CN114838470A - 一种暖通空调的控制方法和系统 - Google Patents
一种暖通空调的控制方法和系统 Download PDFInfo
- Publication number
- CN114838470A CN114838470A CN202210211700.XA CN202210211700A CN114838470A CN 114838470 A CN114838470 A CN 114838470A CN 202210211700 A CN202210211700 A CN 202210211700A CN 114838470 A CN114838470 A CN 114838470A
- Authority
- CN
- China
- Prior art keywords
- data
- dimensional
- target
- indoor space
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000010438 heat treatment Methods 0.000 title claims abstract description 35
- 238000004378 air conditioning Methods 0.000 title claims description 28
- 238000009423 ventilation Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 230000007787 long-term memory Effects 0.000 claims description 3
- 230000035807 sensation Effects 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 3
- 239000003570 air Substances 0.000 description 23
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- F24F2110/10—Temperature
-
- 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
- F24F2110/20—Humidity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种暖通空调的控制方法和系统,通过获取室内空间的第一三维数据;根据所述第一三维数据将所述室内空间划分为多个三维网格区域,每个所述三维网格区域包括预测状态数据;将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域;根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节,能够智能分析室内空间不同区域的温度状况以及室内用户的舒适度情况,并控制暖通空调针对性地对目标区域进行温度调节,将室内每一个区域的温度维持在合适的温度范围,让处于室内不同区域的用户能有更为接近的舒适度感受。
Description
技术领域
本发明涉及控制技术领域,特别涉及一种暖通空调的控制方法和系统。
背景技术
随着科技的进步和人们生活水平的提高,空调逐步走进了人们的生活中,成为了工作和生活中必不可少的生活用品。其中,现有技术中智能建筑对空调的控制大多是使用人工手段,根据人的主观判断,对建筑/构筑物内环境空气的温度、湿度、洁净度等参数进行调节和控制。然而,人处在室内空间的不同区域所感受到的温度是不一样的,例如:靠近空调出风口以及远离空调出风口的人二者所感受到的温度是不相同的,这很大程度影响了用户的体验感受。
再者,由于全球建筑的能源需求不断增加,能源欠缺和环境恶化的问题引起了广泛的关注,智能建筑的兴起使提升能源的利用率成为了可能,而目前的现有技术是设定具体舒适点的温度,如设定空调温度为26摄氏度。然而,当前在智能建筑中对暖通空调的控制的依据具有不确定性,由于每个区域的温度存在差异,很多的控制依据往往是没有考虑大区域中的扰动性,使设定的温度与用户的期望温度值存在显著的偏差,让用户热舒适满意度较低的同时,还产生了相当高的能耗。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供一种暖通空调的控制方法和系统,能够智能分析室内空间不同区域的温度状况以及室内用户的舒适度情况,并控制暖通空调针对性地对目标区域进行温度调节。
根据本发明的第一方面,提供一种暖通空调的控制方法,所述方法包括:
获取室内空间的第一三维数据;
根据所述第一三维数据将所述室内空间划分为多个三维网格区域,每个所述三维网格区域包括预测状态数据;
将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域;
根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节。
优选地,所述第一三维数据包括特征信息,所述根据所述第一三维数据将所述室内空间划分为多个三维网格区域,包括:
根据所述特征信息,识别所述第一三维数据的区域等级分布;
根据所述区域等级分布,将所述室内空间划分为多个所述三维网格区域。
优选地,所述将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域之前的步骤还包括:
实时采集室内空间的第一图像数据;
根据所述第一图像数据,获取第一干扰数据;
根据所述第一三维数据、所述第一图像数据和所述第一干扰数据,构建预测状态模型;
基于所述预测状态模型,获取所述预测状态数据。
优选地,所述第一三维数据包括来自于传感器采集的环境状态数据,所述根据所述第一三维数据、所述第一图像数据和所述第一干扰数据,构建预测状态模型,包括:
根据所述第一图像数据和所述第一干扰数据,通过卷积神经网络,得到特征矩阵数据;
根据所述特征矩阵数据和所述环境状态数据,通过长短期记忆网络,得到状态矩阵数据;
根据所述第一三维数据和所述状态矩阵数据,构建所述预测状态模型。
优选地,所述根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节,包括:
获取所述目标三维网格区域的位置信息;
确定与所述位置信息对应的暖通空调出风口为目标出风口;
调整所述目标出风口的运行参数,以对所述目标三维网格区域的环境状态进行调节。
优选地,所述方法还包括:
经过预设时间后,实时获取室内空间的第二三维数据,并采集室内空间的第二图像数据;
根据所述第二图像数据,获取第二干扰数据;
采用所述第二三维数据、所述第二图像数据以及所述第二干扰数据,更新所述预测状态模型。
优选地,所述预测状态数据至少包括温湿度数据,和/或平均热感觉数据。
根据本发明的第二方面,提供一种暖通空调的控制系统,所述系统包括:
获取模块,用于获取室内空间的第一三维数据;
构建模块,用于根据所述第一三维数据将所述室内空间划分为多个三维网格区域,每个所述三维网格区域包括预测状态数据;
确定模块,用于将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域;
控制模块,用于根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节。
根据本发明的第三方面,提供一种电子设备包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现本发明第一方面公开的一种暖通空调的控制方法。
根据本发明的第四方面,提供一种计算机可读存储介质所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现本发明第一方面公开的一种暖通空调的控制方法。
本发明通过获取室内空间的第一三维数据;根据所述第一三维数据将所述室内空间划分为多个三维网格区域,每个所述三维网格区域包括预测状态数据;将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域;根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节,能够智能分析室内空间不同区域的温度状况以及室内用户的舒适度情况,并控制暖通空调针对性地对目标区域进行温度调节,不仅将室内每一个区域的温度维持在合适的温度范围,让处于室内不同区域的用户能有更为接近的舒适度感受,提高了用户的使用体验,还能实现节能和减少碳的排放,提高能源的利用率。
附图说明
下面结合附图和实施例对本发明进一步地说明;
图1为本发明的一种暖通空调的控制方法实施例的步骤流程图;
图2为本发明的一种暖通空调的控制方法实施例中室内空间的三维数据示意图;
图3为本发明的一种暖通空调的控制方法实施例中的三维网格区域的划分示意图;
图4为本发明的另一种暖通空调的控制方法实施例的步骤流程图;
图5为本发明的一种暖通空调的控制方法实施例中的预测状态模型的构建流程图;
图6为本发明的一种暖通空调的控制系统的结构示意图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右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,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
目前,本技术领域中的现有技术中,智能建筑对室内暖通空调的控制都是设定具体舒适点的温度,但处在室内不同区域的用户所感受到的温度是不一样的,而且设定的温度常与用户的期望温度值存在显著的偏差。
对此,本申请实施例提供了一种暖通空调的控制方法,参照图1,示出了本发明的一种暖通空调的控制方法实施例的步骤流程图,所述方法具体可以包括如下步骤:
步骤101,获取室内空间的第一三维数据。
物联网系统(Internet of Things,IOT)是一个软件平台,能够对建筑物中的设备进行监测、控制和智能应用。在本发明一可选实施例中,可以获取存储在数据库中的室内空间的第一三维数据。参照图2,示出一室内空间的三维数据示意图,可选地,三维数据可以是室内空间的三维图,可以是室内空间的尺寸数据,还可以是室内空间内部的布局和摆放家具物品的数量等,本发明实施例对此不作限定。在本发明实施例中,还可以通过摄像头等信息采集装置,获取室内空间的三维数据。
步骤102,根据第一三维数据将室内空间划分为多个三维网格区域,每个三维网格区域包括预测状态数据。
在本发明实施例中,划分三维网格的具体方式可以由用户自行设定与选择,可以将室内空间以等体积的方式或等比例的方式划分为多个三维网格区域,可选地,三维网格区域可以是正方体,也可以是长方体或其他立体图形,本发明实施例对此不作限定。预测状态数据可以是温湿度数据,本实施例可以在三维网格区域中随机布置多个温湿度传感器,从而可以收集各个区域的温湿度数据。预测状态数据还可以是平均热感觉指数(PredictedMean Vote,PMV)。
为了使本领域技术人员能够更好地理解本发明实施例,下面通过一个示例对本发明实施例的工作流程加以说明:
参照图3,示出三维网格区域的划分示意图,图3所示空间长宽高分别为:1262cm,1671.5cm,451.7cm,总体积约为953立方米。本发明实施例按照17*17*17cm的方式进行划分,将该空间划分为多个体积相等的正方体三维网格区域,并在该空间随机设置多个温湿度传感器,用于收集温湿度传感器所在区域的温湿度数据。
步骤103,将预测状态数据不符合预设状态数据的三维网格区域确定为目标三维网格区域。
在本发明实施例中,预设状态数据可以是预设的一个温度预设范围,也可以是一个预设温度值。当某个区域对应的温湿度数据超过预设温度范围或与预设温度值不相符,则可以确定该区域为需要进行暖通空调调整的区域,即目标三维网格区域。可选地,预设状态数据还可以是预设的一个PMV数值范围或一个PMV数值。
步骤104,根据预设状态数据,调整暖通空调的运行参数,以对目标三维网格区域的环境状态进行调节。
在本发明一可选实施例中,可以通过调整暖通空调的运行参数,如暖通空调的运行模式、设定温度、风量大小等参数,以对目标三维网格区域的温湿度或PMV数值进行调节,当目标三维区域的预测状态数据符合预设状态数据时,可以停止对暖通空调的介入控制,让暖通空调恢复至预设的正常运行模式中。
本发明实施例通过获取室内空间的第一三维数据;根据第一三维数据将室内空间划分为多个三维网格区域,每个三维网格区域包括预测状态数据;将预测状态数据不符合预设状态数据的三维网格区域确定为目标三维网格区域;根据预设状态数据,调整暖通空调的运行参数,以对目标三维网格区域的环境状态进行调节,能够智能分析室内空间不同区域的温度状况以及室内用户的舒适度情况,并控制暖通空调针对性地对目标区域进行温度调节,将室内每一个区域的温度维持在合适的温度范围,让处于室内不同区域的用户能有更为接近的舒适度感受。
参照图4,示出了本发明的另一种暖通空调的控制方法实施例的步骤流程图,所述方法具体可以包括如下步骤:
步骤401,获取室内空间的第一三维数据。
关于本实施例其他的具体实现,可以参见前述实施例的介绍,这里就不再赘述。
步骤402,根据第一三维数据将室内空间划分为多个三维网格区域,每个三维网格区域包括预测状态数据。
在本发明实施例中,预测状态数据可以是温湿度数据,和/或平均热感觉数据。
在本发明的一可选实施例中,所述第一三维数据可以包括特征信息,步骤402可以包括:
子步骤4021,根据特征信息,识别第一三维数据的区域等级分布。
子步骤4022,根据区域等级分布,将室内空间划分为多个所述三维网格区域。
在本发明一可选实施例中,可以针对存储于数据库中的室内空间的三维图,识别其中的各种特征信息,也可以实时通过摄像头等信息采集装置识别室内空间的特征信息。然后可以根据识别出的特征信息确定室内空间各个区域的等级,最后根据区域的等级进行区域的划分。
为了使本领域技术人员能够更好地理解本发明实施例,下面通过一个示例对本发明实施例的工作流程加以说明:
本发明实施例可以预先设定三个等级,包括:第一级-用户热区,即用户经常停留的区域,如座位;第二级-通道区,如室内空间的过道;第三级-置物区,如柜子放置的位置。本发明实施例中的特征信息可以是:用户热区的座椅、通道区的通道、置物区的架子等。本实施例可以通过摄像头对室内空间进行特征信息的识别,并确定各个区域所属的等级,最后将用户热区划分为第一级别区域,将过道划分为第二级别区域,将置物架、电视柜摆放的区域划分为第三级别区域。
本发明实施例可以根据室内空间中各个区域的环境状态调节权重进行区域的划分,有效地减少了三维网格区域的划分数量,降低了电脑系统的运算压力,提高了运行效率。此外,按照等级划分区域可以提高暖通空调的调节效率,降低了对室内空间中无人区域的控制比重,减少了资源浪费,充分提高了能源利用率。
步骤403,实时采集室内空间的第一图像数据。
在本发明一可选实施例中,可以通过摄像头等信息采集设备实时对室内空间进行图像采集。可选地,采集第一图像数据的同时可以将温湿度传感器收集到的温湿度数据及其采样的时间与第一图像数据进行配对。
步骤404,根据第一图像数据,获取第一干扰数据。
事实上,用户的数量、用户的走动或聚集等人为因素对室内温度存在一定的干扰。在本发明一可选实施例中,干扰数据可以是用户的数量、用户聚集位置等。本发明实施例可以从图像数据中获取用户的数量、用户聚集位置等干扰数据。
步骤405,根据第一三维数据、第一图像数据和第一干扰数据,构建预测状态模型。
在本发明一可选实施例中,可以在室内空间随机部署多个传感器,三维数据中可以包括来自传感器的状态数据,状态数据可以是传感器采集的温湿度数据。本发明实施例可以将温湿度数据、干扰数据,与三维图以及采集的室内空间图像数据有机结合,进行数据与位置的配对,并基于深度学习的多模态数据融合的理念,通过深度学习分析得到一个三维的温度场模型以进行数字孪生。
本发明实施例,充分考虑到室内空间中用户对环境状态预测的影响,在构建预测状态模型时加入干扰数据的考虑,可以充分提高模型的预测精准度,让预测的结果更加贴近于现实。
在本发明的一可选实施例中,第一三维数据可以包括来自于传感器采集的环境状态数据,步骤405可以包括:
子步骤4051,根据第一图像数据和第一干扰数据,通过卷积神经网络,得到特征矩阵数据。
卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deeplearning)的代表算法之一,卷积神经网络具有表征学习(representation learning)能力。在本发明一可选实施例中,可以将摄像头采集到的图像数据和干扰数据输入至卷积神经网络进行分析,得到特征矩阵数据。
子步骤4052,根据特征矩阵数据和所述环境状态数据,通过长短期记忆网络,得到状态矩阵数据。
长短期记忆网络(Long-Short Term Memory,LSTM)是递归神经网络(RecurrentNeutral Network,RNN)的一种,而RNN是具有树状阶层结构且网络节点按其连接顺序对输入信息进行递归的人工神经网络。在本发明一可选实施例中,状态数据可以是温度传感器实时收集的温湿度数据,也可以是存储于服务器数据库中的历史状态数据。本发明实施例可以将特征矩阵数据与温湿度数据输入至长短期记忆网络进行分析,得到状态矩阵数据。
子步骤4053,根据第一三维数据和状态矩阵数据,构建预测状态模型。
在本发明一可选实施例中,可以采用状态矩阵数据与室内空间的三维图进行区域对齐学习,从而构建预测状态模型。
为了使本领域技术人员能够更好地理解本发明实施例,下面通过一个示例对本发明实施例的工作流程加以说明:
参照图5,示出一预测状态模型的构建流程图,CNN对图像数据、干扰数据以及特征信息进行处理分析,输出一个1*10*128的参数矩阵;Embedding(嵌入层)对温湿度数据进行处理分析,输出另一个1*10*128的参数矩阵;将两个参数矩阵输入至mix函数中进行融合处理,并将处理结果输入至LSTM进行处理分析;对LSTM的输出结果进行上采样,最后得到构建好的预测状态模型。
步骤406,基于预测状态模型,获取预测状态数据。
在本发明一可选实施例中,预测状态数据可以是温湿度数据或者PMV数值,本实施例可以通过预测状态模型,预测温湿度数据或者PMV数值。
步骤407,将预测状态数据不符合预设状态数据的三维网格区域确定为目标三维网格区域。
在本发明一可选实施例中,可以将各个区域预测的温湿度数据或者PMV数值与预设状态数据相比较,将不符合条件的三维网格区域确定为目标三维网格区域。
步骤408,获取目标三维网格区域的位置信息。
在本发明一可选实施例中,三维网格区域中还可以包括其对应的位置信息。本发明实施例中可以获取目标三维网格区域所对应的位置信息,如位置坐标。
步骤409,确定与位置信息对应的暖通空调出风口为目标出风口。
在本发明一可选实施例中,室内空间中的暖通空调出风口均负责一定范围的区域,可以理解的是,出风口所负责区域中的所有坐标均可以作为确定其为目标出风口的依据。本发明实施例可以通过位置信息,确定负责该位置信息的暖通空调出风口,并确定其为目标出风口。
步骤410,调整目标出风口的运行参数,以对目标三维网格区域的环境状态进行调节。
在本发明一可选实施例中,可以调整目标出风口的运行参数,如:运行模式,设定温度,风量大小,热/冰感数值等,可以通过调整目标出风口的运行参数,实现对目标三维网格区域的温湿度环境和/或PMV数值的调节,从而改变环境状态。当目标三维区域的预测状态数据符合预设状态数据时,可以停止对暖通空调的介入控制,让暖通空调恢复至预设的正常运行模式中。
为了使本领域技术人员能够更好地理解本发明实施例,下面通过一个示例对本发明实施例的工作流程加以说明:
在本发明一可选实施例中,摄像头等信息采集设备可以获取室内空间的三维图、尺寸数据以及内部布局;可以根据特征信息,将室内空间按照等级分布划分为多个三维网格区域;摄像头实时采集图像数据,边缘网关获取图像数据中的用户数量以及聚集位置等信息;边缘网关根据上述数据信息构建预测状态模型,并基于预测状态模型获取预测状态数据;边缘网关将预测状态数据不符合预设状态数据的三维网格区域确定为目标三维网格区域;边缘网关获取目标三维网格的位置坐标,并调整与该位置坐标对应的空调出风口的运行参数,以对目标三维网格区域的环境状态进行调节。
在本发明实施例中,实现了室内空间不同区域的温湿度状况以及室内用户的舒适度情况的智能分析以及预测,并控制暖通空调针对性地对目标区域进行温度调节,将室内每一个区域的温度维持在合适的温度范围,让处于室内不同区域的用户能有更为接近的舒适度感受。此外,本发明实施例仅需要使用少量的监控摄像头和温湿度传感器来收集数据,成本较低,实用性强,可行性高。
在本发明一可选实施例中,所述方法还可以包括:
步骤301,经过预设时间后,实时获取室内空间的第二三维数据,并采集室内空间的第二图像数据。
步骤302,根据第二图像数据,获取第二干扰数据。
步骤303,采用第二三维数据、第二图像数据以及第二干扰数据,更新所述预测状态模型。
在本发明实施例中,可以预设采集图像数据的时间间隔,例如:一分钟后摄像头等信息采集装置可以实时获取室内空间的第二三维数据,其中,第二三维数据可以包括温湿度数据和/或PMV数值。摄像头可以对室内空间进行图像采集,获取第二图像数据,并从图像数据中获取用户的数量、用户聚集位置等第二干扰数据,然后可以将获取的第二三维数据、第二图像数据和第二干扰数据,输入预测状态模型以进行更新迭代。
可以理解的是,本发明一可选实施例中,摄像头等信息采集装置可以每经过预设的时间间隔后,都可以实时采集室内空间的三维数据以及图像数据,例如:每经过一分钟,摄像头等信息采集设备可以实时采集室内空间的三维数据以及图像数据;根据图像数据,获取干扰数据;采用图像数据以及干扰数据,不断更新预测状态模型,以完善预测状态模型,让预测状态模型预测的状态数据更加偏向现实。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图6,示出了本发明的一种暖通空调的控制系统的结构示意图,所述系统包括:
获取模块601,用于获取室内空间的第一三维数据。
构建模块602,用于根据第一三维数据将室内空间划分为多个三维网格区域,每个三维网格区域包括预测状态数据。
确定模块603,用于将预测状态数据不符合预设状态数据的三维网格区域确定为目标三维网格区域。
控制模块604,用于根据预设状态数据,调整暖通空调的运行参数,以对目标三维网格区域的环境状态进行调节。
本发明实施例还提供了一种电子设备,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述暖通空调的控制方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述暖通空调的控制方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种暖通空调的控制方法和系统,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种暖通空调的控制方法,其特征在于,所述方法包括:
获取室内空间的第一三维数据;
根据所述第一三维数据将所述室内空间划分为多个三维网格区域,每个所述三维网格区域包括预测状态数据;
将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域;
根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节。
2.根据权利要求1所述的方法,其特征在于,所述第一三维数据包括特征信息,所述根据所述第一三维数据将所述室内空间划分为多个三维网格区域,包括:
根据所述特征信息,识别所述第一三维数据的区域等级分布;
根据所述区域等级分布,将所述室内空间划分为多个所述三维网格区域。
3.根据权利要求1所述的方法,其特征在于,所述将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域之前的步骤还包括:
实时采集室内空间的第一图像数据;
根据所述第一图像数据,获取第一干扰数据;
根据所述第一三维数据、所述第一图像数据和所述第一干扰数据,构建预测状态模型;
基于所述预测状态模型,获取所述预测状态数据。
4.根据权利要求3所述的方法,所述第一三维数据包括来自于传感器采集的环境状态数据,其特征在于,所述根据所述第一三维数据、所述第一图像数据和所述第一干扰数据,构建预测状态模型,包括:
根据所述第一图像数据和所述第一干扰数据,通过卷积神经网络,得到特征矩阵数据;
根据所述特征矩阵数据和所述环境状态数据,通过长短期记忆网络,得到状态矩阵数据;
根据所述第一三维数据和所述状态矩阵数据,构建所述预测状态模型。
5.根据权利要求3所述的方法,其特征在于,还包括:
经过预设时间后,实时获取室内空间的第二三维数据,并采集室内空间的第二图像数据;
根据所述第二图像数据,获取第二干扰数据;
采用所述第二三维数据、所述第二图像数据以及所述第二干扰数据,更新所述预测状态模型。
6.根据权利要求1所述的方法,其特征在于,所述根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节,包括:
获取所述目标三维网格区域的位置信息;
确定与所述位置信息对应的暖通空调出风口为目标出风口;
调整所述目标出风口的运行参数,以对所述目标三维网格区域的环境状态进行调节。
7.根据权利要求1所述的方法,其特征在于,所述预测状态数据至少包括温湿度数据,和/或平均热感觉数据。
8.一种暖通空调的控制系统,其特征在于,所述系统包括:
获取模块,用于获取室内空间的第一三维数据;
构建模块,用于根据所述第一三维数据将所述室内空间划分为多个三维网格区域,每个所述三维网格区域包括预测状态数据;
确定模块,用于将所述预测状态数据不符合预设状态数据的所述三维网格区域确定为目标三维网格区域;
控制模块,用于根据所述预设状态数据,调整所述暖通空调的运行参数,以对所述目标三维网格区域的环境状态进行调节。
9.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的一种暖通空调的控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种暖通空调的控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211700.XA CN114838470A (zh) | 2022-03-04 | 2022-03-04 | 一种暖通空调的控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211700.XA CN114838470A (zh) | 2022-03-04 | 2022-03-04 | 一种暖通空调的控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114838470A true CN114838470A (zh) | 2022-08-02 |
Family
ID=82561892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210211700.XA Pending CN114838470A (zh) | 2022-03-04 | 2022-03-04 | 一种暖通空调的控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114838470A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115388527A (zh) * | 2022-09-08 | 2022-11-25 | 合肥美的暖通设备有限公司 | 空调的轮转控制方法、装置、空调及介质 |
CN116088324A (zh) * | 2022-12-05 | 2023-05-09 | 广州视声智能股份有限公司 | 一种智慧家居的实现方法、装置、存储介质和电子设备 |
CN116558082A (zh) * | 2023-06-16 | 2023-08-08 | 广东新拓展建筑工程有限公司 | 一种节能通风系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105020835A (zh) * | 2014-04-17 | 2015-11-04 | 美的集团股份有限公司 | 空调器的舒适性控制方法及装置 |
CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
CN107883541A (zh) * | 2017-10-24 | 2018-04-06 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
US20190360711A1 (en) * | 2018-05-22 | 2019-11-28 | Seokyoung Systems | Method and device for controlling power supply to heating, ventilating, and air-conditioning (hvac) system for building based on target temperature |
WO2021179958A1 (zh) * | 2020-03-09 | 2021-09-16 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与空调器的智能控制设备 |
-
2022
- 2022-03-04 CN CN202210211700.XA patent/CN114838470A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105020835A (zh) * | 2014-04-17 | 2015-11-04 | 美的集团股份有限公司 | 空调器的舒适性控制方法及装置 |
CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源系统控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
CN107883541A (zh) * | 2017-10-24 | 2018-04-06 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
US20190360711A1 (en) * | 2018-05-22 | 2019-11-28 | Seokyoung Systems | Method and device for controlling power supply to heating, ventilating, and air-conditioning (hvac) system for building based on target temperature |
WO2021179958A1 (zh) * | 2020-03-09 | 2021-09-16 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与空调器的智能控制设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115388527A (zh) * | 2022-09-08 | 2022-11-25 | 合肥美的暖通设备有限公司 | 空调的轮转控制方法、装置、空调及介质 |
CN116088324A (zh) * | 2022-12-05 | 2023-05-09 | 广州视声智能股份有限公司 | 一种智慧家居的实现方法、装置、存储介质和电子设备 |
CN116558082A (zh) * | 2023-06-16 | 2023-08-08 | 广东新拓展建筑工程有限公司 | 一种节能通风系统 |
CN116558082B (zh) * | 2023-06-16 | 2023-11-17 | 广东新拓展建筑工程有限公司 | 一种节能通风系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11415334B2 (en) | Building control system with automatic comfort constraint generation | |
CN114838470A (zh) | 一种暖通空调的控制方法和系统 | |
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
Hilliard et al. | Experimental implementation of whole building MPC with zone based thermal comfort adjustments | |
CN110836514B (zh) | 空调组的控制方法和装置 | |
TWI435038B (zh) | 空調控制裝置與方法 | |
KR101649658B1 (ko) | 설비를 관제하는 중앙 제어 장치, 이를 포함하는 설비 제어 시스템 및 설비 제어 방법 | |
Turhan et al. | Development of a personalized thermal comfort driven controller for HVAC systems | |
EP3007016B1 (en) | Central control apparatus for controlling facilities, facility control system comprising the same, and facility control method | |
CN106196416A (zh) | 智能空调控制系统及其智能控制方法 | |
EP3070411B1 (en) | Air conditioning control device, control method, and computer program | |
CN113375277A (zh) | 空调器控制方法和空调器 | |
CN104913440A (zh) | 空调器舒适性控制方法 | |
Ouf et al. | A simulation-based method to investigate occupant-centric controls | |
CN109140660A (zh) | 用于空调的智能控温装置方法及装置、空调、存储介质 | |
JP6504956B2 (ja) | 冷暖房機器選定支援システム | |
KR20160042669A (ko) | 설비를 관제하는 중앙 제어 장치, 이를 포함하는 설비 제어 시스템 및 설비 제어 방법 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
Vázquez et al. | Usage profiles for sustainable buildings | |
CN110736225A (zh) | 空调的控制方法和装置 | |
CN113375283A (zh) | 空调器控制方法和空调器 | |
CN113339965A (zh) | 用于空调控制的方法、装置和空调 | |
CN112128934A (zh) | 空调器的智能控制方法与智能控制设备 | |
Cheng et al. | Energy efficient thermal comfort control for cyber-physical home system |
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 |