CN111164351B - 空调装置及其控制方法 - Google Patents

Abstract

公开了一种空调装置及其控制方法。空调装置包括：驱动单元，用于执行空调装置的预配置功能；传感器，用于收集空调装置周围的环境信息；存储器，用于存储所收集的环境信息；和处理器，用于基于包括根据时间改变来定义的操作状态的时间表信息来控制驱动单元的操作，并且基于在预配置的时间段期间收集的环境信息来修改时间表信息。

Description

空调装置及其控制方法

技术领域

本公开涉及空调装置及其控制方法，并且更具体地，涉及基于收集的环境信息来修改时间表信息的空调装置及其控制方法。

背景技术

空调装置是放置在诸如房屋、办公室、商店或农作物栽培房屋的空间中的装置，以控制其中的温度、湿度、清洁度和空气流动，从而维持人们居住的舒适的室内环境或农作物生长的合适的室内环境。

传统上，需要直接接收用户的命令的过程来控制空调装置。此外，使用一种技术来控制空调装置的模式，使得空调在特定时间被改变为处于通电或断电状态。然而，为此，用户需要亲自输入时间和操作状态。

此外，传统空调装置基于当前温度来确定操作状态和输出强度。一般地，如果(在一个房间里)人数增加，需要增加输出强度以维持目标温度。在有十个人的空调目标中，空调装置的输出强度需要比在有一个人的空调目标中更强(或更高)，以维持目标温度(例如24度)，因为人的体温导致周围空气的温度上升。

然而，传统的空调装置存在的问题是，不可能预测人数的未来改变，因此，不可能预先控制温度。

发明内容

技术问题

本公开提供了一种基于收集的环境信息来修改时间表(schedule)信息的空调装置及其控制方法。

技术方案

根据本公开的实施例，一种空调装置包括：驱动器，被配置为执行空调装置的预定功能；传感器，被配置为收集空调装置的周围环境信息；存储器，被配置为在其中存储所收集的环境信息；和处理器，被配置为基于其中根据时间改变来定义操作状态的时间表信息来控制驱动器的操作，并且基于在预定时间段期间收集的环境信息来修改时间表信息。

处理器可以被配置为通过对存储在存储器中的每个时区的所收集的环境信息进行分类，并将每个时区的所分类的环境信息与时间表信息中的每个时区的操作状态进行比较，来修改时间表信息。

处理器可以被配置为基于每个时区的所分类的环境信息来预测每个时区的负载，并且基于每个时区的所预测的负载来修改时间表信息中的每个时区的操作状态。

处理器可以被配置为使用预定的学习模型从每个时区的所分类的环境信息中预测每个时区的操作状态。

处理器可以被配置为通过基于每个时区的所预测的负载确定每个时区的空调装置的操作模式和操作模式中的输出强度，来修改时间表信息中的每个时区的操作状态。

处理器可以被配置为基于每个时区的所预测的负载和空调目标的空间信息来修改时间表信息中的每个时区的操作状态。

环境信息可以包括室内温度、室外温度、湿度、空调目标中的人数或粉尘量中的至少一个。

存储器可以被配置为存储一周中的每一天的多个时间表信息，并且处理器可以被配置为基于多个时间表信息当中的与一周中的当前天相对应的时间表信息来控制驱动器。

存储器可以被配置为存储多个初始时间表信息，并且处理器可以被配置为基于用户在多个初始时间表信息当中选择的初始时间表信息来控制驱动器的操作。

处理器可以被配置为当时间表信息中的当前时区的负载和与当前收集的环境信息相对应的负载之间的差异是预定值或更大时，基于所收集的环境信息而不是时间表信息来控制驱动器的操作。

根据本公开的另一实施例，一种空调装置的控制方法包括：基于其中根据时间改变来定义操作状态的时间表信息来执行空调装置的预定功能；收集空调装置的周围环境信息；存储所收集的环境信息；以及基于在预定时间段期间收集的环境信息来修改时间表信息。

在修改中，可以通过对存储的每个时区的所收集的环境信息进行分类，并将每个时区的所分类的环境信息与时间表信息中的每个时区的操作状态进行比较，来修改时间表信息。

在修改中，可以基于每个时区的所分类的环境信息来预测每个时区的负载，并且可以基于每个时区的所预测的负载来修改时间表信息中的每个时区的操作状态。

在修改中，可以使用预定的学习模型从每个时区的所分类的环境信息中预测每个时区的操作状态。

在修改中，可以通过基于每个时区的所预测的负载确定每个时区的空调装置的操作模式和操作模式中的输出强度，来修改时间表信息中的每个时区的操作状态。

在修改中，可以基于每个时区的所预测的负载和空调目标的空间信息来修改时间表信息中的每个时区的操作状态。

环境信息可以包括室内温度、室外温度、湿度、空调目标中的人数或粉尘量中的至少一个。

控制方法还可以包括先前存储一周中的每一天的多个时间表信息。在执行中，空调装置的预定功能可以基于多个时间表信息当中的与一周中的当前天相对应的时间表信息来执行。

在执行中，空调装置的预定功能可以基于用户在先前存储的多个初始时间表信息当中选择的初始时间表信息来执行。

在执行中，当时间表信息中的当前时区的负载和与当前收集的环境信息相对应的负载之间的差异是预定值或更大时，可以基于所收集的环境信息而不是时间表信息来执行预定功能。

附图说明

图1是示出根据本公开的实施例的空调装置的框图。

图2是用于解释图1的空调装置的特定配置的框图。

图3是用于解释根据本公开的实施例的控制空调装置的系统的框图。

图4至图7是用于解释根据本公开的实施例的取决于时间的负载的改变量的图。

图8至图10是用于解释根据本公开的实施例的收集环境信息的操作的图。

图11是用于解释根据本公开的实施例的学习模型的图。

图12至图17是用于解释时间表信息的图。

图18是用于解释根据本公开的实施例的空调装置的控制方法的流程图。

具体实施方式

在具体描述本公开之前，将描述用于演示说明书和附图的方法。

首先，说明书和权利要求中使用的术语是考虑到本公开的各种实施例中的功能而选择的一般术语。然而，这些术语可以取决于本领域技术人员的意图、法律或技术解释、新技术的出现等而变化。此外，可以存在申请人任意选择的一些术语。这些术语可以被解释为在说明书中定义的含义，并且可以基于说明书的全部内容和本领域的普通技术知识来解释，除非特别定义。

此外，在附于说明书的每个附图中描述的相同附图标号或标记表示执行基本上相同功能的部件或元件。为了便于描述和理解，将使用相同的附图标号或标记来描述不同的实施例。也就是说，尽管在多个附图中示出了具有相同附图标号的元件，但是多个附图并不意味着一个实施例。

此外，在说明书和权利要求中，包括诸如“第一”和“第二”的序数的术语可以用来将这些元件彼此区分开来。这些序数用于将相同或相似的元件彼此区分开来，并且这样的序数的使用不应被理解为限制这些术语的含义。作为示例，与这样的序数相结合的元件在使用顺序、排列顺序等方面不应该受到该数字的限制。如有必要，序数可以彼此互换使用。

在说明书中，单数形式包括复数形式，除非上下文另有明确指示。在本申请中，术语“包括”、“包含”等表示说明书中描述的特征、数字、步骤、操作、元件、部件或其组合的存在，但不排除一个或多个其他特征、数字、步骤、操作、元件、部件或其组合的存在或添加。

本公开可以进行各种修改并具有数个实施例。特定实施例将在附图中示出，并在详细描述中详细描述。然而，将理解的是，本公开的范围不限于特定实施例，而是包括落入本公开的精神和范围内的所有修改、等同物和替代物。在描述本公开的实施例时，当确定已知相关技术的详细描述可能使本公开的主旨模糊时，将省略其详细描述。

术语“第一”、“第二”等可用于描述各种元件，但是这些元件将不被解释为受这些术语的限制。这些术语仅用于区分一个元件和另一元件。

本文使用的术语仅用于描述特定实施例，并不旨在限制范围。单数形式包括复数形式，除非上下文另有明确指示。在本申请中，术语“包括”、“包含”等表示说明书中描述的特征、数字、步骤、操作、元件、部件或其组合的存在，但不排除一个或多个其他特征、数字、步骤、操作、元件、部件或其组合的存在或添加。

在本公开的实施例中，术语“模块”、“单元”、“部件”等是指执行至少一个功能或操作的元件。元件可以用硬件、软件或硬件和软件的组合来实施。此外，多个“模块”、“单元”、“部件”等可以集成到至少一个模块或芯片中并由至少一个处理器来实施，不包括多个“模块”、“单元”、“部件”等中的每一个都必须用单独的特定硬件来实施的情况。

此外，在本公开的实施例中，当任何部件被描述为连接到另一部件时，这不仅包括直接连接，还包括通过另一介质的间接连接。当某个部件包括某个元件时，除非另外明确描述，否则这意味着可以另外包括另一元件，而不排除另一元件。

同时，在本公开的实施例中，术语“负载”、“负载信息”和“负载值”都可以以类似的意义使用。所收集的环境信息的值都以不同的单位表示，并且它们可以被转换成一个代表值。因此，负载意味着所收集的环境信息的值被转换成一个代表值。通过以这种方式转换的负载(负载信息、负载值)，用户可以容易地比较取决于时间的空调装置的当前状态。

图1是示出根据本公开的实施例的空调装置100的框图。

参考图1，空调装置100可以包括驱动器110、传感器120、存储器130和处理器140。

空调装置100是放置在诸如房屋、办公室、商店或农作物栽培房屋的空间中的装置，以控制其中的温度、湿度、清洁度和空气流动，从而维持人们居住的舒适的室内环境或农作物生长的合适的室内环境。

驱动器110是指通过处理器140的控制实际执行空调装置100的预定功能的部件。例如，当处理器140发出降低温度的控制命令时，驱动器110可以是执行制冷功能的部件。

此外，驱动器110可以被配置为执行空调装置100的各种功能，诸如制冷、制热和空气清洁。这里，驱动器110不限于任何特定功能，并且可以指空调装置100的可由用户的命令或处理器140控制的组件。

传感器120可以测量温度、湿度、空间的大小和形态(结构)、人数以及人的活动状态。具体地，可以感测空间的大小和形态(结构)，以确定空调装置100是安装在圆形空间还是四边形空间，并测量宽度。

这里，传感器120可以测量室内单元周围的温度和室外单元周围的温度两者。此外，传感器120可以确定室内单元周围的空调目标中的人的体温。例如，传感器可以测量和比较人的体温，以确定人当前是否感觉到热。这里，热成像相机等可以用于测量人的体温。然而，不限于热成像相机，并且可以使用能够测量人的体温的热传感器和热感测相机。

此外，传感器120可以收集空调装置100的周围环境信息。例如，传感器120可以检查在安装空调装置100的空间中存在多少人。此外，传感器120可以检查人采取了什么动作。例如，传感器120可以检查人是否正在跑步。如果传感器确认人的动作是运动，则温度可以被设置为低于当前设置的温度。对于此操作，传感器可以使用动作传感器或人体检测传感器。

此外，传感器120可以使用热传感器、热感测相机等来测量人的体温。人的体温由传感器120测量，并且处理器140可以确定人的体温是否处于需要改变预定操作状态的度数。

此外，传感器120可以测量空调目标中的每个人的体温。因此，可以控制空调装置100将风引向具有较高体温的人。

存储器130可以在其中存储由传感器120测量的值。这里，由传感器120测量的值可以每隔预定时间存储在存储器130中，并且预定时间可以取决于用户的设置而变化。此外，存储周期可以是按周的。例如，空调装置100可以以这样的模式操作，即在从星期一到星期日的一周中的每一天针对每个所分类的时区来存储值。稍后将参考图14描述详细的存储方法。

此外，存储器130可以存储一周中的每一天的多个时间表信息，并且处理器140可以基于多个时间表信息当中的与一周中的当前天相对应的时间表信息来控制驱动器110。

存储器130可以存储多个初始时间表信息，并且处理器140可以基于用户在多个初始时间表信息当中选择的初始时间表信息来控制驱动器110的操作。

存储器130可以被实施为非易失性存储器、易失性存储器、闪存、硬盘驱动器(HardDisk Drive，HDD)、固态驱动器(Solid State Drive，SSD)等。同时，存储器130不仅可以被实施为电子设备中的存储介质，还可以通过网络被实施为外部存储介质，例如微安全数字(Secure Digital，SD)卡、通用串行总线(Universal Serial Bus，USB)存储器或网络服务器。

同时，处理器140可以基于其中根据时间改变来定义操作状态的时间表信息来控制驱动器110的操作，并且基于在预定时间段期间收集的环境信息来修改时间表信息。

这里，时间表信息可以是包括每小时存储的环境信息和基于环境信息的空调装置100的操作状态的信息。

这里，环境信息可以包括室内温度、室外温度、湿度、空调目标中的人数、人的体温或粉尘量中的至少一个。这里，环境信息可以由传感器120收集或测量。

这里，处理器140可以通过对存储在存储器130中的每个时区的环境信息进行分类，并将每个时区的所分类的环境信息与时间表信息中的每个时区的操作状态进行比较，来修改时间表信息。时间表信息可以是包括每小时存储的环境信息和基于环境信息的空调装置100的操作状态的信息。

时间表信息可以是一组控制命令，其中所收集的环境信息和关于与环境信息相对应的操作状态的信息被布置成与时间相对应。例如，在基于每天的时间表信息中，可以存储被设置为在从早到晚的特定时间执行特定操作的命令。因此，当时间表信息被应用于空调装置100时，即使用户没有亲自控制空调装置100，处理器140也可以自动控制空调装置100。

此外，时间表信息可以包括每小时存储的环境信息和基于环境信息的空调装置100的操作状态，这将在稍后参考图12C另外描述。

这里，环境信息可以包括室内温度、室外温度、湿度、空调目标中的人数或粉尘量中的至少一个。这里，环境信息可以由传感器120收集或测量。

这里，操作状态可以包括关于操作模式和输出强度的信息。操作模式可以指不同的模式，诸如制冷、制热、吹风和空气净化功能，并且输出强度可以指相同操作模式中的不同输出，诸如制冷(强)、制冷(中)和制冷(弱)。

这里，操作状态不限于操作模式和输出强度，并且可以另外包括关于功能和操作的信息。此外，操作模式和输出强度不限于上述元素，并且可以包括附加功能。

这里，空调装置100可以基于所收集的环境信息来确定操作状态，并且根据操作状态来控制空调装置100的驱动器110。

这里，处理器140可以使用预定的学习模型从每个时区的环境信息中预测每个时区的操作状态。预定的学习模型可以是使用基于神经网络的一系列机器学习算法的分类系统，这将在稍后参考图11详细描述。

具体地，处理器140可以基于每个时区的所分类的环境信息来预测每个时区的负载。这里，负载可以由各种方法来预测。各种方法中的一种可以是将环境信息的每个数据转换成指标的方法。例如，如果人数为30，并且当前温度为27度，则可以针对人数分配+30，并且可以针对当前温度27度分配+5。这里，负载可以是35。每个分配的数值可以根据用户的设置而改变。

时间表信息中的每个时区的操作状态可以基于每个时区的所预测的负载来修改。如在上述示例中，假设当前人数为30，并且当前温度为27度。这里，所预测的负载是35，并且操作状态可以被确定为与负载值35相对应。操作状态可以被设置为制冷(强)模式，并且与负载值35相对应的操作状态可以根据用户的设置而改变。

同时，根据本公开的实施例，可以通过组合多个负载信息来确定负载，而不仅仅基于当前时间的信息。例如，当假设昨天9点钟的负载为35，并且今天9点钟的负载为30时，明天的负载可以被预测为32.5，这是35和30的平均值。这里，仅举例说明平均值，但是所预测的负载值可以通过各种数学方法来确定。

此外，处理器140可以通过基于每个时区的所预测的负载确定空调装置100的操作模式和操作模式中的输出强度，来修改时间表信息中的每个时区的操作状态。

例如，通过上述示例假设所预测的负载被计算为32.5。然而，如果对应时间的负载在已经应用于空调装置100的时间表信息中被存储为40，则存在7.5的负载差异。如果空调装置100根据先前设置的时间表信息操作，则空调装置100可能浪费能量。因此，处理器140可以基于在预定时间段期间收集的环境信息来修改包括在时间表信息中的负载、操作模式、输出强度等。

此外，处理器140可以基于每个时区的所预测的负载和空调目标的空间信息来修改时间表信息中的每个时区的操作状态。

这里，空间信息可以是空调目标的大小、形态、使用目的、室外空气阻挡程度和气密性程度。这里，空调目标的大小可以指宽度或体积，并且空调目标的形态可以是诸如矩形或圆形的结构形状。此外，空调目标的使用目的可以是工作空间、体育设施、表演设施、教室、酒店等。室外空气阻挡程度和气密性程度可以指墙壁的隔离状态和窗户或门的打开或关闭状态。

基于这些信息收集的环境信息可以反映在负载中。例如，处理器140可以将更大的负载值分配给更大的空间，并且控制空调装置100以具有与更大的负载值相对应的更大的输出强度的制冷模式来操作。也就是说，处理器140可以在反映关于空间信息的数据的同时控制空调装置100。

同时，当与时间表信息中的当前时区相对应的负载和与当前收集的环境信息相对应的负载之间的差异是预定值或更大时，处理器140可以基于所收集的环境信息而不是时间表信息来控制驱动器110的操作。

处理器140可以基于预定时间段内收集的环境信息来修改时间表信息。然而，为了修改时间表信息，要求与现有数据有很大差异的数据不应是通过一次性测量获得的数据。这是因为仅仅由于例外情况，所收集的数据可以仅在当前时间例外地具有高或低的测量值。为了修改先前存储在存储器130中的时间表信息，因此有必要在足够长的时间段期间收集环境信息以有意义。也就是说，仅当确定空调装置100的周围环境在未来将继续保持改变时，可以修改时间表信息。

同时，即使在例外情况下，除非修改时间表信息，否则可能会浪费相当多的功率。例如，假设空调装置100被设置为从9点钟至6点钟以制冷(强)模式操作。然而，如果在下午12点钟之后空调装置100周围没有人的事件下空调装置100继续根据时间表信息操作，则将浪费能量。这是因为即使从12点钟至6点钟没有人，空调装置100也可以执行预定操作。

除非这种情况重复，否则处理器140可以不修改先前存储的时间表信息。处理器140在立即反映环境信息中的例外情况中的测量的同时修改时间表信息可以不是优选的。因此，本公开提供了对上述问题的解决方案，而无需修改时间表信息。

当与时间表信息中的当前时区相对应的负载和与当前收集的环境信息相对应的负载之间的差异是预定值或更大时，处理器140可以基于所收集的环境信息而不是时间表信息来控制驱动器110的操作。

这里，处理器140可以控制驱动器110，使得空调装置100以反映当前收集的环境信息的新状态来操作，而不是根据时间表信息中包括的内容来操作。例如，假设空调装置100被设置为从9点钟至6点钟以制冷(强)模式操作。然而，在下午12点钟之后空调装置100周围没有人的事件下，即使包括在时间表信息中的操作状态被指示为制冷(强)模式，处理器140也可以取消此操作并控制空调装置100停止。

同时，处理器140可以基于由传感器120测量的人的体温来控制空调装置100。例如，假设空调装置当前以从上午9点钟至下午6点钟的制冷(弱)模式操作。这是人数通常少的情况，并且所应用的时间表信息被设置为使得空调装置100始终以制冷(弱)状态来操作。在这种情况下，假设在炎热天气中体温接近40度的四个人在大约上午10点钟进入室内。在这种情况下，与所预测的负载不同，可能需要快速降低室内温度的操作。处理器140可以将人数确定为四，并将人的体温确定为40度，然后计算反映这种信息的负载值。当所计算的负载值和已经预测的负载值之间的差异是预定值或更大时，处理器可以取消先前应用的时间表信息，即制冷(弱)模式，并且控制空调装置100以制冷(强)模式操作。

同时，处理器140可以确定每个人的体温，并控制空调装置100将制冷引向体温最高的人。体温最高的人是以一般方式提及的，但是不要求只涉及一个人。当基于人的位置将人分类进一些组时，处理器140可以控制空调装置100将风引向高温人最多的组。

同时，处理器140可以包括随机存取存储器(Random-Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、中央处理单元(Central Processing Unit，CPU)、图形处理单元(Graphic Processing Unit，GPU)和总线。RAM、ROM、CPU和GPU可以经由总线相互连接。

如上所述，根据本公开的实施例的空调装置100使用以时间单位分类的时间表信息来控制。因此，用户不需要每次都控制空调装置100，并且可以提高用户的便利性。

此外，基于所收集的环境信息来修改时间表信息，并且在控制空调装置100中反映修改的时间表信息。因此，本公开使得能够自动控制空调装置100，而不需要用户亲自输入空调装置100的操作状态以适合个人环境，从而提高用户的便利性。

因此，当环境信息被分析为与基本上应用的时间表信息处于不同的模式时，空调装置100执行修改时间表信息的操作。因此，处理器140可以通过将预定时间内收集的环境信息与现有时间表信息进行比较来预测未来的情况。此外，如果所预测的情况不同于现有时间表信息，则处理器140可以修改现有时间表信息，从而使得能够有效地管理空调装置100。

同时，空调装置100可以在不修改现有时间表信息的情况下应对例外情况。处理器140可以将由传感器测量的环境信息与当前应用于空调装置100的时间表信息进行比较。当所比较的信息的两个值之间存在很大差异的例外情况发生时，处理器140可以识别该情况。这里，可以控制驱动器110取消先前应用于空调装置100的时间表信息，使得空调装置100以与所收集的环境信息相对应的状态来操作。

因此，空调装置100可以在不修改现有时间表信息的情况下快速应对例外情况，从而有效地管理空调装置100的功率。此外，用户不需要在例外情况下单独控制空调装置100，从而提高了用户的便利性。

此外，根据本公开的空调装置100可以预先预测环境信息的未来改变，并且在反映所预测的改变的同时进行操作。例如，空调装置100可以在预先预测人数将增加的同时预先操作。基于所预测的时间表信息操作的空调装置100使得能够始终维持舒适的温度。

此外，可以预先预测在空调目标中将没有人，并且因此可以切断空调装置100的电源或者可以预先降低空调装置100的输出强度，从而节省能量。

同时，参考图1，空调装置100已经被描述为内部地修改时间表信息。然而，当实施时，外部服务器可以在每个预定时间向空调装置100传送关于控制操作的命令，分析环境信息，并修改时间表信息。

同时，上面仅示出和描述了配置空调装置100的简单组件。然而，当实施时，空调装置100可以另外包括各种组件。这将在下面参考图2进行描述。

图2是用于解释图1的空调装置100的特定配置的框图。

参考图2，空调装置100可以包括驱动器110、传感器120、存储器130、处理器140、通信器150、操作输入160和显示器170。

上面已经参考图1描述了驱动器110、传感器120、存储器130和处理器140的操作。因此，将省略其重叠描述。

通信器150可以将由传感器120收集的环境信息传送到外部服务器等。这里，外部服务器可以是云服务器300或自动控制服务器400。外部服务器可以基于空调装置100的通信器150发送的信息来执行新生成或修改时间表信息的操作。外部服务器也可以将所生成的或修改的时间表信息传送给空调装置100。这里，空调装置100的通信器150可以从外部服务器接收所生成的或修改的时间表信息。处理器140可以在反映所接收的时间表信息的同时控制空调装置100。

通信器150被配置为根据各种类型的通信方法与各种类型的外部设备通信。通信器150包括Wi-Fi芯片、蓝牙芯片和无线通信芯片。处理器140使用通信器150与各种外部设备通信。

操作输入160可以接收多个初始时间表信息当中的一个时间表信息。为了将先前存储在存储器130中的多个初始时间表信息中的一个应用于空调装置100，用户可以通过操作输入160选择一个时间表信息。

操作输入160可以是接收用户的控制命令的组件。这可以是以安装在空调装置100中的按钮的形式。一般地，空调装置100的操作输入160可以包括多个按钮，这些按钮可以包括用于控制电源的按钮、用于选择操作模式的按钮、用于选择操作模式中的输出强度的按钮等。然而，这是示例性的，并且还可以添加与其他功能相对应的按钮。

操作输入160可以被实施为诸如按钮、触摸板、鼠标或键盘的设备，或者可以被实施为能够执行显示器170的上述功能以及操作输入功能的触摸屏。

显示器170还可以显示所收集的环境信息、时间表信息和空调装置100的当前操作状态。此外，显示器170可以显示用于选择多个时间表信息的用户界面。

然而，并不旨在限制显示器170上显示的内容，而是可以显示需要传送给用户的所有相关信息。

显示器170可以显示用于接收用户控制命令的用户界面窗口。显示器170可以被实施为各种类型(诸如液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light Emitting Diode，OLED)显示器、等离子体显示面板(Plasma DisplayPanel，PDP)和触摸屏)中的任何一种类型的显示器。

同时，显示器170可以包括用于感测用户的触摸手势的触摸传感器。触摸传感器可以被实施为各种类型(诸如静电型、压敏型和压电型)中的任何一种类型的传感器。静电型是这样一种类型，其中使用涂覆在显示器的表面上以当用户的身体的一部分触摸显示器的表面时感测由用户的身体激发的微电的电介质来计算触摸坐标。压敏型是这样一种类型，其中通过使用嵌入在显示器中、使得当用户触摸屏幕时上板和下板在触摸点处彼此接触的两个电极板感测电流来计算触摸坐标。

同时，上面已经描述了一个显示器170执行显示功能和触摸手势感测功能两者。然而，当实施时，显示功能和手势感测功能可以由不同的组件来执行。也就是说，显示器可以通过组合仅能够显示图像的显示设备和仅能够感测触摸的触摸面板来实施。

同时，至此已经参考图1和图2描述了空调装置100的处理器140在每个预定时间执行向空调装置100传送关于控制操作的命令、分析所收集的环境信息以及生成或修改时间表信息的操作。

然而，根据本公开的另一实施例，外部设备等可以在每个预定时间向空调装置100传送关于控制操作的命令、分析环境信息以及生成或修改时间表信息。

图3是用于解释根据本公开的实施例的控制空调装置100的系统1000的框图。

本地控制器200一般可以指控制空调装置100的遥控器。例如，遥控器等能够进行短程控制。遥控器可以是红外(infrared，IR)遥控器、蓝牙遥控器等。然而，遥控器不限于上述种类的遥控器，并且在根据本公开的控制方法中可以使用各种类型的遥控器。

然而，本地控制器200可以指能够与空调装置100通信的用户终端设备，而不是遥控器。用户终端设备可以是智能电话、平板电脑等。然而，用户终端设备不限于此，并且可以是能够在每个预定时间向空调装置100传送关于控制操作的命令、分析环境信息以及生成或修改时间表信息的用户终端设备。

此外，远程控制器可以指能够在长距离而不是短距离控制空调装置100的设备。例如，远程控制器可以是连接到空调装置100的云服务器300。云服务器300可以在每个预定时间执行向空调装置100传送关于控制操作的命令、分析环境信息以及生成或修改时间表信息的操作，并且可以将其结果传输给空调装置100。

例如，空调装置100可以每小时从云服务器300接收控制命令，并执行对应的操作。

此外，自动控制服务器400可以与空调装置100通信。以与云服务器300相同的方式，外部自动控制服务器400可以在每个预定时间执行向空调装置100传送关于控制操作的命令、分析环境信息以及生成或修改时间表信息的操作，并且可以将其结果传输给空调装置100。

同时，至此已经参考图1至图3详细描述了空调装置100的组件。本公开的实施例已经提到了包括取决于时间的信息的时间表信息，这将在下面描述。

时间表信息可以是一组控制命令，其中所收集的环境信息和关于与环境信息相对应的操作状态的信息被布置成与时间相对应。例如，在基于每天的时间表信息中，可以存储被设置为在从早到晚的特定时间执行特定操作的命令。因此，当时间表信息被应用于空调装置100时，即使用户没有亲自控制空调装置100，处理器140也可以自动控制空调装置100。

这里，时间表信息可以包括每小时存储的环境信息和基于环境信息的空调装置100的操作状态。

这里，环境信息可以包括室内温度、室外温度、湿度、空调目标中的人数、人的温度或粉尘量中的至少一个。这里，环境信息可以由传感器120收集或测量。

这里，操作状态可以包括关于操作模式和输出强度的信息。操作模式可以指不同的模式，诸如制冷、制热、吹风和空气净化功能，并且输出强度可以指相同操作模式中的不同输出，诸如制冷(强)、制冷(中)和制冷(弱)。

这里，操作状态不限于操作模式和输出强度，并且可以另外包括关于功能和操作的信息。此外，操作模式和输出强度不限于上述元素，并且可以包括附加功能。

同时，操作状态可以与所收集的环境信息相对应。处理器140应该分析所收集的环境信息，并设置与其相对应的操作状态。这里，所收集的环境信息非常多样，因此，反映多样的环境信息的过程可能非常复杂。这里，机器学习方法可以用作一种方式，这将在稍后参考图11进行描述。

为了确定与所收集的环境信息相对应的操作状态，根据本公开的实施例的空调装置100可以使用负载的概念。

负载可以指对控制温度有影响的热负载。例如，假设在空调装置100的性能恒定的条件下，当前温度为30度，并且目标温度为25度。当负载高时，空调装置100需要比负载低时操作更长时间来达到目标温度。也就是说，如果负载高，达到目标温度花费长的时间，并且如果负载低，达到目标温度花费短的时间。

这里，空调装置100可以根据负载的改变来确定是否增加输出。例如，如果空调目标的目标温度始终为25度，则在高负载时间，输出也被设置为高，从而维持目标温度。

因此，负载可以指对达到目标温度的时间有影响的各种信息。然而，在本公开的实施例中，负载被用来指各种环境信息被组合在其中的一个代表值，而不是每个信息。具体地，负载可以是通过反映室内温度、室外温度、湿度、空调目标中的人数、人的体温或粉尘量中的至少一个来计算的值。

这里，当组合不同类型的环境信息时，可以通过与每个信息相对应的转换过程来计算一个负载值。

例如，如果人数为30，并且当前温度为27度，则可以针对人数分配+30，并且可以针对当前温度27度分配+5。这里，负载可以是35。每个分配的数值可以根据用户的设置而改变。

时间表信息中的每个时区的操作状态可以基于每个时区的所预测的负载来修改。如在上述示例中，假设当前人数为30，并且当前温度为27度。这里，所预测的负载是35，并且操作状态可以被确定为与负载值35相对应。操作状态可以被设置为制冷(强)模式，并且与负载值35相对应的操作状态可以根据用户的设置而改变。

同时，根据本公开的实施例，负载可以通过组合多个环境信息来预测和确定，而不仅仅基于当前时间的信息。例如，当假设今天9点钟的负载是35，并且明天9点钟的负载是30时，后天的负载可以被预测为32.5，这是35和30的平均值。这里，仅举例说明平均值，但是所预测的负载值可以通过各种数学方法来确定。

以这种方式获得的负载可以取决于时间具有不同的值，这将在下面参考图4至图7详细描述。

图4至图7是用于解释根据本公开的实施例的取决于时间的负载的改变量的图。

图4是用于解释根据本公开的实施例的负载相对于时间的改变量的图。

参考图4，负载具有从9点钟至6点钟的恒定值，并且其他时间的负载为0。这里，负载保持恒定，不随时间调整负载的波动范围。因此，反映这一点的时间表信息可以使得空调装置100能够被设置为以从9点钟至6点钟的恒定输出来操作。

这里，图4可以与负载模式相关，并且负载模式可以示出负载随时间的改变。

这里，反映图4的时间表信息可以被设置为基本时间表信息。当空调装置100被首次安装时，由于没有存储数据，所以时间表信息应该被设置为最简单的一个。因此，反映图4的时间表信息可以被设置为基本时间表信息。这里，负载改变的空调装置100的操作开始时间和操作结束时间(即9点钟和6点钟)可以改变。

图5是用于解释根据本公开的另一实施例的负载的改变量的图。

参考图5，在9点钟之前没有负载，并且在9点钟之后负载急剧增加。这反映了针对诸如办公室或学校的空间的时间表，人们在大约9点钟到达该空间。这里，大多数人从12点钟至1点钟(即午餐时间)在空调目标之外，并且负载减少。12点钟和1点钟之间的负载不为零(0)的原因是为了反映一种可能性，即可能有人看守办公室或有人没有吃午餐。此外，随着在1点钟之后人数再次增加，负载也从1点钟再次增加。在6点钟(即下班/放学时间)之后，负载降回零。

图6是用于解释根据本公开的另一实施例的负载的改变量的图。

参考图6，它对应于与图5相反的情况。例如，它可以对应于在12点钟和1点钟之间具有高负载并且在其他时间具有低负载的空间。它可以对应于诸如餐馆的情况，其中仅在午餐时间期间负载高。这里，它可以对应于其中人们从12点钟至1点钟如图5所示外出并移动到与图6相对应的空间的情况。参考图6，除了12点钟至1点钟之外的时间的负载没有被指示为零(0)，因为有工人在餐馆工作。

同时，尽管关于图6没有示出，但是可以存在仅在12点钟和1点钟之间挤满人但没有人在那里固定工作的空间。例如，它可以对应于休息室。休息室仅在12点钟和1点钟之间挤满人，并且其他时间人们不来那里。因此，除了12点钟至1点钟之外的时间的负载可以为零(0)。

图4至图6示出了负载量瞬时改变的图形。在这些情况下，负载可以按小时测量。实际上，可以在更短的时间周期上存在人的改变，这将在下面参考图7进行描述。

图7是用于解释根据本公开的另一实施例的负载的改变量的图。

参考图7，示出了缩短测量周期以检查负载以特定速度增加。在图4至图6中，负载是按小时测量。然而，如果测量持续时间缩短，则关于负载的改变量的斜率可以如图7所示。

此外，如图7所示，可以不存在取决于时间的规律性。在图4至图6中，示出了从上午9点钟至下午6点钟的特定模式，但是在图7中，在没有特定模式的情况下重复增加和减少。

如果负载的改变量被检测为处于如图7所示的模式，则处理器140可能不容易预测负载。因此，处理器140可以应用如图4中的一般时间表信息。这里，空调装置100可以根据在特定时间改变的负载的平均值来控制。

上述图4至图7示出了取决于时间的负载值的改变，负载值是从取决于时间而变化的环境信息(例如，温度或人数)转换而来的。

负载值的改变可以通过传感器120收集的环境信息来计算。

同时，环境信息可以包括空间信息、时间信息和人信息。

空间信息可以是空调目标的大小、形态、使用目的、室外空气阻挡程度和气密性程度。这里，空调目标的大小可以指宽度或体积，并且空调目标的形态可以是诸如矩形或圆形的结构形状。此外，空调目标的使用目的可以是工作空间、体育设施、表演设施、教室、酒店等。室外空气阻挡程度和气密性程度可以指墙壁的隔离状态和窗户或门的可打开和可关闭状态。

例如，在空调目标为正方形结构并且人数为五的相同条件下，假设空间A的宽度为100，并且空间B的宽度为200。当当前温度为30度，目标温度被设置为25度，并且相同的空调装置100被用于具有相同输出的制冷功能时，空间B可以被预测为花费更长的时间来达到目标温度。

因此，关于宽度的数据可以被转换成负载值。具体地，宽度的增加导致负载的增加，但它们不被认为一定是成比例的。因此，可以通过实验来检查取决于上述空间信息(诸如空间的形式、宽度和使用目的)的负载的实际改变。使用通过实验确定的相关性，空调装置100可以将空间信息的测量值转换成负载值。此外，上述相关性可以基于所收集的环境信息来确定。

这里，空调装置100可以通过使用所转换的负载值来确定达到目标温度的时间。

时间信息可以是空调装置100的操作开始时间和操作结束时间、用于节省能量的有效操作所需时间段以及室内温度迅速上升(或下降)的时间。另外，是否操作空调装置100可以取决于季节。因此，时间信息可以包括关于季节的信息。

例如，从六月至八月，由于来自外部的大量热量，即使在相同空间，达到目标温度也可能花费更长的时间。因此，负载可以被添加到从六月至八月的时间段的时间信息。具体地，空调装置100可以执行将从六月至八月的时间段的负载值加上+20的操作。

人信息可以包括人数、人的温度、人的密度、人的活动、衣物量、年龄、种族(或名族或国家)以及用户指定的设置记录。

人可以指存在于空调目标中的人们，并且人的密度可以指相对于空调目标的宽度的人数。人的活动的确定可以指确定空调目标中的人是静止的还是移动的。如果人移动了一定时间，则空调装置100可以确定他们正在运动。这里，可以预先预测人将很快感觉到热，并且处理器140可以预先增加空调装置100的输出。

图8至图10是用于解释根据本公开的实施例的收集环境信息的操作的图。

图8是用于解释空调装置100在其中操作的空调目标800中有人的状态的图。

参考图8，空调装置100可以使用传感器120来确定空调目标800中的人数。在图8中，人被表示为不规则地坐落，但是传感器120可以确定人数，即使人以规则的形式存在。例如，即使在人的密度非常高的空间中，也可以确定人数。

图9是用于解释根据本公开的另一实施例的人的移动的图。

参考图9，意图是一个人走出空调目标800的空间。在这种情况下，空调装置100可以使用传感器120来确定空调目标800的空间中的人数的改变。具体地，传感器120可以检测人的移动，并且因此确定空调目标800的空间中的人数的改变。

这里，空调装置100可以通过在每个预定时间检查空调目标800中当前存在的人数，而不是检测人的移动，来确定人数的改变。

同时，负载反映取决于时间而变化的环境信息，但也可以反映不取决于时间而变化的环境信息。例如，它可以是空间信息。通常，一旦安装空调装置100，其位置很少改变，因此，空调目标800不取决于时间而改变。也就是说，空调装置100一旦安装，其空调目标800(即办公室或教室)就具有恒定的面积，反映这一点的负载可以是恒定的。

图8至图9示出了形态800，其中空调目标800具有直角的拐角部分，但是传感器120也可以检测具有弯曲的拐角的空调目标的形态。

图10是用于解释根据本公开的另一实施例的空调目标的图。

参考图10，空调装置100的传感器120可以检测空调目标的形态。参考图10，即使当空调目标不是一般的矩形结构时，也可以使用传感器120检测特定的形态。传感器120可以检测具有不寻常形态900的空间，如图10所示。

图11是用于解释根据本公开的实施例的学习模型的图。

参考图11，在本公开中，负载信息可以由基于机器学习的识别系统来计算。在本公开中，基于深度学习的识别系统被描述为使用基于神经网络的一系列机器学习算法的分类系统的示例。

具体地，基于深度学习的识别系统可以包括至少一个分类器。分类器可以对应于一个或多个处理器140。处理器140可以被实施为多个逻辑门的阵列，或者被实施为通用微处理器140和存储可以在微处理器140中执行的程序的存储器130的组合。分类器可以被实施为基于神经网络的分类器、支持向量机(Support Vector Machine，SVM)、adaboost分类器、贝叶斯分类器、感知器分类器等。下面将描述本公开的实施例，其中分类器被实施为基于卷积神经网络(Convolutional Neural Network，CNN)的分类器。作为一种被实施为通过使用由连接线连接的多个人工神经元来仿真生物系统的计算能力的算术运算模型，基于神经网络的分类器通过具有连接强度(权重)的连接线来执行人类的认知功能或学习过程。然而，本公开的分类器不限于此，并且可以被实施为上述各种分类器中的任何一种。

一般的神经网络包括输入层1110、隐藏层1120和输出层1130。取决于需要，隐藏层1120可以包括一层或多层。作为训练神经网络的算法，可以使用反向传播算法。

分类器可以训练神经网络，使得如果某些数据被输入到神经网络的输入层1110，则关于输入学习数据的输出数据被输出到神经网络的输出层1130。如果从捕获的图像中提取的特征信息被输入，则分类器可以通过使用神经网络将特征信息的模式分类为各种类别中的任何一种，并输出分类结果。

这里，输入层1110可以是由传感器120测量的数据值。例如，输入层1110的节点1111、1112和1113可以是温度、湿度、人数、人的体温、人的行为、空间的大小、空间的结构等。上述输入层1110的示例仅用于说明目的，并不限于此。也就是说，输入层1110的节点的数量可以根据用户的设置而改变。

参考图11，输入层1110的节点1111、1112和1113以三种类型示出，但是这可以改变。

通过传感器120接收的数据可以对应于输入层1110。这里，输出层1130可以是驱动器110的输出强度或驱动器110的操作模式。

具体地，处理器140可以通过从传感器120接收的各种数据来确定包括在时间表信息中的驱动器110的操作模式或输出强度。这里，处理器140可以基于根据驱动器110的操作模式或输出强度的功耗是否合适来学习。在学习过程中，也可以考虑达到目标温度的时间。处理器140可以在考虑达到目标温度的时间的同时进行学习，其中驱动器110的操作模式或输出强度被获得作为输出值。

同时，输出层1130可以被设置为负载，因为操作模式或输出强度可以取决于负载的大小而变化。

同时，处理器140需要基于从传感器120接收的数据来计算用于最终控制驱动器110的输出值。因此，处理器140可以使用基于深度学习的识别系统作为使用基于神经网络的一系列机器学习算法的分类系统。

另外，尽管隐藏层1120在图11中被表示为包括两级，但是分类系统可以仅包括一级隐藏层。此外，隐藏层1120中包括的节点的数量也可以改变。

图12至图17是用于解释时间表信息的图。

图12A是用于解释取决于时间的负载的改变的图。

参考图12A，基于每天将多个负载1210分类为负载#1 1211、负载#2 1212和负载#31213。

时间是按小时分类，并且负载取决于所分类的时间1220而变化。例如，负载#11211当中从9点钟至12点钟的负载为30。负载#1 1211、负载#2 1212和负载#3 1213是指基于每天的负载信息。基于每天地，针对每小时来存储负载值。

图12B是用于解释与负载相对应的空调装置100的操作状态的图。

参考图12B，操作状态#1 1231、操作状态#2 1232和操作状态#3 1233是指基于每天的操作状态信息。基于每天地，针对每小时1240来存储操作状态值。

这里，与图12A所示的时间不同，图12B所示的时间是从45分钟开始按小时设置的。操作状态是指空调装置100的操作功能，并且负载可以对确定操作状态有影响。处理器140通过使得空调装置100能够相对于取决于时间的负载预先操作，使得维持合适的目标温度成为可能。因此，操作状态可以比测量负载值的时间早15分钟应用。

这里，15分钟是用于解释的一个值，并且可以根据用户的设置进行改变。此外，即使在没有用户的手动设置的情况下，处理器140也可以自动计算并应用最佳操作时间来进行有效的功率管理。

这里，操作状态可以包括关于操作模式和输出强度的信息。操作模式可以指不同的模式，诸如制冷、制热、吹风和空气净化功能，并且输出强度可以指相同操作模式中的不同输出，诸如制冷(强)、制冷(中)和制冷(弱)。这里，操作状态不限于操作模式和输出强度，并且可以另外包括关于功能和操作的信息。

同时，尽管图12A中描述的时间1220和图12B中描述的时间1240被设置为一小时的间隔，但是这仅仅是示例，并且时间间隔可以被设置为按15分钟。当然，时间间隔可以被设置得很小来表示负载信息和操作状态信息两者。

图12C是用于解释包括负载信息和操作状态信息两者的一个时间表信息的图。

时间表信息可以包括环境信息和操作状态，并且可以基于环境信息来计算负载。也就是说，时间表信息可以包括负载和操作状态两者。

参考图12C，其示出了部分时间表信息#1 1250，包括负载#1 1211当中从8点钟至10点钟的负载1221(在图12A中)和操作状态#1 1231(在图12B中)当中从7：45到9：45的操作状态1241(在图12B中)。参考图12C，可以看到负载#1 1211和操作状态#1 1231在按15分钟分类的时间1260被存储。

具体地，负载在9点钟之前为零(0)，并且从9点钟开始为30。空调装置100需要在从9点钟开始具有30的负载的空调目标中预先操作。这是因为如果空调装置100从负载变为30的9点钟开始操作，用户可能已经感觉到热。

因此，空调装置100的操作状态可以比负载变为30时的时间点早15分钟被改变为制冷(强)模式。此外，如果在09：45确定室内温度已经充分降低，并且在15分钟之后负载没有改变，则操作状态可以被改变为制冷(中)模式。

由于空调装置100在9点钟之前不操作，操作模式可以被设置为制冷模式，并且输出强度可以被设置为强强度以达到目标温度。然而，为了在一定时间之后维持目标温度，输出强度可以被设置为中强度。

这仅仅是为了示出操作状态的示例性改变，并且操作状态可以以不同的方式改变。

图13是用于解释通过组合图12A所示的单独的负载#1 1211、负载#2 1212和负载#3 1213来预测下一负载的图。

参考图13，负载#1 1211、负载#2 1212和负载#3 1213具有从12点钟至1点钟的不同负载值，而在其他时区具有相同负载值。这里，1310是针对负载#1 1211的图形，1320是针对负载#2 1212的图形。此外，1330是针对负载#3 1213的图形。

此外，1340是其中负载#1 1211、负载#2 1212和负载#3 1213都被组合以预测下一负载值的图形。在1340中，下一负载值被预测为负载#1 1211、负载#2 1212和负载#3 1213的平均值。例如，对于负载#1 1211，12点钟和1点钟之间的负载值为0；对于负载#2 1212，12点钟和1点钟之间的负载值为5；并且对于负载#3 1213，12点钟和1点钟之间的负载值为25。这里，所预测的负载值可以通过10＝(0+5+25)/3的计算过程来产生。

然而，这仅仅是一种方法，并且合理的负载值可以通过另一数学方法来预测。所预测的负载值然后可用于新生成或修改时间表信息。

图14是仅示出时间表信息当中的负载值的表格。

参考图14，负载值可能仅反映人数。传感器120可以测量取决于时间的人数。在确定之后，所测量的人数可以被转换成对应的负载值，并针对每小时来存储。

参考图14，负载被示出为在每周周期中按小时改变。此外，时间是按小时分类的，并且可以基于针对一周中的每一天(即星期一1411、星期二1412、星期三1413、星期四1414、星期五1415、星期六1416和星期日1417)的所分类的时间1420来查看负载信息。

基本上，从星期一1411至星期五1415有一定的负载，但是星期六1416和星期日1417没有负载。这里，空调目标可能是周末无人的教室或办公室。

此外，负载在上午9点钟之前和下午6点钟之后为零(0)。这里，空调装置100可以被控制为不操作。从上午9点钟至下午12点钟的大部分负载被指示为30。这可以意味着关于人数的负载值为30。

这里，星期四从上午9点钟至下午12点钟的负载值可以被设置为29(1430)，这意味着空调目标中有一个人不寻常地缺席。例如，当一个人由于他/她在出差或迟到而在特定时间不在空调目标中时，这可以通过传感器120来确定。

此外，从12点钟至13点钟(即午餐时间)，负载被表示为5，这指示大多数人在空调目标之外，并且只有一些人留在那里(1440)。因此，从12点钟至13点钟的负载可以被设置为5。在13点钟之后，人们返回到空调目标，并且负载值可以被设置回30。

同时，星期二和星期四从14点钟至15点钟的负载被指示为1(1450)。这是基于这样的假设，即大多数人不在空调目标中，因为他们在一周中的特定天在上体育课。这里，反映的情况是只有一个人留在那里，并且负载实际上可以为零(0)或大于1。一般地，某个班的体育课按周在固定的时间进行。因此，下个星期二和星期四从14点钟至15点钟的负载值可以相似。

因此，处理器140可以发出与时间表信息相对应的控制命令。例如，空调装置100的输出可以在星期二和星期四的14点钟之前降低，以避免浪费不必要的功率。

此外，负载可以在星期一和星期三从16点钟至18点钟为10(1460)，但是在星期二、星期四和星期五可以为零(0)。这反映出，一节课通常在16点钟结束并且在其之后没有人在空调目标中，但是在星期一和星期三，从16点钟至18点钟，少数人留在该空间中进行其他活动。

可以在反映关于空调装置100的空调目标的信息的同时存储负载值。所存储的负载值可以通过处理器140反映在时间表信息中。

例如，将描述反映图14的内容的时间表信息。

在星期一的情况下，在预测负载在上午9点钟迅速增加到30的情况下，时间表信息可以包括用于从上午8：45开始操作空调装置100的控制命令。在预测负载在12点钟减少到5的情况下，时间表信息还可以包括用于从11：45开始停止空调装置100的操作的命令。

在预测负载从13点钟开始迅速增加回30的情况下，时间表信息可以包括用于预先在12：45操作空调装置100的控制命令。在预测负载在16点钟减少回10的情况下，时间表信息可以包括用于从15：45开始将空调装置100的操作模式改变到低输出模式的控制命令。此后，在预测负载在18点钟之后变为零(0)的情况下，控制单元可以包括从17：45开始停止空调装置100的操作模式的控制命令。

在上述方法中，负载改变的时间被表示为在诸如9点钟、12点钟、16点钟或18点钟的每小时准点，并且假设空调装置100在每小时准点之前15分钟执行与控制命令相对应的操作。然而，取决于测量负载的时间，负载可以以特定的时间间隔而不是每小时准点来改变。例如，当按30分钟测量负载时，可以存储8：30、9点钟和9：30时的负载，并且时间表信息可以包括与30分钟间隔相对应的控制命令。

此外，上面描述了在负载改变的时间之前15分钟控制空调装置100的操作，但是该时间可以改变。

此外，处理器140可以使用最小功率来计算用于达到目标温度的控制命令，以进行有效的功率管理，而不使空调装置100的性能最大化。例如，在图14中的星期一的9点钟的情况下，在负载在9点钟改变为30的情况下，可以有各种方式达到作为目标温度的25度。在第一种方法中，利用强的制冷输出强度，目标温度可以在5分钟内达到。在第二种方法中，利用弱的制冷输出强度，目标温度可以在15分钟内达到。这里，可以使用当前温度和当前负载来计算达到目标温度的时间。此外，处理器140可以执行这样的控制，以便比较第一种方法和第二种方法中的操作的功耗，从而选择更有效的方法。

图14示出了其中仅人数反映在负载中的实施例，但是有可能在负载中反映取决于时间和特殊情况的负载信息以及人数。下面将参考图15描述这样的实施例。

图15是示出根据本公开的另一实施例的按周的负载信息的图。

参考图15，负载可以在星期一至星期五的13点钟至15点钟增加大约+10。从下午13点钟至下午15点钟，大量的热量从外部引入，因此与其他时区相比，降低温度花费更长的时间。为了反映这一点，因此可以从13点钟至15点钟另外地反映负载值，并且负载被表示为40(1510)。这里，星期二和星期四从14点钟至15点钟有很少的人，这可以不被反映为与其中来自外部的热量大的时区相对应。

同时，星期二和星期四的15点钟的负载与一周中的其他天的15点钟的负载相比相差两倍。这是基于这样的假设，即人在星期二和星期四从14点钟至15点钟的体育活动之后回来。当人在体育活动之后回来时，人的体温可以很高，并且人可以感觉到非常热。反映这种情况的负载被表示为60(1520)。

这种改变按周重复。因此，可以使用所存储的数据来检查室内温度是否重复地在特定时间增加。如果上升模式已经被重复地示出预定次数或更多次，则负载可以被升高，并且升高的负载可以被存储，如图15所示。在负载改变之后，可以在反映该改变的同时生成或修改时间表信息。

同时，时间表信息可以对应于用于空调装置100分析针对特定时间段存储的数据并取决于时间执行对应的操作的控制命令的组合。这里，时间表信息根据所存储的负载的改变而改变，但是通常时间表信息一旦被应用就基本保持不变。

然而，本公开的实施例可以包括改变所应用的时间表信息的操作。

图16是用于比较与所应用的时间表信息相对应的负载1610和当前测量的负载1620的图。

参考图16，从上午9点钟至下午12点钟的负载被测量为与当前应用的负载相同。然而，下午12点钟之后的负载被指示为零(0)。如果空调装置100继续操作以对应于所应用的时间表信息，而不管负载的改变，则功率将被浪费很多。当然，如果用户在离开时关闭电源，这将被解决的，但是本公开的目的是自动控制空调装置100。因此，本公开为此提供了解决方案。

处理器140可以计算应用时间表信息的负载1610和所测量的负载1620之间的差值。这里，处理器140可以确定差值是否对应于预定条件。当差值大于某个值时，处理器140可以应用反映新控制命令的时间表信息而不是现有时间表信息。

例如，在图16中，在12点钟之后测量的负载值1620维持为零(0)。先前的负载1610从12点钟至1点钟也是低的，并且处理器140可以不应用新的时间表信息。然而，在1点钟之后，与先前负载1610的差异很大，这对应于预定条件，并且处理器140可以不应用现有时间表信息。这里，可以在不应用现有时间表信息的情况下调节驱动器110的输出强度。

图17是用于解释时间表信息的修改或生成的图。

此外，如果参考图16描述的情况重复预定次数或更多次，则该情况不被认为是例外的，并且可以确定现有模式已经改变。因此，如图17所示，可以生成新的负载模式1710。这里，可以修改现有时间表信息或者可以生成新的时间表信息。

此外，也可以应用新生成的时间表信息，而不是应用当前应用于空调装置100的时间表信息。

图18是用于解释根据本公开的实施例的空调装置100的控制方法的流程图。

参考图18，在空调装置100的控制方法中，空调装置100的预定功能可以基于时间表信息来执行(S1810)。这里，控制方法还可以包括先前在空调装置100中存储一周中的每一天的多个时间表信息。在执行中，空调装置100的预定功能可以基于多个时间表信息当中的与一周中的当前天相对应的时间表信息来执行。此外，空调装置100的预定功能可以基于用户在先前存储的多个初始时间表信息当中选择的初始时间表信息来执行。此外，当时间表信息中的当前时区的负载和与当前收集的环境信息相对应的负载之间的差异是预定值或更大时，可以基于所收集的环境信息而不是时间表信息来执行预定功能。

这里，可以收集空调装置100的周围环境信息(S1820)，并且可以存储所收集的周围环境信息(S1830)。这里，环境信息可以包括室内温度、室外温度、湿度、空调目标中的人数或粉尘量中的至少一个。

这里，可以基于在预定时间段期间收集的环境信息来修改时间表信息(S1840)。在修改中，可以通过对存储的每个时区的所收集的环境信息进行分类，并将每个时区的所分类的环境信息与时间表信息中的每个时区的操作状态进行比较，来修改时间表信息。此外，可以基于每个时区的所分类的环境信息来预测每个时区的负载，并且可以基于每个时区的所预测的负载来修改时间表信息中的每个时区的操作状态。此外，可以使用预定的学习模型从每个时区的所分类的环境信息中预测每个时区的操作状态，并且可以通过基于每个时区的所预测的负载确定该时区的空调装置100的操作模式和操作模式中的输出强度，来修改时间表信息中的每个时区的操作状态。此外，可以基于每个时区的所预测的负载和空调目标的空间信息来修改时间表信息中的每个时区的操作状态。

如上所述，根据本公开的实施例的空调装置100使用以时间单位分类的时间表信息来控制。因此，用户不需要每次都控制空调装置100，并且可以提高用户的便利性。

此外，基于所收集的环境信息来修改时间表信息，并且在控制空调装置100中反映修改的时间表信息。因此，可以自动控制空调装置100，而不需要用户控制空调装置100的操作状态以适合个人环境，从而提高用户的便利性。

这里，当环境信息被分析为与基本上应用的时间表信息处于不同的模式时，空调装置100执行修改时间表信息的操作。因此，处理器140可以通过将预定时间内收集的环境信息与现有时间表信息进行比较来预测未来的情况。此外，如果所预测的情况不同于现有时间表信息，则处理器140可以修改现有时间表信息，从而使得能够有效地管理空调装置100。

同时，空调装置100可以在不修改现有时间表信息的情况下应对例外情况。处理器140可以将由传感器测量的环境信息与当前应用于空调装置100的时间表信息进行比较。当所比较的信息的两个值之间存在很大差异的例外情况发生时，处理器140可以识别该情况。这里，可以控制驱动器110取消先前应用于空调装置100的时间表信息，使得空调装置100以与所收集的环境信息相对应的状态来操作。

因此，空调装置100可以在不修改现有时间表信息的情况下快速应对例外情况，从而有效地管理空调装置100的功率。此外，用户不需要在例外情况下单独控制空调装置100，从而提高了用户的便利性。

此外，根据本公开的空调装置100可以预先预测环境信息的未来改变，并且在反映该改变的同时进行操作。例如，空调装置100可以在预先预测人数将增加的同时预先操作。基于所预测的时间表信息操作的空调装置100使得能够始终维持舒适的温度。

此外，可以预先预测在空调目标中将没有人，并且因此可以切断空调装置100的电源或者可以预先降低空调装置100的输出强度，从而节省能量。

同时，通过使用软件、硬件或其组合，上述各种实施例可以通过计算机或类似设备可读的记录介质来实施。对于硬件实施方式，本公开中描述的实施例可以使用专用集成电路(Application Specific Integrated Circuit，ASIC)、数字信号处理器(DigitalSignal Processor，DSP)、数字信号处理设备(Digital Signal Processing Device，DSPD)、可编程逻辑器件(Programmable Logic Device，PLD)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、处理器140、控制器、微控制器、微处理器140或用于执行功能的其他电气单元中的至少一个来实施。在一些情况下，本说明书中描述的实施例可以由处理器140自身实施。对于软件实施方式，本说明书中描述的实施例，诸如过程和功能，可以由单独的软件模块来实施。每个软件模块可以执行本说明书中描述的一个或多个功能或操作。

同时，用于执行根据上述本公开的各种实施例的空调装置100的处理操作的计算机指令可以存储在非暂时性计算机可读记录介质中。当由特定设备的处理器140执行时，存储在非暂时性计算机可读介质中的计算机指令可以使得特定设备执行根据上述各种实施例的空调装置100的处理操作。

非暂时性计算机可读介质是指半永久地存储数据而不是短期存储数据的介质，诸如寄存器、高速缓存或存储器130，并且可由装置读取。非暂时性计算机可读介质的特定示例可以包括光盘(Compact Disc，CD)、数字多功能盘(Digital Versatile Disk，DVD)、硬盘、蓝光光盘、通用串行总线(USB)、存储器130卡或ROM。

尽管上文已经示出和描述了本公开的优选实施例，但是本公开不限于如上所述的特定实施例，并且本公开所属领域的技术人员可以在不脱离如所附权利要求中要求保护的本公开的主旨的情况下进行各种修改。不应从本公开的精神或前景来单独理解这些修改。

Claims (13)

1.一种空调装置，包括：

驱动器，被配置为执行所述空调装置的预定功能；

传感器，被配置为收集所述空调装置的周围环境信息；

存储器，被配置为在其中存储所收集的环境信息；和

处理器，被配置为基于其中根据时间改变来定义操作状态的时间表信息来控制所述驱动器的操作，并且基于在预定时间段期间收集的环境信息来修改所述时间表信息，

其中，所述处理器还被配置为：

计算在对应于所述时间表信息的负载和对应于所收集的环境信息的负载之间的差值，

基于所述差值大于阈值，通过对存储在所述存储器中的每个时区的所收集的环境信息进行分类，并将每个时区的所分类的环境信息与所述时间表信息中的每个时区的操作状态进行比较，来修改所述时间表信息。

2.根据权利要求1所述的空调装置，其中，所述处理器被配置为基于每个时区的所分类的环境信息来预测每个时区的负载，并且基于每个时区的所预测的负载来修改所述时间表信息中的每个时区的操作状态。

3.根据权利要求2所述的空调装置，其中，所述处理器被配置为使用预定的学习模型从每个时区的所分类的环境信息中预测每个时区的操作状态。

4.根据权利要求2所述的空调装置，其中，所述处理器被配置为通过基于每个时区的所预测的负载确定所述每个时区的所述空调装置的操作模式和所述操作模式中的输出强度，来修改所述时间表信息中的每个时区的操作状态。

5.根据权利要求2所述的空调装置，其中，所述处理器被配置为基于每个时区的所预测的负载和空调目标的空间信息来修改所述时间表信息中的每个时区的操作状态。

6.根据权利要求1所述的空调装置，其中，所述环境信息包括室内温度、室外温度、湿度、空调目标中的人数、或粉尘量中的至少一个。

7.根据权利要求1所述的空调装置，其中，所述存储器被配置为存储一周中的每一天的多个时间表信息，并且

所述处理器被配置为基于所述多个时间表信息当中的与一周中的当前天相对应的时间表信息来控制所述驱动器。

8.根据权利要求1所述的空调装置，其中，所述存储器被配置为存储多个初始时间表信息，并且

所述处理器被配置为基于用户在所述多个初始时间表信息当中选择的初始时间表信息来控制所述驱动器的操作。

9.根据权利要求1所述的空调装置，其中，所述处理器被配置为当所述时间表信息中的当前时区的负载和与当前收集的环境信息相对应的负载之间的差异是预定值或更大时，基于所收集的环境信息而不是所述时间表信息来控制所述驱动器的操作。

10.一种空调装置的控制方法，所述控制方法包括：

基于其中根据时间改变来定义操作状态的时间表信息来执行所述空调装置的预定功能；

收集所述空调装置的周围环境信息；

存储所收集的环境信息；和

基于在预定时间段期间收集的环境信息来修改所述时间表信息，

其中，所述修改包括：

计算在对应于所述时间表信息的负载和对应于所收集的环境信息的负载之间的差值，

基于所述差值大于阈值，通过对存储的每个时区的所收集的环境信息进行分类，并将每个时区的所分类的环境信息与所述时间表信息中的每个时区的操作状态进行比较，来修改所述时间表信息。

11.根据权利要求10所述的控制方法，其中，在所述修改中，基于每个时区的所分类的环境信息来预测每个时区的负载，并且基于每个时区的所预测的负载来修改所述时间表信息中的每个时区的操作状态。

12.根据权利要求11所述的控制方法，其中，在所述修改中，使用预定的学习模型从每个时区的所分类的环境信息中预测每个时区的操作状态。

13.根据权利要求11所述的控制方法，其中，在所述修改中，通过基于每个时区的所预测的负载确定所述每个时区的所述空调装置的操作模式和所述操作模式中的输出强度，来修改所述时间表信息中的每个时区的操作状态。

Images