CN109882999A - 一种基于物联网与机器学习的方法及智能空调 - Google Patents
一种基于物联网与机器学习的方法及智能空调 Download PDFInfo
- Publication number
- CN109882999A CN109882999A CN201811558451.1A CN201811558451A CN109882999A CN 109882999 A CN109882999 A CN 109882999A CN 201811558451 A CN201811558451 A CN 201811558451A CN 109882999 A CN109882999 A CN 109882999A
- Authority
- CN
- China
- Prior art keywords
- parameter
- intelligent air
- air condition
- air
- internet
- 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.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本发明公开了一种基于物联网与机器学习的方法及智能空调，通过对智能空调与物联网的结合，一方面，通过对空调使用区域划分，采集多种室内、室外环境参数及物联网其他智能空调的数据采集，合理统计、优化各个空调运行参数，使得各个智能空调可根据物联网进行相互学习、配置最佳空调运行参数。另一方面，由于可不定期更新所述最佳空调运行参数，根据实际区域环境设置合理工作环境，保证智能空调均工作在最佳工况下，大大减少了能源浪费。
Description
技术领域
本发明涉及空调控制技术领域，具体涉及一种基于物联网与机器学习的方法及智能空调。
背景技术
现有技术中，空调在使用时，有一定的温度和环境条件，并不是在任何环境温度下都能正常工作的。当环境温度偏离正常使用范围或者使用条件时，空调就不能正常工作或者工作效率很低。通常空调生产企业在空调的铭牌上标出的制冷量都是指制冷机在一种特定工作温度条件下的运转工况，即标准工况下的制冷量。而空调生产企业都是以国标所规定的空调压缩机的测试工况（空调工况）作为其名义制冷量的测试工况。我国幅员辽阔，各类气候条件共存。不同地区的空调在实际使用过程中很难使空调工作在空调工况下，致使实际运行的绝大部分空调都工作在非设计工况下，存在着巨大的能源浪费。因此，亟待设计一种基于物联网和机器学习的智能空调，可以根据实际室内、外环境参数的情况以及物联网其他空调的运行参数，自主学习确定自己/空调运行的参数，能够记录参数运行情况，定期上传至空调企业，由空调企业给出最佳工作参数并运行。
发明内容
为了克服上述技术问题，本发明提供了一种基于物联网与机器学习的方法及智能空调。
本发明采用如下技术方案：
一方面，本发明提供了一种基于物联网与机器学习的方法，包括以下步骤：
S02：对待服务空调进行位置信息注册；
S04：客户服务系统1初始化配置所述待服务空调；
S06：当启动智能空调机组6，室内外环境参数及客户使用习惯检测系统7记录所述智能空调机组的相关运行参数；并将所述相关运行参数发送至环境参数获取系统14；
S08：本地智能空调自主学习系统8通过所述环境参数获取系统14获取所述相关运行参数；并将所述相关运行参数发送至所述客户服务系统1；
S10：所述客户服务系统1根据所述相关运行参数及其他相关运行参数进行优化得到第二空调运行参数；所述第二空调运行参数是智能空调企业根据某地区智能空调上传的空调运行参数，不断对该地区智能空调第一运行参数进行的调整，用于进一步优化智能空调参数并验证，待经过一个周期的运行后将该运行参数定义为第一空调运行参数供新安装的智能空调初始运行使用；所述第二空调运行参数存储于智能空调企业知识库。
优选的，在本发明中，所述步骤S04具体为，从所述智能空调企业知识库15调度第一空调运行参数，并对所述待安装空调配置所述第一空调运行参数，所述第一空调运行参数是智能空调企业根据地理分区给各地区设定的空调运行参数，该参数由智能空调企业定期优化；其中所述智能空调企业知识库15用于存储所述第一空调运行参数与所述第二空调运行参数。
