CN115076762B - 功率调节方法、功率调节装置及温度调节设备 - Google Patents

Abstract

本发明涉及温度调节技术领域，提供一种功率调节方法、功率调节装置及温度调节设备。功率调节方法包括：获取温度调节设备的当前环境数据值和当前设备参数值；将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数；其中，所述调节模型为以所述温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签训练得到；基于所述当前调节参数控制所述温度调节设备进行功率调节。根据本发明实施例的功率调节方法，其基于包括历史调节参数的历史数据确定调节模型，进而可以基于调节模型自动调节温度调节设备，提高用户舒适度，并通过减少不必要的做功为用户节能降费。

Description

功率调节方法、功率调节装置及温度调节设备

技术领域

本发明涉及温度调节技术领域，尤其涉及功率调节方法、功率调节装置及温度调节设备。

背景技术

温度调节设备一般用于对特定空间内的温度进行调节，以达到使人体感到舒适的温度值。以取暖器为例，取暖器是高功率家电，用户对取暖器的调节通过调节档位或模式实现。用户在对取暖器进行调节的时候，可能会面临热度不足或者温度过热的问题。热度不足或者温度过热都会使得用户体验不佳，并且温度过热还会导致较大能源的浪费。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种功率调节方法，其可以基于调节模型自动调节温度调节设备，提高用户舒适度，并通过减少不必要的做功为用户节能降费。

本发明还提出一种功率调节装置。

本发明还提出一种温度调节设备。

本发明还提出一种电子设备。

本发明还提出一种非暂态计算机可读存储介质。

根据本发明第一方面实施例的功率调节方法，包括：

获取温度调节设备的当前环境数据值和当前设备参数值；

将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数；

其中，所述调节模型为以所述温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签训练得到；

基于所述当前调节参数控制所述温度调节设备进行功率调节。

根据本发明实施例的功率调节方法，其基于包括历史调节参数的历史数据确定调节模型。具体的，将历史环境数据值和历史设备参数值作为样本，并将历史调节参数作为样本标签，得到调节模型。进而，调节模型可以反映环境、设备和历史调节参数之间的关系，并基于此预测当前调节参数。在此基础上，基于当前调节参数自动控制温度调节设备，进进而可以提高用户舒适度，并通过减少不必要的做功为用户节能降费。

根据本发明的一个实施例，所述功率调节方法还包括：

获取与所述当前调节参数对应的校正调节参数；

基于所述校正调节参数优化所述调节模型。

根据本发明的一个实施例，所述获取温度调节设备的当前环境数据值和当前设备参数值的步骤中，获取本地的所述当前环境数据值和本地的所述当前设备参数值；

所述调节模型为以所述温度调节设备上报的所述历史环境数据值和所述历史设备参数值为样本，且以所述温度调节设备上报的所述历史调节参数为标签训练得到；

所述功率调节方法还包括：

接收云端下发的所述调节模型；

所述将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数的步骤中，将本地的当前环境数据值和本地的所述当前设备参数值输入所述调节模型。

根据本发明的一个实施例，所述调节模型的训练方法包括：

以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签，训练得到调节模型。

根据本发明的一个实施例，所述历史调节参数为历史正调节参数或历史负调节参数；

所述以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签，训练得到调节模型包括：

对所述样本进行分类，将与所述历史正调节参数对应的所述历史环境数据值和所述历史设备参数值划分为第一样本，将与所述历史负调节参数对应的所述历史环境数据值和所述历史设备参数值划分为第二样本；

基于所述第一样本和与之对应的所述样本标签确定上调模型；

基于所述第二样本和与之对应的所述样本标签确定下调模型；

所述基于所述当前调节参数控制所述温度调节设备进行功率调节的步骤包括：

将所述当前环境数据值和所述当前设备参数值输入所述上调模型和所述下调模型：基于所述上调模型输出结果为上调且所述下调模型输出结果为不下调，上调所述温度调节设备；或者，基于所述上调模型输出结果为不上调且所述下调模型输出结果为下调，下调所述温度调节设备；或者，基于所述上调模型输出结果为上调且所述下调模型输出结果为下调，不调整所述温度调节设备。

根据本发明的一个实施例，所述历史调节参数为历史正调节参数、历史负调节参数或持平参数；

所述以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签，训练得到调节模型的步骤包括：

对所述样本进行分类，将与所述历史正调节参数对应的所述历史环境数据值和所述历史设备参数值划分为第一样本，将与所述历史负调节参数对应的所述历史环境数据值和所述历史设备参数值划分为第二样本，将与所述持平参数对应的所述历史环境数据值和所述历史设备参数值划分为第一样本和/或第二样本；

基于所述第一样本和与之对应的所述样本标签确定上调模型；

基于所述第二样本和与之对应的所述样本标签确定下调模型；

所述基于所述当前调节参数控制所述温度调节设备进行功率调节的步骤包括：

将所述当前环境数据值和所述当前设备参数值输入所述上调模型和所述下调模型：基于所述上调模型输出结果为上调且所述下调模型输出结果为不下调，上调所述温度调节设备；或者，基于所述上调模型输出结果为不上调且所述下调模型输出结果为下调，下调所述温度调节设备；或者，基于所述上调模型输出结果为上调且所述下调模型输出结果为下调，不调整所述温度调节设备；

根据本发明的一个实施例，所述上调模型为极端梯度提升模型，所述下调模型为随机森林模型。

根据本发明的一个实施例，所述历史设备参数值和所述当前设备参数值均包括时间值；

所述调节模型的训练步骤包括：

基于所述时间值对所述样本进行分类，得到多个不同类别的所述样本；

基于不同类别的所述样本以及与所述样本对应的所述样本标签分别得到不同的所述调节模型；

基于当前所处时间段调用相应的所述调节模型。

根据本发明的一个实施例，所述历史环境数据值包括环境温度、环境风向、环境风力和环境湿度当中的至少其中一个，所述历史设备参数值包括设备温度、功率值、工作模式、时间值和工作档位中的至少其中一个。

根据本发明第二方面实施例的功率调节装置，包括：

第一获取模块，用于获取温度调节设备的当前环境数据值和当前设备参数值；

处理模块，用于将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数；其中，所述调节模型为以所述温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签训练得到；

调节模块，用于基于所述当前调节参数控制所述温度调节设备。

根据本发明实施例的功率调节装置，其技术效果上述功率调节方法对应，此处不再赘述。

根据本发明第三方面实施例的温度调节设备，包括：

处理器，所述处理器执行计算机程序时实现上述功率调节方法的步骤或者上述调节模型训练方法的步骤；

传感组件，用于获取所述温度调节设备的当前环境数据值和当前设备参数值并发送给所述处理器；

所述处理器基于所述当前环境数据值和所述当前设备参数值获取所述当前调节参数。

根据本发明实施例的温度调节设备，其技术效果上述功率调节方法对应，此处不再赘述。

根据本发明第四方面实施例的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述功率调节方法的步骤或者上述调节模型训练方法的步骤。

根据本发明实施例的电子设备，其技术效果上述功率调节方法对应，此处不再赘述。

根据本发明第六方面实施例的非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述功率调节方法的步骤或者上述调节模型训练方法的步骤。

根据本发明实施例的非暂态计算机可读存储介质，其技术效果上述功率调节方法对应，此处不再赘述。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本发明实施例提供的功率调节方法的流程示意图；

图2是本发明实施例提供的云端和温度调节设备的工作原理示意图；

图3是本发明实施例提供的功率调节装置的结构示意图；

图4是本发明实施例提供的电子设备的实体结构示意图。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

在对本发明实施例做详细说明之前，先对整个应用场景进行描述。本发明实施例的功率调节方法和功率调节装置、电子设备和非暂态计算机可读存储介质，即可应用于物联网领域的云平台，也可应用于其他种类的互联网领域当中的云平台，或者还可以应用于第三方设备，或者还可以应用于温度调节设备上。其中，第三方设备可能包括有手机、平板电脑、笔记本、车载电脑和其他智能家电设备等多种不同的类型。温度调节设备包括制冷设备和供暖设备，常见的有空调、取暖器等。当然温度调节设备的种类不受此处举例限制，只要可以实现温度的调节即可。取暖器的供暖方式包括暖气片供暖、地暖、电力供暖等。

请参见图1，根据本发明第一方面实施例的功率调节方法，包括：

步骤100、获取温度调节设备的当前环境数据值和当前设备参数值。

步骤110、将当前环境数据值和当前设备参数值输入调节模型，以获取当前调节参数，其中。其中，调节模型为以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签训练得到。

步骤120、基于当前调节参数控制温度调节设备进行功率调节。

其中，可以将当前环境数据值和当前设备参数值整体称之为当前数据，将历史环境数据值、历史设备参数值和历史调节参数整体称之为历史数据。

根据本发明实施例的功率调节方法，其基于包括历史调节参数的历史数据确定调节模型。具体的，将历史环境数据值和历史设备参数值作为样本，并将历史调节参数作为样本标签，得到调节模型。进而，调节模型可以反映环境、设备和历史调节参数之间的关系，并基于此预测当前调节参数。在此基础上，基于当前调节参数自动控制温度调节设备，进进而可以提高用户舒适度，并通过减少不必要的做功为用户节能降费。

根据本发明的实施例，调节模型可以为本地训练得到，也可以在云端训练得到。当功率调节方法适用于本地的时候，则本地训练得到的调节模型可以直接应用；当功率调节方法适用于本地的时候，则云端训练得到的调节模型需要下发至本地。同样的，当功率调节方法适用于云端的时候，则云端训练得到的调节模型可以直接应用；或者，也有可能当功率调节方法适用于云端的时候，则本地训练得到的调节模型需要上报至云端，当然该种可能性相对较小。

在一个实施例中，功率调节方法还包括：

步骤130、获取与当前调节参数对应的校正调节参数。

也即，在温度调节设备进行自动调节的基础上，有可能用户对该自动调节的结果并不满意进而会手动对温度调节设备进行调节，因此对应该自动调节的当前调节参数，可能会基于用户的操作获取到校正调节参数。

步骤140、基于校正调节参数优化调节模型。

也即，在获取到校正调节参数的基础上，可以基于校正调节参数优化调节模型，并基于优化后的调节模型获取调节参数，以进一步保证功率调节的准确性和可靠性。

根据本发明实施例的功率调节方法，其基于包括历史调节参数的历史数据确定调节模型，进而可以基于调节模型自动调节温度调节设备，提高用户舒适度，并通过减少不必要的做功为用户节能降费。

其中，调节模型可以用于实现温度调节设备的档位调节、模式调节和功率调节当中的至少其中一个。

在一个实施例中，通过调节温度调节设备的功率，就可以实现对温度调节设备档位、工作模式的调节。例如，以空调为例，其常见的模式包括正常工作模式、冷风模式和节能模式，而不同模式和温度调节设备的功率之间均具有唯一的对应关系。因此，调节模型可以为功率调节模型，进而对应的上调模型也即功率上调模型，下调模型也即功率下调模型。当然，调节模型只要可以实现温度调节设备的工作状态调节即可，具体是通过什么何种参数的调节实现最终的目的不做限定。

需要说明的是，以上步骤100至步骤140只是为了方便表述，不构成对功率调节方法的各步骤的时序限定。

根据本发明第二方面的实施例，提供调节模型训练方法，训练得到的调节模型可以应用于上述功率调节方法。其中，调节模型的训练步骤包括：

步骤150、以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签，得到输入值为当前环境数据值和当前设备参数值，且输出值为当前调节参数的调节模型。

根据本发明的实施例，获取温度调节设备的历史数据，历史数据包括历史环境数据值、历史设备参数值和历史调节参数。

一般情况下，历史环境数据值包括环境温度、风向、风力、湿度等天气数据的至少其中一个；历史设备参数值包括温度值、实时功率、工作模式、时间值、档位以及温度调节设备的其他功能状态等的至少其中一个。其中，温度调节设备的档位可能包括低档、中档或者高档，温度调节设备的工作模式可能包括制冷模式、供暖模式、加湿模式等。并且，包括历史环境数据值和历史设备参数值在内的历史数据一般可以采用统计学中位数、平均数、指数分布等内容提取。

需要说明的是，除了获取温度调节设备的历史环境数据值和历史设备参数值之外，还可以获取温度调节设备的类型。例如，温度调节设备为取暖器的时候，其类型可能为油汀、暖风机或者踢脚线等。进而，在获取历史环境数据值和历史设备参数值的基础上，可以得到不同类型的温度调节设备的使用特征和使用规律。

以上历史环境数据值和历史设备参数值可以基于和温度调节设备工作状态的关联程度来选取。例如，环境温度和温度调节设备息息相关，因此一般情况下，在执行功率调节方法的过程当中，需要获取环境温度；而对于风向或者风力，对于温度调节设备的影响相对较小，因此在有些功率调节方法的实施例当中，可以选择获取也可以选择不获取该数据值。同样的，其他历史环境数据值或者历史设备参数值也可以基于其和温度调节设备的工作状态的关联程度，选择是否获取。

根据本发明的实施例，可以基于温度调节设备需要进行调节的时候生成对应时候的历史数据，该种情况下可以避免数据量过大导致处理速度较慢，保证所有历史数据的有效性。当然，也可以在温度调节设备工作相对稳定的时候生成历史数据。在以上基础上，可以获取过去一个月内温度调节设备生成的历史数据，或者也可以获取过去一个星期、一个季度、半年、一年等时间段内温度调节设备生成的历史数据。

在一个实施例中，调节模型的训练在本地进行，进而获取温度调节设备本地的历史数据。

在另一个实施例中，调节模型的训练在云端进行，进而获取的历史数据是温度调节设备上报的数据，请参见图2。

根据本发明的实施例，在获取到所有历史数据的基础上，基于机器学习算法可以确定调节模型。

在一个实施例中，步骤150中的历史调节参数包括历史正调节参数和历史负调节参数。其中，历史正调节参数对应温度调节设备的参数上调的参数。例如，将温度调节设备的功率上调，则此时对应的历史调节参数为历史正调节参数；反之，将温度调节设备的功率下调，则此时对应的历史调节参数为历史负调节参数。在此基础上，步骤150包括：

步骤151、对历史数据进行分类。具体的，将与历史正调节参数对应的历史环境数据值和历史设备参数值划分为第一样本，进而与第一样本对应的历史正调节参数为第一样本标签；将与历史负调节参数对应的历史环境数据值和历史设备参数值划分为第二样本，进而与第二样本对应的历史负调节参数为第二样本标签。

步骤152、基于第一样本和第一样本标签确定上调模型；

步骤153、基于第二样本和第二样本标签确定下调模型。

该种情况下，将当前环境数据值和当前设备参数值输入上调模型和下调模型。基于上调模型输出结果为上调且下调模型输出结果为不下调，则当前调节参数为正数，上调温度调节设备；或者，基于上调模型输出结果为不上调且下调模型输出结果为下调，则当前调节参数为负数，下调温度调节设备；或者，基于上调模型输出结果为上调且下调模型输出结果为下调，不调整温度调节设备。

上调模型输出结果为上调，也即指代上调模型的调节参数为正数的情形，并不要求上调模型输出的为“上调”的定性描述；上调模型输出结果为不上调，也即对应调节参数为零或者为负数的情形，不要求上调模型输出“不上调”的定性描述。同理，下调模型输出结果为下调，也即对应调节参数为负数的情形，而不要求下调模型输出的为“下调”的定性描述；下调模型输出结果为不下调，也即对应调节参数为零或者为正数的情形，而不要求下调模型输出的为“不下调”的定性描述。其中，当上调模型输出结果为上调且下调模型输出结果为不下调，对应的是上调模型的调节参数为正数且下调模型的调节参数为零或者为正数的情形，此时选择上调模型的调节参数作为当前调节参数，以对温度调节设备进行上调。反之，当上调模型输出结果为不上调且下调模型输出结果为下调，对应的是上调模型的调节参数为零或负数，且下调模型的调节参数为负数的情形，此时选择下调模型的调节参数作为当前调节参数，以对温度调节设备进行下调。例如，当上调模型的输出结果是“+3且下调模型的输出结果为“+2，则此时选择“+3作为当前调节参数，并且对温度调节设备的功率进行上调。再例如，当上调模型的输出结果是“-1且下调模型的输出结果为“-2，则此时选择“-2作为当前调节参数，并且对温度调节设备的功率进行下调。当上调模型的输出结果是“+3且下调模型的输出结果为“-2，则此时不对温度调节设备进行调节。

通过设置上调模型和下调模型，且当上调模型输出结果为上调且下调模型输出结果为下调，不对温度调节设备进行调整，说明当前环境数据值和当前设备参数值具有干扰性，可以不予考虑，进而可以提高温度调节设备调节的调节精度。

在一个实施例中，历史调节参数还包括持平参数。也即，当无需对温度调节设备进行参数调节的时候，此时的历史调节参数为零，也即持平参数。此外，步骤150还进一步包括：

步骤151'、将与持平参数对应的历史环境数据值和历史设备参数值划分为第一样本和/或第二样本。也即，对于第一样本而言，除了具有对应历史正调节参数的历史环境数据值和历史设备参数值，还可以具有对应持平参数的历史环境数据值和历史设备参数值。同样的，对于第二样本而言，除了具有对应历史负调节参数的历史环境数据值和历史设备参数值，还可以具有对应持平参数的历史环境数据值和历史设备参数值。也即，持平参数对应的历史环境数据值和历史设备参数值既可以用于建立上调模型，也可以用于建立下调模型。其中，当历史调节参数为持平参数的时候，也即无需上调或者下调温度调节设备。

在一个实施例中，步骤152中的上调模型为极端梯度提升(xgboost)模型。通过采用xgboost模型，可以保证上调模型最精确的实现对温度调节设备的调节。通过采用极端梯度提升模型实现上调，或者通过采用xgboost模型实现下调，可以最大程度保证温度调节设备的调节精度。

在一个实施例中，步骤153中的下调模型为随机森林模型。通过采用随机森林模型，可以保证下调模型最精确的实现对温度调节设备的调节。

在一个实施例中，步骤100中的当前设备参数值和步骤150中的历史设备参数值均包括时间值。在此基础上，步骤150包括：

步骤154、基于时间值对样本进行分类，得到多个不同类别的样本；

步骤155、基于不同类别的样本及与样本对应样本标签分别得到不同的调节模型；

步骤156、基于当前所处时间段调用相应的调节模型。

步骤154中，可以对一天的时间进行划分，进而得到两个或者多于两个的时间段，例如多个时间段可以包括对应上午的第一时间段、对应下午的第二时间段和对应晚上的第三时间段。其中，第一时间段可以为上午6点到12点，第二时间段可以为下午12点到18点，第三时间段可以为晚上18点到6点。进而，基于不同时间段对历史数据进行分类。当然，对时间的划分方式不受此处举例的限制，例如，也可以为上午5点到12点为第一时间段，或者也可以为5点到11点为第一时间段；同样的，也可以为12点到19点为第二时间段，或者也可以为12点半到19点半为第二时间段；并且，也可以19点到5点为第三时间段，或者也可以19点半到6点为第三时间段，等等，具体时间段的划分方式此处无法穷举。

步骤155中，基于不同类别的历史数据分别建立调节模型。例如，对应上午时间段的历史数据建立第一调节模型；对应下午时间段的历史数据建立第二调节模型；对应晚上时间段的历史数据建立第三调节模型。第一调节模型、第二调节模型和第三调节模型由于对应不同时间段，因此可以适应用户在不同时间段的不同使用需求。

以第二调节模型和第三调节模型为例，由于第二调节模型对应下午的第二时间段，而第二时间段内较之于晚上对应的第三时间段用户更为活跃运动更多，因此用户在第二时间段所需要的温度调节设备的温度相比第三时间段更低，因此在同等条件下，第二调节模型输出的调节参数和第三调节模型输出的调节参数可能会有所不同。同样的，第一时间段和第二时间段当中，用户的活跃程度也有所不同，因此通过采用不同的第一调节模型和第二调节模型，可以适应用户在不同时间段对温度调节设备的不同温度需求。很显然，基于时间对历史数据进行划分，只是为了基于不通过时间段对调节模型进行区分，也可以基于不基于时间对历史数据进行划分，进而此时无需基于时间区分不同的调节模型。

在一个实施例中，步骤156中，基于当前所处时间段调用调节模型，也即意味着当前处于上午的第一时间段，调用第一调节模型；当前处于下午的第二时间段，调用第二调节模型；当前处于晚上的第三时间段，调用第三调节模型。

在一个实施例中，可以基于不同时间段，分别得到对应该时间段的上调模型和下调模型。例如，对应第一时间段的第一调节模型，其可以包括第一上调模型和第一下调模型。

在一个实施例中，在基于历史数据确定调节模型的情况下，可以将这些历史数据随机划分为训练集和测试集。对训练集进行训练拟合得到初始模型；将测试集应用于初始模型，得到泛化误差，并基于泛化误差对初始模型进行迭代处理，得到最终的调节模型。其中，训练集占比65％～85％，测试集占比15％～35％。例如，训练集占比70％，测试集占比30％。

当功率调节方法适用于云端的时候，为了防止断网的时候功率调节方法无法实现，可以按照一定规律将步骤150中的调节模型下发至温度调节设备。例如，可以按时下发调节模型。

有些内容在本发明第一方面实施例提供的功率调节方法和第二方面实施例提供的调节模型训练方法当中的内容，也都可适用于第三方面实施例提供的功率调节装置，进而为了避免重复赘述在第三方面实施例提供的功率调节装置当中没有详细展开说明。同样的，以上两个方面实施例的内容都可以用于解释后面所有方式实施例的内容，因此后面实施例当中对于重复的内容不进行赘述。

根据本发明第三方面的实施例，提供一种功率调节装置，请参见图3，包括：

第一获取模块201，用于获取温度调节设备的当前环境数据值和当前设备参数值；

处理模块202，用于将当前环境数据值和当前设备参数值输入调节模型，以获取当前调节参数；其中，调节模型为以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签训练得到；

调节模块203，用于基于当前调节参数控制温度调节设备。

根据本发明实施例的功率调节装置，其技术效果和上述功率调节方法对应，此处不再赘述。

根据本发明的实施例，功率调节装置还包括训练模块，用于基于温度调节设备的历史数据建立调节模型。也即，训练模块以历史数据的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签训练得到调节模型。

在一个实施例中，训练模块基于上文提及的第一样本和第一样本标签确定上调模型，以及基于第二样本和第二样本标签确定下调模型。

在一个实施例中，训练模块基于历史数据的时间值或者历史调节参数对历史数据进行分类得到第一样本、第一样本标签、第二样本和第二样本标签，并基于不同类别的历史数据分别得到不同的调节模型，再调用与当前数据的时间值相对应的调节模型。

根据本发明的实施例，训练模块获取历史环境数据值、历史设备参数值和历史调节参数，并利用统计学中位数、平均数、指数分布等内容对获取到的所有历史数据(包括历史环境数据值、历史设备参数值和历史调节参数)进行预处理，形成包括第一样本、第一样本标签、第二样本和第二样本标签的样本集。

根据本发明实施例的功率调节装置，还包括：

第二获取模块，用于获取与当前调节参数对应的校正调节参数；

优化模块，用于基于校正调节参数优化调节模型。

根据本发明第四方面的实施例，提供一种温度调节设备，包括处理器，处理器执行计算机程序时实现上述功率调节方法的步骤。

在一个实施例中，温度调节设备还包括：

传感组件，用于获取温度调节设备的当前数据，也即当前环境数据值和当前设备参数值，并发送给处理器，进而处理器基于当前数据获取当前调节参数。

其中，传感组件可以包括温度传感器、湿度传感器和风速传感器等当中的至少其中一个。进而，基于传感组件可以获取包括温度值、湿度值和风速等参数在内的温度调节设备当前的环境数据值。

根据本发明的实施例，温度调节设备可以为温度调节设备，例如可以为空调和取暖器等。

根据本发明第五方面的实施例，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述功率调节方法。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：获取温度调节设备的当前环境数据值和当前设备参数值；将当前环境数据值和当前设备参数值输入调节模型，以获取当前调节参数；其中，调节模型为以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签训练得到。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

进一步地，本发明实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取温度调节设备的当前环境数据值和当前设备参数值；将当前环境数据值和当前设备参数值输入调节模型，以获取当前调节参数；其中，调节模型为以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签训练得到。

本发明第六方面的实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以上述各实施例提供的功率调节方法，例如包括：获取温度调节设备的当前环境数据值和当前设备参数值；将当前环境数据值和当前设备参数值输入调节模型，以获取当前调节参数；其中，调节模型为以温度调节设备的历史环境数据值和历史设备参数值为样本，且以与样本对应的历史调节参数为样本标签训练得到。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (11)

1.一种功率调节方法，其特征在于，包括：

获取温度调节设备的当前环境数据值和当前设备参数值；

将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数，

其中，所述调节模型为以所述温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签训练得到；所述历史调节参数包括历史正调节参数或历史负调节参数，所述调节模型包括上调模型和下调模型；所述样本包括第一样本和第二样本，所述第一样本包括与所述历史正调节参数对应的所述历史环境数据值和所述历史设备参数值，所述第二样本包括与所述历史负调节参数对应的所述历史环境数据值和所述历史设备参数值；基于所述第一样本和与之对应的所述样本标签确定所述上调模型；基于所述第二样本和与之对应的所述样本标签确定所述下调模型；

基于所述当前调节参数控制所述温度调节设备进行功率调节，包括：将所述当前环境数据值和所述当前设备参数值输入所述上调模型和所述下调模型：基于所述上调模型输出结果为上调且所述下调模型输出结果为不下调，上调所述温度调节设备；或者，基于所述上调模型输出结果为不上调且所述下调模型输出结果为下调，下调所述温度调节设备；或者，基于所述上调模型输出结果为上调且所述下调模型输出结果为下调，不调整所述温度调节设备。

2.根据权利要求1所述的功率调节方法，其特征在于，所述功率调节方法还包括：

获取与所述当前调节参数对应的校正调节参数；

基于所述校正调节参数优化所述调节模型。

3.根据权利要求1或2所述的功率调节方法，其特征在于，所述获取温度调节设备的当前环境数据值和当前设备参数值的步骤中，获取本地的所述当前环境数据值和本地的所述当前设备参数值；

所述调节模型为以所述温度调节设备上报的所述历史环境数据值和所述历史设备参数值为样本，且以所述温度调节设备上报的所述历史调节参数为标签训练得到；

所述功率调节方法还包括：

接收云端下发的所述调节模型；

所述将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数的步骤中，将本地的当前环境数据值和本地的所述当前设备参数值输入所述调节模型。

4.根据权利要求1所述的功率调节方法，其特征在于，所述历史调节参数还包括持平参数；所述第一样本和所述第二样本中的至少其中一个还包括：与所述持平参数对应的所述历史环境数据值和所述历史设备参数值。

5.根据权利要求1、2或4所述的功率调节方法，其特征在于，所述上调模型为极端梯度提升模型，所述下调模型为随机森林模型。

6.根据权利要求1、2或4所述的功率调节方法，其特征在于，所述历史设备参数值和所述当前设备参数值均包括时间值；

所述调节模型的训练步骤包括：

基于所述时间值对所述样本进行分类，得到多个不同类别的所述样本；

基于不同类别的所述样本以及与所述样本对应的所述样本标签分别得到不同的所述调节模型；

基于当前所处时间段调用相应的所述调节模型。

7.根据权利要求1、2或4所述的功率调节方法，其特征在于，所述历史环境数据值包括环境温度、环境风向、环境风力和环境湿度当中的至少其中一个，所述历史设备参数值包括设备温度、功率值、工作模式、时间值和工作档位中的至少其中一个。

8.一种功率调节装置，其特征在于，包括：

第一获取模块，获取温度调节设备的当前环境数据值和当前设备参数值；

处理模块，用于将所述当前环境数据值和所述当前设备参数值输入调节模型，以获取当前调节参数；其中，所述调节模型为以所述温度调节设备的历史环境数据值和历史设备参数值为样本，且以与所述样本对应的历史调节参数为样本标签训练得到；所述历史调节参数包括历史正调节参数或历史负调节参数，所述调节模型包括上调模型和下调模型；所述样本包括第一样本和第二样本，所述第一样本包括与所述历史正调节参数对应的所述历史环境数据值和所述历史设备参数值，所述第二样本包括与所述历史负调节参数对应的所述历史环境数据值和所述历史设备参数值；基于所述第一样本和与之对应的所述样本标签确定所述上调模型；基于所述第二样本和与之对应的所述样本标签确定所述下调模型；

调节模块，用于基于所述当前调节参数控制所述温度调节设备，包括：将所述当前环境数据值和所述当前设备参数值输入所述上调模型和所述下调模型：基于所述上调模型输出结果为上调且所述下调模型输出结果为不下调，上调所述温度调节设备；或者，基于所述上调模型输出结果为不上调且所述下调模型输出结果为下调，下调所述温度调节设备；或者，基于所述上调模型输出结果为上调且所述下调模型输出结果为下调，不调整所述温度调节设备。

9.一种温度调节设备，其特征在于，包括：

处理器，所述处理器执行计算机程序时实现如权利要求1至7中任意一项所述的功率调节方法；

传感组件，用于获取所述温度调节设备的当前环境数据值和当前设备参数值并发送给所述处理器；

所述处理器基于所述当前环境数据值和所述当前设备参数值获取所述当前调节参数。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的功率调节方法。

11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的功率调节方法。