CN110953679A - 调节空调的方法、装置以及空调装置 - Google Patents

Abstract

本发明公开了一种调节空调的方法、装置以及空调装置。其中，该方法包括：获取空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量；使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据；根据目标运行数据对空调装置的运行数据进行调节。本发明解决了现有技术无法根据用户数量对空调进行自动调节的技术问题。

Description

调节空调的方法、装置以及空调装置

技术领域

本发明涉及空调技术领域，具体而言，涉及一种调节空调的方法、装置以及空调装置。

背景技术

随着逐年全球气候变化的加剧，各地的气候变化异常，人们对空调产品的依赖性越来越强，其中，不同区域的用户对于空调功能的需求各不相同。而日益增长的生活水平，人们对生活质量的要求也在逐步提高，对于家电产品，人们更注重于自身的体验。

传统的空调控制主要是依赖于红外遥控器，通过人为控制的方式对空调进行近距离的控制。在使用该方式之前，需要完成空调的所有功能模式的固化。并且，在该控制方式下，用户一般在明确感受到环境变化之后，人为的控制空调调节周围的环境，以达到适宜自身的舒适性。但如果在人群流动量较大的场所，不同的用户数量，对空调舒适性的要求不同。而现有的人为控制空调的方式依赖于红外遥控需要人为多次调节空调参数才能达到用户所需求的舒适性，操作繁琐。另外，在人群流动量较大的场所，空调自身不能根据人群数量以及所处的空间大小进行自动调整，导致用户的舒适体验差。

针对上述现有技术无法根据用户数量对空调进行自动调节的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种调节空调的方法、装置以及空调装置，以至少解决现有技术无法根据用户数量对空调进行自动调节的技术问题。

根据本发明实施例的一个方面，提供了一种调节空调的方法，包括：获取空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量；使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据；根据目标运行数据对空调装置的运行数据进行调节。

进一步地，调节空调的方法还包括：获取数据集，其中，数据集包括多组空调装置所在空间的信息数据；对数据集进行预处理，得到处理后的数据集；对处理后的数据集进行训练得到预设模型；存储预设模型至模型服务器中，其中，模型服务器用于存储预设模型。

进一步地，调节空调的方法还包括：对信息数据进行预处理，得到预处理后的信息数据；从模型服务器中获取最新的预设模型；基于最新的预设模型对预处理后的信息数据进行分析，得到目标运行数据。

进一步地，调节空调的方法还包括：在空调装置的运行数据与目标运行数据不匹配的情况下，基于目标运行数据对预设模型进行更新；在空调装置未执行关机操作的情况下，生成控制指令，其中，控制指令用于指示对空调装置的运行数据进行调节。

进一步地，调节空调的方法还包括：在空调装置的运行数据与目标运行数据不匹配的情况下，基于目标运行数据对预设模型进行更新；在空调装置执行关机操作的情况下，将更新后的预设模型存储至模型服务器中。

进一步地，调节空调的方法还包括：在空调装置的运行数据与目标运行数据匹配的情况下，执行获取空调装置的信息数据的步骤。

进一步地，调节空调的方法还包括：对更新后的预设模型进行验证，得到验证结果；在验证结果指示验证成功的情况下，存储更新后的预设模型至模型服务器中。

根据本发明实施例的另一方面，还提供了一种调节空调的装置，包括：获取模块，用于获取空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量；确定模块，用于使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据；调节模块，用于根据目标运行数据对空调装置的运行数据进行调节。

根据本发明实施例的另一方面，还提供了一种空调装置，包括：采集器，用于采集空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量；处理器，用于使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，并根据目标运行数据对空调装置的运行数据进行调节，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行调节空调的方法。

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行调节空调的方法。

在本发明实施例中，采用基于神经网络模型自动调节空调的方式，在得到空调装置所在空间的信息数据之后，使用与预设模型对信息数据进行分析，以确定空调装置的目标运行数据，并根据目标运行数据对空调装置的运行数据进行调节，以使空调装置以目标运行数据运行，为用户提供舒适的环境。其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量。

在上述过程中，本申请采用神经网络模型自动调节空调装置的运行数据，无需用户手动调节，简化了用户操作空调装置的步骤。另外，由于信息数据包括用户数量，因此，本申请所提供的方案可应用在人群流动量较大的场景中，减少了人工操作，实现了自动调节空调运行数据的目的。

由上述内容可知，本申请所提供的方案可以解决现有技术无法根据用户数量对空调进行自动调节的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，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调节空调的方法流程图；

图2是根据本发明实施例的一种可选的数据集的构造过程的示意图；

图3是根据本发明实施例的一种可选的调节空调的示意图；

图4是根据本发明实施例的一种可选的调节空调的方法流程图；以及

图5是根据本发明实施例的一种调节空调的装置结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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

根据本发明实施例，提供了一种调节空调的方法实施例，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。

图1是根据本发明实施例的调节空调的方法流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量。

需要说明的是，空调装置所在的空间可以为人群流动量较小的场所，例如，家庭室内、办公室等，也可以为人群流动量较大的场所，例如，商场、展厅等。可选的，空调装置具有采集器，该采集器可采集空调装置所在空间的信息数据，其中，在不同的场所空调装置中采集器的数量可以不同，例如，在人群流动量较小的场所中可放置一个或两个采集器，而在人群流动量较大，并且空间也较大的场所可放置两个以上的采集器。

此外，还需要说明的是，步骤S102中的用户数据包括用户数量，此外，用户数据还包括用户体表温度等。可选的，采集器可通过门锁智能指纹记录、室内热成像、室内图像识别等技术获取空调装置所在控件的用户数量，例如，通过获取智能门锁在预设时间段内采集到的不同指纹的数量来确定进入空调装置所在空间的用户数量；又例如，采集器采集空调装置所在空间的热成像图像，空调装置的处理器对热成像图像进行分析，可确定空调装置所在空间的用户数量以及用户数量在空间内的分布；又例如，采集器采集空调装置所在空间的图像，空调装置的处理器对图像中的人脸或人头进行识别，进而确定空调装置所在空间的用户数量。

可选的，采集器可以包括红外线传感器，其中，红外线传感器可检测空调装置所在空间的人体温度。需要说明的是，当空调装置所在空间内的用户数量小于预设数量时，人体温度为每个用户的体表温度；当空调装置所在空间内的用户数量大于等于预设数量时，人体温度为所有用户的体表温度的平均温度。

可选的，空调装置的运行数据包括但不限于空调装置的输出温湿度、风速、风向压缩机的运行频率等数据。具体的，空调装置的运行数据可来源于实验室数据模拟、用户历史数据收集以及空调实时的运行数据上报。以用户历史数据收集为例，采集器可采集用户的操作指令以及空调装置执行操作指令时的环境参数，例如，用户个数、室内温湿度、用户体表温度等，并对用户的操作记录进行存储。在当前的环境参数与存储的用户的操作记录相匹配时，处理器调节空调输出存储中的操作记录所记载的温度、风速、风向等参数。

可选的，环境数据包括但不限于空调装置所在空间的空间大小、室内温度、室内空气湿度。其中，可通过远程云端输入、用户手动输入或者通过查询开发商数据库的方式获取空调装置所在空间的空间大小。可选的，采集器还包括温度传感器、化学传感器，其中，温度传感器可检测空调装置所在空间的室内温度，化学传感器可检测空调装置所在空间的室内空气湿度。

步骤S104，使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据。

可选的，在步骤S104中，可使用神经网络相关的算法对预设模型进行训练，其中，与神经网络相关的算法可以包括但不限于反馈式神经网络算法、推荐算法等。

需要说明的是，由于信息数据包含了用户数据、空调装置的运行数据以及环境数据，基于神经网络的预设模型对信息数据分析，相当于考虑到了用户自身情况、空调装置的运行情况以及用户所在环境的环境情况等多个方面，因此，得到的目标运行数据更符合用户的实际需求。

步骤S106，根据目标运行数据对空调装置的运行数据进行调节。

需要说明的是，通过步骤S104得到的目标运行数据是可使用户舒适度最高的运行数据，因此，在得到了目标运行数据之后，可基于目标运行数据自动调节空调装置，而无需人工操作，简化了用户的操作。

基于上述步骤S102至步骤S106所限定的方案，可以获知，采用基于神经网络模型自动调节空调的方式，在得到空调装置所在空间的信息数据之后，使用与预设模型对信息数据进行分析，以确定空调装置的目标运行数据，并根据目标运行数据对空调装置的运行数据进行调节，以使空调装置以目标运行数据运行，为用户提供舒适的环境。其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量。

容易注意到的是，本申请采用神经网络模型自动调节空调装置的运行数据，无需用户手动调节，简化了用户操作空调装置的步骤。另外，由于信息数据包括用户数量，因此，本申请所提供的方案可应用在人群流动量较大的场景中，减少了人工操作，实现了自动调节空调运行数据的目的。

由上述内容可知，本申请所提供的方案可以解决现有技术无法根据用户数量对空调进行自动调节的技术问题。

在一种可选的方案中，在使用预设模型对信息数据进行分析，确定空调装置的目标运行数据之前，需要构建预设模型。其中，预设模型的构建可以包括如下步骤：

步骤S202，获取数据集，其中，数据集包括多组空调装置所在空间的信息数据；

步骤S204，对数据集进行预处理，得到处理后的数据集；

步骤S206，对处理后的数据集进行训练得到预设模型；

步骤S208，存储预设模型至模型服务器中，其中，模型服务器用于存储预设模型。

具体的，空调装置的采集器通过采集不同时间段、不同空间的多组信息数据得到数据集。可选的，图2示出了一种可选的数据集的构造过程，在图2中，每个数据流包括多个数据属性，例如，图2中的数据流1包括属性1至属性n。每个数据流所包含的数据属性是相同的，数据属性可以包括但不限于温度、湿度、空间大小、用户数量等。为满足神经网络对数据集的要求，在得到数据集之后，需要对数据集进行归一化的预处理，使处理后的数据集作为神经网络的训练样本，对预设模型进行训练。在完成对预设模型的训练之后，将预设模型存储在模型服务器中。

需要说明的是，在数据集构造之后，数据集以多维数值矩阵的形式存在。另外，模型服务器中存储有最新的预设模型。可选的，模型服务器中仅存储最新的预设模型，例如，模型服务器中存储有第一预设模型，在对第一预设模型进行更新得到第二预设模型之后，在模型服务器中将第二预设模型替换掉第一预设模型。

此外，还需要说明的是，模型服务器可以云端服务器，空调装置通过无线通信的方式获取模型服务器中的预设模型和/或对模型服务器中的预设模型进行更新。

在一种可选的方案中，在得到空调装置所在空间的信息数据之后，空调装置可使用预设模型对信息数据进行分析，确定空调装置的目标运行数据。具体过程可以包括：

步骤S1040，对信息数据进行预处理，得到预处理后的信息数据。可选的，可对信息数据进行归一化处理，使信息数据能够符合神经网络对数据的要求。

步骤S1042，从模型服务器中获取最新的预设模型。

步骤S1044，基于最新的预设模型对预处理后的信息数据进行分析，得到目标运行数据。

可选的，图3所示的调节空调的示意图。如图3所示，空调装置从模型服务器中加载最新的预设模型，即模型2。在空调装置检测到触发启动在线训练模型的触发条件已满足时，空调装置启动在线训练模型，其中，触发条件可以为但不限于当前时间达到预设时间和/或数据集构造完成等。在线训练模型启动后，空调装置对模型2进行在线训练。在线训练结束后，空调装置对训练后的模型进行验证，输出模型3，并将模型3保存于模型服务器中。至此，空调装置可从模型服务器中获取到最新的预设模型，并基于最新的预设模型得到目标运行数据。

需要说明的是，在启动在线训练的过程中，需保证正常的空调运行，即隔离训练。其中，可用于实现隔离训练的技术包括但不限于使用Tensorflow(一种人工智能学习系统)中的model_version+AB(一种分流算法)分流。具体的，可使用TensorFlow Servering(一种机器学习模型)进行服务化，通过gRPC(一种远程过程调用协议的开源框架)方式的HTTP对信息数据进行实时调用。

此外，还需要说明的是，在得到目标运行数据之后，空调装置即可根据目标运行数据对空调装置的运行数据进行调节，如图3所示，空调装置从模型服务器中加载最新的预设模型，即模型1，其中，模型1为从模型服务器中加载的最新训练完毕的模型。在从数据流3中得到空调装置的实时运行数据之后，检测空调装置的运行数据是否与目标运行装置相匹配，如果匹配，则发送指令改变空调装置的内外机的运行参数，达到调整空调装置的目的。

在一种可选的方案中，图4示出了一种可选的调节空调的方法流程图。具体的，在用户开启空调装置之后，空调装置从模型服务器中加载最新的预设模型，同时控制采集器采集信息数据，并对采集到的信息数据进行预处理。由于空调装置初始加载的预设模型是大众模型，对于所有的场景均适用，但可能不是本场景的最有模型。因此，在得到预设模型之后，需要基于当前场景所采集到的信息数据对预设模型进行在线重复学习，利用所采集到并经过预处理的信息数据作为训练样本，进行神经网络训练，建立与当前场景最匹配的预设模型，进一步的得到目标运行数据。然后空调装置判断目标运行数据与空调装置的运行数据是否匹配，其中，在空调装置的运行数据与目标运行数据不匹配的情况下，基于目标运行数据对预设模型进行更新；并检测空调装置是否执行关机操作。在空调装置未执行关机操作的情况下，生成控制指令，其中，控制指令用于指示对空调装置的运行数据进行调节，例如，调节空调装置中风机的转速、电子膨胀阀的开度等；在空调装置执行关机操作的情况下，将更新后的预设模型存储至模型服务器中。另外，在空调装置的运行数据与目标运行数据匹配的情况下，执行获取空调装置的信息数据的步骤。

需要说明的是，在运行数据与目标运行数据不匹配，并且空调装置执行关机操作的情况下，空调装置对更新后的预设模型进行验证，得到验证结果，并在验证结果指示验证成功的情况下，存储更新后的预设模型至模型服务器中。

此外，还需要说明的是，在空调装置运行时，空调装置所在空间的信息数据处于变化之中，空调装置自身可根据已经生成的预设模型，对当前环境下的空调装置的运行数据进行调整。其中，对空调装置的运行数据的调整实际上为根据用户的行为习惯和用户的使用群体数量为重要指标，对空调的运行属性的调整，例如风机转速、温湿度等，从而达到用户所需的舒适度。由此可见，本申请通过基于神经网络自学习算法，以用户个体数量为重要参数，可在用户数量发生随机改变时，能够自动调节自身的运行参数，达到用户的舒适环境。

实施例2

根据本发明实施例，还提供了一种调节空调的装置实施例，该装置可执行实施例5中的调节空调的方法。其中，图5是根据本发明实施例的调节空调的装置结构示意图，如图5所示，该装置包括：获取模块501、确定模块503以及调节模块505。

其中，获取模块501，用于获取空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量；确定模块503，用于使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据；调节模块505，用于根据目标运行数据对空调装置的运行数据进行调节。

需要说明的是，上述获取模块501、确定模块503以及调节模块505对应于实施例1中的步骤S102至步骤S106，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，调节空调的装置还包括：第一获取模块、第一处理模块、训练模块以及第一存储模块。其中，第一获取模块，用于获取数据集，其中，数据集包括多组空调装置所在空间的信息数据；第一处理模块，用于对数据集进行预处理，得到处理后的数据集；训练模块，用于对处理后的数据集进行训练得到预设模型；第一存储模块，用于存储预设模型至模型服务器中，其中，模型服务器用于存储预设模型。

需要说明的是，上述第一获取模块、第一处理模块、训练模块以及第一存储模块对应于实施例1中的步骤S202至步骤S208，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，确定模块包括：第二处理模块、第二获取模块以及分析模块。其中，第二处理模块，用于对信息数据进行预处理，得到预处理后的信息数据；第二获取模块，用于从模型服务器中获取最新的预设模型；分析模块，用于基于最新的预设模型对预处理后的信息数据进行分析，得到目标运行数据。

需要说明的是，上述第二处理模块、第二获取模块以及分析模块对应于实施例1中的步骤S1040至步骤S1044，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的方案中，调节模块包括：第一更新模块以及生成模块。其中，第一更新模块，用于在空调装置的运行数据与目标运行数据不匹配的情况下，基于目标运行数据对预设模型进行更新；生成模块，用于在空调装置未执行关机操作的情况下，生成控制指令，其中，控制指令用于指示对空调装置的运行数据进行调节。

在一种可选的方案中，调节空调的装置还包括：第二更新模块以及第二存储模块。其中，第二更新模块，用于在空调装置的运行数据与目标运行数据不匹配的情况下，基于目标运行数据对预设模型进行更新；第二存储模块，用于在空调装置执行关机操作的情况下，将更新后的预设模型存储至模型服务器中。

在一种可选的方案中，调节空调的装置还包括：执行模块。其中，执行模块，用于在空调装置的运行数据与目标运行数据匹配的情况下，执行获取空调装置的信息数据的步骤。

在一种可选的方案中，第二存储模块包括：验证模块以及第三存储模块。其中，验证模块，用于对更新后的预设模型进行验证，得到验证结果；第三存储模块，用于在验证结果指示验证成功的情况下，存储更新后的预设模型至模型服务器中。

实施例3

根据本发明实施例，还提供了一种调节空调的系统实施例，其中，该系统可执行实施例1中的调节空调的方法。具体的，该系统包括：采集器以及处理器。

其中，采集器，用于采集空调装置所在空间的信息数据，其中，信息数据包括如下至少之一：用户数据、空调装置的运行数据以及环境数据，用户数据至少包括：用户数量；处理器，用于使用预设模型对信息数据进行分析，确定空调装置的目标运行数据，并根据目标运行数据对空调装置的运行数据进行调节，其中，预设模型为使用多组数据通过神经网络学习训练得到的，多组数据中的每组数据均包括：信息数据以及信息数据对应的目标运行数据。

在一种可选的方案中，在使用预设模型对信息数据进行分析，确定空调装置的目标运行数据之前，处理器获取数据集，并对数据集进行预处理，得到处理后的数据集，然后对处理后的数据集进行训练得到预设模型，最后存储预设模型至模型服务器中，其中，模型服务器用于存储预设模型，数据集包括多组空调装置所在空间的信息数据。

在一种可选的方案中，处理器对信息数据进行预处理，得到预处理后的信息数据，并从模型服务器中获取最新的预设模型，然后基于最新的预设模型对预处理后的信息数据进行分析，得到目标运行数据。

在一种可选的方案中，在空调装置的运行数据与目标运行数据不匹配的情况下，处理器基于目标运行数据对预设模型进行更新；并在空调装置未执行关机操作的情况下，生成控制指令，其中，控制指令用于指示对空调装置的运行数据进行调节；在空调装置执行关机操作的情况下，将更新后的预设模型存储至模型服务器中。

在一种可选的方案中，在使用预设模型对信息数据进行分析，确定空调装置的目标运行数据之后，在空调装置的运行数据与目标运行数据匹配的情况下，处理器执行获取空调装置的信息数据的步骤。

在一种可选的方案中，处理器对更新后的预设模型进行验证，得到验证结果，并在验证结果指示验证成功的情况下，存储更新后的预设模型至模型服务器中。

实施例4

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行实施例1中的调节空调的方法。

实施例5

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中的调节空调的方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种调节空调的方法，其特征在于，包括：

获取空调装置所在空间的信息数据，其中，所述信息数据包括如下至少之一：用户数据、所述空调装置的运行数据以及环境数据，所述用户数据至少包括：用户数量；

使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据，其中，所述预设模型为使用多组数据通过神经网络学习训练得到的，所述多组数据中的每组数据均包括：所述信息数据以及所述信息数据对应的目标运行数据；

根据所述目标运行数据对所述空调装置的运行数据进行调节。

2.根据权利要求1所述的方法，其特征在于，在使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据之前，所述方法还包括：

获取数据集，其中，所述数据集包括多组所述空调装置所在空间的信息数据；

对所述数据集进行预处理，得到处理后的数据集；

对所述处理后的数据集进行训练得到所述预设模型；

存储所述预设模型至模型服务器中，其中，所述模型服务器用于存储所述预设模型。

3.根据权利要求2所述的方法，其特征在于，使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据，包括：

对所述信息数据进行预处理，得到预处理后的信息数据；

从所述模型服务器中获取最新的预设模型；

基于所述最新的预设模型对所述预处理后的信息数据进行分析，得到所述目标运行数据。

4.根据权利要求3所述的方法，其特征在于，根据所述目标运行数据对所述空调装置的运行数据进行调节，包括：

在所述空调装置的运行数据与所述目标运行数据不匹配的情况下，基于所述目标运行数据对所述预设模型进行更新；

在所述空调装置未执行关机操作的情况下，生成控制指令，其中，所述控制指令用于指示对所述空调装置的运行数据进行调节。

5.根据权利要求3所述的方法，其特征在于，在使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据之后，所述方法还包括：

在所述空调装置的运行数据与所述目标运行数据不匹配的情况下，基于所述目标运行数据对所述预设模型进行更新；

在所述空调装置执行关机操作的情况下，将更新后的预设模型存储至所述模型服务器中。

6.根据权利要求3所述的方法，其特征在于，在使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据之后，所述方法还包括：

在所述空调装置的运行数据与所述目标运行数据匹配的情况下，执行所述获取空调装置的信息数据的步骤。

7.根据权利要求5所述的方法，其特征在于，将所述更新后的预设模型存储至所述模型服务器中，包括：

对所述更新后的预设模型进行验证，得到验证结果；

在所述验证结果指示验证成功的情况下，存储所述更新后的预设模型至所述模型服务器中。

8.一种调节空调的装置，其特征在于，包括：

获取模块，用于获取空调装置所在空间的信息数据，其中，所述信息数据包括如下至少之一：用户数据、所述空调装置的运行数据以及环境数据，所述用户数据至少包括：用户数量；

确定模块，用于使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据，其中，所述预设模型为使用多组数据通过神经网络学习训练得到的，所述多组数据中的每组数据均包括：所述信息数据以及所述信息数据对应的目标运行数据；

调节模块，用于根据所述目标运行数据对所述空调装置的运行数据进行调节。

9.一种空调装置，其特征在于，包括：

采集器，用于采集空调装置所在空间的信息数据，其中，所述信息数据包括如下至少之一：用户数据、所述空调装置的运行数据以及环境数据，所述用户数据至少包括：用户数量；

处理器，用于使用预设模型对所述信息数据进行分析，确定所述空调装置的目标运行数据，并根据所述目标运行数据对所述空调装置的运行数据进行调节，其中，所述预设模型为使用多组数据通过神经网络学习训练得到的，所述多组数据中的每组数据均包括：所述信息数据以及所述信息数据对应的目标运行数据。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的调节空调的方法。

11.一种处理器，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7中任意一项所述的调节空调的方法。

Images