优选的，在本发明中，所述步骤S06中，所述室内外环境参数及客户使用习惯检测系统7包括室外环境运行参数检测系统11、室内环境运行参数检测系统12和客户使用习惯检测系统13；其中，所述室外环境运行参数检测系统11用于检测室外环境参数，所述室内环境运行参数检测系统12用于检测室内环境参数，所述客户使用习惯检测系统13用于记录客户操作习惯参数。
优选的，在本发明中，还具有步骤S12：智能空调人数识别及负荷调节系统9判定室内人数及室内外环境参数，并对所述待服务空调进行控制。
优选的，在本发明中，还具有步骤S14：所述本地智能空调自主学习系统8可定期向所述智能空调企业知识库15下载所述第二空调运行参数，并向所述待服务空调进行配置。
另一方面，本发明还提供了一种基于物联网与机器学习的智能空调，包括以下部件：
客户服务系统1用于遥控待服务空调，并收集各种相关运行参数，并进行优化所述相关运行参数；
智能空调机组6用于服务于客户，并记录所述客户的日常使用习惯及设置个性运行参数；
室内外环境参数及客户使用习惯检测系统7用于实时检测室内外各种所述相关运行参数；
环境参数获取系统14获取所述相关运行参数；
本地智能空调自主学习系统8通过所述环境参数获取系统14获取所述相关运行参数；
智能空调企业知识库15用于存储各个区域的空调运行参数，其中包括第一空调运行参数、第二空调运行参数。
优选的，在本发明中，所述室内外环境参数及客户使用习惯检测系统7包括室外环境运行参数检测系统11、室内环境运行参数检测系统12和客户使用习惯检测系统13；其中，所述室外环境运行参数检测系统11用于检测室外环境参数，所述室内环境运行参数检测系统12用于检测室内环境参数，所述客户使用习惯检测系统13用于记录客户操作习惯参数。
优选的，在本发明中，还具有智能空调人数识别及负荷调节系统9判定室内人数及室内外环境参数，并对所述待服务空调进行控制；其中，智能空调人数识别及负荷调节系统9包括手机人数识别系统17、人体红外人数识别系统18；所述手机人数识别系统17用于检测室内手机的信号数量及运行规律判断室内人数；所述人体红外人数识别系统18用于红外探测器探测人体红外线而判断的室内人数。
优选的，在本发明中，所述本地智能空调自主学习系统8可定期向所述智能空调企业知识库15下载所述第二空调运行参数，并向所述待服务空调进行配置。
优选的，在本发明中，还具有物联网智能空调自主学习系统10，所述物联网智能空调自主学习系统学习所述智能空调所在地区的其他智能空调的对应运行参数，优化所述对应运行参数，并将经优化后的所述对应运行参数发送至所述本地智能空调自主学习系统8。
本发明有益技术效果
本发明对智能空调与物联网的结合，一方面，通过对空调使用区域划分，采集多种室内、室外环境参数及物联网其他智能空调的数据采集，合理统计、优化各个空调运行参数，使得各个智能空调可根据物联网进行相互学习、配置最佳空调运行参数。另一方面，由于可不定期更新所述最佳空调运行参数，根据实际区域环境设置合理工作环境，保证智能空调均工作在设计工况下，大大减少了能源浪费。
附图说明
图1为本发明一实施例网络结构示意图。
具体实施方式
下面结合附图1对本发明所提供的一种基于物联网与机器学习的方法及智能空调作进一步阐述。
图1所示，空调企业客服系统1、国家地理分区华北地区2-1、国家地理分区华东地区2-2、国家地理分区华中地区2-3、国家地理分区华南地区2-4、国家地理分区西南地区2-5、国家地理分区西北地区2-6、国家地理分区东北地区2-7、河南省3-1、湖北省3-2、湖南省3-3、郑州市4-1、其他市（4-2～4-18）、金水区5-1、其他县区（5-2～5-12）、智能空调机组6-1、其他智能空调机组（6-2～6-××）、智能空调机组室内外环境参数及客户使用习惯检测系统7-1、其他智能空调机组室内外环境参数及客户使用习惯检测系统（7-2～7-××）、智能空调自主学习系统8-1、其他智能空调机组智能空调自主学习系统（8-2～8-××）、智能空调人数识别及负荷调节系统9-1、其他智能空调人数识别及负荷调节系统（9-2～9-××）、物联网智能空调自主学习系统10、室外环境运行参数检测系统（11-1～11-××）、室内环境运行参数检测系统（12-1～12-××）、客户使用习惯检测系统（13-1～13-××）、环境参数获取系统（14-1～14-××）、智能空调企业知识库（15-1～15-××）、优化运行参数执行部分（16-1～16-××）、手机人数识别系统（17-1～17-××）、人体红外人数识别系统（18-1～18-××）、负荷调节系统（19-1～19-××）。
