CN109799852A - 一种基于机器学习的建筑温控设备优化控制方法和系统 - Google Patents

Abstract

本申请实施例提出的一种基于机器学习的建筑温控设备的优化控制方法和系统，其中建筑空间各个区域内的控制器进行工作状态和温度数据的交换，进而在数据交换的基础上，通过机器学习自主掌握区域之间温度相互影响的规律，进而根据学习获得的温度规律划分小组，在小组内的控制器采用轮换机制，避免了多个控制器并行驱动温度调节设备运行造成的功率负荷过大，同时考虑到相邻的连通区域内的温度相互影响，在节能方面进行了优化。

Description

一种基于机器学习的建筑温控设备优化控制方法和系统

技术领域

本申请涉及智慧建筑技术领域，尤其涉及一种基于机器学习的建筑温控设备优化控制方法和系统。

背景技术

智慧建筑是集成多元信息感知、物联网通信、自动优化控制、大数据采集、人工智能以及智能终端硬件等各种先进技术实现的人类生活空间，提供保温、空调、照明、供水、供电、电视、通信等基础服务，为人们提供高效、安全、节能、舒适、环保的环境。

随着科技和经济的快速发展，人们对能源的利用率以及对环境的保护越来越重视，通过提高能源利用率和保护环境来实现可持续发展。智慧建筑必然要适应这一大趋势，在各项基础设施和服务中贯彻节能环保低碳的理念。

现有技术中，在建筑物的较大空间，例如门厅、走廊等公共区域，以及用于较多人员集中办公的大开间区域，通常按照一定的布局放置一定数量的温度调节设施，例如布置一定数量的中央空调的冷热风口、电加热设备或者分体空调。并且，采用温控设备来对各区域的温度调节设施进行温度控制，例如，采用安装在墙壁的控制器来控制对办公区域进行供热或者制冷。在对各区域进行温度控制时，一般采用反馈式控制，即控制器利用传感器采集对应区域内的环境温度，在根据用户的控制指令与传感器采集到的温度进行对比，以判断当前区域内的温度是否达到用户指令设置的温度，如果没有达到则控制器通过驱动温度调节设施继续改变当前区域内的温度，直到传感器采集到的温度达到用户的需求。

但是，在现有技术中，会存在各区域的控制器同时改变对应区域内的温度的状况，一方面，多个控制器并行驱动温度调节设施运行，如果全部或者绝大部分温度调节设施同时工作，造成总功率过大，对集中办公区域的供电系统造成负荷过载，另一方面，不同区域内的温度不同，并且相邻的连通区域内的温度会相互影响，例如温度较高的区域会影响温度较低的区域，使该区域内温度升高，如果这两个区域同时加热或降温，则会造成不必要的能源浪费，还可能造成某些区域的温度变化超出预期，在节能方面没有优化。

发明内容

有鉴于此，本申请的目的在于提出一种基于机器学习的建筑温控设备优化控制方法和系统，来解决现有技术中智慧建筑空间内的各区域的温度并行独立进行控制、相互之间缺少智能化协调的问题，避免多个控制器驱动对应的温度调节设施并行运行造成功率过大，同时基于人工智能的机器学习技术分析建筑空间各区域内温度相互影响的规律关系，从而在节能方面实现协调优化。

基于上述目的，在本申请的一个方面，提出了一种基于机器学习的建筑温控设备的优化控制方法，包括：

多个控制器分别获取自身的工作状态以及与所述控制器对应的传感器采集到的温度数据；

每个所述的控制器将自身的工作状态和温度数据发送至其他控制器；

在完成工作状态和温度数据的交换后，控制器之间根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组；

每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身区域的工作状态，以避免并行运行。

在一些实施例中，所述每个所述的控制器将自身的工作状态和温度数据发送至其他控制器，包括：

对于每个所述的控制器，该控制器接收接收其它控制器发送的工作状态和温度数据，并将接收的工作状态和温度数据转发至同一小组内的其他控制器。

在一些实施例中，在完成工作状态和温度数据的交换后，所述控制器之间根据所述温度数据的同步变化率，确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

