CN110135656A - 建筑用电致变色玻璃的智能调节方法、系统、装置 - Google Patents
建筑用电致变色玻璃的智能调节方法、系统、装置 Download PDFInfo
- Publication number
- CN110135656A CN110135656A CN201910446602.2A CN201910446602A CN110135656A CN 110135656 A CN110135656 A CN 110135656A CN 201910446602 A CN201910446602 A CN 201910446602A CN 110135656 A CN110135656 A CN 110135656A
- Authority
- CN
- China
- Prior art keywords
- electrochomeric glass
- building
- moment
- temperature
- light transmittance
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000002834 transmittance Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 34
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000009738 saturating Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/15—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on an electrochromic effect
- G02F1/163—Operation of electrochromic cells, e.g. electrodeposition cells; Circuit arrangements therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Nonlinear Science (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Optics & Photonics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Glass Compositions (AREA)
Abstract
本发明属于智能控制领域,具体涉及一种建筑用电致变色玻璃的智能调节方法、系统、装置,旨在为了解决电致变色玻璃的智能调节问题。本发明方法包括:获取建筑物内t时刻预设类别的环境参数获取t+1时刻的室外预设类别的天气预测数据基于温度预测模型,依据获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,基于预设期望目标温度选则接近预测温度对应的透光率δt;基于所述选定透光率δt,调整所述电致变色玻璃的透光率;获取t+1时刻预设类别的环境参数并结合δt,训练所述温度预测模型并更新模型参数;令t=t+1,重复上述步骤。本发明可以智能的调整电致变色玻璃的透光率,以实现调整建筑物内环境参数的目的。
Description
技术领域
本发明属于智能控制领域,具体涉及一种建筑用电致变色玻璃的智能调节方法、系统、装置。
背景技术
随着生活水平的提高,人们对居家和办公环境的要求也越来越高。目前,主流的室内环境调控手段包括空调、暖气片、地暖等。这些手段往往有能耗高、调控效果不好、智能性不够等缺点。
电致变色玻璃是一种新型玻璃,通过在普通玻璃上镀膜而成。电致变色玻璃的镀膜,在不同的电压和电流下,有不同的透光率。特别的,部分材料可以对红外光波段进行有效的过滤,而红外光是室内温度升高的主要因素。在建筑领域内运用电致变色玻璃,人们可以根据室外环境的不同,通过调节玻璃透光率,调整室内环境,达到节能环保的前提下改善生活和办公环境的目的。
在前述的场景下,如何调整电致变色玻璃的参数去适应环境就成为一个问题。按照固定的模式调整是不合适的,因为每一幢建筑、每一个房间都有自己的热力学特性,室外的温度、光照等环境条件也在随时变化,实际上每个玻璃控制器面临的都是一个独一无二的环境,需要根据这个环境的特点制定特定的调整策略。
人工智能和机器学习算法已经在图像识别、智能驾驶、医学等领域取得了巨大的成功,该类算法能够从训练数据中总结、学习,并把结果推广到新的、没有见过的情形。将机器学习算法运用于电致变色玻璃的调节问题,使玻璃控制器具备学习能力,适应每一个房间的具体情况,是一个可行的思路。
发明内容
为了解决现有技术中的上述问题,即为了解决电致变色玻璃的智能调节问题,本发明的第一方面,提出了一种建筑用电致变色玻璃的智能调节方法,该调解方法包括以下步骤:
步骤S100,获取建筑物内t时刻预设类别的环境参数P1 t;获取t+1时刻的室外预设类别的天气预测数据
步骤S200,基于温度预测模型,依据P1 t、获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,并选取最接近预设期望目标温度的预测温度对应的电致变色玻璃透光率作为选定透光率δt;
步骤S300,基于所述选定透光率δt,调整所述电致变色玻璃的透光率;
步骤S400,获取t+1时刻预设类别的环境参数P1 t+1,并结合P1 t、δt,训练所述温度预测模型并更新模型参数;
步骤S500,令t=t+1,执行步骤S100;
其中,
所述温度预测模型基于机器学习算法构建,用于基于P1 t、电致变色玻璃透光率,预测t+1时刻建筑物内的预测温度。
在一些优选的实施方式中,所述机器学习算法为SVM算法,或神经元网络,或深度网络,或强化学习。
在一些优选的实施方式中,所述预设类别的环境参数包括建筑物室内的温度、湿度。
在一些优选的实施方式中,所述t时刻预设类别的环境参数通过建筑物内设置的监测设备获取。
在一些优选的实施方式中,所述预设类别的天气预测数据包括温度、光照、风速。
在一些优选的实施方式中,所述t+1时刻的预设类别的天气预测数据通过天气预测信息数据接收获取。
本发明的第二方面,提出了一种建筑用电致变色玻璃的智能调节系统,包括环境数据采集模块、天气预测数据接口、电致变色玻璃控制器、机器学习算法模块;
所述环境数据采集模块,配置为获取建筑物内t时刻预设类别的环境参数P1 t;
所述天气预测数据接口,配置为获取t+1时刻的室外预设类别的天气预测数据
所述机器学习算法模块,配置为基于温度预测模型,依据P1 t、获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,并选取最接近预设期望目标温度的预测温度对应的电致变色玻璃透光率作为选定透光率δt;还配置为获取t+1时刻预设类别的环境参数P1 t+1,并结合P1 t、δt,训练所述温度预测模型并更新模型参数,用于预测下一时刻建筑物内的温度;所述温度预测模型基于机器学习算法构建,用于基于P1 t、电致变色玻璃透光率,预测t+1时刻建筑物内的预测温度;
所述电致变色玻璃控制器,配置为基于所述选定透光率δt,调整所述电致变色玻璃的透光率。
在一些优选的实施方式中,所述环境数据采集模块、所述天气预测数据接口、所述电致变色玻璃控制器、所述机器学习算法模块之间通过无线通信链路进行通信连接。
本发明的第三方面,提出了一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的建筑用电致变色玻璃的智能调节方法。
本发明的第四方面,提出了一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的建筑用电致变色玻璃的智能调节方法。
本发明的有益效果:
本发明依据建筑物内外环境、天气数据,通过在线迭代更新的温度预测模型,可以智能的调整电致变色玻璃的透光率,以实现调整建筑物内环境参数的目的。本发明的温度预测模型可以通过迭代的方式针对所在环境进行自学习,以更新模型参数,提高了各种环境下的适应性,提高了控制的智能程度和控制效果的鲁棒性。
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是本发明一种实施例的建筑用电致变色玻璃的智能调节方法流程示意图;
图2是本发明一种实施例的建筑用电致变色玻璃的智能调节系统框架示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
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。
本发明一种实施例的建筑用电致变色玻璃的智能调节方法,如图1所示,包括以下步骤:
步骤S100,获取建筑物内t时刻预设类别的环境参数P1 t;获取t+1时刻的室外预设类别的天气预测数据
本实施例中按照预设的时间间隔连续进行数据的获取。预设类别的环境参数包括通过建筑物内设置的监测设备获取的建筑物内的温度Ti(t)和湿度H(t)。预设类别的天气预测数据包括室外温度To(t)、光照L(t)、风速S(t),该数据可以通过天气预报数据接口进行获取,可以来自于网络,也可以来自于其他数据来源。
步骤S200,基于温度预测模型,依据P1 t、获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,并选取最接近预设期望目标温度的预测温度对应的电致变色玻璃透光率作为选定透光率δt。
温度预测模型基于机器学习算法构建,用于基于P1 t、电致变色玻璃透光率,预测t+1时刻建筑物内的预测温度。所预测的t+1时刻建筑物内的温度T′iδ(t+1)如公式(1)所示,
T′iδ(t+1)=f[Ti(t),H(t),To(t),L(t),S(t),β] (1)
其中,β为温度预测模型中的学习算法参数。
机器学习算法可以为SVM算法、神经元网络、深度网络、强化学习中的一个,也可以为其他机器学习算法。
步骤S300,基于所述选定透光率δt,调整所述电致变色玻璃的透光率。
在获取当前选取最接近预设期望目标温度的预测温度时,可以将差值绝对值最小的预测温度最为所选择的预测温度,进而将获取该预测温度时所采用的电致变色玻璃的透光率作为所选定的透光率来调整电致变色玻璃。
步骤S400,获取t+1时刻预设类别的环境参数P1 t+1,并结合P1 t、δt,训练所述温度预测模型并更新模型参数。
在t+1时刻获取真实的环境参数P1 t+1,结合t时刻预设类别的环境参数P1 t、t时刻至t-1时刻期间的电致变色玻璃透光率δt,作为新的训练样本,对温度预测模型进行训练,更新模型参数,并将更新模型参数后的温度预测模型用于下一时刻的建筑物内温度的预测。
步骤S500,令t=t+1,执行步骤S100;
该步骤的目的是为了实现各时刻的迭代过程。
本发明将电致变色玻璃透光率的获取与温度预测模型的更新进行了结合,以使温度预测模型能根据使用环境进行自适应更新,提高的预测的准确度。
本发明一种实施例的建筑用电致变色玻璃的智能调节系统,如图2所示,包括环境数据采集模块100、天气预测数据接口200、电致变色玻璃控制器300、机器学习算法模块400。
环境数据采集模块100,配置为获取建筑物内t时刻预设类别的环境参数P1 t。环境数据采集模块包括光照传感器、温度传感器、数据传输模块。
天气预测数据接口200,配置为获取t+1时刻的室外预设类别的天气预测数据天气预报数据接口可使用国家气象局开发接口。
机器学习算法模块300,配置为基于温度预测模型,依据P1 t、获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,并选取最接近预设期望目标温度的预测温度对应的电致变色玻璃透光率作为选定透光率δt;还配置为获取t+1时刻预设类别的环境参数P1 t+1,并结合P1 t、δt,训练所述温度预测模型并更新模型参数,用于预测下一时刻建筑物内的温度;所述温度预测模型基于机器学习算法构建,用于基于P1 t、电致变色玻璃透光率,预测t+1时刻建筑物内的预测温度。
电致变色玻璃控制器400,配置为基于所述选定透光率δt,调整所述电致变色玻璃的透光率。
环境数据采集模块100、天气预测数据接口200、电致变色玻璃控制器300、机器学习算法模块400之间通过无线通信链路进行通信连接。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的建筑用电致变色玻璃的智能调节系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的建筑用电致变色玻璃的智能调节方法。
本发明第四实施例的一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的建筑用电致变色玻璃的智能调节方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种建筑用电致变色玻璃的智能调节方法,其特征在于,该调解方法包括以下步骤:
步骤S100,获取建筑物内t时刻预设类别的环境参数P1 t;获取t+1时刻的室外预设类别的天气预测数据
步骤S200,基于温度预测模型,依据P1 t、获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,并选取最接近预设期望目标温度的预测温度对应的电致变色玻璃透光率作为选定透光率δt;
步骤S300,基于所述选定透光率δt,调整所述电致变色玻璃的透光率;
步骤S400,获取t+1时刻预设类别的环境参数P1 t+1,并结合P1 t、δt,训练所述温度预测模型并更新模型参数;
步骤S500,令t=t+1,执行步骤S100;
其中,
所述温度预测模型基于机器学习算法构建,用于基于P1 t、电致变色玻璃透光率,预测t+1时刻建筑物内的预测温度。
2.根据权利要求1所述的建筑用电致变色玻璃的智能调节方法,其特征在于,所述机器学习算法为SVM算法,或神经元网络,或深度网络,或强化学习。
3.根据权利要求1所述的建筑用电致变色玻璃的智能调节方法,其特征在于,所述预设类别的环境参数包括建筑物室内的温度、湿度。
4.根据权利要求1所述的建筑用电致变色玻璃的智能调节方法,其特征在于,所述t时刻预设类别的环境参数通过建筑物内设置的监测设备获取。
5.根据权利要求1-4任一项所述的建筑用电致变色玻璃的智能调节方法,其特征在于,所述预设类别的天气预测数据包括温度、光照、风速。
6.根据权利要求4所述的建筑用电致变色玻璃的智能调节方法,其特征在于,所述t+1时刻的预设类别的天气预测数据通过天气预测信息数据接收获取。
7.一种建筑用电致变色玻璃的智能调节系统,其特征在于,包括环境数据采集模块、天气预测数据接口、电致变色玻璃控制器、机器学习算法模块;
所述环境数据采集模块,配置为获取建筑物内t时刻预设类别的环境参数P1 t;
所述天气预测数据接口,配置为获取t+1时刻的室外预设类别的天气预测数据
所述机器学习算法模块,配置为基于温度预测模型,依据P1 t、获取电致变色玻璃各透光率下的t+1时刻建筑物内的预测温度,并选取最接近预设期望目标温度的预测温度对应的电致变色玻璃透光率作为选定透光率δt;还配置为获取t+1时刻预设类别的环境参数P1 t+1,并结合P1 t、δt,训练所述温度预测模型并更新模型参数,用于预测下一时刻建筑物内的温度;所述温度预测模型基于机器学习算法构建,用于基于P1 t、电致变色玻璃透光率,预测t+1时刻建筑物内的预测温度;
所述电致变色玻璃控制器,配置为基于所述选定透光率δt,调整所述电致变色玻璃的透光率。
8.根据权利要求7所述的建筑用电致变色玻璃的智能调节系统,其特征在于,所述环境数据采集模块、所述天气预测数据接口、所述电致变色玻璃控制器、所述机器学习算法模块之间通过无线通信链路进行通信连接。
9.一种存储装置,其中存储有多条程序,其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-6任一项所述的建筑用电致变色玻璃的智能调节方法。
10.一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-6任一项所述的建筑用电致变色玻璃的智能调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910446602.2A CN110135656A (zh) | 2019-05-27 | 2019-05-27 | 建筑用电致变色玻璃的智能调节方法、系统、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910446602.2A CN110135656A (zh) | 2019-05-27 | 2019-05-27 | 建筑用电致变色玻璃的智能调节方法、系统、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110135656A true CN110135656A (zh) | 2019-08-16 |
Family
ID=67581955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910446602.2A Pending CN110135656A (zh) | 2019-05-27 | 2019-05-27 | 建筑用电致变色玻璃的智能调节方法、系统、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135656A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895561A (zh) * | 2022-05-05 | 2022-08-12 | 湖南创享绿建科技有限公司 | 一种环境自适应电致变色遮阳被动式窗户控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2008201373B1 (en) * | 2008-03-26 | 2009-07-23 | University Of South Australia | Processes for producing electrochromic substrates and electrochromic articles made therefrom |
CN101762920A (zh) * | 2009-10-26 | 2010-06-30 | 杭州六易科技有限公司 | 光控变色玻璃窗控制器 |
CN207264071U (zh) * | 2017-09-25 | 2018-04-20 | 浙江上方电子装备有限公司 | 一种电致变色汽车玻璃 |
CN109028480A (zh) * | 2018-06-08 | 2018-12-18 | 杭州古北电子科技有限公司 | 一种恒温恒湿控制系统及其方法 |
CN109162619A (zh) * | 2018-08-31 | 2019-01-08 | 北京工业大学 | 一种基于节能的智能外窗优化调控方法 |
-
2019
- 2019-05-27 CN CN201910446602.2A patent/CN110135656A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2008201373B1 (en) * | 2008-03-26 | 2009-07-23 | University Of South Australia | Processes for producing electrochromic substrates and electrochromic articles made therefrom |
CN101762920A (zh) * | 2009-10-26 | 2010-06-30 | 杭州六易科技有限公司 | 光控变色玻璃窗控制器 |
CN207264071U (zh) * | 2017-09-25 | 2018-04-20 | 浙江上方电子装备有限公司 | 一种电致变色汽车玻璃 |
CN109028480A (zh) * | 2018-06-08 | 2018-12-18 | 杭州古北电子科技有限公司 | 一种恒温恒湿控制系统及其方法 |
CN109162619A (zh) * | 2018-08-31 | 2019-01-08 | 北京工业大学 | 一种基于节能的智能外窗优化调控方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895561A (zh) * | 2022-05-05 | 2022-08-12 | 湖南创享绿建科技有限公司 | 一种环境自适应电致变色遮阳被动式窗户控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
WO2022253057A1 (zh) | 一种用于日光温室果菜栽培的智能水分精准灌溉控制系统及方法 | |
Bourgeois et al. | Standard daylight coefficient model for dynamic daylighting simulations | |
CN109325495B (zh) | 一种基于深度神经网络建模的作物图像分割系统及方法 | |
Guillemin et al. | An energy-efficient controller for shading devices self-adapting to the user wishes | |
Ock et al. | Smart building energy management systems (BEMS) simulation conceptual framework | |
Kurian et al. | Robust control and optimisation of energy consumption in daylight—artificial light integrated schemes | |
CN108710947A (zh) | 一种基于lstm的智能家居机器学习系统设计方法 | |
US11080441B2 (en) | Supervised training data generation for interior environment simulation | |
CN105045234A (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
CN107179566A (zh) | 一种区县天气预测的自学习修正方法及系统 | |
CN113207214B (zh) | 室内照明控制方法及系统 | |
CN114879786B (zh) | 一种获取食用菌决策方案的方法、系统、装置及介质 | |
Luo et al. | An innovative shading controller for blinds in an open-plan office using machine learning | |
US11693380B1 (en) | Distribution methods and distribution systems for greenspace irrigation water of smart cities based on internet of things | |
CN113762603A (zh) | 基于改进麻雀算法优化的光伏基站短期光伏功率预测方法 | |
CN115907366B (zh) | 一种基于火烈鸟算法的农产品生长环境最优调控方法及设备 | |
CN110059819A (zh) | 器件的工作控制方法、装置、系统、控制设备及存储介质 | |
CN106499656A (zh) | 一种风扇风速智能控制方法 | |
CN110135656A (zh) | 建筑用电致变色玻璃的智能调节方法、系统、装置 | |
CN114004339B (zh) | 一种基于宽度学习的城市照明系统调节方法、装置和存储介质 | |
KR102166146B1 (ko) | 온실의 다중창 제어장치 및 그 제어방법 | |
CN107883520B (zh) | 基于空调设备的提醒方法及装置、终端 | |
CN109487334A (zh) | 一种基于随机分布的泡生法蓝宝石融晶接种态控制方法 | |
CN107330518A (zh) | 基于温度调节负荷预测的能源管理控制方法和系统 |
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: 20190816 |
|
RJ01 | Rejection of invention patent application after publication |