一种基于物联网和机器学习的智能空调包括智能空调企业客户服务系统、物联网智能空调自主学习系统、智能空调机组。
所述智能空调企业客户服务系统按照我国七大地理分区对智能空调运行参数进行一级划分，对每个地理分区内不同省份（或直辖市）智能空调运行参数进行二级划分，对每个省份的不同地市智能空调运行参数进行三级划分，对每个地市的不同县区智能空调运行参数进行四级划分。
所述智能空调企业客户服务系统包括基于所销售智能空调机组上传的智能空调实际运行参数，智能空调企业根据所收集的各个县区智能空调实际运行参数所确定的满足各个县区的最佳运行参数。
所述物联网智能空调自主学习系统，是指客户购买智能空调后，除了根据自己所在地区到智能空调企业的智能空调企业客户服务系统下载适合当地的智能空调最佳运行参数，由智能空调自主学习并依据企业提供的最佳运行参数控制智能空调运行外。还可以在物联网上学习本地区物联网上其他同型号智能空调的运行参数，通过对比学习，获得最佳运行参数。运行后还可以向本地区物联网上其他新安装的同型号智能空调提供运行参数供其学习。
所述智能空调机组包括室内外环境参数及客户使用习惯检测系统，智能空调自主学习系统，智能空调人数识别及负荷调节系统。
其中，所述室内外环境参数及客户使用习惯检测系统由室外环境运行参数检测系统、室内环境运行参数检测系统、客户使用习惯检测系统组成。具体的，所述室外环境运行参数检测系统（11-1～11-××）包括检测室外空气温度的温度传感器（如DS18B20数字温度传感器）、检测室外空气湿度的湿度传感器（如HR202L 湿度传感器）、检测室外冷却风扇转速的转速传感器(如F550 风速传感器)、检测冷凝器冷凝压力的压力传感器（如R-1压力变送器）、检测冷凝器冷凝温度的温度传感器（如DS18B20数字温度传感器）、检测变频压缩机电机转速传感器（如霍尔转速传感器）、检测压缩机进气温度的温度传感器（如DS18B20数字温度传感器）、检测压缩机进气压力的压力传感器（如R-1压力变送器）、检测压缩机排气温度的温度传感器（如DS18B20数字温度传感器）、检测压缩机排气压力的压力传感器（如R-1压力变送器），检测电子膨胀阀流量的流量传感器（如 SWHCV01P微型流量计）等。
所述室内环境运行参数检测系统（12-1～12-××）包括检测室内空气温度的温度传感器（如DS18B20数字温度传感器）、检测室内空气湿度的湿度传感器（如HR202L 湿度传感器）、检测变频送风风扇转速的转速传感器（如霍尔转速传感器）、检测送风风速的风速传感器(如F550 风速传感器)、检测蒸发器蒸发压力的压力传感器（如R-1压力变送器）、检测蒸发器蒸发温度的温度传感器（如DS18B20数字温度传感器）、检测蒸发器进口空气温度的温度传感器（如DS18B20数字温度传感器）、检测蒸发器进口空气湿度的湿度传感器（如HR202L 湿度传感器）、检测蒸发器出口空气温度的温度传感器（如DS18B20数字温度传感器）、检测蒸发器出口空气湿度的湿度传感器（如HR202L 湿度传感器）、检测蒸发器进口制冷剂温度的温度传感器（如DS18B20数字温度传感器）、检测蒸发器出口制冷剂温度的温度传感器（如DS18B20数字温度传感器）。
所述客户使用习惯检测系统包括检测并记录用户日常开机时间检测单元、设定温度数值检测单元、送风量大小及送风方式检测单元、空调运行时长检测单元等客户空调运行习惯参数的检测等。在实际运行过程中，智能空调机组通过室内外环境参数及客户使用习惯检测系统检测并记录相关运行参数，定期打包通过互联网上传到智能空调企业客户服务系统，供智能空调企业作为样本参数分析设备运行状况，并优化已有的智能空调最佳运行参数。
在完成相关智能空调运行参数的检测、记录、上传的同时，智能空调还可以记录客户日常使用智能空调的习惯，并自主学习形成不同环境条件下客户个性运行参数，在客户开机后自动运行个性参数，满足客户个性需求。