在一些实施例中，所述每个所述的控制器将自身的工作状态和温度数据发送至其他控制器，包括：

预先将每个控制器作为节点绘制树形图，在树形图中，作为子节点的控制器将自身的工作状态和温度数据上传至父节点。

在一些实施例中，在完成工作状态和温度数据的交换后，所述控制器之间根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组，包括：

在完成工作状态和温度数据的发送后，由最终的父节点根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

在一些实施例中，所述每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身的工作状态，包括：

每个所述的控制器小组内的控制器按照预设顺序轮换工作。

在一些实施例中，所述每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身的工作状态，包括：

每个所述的控制器小组内控制器在同一时间周期内由温度偏差值最大的控制器进行工作。

基于上述目的，在本申请的另一个方面，提出了一种基于机器学习的建筑温控设备的优化控制系统，包括：

多个控制器以及与每个控制器对应的传感器，其中，每个所述的控制器包括：

数据获取模块，用于获取自身对应区域的温度调节设备的工作状态以及与所述控制器对应的传感器采集到的温度数据；

数据发送模块，用于将自身的工作状态和温度数据发送至其他控制器；

控制器小组形成模块，用于在完成工作状态和温度数据的发送后，根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组；

工作状态改变模块，用于根据同一小组内其他控制器的工作状态改变自身控制的温度调节设备的工作状态，以避免并行运行。

在一些实施例中，所述工作状态改变模块，具体用于：

根据预设顺序控制对应的控制器进行轮换工作。

在一些实施例中，所述工作状态改变模块，具体用于：

根据温度数据确定偏差值最大的控制器，并在同一时间周期内控制对应的控制器进行工作。

本申请实施例提出的一种基于机器学习的建筑温控设备的优化控制方法和系统，其中建筑空间各个区域内的控制器进行工作状态和温度数据的交换，进而在数据交换的基础上，通过机器学习自主掌握区域之间温度相互影响的规律，进而根据学习获得的温度规律划分小组，在小组内的控制器采用轮换机制，避免了多个控制器并行驱动温度调节设备运行造成的功率负荷过大，同时考虑到相邻的连通区域内的温度相互影响，在节能方面进行了优化。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例一的温控设备的优化控制方法的流程图；

图2是本申请实施例二的温控设备的优化控制方法的流程图；

图3是本申请实施例三的温控设备的优化控制方法的流程图；

图4是本申请实施例四的温控设备的优化控制系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本申请实施例提供的基于机器学习的建筑温控设备的优化控制方法，用于对智慧建筑空间中的各区域内的温度进行控制，该控制的对象是负责这些区域的温度调节设施，可以是制热，也可以是制冷，例如中央空调的出风口、分体空调、电加热器等。而负责执行对这些温度调节设施的控制的硬件为控制器，这些控制器可以布置在智慧建筑的墙壁上，或者布置在其它位置；控制器可以接收用户指令，该指令指示其所负责区域的目标温度，例如控制器上面可以安装触控面板、键盘，或者控制器可以接收遥控。所述的智慧建筑空间中的区域可以是互通的，也可以是相互隔离的，这里的互通和隔离是针对温度的传播而言的，对于互通的区域，区域内的温度会相互影响，对于相互隔离的区域，区域之间的温度相互影响不明显。

具体地，如图1所示，是本申请实施例一的基于机器学习的建筑温控设备的优化控制方法的流程图。从图1中可以看出，本实施例的建筑温控设备的优化控制方法，可以包括以下步骤：

