CN109899937A - 基于lstm模型的舒适度和节能预测的空调调节系统及方法 - Google Patents
基于lstm模型的舒适度和节能预测的空调调节系统及方法 Download PDFInfo
- Publication number
- CN109899937A CN109899937A CN201910184053.6A CN201910184053A CN109899937A CN 109899937 A CN109899937 A CN 109899937A CN 201910184053 A CN201910184053 A CN 201910184053A CN 109899937 A CN109899937 A CN 109899937A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- air
- conditioning
- lstm
- 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
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及基于LSTM模型的舒适度和节能预测的空调调节系统及方法,其中调节系统包括数据采集模块;数据预处理模块,用于对数据采集模块内采集的相关数据信号进行滤波去噪;LSTM模块,用于接收数据预处理模块处理后的相关数据,并通过预测模块反馈后发送给空调控制模块;空调控制模块,与LSTM模块相连,用于接收LSTM模块中预测模块反馈过来的相关信号,并对空调做出相应的温度和开关控制。本发明通过数据采集模块将室内温度和空调开关的大历史数据信号传送到LSTM模块中,LSTM模块中的预测模块根据实时采集到的室内温度和空调开关数据来预测接下来的室内温度和开关情况,从而实现根据用户喜好,进行空调自动调节,平衡空调舒适度与节能设计的问题。
Description
技术领域
本发明属于人体舒适度和节能机器学习领域,尤其涉及基于LSTM模型的舒适度和节能预测的空调调节系统。
背景技术
空调即空气调节器,是指用人工手段,对建筑/构筑物内环境空气的温度、湿度、洁净度、流速等参数进行调节和控制的设备。
随着人们生活水平的提高,空调已经成为每户人家中的必备品,同时空调开启的频率也变高了;但是当人们在寒冷的冬天里回到家时,空调的效果需要开启一段时间后才能起到作用,这样就给人们的实际使用带来了一些麻烦,所以急需设计一种能自动对空调进行调节,并且能够平衡空调舒适度与节能设计的一种空调调节系统。
发明内容
本发明目的是为了克服现有技术的不足而提供一种解决根据用户喜好,进行空调自动调节,平衡空调舒适度与节能设计问题的基于LSTM模型的舒适度和节能预测的空调调节系统及方法。
为达到上述目的,本发明采用的技术方案是:基于LSTM模型的舒适度和节能预测的空调调节系统,包括:
数据采集模块,用于采集实时的室内温度和空调开关数据信号以及室内温度和空调开关的历史大数据信号;
数据预处理模块,与数据采集模块相连,用于对数据采集模块内采集的相关数据信号进行滤波去噪;
LSTM模块,与数据预处理模块相连,用于接收数据处理模块预处理后的相关数据,并利用其中关于室内温度和空调开关的历史大数据信号进行训练,训练后作为一预测模块保存,然后将实时的室内温度和空调开关输入到预测模块中得出预测的室内温度和空调开关,并反馈给空调控制模块;
空调控制模块,与LSTM模块相连,用于接收LSTM模块中预测模块反馈过来的相关信号,并对空调做出相应的温度和开关控制。
进一步的,所述数据预处理模块采用小波去噪对数据采集模块内采集的相关信号进行滤波去噪,包括如下步骤:
Step1:对含噪信号进行小波分解处理;
Step2:对小波系数进行阀值量化处理;
Step3:采用小波逆变换重构信号得到去噪信号。
进一步的,还包括用于装载LSTM模块的控制终端。
进一步的,所述控制终端为Raspberry Pi。
进一步的,采用加窗的方法来分割室内温度数据信号,温度信号的采样频率为1HZ,窗口长度为1800个样本点,相邻的窗重叠半个窗长。
基于LSTM模型的舒适度和节能预测空调的调节方法,包括如下步骤:
步骤1:通过数据采集模块采集室内温度历史大数据信号和采集空调开关历史大数据信号;
步骤2:数据预处理模块对步骤1中采集到的数据信号进行滤波去噪;
步骤3:LSTM模块接收数据预处理模块处理后的数据信号后,预测室内温度和空调开关;
步骤4:把LSTM模块部署在Raspberry Pi上;
步骤5:启动空调控制系统;
步骤6:数据采集模块实时采集室内温度、空调开关数据信号;
步骤7:数据预处理模块对步骤6中的数据信号进行滤波去噪;
步骤8:LSTM模块接收到步骤6的数据信号后,输出室内温度、空调开关值,并传输给空调控制系统,由空调控制系统对空调进行相应的控制。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:
本发明方案的基于LSTM模型的舒适度和节能预测的空调调节系统及方法,通过数据采集模块将室内温度和空调开关的大历史数据信号传送到LSTM 模块中,LSTM 模块根据实时采集到的室内温度和空调开关来预测接下来的室内温度和开关情况,从而能根据用户喜好,进行空调自动调节,平衡空调舒适度与节能设计的问题。
附图说明
下面结合附图对本发明技术方案作进一步说明:
图1为本发明的结构示意图;
图2为本发明的控制流程图;
图3为本发明中训练损失与训练次数之间的趋势图;
图4为本发明中采样数据、训练结果、预测情况之间在时间和温度上的趋势图;
其中:数据采集模块1、数据预处理模块2、LSTM模块3、空调控制模块4。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
参阅图1-2,本发明所述的基于LSTM模型的舒适度和节能预测的空调调节系统,包括:数据采集模块1,用于采集实时的室内温度和空调开关数据信号以及室内温度和空调开关的历史大数据信号,数据采集模块1基于单片机 Arduino;数据预处理模块2,与数据采集模块1相连,用于对数据采集模块内采集的相关数据信号进行滤波去噪。
LSTM模块3,与数据预处理模块2相连,用于接收数据处理模块2预处理后的相关数据,并利用其中关于室内温度和空调开关的历史大数据信号进行训练,训练后作为一预测模块保存,然后将实时的室内温度和空调开关输入到预测模块中得出预测的室内温度和空调开关,并反馈给空调控制模块4;空调控制模块4,与LSTM模块3相连,用于接收LSTM模块3中预测模块反馈过来的相关信号,并对空调做出相应的温度和开关控制。
作为进一步的优选实施例,数据预处理模块采用小波去噪对数据采集模块内采集的相关信号进行滤波去噪,包括如下步骤:
Step1:对含噪信号进行小波分解处理;由于不同的含噪信号具备不同的特点,因此在分析的过程中需要具体确定小波分解层次,得到一组小波系数。
Step2:对小波系数进行阀值量化处理;对不同层次的原始小波系数选取适宜的阀值进行阀值量化处理,获得估计小波系数。
Step3:采用小波逆变换重构信号得到去噪信号;小波系数经过阀值化处理之后,进行小波逆变换,得到去噪后信号,即去燥后的四路关节电机电流信号。
作为进一步的优选实施例,还包括用于装载LSTM模块的控制终端为RaspberryPi;所述控制终端为Raspberry Pi,实际运用时,可以将LSTM模块装载在Raspberry Pi上,便于实际的使用。
作为进一步的优选实施例,采用加窗的方法来分割室内温度数据信号,温度信号的采样频率为1HZ,窗口长度为1800个样本点,相邻的窗重叠半个窗长。
具体的,LSTM 是 RNN(循环神经网络)的变种,LSTM 能通过增加记忆单元更好地记忆过往信息。这使得系统能够实现对周期性循环的预测,因为 LSTM 可以更好地识别出周期特征。LSTM 能够保留一部分神经网络中的信息,因此能够应用于时间序列预测问题。只要数据充足,算法对于序列的要求无太高要求,经过足量训练也能达到较为满意的结果。在本系统中,利用 LSTM 模型依据采集到的室内温度来预测接下来的室内温度,依据收集到的空调开关情况来预测接下来的开关情况。
参阅图3,train loss(训练损失)在训练次数递增的情况下整体呈现下降趋势,训练损失越小,说明模型学习时的拟合准确度越高。
参阅图4,A代表采样数据,B代表训练结果,C代表预测情况;本发明先进行采样,从采样得到的数据中选取 67%进行模型训练,训练完毕后,通过训练得到的 LSTM 模型进行预测,再将预测得到的数据与剩下未投入训练的数据进行比对。
从图4可知,经过训练后,预测值与实际走向基本吻合,在各个时刻的预测偏差的绝对值均小0.5℃。
具体的,本发明还公开了基于LSTM模型的舒适度和节能预测空调的调节方法,包括如下步骤:
步骤1:通过数据采集模块采集室内温度历史大数据信号和采集空调开关历史大数据信号;
步骤2:数据预处理模块对步骤1中采集到的数据信号进行滤波去噪;
步骤3:LSTM模块接收数据预处理模块处理后的数据信号后,预测室内温度和空调开关;
步骤4:把LSTM模块部署在Raspberry Pi上;
步骤5:启动空调控制系统;
步骤6:数据采集模块实时采集室内温度、空调开关数据信号;
步骤7:数据预处理模块对步骤6中的数据信号进行滤波去噪;
步骤8:LSTM模块接收到步骤6的数据信号后,输出室内温度、空调开关值,并传输给空调控制系统,由空调控制系统对空调进行相应的控制。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (6)
1.基于LSTM模型的舒适度和节能预测的空调调节系统,其特征在于,包括:
数据采集模块,用于采集实时的室内温度和空调开关数据信号以及室内温度和空调开关的历史大数据信号;
数据预处理模块,与数据采集模块相连,用于对数据采集模块内采集的相关数据信号进行滤波去噪;
LSTM模块,与数据预处理模块相连,用于接收数据处理模块预处理后的相关数据,并利用其中关于室内温度和空调开关的历史大数据信号进行训练,训练后作为一预测模块内部保存,然后将实时的室内温度和空调开关输入到预测模块中得出预测的室内温度和空调开关,并反馈给空调控制模块;
空调控制模块,与LSTM模块相连,用于接收LSTM模块中预测模块反馈过来的相关信号,并对空调做出相应的温度和开关控制。
2.根据权利要求1所述的基于LSTM模型的舒适度和节能预测的空调调节系统,其特征在于:所述数据预处理模块采用小波去噪对数据采集模块内采集的相关信号进行滤波去噪,其特征在于,包括如下步骤:
Step1:对含噪信号进行小波分解处理;
Step2:对小波系数进行阀值量化处理;
Step3:采用小波逆变换重构信号得到去噪信号。
3.根据权利要求1所述的基于LSTM模型的舒适度和节能预测的空调调节系统,其特征在于:还包括用于装载LSTM模块的控制终端。
4.根据权利要求3述的基于LSTM模型的舒适度和节能预测的空调调节系统,其特征在于:所述控制终端为Raspberry Pi。
5.根据权利要求1所述的基于LSTM模型的舒适度和节能预测的空调调节系统,其特征在于:采用加窗的方法来分割室内温度数据信号,温度信号的采样频率为1HZ,窗口长度为1800个样本点,相邻的窗重叠半个窗长。
6.如权利要求1所述的基于LSTM模型的舒适度和节能预测的空调调节方法,其特征在于:包括如下步骤:
步骤1:通过数据采集模块采集室内温度历史大数据信号和采集空调开关历史大数据信号;
步骤2:数据预处理模块对步骤1中采集到的数据信号进行滤波去噪;
步骤3:LSTM模块接收数据预处理模块处理后的数据信号后,预测室内温度和空调开关;
步骤4:把LSTM模块部署在Raspberry Pi上;
步骤5:启动空调控制系统;
步骤6:数据采集模块实时采集室内温度、空调开关数据信号;
步骤7:数据预处理模块对步骤6中的数据信号进行滤波去噪;
步骤8:LSTM模块接收到步骤6的数据信号后,输出室内温度、空调开关值,并传输给空调控制系统,由空调控制系统对空调进行相应的控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910184053.6A CN109899937A (zh) | 2019-03-12 | 2019-03-12 | 基于lstm模型的舒适度和节能预测的空调调节系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910184053.6A CN109899937A (zh) | 2019-03-12 | 2019-03-12 | 基于lstm模型的舒适度和节能预测的空调调节系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109899937A true CN109899937A (zh) | 2019-06-18 |
Family
ID=66946906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910184053.6A Pending CN109899937A (zh) | 2019-03-12 | 2019-03-12 | 基于lstm模型的舒适度和节能预测的空调调节系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109899937A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659770A (zh) * | 2019-09-03 | 2020-01-07 | 新奥数能科技有限公司 | 基于lstm模型的温度预测方法及装置 |
CN110836525A (zh) * | 2019-11-19 | 2020-02-25 | 珠海格力电器股份有限公司 | 空调运行状态的自适应调节方法及装置 |
CN111397117A (zh) * | 2020-03-10 | 2020-07-10 | 珠海派诺科技股份有限公司 | 基于大数据的舒适度预测方法、智能终端、存储装置 |
CN111442476A (zh) * | 2020-03-06 | 2020-07-24 | 财拓云计算(上海)有限公司 | 一种使用深度迁移学习实现数据中心节能温控的方法 |
CN111795484A (zh) * | 2020-07-24 | 2020-10-20 | 北京大学深圳研究生院 | 一种智慧空调控制方法和系统 |
CN111950704A (zh) * | 2020-08-07 | 2020-11-17 | 哈尔滨工业大学 | 一种基于合并长短时记忆网络的大气温度数据生成方法 |
CN113485498A (zh) * | 2021-07-19 | 2021-10-08 | 北京工业大学 | 一种基于深度学习的室内环境舒适度调节方法及系统 |
CN114379325A (zh) * | 2022-02-22 | 2022-04-22 | 上海汽车集团股份有限公司 | 一种车载空调温度的调节方法及相关装置 |
CN114963458A (zh) * | 2021-02-23 | 2022-08-30 | 海信集团控股股份有限公司 | 一种热舒适参数预测方法及其设备 |
CN115200171A (zh) * | 2022-07-14 | 2022-10-18 | 东联信息技术有限公司 | 基于时间序列预测的空调控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033804A (zh) * | 2012-12-14 | 2013-04-10 | 武汉大学 | 基于小波熵阈值与模极大值法的激光雷达信号处理方法 |
KR101275147B1 (ko) * | 2011-12-08 | 2013-06-17 | 공주대학교 산학협력단 | 희망 온열 쾌적지수 기반의 사용자 맞춤형 온도/습도 제어장치 및 방법 |
CN104833063A (zh) * | 2015-06-04 | 2015-08-12 | 安徽建筑大学 | 一种空调控制方法及系统 |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN106369739A (zh) * | 2016-08-23 | 2017-02-01 | 海信(山东)空调有限公司 | 一种空调控制方法及空调控制器和空调系统 |
CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
CN109028468A (zh) * | 2018-06-13 | 2018-12-18 | 北京天泽智云科技有限公司 | 基于大数据分析的冰机集群系统能耗优化方法和装置 |
CN109394472A (zh) * | 2018-09-19 | 2019-03-01 | 宁波杰曼智能科技有限公司 | 一种基于神经网络分类器的康复机器人运动意图识别方法 |
CN109405195A (zh) * | 2018-10-31 | 2019-03-01 | 四川长虹电器股份有限公司 | 空调智能控制系统及方法 |
-
2019
- 2019-03-12 CN CN201910184053.6A patent/CN109899937A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101275147B1 (ko) * | 2011-12-08 | 2013-06-17 | 공주대학교 산학협력단 | 희망 온열 쾌적지수 기반의 사용자 맞춤형 온도/습도 제어장치 및 방법 |
CN103033804A (zh) * | 2012-12-14 | 2013-04-10 | 武汉大学 | 基于小波熵阈值与模极大值法的激光雷达信号处理方法 |
CN104833063A (zh) * | 2015-06-04 | 2015-08-12 | 安徽建筑大学 | 一种空调控制方法及系统 |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN106369739A (zh) * | 2016-08-23 | 2017-02-01 | 海信(山东)空调有限公司 | 一种空调控制方法及空调控制器和空调系统 |
CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
CN109028468A (zh) * | 2018-06-13 | 2018-12-18 | 北京天泽智云科技有限公司 | 基于大数据分析的冰机集群系统能耗优化方法和装置 |
CN109394472A (zh) * | 2018-09-19 | 2019-03-01 | 宁波杰曼智能科技有限公司 | 一种基于神经网络分类器的康复机器人运动意图识别方法 |
CN109405195A (zh) * | 2018-10-31 | 2019-03-01 | 四川长虹电器股份有限公司 | 空调智能控制系统及方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659770A (zh) * | 2019-09-03 | 2020-01-07 | 新奥数能科技有限公司 | 基于lstm模型的温度预测方法及装置 |
CN110836525A (zh) * | 2019-11-19 | 2020-02-25 | 珠海格力电器股份有限公司 | 空调运行状态的自适应调节方法及装置 |
CN111442476A (zh) * | 2020-03-06 | 2020-07-24 | 财拓云计算(上海)有限公司 | 一种使用深度迁移学习实现数据中心节能温控的方法 |
CN111397117A (zh) * | 2020-03-10 | 2020-07-10 | 珠海派诺科技股份有限公司 | 基于大数据的舒适度预测方法、智能终端、存储装置 |
CN111795484A (zh) * | 2020-07-24 | 2020-10-20 | 北京大学深圳研究生院 | 一种智慧空调控制方法和系统 |
CN111795484B (zh) * | 2020-07-24 | 2021-11-23 | 北京大学深圳研究生院 | 一种智慧空调控制方法和系统 |
CN111950704A (zh) * | 2020-08-07 | 2020-11-17 | 哈尔滨工业大学 | 一种基于合并长短时记忆网络的大气温度数据生成方法 |
CN111950704B (zh) * | 2020-08-07 | 2022-11-29 | 哈尔滨工业大学 | 一种基于合并长短时记忆网络的大气温度数据生成方法 |
CN114963458A (zh) * | 2021-02-23 | 2022-08-30 | 海信集团控股股份有限公司 | 一种热舒适参数预测方法及其设备 |
CN114963458B (zh) * | 2021-02-23 | 2023-09-05 | 海信集团控股股份有限公司 | 一种热舒适参数预测方法及其设备 |
CN113485498A (zh) * | 2021-07-19 | 2021-10-08 | 北京工业大学 | 一种基于深度学习的室内环境舒适度调节方法及系统 |
CN114379325A (zh) * | 2022-02-22 | 2022-04-22 | 上海汽车集团股份有限公司 | 一种车载空调温度的调节方法及相关装置 |
CN115200171A (zh) * | 2022-07-14 | 2022-10-18 | 东联信息技术有限公司 | 基于时间序列预测的空调控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109899937A (zh) | 基于lstm模型的舒适度和节能预测的空调调节系统及方法 | |
CN105757894B (zh) | 空调器的控制方法和装置 | |
CN103994551B (zh) | 能源管理方法及系统 | |
CN107252237A (zh) | 一种集成环境调节和光照控制功能的窗户系统与方法 | |
CN110925995A (zh) | 一种空调自适应控制空气调节的方法及系统 | |
CN105652677B (zh) | 一种基于用户行为分析的智能家居控制方法、装置和系统 | |
CN109974237A (zh) | 空调器、空调器运行策略的调整方法及装置 | |
CN108413588B (zh) | 一种基于热成像及bp神经网络的个性化空调控制系统及方法 | |
CN105465955B (zh) | 一种天气联动空调控制方法 | |
CN106568166B (zh) | 一种组合式空调的防凝露控制方法、装置及组合式空调 | |
CN106369739A (zh) | 一种空调控制方法及空调控制器和空调系统 | |
CN104482656A (zh) | 智能调节热水器温度的方法、装置及热水器 | |
CN105928139A (zh) | 空调器自清洁控制方法 | |
CN207008440U (zh) | 一种室内空气品质联动控制调节系统 | |
CN106979599A (zh) | 家用电器控制方法和装置、服务器 | |
CN106246038A (zh) | 一种基于雨滴谱监测的智能窗户及其使用方法 | |
CN111895625A (zh) | 基于神经网络算法的室内环境改善方法、系统及存储介质 | |
CN111414996B (zh) | 一种智能家居控制方法、系统、存储介质和计算机设备 | |
CN111561764A (zh) | 用于新风系统的控制方法、装置及存储介质 | |
KR20200084453A (ko) | 냉난방공조 에너지 최적화 장치 및 방법 | |
WO2022041987A1 (zh) | 空调器的智能控制方法与智能控制设备 | |
CN110440385A (zh) | 一种舒适仿自然风的机械营造装置及方法 | |
CN1920427A (zh) | 一种空调机组室温pid控制方法 | |
CN107367952A (zh) | 智能家居的控制方法及装置、存储介质、终端 | |
CN106094555A (zh) | 一种智能家居声控系统及家居设备控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
RJ01 | Rejection of invention patent application after publication |