CN111197838A - 一种空调节能控制方法、装置及服务器 - Google Patents
一种空调节能控制方法、装置及服务器 Download PDFInfo
- Publication number
- CN111197838A CN111197838A CN201811291430.8A CN201811291430A CN111197838A CN 111197838 A CN111197838 A CN 111197838A CN 201811291430 A CN201811291430 A CN 201811291430A CN 111197838 A CN111197838 A CN 111197838A
- Authority
- CN
- China
- Prior art keywords
- data information
- information
- multidimensional
- neural network
- air conditioning
- 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
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
-
- 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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
Abstract
本发明适用于节能控制技术领域,提供了一种空调节能控制方法、装置及服务器,通过获取空调作用区域的多维度原始数据信息,对所述多维度原始数据信息进行大数据预处理后得到多维度标准数据信息,将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略,根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号,使得空调设备能够根据该控制信号实时调控空调设备的参数比如空调风量、温度、湿度等,达到节省电能的目的,并使得空调的利用率最大化,而且使得空调作用区域的舒适度更高,用户体验更好。
Description
技术领域
本发明属于节能控制技术领域,尤其涉及一种空调节能控制方法、装置及服务器。
背景技术
随着人口和经济的快速发展,大型场所活动日益增多,由此导致这些大型场所的人流量增加,例如商城、写字楼、体育赛事和演唱会等,而这些大型场所中的各种设备,需要耗费巨大的电能,针对当前世界的资源短缺、能源浪费,有效的节能环保的必要越来越重要。根据人流量控制场所内的设备,可以节省大量的电能,有利于节能减排和绿色城市建设。
目前,大多数场所中所使用的空调为中央空调,都是平均送风控温,即统一开关、统一调节温度和送风强度,这存在着以下问题:各个空调或出风口的温度和强度一致,只能通过人力手动调整,因此无法充分发挥空调的效率。当室内人少,出风量大时,能源浪费;当室内人多,出风量不足时,空调没起到相应作用。如何有效地节省电能,并将空调利用率最大化是亟待要解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种空调节能控制方法、装置及服务器,以解决现有现有中央空调并不能有效地节省电能,并将空调利用率达到最大化的问题。
本发明实施例的第一方面提供了一种空调节能控制方法,包括:
获取空调作用区域的多维度原始数据信息;
对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
本发明实施例的第二方面提供了一种空调节能控制装置,包括:
多维度原始数据信息获取单元,用于获取空调作用区域的多维度原始数据信息;
多维度标准数据信息处理单元,用于对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
空调实时调控策略生成单元,用于将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
控制信号发送单元,用于根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
本发明实施例的第三方面提供了一种服务器,包括:
存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现本发明实施例的第一方面提供的空调节能控制方法的步骤。
其中,所述计算机程序包括:
多维度原始数据信息获取单元,用于获取空调作用区域的多维度原始数据信息;
多维度标准数据信息处理单元,用于对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
空调实时调控策略生成单元,用于将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
控制信号发送单元,用于根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其中,所述计算机程序被处理器执行时实现本发明实施例的第一方面提供的空调节能控制方法的步骤。
其中,所述计算机程序包括:
多维度原始数据信息获取单元,用于获取空调作用区域的多维度原始数据信息;
多维度标准数据信息处理单元,用于对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
空调实时调控策略生成单元,用于将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
控制信号发送单元,用于根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
本发明实施例与现有技术相比存在的有益效果是:通过获取空调作用区域的多维度原始数据信息,对所述多维度原始数据信息进行大数据预处理后得到多维度标准数据信息,将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略,根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号,使得空调设备能够根据该控制信号实时调控空调设备的参数比如空调风量、温度、湿度等,达到节省电能的目的,并使得空调的利用率最大化,而且使得空调作用区域的舒适度更高,用户体验更好。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种空调节能控制方法的实现流程图;
图2是本发明实施例提供的一种得到人员分布数据信息的方法的实现流程图;
图3是本发明实施例提供的一种对多维度原始数据信息进行大数据预处理的方法的具体实现流程图;
图4是本发明实施例提供的一种调整多维度感知神经网络模型的参数的方法的具体实现流程图;
图5是本发明实施例提供的一种调用多维度感知神经网络模型的方法的具体实现流程图;
图6是本发明实施例提供的一种空调节能控制装置的示意图;
图7是本发明实施例提供的一种服务器的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。请参考图1,图1示出了本发明实施例提供的一种空调节能控制方法的实现流程,详述如下:
在步骤S101中,获取空调作用区域的多维度原始数据信息。
在本发明实施例中,空调作用区域为空调设备能够起到调控的作用区域。多维度原始数据包括但不限于由安装在空调作用区域范围内的摄像头所采集的实时视频流数据信息,由设置于空调设备之上的传感器所获取的第一环境数据信息,由设置于空调设备之上的定位系统所获取的第一地理位置信息等多个维度的原始数据信息。
在这里,通过实时视频流数据信息可以了解到空调作用区域的人员分布情况,比如人流密度和人员构成等。第一环境数据信息包括但不限于室内外温度、湿度、体感温度、PM2.5等数据信息。第一地理位置信息为空调设备当前所在位置的信息,以根据其当前所在位置的信息确定空调设备所在区域的第二环境数据信息。
上文中第一环境数据信息和第二环境数据信息中的“第一”和“第二”并无特殊含义,仅是用来区分不同途径所获取的环境数据信息。
可选的,在步骤S101之前,还包括如下步骤:
构建多维度感知神经网络模型。
可选的,步骤S101具体包括:
获取所述空调作用区域的实时视频流数据信息;和/或:
获取所述空调作用区域的第一环境数据信息;和/或:
获取所述空调设备的第一地理位置信息,并通过第三方服务平台获取所述第一地理位置信息对应的第二环境数据信息。
在本发明实施例中,通过安装在空调作用区域的摄像头采集实时视频流数据信息;通过设置于空调设备之上的传感器获取其作用区域的第一环境数据信息,这里所指的传感器包括但不限于温度传感器、湿度传感器、颗粒传感器等;通过定位系统获取空调设备的第一地理位置信息,或者通过空调设备的IP地址获取空调设备的第一地理位置信息;这里所指的第三方服务平台指通过本发明的服务平台之外的其他服务平台,比如中国气象台、墨迹天气等服务平台。
可选的,获取所述空调设备的第一地理位置信息的步骤包括:
获取所述空调设备的IP地址,根据所述IP地址查找所述空调设备的第一地理位置信息;或者:
获取所述空调设备的GPS定位信息,根据所述GPS定位信息得到所述空调设备的第一地理位置信息。
在本发明实施例中,由于不同的空调设备所具有的IP地址不同,安装于不同区域的空调设备的IP地址也就不相同,通过该IP地址可以查找到该空调设备的安装区域,从而确定其对应的地理位置信息。
可选的,在获取所述空调作用区域的实时视频流数据信息的步骤之后,还包括一种得到人员分布数据信息的步骤,具体请参考图2,图2示出了本发明实施例提供的一种得到人员分布数据信息的方法的具体实现流程,详述如下:
在步骤S201中,获取所述实时视频流数据信息中的每一帧视频图像。
在本发明实施例中,按照预定时间段获取实时视频流数据信息中的每一帧视频图像,以分析空调作用区域中的人员分布数据信息。
在步骤S202中,对所述视频图像进行大数据预处理,得到第一视频图像信息。
在本发明实施例中,首先对所获取的视频图像进行大数据预处理,使得其数据形式适合神经网络模型进行处理。
在步骤S203中,将所述第一视频图像信息输入神经网络模型进行学习,得到所述空调作用区域的人员分布数据信息。
在本发明实施例中,这里所指的神经网络模型为CNN卷积神经网络。该CNN卷积神经网络就是基于人脸识别算法,数据经过处理成图像后送进CNN网络,经过卷积层,pooling池化层,全连接层,最后经过分类器并输出相应的结果,训练可以提取出人脸的高维特征向量,可以分别得到性别,年龄等信息。也就是说第一视频图像信息经CNN卷积神经网络进行深度学习后,得到空调作用区域的人员分布数据信息。
这里所指人员分布数据信息包括人流密度信息和人员构成信息。其中,人流密度信息指的是空调作用区域内单位时间内流动人员量;人员构成信息指的是人员的成分,包括老人、小孩、孕妇、成年人等。
在步骤S102中,对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息。
在本发明实施例中,大数据预处理主要是对数据进行数据清洗、数据集成、数据归约、数据变换、数据离散化,使得从不同接口过来的数据形式统一,从而方便数据的快速处理。在将多维度原始数据信息进行大数据预处理后,就能得到多维度标准数据信息,从而方便多维度感知神经网络模型进行学习。
可选的,请参考图3,图3示出了本发明实施例提供的一种对多维度原始数据信息进行大数据预处理的方法的具体实现流程,详述如下:
在步骤S301中,分别将所述第一环境数据信息、所述第二环境数据信息和/或所述第一地理位置信息进行大数据预处理,得到对应的第三环境数据信息、第四环境数据信息和/或第二地理位置信息。
在发明实施例中,第三环境数据信息为第一环境数据信息经大数据预处理之后得到的数据信息;第四环境数据信息为第二环境数据信息经大数据预处理之后得到的数据信息;第二地理位置信息为第一地理位置信息经大数据预处理之后得到的数据信息。
在步骤S302中,将所述第三环境数据信息、所述第四环境数据信息和/或所述第二地理位置信息与所述人流密度信息和所述人员构成信息进行拼接处理,得到所述多维度标准数据信息。
在本发明实施例中,通过将所述第三环境数据信息、所述第四环境数据信息和/或所述第二地理位置信息与所述人流密度信息和所述人员构成信息进行拼接处理,可以得到多维度标准数据信息。
可以理解的是,当多维度标准数据信息中的维度数越多时,多维度感知神经网络模型所需要通道数越多,数据尺寸越大,网络层数越多,相应的多维度感知神经网络模型越复杂,功耗较大,但相应的准确度也越高。
在步骤S103中,将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略。
在本发明实施例中,多维度感知神经网络模型包括CNN卷积神经网络,该多维度感知神经网络是预先训练好的,其各个参数为已经进行调整后的参数,能够提高空调实时调控策略的控制准确度。
可选的,在步骤S103之前,还包括一种调整多维度感知神经网络模型的参数的步骤,具体请参考图4,图4示出了本发明实施例提供的一种调整多维度感知神经网络模型的参数的方法的具体实现流程,详述如下:
在步骤S401中,将所述多维度标准数据信息输入至多维度感知神经网络模型进行学习,得到实际输出值。
在本发明实施例中,将多维度标准数据信息输入到多维度感知神经网络模型进行学习训练后,该多维度感知神经网络模型会输出一个实际输出值,此时,这个实际输出值可能并不是最优的输出值,需要对多维度感知神经网络模型中的各个参数进行调整,以使得其最终输出的实际输出值接近最优值或者为最优值。
在步骤S402中,通过代价函数计算所述实际输出值与目标值的差值。
在本发明实施例中,可以通过设定目标值,通过比较实际输出值与目标值的差别,对该多维度感知神经网络模型进行训练,以得到最终输出的最优值。
在这里,通过代价函数计算多维度感知神经网络模型的实际输出值与目标值的差值,从而调整该多维度感知神经网络模型中的各个参数,使得多维度感知神经网络模型的实际输出值与该目标值无限接近或者等于该目标值时,即该多维度感知神经网络模型的准确度达到最优值时,停止调整多维度感知神经网络模型中的各个参数。
在步骤S403中,根据所述差值调整所述多维度感知神经网络模型的参数。
在本发明实施例中,根据所述差值,通过随机梯度下降法对所述多维度感知神经网络模型的中的各个参数进行调整,使得该多维度感知神经网络模型能够调整到最优状态,从而得到精确度较高的输出值,相应地提高了空调实时调控策略的控制准确度,从而达到节省电能的目的,并使得空调的利用率最大化。
在步骤S104中,根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
在本发明实施例中,空调实时调控策略具体为实时调控空调设备的各个参数比如温度、湿度、空调风量使得其能够满足空调作用区域的舒适度,且达到省电目的的调控策略,其中包含空调设备的各个参数所应调整到的数值。根据该空调实时调控策略,向空调设备的控制开关发送对应的控制信号以调整空调设备的参数,使得空调的利用率最大化,并且达到节省电能的目的,而且使得空调作用区域的舒适度更高,用户体验更好。
可选的,所述多维度感知神经网络模型包括第一多维度感知神经网络模型和第二多维度感知神经网络模型,在步骤S401之前,还包括一种调用多维度感知神经网络模型的具体步骤,请参考图5,图5示出了本发明实施例提供的一种调用多维度感知神经网络模型的方法的具体实现流程,详述如下:
在步骤S501中,获取所述多维度标准数据信息的维度数。
在步骤S502中,将所述维度数与预设维度值进行比较。
在步骤S503中,当所述维度数大于预设维度值时,调用所述第一多维度感知神经网络模型。
在步骤S504中,当所述维度数小于或等于预设维度值时,调用所述第二多维度感知神经网络模型。
在本发明实施例中,当多维度标准数据信息中所包含的维度数越多时,多维度感知神经网络模型所需要通道数越多,数据尺寸越大,网络层数越多,相应的多维度感知神经网络模型越复杂,功耗较大,但相应的准确度也越高;而当多维度标准数据信息中所包含的维度数越少时,多维度感知神经网络模型所需要通道数越少,数据尺寸越小,网络层数越少,相应的多维度感知神经网络模型越简单,功耗较小,但相应的准确度也越低。
在本发明实施例中,通过比较多维标准数据信息的维度数和预设维度值的大小,确定所需要调用的多维度感知神经网络模型,使得在不同场景下所使用的多维度感知神经网络模型能够有效地满足不同场景的使用需求。例如,当空调作用区域中多维度原始数据信息较多并且变化很快的情景下,比如在大型商场和超市等人流量变化快的场所,可以使用第一多维度感知神经网络模型;当空调作用区域在一些演唱会、大型会议现场时,该空调作用区域的受众人群比较固定,并且人群密度分布比较均匀,此时人员流动率较低,也就是空调作用区域信息获取的数据相对简单并且需要得到的空调控制策略要求并不是很高时,可以使用第二多维度感知神经网络模型,以达到性能和准确率的均衡。
在本发明实施例中,通过获取空调作用区域的多维度原始数据信息,对所述多维度原始数据信息进行大数据预处理后得到多维度标准数据信息,将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略,根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号,使得空调设备能够根据该控制信号实时调控空调设备的参数比如空调风量、温度、湿度等,达到节省电能的目的,并使得空调的利用率最大化,而且使得空调作用区域的舒适度更高,用户体验更好。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑控制,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的一种空调节能控制方法,图6示出了本发明实施例提供的一种空调节能控制装置的示意图,为了便于说明,仅示出了与本发明实施例相关的部分。
参照图6,该装置包括:
多维度原始数据信息获取单元61,用于获取空调作用区域的多维度原始数据信息;
多维度标准数据信息处理单元62,用于对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
空调实时调控策略生成单元63,用于将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
控制信号发送单元64,用于根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
可选的,所述多维度原始数据信息获取单元61包括:
第一数据信息获取子单元,用于获取所述空调作用区域的实时视频流数据信息;和/或:
第二数据信息获取子单元,用于获取所述空调作用区域的第一环境数据信息;和/或:
第三数据信息获取子单元,用于获取所述空调设备的第一地理位置信息,并通过第三方服务平台获取所述第一地理位置信息对应的第二环境数据信息。
可选的,所述第三数据信息获取子单元包括:
IP地址获取子单元,用于获取所述空调设备的IP地址;
第一地理位置信息获取子单元,用于根据所述IP地址查找所述空调设备的第一地理位置信息;或者:
GPS定位信息获取子单元,用于第一地理位置信息获取所述空调设备的GPS定位信息,并根据所述GPS定位信息得到所述空调设备的第一地理位置信息。
可选的,所述第一数据信息获取子单元包括:
视频图像获取子单元,用于获取所述实时视频流数据信息中的每一帧视频图像;
第一视频图像信息处理子单元,用于对所述视频图像进行大数据预处理,得到第一视频图像信息;
人员分布数据信息,所述人员分布数据信息包括人流密度信息和人员构成信息处理子单元,用于将所述第一视频图像信息输入神经网络模型进行学习,得到所述空调作用区域的人员分布数据信息,所述人员分布数据信息包括人流密度信息和人员构成信息。
可选的,所述多维度标准数据信息处理单元62包括:
数据信息预处理在单元,用于分别将所述第一环境数据信息、所述第二环境数据信息和/或所述第一地理位置信息进行大数据预处理,得到对应的第三环境数据信息、第四环境数据信息和/或第二地理位置信息;
数据信息拼接子单元,用于将所述第三环境数据信息、所述第四环境数据信息和/或所述第二地理位置信息与所述人流密度信息和所述人员构成信息进行拼接处理,得到所述多维度标准数据信息。
可选的,所述装置还包括:
实际输出值处理单元,用于将所述多维度标准数据信息输入至多维度感知神经网络模型进行学习,得到实际输出值;
差值计算单元,用于通过代价函数计算所述实际输出值与目标值的差值;
参数调整单元,用于根据所述差值调整所述多维度感知神经网络模型的参数。
可选的,所述多维度感知神经网络模型包括第一多维度感知神经网络模型和第二多维度感知神经网络模型,所述装置还包括:
维度数获取单元,用于获取所述多维度标准数据信息的维度数;
维度数比较单元,用于将所述维度数与预设维度值进行比较;
第一多维度感知神经网络模型调用单元,用于当所述维度数大于预设维度值时,调用所述第一多维度感知神经网络模型;
第二多维度感知神经网络模型调用单元,用于当所述维度数小于或等于预设维度值时,调用所述第二多维度感知神经网络模型。
在本发明实施例中,通过获取空调作用区域的多维度原始数据信息,对所述多维度原始数据信息进行大数据预处理后得到多维度标准数据信息,将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略,根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号,使得空调设备能够根据该控制信号实时调控空调设备的参数比如空调风量、温度、湿度等,达到节省电能的目的,并使得空调的利用率最大化,而且使得空调作用区域的舒适度更高,用户体验更好。
图7是本发明一实施例提供的一种服务器的示意图。如图7所示,该实施例的服务器7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个空调节能控制方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器70执行所述计算机程序72时实现上述各系统实施例中各单元的功能,例如图6所示模块61至64的功能。
示例性的,所述计算机程序72可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述服务器7中的执行过程。例如,所述计算机程序72可以被分割成多维度原始数据信息获取单元61、多维度标准数据信息处理单元62、空调实时调控策略生成单元63、控制信号发送单元64,各单元具体功能如下:
多维度原始数据信息获取单元61,用于获取空调作用区域的多维度原始数据信息;
多维度标准数据信息处理单元62,用于对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
空调实时调控策略生成单元63,用于将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
控制信号发送单元64,用于根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
可选的,所述多维度原始数据信息获取单元61包括:
第一数据信息获取子单元,用于获取所述空调作用区域的实时视频流数据信息;和/或:
第二数据信息获取子单元,用于获取所述空调作用区域的第一环境数据信息;和/或:
第三数据信息获取子单元,用于获取所述空调设备的第一地理位置信息,并通过第三方服务平台获取所述第一地理位置信息对应的第二环境数据信息。
可选的,所述第三数据信息获取子单元包括:
IP地址获取子单元,用于获取所述空调设备的IP地址;
第一地理位置信息获取子单元,用于根据所述IP地址查找所述空调设备的第一地理位置信息;或者:
GPS定位信息获取子单元,用于第一地理位置信息获取所述空调设备的GPS定位信息,并根据所述GPS定位信息得到所述空调设备的第一地理位置信息。
可选的,所述第一数据信息获取子单元包括:
视频图像获取子单元,用于获取所述实时视频流数据信息中的每一帧视频图像;
第一视频图像信息处理子单元,用于对所述视频图像进行大数据预处理,得到第一视频图像信息;
人员分布数据信息处理子单元,用于将所述第一视频图像信息输入神经网络模型进行学习,得到所述空调作用区域的人员分布数据信息,所述人员分布数据信息包括人流密度信息和人员构成信息。
可选的,所述多维度标准数据信息处理单元62包括:
数据信息预处理在单元,用于分别将所述第一环境数据信息、所述第二环境数据信息和/或所述第一地理位置信息进行大数据预处理,得到对应的第三环境数据信息、第四环境数据信息和/或第二地理位置信息;
数据信息拼接子单元,用于将所述第三环境数据信息、所述第四环境数据信息和/或所述第二地理位置信息与所述人流密度信息和所述人员构成信息进行拼接处理,得到所述多维度标准数据信息。
可选的,所述装置还包括:
实际输出值处理单元,用于将所述多维度标准数据信息输入至多维度感知神经网络模型进行学习,得到实际输出值;
差值计算单元,用于通过代价函数计算所述实际输出值与目标值的差值;
参数调整单元,用于根据所述差值调整所述多维度感知神经网络模型的参数。
可选的,所述多维度感知神经网络模型包括第一多维度感知神经网络模型和第二多维度感知神经网络模型,所述装置还包括:
维度数获取单元,用于获取所述多维度标准数据信息的维度数;
维度数比较单元,用于将所述维度数与预设维度值进行比较;
第一多维度感知神经网络模型调用单元,用于当所述维度数大于预设维度值时,调用所述第一多维度感知神经网络模型;
第二多维度感知神经网络模型调用单元,用于当所述维度数小于或等于预设维度值时,调用所述第二多维度感知神经网络模型。
所述服务器7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是服务器7的示例,并不构成对服务器7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述服务器7的内部存储单元,例如服务器7的硬盘或内存。所述存储器71也可以是所述服务器7的外部存储设备,例如所述服务器7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述服务器7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述服务器所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,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单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以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。专业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。
在本发明所提供的实施例中,应该理解到,所揭露的系统/服务器设备和方法,可以通过其它的方式实现。例如,以上所描述的系统/服务器设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅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讯连接可以是通过一些接口,系统或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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网络单元上。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。
所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种空调节能控制方法,其特征在于,所述方法包括:
获取空调作用区域的多维度原始数据信息;
对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
2.如权利要求1所述的方法,其特征在于,所述获取空调作用区域的多维度原始数据信息的步骤,包括:
获取所述空调作用区域的实时视频流数据信息;和/或:
获取所述空调作用区域的第一环境数据信息;和/或:
获取所述空调设备的第一地理位置信息,并通过第三方服务平台获取所述第一地理位置信息对应的第二环境数据信息。
3.如权利要求2所述的方法,其特征在于,所述获取所述空调设备的第一地理位置信息的步骤,包括:
获取所述空调设备的IP地址;
根据所述IP地址查找所述空调设备的第一地理位置信息;或者:
获取所述空调设备的GPS定位信息,根据所述GPS定位信息得到所述空调设备的第一地理位置信息。
4.如权利要求2所述的方法,其特征在于,在所述获取所述空调作用区域的实时视频流数据信息的步骤之后,还包括:
获取所述实时视频流数据信息中的每一帧视频图像;
对所述视频图像进行大数据预处理,得到第一视频图像信息;
将所述第一视频图像信息输入神经网络模型进行学习,得到所述空调作用区域的人员分布数据信息,所述人员分布数据信息包括人流密度信息和人员构成信息。
5.如权利要求4所述的方法,其特征在于,所述对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息的步骤,包括:
分别将所述第一环境数据信息、所述第二环境数据信息和/或所述第一地理位置信息进行大数据预处理,得到对应的第三环境数据信息、第四环境数据信息和/或第二地理位置信息;
将所述第三环境数据信息、所述第四环境数据信息和/或所述第二地理位置信息与所述人流密度信息和所述人员构成信息进行拼接处理,得到所述多维度标准数据信息。
6.如权利要求1至5任一所述的方法,其特征在于,在所述将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略的步骤之前,还包括:
将所述多维度标准数据信息输入至多维度感知神经网络模型进行学习,得到实际输出值;
通过代价函数计算所述实际输出值与目标值的差值;
根据所述差值调整所述多维度感知神经网络模型的参数。
7.如权利要求1至5任一所述的方法,其特征在于,多维度感知神经网络模型包括第一多维度感知神经网络模型和第二多维度感知神经网络模型,在所述将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略的步骤之前,还包括:
获取所述多维度标准数据信息的维度数;
将所述维度数与预设维度值进行比较;
当所述维度数大于预设维度值时,调用所述第一多维度感知神经网络模型;
当所述维度数小于或等于预设维度值时,调用所述第二多维度感知神经网络模型。
8.一种空调节能控制装置,其特征在于,所述装置包括:
多维度原始数据信息获取单元,用于获取空调作用区域的多维度原始数据信息;
多维度标准数据信息处理单元,用于对所述多维度原始数据信息进行大数据预处理,得到多维度标准数据信息;
空调实时调控策略生成单元,用于将所述多维度标准数据信息输入至多维度感知神经网络模型,生成空调实时调控策略;
控制信号发送单元,用于根据所述空调实时调控策略,向空调设备的控制开关发送对应的控制信号。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述空调节能控制方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述空调节能控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811291430.8A CN111197838A (zh) | 2018-10-31 | 2018-10-31 | 一种空调节能控制方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811291430.8A CN111197838A (zh) | 2018-10-31 | 2018-10-31 | 一种空调节能控制方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111197838A true CN111197838A (zh) | 2020-05-26 |
Family
ID=70743715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811291430.8A Pending CN111197838A (zh) | 2018-10-31 | 2018-10-31 | 一种空调节能控制方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111197838A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270611A (zh) * | 2023-11-22 | 2023-12-22 | 浙江威星电子系统软件股份有限公司 | 智慧运动场馆的环境智能控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05223323A (ja) * | 1992-02-14 | 1993-08-31 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
CN103471213A (zh) * | 2012-06-05 | 2013-12-25 | 日立空调·家用电器株式会社 | 空调机和空调机的控制方法 |
CN106709588A (zh) * | 2015-11-13 | 2017-05-24 | 日本电气株式会社 | 预测模型构建方法和设备以及实时预测方法和设备 |
CN107729799A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的人群异常行为视觉检测及分析预警系统 |
CN108278727A (zh) * | 2018-01-05 | 2018-07-13 | 海信(广东)空调有限公司 | 控制规则和控制参数的调整方法、空调、服务器和系统 |
CN108332367A (zh) * | 2017-12-22 | 2018-07-27 | 珠海格力电器股份有限公司 | 空调送风控制方法及装置 |
-
2018
- 2018-10-31 CN CN201811291430.8A patent/CN111197838A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05223323A (ja) * | 1992-02-14 | 1993-08-31 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
CN103471213A (zh) * | 2012-06-05 | 2013-12-25 | 日立空调·家用电器株式会社 | 空调机和空调机的控制方法 |
CN106709588A (zh) * | 2015-11-13 | 2017-05-24 | 日本电气株式会社 | 预测模型构建方法和设备以及实时预测方法和设备 |
CN107729799A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的人群异常行为视觉检测及分析预警系统 |
CN108332367A (zh) * | 2017-12-22 | 2018-07-27 | 珠海格力电器股份有限公司 | 空调送风控制方法及装置 |
CN108278727A (zh) * | 2018-01-05 | 2018-07-13 | 海信(广东)空调有限公司 | 控制规则和控制参数的调整方法、空调、服务器和系统 |
Non-Patent Citations (1)
Title |
---|
周永章等: "《地球科学大数据挖掘与机器学习》", 30 September 2018 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270611A (zh) * | 2023-11-22 | 2023-12-22 | 浙江威星电子系统软件股份有限公司 | 智慧运动场馆的环境智能控制系统及方法 |
CN117270611B (zh) * | 2023-11-22 | 2024-02-23 | 浙江威星电子系统软件股份有限公司 | 智慧运动场馆的环境智能控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295567B (zh) | 一种关键点的定位方法及终端 | |
US9866031B2 (en) | Method and apparatus for power control | |
CN107655159A (zh) | 一种基于人群密度感知模型的空调节能控制方法及系统 | |
CN107480624B (zh) | 常住人口获取方法、装置及系统、计算机装置和存储介质 | |
CN110836514A (zh) | 空调组的控制方法和装置 | |
CN112996090B (zh) | 一种节能管理系统及方法 | |
CN114390079A (zh) | 一种智慧城市公共场所管理方法和物联网系统 | |
CN110848897B (zh) | 一种空调智能调节的方法及计算机可读存储介质 | |
Xiao-wei | Study on the intelligent system of sports culture centers by combining machine learning with big data | |
CN112728727A (zh) | 一种基于边缘计算的室内环境舒适度的智能调节系统 | |
CN105678476A (zh) | 一种基于视频的自习教室智能引导系统以及引导方法 | |
CN115775085B (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
US20230083027A1 (en) | Multi-area artificial fog pipe network intelligent control method and system based on yolov5 algorithm | |
CN109883016A (zh) | 一种空气舒适度调节方法和设备 | |
CN114135991B (zh) | 一种用于地铁站公共区的温度预置控制和设备预警方法 | |
CN111197838A (zh) | 一种空调节能控制方法、装置及服务器 | |
CN108614761A (zh) | 基于业务模型的智慧应用系统服务器性能需求计算方法 | |
CN110445966B (zh) | 一种全景相机视频拍摄方法、装置、电子设备及存储介质 | |
CN112736915B (zh) | 区域设备集群的需求响应控制系统、方法、装置及设备 | |
CN115220357A (zh) | 舒适节能型智能楼宇的控制方法、系统及服务器 | |
CN107436945A (zh) | 一种基于电子地图的信息采集方法及系统 | |
CN114298973A (zh) | 一种基于红外图像分割的智能供热监测方法 | |
CN114253611A (zh) | 控制方法及控制系统 | |
CN113055423A (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
CN112255923A (zh) | 一种电设备控制方法、装置、服务器及介质 |
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: 20200526 |
|
RJ01 | Rejection of invention patent application after publication |