CN110726216B - 空调器及其控制方法、装置、系统、存储介质和处理器 - Google Patents
空调器及其控制方法、装置、系统、存储介质和处理器 Download PDFInfo
- Publication number
- CN110726216B CN110726216B CN201911039254.3A CN201911039254A CN110726216B CN 110726216 B CN110726216 B CN 110726216B CN 201911039254 A CN201911039254 A CN 201911039254A CN 110726216 B CN110726216 B CN 110726216B
- Authority
- CN
- China
- Prior art keywords
- parameters
- process parameters
- target
- air conditioner
- performance index
- 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.)
- Active
Links
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
- F24F11/62—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
- F24F11/63—Electronic processing
-
- 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
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
Abstract
本发明公开了一种空调器及其控制方法、装置、系统、存储介质和处理器。该方法包括:获取空调器在当前时间所处的环境的一组目标环境参数;获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段;将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。通过本发明,达到了提高对空调器进行控制的灵活性的效果。
Description
技术领域
本发明涉及空调器领域,具体而言,涉及一种空调器及其控制方法、装置、系统、存储介质和处理器。
背景技术
目前,随着人们生活水平的提高,人们居住环境的品质要求越来越高。空调作为室内调温调湿的重要装置,已在人们生活中的必需品。现有的空调的相关标识上虽然有空调器的性能参数的体现,但这只是在固定工况稳定时的性能表现,不能代表空调器的实际使用效果,而且空调器的功能也较多,无法在客户端上体现空调器在运行过程中针对不同控制策略下的功能效果,用户在实际使用中也无法感受到空调功能效果的差异,交互体性验差。
针对现有技术中对空调器进行控制的灵活性低的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种空调器及其控制方法、装置、系统、存储介质和处理器,以至少解决对空调器进行控制的灵活性低的技术问题。
为了实现上述目的,根据本发明的一个方面,提供了一种空调器的控制方法。该方法包括:获取空调器在当前时间所处的环境的一组目标环境参数;获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段;将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。
可选地,在将与多组过程参数一一对应的多种控制策略推送至客户端上包括:将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上。
可选地,该方法还包括:在将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上之前,方法还包括:获取每组过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个子性能指标值对应的权重;获取每个子性能指标值和对应的权重之间的目标积,得到多个目标积;将多个目标积之和,确定为空调器在每组过程参数下运行时的性能指标值。
可选地,将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上包括:将分别与多组过程参数对应的曲线数据推送至客户端上,其中,客户端用于通过曲线数据显示过程参数的曲线。
可选地,在获取与目标环境参数相对应的多组过程参数之后,该方法还包括:从多组过程参数中选择一组目标过程参数,其中,目标过程参数对应的控制策略使空调器在运行时的性能指标值,大于多组过程参数中除目标过程参数之外的过程参数对应的控制策略使空调器在运行时的性能指标值;将目标过程参数对应的控制策略推送至客户端上,其中,客户端用于对目标过程参数进行显示,根据目标过程参数控制空调器在目标时间段内运行。
可选地,获取与目标环境参数相对应的多组目标参数包括:在数据库中,通过目标环境参数查找多组过程参数,其中,数据库包括多组环境参数、与每组环境参数对应多组过程参数,环境参数包括目标环境参数。
可选地,在通过目标环境参数查找多组过程参数之前,该方法还包括:获取多组环境参数;基于每组环境参数确定与每组环境参数对应的多组过程参数;将与每组环境参数对应的多组过程参数,添加至数据库中。
可选地,基于每组环境参数确定与每组环境参数对应的多组过程参数包括:通过模拟模型模拟对每组环境参数进行模拟,得到与每组环境参数对应的一组过程参数;通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数。
可选地,通过模拟模型模拟对每组环境参数进行模拟,得到与每组环境参数对应的一组过程参数包括:通过第一模拟模型模拟空调器在每组环境参数下的运行过程,得到空调器的性能参数,其中,与每组环境参数对应的一组过程参数包括性能参数;通过第二模拟模型根据性能参数模拟空调器所处的空间的状态随运行过程变化的变化过程,得到空间状态参数,其中,与每组环境参数对应的一组过程参数包括空间状态参数。
可选地,在通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数之前,该方法还包括:获取环境参数样本和与环境参数样本对应的过程参数样本;通过环境参数样本和过程参数样本对子神经网络模型进行训练,得到神经网络模型。
可选地,在通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数之后,该方法还包括:通过空调器在当前时间之前,在每组环境参数下运行时所产生的一组过程参数,对通过神经网络模型对每组环境参数进行处理得到的一组过程参数进行修正;将修正后的一组过程参数添加至数据库中。
可选地,在从数据库中,通过目标环境参数查找多组过程参数之前,该方法还包括:将空调器在当前时间之前,在每组环境参数下运行时所产生的一组过程参数,添加至数据库中。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器的控制方法。该方法包括:获取空调器在当前时间所处的环境的一组目标环境参数;获取与目标环境参数相对应的控制策略集;将控制策略集推送至客户端上,其中,客户端用于从控制策略集中选择目标控制策略集,并控制空调器按照目标控制策略运行。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器的控制方法。该方法包括:获取控制策略集,其中,控制策略集与空调器在当前时间所处的环境的一组目标环境参数相对应;响应目标操作指令,从控制策略集中选择目标控制策略;控制空调器按照目标控制策略运行。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器的控制装置。该装置包括:第一获取单元,用于获取空调器在当前时间所处的环境的一组目标环境参数;第二获取单元,用于获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段;第一推送单元,用于将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器的控制装置。该装置包括:第三获取单元,用于获取空调器在当前时间所处的环境的一组目标环境参数;第四获取单元,用于获取与目标环境参数相对应的控制策略集;第二推送单元,用于将控制策略集推送至客户端上,其中,客户端用于从控制策略集中选择目标控制策略集,并控制空调器按照目标控制策略运行。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器的控制装置。该装置包括:第五获取单元,用于获取控制策略集,其中,控制策略集与空调器在当前时间所处的环境的一组目标环境参数相对应;选择单元,用于响应目标操作指令,从控制策略集中选择目标控制策略;控制单元,用于控制空调器按照目标控制策略运行。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器的控制系统。该系统包括:空调器,用于发送空调器在当前时间所处的环境的一组目标环境参数;服务器,用于获取目标环境参数,并推送基于目标环境参数确定的与目标环境参数相对应的多组过程参数;客户端,用于获取多组过程参数,并从多组过程参数中选择一组目标过程参数,根据目标过程参数控制空调器在目标时间段内运行,目标时间段为当前时间之后的时间段。
为了实现上述目的,根据本发明的另一方面,还提供了一种空调器。该空调器包括本发明实施例的空调器的控制装置,或本发明实施例的空调器的控制系统。
为了实现上述目的,根据本发明的另一方面,还提供了一种存储介质。该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行本发明实施例的空调器的控制方法。
为了实现上述目的,根据本发明的另一方面,还提供了一种处理器。该处理器用于运行程序,其中,程序运行时执行本发明实施例的空调器的控制方法。
通过本发明,获取空调器在当前时间所处的环境的一组目标环境参数;获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段;将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。也就是说,获取与空调器的当前环境参数对应的多组过程参数,将其对应的控制策略推送至客户端上进行,用户可以根据自己的需要对其进行灵活选择,从而选择对应的控制策略对空调器进行控制,避免了无法在客户端上体现在运行过程中不同控制策略下的功能效果,解决了对空调器进行控制的灵活性低的技术问题,达到了提高对空调器进行控制的灵活性的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种空调器的控制方法的流程图;
图2是根据本发明实施例的另一种空调器的控制方法的流程图;
图3是根据本发明实施例的另一种空调器的控制方法的流程图;
图4是根据本发明实施例的另一种对空调器进行控制的示意图;
图5是根据本发明实施例的一种空调器的温降曲线及耗电量曲线的示意图;
图6是根据本发明实施例的一种通过数据库计算控制策略的方法的流程图;
图7是根据本发明实施例的一种神经网络模型的结构示意图;
图8是根据本发明实施例的一种空调器的控制装置的示意图;
图9是根据本发明实施例的另一种空调器的控制装置的示意图;
图10是根据本发明实施例的另一种空调器的控制装置的示意图;以及
图11是根据本发明实施例的一种空调器的控制系统的示意图。
具体实施方式
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发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本发明实施例提供了一种空调器的控制方法。
下面从服务器一侧对本发明实施例的空调器的控制方法进行介绍。
图1是根据本发明实施例的一种空调器的控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S102,获取空调器在当前时间所处的环境的一组目标环境参数。
在本发明上述步骤S102提供的技术方案中,空调器当前所处的环境也即空调器在运行过程中所处的环境,目标环境参数可以为空调器在按照当前所使用的控制策略进行运行的结果,可以用于指示空调器的环境工况,当前所使用的控制策略可以为默认控制策略。
该实施例的一组目标环境参数可以包括空调器的室内外环境参数、房间参数等。其中,室内外环境参数可以包括室内干球温度、室内湿度、室外干球温度、室外湿度等参数,可选地,该实施例通过内外机上的温度感温包检测室内干球温度、室内湿度,通过空调器的湿度检测装置进行检测室内湿度、室外湿度;该实施例的房间参数可以包括空调器所处的房间的尺寸大小、墙体厚度、墙体材质、室内窗户数量和大小等信息,其中,房间的尺寸大小包括长、宽、高),这些参数信息可以通过应用(Application,简称为App)、遥控器等与空调器相关联的设备输入,也可通过摄像设备、红外探头等设备进行自主检测,其中,摄像设备可以为三维(3D)摄像头,此处不做限制。
可选地,该实施例在获取空调器在当前时间所处的环境的一组目标环境参数时,可以在空调器检测到开机信号的情况下,空调器识别获取到目标环境参数,将目标环境参数发送至服务器,使服务器获取到目标环境参数。
可选地,该实施例的目标环境参数还可以包括对环境有影响的参数,比如,室外温度参数,还可以包括空调器的设置参数,比如,空调器的设定温度等,还可以包括空调器的空调模式,比如,制冷模式、制热模式、除湿模式等。
步骤S104,获取与目标环境参数相对应的多组过程参数。
在本发明上述步骤S104提供的技术方案中,在获取空调器在当前时间所处的环境的一组目标环境参数之后,服务器基于目标环境参数获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段。
在该实施例中,每组过程参数可以用于指示预测的空调器在目前输入的目标环境参数下运行目标时间段的参数变化情况,该参数变化情况可以用于表征空调器的运行状态,目标时间段可以为N小时。
该实施例的每组过程参数可以包括空调器本身的参数,比如,包括空调器的耗电量,空调器的制冷量/制热量等参数,其中,空调器的耗电量可以为空调器的总耗电量,空调器的制冷量/制热量可以为空调器的总制冷量/制热量,该实施例的每组过程参数还可以包括环境的参数,比如,房间温度变化、房间湿度变化等参数,其中,房间温度变化包括房间温降/温升,房间湿度变化包括房间湿度降低/升高。
该实施例的每组过程参数对应一种空调器的控制策略,也即,该空调器在通过该控制策略运行的情况下,可以产生对应的一组过程参数,该实施例与目标环境参数对应多组过程参数,也即,相同的环境工况对应了多种控制策略,每组过程参数中的多个参数可以分别通过曲线进行表示,比如,房间温降/温升曲线、耗电量曲线、湿度变化曲线等,此处不做限制。
步骤S106,将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。
在本发明上述步骤S106提供的技术方案中,在获取与目标环境参数相对应的多组过程参数之后,将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。
在该实施例中,每组过程参数对应一种控制策略,在获取与目标参数对应的多组控制策略之后,获取与每组过程参数对应的控制策略,得到多种控制策略,将该多种控制策略推送至客户端上,该客户端可以为应用,也可以为遥控器等与空调器相关联的设备,其中,应用可以安装在与空调器相关联的终端设备上。客户端在接收到多种控制策略之后,可以显示用于指示多种控制策略的信息,比如,将每种控制策略通过曲线数据进行显示,可以从多种控制策略中选择一种目标控制策略,该目标控制策略可以用于指示出空调器在执行该目标控制策略下的运行状态,该目标控制策略可以是最佳控制策略,也可以是其它符合用户需要的控制策略,以符合自身的空调运行模式。
通过上述方法,用户可以通过客户端从多种控制策略中自主选择出目标控制策略,客户端根据目标控制策略控制空调器在目标时间段内运行,避免了用户不能及时获知空调器的运行状态,达到了在客户端上可以对比不同控制策略的空调运行状态,以使用户自主选则控制策略的目的,从而达到了对空调器进行控制的灵活性。
通过上述步骤S102至步骤S106,获取空调器在当前时间所处的环境的一组目标环境参数;获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段;将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。也就是说,获取与空调器的当前环境参数对应的多组过程参数,将其对应的控制策略推送至客户端上进行,用户可以根据自己的需要对其进行灵活选择,从而选择对应的控制策略对空调器进行控制,避免了无法在客户端上体现在运行过程中不同控制策略下的功能效果,解决了对空调器进行控制的灵活性低的技术问题,达到了提高对空调器进行控制的灵活性的技术效果。
作为一种可选的实施方式,步骤S106,在将与多组过程参数一一对应的多种控制策略推送至客户端上包括:将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上。
在该实施例中,在基于目标环境参数获取多组过程参数之后,可以对每组过程参数进行评价,可以通过性能指标值对其进行评价,该性能指标值通过每组过程参数中的每个参数在舒适性评价指标下的子性能指标值或在节能性评价指标下的子性能指标值得到,该性能指标值可以为分数。在得到每组过程参数对应的性能指标值之后,可以将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上。其中,多组过程参数可包括在客户端上生成曲线的数据。
下面对该实施例的性能指标值的计算方法进行介绍。
作为一种可选的实施方式,该方法还包括:在将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上之前,该方法还包括:获取每组过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个子性能指标值对应的权重;获取每个子性能指标值和对应的权重之间的目标积,得到多个目标积;将多个目标积之和,确定为空调器在每组过程参数下运行时的性能指标值。
在该实施例中,获取每组过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值,比如,获取温降速率在舒适性评价指标下的子性能指标值t、控温准确性在舒适性评价指标下的子性能指标值ΔT、控湿准确度在舒适性评价指标下的子性能指标值ΔD、耗电量在节能性评价指标下的子性能指标值E。
其中,上述温降速率值是指在开机之后房间从初始温度降低到设定温度所用的时间,子性能指标值t的取值根据所用时间长短进行确定,在所用时间越短的情况下t值就越大,在所用时间越长的情况下t值就越小;控温准确性指在房间工况稳定后,房间温度和设定温度之间的相对误差,在相对误差越小的情况下,子性能指标值ΔT就越大,在相对误差越大的情况下,子性能指标值ΔT就越小;控湿准确度指房间工况稳定后房间湿度和设定湿度之间的相对误差,在相对误差越小的情况下,子性能指标值ΔD值就越大,在相对误差越大的情况下,子性能指标值ΔD值就越小;耗电量指房间一段时间的耗电量,在耗电量越小的情况下,子性能指标值E值就越大,在耗电量越大的情况下,子性能指标值E值就越小,其中,一段时间可以为3小时,此处不做任何限制。
在获取每组过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值之后,可以确定每个子性能指标值对应的权重,比如,a1可以用于表示子性能指标值t的权重,a2可以用于表示子性能指标值ΔT的权重,a3可以用于表示子性能指标值E值的权重等。
在获取每个子性能指标值和对应的权重之间的目标积,得到多个目标积之后,将多个目标积之和,确定为空调器在每组过程参数下运行时的性能指标值,可以通过如下公式进行表示:
P=a1*t+a2*ΔT+a3ΔD+……+am*M+b1*E+……+bn*N,其中,am可以用于表示其它舒适性评价指标,M可以用于表示其它舒适性评价指标的得分。
需要说明的是,该实施例的上述舒适性评价指标和节能性评价指标仅为本发明实施例的一种举例,并不代表本发明实施例的舒适性评价指标和节能性评价指标仅为上述几种,还可以包括其它舒适性评价指标和节能性评价指标,此处不再一一举例说明。
在得到每组过程参数对应的性能指标值之后,将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上,每组过程参数对应的性能指标值越大,则每组过程参数对的控制策略对空调器的运行性能越大,可以将性能指标值最大的一组过程参数所对应的控制策略,确定为最佳控制策略,用户可以根据需要从多种控制策略中选择目标控制策略,以对空调器进行灵活地控,从而提高了对空调器进行控制的灵活性。
作为一种可选的实施方式,将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上包括:将分别与多组过程参数对应的曲线数据推送至客户端上,其中,客户端用于通过曲线数据显示过程参数的曲线。
在该实施例中,每组过程参数中的多个参数可以分别通过曲线进行表示,比如,房间温降/温升曲线、耗电量曲线、湿度变化曲线等,此处不做限制。在将多组过程参数和与每组过程参数对应的性能指标值,推送至客户端上时,可以将每组过程参数对应的曲线数据推送至客户端上,该曲线数据可以用于生成过程参数的曲线。客户端在接收到该曲线数据之后,在客户端的界面显示每组过程参数的曲线,从而可以将多组过程参数的曲线进行对比,使得环境变化趋势一目了然。
可选地,该实施例将分别与多组过程参数对应的曲线数据和对应的性能指标值均推送至客户端上,其中,性能指标值也可以用于对生成的曲线进行评价,从而性能指标值和每组过程参数的曲线共同反映出对应的控制策略的优劣,以便于用户灵活选择。
作为一种可选的实施方式,在获取与目标环境参数相对应的多组过程参数之后,该方法还包括:从多组过程参数中选择一组目标过程参数,其中,目标过程参数对应的控制策略使空调器在运行时的性能指标值,大于多组过程参数中除目标过程参数之外的过程参数对应的控制策略使空调器在运行时的性能指标值;将目标过程参数对应的控制策略推送至客户端上,其中,客户端用于对目标过程参数进行显示,根据目标过程参数控制空调器在目标时间段内运行。
在该实施例中,每组过程参数可以对应一种控制策略,服务器可以从多组过程参数中选择一组目标过程参数,可选地,服务器可以将每组过程参数生成对应的曲线进行比较,通过舒适性评价指标和节能性评价指标对生成的曲线进行评价,得到评价分数,可以将得分最高的一组过程参数作为目标过程参数,该目标过程参数对应了最佳控制策略,其使空调器在运行时的性能指标值,大于多组过程参数中除目标过程参数之外的过程参数对应的控制策略使空调器在运行时的性能指标值,该最佳控制策略可以为较为舒适且省电的控制策略,将其输出客户端,以提醒用户服务器已推送了最佳控制策略,用户通过客户端可以对其进行确认,进而通过最佳控制策略替代空调器的默认控制策略,控制空调器在目标时间段内运行,从而达到根据空调器在实际使用时的工况及时对其控制策略进行调整,以发挥空调器的最大能力,提高了对空调器进行控制的效率,并且易于实现,提升了用户体验。
作为一种可选的实施方式,步骤S104,获取与目标环境参数相对应的多组目标参数包括:在数据库中,通过目标环境参数查找多组过程参数,其中,数据库包括多组环境参数、与每组环境参数对应多组过程参数,环境参数包括目标环境参数。
在该实施例中,服务器预先建立数据库,该数据库用于空调器的控制策略的及时调用,包括了多组环境参数,每组环境参数对应空调器的一种环境工况,该数据库还包括了与每组环境参数对应的多组过程参数,也即,每组环境参数对应的多种控制策略,还包括了每组环境参数和多组过程参数之间的映射关系。在获取空调器当前所处的环境的一组目标环境参数之后,在数据库中,通过目标环境参数查找对应的多组过程参数,也即,查找相同环境工况下的多种不同控制策略。
作为一种可选的实施方式,在通过目标环境参数查找多组过程参数之前,该方法还包括:获取多组环境参数;基于每组环境参数确定与每组环境参数对应的多组过程参数;将与每组环境参数对应的多组过程参数,添加至数据库中。
在该实施例中,在通过目标环境参数查找多组过程参数之前,需要建立数据库,数据库中存储的丰富的控制策略是空调器进行调用的前提,数据库中的环境参数(环境工况)、房间参数、空调模式(制冷、制热、除湿)、控制策略到过程参数(房间温降/温升曲线,空调总耗电量,空调湿度变化等)的映射组合会不断进行更新,可以通过后台服务器进行模拟计算。可选地,获取多组环境参数,该每组环境参数包括室内外环境参数、房间参数、空调模式等参数,基于每组环境参数确定每组环境参数对应的多组过程参数。
作为一种可选的实施方式,基于每组环境参数确定与每组环境参数对应的多组过程参数包括:通过模拟模型模拟对每组环境参数进行模拟,得到与每组环境参数对应的一组过程参数;通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数。
在该实施例中,模拟模型用于对每组环境参数进行模拟,得到与每组环境参数对应的一组过程参数,该模拟模型可以通过获取环境参数模拟计算空调器在实时控制策略下的过程参数,可以包括系统内管温、风机转速、功耗等参数,还可以用于计算空调器的实时能力和功率输出的过程参数,还可以用于模拟空调器在实时的能力输入下的房间温度变化的过程参数。
该实施例还可以预先训练神经网络模型,通过训练好的神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数。可选地,该实施例的神经网络模型包含输入层、隐藏层、输出层。其中,输入层包括室内外环境参数、房间参数、空调模式(制冷、制热、除湿)以及空调器的各执行器参数等,其中,空调器的各执行参数可以包括压缩机频率、导风板位置、内外机风机转速、电子膨胀阀开度等参数,此处不做限制,通过隐藏层对其经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理,最终通过输出层输出一组过程参数,该一组过程参数中可以包含房间温降/温升变化、空调器的耗电量功耗、空调器的湿度变化,空调器的制冷/制热量等参数,该一组过程参数为神经网络模型的预测结果。该实施例的隐藏层可以为多层,每层可以有多个隐藏节点。
该实施例通过人工神经网络技术将每组环境参数作为输入参数,将对应的一组过程参数作为输出参数进行学习,可以对更多复杂的环境参数所对应的过程参数变化进行预测,可以较快地得丰富数据库,方便空调器即时调用最佳控制策略,且省去后台服务在空调器每次需要调用控制策略时的计算时间。
可选地,该实施例通过更改环境参数,可以对其按照上述方法再次进行计算,得到一组过程参数。由于环境参数与控制策略相对应,可以通过更改如压缩机频率控制、膨胀阀开度控制、风机转速控制,导风板控制等控制参数达到更改环境参数的目的,从而得到另一套控制策略下的过程参数,比如,温降曲线、耗电量曲线等,进而丰富了数据库。
作为一种可选的实施方式,通过模拟模型模拟对每组环境参数进行模拟,得到与每组环境参数对应的一组过程参数包括:通过第一模拟模型模拟空调器在每组环境参数下的运行过程,得到空调器的性能参数,其中,与每组环境参数对应的一组过程参数包括性能参数;通过第二模拟模型根据性能参数模拟空调器所处的空间的状态随运行过程变化的变化过程,得到空间状态参数,其中,与每组环境参数对应的一组过程参数包括空间状态参数。
在该实施例中,该实施例的模拟模型包括第一模拟模型,可以用于模型空调器在每组环境参数下的运行过程,得到空调器的性能参数,该第一模拟模型可以为空调策略控制模型,可以通过获取环境参数模拟计算空调器在实时控制策略下的系统内管温、风机转速、功耗等参数,还可以用于计算空调器的实时能力和功率输出等;该实施例的模拟模型还可以包括第二模拟模型,该第二模型根据性能参数模拟空调器所处的空间的状态随运行过程变化的变化过程,得到空间状态参数,可选地,该第二模型可以为通过房间参数建立起来的模型,可以用于模拟空调器在实时的能力输入下的房间温度变化,最后根据房间实时温度变化和实时空调功率得到房间的温降曲线、空调的总耗电量等过程参数。
作为一种可选的实施方式,在通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数之前,该方法还包括:获取环境参数样本和与环境参数样本对应的过程参数样本;通过环境参数样本和过程参数样本对子神经网络模型进行训练,得到神经网络模型。
在该实施例中,在通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数之前,需要对神经网络模型进行训练。在训练神经网络时,需要获取大量的环境参数样本,该环境参数样本包括多组预先收集的环境参数,还需要获取与环境参数样本对应的过程参数样本,该过程参数样本包括了与环境参数样本中的每组环境参数对应的多组过程参数。在获取环境参数样本和与环境参数样本对应的过程参数样本之后,通过环境参数样本和过程参数样本对子神经网络模型进行训练,得到神经网络模型,其中,子神经网络模型可以为初始建立的神经网络模型,通过环境参数样本和与环境参数样本对应的过程参数样本利用神经网络算法对其进行不断训练,得到模型参数,通过该模型参数生成最终的神经网络模型。
作为一种可选的实施方式,在通过神经网络模型对每组环境参数进行处理,得到与每组环境参数对应的一组过程参数之后,该方法还包括:通过空调器在当前时间之前,在每组环境参数下运行时所产生的一组过程参数,对通过神经网络模型对每组环境参数进行处理得到的一组过程参数进行修正;将修正后的一组过程参数添加至数据库中。
在该实施例中,可以通过获取空调器在运行过程中的参数变化,用于对上述神经网络模型得到的结果进行修正,使得神经网络模型最终的预测结果更符合实际用户环境。可选地,在当前时间之前,需要建立数据库,在建立数据库时,获取空调器在当前时间之前在每组环境参数下实际运行时所产生的一组过程参数,对在当前时间之前,通过神经网络模型对每组环境参数进行处理所得到的一组过程参数进行修正,并将修正后的一组过程参数添加至数据库中。
可选地,针对同一组环境参数,该实施例还可通过空调器实际所产生的一组过程参数和通过神经网络模型得到的一组过程参数之间的误差对神经网络模型进行进一步修正,以提高神经网络模型预测的准确性,使神经网络模型在接下来对环境参数进行处理时,所得到的预测结果更加符合实际用户环境。
作为一种可选的实施方式,在从数据库中,通过目标环境参数查找多组过程参数之前,该方法还包括:将空调器在当前时间之前,在每组环境参数下运行时所产生的一组过程参数,添加至数据库中。
该实施例的数据库中存储的数据一方面可以来自后台服务器进行模拟计算,还可以来自空调器的在线运行数据。在该实施例中,在当前时间之前,需要建立数据库,可以通过空调器的无线网络(比如,WI-FI)采集空调器在当前时间之前的环境参数以及实际所产生的一组过程参数,比如,采集空调器的初始环境工况、空调模式以及控制策略,采集空调器在运行过程中的房间温度、湿度以及空调耗电量等参数,将其存储至数据库中,可选地,该实施例通过上述空调器在运行过程中所产生的参数生成曲线,可以将曲线添加至数据库中。
在该实施例中,后台服务器可以无论空调器是否开关机,均可以在对空调器的常用环境工况进行过程参数的计算,比如,进行不同控制策略下的房间温降/温升曲线、空调总耗电量、空调湿度变化、空调总制冷/制热量等过程参数的计算,并且通过人工神经网络技术对数据库中的环境参数、房间参数、控制策略等作为输入参数,得到的过程参数作为输出参数进行学习,从而对更多复杂环境参数控制策略的空调器运行的过程参数进行预测,可以较快地丰富数据库,从而方便空调器在运行时可以即时调用最佳控制策略,省去后台服务器的计算时间。
本发明实施例还提供了另一种空调器的控制方法。
图2是根据本发明实施例的另一种空调器的控制方法的流程图。如图2所示,该方法包括以下步骤:
步骤S202,获取空调器在当前时间所处的环境的一组目标环境参数。
该实施例的步骤S202可以如步骤S102。
步骤S204,获取与目标环境参数相对应的控制策略集。
在本发明上述步骤S204提供的技术方案中,在获取空调器在当前时间所处的环境的一组目标环境参数之后,可以基于目标环境参数获取与目标环境参数相对应的控制策略集,该控制策略集包括与目标环境参数相对应的多种不同的控制策略,也即,相同的环境工况对应了多种控制策略,空调器按照每种控制策略运行的结果可以是通过一组过程参数来体现的,该一组组过程参数可以用于指示预测的空调器在目前输入的目标环境参数下运行目标时间段的参数变化情况,该参数变化情况可以用于表征空调器的运行状态。
可选地,该实施例基于目标环境参数获取与目标环境参数相对应的多组过程参数,由每组过程参数可以确定一种控制策略,从而得到多种控制策略,将该多种控制策略生成与目标环境参数相对应的控制策略集合。
该实施例的与控制策略对应的每组过程参数中的多个参数,可以分别通过曲线进行表示,比如,房间温降/温升曲线、耗电量曲线等,此处不做限制。
步骤S206,将控制策略集推送至客户端上,其中,客户端用于从控制策略集中选择目标控制策略集,并控制空调器按照目标控制策略运行。
在本发明上述步骤S204提供的技术方案中,在获取与目标环境参数相对应的控制策略集之后,将控制策略集推送至客户端上,客户端用于从控制策略集中选择目标控制策略集,并控制空调器按照目标控制策略运行。
在该实施例中,每组过程参数对应一种控制策略,服务器可以将每组过程参数所生成的曲线进行比较,通过目标指标对其进行综合评价,比如,通过舒适性评价指标和节能性评价指标对生成的曲线进行评价,得到评价分数,该评价分数越高,则对应的控制策略越优。在将控制策略集推送至客户端上,客户端可以显示用于指示控制策略集中各控制策略的信息,比如,将每种控制策略通过曲线数据进行显示。
作为一种可选的实施方式,步骤S206,将控制策略集推送至客户端上包括:获取控制策略集中各个控制策略对应的环境变化趋势;对环境变化趋势进行评价,得到评价指标;将环境变化趋势和所述评价指标显示在客户端上。
控制策略集中各个控制策略对应的环境变化趋势,可以通过该与控制策略对应的一组过程参数所生成的曲线进行表示,比如,通过房间温降/温升曲线、耗电量曲线、湿度变化曲线等进行表示,此处不做限制。在对环境变化趋势进行评价,可以是对与其对应的一组过程参数进行评价,比如,获取每组过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值,确定每个子性能指标值对应的权重,获取每个子性能指标值和对应的权重之间的目标积,得到多个目标积,将多个目标积之和,确定为空调器在每组过程参数下运行时的性能指标值,可以将环境变化趋势和所述评价指标显示在客户端上。
通过上述方法,用户可以通过客户端从控制策略集中自主选择出目标控制策略,客户端根据目标控制策略控制空调器在目标时间段内运行,避免了用户不能及时获知空调器的运行状态,达到了在客户端上可以对比不同控制策略的空调运行状态,以使用户自主选则控制策略的目的,从而达到了对空调器进行控制的灵活性。
下面从客户端一侧对本发明实施例的空调器的控制方法进行介绍。
图3是根据本发明实施例的另一种空调器的控制方法的流程图。如图3所示,该方法包括以下步骤:
步骤S302,获取控制策略集,其中,控制策略集与空调器在当前时间所处的环境的一组目标环境参数相对应。
在本发明上述步骤S302提供的技术方案中,客户端获取服务器基于目标环境参数得到的控制策略集,该控制策略集包括与目标环境参数相对应的多种不同的控制策略。
在该实施例的控制策略集中,各控制策略对应的每组过程参数中的多个参数,可以分别在客户端上通过曲线进行表示,比如,房间温降/温升曲线、耗电量曲线等,此处不做限制,还可以显示各个控制策略的性能指标值。
步骤S304,响应目标操作指令,从控制策略集中选择目标控制策略。
在本发明上述步骤S304提供的技术方案中,在客户端获取控制策略集之后,响应用户触发的目标操作指令,从控制策略集中选择目标控制策略。
在该实施例中,目标操作指令可以为用户在客户端上进行的点击、双击、长按等操作所触发的指令,以从控制策略集中选择目标控制策略,用户可以根据需求通过客户端从控制策略集中自主选择出目标控制策略。
步骤S306,控制空调器按照目标控制策略运行。
在本发明上述步骤S306提供的技术方案中,在响应目标操作指令,从控制策略集中选择目标控制策略之后,客户端控制空调器按照目标控制策略运行。
客户端根据目标控制策略控制空调器在目标时间段内运行,避免了用户不能及时获知空调器的运行状态,达到了在客户端上可以对比不同控制策略的空调运行状态,以使用户自主选则控制策略的目的,从而达到了对空调器进行控制的灵活性。
在该实施例中,通过模拟预测不同控制策略下空调器的运行状态,选择空调器需要执行的最佳控制策略,可以针对实际使用时工况做出及时地调整,从而可以发挥空调器的最大能力;对现有控制策略进行修正,便于优化现有空调器的控制策略,易于实现,用户体验好;利用神经网络算法对相同环境工况、不同控制策略下的空调器的实际运行状态进行训练、学习和预测,从而丰富了空调器的数据库,方便对空调器的控制策略进行及时调用;用户可以对比不同控制策略的空调运行状态进行自主选控制策略;对于相同的环境工况,通过不同控制策略生成的空调运行参数可以通过节能和舒适性评价指标进行评价,从而来选择较为舒适且省电的最佳控制策略,提高了对空调器进行控制的效率。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例2
下面结合优选的实施例对本发明的技术方案进行举例说明。
在相关技术中,空调器中的各执行器是单独控制的,而且控制策略固定单一,没有考虑到实际使用的各种复杂工况,控制策略灵活性不够,空调能力无法最大限度发挥。另外,控制策略更新升级较慢,控制策略更新升级较慢,用户不能及时获知空调的运行状态;现有通过人工神经网络技术对用户参数、环境工况进行训练学习,然后输出空调控制参数,实现空调自主学习控制,但需要长期的空调运行试验数据才能达到满意的控制效果,用户不能获得自己想要的空调运行模式,交互性较差。
而在该实施例中,通过获取空调所处环境参数,后台通过控制策略模型、房间模型可以计算房间温降和空调耗电量变化情况;利用人工神经网络模型训练得到不同环境工况、房间模型和运行策略下的房间温降曲线和空调若干小时耗电量的数据库;通过神经网络算法预测空调的运行状态参数的变化,省去服务器大量计算过程,有利于空调器快速调用最佳控制策略;用户可以通过App或遥控器等设备直观查看空调的运行趋势,可以自主选择符合自身的空调运行模式;房间温度降曲线和空调耗电量数据库除了通过服务器计算得到,还可以通过在线数据进行在线升级更新。也可修正神经网络训练出的一定环境工况下空调运行参数变化。
图4是根据本发明实施例的另一种对空调器进行控制的示意图。如图4所示,空调器对室内外环境参数、房间参数进行识别,将识别到的信息输入至数据库中,从数据库中查找在当前输入的室内外环境参数、房间参数、设定温度下,空调器运行多个小时的参数的变化情况。可选地,该实施例还可以将设定温度输入数据库中,空调器在开机运行的过程中,在数据库中查找在当前输入的室内外环境参数、房间参数、设定温度下,空调器运行多个小时的房间温降/温升曲线、空调总耗电量、空调湿度变化、空调总制冷/制热量等过程参数,其中,通过房间温降/温升曲线可以表示房间温度变化。然后通过用户在客户端上对预测出的多种控制策略进行选择,输出所选择的控制策略来控制空调器执行,从而可以使用户自主选择符合自身需求的空调运行模式,提高了对空调器进行控制的灵活性。
可选地,该实施例的室内外环境参数可以包括室内干球温度、室内湿度、室外干球温度、室外湿度等参数,这些参数可以通过空调器的室内外机上的温度感温包、湿度检测装置进行检测得到;房间参数可以包括房间尺寸大小(例如,长、宽、高)、墙体厚度、墙体材质、室内窗户数量和大小等信息,这些参数信息可以通过用户首次使用客户端(APP)、遥控器等设备进行输入得到,也可通过3D摄像头、红外探头等智能设备进行自主检测得到。
可选地,空调器检测到开机信号,获取当前环境参数和空调器的房间参数,然后空调器会将当前环境参数、空调器的房间参数、当前开机默认控制策略输入到数据库中调用曲线数据,数据库会将其和相同环境工况的不同控制策略生成的曲线数据进行比较,最终以图5的形式显示在用户所使用的应用,或者遥控器等智能终端上。其中,图5是根据本发明实施例的一种空调器的温降曲线及耗电量曲线的示意图,包括在相同工况环境下的不同的控制策略1、控制策略2和控制策略3的温降曲线及空调耗电量曲线。
可选地,该实施例还可以将每个控制策略对应的性能指标值显示在用户所使用的应用,或者遥控器等智能终端上,以方便用户自主选择。
该实施例还可以通过舒适性评价指标和节能性评价指标对房间的温降/温升曲线、空调耗电量曲线、空调湿度变化曲线等进行评价,其中,空调耗电量可以为空调器的总耗电量。
可选地,该实施例通过下述公式对通过不同控制策略生成的曲线数据进行评价:
P=a1*t+a2*ΔT+a3ΔD+……+am*M+b1*E+……+bn*
表1节能性评价指标和舒适性评价指标
其中,a1可以用于表示舒适性评价指标中的温降速率的权重,温降速率是指开机后房间从初始温度降低到设定温度所用的时间,得分t的取值根据所用时间长短进行打分,在所用时间越短的情况下t值就越大,在所用时间越长的情况下t值就越小;a2可以用于表示舒适性评价指标中的控温准确性的权重,控温准确性指在房间工况稳定后,房间温度和设定温度之间的相对误差,在相对误差越小的情况下,得分ΔT值就越大,在相对误差越大的情况下,得分ΔT值就越小;a3可以用于表示舒适性评价指标中的控湿准确度的权重,控湿准确度指房间工况稳定后房间湿度和设定湿度之间的相对误差,在相对误差越小的情况下,得分ΔD值就越大;am可以用于表示其它舒适性评价指标,M可以用于表示其它舒适性评价指标的得分;b1用于表示节能性评价指标耗电量的权重,耗电量指房间一段时间的耗电量,在耗电量越小的情况下,得分E值就越大,在耗电量越大的情况下,得分E值就越小,bn可以用于表示其它节能性评价指标,N可以用于表示其它节能性评价指标的得分,其中,一段时间可以为3小时。
需要说明的是,该实施例的上述舒适性评价指标和节能性评价指标仅为本发明实施例的一种举例,并不代表本发明实施例的舒适性评价指标和节能性评价指标仅为上述几种,还可以包括其它舒适性评价指标和节能性评价指标,此处不再一一举例说明。
该实施例在通过上述公式对通过不同控制策略生成的曲线数据进行评价之后,可以将得分最高的控制策略确定为最佳控制策略,并输出至空调器,来替代默认控制策略。
在该实施例中,数据库中的环境工况(环境参数)、房间参数、空调模式(制冷模式、制热模式、除湿模式)、控制策略到过程参数(房间温降/温升曲线、空调总耗电量、空调湿度变化等)之间的映射组合会不断进行更新,可以通过后台服务器进行模拟计算,还可以通过在线采集空调器的运行数据。
图6是根据本发明实施例的一种通过数据库计算控制策略的方法的流程图。如图6所示,该方法包括以下步骤:
步骤S601,输入参数,该参数包括环境工况、空调模式、房间参数等。
步骤S602,控制策略模块通过获取输入参数和控制策略可以模拟计算空调的实时控制策略下系统内管温,风机转速,功耗,然后可以计算空调的实时能力和功率输出的过程参数。
步骤S603,通过房间参数建立房间模型,来模拟空调实时的能力输入下的房间温度变化的过程参数。
可选地,该实施例通过房间模型来模拟空调实时的能力输入下的房间温度变化,可以进一步影响控制策略模块计算得到的过程参数。
在通过房间参数建立房间模型,来模拟空调实时的能力输入下的房间温度变化的过程参数之后,对房间在一定时间内的实时温度变化和实时空调功率,计算得到房间的温降曲线、空调的总耗电量。
在该实施例中,还可以通过更改控制策略,比如,控制压缩机频率、控制膨胀阀开度、控制风机转速,控制导风板等,可以再次重新进行计算,从而得到另一套控制策略下的过程参数,比如,房间温降/温升曲线、空调总耗电量、空调湿度变化、空调总制冷/制热量等过程参数。
步骤S604,通过训练好的神经网络模型对输入的参数进行处理,得到过程参数。
该实施例的神经网络模型包含输入层、隐藏层、输出层。图7是根据本发明实施例的一种神经网络模型的结构示意图。如图7所示,输入层包括压缩机频率、房间温湿度、导风板位置、内外机风机转速、房间参数、电子膨胀阀开度,还可以包括空调模式(制冷、制热、除湿)以及空调器的其它各执行器的参数等,在隐藏层的隐藏节点1至n经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理之后,最终输出包含房间温降/温升变化、空调耗电量、空调湿度变化、空调制冷/制热量等参数。
需要说明的是,该实施例的隐藏层可以为多层,每层可以不限于图7所示的节点,神经网络模型也不局限于图7所示的结构形式。
步骤S605,在线获取空调器的初始环境工况、空调模式、房间参数。
步骤S606,获取空调实时运行参数变化,包括温度、湿度、耗电量。
步骤S607,通过得到的过程参数和在线获取到的空调器的参数建立曲线数据库。
步骤S608,从曲线数据库中查找与当前输入的环境参数相对应的曲线数据,将其推送至客户端上进行显示。
步骤S609,在客户端上在显示的曲线数据对应的多种控制策略中,选择目标控制策略,控制客户端按照目标控制策略运行。
在该实施例中,为了较快地获得不同环境工况、以及相同环境工况下的不同控制策略下的房间温降/温升曲线、空调总耗电量、空调湿度变化、空调总制冷/制热量等过程参数,后台服务器可以无论空调器是否开关机,均可以在对空调器的常用环境工况进行不同控制策略下的房间温降/温升曲线、空调总耗电量、空调湿度变化、空调总制冷/制热量等过程参数的计算,并且通过人工神经网络技术对数据库中的环境参数、房间参数、控制策略等作为输入参数,得到的过程参数作为输出参数进行学习,从而对更多复杂环境参数控制策略的空调器运行的过程参数进行预测,可以较快地丰富数据库,从而方便空调器在运行时可以即时调用最佳控制策略,省去后台服务器的计算时间。
该实施例还可以通过在线采集空调器的运行数据,比如,在线获取空调器的初始环境工况、空调模式、房间参数以及控制策略。可选地,该实施例通过空调WIFI采集空调器的初始环境工况、空调模式、房间参数以及控制策略,还可以获取空调实时运行参数变化,比如,获取空调器运行过程中的房间温度、湿度以及空调耗电量等参数,最终生成空调运行曲线放入数据库。
通过模拟预测不同控制策略下空调器的运行状态,选择空调器需要执行的最佳控制策略,可以针对实际使用时工况做出及时地调整,从而可以发挥空调器的最大能力;对现有控制策略进行修正,便于优化现有空调器的控制策略,易于实现,用户体验好;利用神经网络算法对相同环境工况、不同控制策略下的空调器的实际运行状态进行训练、学习和预测,从而丰富了空调器的数据库,方便对空调器的控制策略进行及时调用;用户可以对比不同控制策略的空调运行状态进行自主选控制策略;对于相同的环境工况,通过不同控制策略生成的空调运行参数可以通过节能和舒适性评价指标进行评价,从而来选择较为舒适且省电的最佳控制策略,提高了对空调器进行控制的效率。
实施例3
本发明实施例还提供了一种空调器的控制装置。需要说明的是,该实施例的空调器的控制装置可以用于执行图1所示的空调器的控制方法。
图8是根据本发明实施例的一种空调器的控制装置的示意图。如图8所示,该空调器的控制装置80可以包括:第一获取单元81、第二获取单元82和第一推送单元83。
第一获取单元81,用于获取空调器在当前时间所处的环境的一组目标环境参数。
第二获取单元82,用于获取与目标环境参数相对应的多组过程参数,其中,多组过程参数中的每组过程参数与空调器在目标时间段内的运行过程相关联,目标时间段为当前时间之后的时间段。
第一推送单元83,用于将与多组过程参数一一对应的多种控制策略推送至客户端上,其中,客户端用于从多种控制策略中选择一种目标控制策略,并根据目标控制策略控制空调器在目标时间段内运行。
本发明实施例还提供了另一种空调器的控制装置。需要说明的是,该实施例的空调器的控制装置可以用于执行图2所示的空调器的控制方法。
图9是根据本发明实施例的另一种空调器的控制装置的示意图。如图9所示,该空调器的控制装置90可以包括:第三获取单元91、第四获取单元92和第二推送单元93。
第三获取单元91,用于获取空调器在当前时间所处的环境的一组目标环境参数。
第四获取单元92,用于获取与目标环境参数相对应的控制策略集。
第二推送单元93,用于将控制策略集推送至客户端上,其中,客户端用于从控制策略集中选择目标控制策略集,并控制空调器按照目标控制策略运行。
本发明实施例还提供了另一种空调器的控制装置。需要说明的是,该实施例的空调器的控制装置可以用于执行图3所示的空调器的控制方法。
图10是根据本发明实施例的另一种空调器的控制装置的示意图。如图10所示,该空调器的控制装置100可以包括:第三获取单元101、第四获取单元102和第二推送单元103。
第五获取单元101,用于获取控制策略集,其中,控制策略集与空调器在当前时间所处的环境的一组目标环境参数相对应。
选择单元102,用于响应目标操作指令,从控制策略集中选择目标控制策略。
控制单元103,用于控制空调器按照目标控制策略运行。
在该实施例中,获取与空调器的当前环境参数对应的多组过程参数,将其对应的控制策略推送至客户端上进行,用户可以根据自己的需要对其进行灵活选择,从而选择对应的控制策略对空调器进行控制,避免了无法在客户端上体现在运行过程中不同控制策略下的功能效果,解决了对空调器进行控制的灵活性低的技术问题,达到了提高对空调器进行控制的灵活性的技术效果。
实施例4
本发明实施例还提供了一种空调器的控制系统。需要说明的是,该实施例的空调器的控制系统可以用于执行本发明实施例的空调器的控制方法。
图11是根据本发明实施例的一种空调器的控制系统的示意图。如图11所示,该空调器的控制系统110可以包括:空调器111、服务器112和客户端113。
空调器111,用于发送空调器在当前时间所处的环境的一组目标环境参数。
在该实施例中,一组目标环境参数可以包括空调器111的室内外环境参数、房间参数等。可选地,该实施例可以在空调器110检测到开机信号的情况下,空调器识别获取到目标环境参数,将目标环境参数发送至服务器112,使服务器112获取到目标环境参数。
服务器112,用于获取目标环境参数,并推送基于目标环境参数确定的与目标环境参数相对应的多组过程参数。
在该实施例中,服务器112在获取空调器在当前时间所处的环境的一组目标环境参数之后,基于目标环境参数获取与目标环境参数相对应的多组过程参数,可以在预先建立的数据库中,通过目标环境参数查找多组过程参数。
客户端113,用于获取多组过程参数,并从多组过程参数中选择一组目标过程参数,根据目标过程参数控制空调器在目标时间段内运行,目标时间段为当前时间之后的时间段。
客户端113获取服务器112推送的多组过程参数,响应目标操作指令,从多组过程参数中选择一组目标过程参数,该目标过程参数对应于目标控制策略,客户端113控制空调器按照目标控制策略运行,避免了用户不能及时获知空调器的运行状态,达到了在客户端上可以对比不同控制策略的空调运行状态,以使用户自主选则控制策略的目的,从而达到了对空调器进行控制的灵活性。
实施例5
本发明实施例还提供了一种空调器。该空调器包括本发明实施例的空调器的控制装置。
实施例6
本发明实施例还提供了一种存储介质。该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行本发明实施例中任意一项的空调器的控制方法。
实施例7
本发明实施例还提供了一种处理器。该处理器用于运行程序,其中,程序运行时执行权利本发明实施例中任意一项的空调器的控制方法。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (19)
1.一种空调器的控制方法,其特征在于,包括:
获取空调器在当前时间所处的环境的一组目标环境参数;
获取与所述目标环境参数相对应的多组过程参数,其中,所述多组过程参数中的每组过程参数与所述空调器在目标时间段内的运行过程相关联,所述目标时间段为所述当前时间之后的时间段;
将与所述多组过程参数一一对应的多种控制策略推送至客户端上,其中,所述客户端用于从所述多种控制策略中选择一种目标控制策略,并根据所述目标控制策略控制所述空调器在所述目标时间段内运行;
其中,将与所述多组过程参数一一对应的多种控制策略推送至客户端上包括:将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上;
在将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上之前,所述方法还包括:获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个所述子性能指标值对应的权重;获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积;将所述多个目标积之和,确定为所述空调器在每组所述过程参数下运行时的所述性能指标值。
2.根据权利要求1所述的方法,其特征在于,将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上包括:
将分别与所述多组过程参数对应的曲线数据推送至所述客户端上,其中,所述客户端用于通过所述曲线数据显示所述过程参数的曲线。
3.根据权利要求1所述的方法,其特征在于,在获取与所述目标环境参数相对应的多组过程参数之后,所述方法还包括:
从所述多组过程参数中选择一组目标过程参数,其中,所述目标过程参数对应的控制策略使所述空调器在运行时的性能指标值,大于所述多组过程参数中除所述目标过程参数之外的过程参数对应的控制策略使所述空调器在运行时的性能指标值;
将所述目标过程参数对应的控制策略推送至所述客户端上,其中,所述客户端用于对所述目标过程参数进行显示,根据所述目标过程参数控制所述空调器在所述目标时间段内运行。
4.根据权利要求1所述的方法,其特征在于,获取与所述目标环境参数相对应的多组目标参数包括:
在数据库中,通过所述目标环境参数查找所述多组过程参数,其中,所述数据库包括多组环境参数、与每组所述环境参数对应所述多组过程参数,所述环境参数包括所述目标环境参数。
5.根据权利要求4所述的方法,其特征在于,在通过所述目标环境参数查找所述多组过程参数之前,所述方法还包括:
获取所述多组环境参数;
基于每组所述环境参数确定与每组所述环境参数对应的所述多组过程参数;
将与每组所述环境参数对应的所述多组过程参数,添加至所述数据库中。
6.根据权利要求5所述的方法,其特征在于,基于每组所述环境参数确定与每组所述环境参数对应的所述多组过程参数包括:
通过模拟模型模拟对每组所述环境参数进行模拟,得到与每组所述环境参数对应的一组所述过程参数;
通过神经网络模型对每组所述环境参数进行处理,得到与每组所述环境参数对应的一组所述过程参数。
7.根据权利要求6所述的方法,其特征在于,通过模拟模型模拟对每组所述环境参数进行模拟,得到与每组所述环境参数对应的一组所述过程参数包括:
通过第一模拟模型模拟所述空调器在每组所述环境参数下的运行过程,得到所述空调器的性能参数,其中,与每组所述环境参数对应的一组所述过程参数包括所述性能参数;
通过第二模拟模型根据所述性能参数模拟所述空调器所处的空间的状态随所述运行过程变化的变化过程,得到空间状态参数,其中,与每组所述环境参数对应的一组所述过程参数包括所述空间状态参数。
8.根据权利要求6所述的方法,其特征在于,在通过神经网络模型对每组所述环境参数进行处理,得到与每组所述环境参数对应的一组所述过程参数之前,所述方法还包括:
获取环境参数样本和与所述环境参数样本对应的过程参数样本;
通过所述环境参数样本和过程参数样本对子神经网络模型进行训练,得到所述神经网络模型。
9.根据权利要求6所述的方法,其特征在于,在通过神经网络模型对每组所述环境参数进行处理,得到与每组所述环境参数对应的一组所述过程参数之后,所述方法还包括:
通过所述空调器在所述当前时间之前,在每组所述环境参数下运行时所产生的一组所述过程参数,对通过所述神经网络模型对每组所述环境参数进行处理得到的一组所述过程参数进行修正;
将修正后的一组所述过程参数添加至所述数据库中。
10.根据权利要求5所述的方法,其特征在于,在从数据库中,通过所述目标环境参数查找所述多组过程参数之前,所述方法还包括:
将所述空调器在所述当前时间之前,在每组所述环境参数下运行时所产生的一组所述过程参数,添加至所述数据库中。
11.一种空调器的控制方法,其特征在于,包括:
获取空调器在当前时间所处的环境的一组目标环境参数;
获取与所述目标环境参数相对应的控制策略集;
将所述控制策略集推送至客户端上,其中,所述客户端用于从所述控制策略集中选择目标控制策略,并控制所述空调器按照所述目标控制策略运行;
其中,获取与所述目标环境参数相对应的控制策略集包括:获取与所述目标环境参数相对应的多组过程参数;由每组所述过程参数确定一种控制策略,得到多种控制策略;将所述多种控制策略生成与所述目标环境参数相对应的所述控制策略集合;
将所述控制策略集推送至客户端上包括:将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上;
在将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上之前,所述方法还包括:获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个所述子性能指标值对应的权重;获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积;将所述多个目标积之和,确定为所述空调器在每组所述过程参数下运行时的所述性能指标值。
12.一种空调器的控制方法,其特征在于,包括:
获取控制策略集,其中,所述控制策略集与空调器在当前时间所处的环境的一组目标环境参数相对应;
响应目标操作指令,从所述控制策略集中选择目标控制策略;
控制所述空调器按照所述目标控制策略运行;
其中,所述控制策略集由与所述目标环境参数相对应的多组过程参数确定的,每组所述过程参数确定一种控制策略,所述控制策略集合包括多种控制策略;
所述方法还包括:获取所述多组过程参数和与每组所述过程参数对应的性能指标值;
其中,所述空调器在每组所述过程参数下运行时的所述性能指标值是由服务器获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值,确定每个所述子性能指标值对应的权重,获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积,通过所述多个目标积之和确定的。
13.一种空调器的控制装置,其特征在于,包括:
第一获取单元,用于获取空调器在当前时间所处的环境的一组目标环境参数;
第二获取单元,用于获取与所述目标环境参数相对应的多组过程参数,其中,所述多组过程参数中的每组过程参数与所述空调器在目标时间段内的运行过程相关联,所述目标时间段为所述当前时间之后的时间段;
第一推送单元,用于将与所述多组过程参数一一对应的多种控制策略推送至客户端上,其中,所述客户端用于从所述多种控制策略中选择一种目标控制策略,并根据所述目标控制策略控制所述空调器在所述目标时间段内运行;
其中,所述第一推送单元还用于通过以下步骤来将与所述多组过程参数一一对应的多种控制策略推送至客户端上:将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上;
所述装置还用于在将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上之前,获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个所述子性能指标值对应的权重;获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积;将所述多个目标积之和,确定为所述空调器在每组所述过程参数下运行时的所述性能指标值。
14.一种空调器的控制装置,其特征在于,包括:
第三获取单元,用于获取空调器在当前时间所处的环境的一组目标环境参数;
第四获取单元,用于获取与所述目标环境参数相对应的控制策略集;
第二推送单元,用于将所述控制策略集推送至客户端上,其中,所述客户端用于从所述控制策略集中选择目标控制策略集,并控制所述空调器按照所述目标控制策略运行;
其中,所述第四获取单元还用于通过以下步骤来获取与所述目标环境参数相对应的控制策略集:获取与所述目标环境参数相对应的多组过程参数;由每组所述过程参数确定一种控制策略,得到多种控制策略;将所述多种控制策略生成与所述目标环境参数相对应的所述控制策略集合;
所述第二推送单元还用于通过以下步骤将所述控制策略集推送至客户端上:将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上;
所述装置还用于在将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上之前,获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个所述子性能指标值对应的权重;获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积;将所述多个目标积之和,确定为所述空调器在每组所述过程参数下运行时的所述性能指标值。
15.一种空调器的控制装置,其特征在于,包括:
第五获取单元,用于获取控制策略集,其中,所述控制策略集与空调器在当前时间所处的环境的一组目标环境参数相对应;
选择单元,用于响应目标操作指令,从所述控制策略集中选择目标控制策略;
控制单元,用于控制所述空调器按照所述目标控制策略运行;
其中,所述控制策略集由与所述目标环境参数相对应的多组过程参数确定的,每组所述过程参数确定一种控制策略,所述控制策略集合包括多种控制策略;
所述装置还用于获取所述多组过程参数和与每组所述过程参数对应的性能指标值;
其中,所述空调器在每组所述过程参数下运行时的所述性能指标值是由服务器获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值,确定每个所述子性能指标值对应的权重,获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积,通过所述多个目标积之和确定的。
16.一种空调器的控制系统,其特征在于,包括:
空调器,用于发送所述空调器在当前时间所处的环境的一组目标环境参数;
服务器,用于获取所述目标环境参数,并推送基于所述目标环境参数确定的与所述目标环境参数相对应的多组过程参数;
客户端,用于获取所述多组过程参数,并从所述多组过程参数中选择一组目标过程参数,根据所述目标过程参数控制所述空调器在目标时间段内运行,所述目标时间段为所述当前时间之后的时间段;
其中,所述服务器将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上;
所述服务器还用于在将所述多组过程参数和与每组所述过程参数对应的性能指标值,推送至所述客户端上之前,获取每组所述过程参数中的每个参数在对应的性能指标下的子性能指标值,得到多个子性能指标值;确定每个所述子性能指标值对应的权重;获取每个所述子性能指标值和对应的所述权重之间的目标积,得到多个目标积;将所述多个目标积之和,确定为所述空调器在每组所述过程参数下运行时的所述性能指标值。
17.一种空调器,其特征在于,包括权利要求13至15中任一项所述的空调器的控制装置,或权利要求16所述的空调器的控制系统。
18.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至12中任意一项所述的空调器的控制方法。
19.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至12中任意一项所述的空调器的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039254.3A CN110726216B (zh) | 2019-10-29 | 2019-10-29 | 空调器及其控制方法、装置、系统、存储介质和处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039254.3A CN110726216B (zh) | 2019-10-29 | 2019-10-29 | 空调器及其控制方法、装置、系统、存储介质和处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110726216A CN110726216A (zh) | 2020-01-24 |
CN110726216B true CN110726216B (zh) | 2020-10-02 |
Family
ID=69223311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039254.3A Active CN110726216B (zh) | 2019-10-29 | 2019-10-29 | 空调器及其控制方法、装置、系统、存储介质和处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110726216B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854063A (zh) * | 2020-07-06 | 2020-10-30 | 浙江大学 | 一种变频空调器控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103542489A (zh) * | 2012-07-12 | 2014-01-29 | 珠海格力节能环保制冷技术研究中心有限公司 | 空调系统的控制方法、装置及系统 |
CN106461255A (zh) * | 2014-07-16 | 2017-02-22 | 三菱电机株式会社 | 空调控制装置、空调控制方法以及程序 |
CN109827292A (zh) * | 2019-01-16 | 2019-05-31 | 珠海格力电器股份有限公司 | 家电自适应节能控制模型的构建方法、控制方法、家电 |
CN109959123A (zh) * | 2019-03-11 | 2019-07-02 | 浙江工业大学 | 一种基于遗传算法和长短期记忆循环神经网络的空调节能方法 |
CN109974233A (zh) * | 2019-03-21 | 2019-07-05 | 广东美的制冷设备有限公司 | 控制方法、控制设备、空调器系统及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10527304B2 (en) * | 2016-10-09 | 2020-01-07 | Ecoer Inc. | Demand response based air conditioning management systems and method |
-
2019
- 2019-10-29 CN CN201911039254.3A patent/CN110726216B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103542489A (zh) * | 2012-07-12 | 2014-01-29 | 珠海格力节能环保制冷技术研究中心有限公司 | 空调系统的控制方法、装置及系统 |
CN106461255A (zh) * | 2014-07-16 | 2017-02-22 | 三菱电机株式会社 | 空调控制装置、空调控制方法以及程序 |
CN109827292A (zh) * | 2019-01-16 | 2019-05-31 | 珠海格力电器股份有限公司 | 家电自适应节能控制模型的构建方法、控制方法、家电 |
CN109959123A (zh) * | 2019-03-11 | 2019-07-02 | 浙江工业大学 | 一种基于遗传算法和长短期记忆循环神经网络的空调节能方法 |
CN109974233A (zh) * | 2019-03-21 | 2019-07-05 | 广东美的制冷设备有限公司 | 控制方法、控制设备、空调器系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110726216A (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726229B (zh) | 空调器的控制方法及装置、存储介质及处理器 | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
CN103398451B (zh) | 基于学习用户行为的多维舒适度室内环境控制方法及系统 | |
CN110836514B (zh) | 空调组的控制方法和装置 | |
CN110736225B (zh) | 空调的控制方法和装置 | |
CN109140660B (zh) | 用于空调的智能控温方法及装置、空调、存储介质 | |
CN110332671B (zh) | 室内机的控制方法、装置、设备和空调系统 | |
CN105717960A (zh) | 环境舒适度控制系统及其控制方法 | |
CN113110082A (zh) | 用于家电控制的方法、装置和家电 | |
CN112696798B (zh) | 空调的参数设置方法、空调设备以及计算机可读存储介质 | |
CN109882996A (zh) | 一种控制的方法及设备 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN110726216B (zh) | 空调器及其控制方法、装置、系统、存储介质和处理器 | |
CN113339965A (zh) | 用于空调控制的方法、装置和空调 | |
CN111649465A (zh) | 一种空调设备自动控制方法及系统 | |
CN110726215B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN109657838A (zh) | 一种能效监测方法、装置及计算机可读存储介质 | |
CN114838470A (zh) | 一种暖通空调的控制方法和系统 | |
CN111397112B (zh) | 空调控制方法、装置、服务器及计算机可读存储介质 | |
CN110779175A (zh) | 一种运行模式控制方法及装置 | |
CN109323381A (zh) | 空调器的控制方法、装置及具有其的空调器 | |
CN203443020U (zh) | 基于学习用户行为的多维舒适度室内环境控制系统 | |
KR100955210B1 (ko) | 사무용 건물설비의 최적관리 및 에너지 절감을 위한 지능형 빌딩제어시스템 및 제어방법 | |
CN111442501A (zh) | 空气调节设备及其控制方法与装置 |
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 |