CN113339953A - 空调控制系统 - Google Patents

Abstract

本发明公开了空调控制系统，包括：云平台，其用于收集用户行为数据和空调器所处的天气参数，并建立用户行为数据及天气参数与空调控制指令之间的预测模型；网络连接器，其分别与所述云平台和所述空调器的室外机互相通讯；所述云平台接收实时的用户行为数据及天气参数，并根据所述预测模型周期性输出用于调整压缩机的运行频率的空调控制指令。本发明通过云平台根据用户行为数据和天气参数输出控制指令，并将控制指令直接下发至室外机，以控制压缩机的运行频率，实现智能控制空调器，提高空调器的制冷/制热输出能力。

Description

空调控制系统

技术领域

本发明涉及空调器控制技术领域，尤其涉及一种空调控制系统。

背景技术

随着工业技术朝着智能化方向发展，现有市场上也出现了很多智能空调，接入互联网，可以通过手机、平板电脑等移动终端来实现对空调器便捷地控制，这些技术都使用户和空调器之间实现了更好的交互体验。

目前，通过手机、平板电脑等移动终端上的应用程序对空调器的控制，主要是通过云平台将控制指令下发至遥控器，再通过遥控器机向室外机发送指令，以实现对空调器的控制。此种远程控制，云平台只作为空调数据存储、转发的平台，其中的控制逻辑只是把通过遥控器控制的参数迁移至云端，最终的控制效果并没有明显变换，用户很难获得额外的控制功能，导致此种基于云计算的的对空调器的控制具有一定的局限性。

此外，目前很多空调器都已经可以实现通过自主学习去适应用户的使用习惯，比如，空调器可以在一段时间内学习用户的使用习惯并形成该用户所对应的运行模式，在用户开启空调器时即可按该运行模式运行，但是目前的这种学习方法都不具备在开启空调器时检测天气情况，并根据天气情况临时调整空调器运行参数的功能，使得空调器的智能化不能充分发挥，并且影响用户的使用体验。

发明内容

本发明的目的在于提供一种空调控制系统，通过云平台根据用户行为数据和天气参数输出控制指令，并将控制指令直接下发至室外机，以控制压缩机的运行频率，实现智能控制空调器，提高空调器的制冷/制热输出能力。

为实现上述发明目的，本发明采用下述技术方案予以实现：

本申请涉及一种空调控制系统，其特征在于，包括：

云平台，其用于收集用户行为数据和空调器所处的天气参数，并建立用户行为数据及天气参数与空调控制指令之间的预测模型；

网络连接器，其分别与所述云平台和所述空调器的室外机互相通讯；

所述云平台接收实时的用户行为数据及天气参数，并根据所述预测模型输出用于调整压缩机的运行频率的空调控制指令。

在本申请的一些实施例中，所述云平台采用机器学习算法建立所述预测模型。

在本申请的一些实施例中，所述云平台通过与其通讯的终端上加载的应用程序获取到所述用户行为数据；

所述云平台通过第三方天气数据平台获取所述天气参数。

在本申请的一些实施例中，所述用户行为数据包括用户对所述空调器的控制指令及控制时间点。

在本申请的一些实施例中，所述空调控制指令为制冷目标频率Hc；

所述室外机根据所述制冷目标频率Hc获取目标运行蒸发温度Pso，且根据实时获取的运行蒸发温度，调整所述压缩机的运行频率，直至所述运行蒸发温度达到所述目标运行蒸发温度Pso。

在本申请的一些实施例中，所述空调控制指令为制热目标频率Hh；

所述室外机根据所述制热目标频率Hh获取目标运行冷凝温度Pdo，且根据实时获取的运行冷凝温度，调整所述压缩机的运行频率，直至所述运行冷凝温度达到所述目标运行冷凝温度Pdo。

在本申请的一些实施例中，所述室外机根据所述制热目标频率Hh获取目标运行冷凝温度Pdo，具体为：

所述室外机根据所述制热目标频率Hh获取目标压力修正值KPd_Hh；

根据公式Pdo=K1+KPd_Hh，获取所述目标运行冷凝温度Pdo，其中K1为预设的实验调试参数。

在本申请的一些实施例中，K1为2.85。

相比现有技术，本申请提出的空调控制系统具有如下优点和有益效果：

（1）利用云平台强大的计算能力对用户行为数据及天气参数进行分析，建立预测模型，数据处理快；

（2）预测模型是以用户行为数据和天气参数为输入参数，以空调控制指令为输出参数，大大提高空调器的智能化控制水平，且提高用户使用体验；

（3）云平台直接下发空调控制指令至室外机，避免指令通过遥控器间接传送，实现室外机根据接收到的命令直接对压缩机频率进行控制，实现空调器的能力优先控制。

结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提出的空调控制系统一实施例的通讯框图；

图2为本发明提出的空调控制系统一实施例的原理框图。

具体实施方式

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，都属于本发明保护的范围。在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

[空调器的基本运行原理]

空调的制冷循环包括压缩机、冷凝器、膨胀阀和蒸发器。制冷循环包括一系列过程，涉及压缩、冷凝、膨胀和蒸发，并向已被调节和热交换的空气供应制冷剂。

压缩机压缩处于高温高压状态的制冷剂气体并排出压缩后的制冷剂气体。所排出的制冷剂气体流入冷凝器。冷凝器将压缩后的制冷剂冷凝成液相，并且热量通过冷凝过程释放到周围环境。

膨胀阀使在冷凝器中冷凝的高温高压状态的液相制冷剂膨胀为低压的液相制冷剂。蒸发器蒸发在膨胀阀中膨胀的制冷剂，并使处于低温低压状态的制冷剂气体返回到压缩机。蒸发器可以通过利用制冷剂的蒸发的潜热与待冷却的材料进行热交换来实现制冷效果。在整个循环中，空调器可以调节室内空间的温度。

空调室外机是指包括制冷循环的压缩机的部分以及包括室外热交换器，空调室内机包括室内热交换器，并且膨胀阀可以提供在空调室内机或室外机中。

室内热交换器和室外热交换器用作冷凝器或蒸发器。当室内热交换器用作冷凝器时，空调器用作制热模式的加热器，当室内热交换器用作蒸发器时，空调器用作制冷模式的冷却器。

[空调控制系统]

在本申请中，空调器可以指多联机空调器。

多联机包括至少一个室外机和通过冷媒连接管路相连接的至少一个室内机。

在本申请中，以一个室外机和一个室内机为例进行说明。

参见图1，主要涉及云平台、网络连接器、室外机及室内机。

云平台与网络连接器互相通讯，网络连接器与室外机也互相通信，因此，能够通过网络连接器实现云平台和室外机之间的互相通讯。

即，云平台能够通过网络连接器向室外机下发控制指令，且室外机的运行状态数据也可以通过网络连接器上传至云平台。

网络连接器包括但不限于限于通过NB-IoT、4G、5G等通信方式连接至云平台。

终端（例如手机、pad或电脑等）可以通过例如路由器、网关等网络连接设备连接至云平台。

终端上加载有用于控制空调器及监控空调器运行状态的应用程序APP，用户通过APP可以下发对空调器的控制指令，且APP可以读取云平台上关于室外机/室内机运行状态的数据。

在本申请中，APP上除了常见的空调控制功能外，即可以如常规的向遥控器下发的控制指令（例如，调整制冷/制热温度/风速、开启除湿模式等），也包括本申请中的新增模式，记为“强力模式”。

即，在“强力模式”下，通过云平台上的预测模型根据用户行为数据和天气参数，输出用于控制空调器的控制指令，直接下发至室外机，对室外机中压缩机进行频率调整，实现空调器的能力优先输出。

云平台向室外机直接发送控制命令，不经遥控器转发，扩展了对空调器的控制功能。

同时，云平台下发的控制命令也会推送至APP，以通知用户当前对空调器所进行的控制。

云平台具有强大的计算功能，因此，在本申请中，选择在云平台上对用户行为数据和空调器所处的天气参数进行获取、分析并建立预测模型及下发控制指令，数据处理速度快，且不占用空调器的任何计算资源。

数据获取

在本申请中，云平台根据用户在APP上的操作，形成用户行为数据，即用户行为数据包括APP上记录的控制指令及控制时间。

针对每个用户和用户对每个空调器的控制进行数据存储，例如，用户A对空调器A的用户行为数据、用户A对空调器B的用户行为数据、用户B对空调器C的用户行为数据。

用户行为数据可以举例如下：用户A，习惯在17：00打开空调器，并将温度设置在20度，风速为强风，22:00睡觉，此时将温度设定为26度，风速为微风，夜间2：00关闭空调器，早上6:00打开空调器并将温度设置为28度，风速为强风，早上8:00关闭空调，并且每天几乎按照同样地时间设置空调器。

云平台可以通过第三方天气数据平台实时获取空调器所处的当前天气参数。

当前天气参数例如可以包括：当前室外温度、室外环境的PM2.5值、室外湿度等。

模型建立

在获取到大量的用户行为数据及天气参数后，通过现有机器学习算法（例如，LSTM、SVR、随机森林）可形成预测模型。

该预测模型以用户行为数据和天气参数为输入参数、以空调控制指令为输出参数。

该预测模型可以存储至RAM等存储器中，在下一次开启空调器时，即可直接调用该预测模型，获取空调器对应的空调控制指令。

其中在建立预测模型的机器学习算法中所用的训练数据可以以每七天的数据作为一组训练数据，以更新预测模型。

指令下发

在空调器实际运行过程中，周期性地根据获取到的用户行为数据和天气参数，并输入至该预测模型，周期性地输出用于调整压缩机频率的空调控制指令。

参见图2，该空调控制指令由云平台通过网络连接器下发至室外机，并通过对压缩机频率进行调整，以达到空调器能力优先控制的目的，即，提高空调器的制冷能力或制热能力。

[空调控制指令]

制冷模式

在本申请中，空调控制指令可以指在选择制冷模式时，通过如上所述的预测模型输出的制冷目标频率Hc。

该制冷目标频率Hc用于对压缩机的运行频率进行调整，以提高空调器的制冷能力。

室外机内会预设该预测模型输出的制冷目标频率Hc与目标运行蒸发温度Psoset之间的对应关系。

例如，在室外机内可存储对应制冷目标频率Hc与目标运行蒸发温度Psoset相对应的数据表。

其中，目标运行蒸发温度Psoset可以为设定的蒸发器表面温度，当然，也可以为设定的其他表征制冷能力的温度。

在目标运行蒸发温度Psoset不同时，压缩机的运行频率也是不同的。

目标运行蒸发温度Psoset越低，对应压缩机的运行频率越好，从而空调器的制冷能力也越好。

在预测模型输出制冷目标频率Hc并下发至室外机后，室外机根据如上所述的制冷目标频率Hc与目标运行蒸发温度Psoset之间的对应关系，获取目标运行蒸发温度Psoset。

空调器在实际运行过程中，根据实时获取到的运行蒸发温度和目标运行蒸发温度Psoset，对压缩机的运行频率进行调整，使运行蒸发温度达到目标运行蒸发温度Psoset，以获得对应的制冷能力。

制热模式

在本申请的一些实施例中，空调控制指令可以指在选择制热模式时，通过如上所述的预测模型输出的制热目标频率Hh。

该制热目标频率Hh用于对压缩机的运行频率进行调整，以提高空调器的制热能力。

室外机内会预设该预测模型输出的制热目标频率Hh与目标运行冷凝温度Pdo之间的对应关系。

例如，在室外机内可存储对应制热目标频率Hh与目标运行冷凝温度Pdo相对应的数据表。

其中，目标运行冷凝温度Pdo可以为设定的冷凝器表面温度，当然，也可以为设定的其他表征制热能力的温度。

在目标运行冷凝温度Pdo不同时，压缩机的运行频率也是不同的。

目标运行冷凝温度Pdo越高，对应压缩机的运行频率越高，从而空调器的制热能力也越好。

在预测模型输出制热目标频率Hh并下发至室外机后，室外机根据如上所述的制热目标频率Hh与目标运行冷凝温度Pdo之间的对应关系，获取目标运行冷凝温度Pdo。

空调器在实际运行过程中，根据实时获取到的运行冷凝温度和目标运行冷凝温度Pdo，对压缩机的运行频率进行调整，使运行冷凝温度达到目标运行冷凝温度Pdo，以获得对应的制热能力。

在本申请的一些实施例中，室外机内会预设该预测模型输出的制热目标频率Hc与目标压力修正值KPd_Hh之间的对应关系。

例如，在室外机内可存储对应制热目标频率Hh与目标压力修正值KPd_Hh相对应的数据表。

并且，根据实验调试，会获知到目标压力修正值KPd_Hh和目标运行冷凝温度Pdo之间的关系。

即，Pdo=K1+KPd_Hh，其中K1为实验调试获取的预设值。

K1可以选择2.85。

在根据制热目标频率Hh获取到对应的目标压力修正值KPd_Hh时，也即获取到该制热目标频率Hh对应的目标运行冷凝温度Pdo。

其中，目标运行冷凝温度Pdo可以为设定的冷凝器表面温度，当然，也可以为设定的其他表征制热能力的温度。

在预测模型输出制热目标频率Hh并下发至室外机后，室外机根据如上所述的制热目标频率Hh与目标压力修正值KPd_Hh之间的对应关系，获取目标压力修正值KPd_Hh。

之后，室外机再根据目标压力修正值KPd_Hh与目标运行冷凝温度Pdo之间的关系，获取到目标运行冷凝温度Pdo。

空调器在实际运行过程中，根据实时获取到的运行冷凝温度和目标运行冷凝温度Pdo，对压缩机的运行频率进行调整，使运行冷凝温度达到目标运行冷凝温度Pdo，以获得对应的制热能力。

本申请提出的空调控制系统，云平台根据获取到的真实的用户行为数据和天气参数为输入参数，以空调控制指令为输出参数，建立预测模型，云平台计算能力强强、数据处理速度快，且由于预测模型是以用户行为数据和天气参数为输入参数，因此，输出的空调控制指令能够提高用户的使用体验。

通过预测模型输出的制冷目标频率Hc或制热目标频率Hh，直接下发至室外机，室外机根据该制冷目标频率Hc或制热目标频率Hh控制调整压缩机的运行频率，从而实现空调器的能力优先控制，为用户提供更智能的空调使用体验。

以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述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；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。

Claims (8)

1.一种空调控制系统，其特征在于，包括：

云平台，其用于收集用户行为数据和空调器所处的天气参数，并建立用户行为数据及天气参数与空调控制指令之间的预测模型；

网络连接器，其分别与所述云平台和所述空调器的室外机互相通讯；

所述云平台接收实时的用户行为数据及天气参数，并根据所述预测模型周期性输出用于调整压缩机的运行频率的空调控制指令。

2.根据权利要求1所述的空调控制系统，其特征在于，所述云平台采用机器学习算法建立所述预测模型。

3.根据权利要求1所述的空调控制系统，其特征在于，

所述云平台通过与其通讯的终端上加载的应用程序获取到所述用户行为数据；

所述云平台通过第三方天气数据平台获取所述天气参数。

4.根据权利要求1至3中任一项所述的空调控制系统，其特征在于，

所述用户行为数据包括用户对所述空调器的控制指令及控制时间点。

5.根据权利要求1所述的空调控制系统，其特征在于，

所述空调控制指令为制冷目标频率Hc；

所述室外机根据所述制冷目标频率Hc获取目标运行蒸发温度Pso，且根据实时获取的运行蒸发温度，调整所述压缩机的运行频率，直至所述运行蒸发温度达到所述目标运行蒸发温度Pso。

6.根据权利要求1所述空调控制系统，其特征在于，

所述空调控制指令为制热目标频率Hh；

所述室外机根据所述制热目标频率Hh获取目标运行冷凝温度Pdo，且根据实时获取的运行冷凝温度，调整所述压缩机的运行频率，直至所述运行冷凝温度达到所述目标运行冷凝温度Pdo。

7.根据权利要求6所述的空调控制系统，其特征在于，

所述室外机根据所述制热目标频率Hh获取目标运行冷凝温度Pdo，具体为：

所述室外机根据所述制热目标频率Hh获取目标压力修正值KPd_Hh；

根据公式Pdo=K1+KPd_Hh，获取所述目标运行冷凝温度Pdo，其中K1为预设的实验调试参数。

8.根据权利要求7所述的空调控制系统，其特征在于，

K1为2.85。

Images