CN115437302A - 一种大型中央空调ai智能控制方法及系统 - Google Patents
一种大型中央空调ai智能控制方法及系统 Download PDFInfo
- Publication number
- CN115437302A CN115437302A CN202211294033.2A CN202211294033A CN115437302A CN 115437302 A CN115437302 A CN 115437302A CN 202211294033 A CN202211294033 A CN 202211294033A CN 115437302 A CN115437302 A CN 115437302A
- Authority
- CN
- China
- Prior art keywords
- control
- air conditioner
- target
- central air
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011217 control strategy Methods 0.000 claims abstract description 114
- 230000007613 environmental effect Effects 0.000 claims abstract description 102
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000013136 deep learning model Methods 0.000 claims description 21
- 238000009434 installation Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 8
- 238000004378 air conditioning Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种大型中央空调AI智能控制方法及系统,其方法包括:设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。通过对环境数据进行分析,实现对中央空调的目标控制策略进行有效获取,从而便于根据相应的控制指令对中央空调进行控制,实现对中央空调的全自动控制,同时,在保障控制准确率以及控制效果的同时节省了大量的能量,提高能量利用率。
Description
技术领域
本发明涉及设备控制技术领域,特别涉及一种大型中央空调AI智能控制方法及系统。
背景技术
目前,随着日用家电技术的不断发展,越来越多的家用电器进入人们的日常生活和工作中,包括智能空调、智能电视等,同时由于现实生活中科技水平的提高,人们对家用电器的智能化也相应有更高的需求;
其中,在大气环境的影响下,日常生活对空调的使用频率越来越高,但是目前市面上的空调大多均需要人为设定一个温度,且不能根据室内当前的人流量自适应调整温度,从而导致能量利用率低,且所有控制环节均需要人为控制,从而导致在使用空调时产生了极大的不变;
因此,本发明提供了一种大型中央空调AI智能控制方法及系统。
发明内容
本发明提供一种大型中央空调AI智能控制方法及系统,用以通过一定的数据更新频率对室内外的环境数据进行采集,从而便于为控制中央空调提供可靠的数据支撑,其次,通过对环境数据进行分析,实现对中央空调的目标控制策略进行有效获取,从而便于根据相应的控制指令对中央空调进行控制,实现对中央空调的全自动控制,同时,在保障控制准确率以及控制效果的同时节省了大量的能量,提高能量利用率。
本发明提供了一种大型中央空调AI智能控制方法,包括:
步骤1:设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;
步骤2:基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;
步骤3:基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。
优选的,一种大型中央空调AI智能控制方法,步骤1中,设定数据更新频率,包括:
获取对中央空调的控制目标,并基于控制目标确定待采集的室内外环境数据的种类,其中,待采集的室内外环境数据的种类至少为两种;
基于控制目标确定不同种类的待采集的室内外环境数据对中央空调控制进程的影响权重,并就影响权重确定对不同种类的待采集的室内外环境数据的更新等级;
同时,获取中央空调在每天不同时间段的运行要求,并基于运行要求对不同种类的待采集的室内外环境数据的更新等级进行修正,得到不同种类的待采集的室内外环境数据的时段更新等级;
基于时段更新等级设定在不同时间段内对不同种类的待采集的室内外环境数据的更新频率。
优选的,一种大型中央空调AI智能控制方法,步骤1中,基于数据更新频率控制预设传感器采集室内外环境数据之前,包括:
获取中央空调所在目标场所的建筑参数,并基于建筑参数确定目标场所包含的空间的第一分布特征,同时,确定中央空调的各出风在目标场所中的第二分布特征;
基于第一分布特征和第二分布特征确定中央空调与目标场所的相对位置关系,并基于数据采集要求根据相对位置关系在目标场所内确定预设传感器位置安装点;
基于预设传感器位置安装点将预设传感器进行安装,并基于安装结果测试各预设传感器与控制终端的无线通讯性能,且在测试通过后完成对预设传感器的安装。
优选的,一种大型中央空调AI智能控制方法,步骤1中,基于数据更新频率控制预设传感器采集室内外环境数据,,且将采集到的室内外环境数据传输至控制终端,包括:
获取中央空调的起始工作时间点,并基于起始工作时间点对中央空调的各工作部件进行初始化处理,同时,获取设定好的数据更新频率,并基于数据更新频率对中央空调的时钟参数进行配置;
基于配置结果控制预设传感器对室内外的环境数据进行采集,并对各采集到的环境数据进行数据来源标注;
将标注后的环境数据传输至控制终端,且所述控制终端对接收到的环境数据进行分析,确定不同种类环境数据中的异常数据,并基于不同种类环境数据的数据特征调用相应的预设数据清洗规则对异常数据进行清洗,得到最终的室内外环境数据。
优选的,一种大型中央空调AI智能控制方法,将标注后的环境数据传输至控制终端,包括:
获取预设传感器的目标数量,并基于目标数量依次构建不同预设传感器对应的无线传输链路,同时,确定不同预设传感器的数据采集时间点与传输时间点之间的时延值,并将时延值进行最小化处理;
基于处理结果将采集到的环境数据进行数模转换,并基于转换结果通过对应的无线传输链路向控制终端发送数据传输请求,且在控制终端反馈可传输信号时,基于无线传输链路将不同传感器采集到的环境数据传输至控制终端。
优选的,一种大型中央空调AI智能控制方法,步骤2中,基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略,包括:
获取采集到的室内外环境数据,并提取室内外环境数据的特征向量,且基于特征向量将室内外环境数据划分为第一类环境数据以及第二类环境数据;
基于环境数据来源标识将第一类环境数据拆分为子环境数据,并基于子环境数据和第二类环境数据确定室内不同区域的室内外的目标温差,同时,提取第二类环境数据中的天气参数,并基于天气参数确定室内需要维持的目标温度;
基于目标温度以及目标温差确定对中央空调运行参数的目标调整值,并基于目标调整值对中央空调的运行状态进行第一控制策略,同时,基于子环境数据确定室内不同区域的当前温度,并基于当前温度以及目标温度确定对室内不同区域出风口的出风量的第二控制策略,且基于第一控制策略和第二控制策略完成对目标控制策略的确定。
优选的,一种大型中央空调AI智能控制方法,基于第一控制策略和第二控制策略完成对目标控制策略的确定,包括:
获取中央空调在不同控制场景下对应的目标控制策略,并确定各目标控制策略对应的目标文本,同时,基于传感器获取中央空调在目标控制策略下的运行参数,其中,一个控制场景对应一种目标控制策略;
提取初始深度学习模型的模型参数,并基于各目标控制策略对应的目标文本以及运行参数对初始深度学习模型的模型参数进行迭代训练,得到目标深度学习模型;
在目标深度学习模型中为不同控制场景对应的目标控制策略添加索引标识,并当有环境数据输入时,将环境数据与索引标识进行匹配,输出目标控制策略对应的控制参数。
优选的,一种大型中央空调AI智能控制方法,步骤3中,基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,包括:
获取对中央空调的目标控制策略,并对目标控制策略进行分析,得到对中央空调的控件类型,且基于控件类型提取对应控件的配置参数,其中,控件至少为两个;
基于配置参数确定不同控件的控制特征,并将控制特征以及目标控制策略输入预设控制指令生成模型,得到不同控件对应的控制指令;
将控制指令在指令分派表中进行存储,并基于中央空调的控件的端口接收地址对指令分派表中存储的控制指令添加指令分派地址;
基于指令分派地址将控制指令分派至对应的控件,并基于控制指令控制控件对中央空调的当前运行状态进行调整。
优选的,一种大型中央空调AI智能控制方法,步骤3中,将控制结果实时反馈至管理终端进行记录,包括:
获取中央空调在目标控制策策略控制下的实时运行数据,同时,获取中央空调在当前场景下的温控目标,并基于温控目标构建对中央空调的多维度状态评估模型;
将实时运行数据输入多维度状态评估模型进行分析,得到对中央空调的控制评分,并基于预设等级划分规则根据控制评分确定目标控制策策略对中央空调的控制等级;
将控制等级与中央空调当前的运行状态进行绑定,并基于无线传输模式根据绑定结果将控制等级与中央空调当前的运行状态传输至管理终端进行显示。
本发明提供了一种大型中央空调AI智能控制系统,包括:
数据采集模块,用于设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;
分析模块,用于基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;
控制模块,用于基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种大型中央空调AI智能控制方法的流程图;
图2为本发明实施例中一种大型中央空调AI智能控制方法中步骤1的流程图;
图3为本发明实施例中一种大型中央空调AI智能控制系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种大型中央空调AI智能控制方法,如图1所示,包括:
步骤1:设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;
步骤2:基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;
步骤3:基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。
该实施例中,数据更新频率是用于表征采集室内外环境参数的时间间隔,从而便于及时根据室内外环境参数的变化情况对中央空调进行及时的智能控制,具体可以是3分钟对室内外的环境数据进行一次更新。
该实施例中,预设传感器是提前设定好的,具体可以是温度传感器以及湿度传感器等。
该实施例中,室内外环境数据具体包括室外温度、室内温度、室外天气情况、当前所处的每天中的何种时间段以及当前的日期(是否为周末或是节假日)。
该实施例中,控制终端指的是能够控制中央空调各工作设备进行运行参数改变的控制器。
该实施例中,目标控制策略指的是通过对室内外环境数据分析后,得到的需要对中央空调进行控制或者工作参数进行调整的方式方法,具体可以是控制中央空调的某一部分进行运行状态的改变,例如可以是控制出风量的改变或是控制压缩机的工作功率等。
该实施例中,控制指令指的是可以是控制中央空调不同运行设备进行状态改变的命令。
该实施例中,将控制指令分派至对应的控件进行控制指的是当需要控制的控件为多种时,将生成的控制指令传输至相应的控件,从而便于及时对中央空调的运行状态进行改变,保障了中央空调控制的效率。
上述技术方案的有益效果是:通过一定的数据更新频率对室内外的环境数据进行采集,从而便于为控制中央空调提供可靠的数据支撑,其次,通过对环境数据进行分析,实现对中央空调的目标控制策略进行有效获取,从而便于根据相应的控制指令对中央空调进行控制,实现对中央空调的全自动控制,同时,在保障控制准确率以及控制效果的同时节省了大量的能量,提高能量利用率。
实施例2:
在实施例1的基础上,本实施例提供了一种大型中央空调AI智能控制方法,如图2所示,步骤1中,设定数据更新频率,包括:
步骤101:获取对中央空调的控制目标,并基于控制目标确定待采集的室内外环境数据的种类,其中,待采集的室内外环境数据的种类至少为两种;
步骤102:基于控制目标确定不同种类的待采集的室内外环境数据对中央空调控制进程的影响权重,并就影响权重确定对不同种类的待采集的室内外环境数据的更新等级;
步骤103:同时,获取中央空调在每天不同时间段的运行要求,并基于运行要求对不同种类的待采集的室内外环境数据的更新等级进行修正,得到不同种类的待采集的室内外环境数据的时段更新等级;
步骤104:基于时段更新等级设定在不同时间段内对不同种类的待采集的室内外环境数据的更新频率。
该实施例中,控制目标指的是需要控制中央空调对室内温度的把控程度,具体可以是与要求温度相差不能超过一摄氏度或两摄氏度等。
该实施例中,影响权重指的是不同种类的环境数据对中央空调控制准确率的影响程度,具体可以是温度数据影响权重为3、湿度影响权重为2以及天气情况影响权重为1。
该实施例中,更新等级用于表征对不同种类的环境数据更新的频率快慢。
该实施例中,运行要求指的是中央空调在每天中不同时间段的运行状态,具体可以是9:00-12:00正常运行,12:00-2:00降低控制标准等。
该实施例中,时段更新等级指的是用于表征对中央空调控制过程中,在不同时间段内对环境数据的采集频率的快慢程度。
上述技术方案的有益效果是:通过对中央空调的控制目标实现对待采集的室内外环境数据的种类进行确定,从而便于为不同种类的环境数据确定相对应的数据更新频率,其次,通过确定不同种类的环境数据对中央空调控制过程中的影响权重,实现对数据更新等级进行准确确定,最后通过确定中央空调在一天中不同时间段的运行要求对确定的数据更新等级进行修正,最终实现对数据更新频率的有效设定,保障了对室内外环境数据的采集及时性,从而提高对中央空调的控制效果。
实施例3:
在实施例1的基础上,本实施例提供了一种大型中央空调AI智能控制方法,步骤1中,基于数据更新频率控制预设传感器采集室内外环境数据之前,包括:
获取中央空调所在目标场所的建筑参数,并基于建筑参数确定目标场所包含的空间的第一分布特征,同时,确定中央空调的各出风在目标场所中的第二分布特征;
基于第一分布特征和第二分布特征确定中央空调与目标场所的相对位置关系,并基于数据采集要求根据相对位置关系在目标场所内确定预设传感器位置安装点;
基于预设传感器位置安装点将预设传感器进行安装,并基于安装结果测试各预设传感器与控制终端的无线通讯性能,且在测试通过后完成对预设传感器的安装。
该实施例中,目标场所指的是中央空调工作的场所,具体可以是写字楼、商场、酒店以及住宅等。
该实施例中,建筑参数指的是目标场所的高度、宽度以及对应的楼宇图纸等。
该实施例中,第一分布特征指的是目标场所中包含的不同房间或是区域在目标场所中的分布情况或是分布位置等。
该实施例中,第二分布特征指的是中央空调的各出风口在目标场所中的分布位置等。
该实施例中,相对位置关系指的是中央空调与目标场所中需要进行温度控制的场所之间的关联关系。
该实施例中,预设传感器位置安装点指的是可以是在目标场所中安装各预设传感器的具体位置。
上述技术方案的有益效果是:通过确定目标场所的建筑参数,实现对目标场所的空间分布特征进行有效确认,其次,通过确定中央空调的出风口在目标场所的分布特征进行确定,最终结合空间分布特征实现对预设传感器的安装位置进行准确可靠的确认,保障了对目标场所室内外的环境数据的采集有效性以及可靠性,为实现对中央空调进行有效的智能控制提供了保障。
实施例4:
在实施例1的基础上,本实施例提供了一种大型中央空调AI智能控制方法,步骤1中,基于数据更新频率控制预设传感器采集室内外环境数据,,且将采集到的室内外环境数据传输至控制终端,包括:
获取中央空调的起始工作时间点,并基于起始工作时间点对中央空调的各工作部件进行初始化处理,同时,获取设定好的数据更新频率,并基于数据更新频率对中央空调的时钟参数进行配置;
基于配置结果控制预设传感器对室内外的环境数据进行采集,并对各采集到的环境数据进行数据来源标注;
将标注后的环境数据传输至控制终端,且所述控制终端对接收到的环境数据进行分析,确定不同种类环境数据中的异常数据,并基于不同种类环境数据的数据特征调用相应的预设数据清洗规则对异常数据进行清洗,得到最终的室内外环境数据。
该实施例中,起始工作时间点指的是中央空调又非工作状态变为工作状态的时间信息。
该实施例中,初始化处理指的是将各工作部件中以前的控制参数或是工作参数进行清除,从而便于根据当前采集到的环境数据对中央空调进行相应的控制。
该实施例中,时钟参数指的是时钟控制器中当前设置的时间间隔。
该实施例中,对各采集到的环境数据进行数据来源标注指的是将采集到的室内外环境数据对应的预设传感器进行标记,从而便于确定当前环境数据对应的区域。
该实施例中,异常数据指的是环境数据中的数据缺失片段或是取值异常的数据片段等。
该实施例中,数据特征指的是环境数据之间的关联关系、对应的数据种类以及对应的取值范围等。
该实施例中,预设数据清洗规则是提前设定好的,用于对不同种类的环境数据中的异常数据进行清洗。
上述技术方案的有益效果是:通过确定中央空调的起始工作时间点,从而便于在中央空调工作的起始时刻对中央空调进行初始化处理,其次,通过数据更新频率对中央空调的时钟参数进行配置,从而便于根据配置结果控制相应的预设传感器对环境数据进行采集,并对采集到的环境数据进行清洗,保障了采集到的环境数据的可靠性,同时也为实现对中央空调进行精准的控制提供了便利与保障。
实施例5:
在实施例4的基础上,本实施例提供了一种大型中央空调AI智能控制方法,将标注后的环境数据传输至控制终端,包括:
获取预设传感器的目标数量,并基于目标数量依次构建不同预设传感器对应的无线传输链路,同时,确定不同预设传感器的数据采集时间点与传输时间点之间的时延值,并将时延值进行最小化处理;
基于处理结果将采集到的环境数据进行数模转换,并基于转换结果通过对应的无线传输链路向控制终端发送数据传输请求,且在控制终端反馈可传输信号时,基于无线传输链路将不同传感器采集到的环境数据传输至控制终端。
该实施例中,目标数量指的是在室内外安装的预设传感器的总量。
该实施例中,无线传输链路可以是用于将预设传感器采集到的环境数据传输至控制终端的通道。
该实施例中,采集时间点指的是预设传感器采集到的环境数据的时间信息。
该实施例中,传输时间点指的是预设传感器将采集到的环境数据传输至控制终端的时间信息。
该实施例中,将时延值进行最小化处理指的是将采集时间点与传输时间点之间的时间间隔进行缩小,目的是为了保障当前采集当前传输,确保环境数据的时效性。
上述技术方案的有益效果是:通过确定预设传感器对应的目标数量,并根据目标数量依次构建不同预设传感器与控制终端之间的无线传输链路,同时,对预设传感器的采集时间点与传输时间点之间的时延值进行缩小,确保能够将当前采集到的环境数据进行及时的传输,从而确保了采集到的环境数据的时效性,保障了对中央空调进行控制的准确率。
实施例6:
在实施例1的基础上,本实施例提供了一种大型中央空调AI智能控制方法,步骤2中,基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略,包括:
获取采集到的室内外环境数据,并提取室内外环境数据的特征向量,且基于特征向量将室内外环境数据划分为第一类环境数据以及第二类环境数据;
基于环境数据来源标识将第一类环境数据拆分为子环境数据,并基于子环境数据和第二类环境数据确定室内不同区域的室内外的目标温差,同时,提取第二类环境数据中的天气参数,并基于天气参数确定室内需要维持的目标温度;
基于目标温度以及目标温差确定对中央空调运行参数的目标调整值,并基于目标调整值对中央空调的运行状态进行第一控制策略,同时,基于子环境数据确定室内不同区域的当前温度,并基于当前温度以及目标温度确定对室内不同区域出风口的出风量的第二控制策略,且基于第一控制策略和第二控制策略完成对目标控制策略的确定。
该实施例中,特征向量指的是室内外环境数据的数据取值范围等。
该实施例中,第一类环境数据指的是室内包含的环境数据,具体可以是室内的温度值以及湿度值等。
该实施例中,第二类环境数据指的是室外包含的环境数据,具体可以是室外的温度值以及天气情况等。
该实施例中,数据来源标识是用于标记不同环境数据对应的预设传感器编号或是预设传感器的类型等。
该实施例中,子环境数据指的是将第一类环境数据(即室内环境数据)进行拆分,将第一类环境数据拆分为室内各个区域对应的环境数据。
该实施例中,目标温差指的是室内不同区域的室内温度与室外温度的温度差。
该实施例中,基于天气参数确定室内需要维持的目标温度指的是通过智能算法确定出不同天气情况下室内最适宜的温度值。
该实施例中,目标温度指的是通过对天气参数进行分析,确定的室内最适宜的温度值。
该实施例中,目标调整值指的是最终需要对中央空调运行参数进行调整的数值。
该实施例中,第一控制策略指的是对中央空调的工作组件进行控制,具体可以是对中央空调的压缩机、交换机等进行控制。
该实施例中,第二控制策略是用于对中央空调在室内不同区域的出风口的风量进行控制。
上述技术方案的有益效果是:通过对室内外环境数据进行分析,实现通过室内外环境数据对室内不同区域的室内外温差进行准确有效的确认,其次,通过对室外的天气参数进行分析,实现对室内需要保持的温度进行准确分析,最后通过室内外温差以及室内需要保持的温度对中央空调运行参数的目标调整值进行准确确认,且通过目标调整值实现对中央空调不同组件的具体控制策略进行有效制定,从而保障了对中央空调的控制效果,实现对中央空调的全自动控制,同时,在保障控制准确率以及控制效果的同时节省了大量的能量,提高能量利用率。
实施例7:
在实施例6的基础上,本实施例提供了一种大型中央空调AI智能控制方法,基于第一控制策略和第二控制策略完成对目标控制策略的确定,包括:
获取中央空调在不同控制场景下对应的目标控制策略,并确定各目标控制策略对应的目标文本,同时,基于传感器获取中央空调在目标控制策略下的运行参数,其中,一个控制场景对应一种目标控制策略;
提取初始深度学习模型的模型参数,并基于各目标控制策略对应的目标文本以及运行参数对初始深度学习模型的模型参数进行迭代训练,得到目标深度学习模型;
在目标深度学习模型中为不同控制场景对应的目标控制策略添加索引标识,并当有环境数据输入时,将环境数据与索引标识进行匹配,输出目标控制策略对应的控制参数。
该实施例中,控制场景包括每天的上午、中午、下午以及周末和节假日等控制场景。
该实施例中,目标文本指的是目标控制策略对应的具体的文字内容。
该实施例中,运行参数指的是中央空调在不同场景下在目标控制策略下的运行功率以及出风量等参数。
该实施例中,初始深度学习模型是提前设定好的,用于对不同控制场景下的目标控制策略进行学习,从而便于通过对目标控制策略进行训练,实现对中央空调进行更加快速准确的控制。
该实施例中,模型参数指的是初始深度学习模型对应的配置情况,具体可以是初始深度学习模型中的包含的训练目标。
该实施例中,目标深度学习模型指的是通过目标控制策略以及目标控制策略下中央空调的运行参数对初始深度学习模型进行学习和训练后得到的最终的深度学习模型。
该实施例中,索引标识是用于对不同目标控制策略进行标记,当采集到的环境数据与现有的目标控制策略相对应时,通过索引标识调取相应的目标控制策略,从而实现对中央空调进行快速准确的控制。
该实施例中,当有环境数据输入时,将环境数据与索引标识进行匹配指的是提取当前环境数据的数据特征,并根据环境数据的数据特征对环境数据的类型以及取值范围进行有效确认,从而实现通过环境数据的数据类型以及取值范围将环境数据与目标控制策略的索引标识进行准确匹配。
该实施例中,控制参数指的是目标控制策略对应的具体控制步骤。
上述技术方案的有益效果是:通过将中央空调在不同控制场景下的目标控制策略转换为目标文本,并对目标文本进行分析,实现根据分析结果对初始深度学习模型进行训练,从而实现通过深度学习模型对中央空调在不同控制场景下的目标控制策略进行准确有效的把握,从而便于在由环境数据输入时,通过训练好的深度学习模型及时对当前环境数据对应的目标控制策略进行调取,提高了对中央空调控制的及时性,保障了对中央空调的控制效果。
实施例8:
在实施例1的基础上,本实施例提供了一种大型中央空调AI智能控制方法,步骤3中,基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,包括:
获取对中央空调的目标控制策略,并对目标控制策略进行分析,得到对中央空调的控件类型,且基于控件类型提取对应控件的配置参数,其中,控件至少为两个;
基于配置参数确定不同控件的控制特征,并将控制特征以及目标控制策略输入预设控制指令生成模型,得到不同控件对应的控制指令;
将控制指令在指令分派表中进行存储,并基于中央空调的控件的端口接收地址对指令分派表中存储的控制指令添加指令分派地址;
基于指令分派地址将控制指令分派至对应的控件,并基于控制指令控制控件对中央空调的当前运行状态进行调整。
该实施例中,控件类型指的是目标控制策略需要控制的中央空调的组件类型。
该实施例中,配置参数指的是不同控件对应的工作特点,从而便于根据不同控件的工作类型以及工作属性生成相应的指令。
该实施例中,控制特征指的是对不同控件进行控制时的控制特点以及控制方式。
该实施例中,预设控制指令生成模型是提前设定好的,用于生成不同的控制指令。
该实施例中,指令分派表是提前设定好的,用于存储生成的控制指令,并对不同控制指令的分派地址进行标记,从而保障不同控制指令的分派效果。
该实施例中,指令分派地址是用于为不同控制指令在分派的过程中进行指引,确保控制指令能够下发至对应的控件。
上述技术方案的有益效果是:通过对目标控制策略进行分析,实现对不同目标控制策略对应的控件进行准确有效的解析,同时便于根据解析结果确定不同控件工作时的控制特征,从而便于根据预设控制指令生成模型生成对应的控制指令,并为控制指令添加对应的指令分派地址,从而实现将不同的控制指令分派至相应的控件,保障了对中央空调控制的准确性,提升了对中央空调的控制效果。
实施例9:
在实施例1的基础上,本实施例提供了一种大型中央空调AI智能控制方法,其特征在于,步骤3中,将控制结果实时反馈至管理终端进行记录,包括:
获取中央空调在目标控制策策略控制下的实时运行数据,同时,获取中央空调在当前场景下的温控目标,并基于温控目标构建对中央空调的多维度状态评估模型;
将实时运行数据输入多维度状态评估模型进行分析,得到对中央空调的控制评分,并基于预设等级划分规则根据控制评分确定目标控制策策略对中央空调的控制等级;
将控制等级与中央空调当前的运行状态进行绑定,并基于无线传输模式根据绑定结果将控制等级与中央空调当前的运行状态传输至管理终端进行显示。
该实施例中,实时运行数据指的是中央空调在不同目标控制策略控制下的运行数据,具体可以是压缩机的工作功率以及出风量等。
该实施例中,温控目标指的是中央空调在不同场景下需要保持的温度值。
该实施例中,多维度状态评估模型是用于从多个不同的评估方向对中央空调当前的运行状态进行评估,从而便于确定中央空调在目标控制策略的控制下的运行状态是否满足预期的控制要求。
该实施例中,控制评分是用于表征中央空调在不同目标控制策略下的运行状态的良好情况,控制评分越高表明目标控制策略对中央空调的控制越好。
该实施例中,预设等级划分规则是提前设定好的,用于根据评分高低实现对中央空调的控制效果进行分级。
该实施例中,将实时运行数据输入多维度状态评估模型进行分析,包括:
获取室内当前的人员数量以及室内当前的温度值,并基于室内当前的人员数量以及室内当前的温度值计算中央空调将室内温度调整至目标温度时需要排出的热量,且基于需要排出的热量计算在目标控制策略下中央空调完成对热量排出时的效率值,具体步骤包括:
根据如下公式计算中央空调将室内温度调整至目标温度时需要排出的热量:
其中,Q表示中央空调将室内温度调整至目标温度时需要排出的热量;c表示空气比热;ρ表示空气密度;S表示室内的空间体积值;T1表示室内当前的温度值;T2表示室内需要保持的目标温度值,且取值小于T1;i表示室内当前的人员个数,且取值范围为[1,m];m表示室内当前的人员数量;v表示人员单位时间内释放的热量值;ti表示第i个人员在室内停留的时间长度值;
根据如下公式计算中央空调完成对热量排出时的效率值:
其中,η表示中央空调完成对热量排出时的效率值;μ表示误差因子,且取值范围为(0.02,0.05);L表示中央空调将温度由当前室内温度调整至目标温度时的预期时间长度值;P表示中央空调的压缩机的功率值;表示中央空调的能效比;表示中央空调压缩机在单位时间内的制冷量;
将计算得到的效率值与预设阈值进行比较;
若计算得到的效率值大于或等于预设阈值,则判定目标控制策略对中央空调的控制合格;
否则,判定目标控制策略对中央空调的控制不合格,并对目标控制策略进行优化,直至计算得到的效率值大于或等于预设阈值。
上述能效比指的是能效比是能源转换效率之比。
上述目标温度值指的是室内需要达到的温度值。
上述S表示室内的空间体积值指的是室内包含的空气量。
上述技术方案的有益效果是:通过获取中央空调在不同目标控制策略下的实时运行数据,并根据温控目标构建多维度状态评估模型对中央空调的实时运行数据进行分析,实现对目标控制策略对中央空调的控制效果进行准确评估,并将评估结果以及中央空调的实时运行状态传输至管理终端进行显示,便于管理人员及时了解当前中央空调的运行情况,从而便于及时对目标控制策略进行优化,保障对中央空调的控制效果。
实施例10:
本实施例提供了一种大型中央空调AI智能控制系统,如图3所示,包括:
数据采集模块,用于设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;
分析模块,用于基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;
控制模块,用于基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。
上述技术方案的有益效果是:通过一定的数据更新频率对室内外的环境数据进行采集,从而便于为控制中央空调提供可靠的数据支撑,其次,通过对环境数据进行分析,实现对中央空调的目标控制策略进行有效获取,从而便于根据相应的控制指令对中央空调进行控制,实现对中央空调的全自动控制,同时,在保障控制准确率以及控制效果的同时节省了大量的能量,提高能量利用率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种大型中央空调AI智能控制方法,其特征在于,包括:
步骤1:设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;
步骤2:基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;
步骤3:基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。
2.根据权利要求1所述的一种大型中央空调AI智能控制方法,其特征在于,步骤1中,设定数据更新频率,包括:
获取对中央空调的控制目标,并基于控制目标确定待采集的室内外环境数据的种类,其中,待采集的室内外环境数据的种类至少为两种;
基于控制目标确定不同种类的待采集的室内外环境数据对中央空调控制进程的影响权重,并就影响权重确定对不同种类的待采集的室内外环境数据的更新等级;
同时,获取中央空调在每天不同时间段的运行要求,并基于运行要求对不同种类的待采集的室内外环境数据的更新等级进行修正,得到不同种类的待采集的室内外环境数据的时段更新等级;
基于时段更新等级设定在不同时间段内对不同种类的待采集的室内外环境数据的更新频率。
3.根据权利要求1所述的一种大型中央空调AI智能控制方法,其特征在于,步骤1中,基于数据更新频率控制预设传感器采集室内外环境数据之前,包括:
获取中央空调所在目标场所的建筑参数,并基于建筑参数确定目标场所包含的空间的第一分布特征,同时,确定中央空调的各出风在目标场所中的第二分布特征;
基于第一分布特征和第二分布特征确定中央空调与目标场所的相对位置关系,并基于数据采集要求根据相对位置关系在目标场所内确定预设传感器位置安装点;
基于预设传感器位置安装点将预设传感器进行安装,并基于安装结果测试各预设传感器与控制终端的无线通讯性能,且在测试通过后完成对预设传感器的安装。
4.根据权利要求1所述的一种大型中央空调AI智能控制方法,其特征在于,步骤1中,基于数据更新频率控制预设传感器采集室内外环境数据,,且将采集到的室内外环境数据传输至控制终端,包括:
获取中央空调的起始工作时间点,并基于起始工作时间点对中央空调的各工作部件进行初始化处理,同时,获取设定好的数据更新频率,并基于数据更新频率对中央空调的时钟参数进行配置;
基于配置结果控制预设传感器对室内外的环境数据进行采集,并对各采集到的环境数据进行数据来源标注;
将标注后的环境数据传输至控制终端,且所述控制终端对接收到的环境数据进行分析,确定不同种类环境数据中的异常数据,并基于不同种类环境数据的数据特征调用相应的预设数据清洗规则对异常数据进行清洗,得到最终的室内外环境数据。
5.根据权利要求4所述的一种大型中央空调AI智能控制方法,其特征在于,将标注后的环境数据传输至控制终端,包括:
获取预设传感器的目标数量,并基于目标数量依次构建不同预设传感器对应的无线传输链路,同时,确定不同预设传感器的数据采集时间点与传输时间点之间的时延值,并将时延值进行最小化处理;
基于处理结果将采集到的环境数据进行数模转换,并基于转换结果通过对应的无线传输链路向控制终端发送数据传输请求,且在控制终端反馈可传输信号时,基于无线传输链路将不同传感器采集到的环境数据传输至控制终端。
6.根据权利要求1所述的一种大型中央空调AI智能控制方法,其特征在于,步骤2中,基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略,包括:
获取采集到的室内外环境数据,并提取室内外环境数据的特征向量,且基于特征向量将室内外环境数据划分为第一类环境数据以及第二类环境数据;
基于环境数据来源标识将第一类环境数据拆分为子环境数据,并基于子环境数据和第二类环境数据确定室内不同区域的室内外的目标温差,同时,提取第二类环境数据中的天气参数,并基于天气参数确定室内需要维持的目标温度;
基于目标温度以及目标温差确定对中央空调运行参数的目标调整值,并基于目标调整值对中央空调的运行状态进行第一控制策略,同时,基于子环境数据确定室内不同区域的当前温度,并基于当前温度以及目标温度确定对室内不同区域出风口的出风量的第二控制策略,且基于第一控制策略和第二控制策略完成对目标控制策略的确定。
7.根据权利要求6所述的一种大型中央空调AI智能控制方法,其特征在于,基于第一控制策略和第二控制策略完成对目标控制策略的确定,包括:
获取中央空调在不同控制场景下对应的目标控制策略,并确定各目标控制策略对应的目标文本,同时,基于传感器获取中央空调在目标控制策略下的运行参数,其中,一个控制场景对应一种目标控制策略;
提取初始深度学习模型的模型参数,并基于各目标控制策略对应的目标文本以及运行参数对初始深度学习模型的模型参数进行迭代训练,得到目标深度学习模型;
在目标深度学习模型中为不同控制场景对应的目标控制策略添加索引标识,并当有环境数据输入时,将环境数据与索引标识进行匹配,输出目标控制策略对应的控制参数。
8.根据权利要求1所述的一种大型中央空调AI智能控制方法,其特征在于,步骤3中,基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,包括:
获取对中央空调的目标控制策略,并对目标控制策略进行分析,得到对中央空调的控件类型,且基于控件类型提取对应控件的配置参数,其中,控件至少为两个;
基于配置参数确定不同控件的控制特征,并将控制特征以及目标控制策略输入预设控制指令生成模型,得到不同控件对应的控制指令;
将控制指令在指令分派表中进行存储,并基于中央空调的控件的端口接收地址对指令分派表中存储的控制指令添加指令分派地址;
基于指令分派地址将控制指令分派至对应的控件,并基于控制指令控制控件对中央空调的当前运行状态进行调整。
9.根据权利要求1所述的一种大型中央空调AI智能控制方法,其特征在于,步骤3中,将控制结果实时反馈至管理终端进行记录,包括:
获取中央空调在目标控制策策略控制下的实时运行数据,同时,获取中央空调在当前场景下的温控目标,并基于温控目标构建对中央空调的多维度状态评估模型;
将实时运行数据输入多维度状态评估模型进行分析,得到对中央空调的控制评分,并基于预设等级划分规则根据控制评分确定目标控制策策略对中央空调的控制等级;
将控制等级与中央空调当前的运行状态进行绑定,并基于无线传输模式根据绑定结果将控制等级与中央空调当前的运行状态传输至管理终端进行显示。
10.一种大型中央空调AI智能控制系统,其特征在于,包括:
数据采集模块,用于设定数据更新频率,并基于数据更新频率控制预设传感器采集室内外环境数据,且将采集到的室内外环境数据传输至控制终端;
分析模块,用于基于控制终端对室内外环境数据进行分析,并基于分析结果确定对中央空调的目标控制策略;
控制模块,用于基于目标控制策略生成控制指令,且将控制指令分派至对应的控件进行控制,并将控制结果实时反馈至管理终端进行记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211294033.2A CN115437302B (zh) | 2022-10-21 | 2022-10-21 | 一种大型中央空调ai智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211294033.2A CN115437302B (zh) | 2022-10-21 | 2022-10-21 | 一种大型中央空调ai智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115437302A true CN115437302A (zh) | 2022-12-06 |
CN115437302B CN115437302B (zh) | 2023-05-09 |
Family
ID=84252294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211294033.2A Active CN115437302B (zh) | 2022-10-21 | 2022-10-21 | 一种大型中央空调ai智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115437302B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116649251A (zh) * | 2023-08-01 | 2023-08-29 | 山东华邦农牧机械股份有限公司 | 一种禽类养殖环境的智能控制系统及方法 |
CN116678082A (zh) * | 2023-06-05 | 2023-09-01 | 耀昶嵘相变材料科技(广东)有限公司 | 中央空调系统的控制方法、终端及中央空调系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN107504646A (zh) * | 2017-08-30 | 2017-12-22 | 常州常工电子科技股份有限公司 | 中央空调智能节能监控系统及方法 |
CN111121237A (zh) * | 2019-12-27 | 2020-05-08 | 广东美的白色家电技术创新中心有限公司 | 空调设备及其控制方法、服务器、计算机可读存储介质 |
WO2021000642A1 (zh) * | 2019-06-30 | 2021-01-07 | 广东美的制冷设备有限公司 | 空调器的控制方法、空调器、服务器及存储介质 |
CN112308209A (zh) * | 2020-10-10 | 2021-02-02 | 上海晶友环境管理有限公司 | 基于深度学习的个性化空调智能学习方法 |
CN112867023A (zh) * | 2020-12-30 | 2021-05-28 | 北京理工大学 | 一种通过动态调度无人终端最小化感知数据获取时延方法 |
WO2021107054A1 (ja) * | 2019-11-26 | 2021-06-03 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
CN113375300A (zh) * | 2020-03-09 | 2021-09-10 | 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 |
CN114659237A (zh) * | 2022-05-23 | 2022-06-24 | 江苏橙智云信息技术有限公司 | 一种基于物联网的空调能效监管方法 |
CN114923265A (zh) * | 2022-07-20 | 2022-08-19 | 湖南工商大学 | 一种基于物联网的中央空调节能控制系统 |
-
2022
- 2022-10-21 CN CN202211294033.2A patent/CN115437302B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102705957A (zh) * | 2012-06-07 | 2012-10-03 | 华南理工大学 | 办公建筑中央空调逐时冷负荷在线预测方法及系统 |
CN107504646A (zh) * | 2017-08-30 | 2017-12-22 | 常州常工电子科技股份有限公司 | 中央空调智能节能监控系统及方法 |
WO2021000642A1 (zh) * | 2019-06-30 | 2021-01-07 | 广东美的制冷设备有限公司 | 空调器的控制方法、空调器、服务器及存储介质 |
WO2021107054A1 (ja) * | 2019-11-26 | 2021-06-03 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
CN111121237A (zh) * | 2019-12-27 | 2020-05-08 | 广东美的白色家电技术创新中心有限公司 | 空调设备及其控制方法、服务器、计算机可读存储介质 |
CN113375300A (zh) * | 2020-03-09 | 2021-09-10 | 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 |
CN112308209A (zh) * | 2020-10-10 | 2021-02-02 | 上海晶友环境管理有限公司 | 基于深度学习的个性化空调智能学习方法 |
CN112867023A (zh) * | 2020-12-30 | 2021-05-28 | 北京理工大学 | 一种通过动态调度无人终端最小化感知数据获取时延方法 |
CN114659237A (zh) * | 2022-05-23 | 2022-06-24 | 江苏橙智云信息技术有限公司 | 一种基于物联网的空调能效监管方法 |
CN114923265A (zh) * | 2022-07-20 | 2022-08-19 | 湖南工商大学 | 一种基于物联网的中央空调节能控制系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116678082A (zh) * | 2023-06-05 | 2023-09-01 | 耀昶嵘相变材料科技(广东)有限公司 | 中央空调系统的控制方法、终端及中央空调系统 |
CN116678082B (zh) * | 2023-06-05 | 2024-05-03 | 耀昶嵘相变材料科技(广东)有限公司 | 中央空调系统的控制方法、终端及中央空调系统 |
CN116649251A (zh) * | 2023-08-01 | 2023-08-29 | 山东华邦农牧机械股份有限公司 | 一种禽类养殖环境的智能控制系统及方法 |
CN116649251B (zh) * | 2023-08-01 | 2023-09-29 | 山东华邦农牧机械股份有限公司 | 一种禽类养殖环境的智能控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115437302B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115437302B (zh) | 一种大型中央空调ai智能控制方法及系统 | |
US10354345B2 (en) | Optimizing and controlling the energy consumption of a building | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
US7062927B2 (en) | Central control system of air conditioners and method for operating the same | |
CN106817909A (zh) | 空调控制方法、空调控制装置以及空调控制程序 | |
JP4363244B2 (ja) | エネルギー管理装置 | |
CN102779228A (zh) | 商场建筑中央空调冷负荷在线预测方法及系统 | |
KR101762061B1 (ko) | 클라우드 기반 에너지 사용량 예측 시스템 및 방법 | |
KR100851008B1 (ko) | 멀티에어컨의 통합관리 시스템 및 방법 | |
CN109405195A (zh) | 空调智能控制系统及方法 | |
Song et al. | An IoT-based smart controlling system of air conditioner for high energy efficiency | |
CN105868487A (zh) | 一种基于能耗设备模型的节能专家系统 | |
KR20080072281A (ko) | 멀티에어컨의 통합관리 시스템 및 제어방법 | |
CN111486554A (zh) | 一种基于在线学习的空调温度无感化控制方法 | |
CN109210702A (zh) | 智能新风系统的控制方法、移动终端和可存储介质 | |
CN111830350A (zh) | 能耗计量方法、装置及电器 | |
CN114442697B (zh) | 一种温度控制方法、设备、介质及产品 | |
CN115614907A (zh) | 一种空调器及其室内温度预测方法和装置 | |
CN110454941A (zh) | 一种温度的智能控制方法、装置和空调设备 | |
CN111750492B (zh) | 空气调节系统、服务器系统、网络和方法 | |
CN116774599A (zh) | 基于知识图谱的智能设备控制方法、计算机装置和计算机可读存储介质 | |
KR100955210B1 (ko) | 사무용 건물설비의 최적관리 및 에너지 절감을 위한 지능형 빌딩제어시스템 및 제어방법 | |
CN110909036A (zh) | 功能模块的推荐方法及装置 | |
CN113985747B (zh) | 一种智能居家管理系统 | |
CN110109368A (zh) | 一种智能家电运行控制方法、装置及系统 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231022 Address after: Building 1, 202-2E, China Merchants Lingxi Jiayuan, No. 126 Zimao East Street, Nanshan Street, Qianhai Shenzhen Hong Kong Cooperation Zone, Shenzhen City, Guangdong Province, 518000 Patentee after: Zhigaogao Intellectual Property Group Co.,Ltd. Address before: 518000 Shenzhen, Guangdong, Yantian District, Hai Shan Street, Sha Tou Jiao Deep Salt Road South Bao Fa Building fifth floor H1 Patentee before: Shenzhen changen intelligent Limited by Share Ltd. |