CN114963413B - 一种空调的控制方法、装置、设备及存储介质 - Google Patents
一种空调的控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114963413B CN114963413B CN202210424094.XA CN202210424094A CN114963413B CN 114963413 B CN114963413 B CN 114963413B CN 202210424094 A CN202210424094 A CN 202210424094A CN 114963413 B CN114963413 B CN 114963413B
- Authority
- CN
- China
- Prior art keywords
- building
- occupancy rate
- human body
- air conditioner
- space inside
- 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.)
- Active
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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- 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
- F24F11/62—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
- F24F11/65—Electronic processing for selecting an operating mode
-
- 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
- F24F11/65—Electronic processing for selecting an operating mode
- F24F11/67—Switching between heating and cooling modes
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
-
- 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
Abstract
本发明公开了一种空调的控制方法、装置、设备及存储介质,该方法包括:调用深度相机向楼宇内部的空间采集深度图像数据,根据深度图像数据计算楼宇内部的空间中被用户占用的比例,作为人体占用率,根据人体占用率计算楼宇内部的空间中氧气被用户消耗之后剩余的含量,作为含氧量,针对为楼宇内部的空间配置的空调,确定空调的运行模式,根据人体占用率和/或含氧量对运行模式进行调节,通过深度图像数据可以在三维上准确地描述楼宇内部的环境,从而准确地估算人体占用率,以此衡量空间上整体的含氧量,从而人体占用率和/或含氧量对空调的运行模式进行调节,可以精细化调节环境的状态,让用户维持较佳的体感。
Description
技术领域
本发明涉及空调调控的技术领域,尤其涉及一种空调的控制方法、装置、设备及存储介质。
背景技术
随着智慧楼宇的不断发展,楼宇智能化综合管理需求日益增大,楼宇室内的空调等环境设备趋向智能化管理,以在满足用户需求的情况下达到节能的目的。
目前楼宇内空调的控制方式一般是预先设置好预定温度,然后空调一直保持某一预设温度的工作模式,但是,楼宇内不同区域的用户对环境温度的需求并不一致,为了满足不同区域的用户的需求,会经常手动调节空调,使得空调浪费电能,操作效率较低。
发明内容
本发明提供了一种空调的控制方法、装置、设备及存储介质,以解决如何保障用户使用空调的需求的情况下,提升空调的节能程度的问题。
根据本发明的一方面,提供了一种空调的控制方法,包括:
调用深度相机向楼宇内部的空间采集深度图像数据;
根据所述深度图像数据计算所述楼宇内部的空间中被用户占用的比例,作为人体占用率;
根据所述人体占用率计算所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含量,作为含氧量;
针对为所述楼宇内部的空间配置的空调,确定所述空调的运行模式;
根据所述人体占用率和/或所述含氧量对所述运行模式进行调节。
根据本发明的另一方面,提供了一种空调的控制装置,包括:
图像数据采集模块,用于调用深度相机向楼宇内部的空间采集深度图像数据;
人体占用率计算模块,用于根据所述深度图像数据计算所述楼宇内部的空间中被用户占用的比例,作为人体占用率;
含氧量计算模块,用于根据所述人体占用率计算所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含量,作为含氧量;
运行模式确定模块,用于针对为所述楼宇内部的空间配置的空调,确定所述空调的运行模式;
运行模式调节模块,用于根据所述人体占用率和/或所述含氧量对所述运行模式进行调节。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的空调的控制方法。
根据本发明的另一方面,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,所述计算机程序用于使处理器执行时实现本发明任一实施例所述的空调的控制方法。
在本实施例中,调用深度相机向楼宇内部的空间采集深度图像数据,根据深度图像数据计算楼宇内部的空间中被用户占用的比例,作为人体占用率,根据人体占用率计算楼宇内部的空间中氧气被用户消耗之后剩余的含量,作为含氧量,针对为楼宇内部的空间配置的空调,确定空调的运行模式,根据人体占用率和/或含氧量对运行模式进行调节,通过深度图像数据可以在三维上准确地描述楼宇内部的环境,从而准确地估算人体占用率,以此衡量空间上整体的含氧量,从而人体占用率和/或含氧量对空调的运行模式进行调节,不仅可以精细化调节环境的状态,让用户维持较佳的体感,降低用户手动调节空调的频次,而且可以满足能耗等方面的要求,提高空调的节能程度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种空调的控制方法的流程图;
图2是根据本发明实施例一提供的一种楼宇内部的空间的示意图;
图3是根据本发明实施例二提供的一种空调的控制装置的结构示意图;
图4是实现本发明实施例的空调的控制方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种空调的控制方法的流程图,本实施例可适用于根据用户占据楼宇内部空间的比例与楼宇内部空间的含氧量调节空调的情况,该方法可以由空调的控制装置来执行,该空调的控制装置可以采用硬件和/或软件的形式实现,该空调的控制装置可配置于电子设备中。如图1所示,该方法包括:
步骤101、调用深度相机向楼宇内部的空间采集深度图像数据。
在本实施例中,可以在楼宇的内部(如出入口等位置)安装多个深度相机,该深度相机可采集深度图像数据(Depth Image),例如,TOF(Time of flight,飞行时间法)相机、结构光相机、双目视觉相机,等等。
度图像数据也被称为距离影像(Range Images),是指将深度相机采集到的场景中各点的距离(深度)值作为像素值的图像,它直接反映了景物可见表面的几何形状,可用于对三维中的目标进行描述。
在本实施例中,楼宇属于一个相对密闭的建筑,对于空调的调控较为敏感,而不同楼宇的性质有所不同,例如,写字楼,医院,商场,住宅,等等,针对不同性质的楼宇安装的深度相机也有所不同,例如,针对写字楼,考虑到TOF相机、结构光相机的私密性增强,可适用于会议室、培训室等私密性较强的环境。
按照控制空调的业务需求,可预先针对深度相机设置运行模式,例如,运行时间、采集图像数据的频率,等等,那么,在启动空调之后,可按照这些运行模式驱动深度相机向楼宇内部的空间采集深度图像数据。
步骤102、根据深度图像数据计算楼宇内部的空间中被用户占用的比例,作为人体占用率。
在实际应用中,用户在楼宇内部的空间中工作、学习、生活,此时,可在深度图像数据检测用户,从而在体积上计算楼宇内部的空间中被用户占用的比例,记为人体占用率。
由于楼宇内部的空间是恒定的,因此,人体占用率在一定程度上表示楼宇内部的空间中用户的密集程度。
在本发明的一个实施例中,步骤102可以包括如下步骤:
步骤1021、将楼宇内部划分为多个空间。
在本实施例中,将楼宇的内部自顶部到底部划分为多个邻接的空间,这些空间的形状可以是规则的、也可以是不规则的,例如,这些空间的横截面的形状为圆形、矩形,等等。
例如,如图2所示,可将楼宇的内部切分为多个横截面为矩形的空间,分别对每个空间标记标号,如N1-N6。
进一步而言,这些空间的划分方式与深度相机的安装方式适配,使得深度相机的检测范围覆盖这些空间。
步骤1022、若在深度图像数据中检测到用户位于楼宇内部的空间,则在深度图像数据中识别用户的身体参数。
在楼宇内部的三维地图中标记每个空间,那么,在深度图像数据中可映射出各个楼宇内部的空间,从而通过活动检测等方式检测在该楼宇内部的空间中的用户。
如果在楼宇内部的某个空间中检测到用户,则可以依赖深度图像数据中的信息对用户识别骨骼节点,测量骨骼节点可识别该用户各个身体部位的身体参数,该身体参数为用户在几何尺寸上的信息。
示例性,在深度图像数据中识别用户的身高,在深度图像数据中识别用户的肩宽。
当然,上述身体参数只是作为示例,在实施本实施例时,可以根据实际情况设置其它身体参数,例如,双腿的宽度,等等,本实施例对此不加以限制。另外,除了上述身体参数外,本领域技术人员还可以根据实际需要采用其它身体参数,本发明实施例对此也不加以限制。
步骤1023、基于身体参数对用户计算第一体积。
在本实施例中,可以根据用户的身体参数对用户建模,从而评估该用户的第一体积。
由于人体并非规则性的形状,精细化的建模较为复杂,在将人体视为规则性的形状的情况下,不仅可以保持一定精确度,而且可明显降低建模的复杂度,使得计算用户的第一体积具有可行性。
示例性地,如图2所示,将人体的形状近似看作圆柱体,其横截面为圆形,以肩宽作为圆的直径计算圆的第一面积,即,第一面积的计算过程表示为S1=π(d/2)2,其中,S1为第一面积,d为肩宽。
将第一面积乘以身高,得到用户的第一体积,即,第一体积的计算过程表示为V1=S1H1,其中,V1为第一体积,H1为身高。
当然,上述计算第一体积的方式只是作为示例,在实施本实施例时,可以根据实际情况设置其它计算第一体积的方式,例如,将人体的形状近似看作矩形,预先设置人体的厚度作为宽度,视双腿的宽度作为长度,将长度、宽度与用户的身高相乘得到用户的第一体积,等等,本实施例对此不加以限制。另外,除了上述计算第一体积的方式外,本领域技术人员还可以根据实际需要采用其它计算第一体积的方式,本发明实施例对此也不加以限制。
步骤1024、确定楼宇内部的空间的第二体积。
在本实施例中,可以对楼宇内部的各个空间建模,从而评估该空间的第二体积。
由于楼宇内部的空间并非规则性的形状,而且可能放置有不同的东西,例如,办公桌、饮水机,等等,这些东西会占用一定的体积,精细化的建模较为复杂,而在将楼宇内部的空间视为规则性的形状、忽略这些东西占用的体积的情况下,不仅可以在保持一定精确度,而且可以明显降低对楼宇内部的空间建模的复杂度,使得计算楼宇内部的空间的第二体积具有可行性。
示例性地,对空间取横截面的第二面积,将第二面积乘以楼宇内部空间的层高,得到空间的第二体积,即,第二体积的计算过程表示为V2=S2H2,其中,V2为第二体积,S2为第二面积,H2为层高。
当然,上述计算第二体积的方式只是作为示例,在实施本实施例时,可以根据实际情况设置其它计算第二体积的方式,本实施例对此不加以限制。另外,除了上述计算第二体积的方式外,本领域技术人员还可以根据实际需要采用其它计算第二体积的方式,本发明实施例对此也不加以限制。
步骤1025、计算第一体积与第二体积之间的比值,作为单人占用率。
步骤1026、计算所有用户的单人占用率之间的和值,作为人体占用率。
针对楼宇内部空间中的每个用户,计算单个用户的第一体积与楼宇内部空间的第二体积之间的比值,得到楼宇内部的空间中被单个用户占用的比例,记为单人占用率。
针对楼宇内部的每个空间,将所有用户的单人占用率相加,得到楼宇内部的空间中被所有用户占用的比例,记为人体占用率。
那么,人体占用率的计算过程表示如下:
其中,μN为楼宇内部的空间N的人体占用率,VN为楼宇内部的空间N的第二体积,楼宇内部的空间N具有P个用户,Vi为楼宇内部的空间N中第i个用户的第一体积。
步骤103、根据人体占用率计算楼宇内部的空间中氧气被用户消耗之后剩余的含量,作为含氧量。
用户在楼宇内部的空间中进行生活、学习、工作等活动,会消耗一定的氧气,由于楼宇内部的空间一般存在一定的密闭性,部分楼宇内部的空间的空气流动性较差,在写字楼尤为明显,在楼宇内部空间的局部范围内,氧气的含量可能会有所降低。
正常空气中氧气的体积比例约为21%,而低于19.5%时,用户就会出现呼吸加速、疲劳等缺氧不适感,不利于生活、学习、工作等活动,氧含量太低甚至会威胁用户的生命安全。
此外,人体占用率可以体现在楼宇内部的单位空间内用户的密集程度,不同密集程度的用户所消耗的氧气也是不一样的,以此评估楼宇内部的空间中整体氧气被用户消耗之后剩余的含量,记为含氧量。
一般情况下,含氧量与人体占用率负相关,人体占用率越高,用户的密集程度越高,单位时间内消耗的氧气越多,含氧量越低,反之,人体占用率越低,用户的密集程度越低,单位时间内消耗的氧气越少,含氧量越高。
示例性地,可确定预先设定的超参数,这些超参数包括空气中氧气的体积比例VO(VO一般为21%)、单位重量的人体每次吸入空气的气体量VR(VR一般为10ml/kg)、人体的质量密度常数ρ、人体在单位时间内呼吸时对单位体积空气内氧气的消耗量δ(δ一般为5%)。
此外,可统计用户呼吸的时间t。
其中,楼宇内部的空间一般并非完全密闭,而是存在一定的空气流动性,用户在楼宇内部的空间中活动一段时间之后,含氧量会保持相对的平衡,因此,对于用户呼吸的时间t,可以以空调停止新风操作等作为节点开始统计,在到达一定的数值之后停止,该数值可以根据楼宇空间内部所体现的空气流动性而设置。
将一减去人体占用率μN,得到空气占用率,空气占用率表示楼宇内部的空间中被空气占用的比例。
将第二体积VN、空气占用率与体积比例VO相乘,得到楼宇内部的空间中氧气的原始含量。
将气体量VR、质量密度常数ρ、所有所述用户的第一体积Vi(i∈P)、时间t、体积比例VO与消耗量δ相乘,得到用户呼吸时消耗氧气的实时含量。
将第二体积VN与空气占用率相乘,得到楼宇内部的空间中空气的总含量。
将原始含量与实时含量之间的差值除以总含量,得到楼宇内部的空间中氧气被用户消耗之后剩余的含氧量。
在本示例中,由于第一体积Vi与第二体积VN存在一定的关系,因此,计算含氧量的过程可以化简,楼宇内部的空间N的含氧量ON的计算过程及其化简过程表示如下:
当然,上述计算含氧量的方式只是作为示例,在实施本实施例时,可以根据实际情况设置其它计算含氧量的方式,本实施例对此不加以限制。另外,除了上述计算含氧量的方式外,本领域技术人员还可以根据实际需要采用其它计算含氧量的方式,本发明实施例对此也不加以限制。
如果在楼宇内部的空间中安装传感器检测含氧量,不仅额外增加成本,而且传感器检测的是单点的含氧量,并不能评估整个空间的含氧量。
步骤104、针对为楼宇内部的空间配置的空调,确定空调的运行模式。
在实际应用中,可以综合考虑当前时间所处的季节(如夏季、冬季等)、当前时间的天气(如温度)等因素,针对为楼宇内部的空间配置的空调,确定空调的运行模式。
其中,该运行模式包括制热模式、制冷模式,制热模式用于控制空调制热,提高楼宇内部的空间的温度,制冷模式用于控制空调制冷,降低楼宇内部的空间的温度。
步骤105、根据人体占用率和/或含氧量对运行模式进行调节。
楼宇内不同空间因人员的密集程度不同可能对环境的温度的需求并不一致,对空气质量特别是氧含量的需求也并不同,由于一般体型不同的成年人和未成年人单位时间内所需的氧气消耗量、排出的二氧化碳量和人体释放热量不同,因此,根据楼宇内部空间中的人员密集程度(即人体占用率)与含氧量来对空调的运行模式进行微调,可以动态使得环境的温度、空气质量(尤其为含氧量)更加准确和舒适。
在本发明的一个实施例中,运行模式包括制热模式或制冷模式,则在本发明实施例中,步骤105可以包括如下步骤:
步骤10511、统计人体占用率在预设的第一时间段内归属的第一参考范围。
在本实施例中,可以预先对人体占用率设置多个第一参考范围,第一参考范围可用于体现人体占用率的相对量,如高、中、低等。
人体占用率按照时间排序,可形成一个序列,从起始位置开始对该序列添加窗口,该窗口表示第一时间段,并将该窗口在该序列中按照预设的步长滑行,在添加窗口、每次滑行窗口时,对该窗口内每个人体占用率持续与第一参考范围进行比较。
如果所有人体占用率或者超过一定占比的人体占用率均属于某个第一参考范围,则可以认为第一时间段内的人体占用率属于该第一参考范围。
步骤10512、若第一参考范围为预设的第一子范围,且楼宇内部的空间被标记为密闭空间,则关闭空调,以停止制热模式或制冷模式。
第一参考范围包括第一子范围,第一子范围在所有第一参考范围中属于数值偏低的范围,下限值为0,上限值可以为0,也可以为其他大于0的数值。
如果第一参考范围为第一子范围,表示第一时间段内的人员密集程度较低,对空调调节环境温度、空气质量等需求较低,并且,楼宇内部的空间被标记为单独的密闭空间,即,具有墙体、玻璃等遮挡的空间,如,独立的办公室、会议室等,密闭空间中的空调的利用率较低,此时,可以关闭空调,以停止制热模式或制冷模式,不仅降低能耗,而且密闭空间对其他空间隔绝环境,有利于环境温度、空气在不同空间之间的传导,并不会明显加重其他空调的负担。
步骤10513、若第一参考范围为预设的第二子范围,且空调未启动,则确定对制热模式或制冷模式设置的第一目标值,启动空调,并将制热模式或制冷模式中的目标温度设置为第一目标值。
第一参考范围包括第二子范围,第二子范围在所有第一参考范围中属于数值中等的范围,第二子范围大于第一子范围,第一子范围与第二子范围在数值上可以连续,也可以不连续。
针对不连续的情况,即,第一参考范围在第一子范围与第二子范围之间的范围,则可以维持控制空调的运行模式,并不对该运行模式进行调节。
在第一参考范围为第二子范围时,表示第一时间段内的人员密集程度中等,对空调调节环境温度、空气质量等需求中等。
如果空调并未启动,则可以确定对制热模式或制冷模式设置的第一目标值,启动空调,并将制热模式或制冷模式中的目标温度设置为第一目标值,其中,所谓目标温度,可以指制热模式或制冷模式中作为制热或制冷的目标的温度值,使得环境温度趋向该温度值。
在具体实现中,该第一目标值可以为默认的数值,也可以为根据楼宇动态设置的数值,本实施例对此不加以限制。
示例性地,可获取历史占用率,历史占用率为楼宇内部的空间中历史上被用户占用的人体占用率。
对楼宇内部的所有空间对应的历史占用率求和,获得总占用率,总占用率为楼宇内部整体上被用户占用的人体占用率。
那么,总占用率的计算过程如下:
其中,μ为总占用率,楼宇内部共有N个空间,μj为楼宇内部第j个空间的历史占用率。
按照总占用率对制热模式或制冷模式设置的第一目标值,其中,第一目标值与总占用率负相关,即,总占用率越高,人员密集程度越高,第一目标值越低,对于制热模式而言,人员密集程度越高,排出的二氧化碳量和人体释放热量越高,此时可以降低第一目标值,降低能耗,仍可保持较佳的体感,对于制冷模式而言,人员密集程度越高,排出的二氧化碳量和人体释放热量越高,此时可以降低第一目标值,以保持较佳的体感,反之,总占用率越低,人员密集程度越低,第一目标值越高,对于制热模式而言,人员密集程度越低,排出的二氧化碳量和人体释放热量越低,此时可以升高第一目标值,以保持较佳的体感,对于制冷模式而言,人员密集程度越低,排出的二氧化碳量和人体释放热量越低,此时可以升高第一目标值,降低能耗,仍可保持较佳的体感。
在本实施例中,累加楼宇内部的空间中历史上被用户占用的人体占用率得到总占用率,基于总占用率对制热模式或制冷模式设置的第一目标值,使得空调在环境调节与能耗方面取得较佳的平衡。
步骤10514、若第一参考范围为预设的第二子范围,且空调已启动,则确定对制热模式或制冷模式设置的第二目标值,控制空调在制热模式的目标温度提升第二目标值,或者,控制空调在制冷模式中的目标温度降低第二目标值。
在第一参考范围为第二子范围时,表示第二时间段内的人员密集程度中等,对空调调节环境温度、空气质量等需求中等。
如果空调已启动,则可以确定对制热模式或制冷模式设置的第二目标值,若当前是制热模式,则可以控制空调在制热模式的目标温度提升第二目标值,如果在制热模式中将目标温度提升第二目标值之后超过预设的上限值,则可以将制热模式中的目标温度设置为上限值。
若当前是制冷模式,则可以控制空调在制冷模式中的目标温度降低第二目标值,如果在制冷模式中将目标温度降低第二目标值之后超过预设的下限值,则可以将制热模式中的目标温度设置为下限值。
在具体实现中,该第二目标值可以为默认的数值,也可以为根据环境动态设置的数值,本实施例对此不加以限制。
示例性地,可以调用安装在楼宇外部空间的传感器采集楼宇外部空间的温度,与空调本身测量的、楼宇内部空间的温度计算差值,从而计算楼宇内部的空间与楼宇外部的空间之间的温差,并按照温差对制热模式或制冷模式设置的第二目标值。
其中,第二目标值与温差正相关,即,温差越大,楼宇内部与外部之间的热传导越明显,第二目标值越大,使得制热模式、制冷模式保持效果,以保持较佳的体感,反之,温差越小,楼宇内部与外部之间的热传导越模糊,第二目标值越小,降低空调的能耗,仍可保持较佳的体感。
步骤10515、若第一参考范围为预设的第三子范围,则确定对制热模式或制冷模式设置的第三目标值,控制空调在制热模式的目标温度降低第三目标值,或者,控制空调在制冷模式中的目标温度提升第三目标值。
第一参考范围包括第三子范围,第三子范围在所有第一参考范围中属于数值偏高的范围,第三子范围大于第二子范围,第二子范围与第三子范围在数值上可以连续,也可以不连续。
针对不连续的情况,即,第一参考范围在第二子范围与第三子范围之间的范围,则可以维持控制空调的运行模式,并不对该运行模式进行调节。
在第一参考范围为第三子范围时,表示第一时间段内的人员密集程度较高,对空调调节环境温度、空气质量等需求较高。
此时,可以确定对制热模式或制冷模式设置的第三目标值,若当前是制热模式,则可以控制空调在制热模式的目标温度降低第三目标值,对于制热模式而言,人员密集程度越高,排出的二氧化碳量和人体释放热量越高,此时可以将目标温度降低第三目标值,降低能耗,仍可保持较佳的体感。
若当前是制冷模式,则可以控制空调在制冷模式中的目标温度提升第三目标值,对于制冷模式而言,人员密集程度越高,排出的二氧化碳量和人体释放热量越高,此时可以将目标温度提升第三目标值,以保持较佳的体感。
在具体实现中,该第二目标值可以为默认的数值,也可以为根据环境动态设置的数值,本实施例对此不加以限制。
示例性地,可计算楼宇内部的空间与楼宇外部的空间之间的温差,按照温差对制热模式或制冷模式设置的第三目标值,其中,第三目标值与温差正相关。
在本发明的另一个实施例中,步骤105可以包括如下步骤:
步骤10521、统计人体占用率在预设的第二时间段内归属的第二参考范围。
在本实施例中,可以预先对人体占用率设置多个第二参考范围,第二参考范围可用于体现人体占用率的相对量,如高、中、低等。
人体占用率按照时间排序,可形成一个序列,从起始位置开始对该序列添加窗口,该窗口表示第二时间段,并将该窗口在该序列中按照预设的步长滑行,在添加窗口、每次滑行窗口时,对该窗口内每个人体占用率持续与第二参考范围进行比较。
如果全部人体占用率或超过一定占比的人体占用率均属于某个第二参考范围,则可以认为第二时间段内的人体占用率属于该第二参考范围。
一般情况下,第二时间段大于第一时间段,第一时间段属于短时间的范围,第二时间段属于长时间的范围。
步骤10522、基于人体占用率计算用户进出楼宇内部的空间的频繁程度。
楼宇内部的空间多是联通的,用户可以在楼宇内部不同的空间之间移动,也可以从楼宇外部的空间中进入楼宇内部的空间,还可以从楼宇内部的空间离开。
例如,如图2所示,楼宇内部的空间N1中的用户可以沿箭头方向移动至楼宇内部的空间N3或楼宇内部的空间N4,楼宇外部的空间的用户可以沿箭头方向进入楼宇内部的空间N6。
人体占用率是一个瞬时人员密集程度的状态,通过叠加多个瞬时人员密集程度的状态,可以得到一个持续人员密集程度的状态,表示用户进出楼宇内部的空间的频繁程度。
示例性地,可以从所有人体占用率中确定第一候选占用率、第二候选占用率,其中,第一候选占用率为第二时间段开始时的人体占用率,第二候选占用率为第二时间段结束时的人体占用率。
对第一候选占用率与第二候选占用率之间的差值取绝对值,获得变化幅度,计算变化幅度与第二时间段之间的比值,作为用户进出楼宇内部的空间的频繁程度。
在本示例中,用户进出楼宇内部的空间的频繁程度表示如下:
ΔμN=|μN′-μN|/t′
其中,ΔμN表示频繁程度,μN表示第一候选占用率,μN′表示第二候选占用率,t′表示第二时间段。
当然,上述计算频繁程度的方式只是作为示例,在实施本实施例时,可以根据实际情况设置其它计算频繁程度的方式,例如,对人体占用率计算方差、标准差作为频繁程度,等等,本实施例对此不加以限制。另外,除了上述计算含氧量的方式外,本领域技术人员还可以根据实际需要采用其它计算频繁程度的方式,本发明实施例对此也不加以限制。
步骤10523、若第二参考范围为预设的第四子范围,楼宇内部的空间被标记为非密闭空间,且频繁程度大于预设的第一阈值,则控制空调在运行模式中启动通风操作。
第二参考范围包括第四子范围,第四子范围在所有第二参考范围中属于数值偏低的范围,下限值为0,上限值可以为0,也可以为其他大于0的数值。
如果第三参考范围为第四子范围,表示第二时间段内的人员密集程度较低,对空调调节环境温度、空气质量等需求较低,并且,楼宇内部的空间被标记为非密闭空间,即,没有墙体、玻璃等遮挡的空间,如,茶水间、休息室等,而频繁程度大于第一阈值,表示人员进出非密闭空间的频次较高,此时,可以控制空调在维持已有运行模式(如制冷模式、制热模式)中其他操作的情况下,启动通风操作,保持空气流动,维持较佳的体感。
在本发明的又一个实施例中,步骤105可以包括如下步骤:
步骤10531、统计含氧量在预设的第三时间段内归属的第三参考范围。
在本实施例中,可以预先对含氧量设置多个第三参考范围,第三参考范围可用于体现含氧量的相对量,如高、中、低等。
含氧量按照时间排序,可形成一个序列,从起始位置开始对该序列添加窗口,该窗口表示第三时间段,并将该窗口在该序列中按照预设的步长滑行,在添加窗口、每次滑行窗口时,对该窗口内每个含氧量持续与第三参考范围进行比较。
如果全部含氧量或超过一定占比的含氧量均属于某个第三参考范围,则可以认为第三时间段内的含氧量属于该第三参考范围。
步骤10532、若第三参考范围为预设的第五子范围,则控制空调在运行模式中启动新风操作。
第三参考范围包括第五子范围,第四子范围在所有第三参考范围中属于数值偏低的范围,如[0,19.5%]。
如果第三参考范围为第五子范围,表示含氧量偏低,此时,可以控制空调维持已有运行模式(如制冷模式、制热模式)其他操作的情况下,启动新风操作,以提高楼宇内部空间的含氧量。
步骤10533、当人体占用率降低至预设的第二阈值时,控制空调在运行模式中停止新风操作。
持续对人体占用率进行监测,如果人体占用率降低至第二阈值,表示人员密集程度降低,对氧气消耗的速度降低至正常空气流动可承受的地步,此时,可以控制空调在运行模式中停止新风操作,降低能耗。
在本实施例中,调用深度相机向楼宇内部的空间采集深度图像数据,根据深度图像数据计算楼宇内部的空间中被用户占用的比例,作为人体占用率,根据人体占用率计算楼宇内部的空间中氧气被用户消耗之后剩余的含量,作为含氧量,针对为楼宇内部的空间配置的空调,确定空调的运行模式,根据人体占用率和/或含氧量对运行模式进行调节,通过深度图像数据可以在三维上准确地描述楼宇内部的环境,从而准确地估算人体占用率,以此衡量空间上整体的含氧量,从而人体占用率和/或含氧量对空调的运行模式进行调节,不仅可以精细化调节环境的状态,让用户维持较佳的体感,降低用户手动调节空调的频次,而且可以满足能耗等方面的要求,提高空调的节能程度。
实施例二
图3为本发明实施例二提供的一种空调的控制装置的结构示意图。如图3所示,该装置包括:
图像数据采集模块301,用于调用深度相机向楼宇内部的空间采集深度图像数据;
人体占用率计算模块302,用于根据所述深度图像数据计算所述楼宇内部的空间中被用户占用的比例,作为人体占用率;
含氧量计算模块303,用于根据所述人体占用率计算所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含量,作为含氧量;
运行模式确定模块304,用于针对为所述楼宇内部的空间配置的空调,确定所述空调的运行模式;
运行模式调节模块305,用于根据所述人体占用率和/或所述含氧量对所述运行模式进行调节。
在本发明的一个实施例中,所述人体占用率计算模块302包括:
空间划分模块,用于将所述楼宇内部划分为多个空间;
身体参数检测模块,用于若在所述深度图像数据中检测到用户位于所述楼宇内部的空间,则在所述深度图像数据中识别所述用户的身体参数;
第一体积计算模块,用于基于所述身体参数对所述用户计算第一体积;
第二体积计算模块,用于确定所述楼宇内部的空间的第二体积;
单人占用率计算模块,用于计算所述第一体积与所述第二体积之间的比值,作为单人占用率;
单人占用率累加模块,用于计算所有所述用户的所述单人占用率之间的和值,作为人体占用率。
在本发明实施例的一个示例中,所述身体参数检测模块包括:
身高识别模块,用于在所述深度图像数据中识别所述用户的身高;
肩宽识别模块,用于在所述深度图像数据中识别所述用户的肩宽;
所述第一体积计算模块包括:
第一面积计算模块,用于以所述肩宽作为圆的直径计算所述圆的第一面积;
第一几何计算模块,用于将所述第一面积乘以所述身高,得到所述用户的第一体积。
在本发明实施例的一个示例中,所述第二体积计算模块包括:
第二面积提取模块,用于对所述空间取横截面的第二面积;
第二几何计算模块,用于将所述第二面积乘以所述楼宇的层高,得到所述空间的第二体积。
在本发明的一个实施例中,所述含氧量计算模块303包括:
参数确定模块,用于确定空气中氧气的体积比例、单位重量的人体每次吸入空气的气体量、人体的质量密度常数、人体在单位时间内呼吸时对单位体积空气内氧气的消耗量、所述用户呼吸的时间;
空气占用率计算模块,用于将一减去所述人体占用率,得到空气占用率,所述空气占用率表示所述楼宇内部的空间中被空气占用的比例;
原始含量计算模块,用于将所述第二体积、所述空气占用率与所述体积比例相乘,得到所述楼宇内部的空间中氧气的原始含量;
实时含量计算模块,用于将所述气体量、所述质量密度常数、所有所述用户的所述第一体积、所述时间、所述体积比例与所述消耗量相乘,得到所述用户呼吸时消耗氧气的实时含量;
总含量计算模块,用于将所述第二体积与所述空气占用率相乘,得到所述楼宇内部的空间中空气的总含量;
剩余含量计算模块,用于将所述原始含量与所述实时含量之间的差值除以所述总含量,得到所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含氧量。
在本发明的一个实施例中,所述运行模式包括制热模式或制冷模式;所述运行模式调节模块305包括:
第一参考范围统计模块,用于统计所述人体占用率在预设的第一时间段内归属的第一参考范围;
空调停止模块,用于若所述第一参考范围为预设的第一子范围,且所述楼宇内部的空间被标记为密闭空间,则关闭所述空调,以停止所述制热模式或制冷模式;
空调启动模块,用于若所述第一参考范围为预设的第二子范围,且所述空调未启动,则确定对所述制热模式或所述制冷模式设置的第一目标值,启动所述空调,并将所述制热模式或所述制冷模式中的目标温度设置为所述第一目标值,所述第二子范围大于所述第一子范围;
第一温度调节模块,用于若所述第一参考范围为预设的第二子范围,且所述空调已启动,则确定对所述制热模式或所述制冷模式设置的第二目标值,控制所述空调在所述制热模式的目标温度提升所述第二目标值,或者,控制所述空调在所述制冷模式中的目标温度降低所述第二目标值;
第二温度调节模块,用于若所述第一参考范围为预设的第三子范围,则确定对所述制热模式或所述制冷模式设置的第三目标值,控制所述空调在所述制热模式的目标温度降低所述第三目标值,或者,控制所述空调在所述制冷模式中的目标温度提升所述第三目标值,所述第三子范围大于所述第二子范围。
在本发明的一个实施例中,所述空调启动模块包括:
历史占用率获取模块,用于获取历史占用率,所述历史占用率为所述楼宇内部的空间中历史上被用户占用的人体占用率;
总占用率计算模块,用于对所述历史占用率求和,获得总占用率;
第一目标值设置模块,用于按照所述总占用率对所述制热模式或所述制冷模式设置的第一目标值,所述第一目标值与所述总占用率负相关。
在本发明的一个实施例中,所述第一温度调节模块包括:
温差计算模块,用于计算所述楼宇内部的空间与所述楼宇外部的空间之间的温差;
第二目标值设置模块,用于按照所述温差对所述制热模式或所述制冷模式设置的第二目标值,所述第二目标值与所述温差正相关;
所述第二温度调节模块包括:
温差计算模块,用于计算所述楼宇内部的空间与所述楼宇外部的空间之间的温差;
第三目标值设置模块,用于按照所述温差对所述制热模式或所述制冷模式设置的第三目标值,所述第三目标值与所述温差正相关。
在本发明的另一个实施例中,所述行模式调节模块305包括:
第二参考范围统计模块,用于统计所述人体占用率在预设的第二时间段内归属的第二参考范围;
频繁程度计算模块,用于基于所述人体占用率计算用户进出所述楼宇内部的空间的频繁程度;
通风操作执行模块,用于若所述第二参考范围为预设的第四子范围,所述楼宇内部的空间被标记为非密闭空间,且所述频繁程度大于预设的第一阈值,则控制所述空调在所述运行模式中启动通风操作。
在本发明的一个实施例中,所述频繁程度计算模块包括:
人体占用率选择模块,用于确定第一候选占用率、第二候选占用率,所述第一候选占用率为所述第二时间段开始时的所述人体占用率,所述第二候选占用率为所述第二时间段结束时的所述人体占用率;
变化幅度计算模块,用于对所述第一候选占用率与所述第二候选占用率之间的差值取绝对值,获得变化幅度;
比值计算模块,用于计算所述变化幅度与所述第二时间段之间的比值,作为用户进出所述楼宇内部的空间的频繁程度。
在本发明的又一个实施例中,所述行模式调节模块305包括:
第三参考范围统计模块,用于统计所述含氧量在预设的第三时间段内归属的第三参考范围;
新风操作启动模块,用于若所述第三参考范围为预设的第五子范围,则控制所述空调在所述运行模式中启动新风操作;
新风操作停止模块,用于当所述人体占用率降低至预设的第二阈值时,控制所述空调在所述运行模式中停止所述新风操作。
本发明实施例所提供的空调的控制装置可执行本发明任意实施例所提供的空调的控制方法,具备执行空调的控制方法相应的功能模块和有益效果。
实施例三
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如空调的控制方法。
在一些实施例中,空调的控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的空调的控制方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行空调的控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (13)
1.一种空调的控制方法,其特征在于,包括:
调用深度相机向楼宇内部的空间采集深度图像数据;
根据所述深度图像数据计算所述楼宇内部的空间中被用户占用的比例,作为人体占用率;
根据所述人体占用率计算所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含量,作为含氧量;
针对为所述楼宇内部的空间配置的空调,确定所述空调的运行模式,所述运行模式包括制热模式或制冷模式;
根据所述人体占用率,或所述人体占用率和所述含氧量,对所述运行模式下的目标温度进行调节;
其中,所述根据所述深度图像数据计算所述楼宇内部的空间中被用户占用的比例,作为人体占用率,包括:
将所述楼宇内部划分为多个空间;
若在所述深度图像数据中检测到用户位于所述楼宇内部的空间,则在所述深度图像数据中识别所述用户的身体参数;
基于所述身体参数对所述用户计算第一体积;
确定所述楼宇内部的空间的第二体积;
计算所述第一体积与所述第二体积之间的比值,作为单人占用率;
计算所有所述用户的所述单人占用率之间的和值,作为人体占用率。
2.根据权利要求1所述的方法,其特征在于,
所述在所述深度图像数据中识别所述用户的身体参数,包括:
在所述深度图像数据中识别所述用户的身高;
在所述深度图像数据中识别所述用户的肩宽;
所述基于所述身体参数对所述用户计算第一体积,包括:
以所述肩宽作为圆的直径计算所述圆的第一面积;
将所述第一面积乘以所述身高,得到所述用户的第一体积。
3.根据权利要求1所述的方法,其特征在于,所述确定所述空间的第二体积,包括:
对所述空间取横截面的第二面积;
将所述第二面积乘以所述楼宇的层高,得到所述空间的第二体积。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述人体占用率计算所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含量,作为含氧量,包括:
确定空气中氧气的体积比例、单位重量的人体每次吸入空气的气体量、人体的质量密度常数、人体在单位时间内呼吸时对单位体积空气内氧气的消耗量、所述用户呼吸的时间;
将一减去所述人体占用率,得到空气占用率,所述空气占用率表示所述楼宇内部的空间中被空气占用的比例;
将所述第二体积、所述空气占用率与所述体积比例相乘,得到所述楼宇内部的空间中氧气的原始含量;
将所述气体量、所述质量密度常数、所有所述用户的所述第一体积、所述时间、所述体积比例与所述消耗量相乘,得到所述用户呼吸时消耗氧气的实时含量;
将所述第二体积与所述空气占用率相乘,得到所述楼宇内部的空间中空气的总含量;
将所述原始含量与所述实时含量之间的差值除以所述总含量,得到所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含氧量。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述人体占用率,或所述人体占用率和所述含氧量,对所述运行模式下的目标温度进行调节,包括:
统计所述人体占用率在预设的第一时间段内归属的第一参考范围;
若所述第一参考范围为预设的第一子范围,且所述楼宇内部的空间被标记为密闭空间,则关闭所述空调,以停止所述制热模式或制冷模式;
若所述第一参考范围为预设的第二子范围,且所述空调未启动,则确定对所述制热模式或所述制冷模式设置的第一目标值,启动所述空调,并将所述制热模式或所述制冷模式中的目标温度设置为所述第一目标值,所述第二子范围大于所述第一子范围;
若所述第一参考范围为预设的第二子范围,且所述空调已启动,则确定对所述制热模式或所述制冷模式设置的第二目标值,控制所述空调在所述制热模式的目标温度提升所述第二目标值,或者,控制所述空调在所述制冷模式中的目标温度降低所述第二目标值;
若所述第一参考范围为预设的第三子范围,则确定对所述制热模式或所述制冷模式设置的第三目标值,控制所述空调在所述制热模式的目标温度降低所述第三目标值,或者,控制所述空调在所述制冷模式中的目标温度提升所述第三目标值,所述第三子范围大于所述第二子范围。
6.根据权利要求5所述的方法,其特征在于,所述确定对所述制热模式或所述制冷模式设置的第一目标值,包括:
获取历史占用率,所述历史占用率为所述楼宇内部的空间中历史上被用户占用的人体占用率;
对所述历史占用率求和,获得总占用率;
按照所述总占用率对所述制热模式或所述制冷模式设置的第一目标值,所述第一目标值与所述总占用率负相关。
7.根据权利要求5所述的方法,其特征在于,
所述确定对所述制热模式或所述制冷模式设置的第二目标值,包括:
计算所述楼宇内部的空间与所述楼宇外部的空间之间的温差;
按照所述温差对所述制热模式或所述制冷模式设置的第二目标值,所述第二目标值与所述温差正相关;
所述确定对所述制热模式或所述制冷模式设置的第三目标值,包括:
计算所述楼宇内部的空间与所述楼宇外部的空间之间的温差;
按照所述温差对所述制热模式或所述制冷模式设置的第三目标值,所述第三目标值与所述温差正相关。
8.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述人体占用率,或所述人体占用率和所述含氧量,对所述运行模式下的目标温度进行调节,包括:
统计所述人体占用率在预设的第二时间段内归属的第二参考范围;
基于所述人体占用率计算用户进出所述楼宇内部的空间的频繁程度;
若所述第二参考范围为预设的第四子范围,所述楼宇内部的空间被标记为非密闭空间,且所述频繁程度大于预设的第一阈值,则控制所述空调在所述运行模式中启动通风操作。
9.根据权利要求8所述的方法,其特征在于,所述基于所述人体占用率计算用户进出所述楼宇内部的空间的频繁程度,包括:
确定第一候选占用率、第二候选占用率,所述第一候选占用率为所述第二时间段开始时的所述人体占用率,所述第二候选占用率为所述第二时间段结束时的所述人体占用率;
对所述第一候选占用率与所述第二候选占用率之间的差值取绝对值,获得变化幅度;
计算所述变化幅度与所述第二时间段之间的比值,作为用户进出所述楼宇内部的空间的频繁程度。
10.根据权利要求1-3、6-7、9中任一项所述的方法,其特征在于,所述根据所述人体占用率,或所述人体占用率和所述含氧量,对所述运行模式下的目标温度进行调节,包括:
统计所述含氧量在预设的第三时间段内归属的第三参考范围;
若所述第三参考范围为预设的第五子范围,则控制所述空调在所述运行模式中启动新风操作;
当所述人体占用率降低至预设的第二阈值时,控制所述空调在所述运行模式中停止所述新风操作。
11.一种空调的控制装置,其特征在于,包括:
图像数据采集模块,用于调用深度相机向楼宇内部的空间采集深度图像数据;
人体占用率计算模块,用于根据所述深度图像数据计算所述楼宇内部的空间中被用户占用的比例,作为人体占用率;
含氧量计算模块,用于根据所述人体占用率计算所述楼宇内部的空间中氧气被所述用户消耗之后剩余的含量,作为含氧量;
运行模式确定模块,用于针对为所述楼宇内部的空间配置的空调,确定所述空调的运行模式,所述运行模式包括制热模式或制冷模式;
运行模式调节模块,用于根据所述人体占用率,或所述人体占用率和所述含氧量,对所述运行模式下的目标温度进行调节;
其中,所述人体占用率计算模块包括:
空间划分模块,用于将所述楼宇内部划分为多个空间;
身体参数检测模块,用于若在所述深度图像数据中检测到用户位于所述楼宇内部的空间,则在所述深度图像数据中识别所述用户的身体参数;
第一体积计算模块,用于基于所述身体参数对所述用户计算第一体积;
第二体积计算模块,用于确定所述楼宇内部的空间的第二体积;
单人占用率计算模块,用于计算所述第一体积与所述第二体积之间的比值,作为单人占用率;
单人占用率累加模块,用于计算所有所述用户的所述单人占用率之间的和值,作为人体占用率。
12.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的空调的控制方法。
13.一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存储有计算机程序,所述计算机程序用于使处理器执行时实现权利要求1-10中任一项所述的空调的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210424094.XA CN114963413B (zh) | 2022-04-21 | 2022-04-21 | 一种空调的控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210424094.XA CN114963413B (zh) | 2022-04-21 | 2022-04-21 | 一种空调的控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114963413A CN114963413A (zh) | 2022-08-30 |
CN114963413B true CN114963413B (zh) | 2023-07-04 |
Family
ID=82972307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210424094.XA Active CN114963413B (zh) | 2022-04-21 | 2022-04-21 | 一种空调的控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114963413B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM419064U (en) * | 2011-06-20 | 2011-12-21 | Chunghwa Telecom Co Ltd | Image type air-conditioning system control device |
JP2012033416A (ja) * | 2010-07-30 | 2012-02-16 | Mitsubishi Electric Corp | 制御システム |
WO2015118739A1 (ja) * | 2014-02-07 | 2015-08-13 | 株式会社東芝 | 空調制御装置、空調制御システム、空調制御方法及びプログラム |
JP2017227437A (ja) * | 2017-08-30 | 2017-12-28 | 株式会社東芝 | 空調制御システムおよび空調制御装置 |
CN108444052A (zh) * | 2018-02-28 | 2018-08-24 | 平安科技(深圳)有限公司 | 一种空调的控制方法及空调 |
CN109228820A (zh) * | 2013-05-17 | 2019-01-18 | 松下电器(美国)知识产权公司 | 控制装置、控制方法、记录介质、空气调节机以及车辆 |
KR20190114929A (ko) * | 2019-09-19 | 2019-10-10 | 엘지전자 주식회사 | 냉방 또는 난방 관리가 가능한 전자기기 및 이의 제어 방법 |
KR102259461B1 (ko) * | 2019-11-25 | 2021-06-01 | 한남대학교 산학협력단 | 사용자를 고려한 능동형 냉방 제어 시스템 및 방법 |
WO2021199381A1 (ja) * | 2020-04-01 | 2021-10-07 | 三菱電機株式会社 | 空気調和システムおよび空気調和装置の制御方法 |
CN113551399A (zh) * | 2021-07-22 | 2021-10-26 | 珠海格力电器股份有限公司 | 一种空调新风量控制方法、装置及空调 |
CN113606749A (zh) * | 2021-08-06 | 2021-11-05 | 东南大学 | 一种基于人员像素密度的分区按需通风控制方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101737907B (zh) * | 2009-12-24 | 2011-10-05 | 于震 | 基于热成像技术的室内环境智能控制方法 |
CN105096406A (zh) * | 2014-04-30 | 2015-11-25 | 开利公司 | 用于建筑能耗设备的视频分析系统和智能楼宇管理系统 |
CN106545950B (zh) * | 2015-09-17 | 2020-11-17 | 开利公司 | 一种楼宇空调控制系统及其控制方法 |
CN106288149B (zh) * | 2016-07-29 | 2019-04-19 | 广东美的制冷设备有限公司 | 空调器控制方法及装置 |
CN108241300B (zh) * | 2016-12-26 | 2023-05-02 | 开利公司 | 预定空间区域的设备控制 |
CN106766009A (zh) * | 2017-02-24 | 2017-05-31 | 芜湖美智空调设备有限公司 | 温度调节设备的控制方法及控制装置 |
CN107314511B (zh) * | 2017-08-23 | 2020-05-05 | 广东美的制冷设备有限公司 | 空调设备的控制方法及装置、空调 |
CN107917507B (zh) * | 2017-11-14 | 2020-05-12 | 西安建筑科技大学 | 一种融合图像信息的集中空调热舒适度pmv控制方法 |
JP7056109B2 (ja) * | 2017-12-07 | 2022-04-19 | 株式会社豊田中央研究所 | 温調装置および温調方法 |
CN109405206B (zh) * | 2018-10-10 | 2021-02-26 | 广东美的制冷设备有限公司 | 空气调节设备的送风控制方法和装置 |
CN109442695A (zh) * | 2018-11-12 | 2019-03-08 | 清华大学 | 基于室内人数的空调及新风系统预测性控制方法及系统 |
CN109813848A (zh) * | 2019-01-18 | 2019-05-28 | 西南石油大学 | 基于中央空调的高密度人群室内环境空气质量改善系统 |
CN109901406A (zh) * | 2019-02-22 | 2019-06-18 | 珠海格力电器股份有限公司 | 楼宇环境的监控方法、装置、设备和存储介质 |
CN110210694A (zh) * | 2019-03-07 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 空间管理方法、装置、存储介质和计算机设备 |
JP7297504B2 (ja) * | 2019-04-11 | 2023-06-26 | ダイダン株式会社 | タスク・アンビエント空調システム |
CN110296506B (zh) * | 2019-06-13 | 2021-03-12 | 上海依图信息技术有限公司 | 一种楼宇空调控制的方法及装置 |
CN110345614B (zh) * | 2019-07-17 | 2020-12-08 | 成都泰盟软件有限公司 | 一种基于室内人员分布检测的温度动态控制系统及方法 |
CN113091227B (zh) * | 2020-01-08 | 2022-11-01 | 佛山市云米电器科技有限公司 | 空调控制方法、云端服务器、空调控制系统及存储介质 |
CN110848897B (zh) * | 2020-01-16 | 2021-10-19 | 恒大智慧科技有限公司 | 一种空调智能调节的方法及计算机可读存储介质 |
CN112584100A (zh) * | 2020-12-04 | 2021-03-30 | 南京乐之飞科技有限公司 | 一种基于人员动态分布跟踪分析的展厅展馆智能管控平台 |
CN112963949B (zh) * | 2021-02-23 | 2022-02-01 | 东南大学 | 基于人员实时检测的防疫节能智能通风控制系统及方法 |
-
2022
- 2022-04-21 CN CN202210424094.XA patent/CN114963413B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012033416A (ja) * | 2010-07-30 | 2012-02-16 | Mitsubishi Electric Corp | 制御システム |
TWM419064U (en) * | 2011-06-20 | 2011-12-21 | Chunghwa Telecom Co Ltd | Image type air-conditioning system control device |
CN109228820A (zh) * | 2013-05-17 | 2019-01-18 | 松下电器(美国)知识产权公司 | 控制装置、控制方法、记录介质、空气调节机以及车辆 |
WO2015118739A1 (ja) * | 2014-02-07 | 2015-08-13 | 株式会社東芝 | 空調制御装置、空調制御システム、空調制御方法及びプログラム |
JP2017227437A (ja) * | 2017-08-30 | 2017-12-28 | 株式会社東芝 | 空調制御システムおよび空調制御装置 |
CN108444052A (zh) * | 2018-02-28 | 2018-08-24 | 平安科技(深圳)有限公司 | 一种空调的控制方法及空调 |
WO2019165686A1 (zh) * | 2018-02-28 | 2019-09-06 | 平安科技(深圳)有限公司 | 一种空调的控制方法及空调 |
KR20190114929A (ko) * | 2019-09-19 | 2019-10-10 | 엘지전자 주식회사 | 냉방 또는 난방 관리가 가능한 전자기기 및 이의 제어 방법 |
KR102259461B1 (ko) * | 2019-11-25 | 2021-06-01 | 한남대학교 산학협력단 | 사용자를 고려한 능동형 냉방 제어 시스템 및 방법 |
WO2021199381A1 (ja) * | 2020-04-01 | 2021-10-07 | 三菱電機株式会社 | 空気調和システムおよび空気調和装置の制御方法 |
CN113551399A (zh) * | 2021-07-22 | 2021-10-26 | 珠海格力电器股份有限公司 | 一种空调新风量控制方法、装置及空调 |
CN113606749A (zh) * | 2021-08-06 | 2021-11-05 | 东南大学 | 一种基于人员像素密度的分区按需通风控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114963413A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107917507B (zh) | 一种融合图像信息的集中空调热舒适度pmv控制方法 | |
CN107084795B (zh) | 人体热源识别方法、装置及具有该装置的设备 | |
US10082313B2 (en) | Instruction device, and air conditioning system | |
US9791872B2 (en) | Method and apparatus for an energy saving heating, ventilation, and air conditioning (HVAC) control system | |
CN106448431A (zh) | 一种采用众包方式的基于手机传感器的室内平面图构建方法 | |
EP2688036A1 (en) | Energy demand prediction device and method | |
JP2017522831A (ja) | ビルディングオートメーションシステムのパフォーマンスを維持するためのシステム及び方法 | |
US10989425B2 (en) | Humidification device and humidification method | |
CN111488799A (zh) | 一种基于图像识别的坠落物识别方法及系统 | |
CN112561244B (zh) | 一种结合室内人员信息的建筑环境评价方法及系统 | |
CN104951055B (zh) | 设置设备的操作模式的方法和装置、以及空调设备 | |
CN114963413B (zh) | 一种空调的控制方法、装置、设备及存储介质 | |
CN111141284A (zh) | 智能建筑人员热舒适度及热环境管理系统和方法 | |
KR20170093446A (ko) | 자동 환기 공조 장치 및 그 제어 방법 | |
CN108834275B (zh) | 一种灯光控制方法 | |
Wang et al. | Computer vision to advance the sensing and control of built environment towards occupant-centric sustainable development: A critical review | |
CN113970382A (zh) | 一种温度检测方法、装置、介质及电子设备 | |
CN111189201A (zh) | 一种基于机器视觉的空调预测控制方法 | |
JP2009294887A (ja) | 建築設備制御システムおよびプログラム | |
JP2009294888A (ja) | 建築設備情報通知システムおよびプログラム | |
CN113654176B (zh) | 多联机空调的vip模式控制方法 | |
CN115309255A (zh) | 区域环境状态的输出控制方法及装置 | |
CN107631420B (zh) | 基于iBeacon技术的医院空调末端变风量系统节能方法及装置 | |
Ji et al. | Space inference system for buildings using IoT | |
CN212229635U (zh) | 一种平推窗开度智能提醒系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |