CN114754477B - 空调控制系统、方法、中央空调系统、装置及存储介质 - Google Patents

Abstract

本发明公开了一种空调控制系统、方法、中央空调系统、计算机装置及存储介质，空调控制系统包括处理模块，处理模块采集温度控制目标值和环境温度初始值，将温度控制目标值和环境温度初始值输入人工智能用户模型获得温度控制偏好值，将环境温度初始值输入人工智能环境模型获得环境温度预测值，将温度控制偏好值和环境温度预测值输入人工智能控制模型获得空调控制量。本发明能够从用户设定的温度控制目标值和采集得到的环境温度初始值得到空调控制量，考虑了用户的实际偏好和空调工作空间的环境等主客观因素，能够平衡个性化需求以及能效性能和环境因素，实现对空调末端装置的智能控制。本发明广泛应用于空调控制技术领域。

Description

空调控制系统、方法、中央空调系统、装置及存储介质

技术领域

本发明涉及空调控制技术领域，尤其是一种空调控制系统、方法、中央空调系统、计算机装置及存储介质。

背景技术

空调的制冷或制热温度一方面能够提供最直观的用户感受体验，另一方面对空调的功耗也有重大影响，是空调工作的重要控制参数。目前的空调控制技术，主要是由用户对空调设定目标温度，空调工作过程中存在一个负反馈调节过程，例如在当前环境温度高于/低于目标温度时保持制冷/制热，而用户的使用过程中也存在一个负反馈调节过程，例如当体感过热/过冷时调低/调高目标温度。但是，目前的空调控制技术中，空调的工作过程与用户的使用过程分别存在的这两个负反馈调节过程是相互独立的，空调的智能化程度低，只能由用户根据自己的使用体验去对空调的目标温度进行调整，相当于需要由用户介入空调工作过程中的负反馈调节过程，这降低了用户的舒适度。

发明内容

针对目前的空调控制技术中，空调的自动化程度不高等至少一个技术问题，本发明的目的在于提供一种空调控制系统、方法、中央空调系统、计算机装置及存储介质。

一方面，本发明实施例包括一种空调控制系统，包括处理模块；所述处理模块用于：

采集温度控制目标值和环境温度初始值；

运行人工智能用户模型、人工智能环境模型和人工智能控制模型；

将所述温度控制目标值和所述环境温度初始值输入所述人工智能用户模型，获取所述人工智能用户模型输出的温度控制偏好值；

将所述环境温度初始值输入所述人工智能环境模型，获取所述人工智能环境模型输出的环境温度预测值；

将所述温度控制偏好值和所述环境温度预测值输入所述人工智能控制模型，获取所述人工智能控制模型输出的空调控制量。

进一步地，所述空调控制系统还包括：

无线通信模块；所述无线通信模块用于与至少一个空调末端装置无线连接，从所述处理模块获取所述空调控制量，通过无线通信协议，将所述空调控制量发送至相应的所述空调末端装置。

进一步地，所述空调控制系统还包括：

人机交互模块；所述人机交互模块与所述无线通信模块无线连接，所述人机交互模块用于供用户操作，以获取所述温度控制目标值，将所述温度控制目标值发送至所述无线通信模块，由所述无线通信模块将所述温度控制目标值发送至所述处理模块；

温度检测模块；所述温度检测模块与所述无线通信模块无线连接，所述温度检测模块用于安装在空调工作空间，所述温度检测模块从所述空调工作空间检测到所述环境温度初始值，将所述环境温度初始值发送至所述无线通信模块，由所述无线通信模块将所述环境温度初始值发送至所述处理模块。

进一步地，当存在多个所述空调末端装置，所述处理模块还用于：

检测被发送至各所述空调末端装置的多个不同所述空调控制量的统计特性；

根据所述统计特性确定相应的网络拓扑结构，控制所述无线通信模块以所确定的所述网络拓扑结构，与各所述所述空调末端装置无线连接。

进一步地，所述处理模块还用于：

将所述温度控制偏好值和所述环境温度预测值输入所述人工智能控制模型，采集空调设备仿真模型中的输入输出参数，形成空调参数大数据，将空调参数大数据输入到空调设备仿真模型中，对空调设备仿真模型进行修正，以实际运行数据为依据，对模型进行修正与更新，使设备可以根据更新的模型，通过自寻优算法寻找最优的工作点，实现空调控制系统的节能高效运行。