S101：多个控制器分别获取自身的工作状态以及与所述控制器对应的传感器采集到的温度数据。

在本实施例中，在建筑空间的各区域可以对应有一个或多个控制器，每个控制器对应设置有一个传感器和至少一个温度调节设施，所述控制器、传感器和温度调节设施都布置在所述区域内。用户可以通过调节控制器来设定对应区域内的目标温度。具体地，传感器可以获取该区域内的温度，当用户需要设定该区域内的温度时，通常会通过控制器设定目标温度，控制器通过将传感器获取到的该区域内的温度与用户设置的目标温度进行对比，进而驱动温度调节设施改变该区域内的温度。通常情况下，当该区域内的温度过高时，控制器驱动降低该区域内的温度；当该区域内的温度较低时，控制器驱动升高该区域内的温度。这里的温度的高低是相对于人们对环境温度的感知而言的。在布置多于一个控制器及其配套温度调节设施的建筑空间中会存在多个区域的控制器同时改变对应区域内的温度的状态，例如，在夏季，人们都会通过控制器降低各区域内的温度，在冬季都会通过控制器升高各区域内的温度。这样会造成控制器驱动各自的温度调节设施并行运行，造成电路总功率过大，并且多个区域同时改变温度可能造成相互影响，导致某些区域的温度变化超出预期，在节能方面没有优化。

因此，在本实施例中，当用户通过控制器设定对应区域内的温度时，各区域内的控制器分别获取自身对应区域的温度调节设备的工作状态以及与所述控制器对应的传感器采集到的温度数据。所述工作状态包括用户设定的目标温度，以及控制器当前是否驱动对应温度调节设施处于制冷或制热状态。

S102：每个所述的控制器将自身的工作状态和温度数据发送至其他控制器。

当各区域内的控制器获取到自身的工作状态以及与所述控制器对应的传感器采集到的温度数据后，将自身的工作状态和温度数据发送至其他控制器。在本实施例中，各控制器可以配置有无线信号收发器，控制器之间通过无线信号收发器实现数据发送和接收。例如，各个控制器可以利用ZigBee、LORA或者蓝牙等无线信号协议实现彼此之间的数据发送和接收。

S103：在完成工作状态和温度数据的交互后，控制器之间通过分析所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

在各个控制器之间完成工作状态和温度数据的发送和接收后，控制器之间能够通过分析温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。在本实施例中，所述的分析温度数据可以包括分析温度的同步变化率，即各个区域内的温度的变化趋势以及变化速率，例如，多个区域内的温度都在升高，且升高的速率具有相关性，则可以将这些区域中的控制器组织成控制器小组。通常情况下，同一控制器小组内的控制器对应的区域是互通的，区域间的温度可以相互影响。

S104：每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身区域的工作状态，以避免并行运行，以及使区域之间的相互影响达到优化效果。

当组织成控制器小组后，每个控制器小组内的控制器可以根据同一小组内其他控制器的工作状态改变自身的工作状态，以避免并行运行，以及使区域之间的相互影响达到优化效果。例如，A区域中的控制器正在控制区域内的温度升高，则与A区域互通的B区域和C区域中的控制器可以在B、C区域并未达到目标温度的情况下临时处于非工作状态，待A区域中的温度达到预设值时，B区域和C区域中的温度会在一定程度上有所上升，此时，再对B区域和C区域的温度进行控制，一方面，可以避免多个控制器驱动各自区域的温度调节设备并行运行，另一方面考虑到了区域间温度的影响。

本申请实施例的基于机器学习的建筑温控设备的优化控制方法和系统，避免了多个控制器驱动温度调节设备并行运行造成的功率负荷过大，同时考虑到相邻的连通区域内的温度相互影响，在节能方面进行了优化。

如图2所示，是本申请实施例二的基于机器学习的建筑温控设备的优化控制方法的流程图。本实施例的基于机器学习的建筑温控设备的优化控制方法，包括以下步骤：

S201：多个控制器分别获取自身的工作状态以及与所述控制器对应的传感器采集到的温度数据。

在本实施例中，建筑空间的各区域内可以对应有一个或多个控制器，每个控制器对应设置有一个传感器和至少一个温度调节设施，所述控制器、传感器和温度调节设施都布置在所述区域内。用户可以通过调节控制器来设定对应区域内的目标温度。当用户通过控制器设定好对应区域内的目标温度时，所述控制器分别获取自身对应区域的温度调节设备的工作状态以及与所述控制器对应的传感器采集到的温度数据。

S202：对于每个所述的控制器，一方面对外无线广播本控制器自身的工作状态和温度数据，另一方面，该控制器接收其它控制器发送的工作状态和温度数据。对于本控制器接收到的任一其它控制器发送的无线信号，首先判断该无线信号的信号强度是否大于等于有效阈值，若大于等于有效阈值则将发送该无线信号的其它控制器作为本控制器的邻控制器，反之若小于有效阈值则不将发送该无线信号的控制器作为本控制器的邻控制器。由于接收到的无线信号强度与接收点与信号源之间的距离呈现反比关系，以及与二者之间的信号传播环境有关，当本控制器接收到的无线信号强度小于有效阈值时，则说明本控制器与发送该无线信号的控制器之间的距离过远，或者是二者之间存在足以阻碍信号传输的障碍物，在建筑物中一般是墙体，而距离过远或者存在墙体障碍物也会导致温度之间的相互影响变得微弱，故而可以将无线信号强度小于有效阈值的控制器排除作为本控制器的邻控制器。控制器记录其邻控制器的工作状态和温度数据。。

S203：在完成在邻控制器之间工作状态和温度数据的交换后，通过分析邻控制器之间温度数据的同步变化率，确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

具体来说，控制器如下计算本控制器与其任一个邻控制器二者的温度数据同步变化率：首先，为每个控制器确定统计时间区间内(例如最近一周以内)在每个采样时间点其对应区域的传感器所检测的温度值，例如，每5分钟采样一次，则统计时间区间共包括T个采样时间点，在每个采样时间点t某个控制器i对应的传感器检测的温度值表示为C_t(i)，其中t的取值范围为1,2,…T，从而，控制器及其任一邻控制器二者——例如控制器i与其邻控制器j之间同步变化率表示为：

其中，α_t是与采样时间点t对应的影响权重值，该α_t的取值与这两个控制器的工作状态有关，当控制器i与其邻控制器j中任意一个开始驱动对应温度调节设施处于制冷或制热的工作状态，至采样时间点t的时刻该温度调节设施启动的时长越长，则与其对应的权重值α_t取值越大；当控制器i与其邻控制器j二者均使其对应的温度调节设施处于非工作状态，则至采样时间点t的时刻温度调节设施非工作的时长越长，则与其对应的权重值α_t取值越大。

在计算温度数据同步变化率的基础上，设定温度同步阈值，当控制器与其任一个邻控制器的同步变化率高于该温度同步阈值，则认定二者温度同步。控制器可以向与其温度同步的邻控制器发送同步认证消息，收到该同步认证消息的邻控制器确认后，向该控制器返回同步确认消息，从而双方都确定二者之间的温度同步。

在空间内全部控制器都与其邻控制器确定温度同步之后，随机选取一个控制器作为起始控制器，将与该起始控制器温度同步的邻控制器归入同一类别，进而，再分别以归入该类别中的其它控制器作为新一轮的起始控制器，将与这些新一轮的起始控制器温度同步的邻控制器也归入该类别，反复迭代，直至新的一轮迭代中没有新的邻控制器归入该类别为止。然后，从未归入该类别的控制器当中再次随机选取一个控制器作为起始控制器，开始对下一个类别的归入迭代，直至建筑空间中的全部控制器全部完成归入某一类别。为了保证控制优化的效率，简化后续优化控制的策略复杂度，需要避免出现控制器数量过多的控制器小组；故而，对于归入同一类别的控制器，再判断该类别控制器的数目是否大于小组数量上限，若未大于该上限则将归入同一个类别的控制器组织形成同一个控制器小组；若大于该上限，则将同一类别的控制器组织为若干个控制器小组，每个小组内的控制器数目均不大于该上限。

在组织形成控制器小组的基础上，控制器可以接收并记录由其邻控制器发送的工作状态和温度数据，也可以接受并记录由其邻控制器转发的工作状态和温度数据，被转发的数据来自于该邻控制器自身的位于本控制器小组内的邻控制器。相应地，本控制器也可以将其接收并记录的邻控制器的数据转发给自身的其它邻控制器。最终，每个控制器都可以实时获得同一个控制器小组内其它控制器的工作状态和温度数据。

S204：每个所述的控制器小组内的控制器按照预设顺序轮换工作。

对于同一控制器小组内的控制器，可以按照预设的顺序轮换工作。例如，对于一个有三个控制器的控制器小组，该控制器小组可以包括a、b、c三个控制器，这可以按照先a再b再c的顺序循环下去，分时实现轮换工作，例如可以每5分钟切换一次，直至a、b、c对应的区域全部达到目标温度。由于同一个控制器小组内的控制器对于的空间区域温度同步变化率高，例如当a控制器驱动温度调节设施工作时，也会使控制器b、c对应区域温度发生同步改变，这样当轮换到每个控制器驱动温度调节设施工作时，可以充分考虑到该控制器驱动温度调节过程中对其它区域的影响，以及参照其它区域的温度状态改变本控制器的温度调节过程。例如，a控制器驱动对应区域改变温度的同时，会影响b、c控制器区域的温度，因而当轮到b或c控制器驱动对应的区域改变温度时，是在a控制器的影响的基础上继续调节，直至三个区域各自达到目标温度；这就避免了a、b、c分别独立工作时，因未考虑相互影响，导致a控制器对应区域温度达到目标温度后，由于b、c控制器区域的附加影响，导致a控制器区域温度很快又偏离目标温度，从而造成反复温度调节引起的能耗增多。另外，例如，当a控制器对应区域已经达到目标温度后，轮换b、c控制器区域进行温度调节的时候，可以适当调节b、c区域的温度改变幅度和其工作时长，通过其对a区域的附加影响保持a区域处于目标温度，则就可以减少a区域的温度调节能耗。

本申请实施例的基于机器学习的建筑温控设备的优化控制方法和系统，避免了多个控制器并行驱动温度调节设施运行造成的功率过大，同时考虑到相邻的连通区域内的温度相互影响，在节能方面进行了优化。

如图3所示，是本申请实施例三的中央温控设备的优化控制方法的流程图。在本实施例中，所述中央温控设备的优化控制方法，包括：

S301：多个控制器分别获取自身的工作状态以及与所述控制器对应的传感器采集到的温度数据。

在本实施例中，所述建筑空间的各区域内可以分布有一个或多个控制器，每个控制器对应设置有一个传感器和至少一个温度调节设施，所述控制器、传感器和温度调节设施都布置在所述区域内。用户可以通过调节控制器来设定对应区域内的目标温度。控制器分别获取自身对应区域的温度调节设备的工作状态以及与所述控制器对应的传感器采集到的温度数据。各控制器之间通过有线连接的方式进行数据交互。

S302：预先将每个控制器作为节点绘制树形图，树形图包括一定数量的父节点，每个父节点下面具有一定数量的子节点；作为子节点的控制器通过有线连接方式将自身的工作状态以及温度数据传输给父节点，父节点也可以向子节点下发数据，例如将其它子节点的工作状态和温度数据转发给子节点。在控制器铺设以及有线连接布线的过程中，即可以将控制器对应区域的空间距离相对较近的控制器作为连接至同一个父节点的子节点，以及将对应区域位于同一个连通空间内、无墙体隔断的控制器作为连接至同一个父节点的子节点。在树形图中，作为子节点的控制器将自身的工作状态和温度数据以及接收到的自身的子节点的工作状态和温度数据上传至父节点。

具体地，可以预先设定控制器之间进行数据传输的规则，在树形图中，作为子节点的控制器将自身的工作状态和温度数据上传至父节点。这样，将各区域内的控制器形成网络状，由作为最终的父节点的控制器接收其他控制器的工作状态和温度数据。

S303：在完成工作状态和温度数据的发送后，由最终的父节点根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

控制器之间形成网络式的数据传送方式，在完成工作状态和温度数据的发送后，由最终的父节点根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。通常情况下，同一控制器小组内的控制器所在的区域为互通的区域。具体来说，与前一实施例类似，控制器如下计算本控制器与同一个父节点下的其它任一个控制器二者的温度数据同步变化率，在计算温度数据同步变化率的基础上，设定温度同步阈值，当控制器与同一父节点之下的任一个控制器的同步变化率高于该温度同步阈值，则认定二者温度同步。控制器可以向与其温度同步的控制器发送同步认证消息，收到该同步认证消息的控制器确认后，向该控制器返回同步确认消息，从而双方都确定二者之间的温度同步。然后，将同一父节点下且温度同步的控制器归入同一类别。为了保证控制优化的效率，简化后续优化控制的策略复杂度，需要避免出现控制器数量过多的控制器小组；故而，对于归入同一类别的控制器，再判断该类别控制器的数目是否大于小组数量上限，若未大于该上限则将归入同一个类别的控制器组织形成同一个控制器小组；若大于该上限，则将同一类别的控制器组织为若干个控制器小组，每个小组内的控制器数目均不大于该上限。在组织形成控制器小组的基础上，控制器可以接收并记录父节点转发的其它控制器的工作状态和温度数据。最终，每个控制器都可以实时获得同一个控制器小组内其它控制器的工作状态和温度数据。

S304：每个所述的控制器小组内的控制器按照预设顺序轮换工作。

可见，本申请实施例基于机器学习的建筑温控设备的优化控制方法和系统，避免了多个控制器并行驱动温度调节设备运行造成的功率过大，同时考虑到相邻的连通区域内的温度相互影响，在节能方面进行了优化。

在上述实施例中，每个所述的控制器小组内控制器还可以以如下方式轮换工作：在同一时间周期内由温度偏差值最大的控制器进行工作。具体来说，在生成控制器小组后，可以由每个控制器小组中的控制器所在的区域内的温度偏差值最大的控制器进行工作。例如，控制器小组有d、e、f三个控制器，温度偏差值为用户设定的目标温度值与传感器采集到的温度值的差值，则分别计算d、e、f三个控制器对应的温度偏差值，并选择温度偏差值最大的控制器进行工作，例如，d控制器进行工作，e、f控制器处于非工作状态；直至温度偏差值最大的区域变为例如e控制器对应区域，则切换为e控制器进行工作。此外，还可以动态设定控制器的工作周期，例如随着以上三个区域平均温度偏差值的降低，则每个工作周期的时长也缩小，从而在同一工作周期内由温度偏差值最大的控制器进行工作。

在上述实施例中，控制器小组内的控制器的工作方式可以相互替换，即在上述实施例中，控制器小组内的控制器既可以按照预设的顺序轮换工作，也可以由温度偏差值最大的控制器进行工作。

作为本申请的一个可选实施例，控制器小组可以根据预设的周期进行重组，例如15天一次，或者一个月一次。该预设的周期可以是用户自己设定的，也可以是控制器在出场时统一设定的。

如图4所示，是本申请实施例四的基于机器学习的建筑温控设备的优化控制系统的结构示意图。本实施例的建筑温控设备的优化控制系统，包括：

多个控制器以及与每个控制器对应的传感器，其中，每个所述的控制器又可以包括：

数据获取模块401，用于获取自身对应区域的温度调节设备的工作状态以及与所述控制器对应的传感器采集到的温度数据。

数据发送模块402，用于将自身的工作状态和温度数据发送至其他控制器。

控制器小组形成模块403，用于在完成工作状态和温度数据的发送后，根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

