CN112032955B - 空调器的控制方法 - Google Patents

Abstract

本发明涉及空气调节技术领域，具体涉及一种空调器的控制方法。本发明旨在解决现有空调器的预设开机时间预估不准而导致的能源浪费的问题。为此目的，本发明的控制方法包括：当到达预测时间点时，基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分；当概率得分大于设定阈值时，基于时间修正参数，修正预测开机时刻；基于修正后的预测开机时刻和预设的蓄热时间，计算空调器的蓄热开始时刻；在到达蓄热开始时刻时，控制空调器以蓄热模式运行。通过上述控制方式，本发明的空调器的控制方法能够提基于时间修正参数对预测开机时刻进行修正，提升时间预估的精确度，减少能源浪费。

Description

空调器的控制方法

技术领域

本发明涉及空气调节技术领域，具体涉及一种空调器的控制方法。

背景技术

在寒冷的冬季启动空调时，由于室内外温度较低，此时启动空调器后吹出的风是冷风，严重影响了用户体验，为此，现有空调启动都配置有防冷风模式。防冷风模式启动时，通过控制压缩机和室外风机启动进行蓄热，待温度上升后再控制室内风机运转的方式，避免了开机吹出冷风的情况出现。但是，在实际应用中，开机后的数分钟内空调由于运行防冷风模式而等待时间较长，会给用户带来空调器出问题的感觉，引起用户不满和投诉。

为解决上述问题，现有技术中的解决方案是：通过在空调器关机状态下先获取空调器的预设开机时间，然后在预设开机时间到来之前先控制压缩机对室内机盘管进行蓄热，来实现开机时立即出热风的效果。这种技术方案虽然一定程度上解决了防冷风模式需要等待的问题，实现了开机出热风的效果，但是其也不可避免地存在如下问题：预设开机时间通常由用户设定或大数据平台统计计算获得，而用户的实际开机时间与预设开机时间具有偏差，该偏差的存在使得压缩机的蓄热时间不足或蓄热时间过长，造成能源的浪费和用户体验的下降。

相应地，本领域需要一种新的空调器的控制方法来解决上述问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有空调器的预设开机时间预估不准而导致的能源浪费的问题，本发明提供了一种空调器的控制方法，所述空调器包括压缩机、节流元件、室外换热器、室外风机、室内换热器和室内风机，所述控制方法包括：

当到达预测时间点时，基于预先建立的打分系统，计算所述空调器在下一预测开机时刻开启制热模式的概率得分；其中，所述预测时间点为所述预测开机时刻之前的某一时间点；

当所述概率得分大于设定阈值时，基于时间修正参数，修正所述预测开机时刻；

基于修正后的预测开机时刻和预设的蓄热时间，计算所述空调器的蓄热开始时刻；

在到达所述蓄热开始时刻时，控制所述空调器以蓄热模式运行；

其中，所述打分系统用于表征所述空调器的历史运行信息和历史预测信息与所述空调器在所述下一预测开机时刻开启制热模式的概率得分之间的对应关系。

在上述空调器的控制方法的优选技术方案中，所述时间修正参数为所述空调器上一次运行时确定的；

其中，所述时间修正参数是基于设定天数内的预测开机时刻和历史实际开机时刻确定；

其中，“所述时间修正参数是基于设定天数内的预测开机时刻和历史实际开机时刻确定”的步骤进一步包括：

获取所述设定天数内的历史预测开机时刻和历史实际开机时刻；

计算所述历史预测开机时刻的均值和所述历史实际开机时刻的均值；

计算所述历史实际开机时刻的均值与所述历史预测开机时刻的均值之间的第一差值；

将所述第一差值确定为修正后的时间修正参数。

在上述空调器的控制方法的优选技术方案中，“基于时间修正参数，修正所述预测开机时刻”的步骤进一步包括：

计算所述预测开机时刻与所述时间修正参数之间的总和。

在上述空调器的控制方法的优选技术方案中，所述控制方法还包括：

在接收到开机指令时，记录当前实际开机时刻；

基于所述当前实际开机时刻，选择性地调整所述时间修正参数，以便在所述空调器下一次运行时修正所述预测开机时刻；

其中，“基于所述当前实际开机时刻，选择性地调整所述时间修正参数”的步骤进一步包括：

计算所述当前实际开机时刻与所述预测开机时刻之间的第二差值；

判断所述第二差值与预设阈值的大小；

在所述第二差值小于所述预设阈值时，基于所述当前实际开机时刻，调整所述时间修正参数。

在上述空调器的控制方法的优选技术方案中，“基于预先建立的打分系统，计算所述空调器在下一预测开机时刻开启制热模式的概率得分”的步骤进一步包括：

将所述下一预测开机时刻输入预先训练的制热概率模型，得到所述空调器在下一预测开机时刻开启制热模式的历史开启概率；

基于设定天数内在所述下一预测开机时刻开启制热模式的天数，得到近期开启概率；

基于所述历史预测信息，得到所述下一预测开机时刻的历史预测准确率；

基于所述历史开启概率、所述近期开启概率和所述历史预测准确率，计算所述空调器在所述下一预测开机时刻开启制热模式的概率得分；

其中，所述制热概率模型用于表征所述历史运行信息与所述历史开启概率之间的对应关系。

在上述空调器的控制方法的优选技术方案中，所述控制方法还包括：

基于所述空调器的历史运行信息，选择性地确定所述预测时间点；

其中，“基于所述空调器的历史运行信息，选择性地确定所述预测时间点”的步骤进一步包括：

基于所述空调器的历史运行信息，判断所述空调器的活跃度；

在所述空调器的活跃度为高时，统计设定天数内所述空调器在多个运行时段的运行次数；

从所述多个运行时段内选取若干个运行次数大于设定次数的运行时段；

分别计算每个被选取的运行时段内所有制热模式开启时刻的平均值作为该运行时段的预测开机时刻；

计算每个所述预测开机时刻与预设时间段的差值作为该预测开机时刻的预测时间点。

本领域技术人员能够理解的是，在本发明的优选技术方案中，空调器包括压缩机、节流元件、室外换热器、室外风机、室内换热器和室内风机，控制方法包括：当到达预测时间点时，基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分；当概率得分大于设定阈值时，基于时间修正参数，修正预测开机时刻；基于修正后的预测开机时刻和预设的蓄热时间，计算空调器的蓄热开始时刻；在到达蓄热开始时刻时，控制空调器以蓄热模式运行；其中，打分系统用于表征空调器的历史运行信息和历史预测信息与空调器在下一预测开机时刻开启制热模式的概率得分之间的对应关系。

通过上述控制方式，本发明的空调器的控制方法能够提基于时间修正参数对预测开机时刻进行修正，提升时间预估的精确度，减少能源浪费。具体而言，通过基于时间修正参数，修正预测开机时刻，本发明的控制方法能够基于用户的开机习惯对预测开机时刻进行修正，从而使修正后的预测开机时刻与用户的真实开机时间更加接近，从而基于该修正后的预测开机时刻对空调进行蓄热，能够避免由于蓄热时间不足或蓄热时间过长而导致的能源浪费，做到针对单个用户的精确化和个性化对待，提高用户体验。

通过在到达预测时间点时，基于打分系统计算空调器在下一预测开机时刻开启制热模式的概率得分，本控制方法能够基于用户使用空调器的历史信息，合理预测用户在下一预测开机时刻开启空调器的概率，从而在开启空调器的概率较高时及时下发蓄热指令，以控制空调器提前蓄热，以便用户启动空调器时实现开机即热。并且，由于该预测过程全部自动完成，因此本控制方法能够提高空调器的智能化程度，提升用户体验。

进一步地，通过对设定天数内的历史预测开机时刻和历史实际开机时刻进行统计计算，计算出设定天数内的预测开机时刻的均值与历史实际开机时刻的均值之间的第一差值，并将该第一差值作为时间修正参数，本控制方法能够利用用户最近一段时间对空调的使用习惯来计算确定时间修正参数，从而使得利用时间修正参数修正后的预测开机时刻更加接近用户最近一段时间的真实开机时间。

进一步地，通过记录当前实际开机时刻并基于当前实际开机时刻选择性地调整时间修正参数，使得空调器能够及时对时间修正参数进行调整，以便调整后的时间修正参数的精度得到有效保证。

进一步地，通过计算当前实际开机时刻与预测开机时刻之间的第二差值，并且在第二差值大于或等于预设阈值时不对时间修正参数进行调整，本控制方法在调整时间修正参数时还有效排除了不符合用户使用习惯的极特殊情况，如用户由于特殊情况导致的实际开机时间大大早于或大大晚于预设的开机时间，从而保证了时间修正参数的调整更加贴合用户的常规使用习惯，降低了特殊情况对调整时间修正参数的影响。

进一步地，通过基于计算历史开启概率、近期开启概率和历史预测准确率计算空调器在下一预测开机时刻开启制热模式的概率得分，本发明的控制方法能够兼顾用户对空调器的历史使用习惯、近期的使用习惯和历史预测准确率来联合确定最终的概率得分，从而使得计算出的概率得分更加准确，更加贴合用户近期的使用习惯。

进一步地，通过基于空调器的历史运行信息，选择性地确定预测时间点，本发明的控制方法还能够有效筛选出用户使用空调器较为频繁的预测开机时刻，从而有针对性地对这些预测开机时刻进行预测，提升用户的使用体验。

附图说明

下面参照附图来描述本发明的空调器的控制方法。附图中：

图1为本发明的第一种实施方式中空调器的控制方法的流程图；

图2为本发明的第一种实施方式中空调器的控制方法的逻辑图；

图3为本发明的第一种实施方式中空调器的控制方法的打分系统的示意图；

图4为本发明的第一种实施方式中空调器的控制方法的确定预测时间点的流程图；

图5为本发明的第二种实施方式中空调器的控制方法的流程图；

图6为本发明的第二种实施方式中空调器的控制方法的逻辑图；

图7为本发明的第三种实施方式中空调器的控制方法的流程图；

图8为本发明的第三种实施方式中空调器的控制方法的逻辑图。

具体实施方式

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。例如，虽然以下实施方式中的控制方法是结合云端服务器的统计计算进行说明的，但是本控制方法的实施主体并非一成不变，本领域技术人员可以对其进行调整，以便其应用于更加具体的应用场景。例如，本控制方法还可以以计算机程序的形式存储于空调器的控制器内部并由控制器执行实施、或由云端服务器和空调器的控制器共同实施等。

实施例1

首先参照图1和图2，对本发明的第一种实施方式的空调器的控制方法进行描述。其中，图1为本发明的第一种实施方式中空调器的控制方法的流程图；图2为本发明的第一种实施方式中空调器的控制方法的逻辑图。

如图1所示，为解决现有空调器的预设开机时间预估不准而导致的能源浪费的问题，本发明的空调器包括压缩机、节流元件、室外换热器、室外风机、室内换热器和室内风机。空调器的控制方法主要包括如下步骤：

S101、当到达预测时间点时，基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分；其中，预测开机时刻为云端服务器计算出的用户经常开机制热的时间，预测时间点为预测开机时刻之前的某一时间点。例如，云端服务器计算出用户的经常开机制热的平均时间为19:00，而预测时间点可以为19:00之前的1小时，即18:00，当到达18:00时，云端服务器调用预先建立的打分系统，计算在19:00时用户开机制热的概率得分，也即用户在19:00开机制热的概率。其中，打分系统用于表征空调器的历史运行信息和历史预测信息与空调器在下一预测开机时刻开启制热模式的概率得分之间的对应关系，也就是说，将19:00输入打分系统后，打分系统会基于空调器的历史运行信息和历史预测信息计算出在该时间点用户开启空调器进行制热的概率。

S102、当概率得分大于设定阈值时，基于时间修正参数，修正预测开机时刻；时间修正参数用于表征预测开机时刻与实际开机时刻之间的对应关系，也即预测开机时刻与实际开机时刻之间的偏差。例如，在满分100分的前提下，打分系统在18:00时计算出用户在19:00开启空调制热的概率得分为80分(即开启空调的概率为80％)，证明用户很大可能在19:00会开启空调进行制热，此时基于时间修正参数对该开机时刻进行修正，如在确定出的预测开机时刻的基础上通过增加或减少一个时间段的方式对预测开机时刻进行修正，可以使得修正后的预测开机时刻更加接近用户的真实开机时间。例如，预测开机时刻为18:00，时间修正参数为+10min，那么修正后的预测开机时刻为18:00+10min＝18:10。再如，在打分系统计算出用户在19:00开启空调制热的概率得分为50分，证明用户很大可能在19:00不会开启空调，此时云端服务器不进行任何操作，保持空调器的停机状态。

S103、基于修正后的预测开机时刻和预设的蓄热时间，计算空调器的蓄热开始时刻；在修正预测开机时刻后，蓄热模式的开启时刻就可以基于蓄热时间确定。例如，空调器预设的蓄热时间为5min，则在预测开机时刻为18:10时，蓄热开始时刻为18:05。

S104、在到达蓄热开始时刻时，控制空调器以蓄热模式运行。例如，云端服务器计算出蓄热开始时刻后，在时间来到18:05时向空调器下发开始蓄热的指令，从而空调器的控制器控制压缩机和室外风机启动运行，对室内盘管进行蓄热，而室内风机则保持关闭，以防止室内吹出冷风。之后在时间来到18:10时，空调自动启动或用户主动开启空调，由于室内盘管的温度已经调整为合适的温度，因此空调器的出风即为热风，室内的温度可快速调整为适宜的温度。

通过上述描述可以看出，本发明的空调器的控制方法能够提基于时间修正参数对预测开机时刻进行修正，提升时间预估的精确度。具体而言，通过基于时间修正参数，修正预测开机时刻，本发明的控制方法能够基于用户的开机习惯对预测开机时刻进行修正，从而使修正后的预测开机时刻与用户的真实开机时间更加接近，从而基于该修正后的预测开机时刻对空调进行蓄热，能够避免由于蓄热时间不足或蓄热时间过长而导致的能源浪费，做到针对单个用户的精确化和个性化对待，提高用户体验。

通过在到达预测时间点时，基于打分系统计算空调器在下一预测开机时刻开启制热模式的概率得分，本控制方法能够基于用户使用空调器的历史信息，合理预测用户在下一预测开机时刻开启空调器的概率，从而在开启空调器的概率较高时及时下发蓄热指令，以控制空调器提前蓄热，以便用户启动空调器时实现开机即热。并且，由于该预测过程全部自动完成，因此本控制方法能够提高空调器的智能化程度，提升用户体验。

下面参照图1至图4，对本发明的空调器的控制方法进行详细描述。其中，图3为本发明的第一种实施方式中空调器的控制方法的打分系统的示意图；图4为本发明的第一种实施方式中空调器的控制方法的确定预测时间点的流程图。

在一种较佳的实施方式中，步骤S101可以进一步包括：当到达预测时间点时，获取空调器的运行状态和室内环境温度；当空调器处于停机状态且室内环境温度小于预设温度时，基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分。例如，当到达预测时间点18:00时，云端服务器获取空调器的运行状态和室内环境温度。如云端服务器接收空调器上传的运行状态和检测到的室内环境温度。预设温度可以为16℃，当空调器处于停机状态且室内环境温度小于16℃时，证明此时空调器并未运行且室内环境温度较低，需要进行提前蓄热。此时云端服务器调用预先建立的打分系统，计算在19:00时用户开机制热的概率得分，也即用户在19:00开机制热的概率。

参照图3和图4，在一种较佳的实施方式中，“基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分”的步骤可以进一步包括：将下一预测开机时刻输入预先训练的制热概率模型，得到空调器在下一预测开机时刻开启制热模式的历史开启概率；基于设定天数内在下一预测开机时刻开启制热模式的天数，得到近期开启概率；基于历史预测信息，得到下一预测开机时刻的历史预测准确率；基于历史开启概率、近期开启概率和历史预测准确率，计算空调器在下一预测开机时刻开启制热模式的概率得分；其中，制热概率模型用于表征历史运行信息与历史开启概率之间的对应关系。具体地，如图3所示，在本实施方式中，在将预测开机时刻输入打分系统后，打分系统计算的分数来源于三部分，第一部分为基于训练好的制热概率模型计算出的历史开启频率；第二部分为基于该预测开机时刻在设定天数内开启的次数得到的近期开启概率；第三部分为基于历史预测信息得到的该预测开机时刻的历史预测准确率；概率得分可以为历史开启概率、近期开启概率和历史预测准确率的加权值，其中三部分在打分系统中所占的权值分别可以为70分、15分和15分。

其中，第一部分中，制热概率模型的建立过程具体可以为：以历史开机制热时刻、该开机制热时刻对应的开机次数和空调器的总运行天数为特征数据建立模型，得到历史开机制热时刻与历史开启概率的对应关系，再将预测开机时刻输入该模型中，便可输出该预测开机时刻对应的历史开启概率。其中，第二部分中，设定天数可以为最近7天，最近7天中开启天数每增加1天的近期开启概率增加20％，当开启5天以上时，近期开启概率为100％。其中，第三部分中，历史预测信息可以为在该预测开机时刻的历史预测中，预测正确的数量与预测总数量的比值。

举例而言，将下一预测开机时刻为19:00输入打分系统后，制热概率模型计算出在该开机时刻的历史开启概率为80％；近7天内开启天数为4天，则近期开启概率为80％；在19:00预测开机时刻的预测正确数量为7次，总数量为10次，即预测准确率为70％；由此将三个概率分别与其权值相乘后求和，得出概率得分为P＝80％×70+80％×15+70％×15＝78.5分。

通过基于计算历史开启概率、近期开启概率和历史预测准确率计算空调器在下一预测开机时刻开启制热模式的概率得分，本发明的控制方法能够兼顾用户对空调器的历史使用习惯、近期的使用习惯和历史预测准确率来联合确定最终的概率得分，从而使得计算出的概率得分更加准确，更加贴合用户近期的使用习惯。

参照图4，进一步地，在一种较佳的实施方式中，预测时间点可以基于如下方法确定：

基于空调器的历史运行信息，选择性地确定预测时间点。具体地，基于空调器的历史运行信息，判断空调器的活跃度；在空调器的活跃度为高时，统计设定天数内空调器在多个运行时段的运行次数；从多个运行时段内选取若干个运行次数大于设定次数的运行时段；分别计算每个被选取的运行时段内所有制热模式开启时刻的平均值作为该运行时段的预测开机时刻；计算每个预测开机时刻与预设时间段的差值作为该预测开机时刻的预测时间点。举例而言，空调器的活跃度可以定义为在过去几天(如过去3天)有无制热开机行为，当过去几天内用户有制热开机记录时，则空调器的活跃度为高，否则，活跃度为低。在活跃度为低时，证明用户使用空调器的次数较少，开启空调器概率较低，此时不对空调器是否蓄热进行预测。在空调器的活跃度为高时，证明用户使用空调器较为频繁，其使用空调器的习惯和规律更容易分析，此时统计设定天数内(如最近7天内)空调器在多个运行时段的运行次数，如对所有开机制热的时刻按1小时为一个运行时段聚合计数，然后从多个运行时段中挑选出若干个7天内开机次数大于4次的时段，然后分别计算每个时段内的所有开机时刻的平均值，作为该运行时段的预测开机时刻，最后将每个预测开机时刻减去1小时候的时间点作为预测时间点，如某一预测开机时刻为19:00，那么18:00即为该预测开机时刻的预测时间点。

通过基于空调器的历史运行信息，选择性地确定预测时间点，本发明的控制方法还能够有效筛选出用户使用空调器较为频繁的预测开机时刻，从而有针对性地对这些预测开机时刻进行预测，提升用户的使用体验。

在一种优选的实施方式中，时间修正参数为空调器上一次运行时确定的。具体地，在空调器上一次接收到开机指令运行时，如前一天的相同时段或前几天的相同时段空调器接收开机指令以制热模式运行时，首先记录当前实际开机时刻，然后将本次以前(包括本次)设定天数内的历史预测开机时刻和历史实际开机时刻进行统计，并分别计算设定天数内的历史预测开机时刻的均值和历史实际开机时刻的均值。然后计算历史实际开机时刻的均值与历史预测开机时刻的均值之间的第一差值，并将该第一差值作为时间修正参数进行存储，供下一次修正预测开机时刻使用。

举例而言，云端服务器统计空调器包括本次在内的过去7天的同一时段(如18:00-19:00)的历史预测开机时刻和历史实际开机时刻，并计算所有历史预测开机时刻的均值和所有历史实际开机时刻的均值，如历史预测开机时刻的均值计算出为18:30，历史实际开机时刻的均值计算出为18:40，那么第一差值等于18:40-18:30＝10min，也就是说，时间修正参数为10min，也即在过去7天内，用户的实际开机时刻比预测开机时刻平均晚了10min。由此，在下一次开机前，通过计算预测开机时刻与时间修正参数的总和作为修正后的预测开机时刻，从而提升预测开机时刻的精准度，也进一步提升蓄热模式的蓄热开始时刻的计算精准度，减少能源浪费，提升用户体验。当然，上述举例中时间修正参数是以正数为例进行说明的，如果求得的时间修正参数为负数，本控制方法同样成立。如时间修正参数为-10min，那么表示过去7天内用户的实际开机时刻比预测开机时刻平均早了10min，由此在下一次开机前，通过计算预测开机时刻与时间修正参数的总和，即预测开机时刻减去10min作为修正后的预测开机时刻，同样可以提升预测开机时刻的预测精准度。

同样地，在本次开机运行制热模式时，通过记录本次的预测开机时刻和当前实际开机时刻，并结合本次开机之前7天的数据，也可以求得一个新的时间修正参数，以便下次修正预测开机时刻使用。也就是说，在每一次空调器接收到开机指令制热运行时，基于获取的当前实际开机时刻和过去设定天数内的数据对时间修正参数进行计算调整，本控制方法使得调整后的时间修正参数更加符合用户最近一段时间对空调的使用习惯，保证调整后的时间修正参数的精度。

在一种更为优选的实施方式中，在调整时间修正参数之前，还可以基于本次开机的当前实际开机时刻与本次预测开机时刻之间的第二差值与预设阈值的比较结果，确定要不要对时间修正参数进行调整。具体地，在接收到开机指令时，记录当前实际开机时刻；计算当前实际开机时刻与本次预测开机时刻之间的第二差值；判断第二差值与预设阈值的大小；在第二差值小于预设阈值时，调整时间修正参数；否则，不对时间修正参数进行调整，而是沿用上一次的时间修正参数。

举例而言，预设阈值可以为20min，在空调器本次接收开机指令并制热运行时，记录当前实际开机时刻为17:00，而预测开机时刻为18:00，二者之间的差值为60min，该差值远大于20min的预设阈值，这说明本次用户的实际开机时刻属于特殊情况，用户可能由于请假或其他原因提前回到家中，因此本次的当前实际开机时刻不宜被用作时间修正参数的调整，以防止基于本次的实际开机时刻调整后的时间修正参数反而偏离用户的实际习惯的情况出现。相反地，如果预测开机时刻与当前实际开机时刻之间的差值在20min以内或更进一步在10min以内，则证明此数据可以被用来调整时间修正参数，以保证时间修正参数的调整精度，避免蓄热时能源的浪费。

下面参照图2，对一种可能的实施方式中空调器的运行过程进行描述。

如图2所示，在空调器的一种可能的运行过程中，在到达18:00时，云端服务器基于打分系统，计算用户在1小时后的预测开机时间19:00开启空调制热模式的概率得分为78.5分→概率得分大于70分，云端服务器基于时间修正参数，对预测开机时刻进行修正，得到修正后的预测开机时刻→基于修正后的预测开机时刻和预设的蓄热时间，计算蓄热开始时刻→在到达蓄热开始时刻时，云端服务器下发开启蓄热的指令，控制空调器以蓄热模式运行→以蓄热模式运行一段时间后，接收到用户的开机指令，空调器开机以制热模式运行，并记录当前实际开机时刻→云端服务器判断当前实际开机时刻与本次的预测开机时刻之间的第二差值是否小于预设阈值→在第二差值小于预设阈值时，基于过去7天的历史实际开机时刻和历史预测开机时刻对时间修正参数进行调整，并存储调整后的时间修正参数以便下次修正预测开机时刻；在第二差值大于或等于预设阈值时，则不进行任何调整，直接将上次的时间修正参数进行储存。

需要说明的是，上述优选的实施方式仅仅用于阐述本发明的原理，并非旨在于限制本发明的保护范围。在不偏离本发明原理的前提下，本领域技术人员可以对上述设置方式进行调整，以便本发明能够适用于更加具体的应用场景。

例如，在一种可替换的实施方式中，时间修正参数的确定时机可以进行调整，只要该调整时间满足早于本次修正预测开机时刻之前的条件即可。例如，时间修正参数还可以在获取预测开机时刻之前确定等。

再如，在另一种可替换的实施方式中，时间修正参数的确定过程并非一成不变，本领域技术人员可以对其计算过程进行调整，以便计算出的结果能够更加精准。如，在计算过程中，也可以不计算历史预测开机时刻和历史试机开机时刻的均值，而是采用加权平均等方式确定历史预测开机时刻和历史实际开机时刻等。

再如，在另一种可替换的实施方式中，时间修正参数的调整时机也可以在每次接收开机指令之后都进行调整，而省略第二差值与预设阈值之间的大小判断过程，这种过程的省略并未偏离本发明的构思。

再如，在另一种可替换的实施方式中，设定天数、时间修正参数、预测开机时刻、实际开机时刻的具体数值仅用作示例性说明，而非旨在于限制本发明的保护范围，本领域技术人员可以对其进行调整，该调整并未偏离本控制方法的原理。

再如，在一种可替换的实施方式中，打分系统的具体构成并非只限于上面一种实施方式，在不偏离本发明原理的前提下，本领域技术人员可以对该打分系统进行调整，只要该调整能够满足使打分系统计算出的概率得分符合用户对空调器的使用习惯即可。例如，打分系统还可以由上述三部分中的任意一部分或两部分组成。

再如，在另一种可替换的实施方式中，上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，甚至省略某些步骤，这些简单的变化都在本发明的保护范围之内。例如，基于历史运行信息确定预测时间点时，也可以不判断空调器的活跃度而直接对空调器在设定天数内的多个运行时段的运行次数进行统计。

再如，在另一种可替换的实施方式中，本实施方式中所列举出的预测时间点、预测开机时刻、概率得分、设定天数、权值等具体数值仅用作示例性说明，而非旨在于限制本发明的保护范围，本领域技术人员可以对其进行调整，该调整并未偏离本控制方法的原理。

当然，上述可以替换的实施方式之间、以及可以替换的实施方式和优选的实施方式之间还可以交叉配合使用，从而组合出新的实施方式以适用于更加具体的应用场景。

实施例2

下面结合图5和图6对本发明的第二种实施方式进行简要说明。其中，图5为本发明的第二种实施方式中空调器的控制方法的流程图；图6为本发明的第二种实施方式中空调器的控制方法的逻辑图。

如图5和图6所示，在一种可能的实施方式中，本控制方法还可以包括如下步骤：

S201、当到达预测时间点时，基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分；例如，预测开机时刻为19:00，而预测时间点可以为19:00之前的1小时，即18:00，当到达18:00时，云端服务器调用预先建立的打分系统，计算在19:00时用户开机制热的概率得分，也即用户在19:00开机制热的概率。其中，打分系统用于表征空调器的历史运行信息和历史预测信息与空调器在下一预测开机时刻开启制热模式的概率得分之间的对应关系，也就是说，将19:00输入打分系统后，打分系统会基于空调器的历史运行信息和历史预测信息计算出在该时间点用户开启空调器进行制热的概率。

S202、当概率得分大于设定阈值时，基于室外环境温度，确定空调器的蓄热时间；例如，在满分100分的前提下，打分系统在18:00时计算出用户在19:00开启空调制热的概率得分为80分(即开启空调的概率为80％)，证明用户很大可能在19:00会开启空调进行制热，此时云端服务器基于室外环境温度计算出与该室外环境温度相匹配的蓄热时间。

S203、基于预测开机时刻和蓄热时间，计算空调器的蓄热开始时刻；例如，在基于室外环境温度确定出蓄热时间后，通过计算预测开机时刻与蓄热时间的差值得到蓄热开始时刻。如，确定出蓄热时间为5min，预测开机时刻为19:00时，则蓄热开始时刻为18:55。

S204、在到达蓄热开始时刻时，控制空调器以蓄热模式运行。例如，云端服务器计算出蓄热开始时刻后，在时间来到18:05时向空调器下发开始蓄热的指令，从而空调器的控制器控制压缩机和室外风机启动运行，对室内盘管进行蓄热，而室内风机则保持关闭，以防止室内吹出冷风。之后在时间来到18:10时，空调自动启动或用户主动开启空调，由于室内盘管的温度已经调整为合适的温度，因此空调器的出风即为热风，室内的温度可快速调整为适宜的温度。

相比于实施例1，本实施方式的主要区别点在于：不对预测开机时刻进行修正，而对蓄热时间的确定方式进行了调整。具体地，在概率得分大于设定阈值时，基于室外环境温度，确定蓄热时间，如云端服务器基于室外环境温度计算出与该室外环境温度相匹配的蓄热时间；然后基于预测开机时刻和蓄热时间，计算空调器的蓄热开始时刻；最后基于预测开机时刻和蓄热时间，计算空调器的蓄热开始时刻。通过，基于室外环境温度确定空调的蓄热时间，使得蓄热时间基于室外环境温度得到修正，能够保证蓄热时间的精确性，避免能源被浪费。

下面就本实施方式与实施例1的主要区别点进行阐述。较为优选的，可以基于室外环境温度与所述蓄热时间之间的拟合公式，计算蓄热时间。例如，采用如下公式(1)计算蓄热时间：

t＝k×Tao+b (1)

公式(1)中，t代表蓄热时间，Tao为室外环境温度，k和b为常数，该常数可以基于实验数据拟合得出。例如，针对不同室外环境温度对压缩机的蓄热时间进行多次实验。在多次实验中，设定空调器进入正常运行状态时的空调出风温度为同一目标温度，并使得压缩机以相同的蓄热频率运行，判断不同室外环境温度下，空调出风温度达到相同的目标温度，压缩机所需要的蓄热时间，从而建立压缩机蓄热时间与室外环境温度的线性关系。

当然，蓄热时间的确定还可以基于室外环境温度与蓄热时间的其他关系进行，如基于室外环境温度与蓄热时间固定对应关系确定等。如基于蓄热试验确定出室外环境温度与蓄热时间的对照表，该对照表存储于空调器中，利用该对照表可以确定出室外环境温度对应的蓄热时间。

上述设置方式的优点在于：由于不同的室外环境温度对空调器的蓄热能力有很大的影响，因此通过利用室外环境温度与蓄热时间之间的拟合公式或对应关系确定蓄热时间，能够在保证实际开机时间的精确性的基础上，进一步保证蓄热时间的精确性，避免能源被过度浪费。

下面参照图6，对一种可能的实施方式中空调器的运行过程进行描述。

如图6所示，在空调器的一种可能的运行过程中，在到达18:00时，云端服务器基于打分系统，计算用户在1小时后的预测开机时间19:00开启空调制热模式的概率得分为78.5分→概率得分大于70分，云端服务器基于室外环境温度，计算得到蓄热时间→基于预测开机时刻和计算得到的蓄热时间，计算蓄热开始时刻→在到达蓄热开始时刻时，云端服务器下发开启蓄热的指令，控制空调器以蓄热模式运行→以蓄热模式运行一段时间后，接收到用户的开机指令，空调器开机以制热模式运行，并记录当前实际开机时刻，以便后续使用。

实施例3

下面结合图7和图8对本发明的第二种实施方式进行简要说明。其中，图7为本发明的第三种实施方式中空调器的控制方法的流程图；图8为本发明的第三种实施方式中空调器的控制方法的逻辑图。

如图7和图8所示，在一种可能的实施方式中，本控制方法还可以包括如下步骤：

S301、当到达预测时间点时，基于预先建立的打分系统，计算空调器在下一预测开机时刻开启制热模式的概率得分；例如，预测开机时刻为19:00，而预测时间点可以为19:00之前的1小时，即18:00，当到达18:00时，云端服务器调用预先建立的打分系统，计算在19:00时用户开机制热的概率得分，也即用户在19:00开机制热的概率。其中，打分系统用于表征空调器的历史运行信息和历史预测信息与空调器在下一预测开机时刻开启制热模式的概率得分之间的对应关系，也就是说，将19:00输入打分系统后，打分系统会基于空调器的历史运行信息和历史预测信息计算出在该时间点用户开启空调器进行制热的概率。

S302、当概率得分大于设定阈值时，基于时间修正参数，修正预测开机时刻；例如，在满分100分的前提下，打分系统在18:00时计算出用户在19:00开启空调器制热的概率得分为80分(即开启空调的概率为80％)，证明用户很大可能在19:00会开启空调进行制热，此时基于时间修正参数对该开机时刻进行修正，如在确定出的预测开机时刻的基础上通过增加或减少一个时间段的方式对预测开机时刻进行修正，可以使得修正后的预测开机时刻更加接近用户的真实开机时间。例如，预测开机时刻为18:00，时间修正参数为+10min，那么修正后的预测开机时刻为18:00+10min＝18:10。再如，在打分系统计算出用户在19:00开启空调制热的概率得分为50分，证明用户很大可能在19:00不会开启空调，此时云端服务器不进行任何操作，保持空调器的停机状态。

S303、基于室外环境温度，确定空调器的蓄热时间；例如在修正预测开机时刻的同时、之前或之后，云端服务器基于室外环境温度计算出与该室外环境温度相匹配的蓄热时间。

S304、基于修正后的预测开机时刻和蓄热时间，计算空调器的蓄热开始时刻；例如，在修正预测开机时刻和基于室外环境温度确定出蓄热时间后，通过计算预测开机时刻与蓄热时间的差值得到蓄热开始时刻。如，确定出蓄热时间为5min，预测开机时刻为19:00时，则蓄热开始时刻为18:55。

S305、在到达蓄热开始时刻时，控制空调器以蓄热模式运行。例如，云端服务器计算出蓄热开始时刻后，在时间来到18:05时向空调器下发开始蓄热的指令，从而空调器的控制器控制压缩机和室外风机启动运行，对室内盘管进行蓄热，而室内风机则保持关闭，以防止室内吹出冷风。之后在时间来到18:10时，空调自动启动或用户主动开启空调，由于室内盘管的温度已经调整为合适的温度，因此空调器的出风即为热风，室内的温度可快速调整为适宜的温度。

相比于实施例1，本实施方式通过在修正预测开机时刻的基础上，基于室外环境温度确定空调的蓄热时间，使得蓄热时间基于室外环境温度得到修正，进一步保证蓄热时间的精确性，避免能源被浪费。

由于实施例1和2已经分别对本实施方式中的各实施步骤进行了详细描述，因此本实施例中不再赘述。

下面参照图8，对一种可能的实施方式中空调器的运行过程进行描述。

如图8所示，在空调器的一种可能的运行过程中，在到达18:00时，云端服务器基于打分系统，计算用户在1小时后的预测开机时间19:00开启空调制热模式的概率得分为78.5分→概率得分大于70分，云端服务器基于时间修正参数，对预测开机时刻进行修正，得到修正后的预测开机时刻→与此同时，云端服务器基于室外环境温度，计算得到蓄热时间→基于修正后的预测开机时刻和计算得到的蓄热时间，计算蓄热开始时刻→在到达蓄热开始时刻时，云端服务器下发开启蓄热的指令，控制空调器以蓄热模式运行→以蓄热模式运行一段时间后，接收到用户的开机指令，空调器开机以制热模式运行，并记录当前实际开机时刻→云端服务器判断当前实际开机时刻与本次的预测开机时刻之间的第二差值是否小于预设阈值→在第二差值小于预设阈值时，基于过去7天的历史实际开机时刻和历史预测开机时刻对时间修正参数进行调整，并存储调整后的时间修正参数以便下次修正预测开机时刻；在第二差值大于或等于预设阈值时，则不进行任何调整，直接将上次的时间修正参数进行储存。

本领域技术人员可以理解，上述空调器还包括一些其他公知结构，例如处理器、控制器、存储器等，其中，存储器包括但不限于随机存储器、闪存、只读存储器、可编程只读存储器、易失性存储器、非易失性存储器、串行存储器、并行存储器或寄存器等，处理器包括但不限于CPLD/FPGA、DSP、ARM处理器、MIPS处理器等。为了不必要地模糊本公开的实施例，这些公知的结构未在附图中示出。

需要说明的是，尽管上文详细描述了本发明方法的详细步骤，但是，在不偏离本发明的基本原理的前提下，本领域技术人员可以对上述步骤进行组合、拆分及调换顺序，如此修改后的技术方案并没有改变本发明的基本构思，因此也落入本发明的保护范围之内。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (6)

1.一种空调器的控制方法，所述空调器包括压缩机、节流元件、室外换热器、室外风机、室内换热器和室内风机，其特征在于，所述控制方法包括：

当到达预测时间点时，基于预先建立的打分系统，计算所述空调器在下一预测开机时刻开启制热模式的概率得分；其中，所述预测时间点为所述预测开机时刻之前的某一时间点；

当所述概率得分大于设定阈值时，基于时间修正参数，修正所述预测开机时刻；

基于修正后的预测开机时刻和预设的蓄热时间，计算所述空调器的蓄热开始时刻；

在到达所述蓄热开始时刻时，控制所述空调器以蓄热模式运行；

其中，所述打分系统用于表征所述空调器的历史运行信息和历史预测信息与所述空调器在所述下一预测开机时刻开启制热模式的概率得分之间的对应关系。

2.根据权利要求1所述的空调器的控制方法，其特征在于，所述时间修正参数为所述空调器上一次运行时确定的；

其中，所述时间修正参数是基于设定天数内的预测开机时刻和历史实际开机时刻确定；

其中，“所述时间修正参数是基于设定天数内的预测开机时刻和历史实际开机时刻确定”的步骤进一步包括：

获取所述设定天数内的历史预测开机时刻和历史实际开机时刻；

计算所述历史预测开机时刻的均值和所述历史实际开机时刻的均值；

计算所述历史实际开机时刻的均值与所述历史预测开机时刻的均值之间的第一差值；

将所述第一差值确定为所述时间修正参数。

3.根据权利要求1所述的空调器的控制方法，其特征在于，“基于时间修正参数，修正所述预测开机时刻”的步骤进一步包括：

计算所述预测开机时刻与所述时间修正参数之间的总和。

4.根据权利要求1所述的空调器的控制方法，其特征在于，所述控制方法还包括：

在接收到开机指令时，记录当前实际开机时刻；

基于所述当前实际开机时刻，选择性地调整所述时间修正参数，以便在所述空调器下一次运行时修正所述预测开机时刻；

其中，“基于所述当前实际开机时刻，选择性地调整所述时间修正参数”的步骤进一步包括：

计算所述当前实际开机时刻与所述预测开机时刻之间的第二差值；

判断所述第二差值与预设阈值的大小；

在所述第二差值小于所述预设阈值时，基于所述当前实际开机时刻，调整所述时间修正参数。

5.根据权利要求1所述的空调器的控制方法，其特征在于，“基于预先建立的打分系统，计算所述空调器在下一预测开机时刻开启制热模式的概率得分”的步骤进一步包括：

将所述下一预测开机时刻输入预先训练的制热概率模型，得到所述空调器在下一预测开机时刻开启制热模式的历史开启概率；

基于设定天数内在所述下一预测开机时刻开启制热模式的天数，得到近期开启概率；

基于所述历史预测信息，得到所述下一预测开机时刻的历史预测准确率；

基于所述历史开启概率、所述近期开启概率和所述历史预测准确率，计算所述空调器在所述下一预测开机时刻开启制热模式的概率得分；

其中，所述制热概率模型用于表征所述历史运行信息与所述历史开启概率之间的对应关系。

6.根据权利要求1所述的空调器的控制方法，其特征在于，所述控制方法还包括：

基于所述空调器的历史运行信息，选择性地确定所述预测时间点；

其中，“基于所述空调器的历史运行信息，选择性地确定所述预测时间点”的步骤进一步包括：

基于所述空调器的历史运行信息，判断所述空调器的活跃度；

在所述空调器的活跃度为高时，统计设定天数内所述空调器在多个运行时段的运行次数；

从所述多个运行时段内选取若干个运行次数大于设定次数的运行时段；

分别计算每个被选取的运行时段内所有制热模式开启时刻的平均值作为该运行时段的预测开机时刻；

计算每个所述预测开机时刻与预设时间段的差值作为该预测开机时刻的预测时间点。

Images