 | 2017-01-04 | 合肥通用电源设备有限公司 | 一种基于空气质量的空调调控系统及方法 |
| CN206649299U (zh) * | 2017-03-31 | 2017-11-17 | 苏州科技大学 | 一种基于环境的参数的室内空气智能调节系统 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108227513A (zh) * | 2017-12-29 | 2018-06-29 | 美的智慧家居科技有限公司 | 智能窗户控制方法、装置及计算机可读存储介质 |
| CN108444056A (zh) * | 2018-04-02 | 2018-08-24 | 南京邮电大学 | 中央空调监控系统及其监控方法 |
| CN108549232A (zh) * | 2018-05-08 | 2018-09-18 | 常熟理工学院 | 一种基于近似模型规划的室内空气自适应控制方法 |
| CN109084449A (zh) * | 2018-07-25 | 2018-12-25 | 深圳市晟达机械设计有限公司 | 一种智能家居系统 |
| CN111505944A (zh) * | 2019-01-30 | 2020-08-07 | 珠海格力电器股份有限公司 | 节能控制策略学习方法、实现空调节能控制的方法及装置 |
| CN110134165A (zh) * | 2019-05-13 | 2019-08-16 | 北京鹏通高科科技有限公司 | 一种用于环境监测与控制的强化学习方法及系统 |
| CN110134165B (zh) * | 2019-05-13 | 2020-12-25 | 北京鹏通高科科技有限公司 | 一种用于环境监测与控制的强化学习方法及系统 |
| CN110320812A (zh) * | 2019-07-29 | 2019-10-11 | 青岛海尔科技有限公司 | 智能家居操作系统及基于智能家居操作系统的控制方法 |
| CN110320812B (zh) * | 2019-07-29 | 2022-08-02 | 青岛海尔科技有限公司 | 智能家居操作系统及基于智能家居操作系统的控制方法 |
| CN110598906A (zh) * | 2019-08-15 | 2019-12-20 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
| CN110598906B (zh) * | 2019-08-15 | 2024-02-13 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
| CN111338227A (zh) * | 2020-05-18 | 2020-06-26 | 南京三满互联网络科技有限公司 | 基于强化学习的电子电器控制方法及控制设备、存储介质 |
| CN111338227B (zh) * | 2020-05-18 | 2020-12-01 | 南京三满互联网络科技有限公司 | 基于强化学习的电子电器控制方法及控制设备、存储介质 |
| CN113359486A (zh) * | 2021-04-01 | 2021-09-07 | 中国地质大学（武汉） | 一种基于神经网络算法调控的智能窗户系统及调节方法 |
| CN113126679A (zh) * | 2021-04-19 | 2021-07-16 | 广东电网有限责任公司计量中心 | 一种基于强化学习的电能计量检定环境控制方法和系统 |
| CN113225994A (zh) * | 2021-05-08 | 2021-08-06 | 广州远正智能科技股份有限公司 | 一种面向数据中心的智能空调控制方法 |
| CN113225994B (zh) * | 2021-05-08 | 2022-06-24 | 广州远正智能科技股份有限公司 | 一种面向数据中心的智能空调控制方法 |
| CN113834200A (zh) * | 2021-11-26 | 2021-12-24 | 深圳市愚公科技有限公司 | 基于强化学习模型的空气净化器调节方法及空气净化器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107065582B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107065582A (zh) | 一种基于环境的参数的室内空气智能调节系统和调节方法 | |
| Azaza et al. | Smart greenhouse fuzzy logic based control system enhanced with wireless data monitoring | |
| Hilliard et al. | Experimental implementation of whole building MPC with zone based thermal comfort adjustments | |
| CN110598906B (zh) | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 | |
| CN103398451B (zh) | 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 | |
| ES2568911T3 (es) | Procedimiento de previsión del consumo energético de un edificio | |
| CN206649299U (zh) | 一种基于环境的参数的室内空气智能调节系统 | |
| CN106765959A (zh) | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 | |
| KR101756508B1 (ko) | 스마트 써모스탯을 이용한 통합형 실시간 예측 건물 에너지 관리 방법 및 시스템 | |
| CN108613332B (zh) | 一种节能型建筑微区域人员交互式热舒适度调节方法 | |
| Dai et al. | An artificial neural network model using outdoor environmental parameters and residential building characteristics for predicting the nighttime natural ventilation effect | |
| CN112634083A (zh) | 一种建筑节能监测方法 | |
| CN108958204A (zh) | 一种基于专家系统知识库的食用菌栽培测控方法 | |
| CN106288155A (zh) | 一种带气候模型的自动空调控制器 | |
| Wang et al. | An occupant-centric control strategy for indoor thermal comfort, air quality and energy management | |
| Cheng et al. | Energy efficient thermal comfort control for cyber-physical home system | |
| US20190353369A1 (en) | Environmental control system and method for automatically adjusting operating parameters | |
| CN105066356A (zh) | 一种基于养老环境热舒适区的空调自动调整方法 | |
| CN109857177A (zh) | 一种建筑电气节能监测方法 | |
| Nateghi et al. | Multi-objective optimization of window opening and thermostat control for enhanced indoor environment quality and energy efficiency in contrasting climates | |
| CN117348648A (zh) | 一种羊舍环境自动控制方法及其装置 | |
| Wang et al. | A model-based control of CO2 concentration in multi-zone ACB air-conditioning systems | |
| Lavanya et al. | Development of Machine Learning Based Microclimatic HVAC System Controller for Nano Painted Rooms Using Human Skin Temperature | |
| CN108549232B (zh) | 一种基于近似模型规划的室内空气自适应控制方法 | |
| CN104515247B (zh) | 一种复合控温系统及其控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |