CN110131843B - 基于大数据的空调的智能调控方法及系统 - Google Patents
基于大数据的空调的智能调控方法及系统 Download PDFInfo
- Publication number
- CN110131843B CN110131843B CN201910403554.9A CN201910403554A CN110131843B CN 110131843 B CN110131843 B CN 110131843B CN 201910403554 A CN201910403554 A CN 201910403554A CN 110131843 B CN110131843 B CN 110131843B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- control strategy
- user
- control
- time period
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011217 control strategy Methods 0.000 claims abstract description 100
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004378 air conditioning Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004243 sweat Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于大数据的空调的智能调控方法及系统。其中，空调的智能调控方法，包括步骤：对各区域内的空调的所有用户控制数据进行相应的特征提取，制定各区域内空调在对应时间段和对应天气的整体控制策略；对单台空调的用户控制数据进行相应的特征提取处理，制定单台空调在对应时间段和对应天气的基础控制策略；当空调开机后，根据空调的当前使用状况选择对应的整体控制策略，或者对应的基础控制策略，或者由对应的整体控制策略与基础控制策略计算得到的综合控制策略控制空调的运行。本发明可以主动学习空调的大数据和用户的个性使用习惯，并对空调提供合理的控制策略，避免用户频繁调整空调。
Description
技术领域
本发明涉及空调系统，尤其涉及采用了基于大数据的空调的智能调控方法。
背景技术
空调是日常生活的一个必要电器，随着工业技术朝着智能化方向发展，现有市场上也出现了很多智能空调，但是，目前的智能空调还存在以下几个问题：
1、目前只有极少数智能设计能够从根本上解决空调使用过程中真正面临的问题，即“温度调节”，如何利用空调已有的用户控制数据（用户控制数据）来实现空调设备智能调控，减少繁杂冗余的频繁温度参数调节操作，是一个亟待解决的问题。
2、虽然空调厂家都会收集空调的日常运行数据作为大数据应用的基础，但是如何将空调的大数据应用的空调的智能控制上面，如何恰当的利用大数据，提取空调智能控制调控所需要素，也是目前一个尚未解决的技术问题。
3、现有的智能空调大多提出了一些智能算法，但是面对庞大的空调用户群体，这些智能算法并不能很好的解决客户群基数大带来的多样性、复杂性需求，因此如何利用现有的资源和技术尽可能的科学的满足绝大多数客户群体也是一个可以值得深究的问题。
4、在实际生活中空调的使用特性往往和地域、天气密不可分，如何智能提取地域和天气参数能够为空调实现真正的智能控制。
发明内容
为了解决现有技术中如何使用历史数据实现空调的智能空调，减少用户的频繁温度调节操作的技术问题，本发明提出了一种基于大数据的空调的智能调控方法及系统。
本发明提出的空调的智能调控方法，包括步骤：
对各区域内的空调的所有用户控制数据进行相应的特征提取，制定各区域内空调在对应时间段和对应天气的整体控制策略；
对单台空调的用户控制数据进行相应的特征提取处理，制定单台空调在对应时间段和对应天气的基础控制策略；
当空调开机后，根据空调的当前使用状况选择对应的整体控制策略，或者对应的基础控制策略，或者由对应的整体控制策略与基础控制策略计算得到的综合控制策略控制空调的运行。
优选的，在空调的运行过程中，当有用户操作介入时，根据用户操作调整当前空调的运行，之后继续按照原先所选择的整体控制策略或基础控制策略或综合控制策略控制空调的运行。同时，还可以根据用户操作获取对应的用户控制数据，并将该用户控制数据作为更新所述整体控制策略或基础控制策略或综合控制策略的数据基础。
具体的，制定所述整体控制策略具体包括：将同一区域内相同时间段以及相同天气的用户控制数据进行正态分布；将概率密度最大的用户控制数据作为该时间段和天气对应的整体控制策略。
具体的，制定所述基础控制策略具体包括：根据用户控制数据分析用户的操作习惯，总结相同时间段相同天气的用户控制数据的规律来形成所述基础控制策略。
在一个实施例中，所述空调的当前使用状况为初次使用且网络畅通时，选择对应时间段和天气的整体控制策略控制空调的运行。
在另一个实施例中，所述空调的当前使用状况为网络不通畅时，选择对应时间段和天气的基础控制策略控制空调的运行。
在第三个实施例中，所述空调的当前使用状况为多次使用且网络通畅时，将对应时间段和天气的整体控制策略与基础控制策略进行权重计算得到所述综合控制策略控制空调的运行。若是在空调的运行过程中有用户操作介入时，根据介入的用户控制数据进行权重比例分析调整，并更新所述综合控制策略。
具体的，所述时间段根据季节进行划分。在一个实施例中，所述时间段包括：春季上旬、春季中旬、春季下旬、夏季上旬、夏季中旬、夏季下旬、秋季上旬、秋季中旬、秋季下旬、冬季上旬、冬季中旬、冬季下旬。所述天气包括：晴天、阴天、晴转多云、小雨、暴雨、多云转晴。
本发明所提出的空调的智能调控系统，采用上述技术方案所述的智能调控方法来控制空调的运行。
本发明将空调用户与该区域的空调用户和时间段内的天气数据进行联系，通过对区域内所有用户的空调大数据进行整体用户特征提取后进行回归处理和对空调预测运行过程中用户的主动介入进行基础用户特征提取后进行聚合处理的数据使得空调设备进行监督学习和监控学习，实现空调控制的人工智能；并且利用权重处理和权重学习对空调大数据调控系统不断进行优化，为空调用户提供优质的服务。
附图说明
下面结合实施例和附图对本发明进行详细说明，其中：
图1是本发明的智能调控整体示意图。
图2是本发明的智能调控的综合控制策略的运行流程图。
具体实施方式
下面结合附图详细说明本发明的原理及实施例。
如图1所示，本发明的智能调控系统通过利用位于服务器上的空调大数据库中所收集的现有的区域、气候、用户习惯等相关数据，以及利用空调机组的本地数据库收集单台空调的用户习惯等相关数据，让空调进行监督学习和监控学习，从而得到相应的整体控制策略和基础控制策略来为空调提供运行的控制基础。
本发明所指的整体控制策略指的是通过定位从空调大数据库提取该区域内的用户控制数据进行回归处理进行多层用户特征提取，总结该区域内在具体的某个时间段和对应的天气时大家的操作习惯，从而得到整体控制策略，即监督学习的最终结果。在本实施例中，通过将同一区域内相同时间段以及相同天气的用户控制数据进行正态分布；将概率密度最大的用户控制数据（回归点）作为该时间段和天气对应的整体控制策略。在其他实施例中，本领域技术人员还可以采用其他方法在概率密度较大的范围内确定一个与自己目的需求合适的值。
本发明所指的基础控制策略是对单台空调的本地数据库内的用户控制数据进行基础特征提取，分析用户的操作习惯，总结该台空调在具体的某个时间段和对应的天气时用户的操作习惯，从而得到基础控制策略。
当空调既可以选择整体控制策略又可以选择基础控制策略时，空调系统可以对整体控制策略和基础控制策略分别进行权重赋值，得到一个综合控制策略来控制空调的运行。而监控学习指的是在采用任意一种控制策略对空调的运行进行控制时，当有用户操作介入时，空调先根据用户操作调整当前的运行，之后再继续按照原先所选择的整体控制策略或基础控制策略或综合控制策略控制空调的运行。例如，其中一种控制策略是早上8点空调温度调整为28℃，中午12点空调温度调整为25℃，在这个过程中，用户可能外出刚回来，非常热，可能会介入操作，把空调调整为20℃，因此当前空调被调整为20℃，在调整完毕以后，还会接着按照原来的控制策略在12点的时候将温度调整为25℃。在此基础上，还可以对用户的主动介入所产生的用户控制数据进行提取，作为各控制策略更新的一个数据基础，本发明称之为复杂特征提取。
在本实施例中，时间段可以根据季节进行划分，例如划分为四季等。具体的，可以进行进一步精确划分为：春季上旬、春季中旬、春季下旬、夏季上旬、夏季中旬、夏季下旬、秋季上旬、秋季中旬、秋季下旬、冬季上旬、冬季中旬、冬季下旬。还可以进一步划分到一个具体的时间点，例如上午8、9、10点，下午3、4、5点等等。天气则包括：晴天、阴天、晴转多云、小雨、暴雨、多云转晴等。这些最终都是温度调节和风挡调节的控制系数，这些参数在大样本云数据中都存在耦合，因此对这些特征进行耦合提取，最后对温度控制和风挡控制进行平均值或其他方法求值。
通过上述方式，我们可以很好地避免样本的局限性。具体的可以是影响因素如地域、季节、天气、用户自身的状态等等存在的不确定性，也可以是单台空调对应的用户家中人口的变化，例如两口之家变为三口之家之类的，导致用户行为习惯的改变，因此我们的空调云端必须不断的根据现有的用户人为的介入，对我们自身的数据样本进行更新。
空调在安装后，可能存在几种情况，第一种情况是刚安装的新机，此时没有任何属于本台空调的用户控制数据。第二种情况是已经使用了的旧机，其本地数据库有一定的用户控制数据，可能也形成了相应的基础控制策略，但是该旧机并不能联网，或者是开机时网络状况很差，导致无法与服务器进行通讯。第三种情况是已经使用了的旧机，其本地数据库有一定的用户控制数据，可能也形成了相应的基础控制策略，且其网络状况十分良好。图2给出的就是第三种情况的控制流程图。
第一种情况时，空调在调试阶段，可以连接服务器，获取到该区域内的整体控制策略。在之后开机运行时，不管网络是否良好，都可以依照与当前时间段、天气符合的整体控制策略来自动控制空调的运行。例如，该空调安装在珠海市，目前属于春季下旬，今天的天气情况为多云，整体控制策略是根据过去珠海市春季下旬且多云进行回归处理后用户控制数据来制定空调开机后的所有控制指令，并预测空调的运行状态，为用户提供与当前环境相匹配的智能调控。
第二种情况时，空调无法联网，则主要以本地数据库的基础控制策略为准，空调开机以后，以所总结出来的能代表用户习惯的基础控制策略来控制空调的运行。
上述第一、第二种都是比较特殊或极端的情况。而第三种情况是比较常见的情况，空调为多次使用且网络通畅，即该空调既有对应的基础控制策略（用户有自己本身的一些控制习惯）又可以从服务器上获取到整体控制策略。因此在空调开机时将对应时间段和天气的整体控制策略与基础控制策略进行权重计算得到综合控制策略控制空调的运行。例如，当前对应的时间段对应的天气的整体控制策略中的第一次控制温度为28℃，而基础控制策略中对应的第一次控制温度为29℃，则权重处理可以为28*30% + 29*70% = 28.7，则综合控制策略的第一次控制温度就是28.7℃。
无论是哪一种控制策略，其实都是一段控制曲线，而不是单一的一个控制信息，例如在最炎热的夏天，各控制策略会在最开始设定一个较低的温度，过一段时间，再进行控制来将室内温度调整至一个合适的值，以符合一天当中天气的温度变化。这个过程中，用户可能会介入自己本身的操作，用户操作以后，空调根据用户操作的指令进行工作，然后再继续按照原来的控制策略工作。例如，任意一种控制策略为最开始的控制温度为16℃，但是用户此时刚生了小宝宝，无论是以前所总结出来的代表个人习惯的基础控制策略，还是该地区广大用户的整体控制策略可能都无法适用于当前的情况。用户会觉得温度太低，从而操作要控制调高温度，即用户对空调控制进行主动介入，此时空调设备要进行监控学习，分析人为主动控制的数据，并产生一个推断的控制功能，映射出一个控制方法。即空调大数据智能调控系统对空调用户进行用户特征提取，并对空调参数进行聚合数据处理（类似求平均值），更新基础控制策略。同时，基于该用户介入的用户控制数据，也可以进行分析，用来进行权重调整和学习来更新综合控制策略，以及作为整体控制策略更新的一个数据基础。
为了进一步说明监控学习，本发明再以一个生活场景为例，来说明监控学习对整体控制策略的更新意义。如炎炎夏日，满头大汗，用户刚打开空调通常都往最低温度最大风力设置，等到过了一会温度降下来，用户汗干了以后，用户又得进行降低风力，提高温度调节。目前的空调智能系统是很少能够准确判断用户的真正目的的，来避免用户初次设置后的后续频繁调节，这个时候就需要应用“监控学习”，它能根据用户上一次的操作习惯记住在广州天河区、夏季中旬、天气晴、下午三点、设置温度18度、最终稳定温度28度，初次调高温度为30，时间为3：30，再次调节26度，时间为3：35分钟，第三次调节为28度，时间为3:40；通过空调设备通过监控学习，对某地某时某天气下某用户进行上述数据提取，并存入空调大数据云，在该用户再次在同地域、同时间段、同季节、同外界天气、同等初始设置温度时，我们对用户设置的初步温度进行微调控制，慢慢对用户进行风挡、温度处理，从而对用户进行推荐运行。当该地区同时间段、同等天气、同等温度设置的一个用户，也进行类似的初始温度设置，那么从服务器（云端）提取类似用户的信息耦合进行类似正态分布处理，提取概率最大的控制策略，然后对用户进行推荐运行。这个数据提取方法我们也称为回归数据处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种空调的智能调控方法，其特征在于，包括步骤：
对各区域内的所有空调的用户控制数据进行相应的特征提取，制定各区域内空调在对应时间段和对应天气的整体控制策略；
对单台空调的用户控制数据进行相应的特征提取处理，制定单台空调在对应时间段和对应天气的基础控制策略；
根据空调的当前使用状况选择对应的整体控制策略，或者对应的基础控制策略，或者由对应的整体控制策略与基础控制策略计算得到的综合控制策略控制空调的运行；
所述空调的当前使用状况为多次使用且网络通畅时，将对应时间段和天气的整体控制策略与基础控制策略进行权重计算得到所述综合控制策略控制空调的运行。
2.如权利要求1所述的智能调控方法，其特征在于，还包括步骤：在空调的运行过程中，当有用户操作介入时，根据用户操作调整当前空调的运行，之后继续按照原先所选择的整体控制策略或基础控制策略或综合控制策略控制空调的运行。
3.如权利要求2所述的智能调控方法，其特征在于，当有用户操作介入时还包括步骤：根据用户操作获取对应的用户控制数据，并将该用户控制数据作为更新所述整体控制策略或基础控制策略或综合控制策略的数据基础。
4.如权利要求1所述的智能调控方法，其特征在于，制定所述整体控制策略具体包括：
将同一区域内相同时间段以及相同天气的用户控制数据进行正态分布；
将概率密度最大的用户控制数据作为该时间段和天气对应的整体控制策略。
5.如权利要求1所述的智能调控方法，其特征在于，制定所述基础控制策略具体包括：根据用户控制数据分析用户的操作习惯，总结相同时间段相同天气的用户控制数据的规律来形成所述基础控制策略。
6.如权利要求1所述的智能调控方法，其特征在于，所述空调的当前使用状况为初次使用且网络畅通时，选择对应时间段和天气的整体控制策略控制空调的运行。
7.如权利要求1所述的智能调控方法，其特征在于，所述空调的当前使用状况为网络不通畅时，选择对应时间段和天气的基础控制策略控制空调的运行。
8.如权利要求1所述的智能调控方法，其特征在于，在空调的运行过程中当有用户操作介入时，根据介入的用户控制数据进行权重比例分析调整，并更新所述综合控制策略。
9.如权利要求1所述的智能调控方法，其特征在于，所述时间段根据季节进行划分。
10.如权利要求9所述的智能调控方法，其特征在于，所述时间段包括：春季上旬、春季中旬、春季下旬、夏季上旬、夏季中旬、夏季下旬、秋季上旬、秋季中旬、秋季下旬、冬季上旬、冬季中旬、冬季下旬。
11.如权利要求1所述的智能调控方法，其特征在于，所述天气包括：晴天、阴天、晴转多云、小雨、暴雨、多云转晴。
12.一种空调的智能调控系统，其特征在于，采用如权利要求1至11任意一项所述的智能调控方法来控制空调的运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910403554.9A CN110131843B (zh) | 2019-05-15 | 2019-05-15 | 基于大数据的空调的智能调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910403554.9A CN110131843B (zh) | 2019-05-15 | 2019-05-15 | 基于大数据的空调的智能调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110131843A CN110131843A (zh) | 2019-08-16 |
| CN110131843B true CN110131843B (zh) | 2020-06-16 |
Family
ID=67574309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910403554.9A Expired - Fee Related CN110131843B (zh) | 2019-05-15 | 2019-05-15 | 基于大数据的空调的智能调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110131843B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7006859B2 (ja) * | 2019-10-23 | 2022-02-10 | 三菱電機株式会社 | 空調制御装置、空調システム、空調制御方法、空調制御プログラム |
| CN110864400A (zh) * | 2019-11-27 | 2020-03-06 | 广东美的制冷设备有限公司 | 空气调节设备的控制方法、装置和空气调节设备 |
| CN110805995A (zh) * | 2019-11-27 | 2020-02-18 | 广东美的制冷设备有限公司 | 空气调节设备的控制方法、装置、控制器和存储介质 |
| CN110864418A (zh) * | 2019-11-27 | 2020-03-06 | 广东美的制冷设备有限公司 | 空气调节设备的控制方法、装置和电子设备 |
| CN111059722A (zh) * | 2019-11-27 | 2020-04-24 | 广东美的制冷设备有限公司 | 空气调节设备的控制方法、装置以及服务器 |
| CN111207498B (zh) * | 2019-12-27 | 2021-11-09 | 广东美的白色家电技术创新中心有限公司 | 空调设备及其控制方法、服务器、计算机可读存储介质 |
| CN111121237B (zh) * | 2019-12-27 | 2021-08-10 | 广东美的白色家电技术创新中心有限公司 | 空调设备及其控制方法、服务器、计算机可读存储介质 |
| CN113375300A (zh) * | 2020-03-09 | 2021-09-10 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与空调器的智能控制设备 |
| CN111503838B (zh) * | 2020-04-08 | 2021-07-23 | 中铁建电气化局集团第一工程有限公司 | 一种公用建筑用空调通风优化系统 |
| CN112128935B (zh) * | 2020-08-28 | 2023-03-21 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与智能控制设备 |
| CN112128934A (zh) * | 2020-08-28 | 2020-12-25 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与智能控制设备 |
| CN112594874A (zh) * | 2020-12-15 | 2021-04-02 | 南京岁卞智能设备有限公司 | 基于热成像和大数据技术的中央空调系统节能控制系统 |
| CN113375297A (zh) * | 2021-06-15 | 2021-09-10 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010249454A (ja) * | 2009-04-17 | 2010-11-04 | Mitsubishi Electric Corp | 設備運用システム |
| CN104913440A (zh) * | 2015-05-26 | 2015-09-16 | 青岛海尔空调器有限总公司 | 空调器舒适性控制方法 |
| CN105444336A (zh) * | 2014-08-22 | 2016-03-30 | 广东美的制冷设备有限公司 | 空调器的控制方法和空调器 |
| CN105757894A (zh) * | 2016-03-24 | 2016-07-13 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
| CN107289589A (zh) * | 2017-06-20 | 2017-10-24 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
| CN107631419A (zh) * | 2017-09-18 | 2018-01-26 | 广东美的制冷设备有限公司 | 空调器运行参数调整方法、空调器及计算机可读存储介质 |
| CN109405203A (zh) * | 2017-12-28 | 2019-03-01 | 广州Tcl智能家居科技有限公司 | 一种空调智能控制方法及装置 |
-
2019
- 2019-05-15 CN CN201910403554.9A patent/CN110131843B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010249454A (ja) * | 2009-04-17 | 2010-11-04 | Mitsubishi Electric Corp | 設備運用システム |
| CN105444336A (zh) * | 2014-08-22 | 2016-03-30 | 广东美的制冷设备有限公司 | 空调器的控制方法和空调器 |
| CN104913440A (zh) * | 2015-05-26 | 2015-09-16 | 青岛海尔空调器有限总公司 | 空调器舒适性控制方法 |
| CN105757894A (zh) * | 2016-03-24 | 2016-07-13 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
| CN107289589A (zh) * | 2017-06-20 | 2017-10-24 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
| CN107631419A (zh) * | 2017-09-18 | 2018-01-26 | 广东美的制冷设备有限公司 | 空调器运行参数调整方法、空调器及计算机可读存储介质 |
| CN109405203A (zh) * | 2017-12-28 | 2019-03-01 | 广州Tcl智能家居科技有限公司 | 一种空调智能控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110131843A (zh) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110131843B (zh) | 基于大数据的空调的智能调控方法及系统 | |
| CN110298487B (zh) | 一种用于满足用户个性化需求的室内温度预测方法 | |
| US10663185B2 (en) | Forecast-based automatic scheduling of a distributed network of thermostats with learned adjustment | |
| CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
| CN111561732B (zh) | 基于人工智能的换热站供热调节方法及系统 | |
| CN112128936A (zh) | 空调器的智能控制方法与智能控制设备 | |
| CN111735178A (zh) | 基于精英主义和svr回归算法的空调节能系统及优化方法 | |
| CN111555274B (zh) | 一种空调负荷需求响应能力动态评估方法 | |
| CN116545954B (zh) | 基于物联网的通信网关数据传输方法及系统 | |
| CN111598225B (zh) | 一种基于自适应深度置信网络的空调冷负荷预测方法 | |
| CN115220351B (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
| CN111144654A (zh) | 一种基于物联网的园区能源管理配置方法及装置 | |
| WO2022041987A1 (zh) | 空调器的智能控制方法与智能控制设备 | |
| CN112670999B (zh) | 一种基于用户侧灵活资源的低压配电网实时电压控制方法 | |
| CN112287990A (zh) | 一种基于在线学习的边云协同支持向量机的模型优化方法 | |
| CN113361744A (zh) | 一种基于lstm算法的室内温度预测方法 | |
| CN116455081A (zh) | 一种基于边缘分析的智慧小区电力监测管理方法及系统 | |
| CN112128935B (zh) | 空调器的智能控制方法与智能控制设备 | |
| CN113888202A (zh) | 一种电价预测模型的训练方法及应用方法 | |
| CN111915107A (zh) | 一种基于动态聚类的负荷分群控制方法 | |
| CN115451534B (zh) | 基于强化学习分场景的机房空调节能方法 | |
| WO2023168911A1 (zh) | 一种低压用户需求响应互动装置及工作方法 | |
| CN114266186B (zh) | 一种空调能耗数据缺失值填补方法、设备及介质 | |
| CN115051374A (zh) | 电采暖设备参与电力调峰的控制方法、装置和存储介质 | |
| CN111047465B (zh) | 一种基于电力大数据的电网友好型负荷响应方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200616 |