工作状态改变模块404，用于根据同一小组内其他控制器的工作状态改变自身控制的温度调节设备的工作状态，以避免并行运行。

对于每个所述的控制器中的一个控制器，该控制器对外无线广播本控制器自身的工作状态和温度数据，以及无线接收接收其它控制器发送的工作状态和温度数据，在完成在邻控制器之间工作状态和温度数据的交换后，通过分析控制器之间温度数据的同步变化率，确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

或者，预先将每个控制器作为节点绘制树形图，在树形图中，作为子节点的控制器将自身的工作状态和温度数据上传至作为父节点的控制器。在完成工作状态和温度数据的发送后，由最终的父节点根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

本申请能够取得与上述方法实施例相类似的技术效果，这里不再赘述。

此外，在上述实施例中，所述工作状态改变模块，可以具体用于：

根据预设顺序控制对应的控制器进行轮换工作，或者，根据温度数据确定偏差值最大的控制器，并在同一时间周期内控制对应的控制器进行工作。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种基于机器学习的建筑温控设备的优化控制方法，其特征在于，包括：

多个控制器分别获取自身的工作状态以及与所述控制器对应的传感器采集到的温度数据；

每个所述的控制器将自身的工作状态和温度数据发送至其他控制器；

在完成工作状态和温度数据的交换后，控制器之间根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组；

每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身区域的工作状态，以避免并行运行。

2.根据权利要求1所述的方法，其特征在于，所述每个所述的控制器将自身的工作状态和温度数据发送至其他控制器，包括：

对于每个所述的控制器，该控制器接收接收其它控制器发送的工作状态和温度数据，并将接收的工作状态和温度数据转发至同一小组内的其他控制器。

3.根据权利要求2所述的方法，其特征在于，在完成工作状态和温度数据的交换后，所述控制器之间根据所述温度数据的同步变化率，确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

4.根据权利要求1所述的方法，其特征在于，所述每个所述的控制器将自身的工作状态和温度数据发送至其他控制器，包括：

预先将每个控制器作为节点绘制树形图，在树形图中，作为子节点的控制器将自身的工作状态和温度数据以及接收到的自身的子节点的工作状态和温度数据上传至父节点。

5.根据权利要求4所述的方法，其特征在于，在完成工作状态和温度数据的交换后，所述控制器之间根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组，包括：

在完成工作状态和温度数据的发送后，由最终的父节点根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组。

6.根据权利要求3或5所述的方法，其特征在于，所述每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身的工作状态，包括：

每个所述的控制器小组内的控制器按照预设顺序轮换工作。

7.根据权利要求3或5所述的的方法，其特征在于，所述每个所述的控制器小组内的控制器根据同一小组内其他控制器的工作状态改变自身的工作状态，包括：

每个所述的控制器小组内控制器在同一时间周期内由温度偏差值最大的控制器进行工作。

8.一种基于机器学习的建筑温控设备的优化控制系统，其特征在于，包括：

多个控制器以及与每个控制器对应的传感器，其中，每个所述的控制器包括：

数据获取模块，用于获取自身对应区域的温度调节设备的工作状态以及与所述控制器对应的传感器采集到的温度数据；

数据发送模块，用于将自身的工作状态和温度数据发送至其他控制器；

控制器小组形成模块，用于在完成工作状态和温度数据的发送后，根据所述温度数据确定同一类别的控制器，并将同一类别的控制器组织形成控制器小组；

工作状态改变模块，用于根据同一小组内其他控制器的工作状态改变自身对应区域的温度调节设备的工作状态，以避免并行运行。

9.根据权利要求8所述的系统，其特征在于，所述工作状态改变模块，具体用于：

根据预设顺序控制对应的控制器进行轮换工作。

10.根据权利要求8所述的系统，其特征在于，所述工作状态改变模块，具体用于：

根据温度数据确定偏差值最大的控制器，并在同一时间周期内控制对应的控制器进行工作。