进一步地，所述处理模块还用于：

采集温度控制目标值样本、环境温度初始值样本、温度控制偏好值样本、环境温度预测值样本以及空调控制量样本；

以所述温度控制目标值样本和所述环境温度初始值样本作为输入，以所述温度控制偏好值样本作为期望输出，对所述人工智能用户模型进行训练；

以所述环境温度初始值样本作为输入，以所述环境温度预测值样本作为期望输出，对所述人工智能环境模型进行训练；

以所述温度控制偏好值样本以及所述环境温度预测值样本作为输入，以所述空调控制量样本作为期望输出，对所述人工智能控制模型进行训练。

另一方面，本发明实施例还包括一种中央空调系统，所述中央空调系统包括：

实施例中所述的空调控制系统；

多个空调末端装置；各所述空调末端装置用于安装在相同或不同的空调工作空间中；所述空调控制系统与各所述空调末端装置无线连接，所述空调控制系统将所述空调控制量发送至相应的所述空调末端装置，接收到所述空调控制量的所述空调末端装置根据所述空调控制量工作。

另一方面，本发明实施例还包括一种空调控制方法，所述空调控制方法包括：

采集温度控制目标值和环境温度初始值；

运行人工智能用户模型、人工智能环境模型和人工智能控制模型；

将所述温度控制目标值和所述环境温度初始值输入所述人工智能用户模型，获取所述人工智能用户模型输出的温度控制偏好值；

将所述环境温度初始值输入所述人工智能环境模型，获取所述人工智能环境模型输出的环境温度预测值；

将所述温度控制偏好值和所述环境温度预测值输入所述人工智能控制模型，获取所述人工智能控制模型输出的空调控制量。

另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的空调控制方法。

另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的空调控制方法。

本发明的有益效果是：实施例中的空调控制系统，所运行的人工智能用户模型、人工智能环境模型和人工智能控制模型能够从用户设定的温度控制目标值以及采集得到的环境温度初始值中提取出特征信息，根据特征信息映射得到空调控制量，一方面考虑了用户的实际偏好等主观因素，另一方面考虑了空调工作空间的环境客观因素，从而能够平衡用户对温度的个性化需求以及空调末端装置的能效性能和环境因素，实现对空调末端装置的智能控制。而且，在对空调末端装置的智能控制过程中，只需用户设置一次温度控制目标值，即可由空调控制系统进行自动控制，避免需要用户一直介入调节空调带来的使用体验下降。

附图说明

图1为实施例中空调控制系统的架构图；

图2为实施例中空调控制系统的工作原理图；

图3为实施例中作为空调末端装置的风机盘管的结构图；

图4为实施例中空调控制方法的流程图。

具体实施方式

本实施例中，参照图1，空调控制系统包括处理模块、无线通信模块、人机交互模块和温度检测模块。其中，处理模块是实现空调控制系统基本功能的模块，可以使用单片机、PLC或者FPGA等器件作为处理模块。无线通信模块、人机交互模块和温度检测模块相当于处理模块的外设，在工艺允许的情况下，也可以将处理模块、无线通信模块和人机交互模块集成在一个芯片或者一个部件上。

参照图1，人机交互模块可以是通用的手机或者平板电脑等终端，也可以是配套专用的遥控器或者触摸屏，人机交互模块与处理模块之间可以通过蓝牙、红外、ZigBee或者WiFi等无线通信协议连接。人机交互模块可以与处理模块集成为一体，此时人机交互模块可以是触摸面板或者键盘。

参照图1，无线通信模块可以是基于WiFi或者蓝牙等无线通信协议的通信模块，无线通信模块与处理模块连接，使得处理模块具有无线通信的能力。无线通信模块可以与同样具有无线通信能力的空调末端装置无线连接，使得处理模块可以与空调末端装置进行无线通信。具体地，空调末端装置可以是风机盘管等具有制热或者制冷等空调功能的装置。空调末端装置可以本身集成了驱动电路，处理模块生成带有制冷/制热功率、风量大小、风向等信息的空调控制量数据，将空调控制量数据发送至空调末端装置，使得处理模块可以控制空调末端装置的制冷/制热工作。

空调末端装置可以安装在房间、大厅或者仓库等空调工作空间中。在中央空调模式的情况下，将出现一个房间安装一个空调末端装置、一个大厅安装两个空调末端装置等情况，因此处理模块将通过无线通信模块连接多个空调末端装置，此时也对应出现多个空调工作空间。参照图1，每个空调工作空间可以安装一个或多个温度检测模块，例如一个房间安装一个温度检测模块。温度检测模块集成了具有无线通信功能的部件，使得温度检测模块可以将其检测到的所在空调工作空间的环境温度上传到处理模块。

本实施例中，在处理模块的性能和算力足够的情况下，处理模块可以独立运行人工智能用户模型、人工智能环境模型和人工智能控制模型；处理模块也可以通过互联网与后台服务器连接，由后台服务器运行人工智能用户模型、人工智能环境模型和人工智能控制模型，处理模块将需要处理的数据发送至后台服务器进行处理，后台服务器运行人工智能用户模型、人工智能环境模型和人工智能控制模型获得处理结果之后，供处理模块调用处理结果，从而无需处理模块具备太强大的性能，也能调用人工智能算法。由于不至于混淆，本实施例中不必区分由处理模块本身或者后台服务器运行人工智能模型。

具体地，人工智能用户模型、人工智能环境模型和人工智能控制模型可以都是基于卷积神经网络的人工智能模型。

在运行人工智能用户模型、人工智能环境模型和人工智能控制模型之前，处理模块可以先对人工智能用户模型、人工智能环境模型和人工智能控制模型进行训练。具体地，可以在日常使用过程中，或者在专门的产品研发、产品维护等环节，处理模块采集温度控制目标值样本、环境温度初始值样本、温度控制偏好值样本、环境温度预测值样本以及空调控制量样本等数据。具体地，温度控制目标值样本可以是由真正的用户或者研发人员模拟的用户，通过人机交互模块向处理模块设定的温度控制目标值；环境温度初始值样本可以是温度检测模块在实际安装的空调工作空间中，或者在研发维护等环节的实验室、维修间中，在空调末端装置启动制冷/制热前实际测得的环境温度；温度控制偏好值样本可以是由真正的用户或者模拟的用户，通过人机交互模块向处理模块设定的根据个人感受确定的温度值；环境温度预测值样本可以是温度检测模块在实际安装的空调工作空间中，或者在研发维护等环节的实验室、维修间中，在空调末端装置启动制冷/制热一段时间后实际测得的环境温度；空调控制量样本可以是通过若干次试验确定的，在空调末端装置启动时的环境温度为环境温度预测值样本、要求空调末端装置在预设时间内将环境温度制热/制冷至温度控制偏好值样本的情况下，需要向空调末端装置发送的控制参数，具体可以是制热/制冷功率、风量、风速等数据。

处理模块在训练人工智能用户模型时，以温度控制目标值样本和环境温度初始值样本作为输入，由基于卷积神经网络的人工智能用户模型对温度控制目标值样本和环境温度初始值样本进行处理，获得输出值；以温度控制偏好值样本作为期望输出，根据人工智能用户模型的输出值与期望输出计算损失函数值，根据损失函数值的大小或者收敛情况，确定继续对人工智能用户模型进行下一轮训练，或者完成对人工智能用户模型的训练；在完成对人工智能用户模型的训练之后，保存人工智能用户模型的参数，获得训练好的人工智能用户模型。

通过训练人工智能用户模型，训练好的人工智能用户模型具有了识别温度控制目标值样本和环境温度初始值样本同类型数据的特征信息，并根据识别出的特征信息，输出相应的温度控制偏好值的能力。因此，当获得温度控制目标值和环境温度初始值，可以输入至人工智能用户模型中，人工智能用户模型能够输出反映用户实际使用偏好的温度控制偏好值。

处理模块在训练人工智能环境模型时，以环境温度初始值样本作为输入，由基于卷积神经网络的人工智能环境模型对环境温度初始值样本进行处理，获得输出值；以环境温度预测值样本作为期望输出，根据人工智能环境模型的输出值与期望输出计算损失函数值，根据损失函数值的大小或者收敛情况，确定继续对人工智能环境模型进行下一轮训练，或者完成对人工智能环境模型的训练；在完成对人工智能环境模型的训练之后，保存人工智能环境模型的参数，获得训练好的人工智能环境模型。

通过训练人工智能环境模型，训练好的人工智能环境模型具有了识别环境温度初始值样本同类型数据的特征信息，并根据识别出的特征信息，输出相应的环境温度预测值的能力。因此，当获得环境温度初始值，可以输入至人工智能环境模型中，人工智能环境模型能够输出具有足够置信度的、未来一段时间该空调工作空间将会达到的环境温度预测值。

处理模块在训练人工智能控制模型时，以温度控制偏好值样本以及环境温度预测值样本作为输入，由基于卷积神经网络的人工智能控制模型对温度控制偏好值样本以及环境温度预测值样本进行处理，获得输出值；以空调控制量样本作为期望输出，根据人工智能控制模型的输出值与期望输出计算损失函数值，根据损失函数值的大小或者收敛情况，确定继续对人工智能控制模型进行下一轮训练，或者完成对人工智能控制模型的训练；在完成对人工智能控制模型的训练之后，保存人工智能控制模型的参数，获得训练好的人工智能控制模型。

通过训练人工智能控制模型，训练好的人工智能控制模型具有了识别温度控制偏好值样本以及环境温度预测值样本同类型数据的特征信息，并根据识别出的特征信息，输出相应的空调控制量的能力。因此，当获得温度控制偏好值以及环境温度预测值，可以输入至人工智能控制模型中，人工智能控制模型能够输出能够驱动空调末端装置在环境温度预测值下，通过制热/制冷，使所在的空调工作空间在预设时间内达到温度控制偏好值的空调控制量。

用户通过操作人机交互模块，向处理模块输入温度控制目标值。安装在空调工作环境中的温度检测模块检测到环境温度初始值，即空调末端装置启动前空调工作环境的环境温度，将环境温度初始值上传至处理模块。

处理模块在获得温度控制目标值和环境温度初始值之后，参照图2，将温度控制目标值和环境温度初始值输入人工智能用户模型，获取人工智能用户模型输出的温度控制偏好值；将环境温度初始值输入人工智能环境模型，获取人工智能环境模型输出的环境温度预测值。

处理模块在获得温度控制偏好值和环境温度预测值之后，参照图2，将温度控制偏好值和环境温度预测值输入人工智能控制模型，获取人工智能控制模型输出的空调控制量。

处理模块在获得空调控制量之后，将空调控制量发送至无线通信模块，由无线通信模块通过无线通信协议，将空调控制量发送至相应的空调末端装置。具体地，将空调控制量发送至的空调末端装置，可以根据温度控制目标值的设置对象或者环境温度初始值来确定。

参照图2，人机交互模块在获取温度控制目标值时，可以通过唯一ID来区分不同的空调末端装置，可以记录用户所针对设置的空调末端装置的ID，将ID一并发送至处理模块，处理模块控制无线通信模块，将空调控制量发送至该ID对应的空调末端装置。

参照图2，可以通过唯一ID来区分不同的温度检测模块，在安装在相同的空调工作空间中的温度检测模块和空调末端装置之间，建立起ID之间的映射关系。处理模块通过在温度检测模块获取环境温度初始值时，可以根据温度检测模块的ID以及映射关系，查找得到相应的空调末端装置的ID，处理模块控制无线通信模块，将空调控制量发送至该ID对应的空调末端装置。

空调末端装置在获取到空调控制量之后，根据空调控制量执行相应的制热/制冷功率、风量、风速等工作参量。本实施例中，处理模块采集温度控制目标值和环境温度初始值，以及运行人工智能用户模型、人工智能环境模型和人工智能控制模型处理得到空调控制量的时间可以在以秒计算的短时间内，因此处理模块可以通过不断采集温度控制目标值和环境温度初始值以及更新空调控制量，实现对空调末端装置的实时动态控制。

本实施例中，处理模块所运行的人工智能用户模型、人工智能环境模型和人工智能控制模型经过使用样本数据的训练，当样本数据的规模足够大时，参照图2，这三个人工智能模型能够从用户设定的温度控制目标值以及采集得到的环境温度初始值中提取出特征信息，根据特征信息映射得到空调控制量；从温度控制目标值和环境温度初始值处理得到空调控制量的过程中，包含温度控制偏好值和环境温度预测值等中间结果，其中温度控制偏好值是用户在环境温度初始值下设定温度控制目标值所反映出的对环境温度的实际偏好，环境温度预测值是对空调工作空间在环境温度初始值条件下一定时间后很大可能达到的环境温度，因此所得到的空调控制量，一方面考虑了用户的实际偏好等主观因素，另一方面考虑了空调工作空间的环境客观因素，从而能够平衡用户对温度的个性化需求以及空调末端装置的能效性能和环境因素，实现对空调末端装置的智能控制。而且，在对空调末端装置的智能控制过程中，只需用户设置一次温度控制目标值，即可由空调控制系统进行自动控制，避免需要用户一直介入调节空调带来的使用体验下降。

本实施例中，当存在多个空调末端装置，处理模块通过无线通信模块与这些空调末端装置连接时，可以使用网状网、星型网、树形网或者链型网等不同的网络拓扑结构。其中，图1所示的网络拓扑结构相当于星型网，其中处理模块处于中心节点。在空调末端装置具有信号中继能力的情况下，无线通信模块可以只与一个空调末端装置连接，其他空调末端装置顺次通过相邻的空调末端装置连接到无线通信模块，从而连接成链型网。

本实施例中，处理模块检测被发送至各空调末端装置的多个不同空调控制量的统计特性。具体地，不同空调控制量的统计特性可以是指多个空调控制量的离散程度，可以通过方差或者标准差等统计值进行量化。

例如，当不同空调控制量的方差或者标准差小于预设阈值，可以认为这些空调控制量相互比较接近，在工程控制上可以将这些空调控制量调整为统一的值(例如调整为这些空调控制量的算术平均值)，最终控制空调末端装置达到的制热/制冷效果不会引起被明显感受到的偏差，此时，处理模块可以控制无线通信模块以链型网作为与各空调末端装置无线连接的网络拓扑结构，处理模块可以将相同的空调控制量发送至一个空调末端装置之后，再转发至其他空调末端装置，从而减轻处理模块的负荷。

例如，当不同空调控制量的方差或者标准差大于预设阈值，可以认为这些空调控制量不能相互代替，只能准确地发送至相应的空调末端装置。此时，处理模块可以控制无线通信模块以星型网作为与各空调末端装置无线连接的网络拓扑结构，由处理模块将各个空调控制量分别发送至相应的空调末端装置，从而实现对每个空调末端装置的精确控制。

基于本实施例中的空调控制系统，加上多个空调末端装置之后，可以参照本实施例中以及图1所示的连接方式，将空调控制系统与各空调末端装置连接在一起，从而组成中央空调系统。当中央空调系统运行时，各空调末端装置在空调控制系统发送过来的空调控制量的控制下工作，可以实现与空调控制系统相同或者更优的技术效果。

具体地，中央空调系统中的空调末端装置，可以是具有图3所示结构的风机盘管。本实施例中所使用的风机盘管包括温度控制器和直流驱动控制器。

风机盘管中的温度控制器具有以下特性：

产品功能

带0～10V信号输出；

睡眠控温；

失电记忆；

外置温度探头；

PID无级风速调节；

RS485通讯；

多种选项设定；

红外遥控接收；

温度偏差修正；

定时倒计时开关机；

制冷、制热、送风、自动模式切换；

设定温度与室温温度同时显示。

产品优势

节能

采用直流无刷电机，该电机为无级调速电机、使用永磁铁作为磁芯，电机效率高达90％。与传统风机盘管对比，在送风量固定的条件下，直流无刷风机盘管的平均节电率达到47％以上。

宁静低噪

直流无刷风机盘管采用电子换向代替碳刷换向，杜绝了碳刷产生的噪声。同时，直流无刷风机运行稳定、振动小，大大减少开关机及加速带来的振动噪声。

舒适

传统风机盘管只有三档调速，直流无刷风机盘管通过对风机实现无级调速，调速范围宽，精度高，杜绝“忽冷忽热”现象。

维护成本低

直流无刷风机采用直流无刷式免维护型电机。由于省去了励磁用的集电环和电刷，在结构上大大简化。不但改善了电机的工艺性，而且电机运行的机械可靠性大为增强，寿命增加。

产品的改进点

温控器的温控单元电路与风机盘管无刷电机驱动单元电路合二为一，便于进行一体化控制；

冷源系统大数据及环境参数通过系统的联网功能参与控制，实现了风机盘管的AI策略控制；

用户只需在温度控制器上设定所要的舒适温度，无需进行制冷、制热切换及其他参数的设置，一体化控制器根据冷源大数据及环境参数即可进行自动制冷、制热的切换。

风机盘管中的直流驱动控制器具有以下特性：

产品特性

配接温控器实现5段自动调速，由环境温度来自动调整风量；

通过8位数字指拨开关设定8组不同的5段转速，操作简便，可实现大小不同机器共用本电源板，更适应各种使用场合的用户需求；

具有过载保护功能，由于负载过重或堵转使得电机转速始终比目标转速低200rpm以上时自动停机30s，然后重启，如此循环；

具有限速功能，当电机转速超过1500rpm时，迅速抑制转速继续攀升；

最大电流输出设定；

外部模拟信号调速控制；

电机极对数选择；

各种报警指示；

脉冲频率调速控制；

加/减速时间设定；

电流、速度双闭环控制。

产品功能

宽电压输入：180V～260V

宽电流输出：3.0A～15A

多种运行方式：开环、闭环(控制精度：±0.5％)

多种命令：多功能输入端子控制(支持NPN、PNP输入)、485标准Modbus RTU通讯控制、外置键盘控制

多种速度控制：内置按钮、外部模拟电压或PWM(0～5V)、通讯控制、键盘控制、多段速度、简易PLC控制

加速、减速控制：0.3S～10S，可通过旋钮调节、通讯调节和键盘调节

电子刹车：实现快速电磁制动

多功能输入接口：5个数字量输入(支持NPN、PNP)可通过键盘自定义为：正转、反转、点动、自由停止、电子刹车、多段速度等多种功能输入

多功能输出接口：2个数字量输出，可通过键盘定义自定义为：运行中、正转运行中、反转运行中、故障、速度等多种功能输出

故障检测及保护：欠压、过压、过流、过载、堵转、短路、缺相等多种故障检测。故障发生后，根据故障类型启动相应的保护动作。故障信息可通过LED灯或键盘显示。

技术参数

驱动功率：100W～300W直流无刷电机

额定电压：180V～260V

额定转速：100转/分钟～3000转/分钟

额定电压范围：直流36V以下

工作温度：-20度～80度

基于本实施例中的空调控制系统，可以执行空调控制方法。参照图4，空调控制方法包括以下步骤：

S1.采集温度控制目标值和环境温度初始值；

S2.运行人工智能用户模型、人工智能环境模型和人工智能控制模型；

S3.将温度控制目标值和环境温度初始值输入人工智能用户模型，获取人工智能用户模型输出的温度控制偏好值；

S4.将环境温度初始值输入人工智能环境模型，获取人工智能环境模型输出的环境温度预测值；

S5.将温度控制偏好值和环境温度预测值输入人工智能控制模型，获取人工智能控制模型输出的空调控制量。

具体地，步骤S1-S5可由本实施例中的空调控制系统中的处理模块执行，即运行空调控制系统中的处理模块，可以执行步骤S1-S5，可以实现与空调控制系统相同或者更优的技术效果。

可以通过编写执行本实施例中的空调控制方法的计算机程序，将该计算机程序写入至计算机装置或者存储介质中，当计算机程序被读取出来运行时，执行本实施例中的空调控制方法，从而实现与实施例中的空调控制方法相同的技术效果。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (7)

1.一种空调控制系统，其特征在于，所述空调控制系统包括处理模块和无线通信模块；

所述处理模块用于：

采集温度控制目标值和环境温度初始值；

运行人工智能用户模型、人工智能环境模型和人工智能控制模型；

将所述温度控制目标值和所述环境温度初始值输入所述人工智能用户模型，获取所述人工智能用户模型输出的温度控制偏好值；

将所述环境温度初始值输入所述人工智能环境模型，获取所述人工智能环境模型输出的环境温度预测值；

将所述温度控制偏好值和所述环境温度预测值输入所述人工智能控制模型，获取所述人工智能控制模型输出的空调控制量；

所述无线通信模块用于与至少一个空调末端装置无线连接，从所述处理模块获取所述空调控制量，通过无线通信协议，将所述空调控制量发送至相应的所述空调末端装置；

当存在多个所述空调末端装置，所述处理模块还用于：

检测被发送至各所述空调末端装置的多个不同所述空调控制量的统计特性；

根据所述统计特性确定相应的网络拓扑结构，控制所述无线通信模块以所确定的所述网络拓扑结构，与各所述空调末端装置无线连接；

其中，所述根据所述统计特性确定相应的网络拓扑结构，控制所述无线通信模块以所确定的所述网络拓扑结构，与各所述空调末端装置无线连接，包括：

当不同所述空调控制量的方差或者标准差小于预设阈值，以链型网作为与各所述空调末端装置无线连接的网络拓扑结构；

当不同空调控制量的方差或者标准差大于预设阈值，以星型网作为与各所述空调末端装置无线连接的网络拓扑结构。

2.根据权利要求1所述的空调控制系统，其特征在于，所述空调控制系统还包括：

人机交互模块；所述人机交互模块与所述无线通信模块无线连接，所述人机交互模块用于供用户操作，以获取所述温度控制目标值，将所述温度控制目标值发送至所述无线通信模块，由所述无线通信模块将所述温度控制目标值发送至所述处理模块；

温度检测模块；所述温度检测模块与所述无线通信模块无线连接，所述温度检测模块用于安装在空调工作空间，所述温度检测模块从所述空调工作空间检测到所述环境温度初始值，将所述环境温度初始值发送至所述无线通信模块，由所述无线通信模块将所述环境温度初始值发送至所述处理模块。

3.根据权利要求1或2所述的空调控制系统，其特征在于，所述处理模块还用于：

采集温度控制目标值样本、环境温度初始值样本、温度控制偏好值样本、环境温度预测值样本以及空调控制量样本；

以所述温度控制目标值样本和所述环境温度初始值样本作为输入，以所述温度控制偏好值样本作为期望输出，对所述人工智能用户模型进行训练；

以所述环境温度初始值样本作为输入，以所述环境温度预测值样本作为期望输出，对所述人工智能环境模型进行训练；

以所述温度控制偏好值样本以及所述环境温度预测值样本作为输入，以所述空调控制量样本作为期望输出，对所述人工智能控制模型进行训练。

4.一种中央空调系统，其特征在于，所述中央空调系统包括：

权利要求1-3任一项所述的空调控制系统；

多个空调末端装置；各所述空调末端装置用于安装在相同或不同的空调工作空间中；所述空调控制系统与各所述空调末端装置无线连接，所述空调控制系统将所述空调控制量发送至相应的所述空调末端装置，接收到所述空调控制量的所述空调末端装置根据所述空调控制量工作。

5.一种空调控制方法，其特征在于，所述空调控制方法包括：

采集温度控制目标值和环境温度初始值；

运行人工智能用户模型、人工智能环境模型和人工智能控制模型；

将所述温度控制目标值和所述环境温度初始值输入所述人工智能用户模型，获取所述人工智能用户模型输出的温度控制偏好值；

将所述环境温度初始值输入所述人工智能环境模型，获取所述人工智能环境模型输出的环境温度预测值；

将所述温度控制偏好值和所述环境温度预测值输入所述人工智能控制模型，获取所述人工智能控制模型输出的空调控制量；

与至少一个空调末端装置无线连接，通过无线通信协议，将所述空调控制量发送至相应的所述空调末端装置；

当存在多个所述空调末端装置，检测被发送至各所述空调末端装置的多个不同所述空调控制量的统计特性；

根据所述统计特性确定相应的网络拓扑结构，以所确定的所述网络拓扑结构，与各所述空调末端装置无线连接；

其中，所述根据所述统计特性确定相应的网络拓扑结构，以所确定的所述网络拓扑结构，与各所述空调末端装置无线连接，包括：

当不同所述空调控制量的方差或者标准差小于预设阈值，以链型网作为与各所述空调末端装置无线连接的网络拓扑结构；

当不同空调控制量的方差或者标准差大于预设阈值，以星型网作为与各所述空调末端装置无线连接的网络拓扑结构。

6.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求5所述的空调控制方法。

7.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行权利要求5所述的空调控制方法。