所述智能空调自主学习系统包括环境参数获取系统、智能空调企业知识库、优化运行参数执行部分，所述环境参数获取系统是获得室内外环境参数及客户使用习惯检测系统所记录的各项运行参数，所述智能空调企业知识库是智能空调由智能空调企业客户服务系统下载的适合本地智能空调的最佳运行参数和通过物联网智能空调自主学习系统向本地区其他同型号智能空调的运行参数，所述优化运行参数执行部分根据知识库完成空调运行任务，同时把获得的环境参数反馈给智能空调。
所述智能空调人数识别及负荷调节系统包括手机人数识别系统、人体红外人数识别系统和负荷调节系统；所述手机人数识别系统是智能空调通过检测室内手机的信号数量及信号源定位判断室内人数；所述的检测手机信号的传感器采用PocketHound EGSM 900。所述的手机信号进行信号定位 检测传感器采用PocketHound EGSM 900。所述的PocketHound EGSM 900可以对手机信号源定位，即如果一个人携带两部手机，则其定位一致，则可以判别为一人，也为现有的市售产品，国外网站较多的在售卖；所述人体红外人数识别系统是指智能空调通过红外探测器探测人体红外线而判断室内人数。
所述负荷调节系统是指智能空调根据判定的室内人数及室内外环境参数，自动调节智能空调变频压缩机转速、冷凝器变频风机转速、蒸发器变频风机转速、电子膨胀阀流量以适应人数变化导致的负荷变化。
实施例1
郑州市金水区某客户购买了一台智能空调机组（6-1），安装人员安装完成后，客户需要登陆到智能空调企业的智能空调企业客户服务系统（1），首先注册，注册时需要提供客户空调安装的位置信息、住宅类型、楼层、朝向等基本信息。
智能空调企业客户服务系统（1）自动跳转到国家地理分区华中地区（2-3）下的河南省（3-1）郑州市（4-1）金水区（5-1），根据客户提供的空调安装的位置信息、住宅类型、楼层、朝向等基本信息，提供河南省（3-1）郑州市（4-1）金水区（5-1）最佳空调运行参数（第一空调运行参数）数据包下载位置。
智能空调自主学习系统（8-1～8-××）由智能空调企业客户服务系统（1）智能空调企业知识库（15-1～15-××）下载最佳空调运行参数（第一空调运行参数）数据包并自主学习，优化运行参数执行部分（16-1～16-××）启动空调运行。
在空调运行过程中智能空调自主学习系统（8-1～8-××）通过物联网智能空调自主学习系统（10）向本地区空调安装的位置信息、住宅类型、楼层、朝向等基本信息相似的其他同型号智能空调机组（6-2～6-××）的运行参数学习，通过对比学习，获得最佳运行参数。
智能空调机组（6-1）运行后，室内外环境参数及客户使用习惯检测系统（7-1）通过室外环境运行参数检测系统（11-1）、室内环境运行参数检测系统（12-1）和客户使用习惯检测系统（13-1）检测并记录相关运行参数，
智能空调自主学习系统（8-1）通过环境参数获取系统（14-1）由室内外环境参数及客户使用习惯检测系统（7-1）获得室内外环境参数及客户使用习惯检测系统所记录的各项运行参数，定期打包通过物联网上传到智能空调企业客户服务系统（1），供智能空调企业作为样本参数分析设备运行状况，并优化已有的智能空调最佳空调运行参数。
智能空调自主学习系统（8-1）定期通过智能空调企业知识库（15-1）由智能空调企业客户服务系统（1）下载更新的适合本地智能空调的最佳空调运行参数和通过物联网智能空调自主学习系统(10)向本地区其他同型号智能空调机组（6-2～6-××）的运行参数学习，通过优化运行参数执行部分（16-1）根据学习结果按新参数运行空调任务，在完成相关智能空调运行参数的检测、记录、上传的同时，智能空调机组（6-1～6-××）还可以记录客户日常使用智能空调的习惯，并自主学习形成不同环境条件下客户个性运行参数，在客户开机后自动运行个性参数，满足客户个性需求。
智能空调机组（6-1～6-××）在运行过程中，由于客户社会交往及家人互访等情况，会导致空调房间内空调负荷的变化，智能空调人数识别及负荷调节系统9判定室内人数及室内外环境参数，并对所述待服务空调进行控制；其中，智能空调人数识别及负荷调节系统9包括手机人数识别系统17、人体红外人数识别系统18；所述手机人数识别系统17用于检测室内手机的信号数量及信号源定位判断室内人数；所述的检测手机信号的传感器采用PocketHound EGSM 900。所述的手机信号进行信号定位 检测传感器采用PocketHoundEGSM 900。所述的PocketHound EGSM 900可以对手机信号源定位，即如果一个人携带两部手机，则其定位一致，则可以判别为一人，也为现有的市售产品，国外网站较多的在售卖；所述人体红外人数识别系统18用于红外探测器探测人体红外线而判断的室内人数，从而精确得到房间内人数的变化情况，通过负荷调节系统（19-1）根据判定的室内人数及室内外环境参数，自动调节智能空调变频压缩机转速、冷凝器变频风机转速、蒸发器变频风机转速、电子膨胀阀流量以适应人数变化导致的负荷变化。
在此需要进一步指出，本发明中，采用了多种类型处理器及传感器，其所关联方式，均是本领域技术人员在理解本发明所提供的智能空调运行方法及工作模式下根据现有技术可进行设计的，这是属于本领域公知常识，在此不进行阐述。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种基于物联网与机器学习的方法，其特征在于，包括以下步骤：
S02：对待服务空调进行位置信息注册；
S04：客户服务系统（1）初始化配置所述待服务空调；
S06：当启动智能空调机组（6），室内外环境参数及客户使用习惯检测系统（7）记录所述智能空调机组的相关运行参数；并将所述相关运行参数发送至环境参数获取系统（14）；
S08：本地智能空调自主学习系统（8）通过所述环境参数获取系统（14）获取所述相关运行参数；并将所述相关运行参数发送至所述客户服务系统（1）；
S10：所述客户服务系统（1）根据所述相关运行参数及其他相关运行参数进行优化得到第二空调运行参数；所述第二空调运行参数存储于智能空调企业知识库。
2.根据权利要求1所述一种基于物联网与机器学习的方法，其特征在于：所述步骤S04具体为，从所述智能空调企业知识库（15）调度第一空调运行参数，并对所述待安装空调配置所述第一空调运行参数；其中所述智能空调企业知识库(15)用于存储所述第一空调运行参数与所述第二空调运行参数。
3.根据权利要求1所述一种基于物联网与机器学习的方法，其特征在于：所述步骤S06中，所述室内外环境参数及客户使用习惯检测系统（7）包括室外环境运行参数检测系统（11）、室内环境运行参数检测系统（12）和客户使用习惯检测系统（13）；其中，所述室外环境运行参数检测系统（11）用于检测室外环境参数，所述室内环境运行参数检测系统（12）用于检测室内环境参数，所述客户使用习惯检测系统（13）用于记录客户操作习惯参数。
4.根据权利要求1所述一种基于物联网与机器学习的方法，其特征在于：还具有步骤S12：智能空调人数识别及负荷调节系统（9）判定室内人数及室内外环境参数，并对所述待服务空调进行控制。
5.根据权利要求1-4任一所述一种基于物联网与机器学习的方法，其特征在于：还具有步骤S14：所述本地智能空调自主学习系统（8）可定期向所述智能空调企业知识库（15）下载所述第二空调运行参数，并向所述待服务空调进行配置。
6.一种基于物联网与机器学习的智能空调，其特征在于：包括以下部件：
客户服务系统（1）用于遥控待服务空调，并收集各种相关运行参数，并进行优化所述相关运行参数；
智能空调机组（6）用于服务于客户，并记录所述客户的日常使用习惯及设置个性运行参数；
室内外环境参数及客户使用习惯检测系统（7）用于实时检测室内外各种所述相关运行参数；
环境参数获取系统（14）获取所述相关运行参数；
本地智能空调自主学习系统（8）通过所述环境参数获取系统（14）获取所述相关运行参数；
智能空调企业知识库（15）用于存储各个区域的空调运行参数，其中包括第一空调运行参数、第二空调运行参数。
7.根据权利要求6所述一种基于物联网与机器学习的智能空调，其特征在于：所述室内外环境参数及客户使用习惯检测系统（7）包括室外环境运行参数检测系统（11）、室内环境运行参数检测系统（12）和客户使用习惯检测系统（13）；其中，所述室外环境运行参数检测系统（11）用于检测室外环境参数，所述室内环境运行参数检测系统（12）用于检测室内环境参数，所述客户使用习惯检测系统（13）用于记录客户操作习惯参数。
8.根据权利要求6所述一种基于物联网与机器学习的智能空调，其特征在于：还具有智能空调人数识别及负荷调节系统（9）判定室内人数及室内外环境参数，并对所述待服务空调进行控制；其中，智能空调人数识别及负荷调节系统（9）包括手机人数识别系统（17）、人体红外人数识别系统（18）；所述手机人数识别系统（17）用于检测室内手机的信号数量及运行规律判断室内人数；所述人体红外人数识别系统（18）用于红外探测器探测人体红外线而判断的室内人数。
9.根据权利要求6-8任一所述一种基于物联网与机器学习的智能空调，其特征在于：所述本地智能空调自主学习系统（8）可定期向所述智能空调企业知识库（15）下载所述第二空调运行参数，并向所述待服务空调进行配置。
10.根据权利要求6-8任一所述一种基于物联网与机器学习的智能空调，其特征在于：还具有物联网智能空调自主学习系统（10），所述物联网智能空调自主学习系统学习所述智能空调所在地区的其他智能空调的对应运行参数，优化所述对应运行参数，并将经优化后的所述对应运行参数发送至所述本地智能空调自主学习系统（8）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811558451.1A CN109882999A (zh) | 2018-12-19 | 2018-12-19 | 一种基于物联网与机器学习的方法及智能空调 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811558451.1A CN109882999A (zh) | 2018-12-19 | 2018-12-19 | 一种基于物联网与机器学习的方法及智能空调 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109882999A true CN109882999A (zh) | 2019-06-14 |
Family
ID=66925033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811558451.1A Pending CN109882999A (zh) | 2018-12-19 | 2018-12-19 | 一种基于物联网与机器学习的方法及智能空调 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109882999A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110979367A (zh) * | 2019-12-11 | 2020-04-10 | 山东朗进科技股份有限公司 | 一种空调机组冷凝风机的控制方法 |
| CN111981636A (zh) * | 2020-08-13 | 2020-11-24 | 珠海格力电器股份有限公司 | 空调系统控制方法、装置及空调系统 |
| CN112443941A (zh) * | 2020-12-04 | 2021-03-05 | 格力电器（武汉）有限公司 | 空调控制方法、装置及存储介质 |
| CN112783240A (zh) * | 2020-12-31 | 2021-05-11 | 欧普照明股份有限公司 | 环境检测控制装置及方法 |
| CN113268796A (zh) * | 2021-05-12 | 2021-08-17 | 同济大学 | 一种暖通空调系统设备自动选型算法 |
| CN113847714A (zh) * | 2021-06-29 | 2021-12-28 | 浪潮软件科技有限公司 | 基于家庭边缘计算的室内环境自动调节方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102261721A (zh) * | 2011-07-31 | 2011-11-30 | 华南理工大学 | 一种分体空调联网测控方法及装置 |
| CN105162821A (zh) * | 2015-06-27 | 2015-12-16 | 广东天际电器股份有限公司 | 一种智能空气调节系统及其应用 |
| CN205191833U (zh) * | 2015-11-10 | 2016-04-27 | 豹米信息科技（上海）有限公司 | 空气净化器及空气净化系统 |
| CN106568177A (zh) * | 2015-10-09 | 2017-04-19 | 宁夏琪凯节能设备有限公司 | 一种节能型中央空调远程监控设备 |
| US20170241661A1 (en) * | 2009-08-14 | 2017-08-24 | Optimum Energy Llc | Predictive free cooling |
| WO2017183103A1 (ja) * | 2016-04-19 | 2017-10-26 | 三菱電機株式会社 | 空調システム、空調制御方法およびプログラム |
| WO2018092258A1 (ja) * | 2016-11-18 | 2018-05-24 | 三菱電機株式会社 | 空気調和機および空気調和システム |
| CN108548285A (zh) * | 2018-03-05 | 2018-09-18 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
| CN108844185A (zh) * | 2018-07-12 | 2018-11-20 | 重庆科技学院 | 一种基于不同人群热舒适需求的室内环境综合调控系统 |
-
2018
- 2018-12-19 CN CN201811558451.1A patent/CN109882999A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170241661A1 (en) * | 2009-08-14 | 2017-08-24 | Optimum Energy Llc | Predictive free cooling |
| CN102261721A (zh) * | 2011-07-31 | 2011-11-30 | 华南理工大学 | 一种分体空调联网测控方法及装置 |
| CN105162821A (zh) * | 2015-06-27 | 2015-12-16 | 广东天际电器股份有限公司 | 一种智能空气调节系统及其应用 |
| CN106568177A (zh) * | 2015-10-09 | 2017-04-19 | 宁夏琪凯节能设备有限公司 | 一种节能型中央空调远程监控设备 |
| CN205191833U (zh) * | 2015-11-10 | 2016-04-27 | 豹米信息科技（上海）有限公司 | 空气净化器及空气净化系统 |
| WO2017183103A1 (ja) * | 2016-04-19 | 2017-10-26 | 三菱電機株式会社 | 空調システム、空調制御方法およびプログラム |
| WO2018092258A1 (ja) * | 2016-11-18 | 2018-05-24 | 三菱電機株式会社 | 空気調和機および空気調和システム |
| CN108548285A (zh) * | 2018-03-05 | 2018-09-18 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
| CN108844185A (zh) * | 2018-07-12 | 2018-11-20 | 重庆科技学院 | 一种基于不同人群热舒适需求的室内环境综合调控系统 |
Non-Patent Citations (3)
| Title |
|---|
| 时阳: "《制冷技术》", 30 June 2015, 中国轻工业出版社 * |
| 朱扬勇: "《大数据资源》", 31 January 2018, 上海科学技术出版社 * |
| 陈焕新等: "大数据在空调领域的应用", 《制冷学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110979367A (zh) * | 2019-12-11 | 2020-04-10 | 山东朗进科技股份有限公司 | 一种空调机组冷凝风机的控制方法 |
| CN110979367B (zh) * | 2019-12-11 | 2022-04-05 | 山东朗进科技股份有限公司 | 一种空调机组冷凝风机的控制方法 |
| CN111981636A (zh) * | 2020-08-13 | 2020-11-24 | 珠海格力电器股份有限公司 | 空调系统控制方法、装置及空调系统 |
| CN111981636B (zh) * | 2020-08-13 | 2021-12-14 | 珠海格力电器股份有限公司 | 空调系统控制方法、装置及空调系统 |
| CN112443941A (zh) * | 2020-12-04 | 2021-03-05 | 格力电器（武汉）有限公司 | 空调控制方法、装置及存储介质 |
| CN112783240A (zh) * | 2020-12-31 | 2021-05-11 | 欧普照明股份有限公司 | 环境检测控制装置及方法 |
| CN113268796A (zh) * | 2021-05-12 | 2021-08-17 | 同济大学 | 一种暖通空调系统设备自动选型算法 |
| CN113268796B (zh) * | 2021-05-12 | 2023-09-22 | 同济大学 | 一种暖通空调系统设备自动选型算法 |
| CN113847714A (zh) * | 2021-06-29 | 2021-12-28 | 浪潮软件科技有限公司 | 基于家庭边缘计算的室内环境自动调节方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109882999A (zh) | 一种基于物联网与机器学习的方法及智能空调 | |
| CA3090718C (en) | Systems and methods of optimizing hvac control in a building or network of buildings | |
| CN104279700B (zh) | 空调器运行参数的分析方法和空调系统以及客户端 | |
| CN105229389B (zh) | 换气系统以及控制装置 | |
| CN105387563B (zh) | 空调及其控制方法、装置和系统及远程服务器 | |
| KR101543651B1 (ko) | 사물인터넷기반 스마트 자동전력 가전기기제어 장치 및 그 방법 | |
| CN109974237A (zh) | 空调器、空调器运行策略的调整方法及装置 | |
| CN108829074A (zh) | 一种基于大数据的人工智能家居环境系统控制方法 | |
| US20140135993A1 (en) | Method and apparatus for managing energy in home | |
| US11656145B2 (en) | Consumable gas leak detection | |
| CN101344785A (zh) | 环境、照明和安全控制系统 | |
| CN110308660A (zh) | 智能设备控制方法及装置 | |
| CN108870652B (zh) | 空调制冷控制方法、装置及空调器 | |
| CN106524429A (zh) | 空调器运行参数分析方法、分享方法和空调系统及客户端 | |
| CN110736231A (zh) | 空调控制方法、装置、空调、存储介质以及处理器 | |
| CN106679112A (zh) | 空气处理设备的显示装置、方法和系统 | |
| CN101469902A (zh) | 基于无线定位的空调控制系统和方法 | |
| CN108826589A (zh) | 一种空调智能控制节能系统及节能方法 | |
| CN209086697U (zh) | 基于大数据的人工智能家居环境管理系统 | |
| CA3145359A1 (en) | Heating, ventilation, and air conditioning system control using adaptive occupancy scheduling | |
| CN106091252A (zh) | 远程控制冷暖空调器智能控制运行方法 | |
| US20240027297A1 (en) | Humidity monitoring | |
| CN107192098B (zh) | 医院通风调控方法及调控系统 | |
| CN206648205U (zh) | 一种中央空调系统 | |
| CN209639209U (zh) | 一种识别人数主动调节的智能空调本体 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |