CN115735085A - 用于控制个人环境舒适度的控制设备和方法 - Google Patents

Abstract

一种用于循环控制配备有舒适系统(120)的具有一个或多个房间的建筑物中的个人环境舒适度的控制设备(100)，包括：‑接口(101、102、103)，用于获得传感器数据、操作数据和外部数据；‑数据库(105)，用于存储这些数据；‑第一机器学习模块(106)，使用所述存储数据进行训练以便为每个人员生成个人偏好设置(108)；‑第二机器学习模块(107)，使用所述存储数据进行训练以便为每个房间和/或每个房间类型生成预测模型(109)；以及‑控制单元(110)，基于一个或多个人员的所述偏好设置(108)和/或所述预测模型(109)，调整所述舒适系统(120)中的一个或多个装置(122)的设置，以便提高建筑物的用户的个人环境舒适度。

Description

用于控制个人环境舒适度的控制设备和方法

技术领域

本发明涉及控制配备有舒适系统的包括一个或多个房间的建筑物中的个人环境舒适度。更具体地，本发明涉及用于为建筑物的一个或多个用户循环控制个人环境舒适度的设备和计算机实现的方法。

背景技术

有可以使建筑物中的一个或多个房间通风的各种类型的通风系统。因此，自然送风和机械排风的通风系统(在比利时和荷兰也称为C系统)与机械送风和机械排风的通风系统(在比利时和荷兰也称为D系统，并且在实践中总是与热量回收相结合)之间存在区别。这两个系统可以设计为集中式和分散式系统两种，可选地由需求驱动。集中式的实施例包括从多个房间抽取空气的一个通风机。分散式的实施例包括多个通风机，每个通风机都具有独立的排放管并且可单独调整以便单独调节每个房间的空气抽取。在自然送风和机械排风的通风系统中，空气是主动从建筑物排出的，但空气的供应是被动进行的。为此，窗户可以例如设有与户外空气相连通的通风口或倾斜窗。通过空气管和通风口，一个或多个通风电机从建筑物中必须通风的空间(通常是潮湿的空间，例如诸如住宅中的厨房、浴室和卫生间)抽取空气。在具有机械送排风和热量/能量回收的通风系统中，空气主动排放到外部并通过与必须通过送排管进行通风的空间相连通的一个或多个通风机从外部主动供应。通常，这些是高效(HE)通风系统，其中热量回收单元在从外部供应的空气分布到要通风的空间之前利用来自排放的空气的热量来部分加热该供应的空气。

除了一个或多个通风电机之外，集中式或分散式的通风系统因此还包括一个或多个供应线和/或排放线，通常包括用于每个供应管或排放管的阀门和/或流量调节器。然后可以通过调整电机转速、阀门和/或流量调节器的位置为每个要通风的空间调节通风能力，所述通风能力以立方米每小时(m³/h)、升每秒(l/s)或升每小时(l/h)表示。通风机、阀门和流量调节器构成了通风系统的可控装置。可能存在其他可控装置，比如通风口。

通常，通风系统在启动前由装配工使用规则和设定值进行配置。设定值例如是传感器参数的阈值，所述传感器参数导致装置之一的通风机转速、阀门位置或另一可控操作参数的修改。通风系统在启动后基于设定的规则和测量的传感器值自动控制。通风系统也可以基于其中安装通风系统的建筑物的用户的手动输入来控制。通常，来自用户的手动输入将优先于基于规则的自动控制，但系统会在一定量的时间后恢复到自动控制。

例如，美国专利申请US 2010/0289643 A1描述了基于规则的系统，该系统基于指示人员存在的传感器数据来控制一个或多个耗能装置的状态。来自US 2010/0289643 A1的控制系统旨在减少建筑物中的能耗，而建筑物的用户不必通过经由传感器进行的存在检测来牺牲舒适度。

国际专利申请WO 2019/018627 A1描述了诸如会议室的共享房间中的环境参数的控制设备。来自WO 2019/018627 A1的控制单元使用共享房间的占用时间表和人员的偏好设置，以便根据在场人员的偏好的加权平均值来控制共享房间的环境参数。

美国专利申请US 2017/0176030 A1描述了为用户提供有关建筑物中通风的推荐的系统。基于由用户预定的质量阈值、建筑物内外空气质量的测量和天气预报，系统确定建筑物是否需要通风。通风的需要通过电子消息与用户共享，然后期望用户遵循这些推荐。

控制建筑物中的通风以增加建筑物用户的环境舒适度的现有的基于规则的系统的主要缺点为它们是静态的。此类系统中的控制是基于预定规则或来自用户的预配置的偏好设置进行的。从预定规则和/或偏好设置偏离需要来自用户的暂时否决预定规则和/或偏好设置的人工干预。这并不总能引起优化出现在建筑物或房间内的多个用户的舒适度，当然也不会优化通风系统的能耗。

文献中似乎认识到了上述问题，但尚未提供具体的技术方案。有一个明显可观察的趋势，以更好地预测何时需要哪种环境舒适度。

因此，F.Marcello等人的文章“Sensor-Based Early Activity RecognitionInside Buildings to Support Energy and Comfort Management Systems”描述了所开展的关于使用传感器来预测建筑物中的活动并使用此信息来优化建筑物中的能耗和舒适度的研究结果。文章得出结论，使用有限量的传感器数据可以十分精确地预测建筑物中的活动。

Basheer Qolomany等人发表在IEEE Access，第7卷，2019年的文章“LeveragingMachine Learning and Big Data for Smart Buildings:A Comprehensive Survey”得出结论，对大量数据的分析和基于机器的学习技术未来将在控制智能建筑物中的各种装置以便提高这些建筑物的用户的舒适度方面发挥关键作用。

美国专利申请US 2015/0300892描述了用于通过测量HVAC系统(供暖、通风和空调系统)激活或者应用变化时温度的响应速度确定热力学响应模型的技术。

尽管希望更好地预测建筑物或房间中何时需要某种环境舒适度，但目前没有用于建筑物的舒适系统的控制设备，所述控制设备动态地和循环地优化建筑物中存在的一个或多个人员的环境舒适度。

美国专利US 10253995 B1描述了用于减轻烟雾和/或火灾对建筑物内部的损害的系统。对此，来自US 10253995 B1的系统从烟雾检测器或从其他传感器接收信号并处理这些信号。在此基础上，来自US 10253995B1的系统决定关闭HVAC系统(供暖、通风和空调系统)并在确定的时间后重新打开它。重新打开HVAC系统的确定的时间是用户的偏好设置。

美国专利申请US 2019/0032948 A1描述了用于建筑物管理系统(BMS)的控制系统。在US 2019/0032948 A1中描述的控制系统使用了标准规则和由用户创建的规则两者。更具体地，US2019/0032948A1描述了可以更轻松地将用户创建的规则从一个建筑物转移到另一个建筑物的服务器架构。

因此，本发明的目的是提供用于控制舒适系统以便为建筑物的一个或多个用户循环个性化环境舒适度的技术方案。此外，本发明的目的是描述向建筑物的一个或多个用户推荐措施以便进一步优化个性化的环境舒适度(尤其是在能源消耗方面)的控制设备。

发明内容

根据第一方面，本发明涉及如权利要求1所要求保护的控制设备，用于循环控制配备有舒适系统的具有一个或多个房间的建筑物中的个人环境舒适度，所述控制设备包括：

-接口，用于从所述舒适系统中的一个或多个传感器获得传感器数据；

-接口，用于从所述舒适系统中的一个或多个装置获得操作数据；

-接口，用于从所述舒适系统外部的一个或多个源获得外部数据；

-数据库，用于存储统称为存储数据的所述传感器数据、所述操作数据和所述外部数据；

-第一机器学习模块，使用所述存储数据进行训练以便为每个人员生成个人偏好设置；

-第二机器学习模块，使用所述存储数据进行训练以便为每个房间和/或每个房间类型生成预测模型，其中预测模型以允许预测其未来值的公式对传感器数据、操作数据、外部数据或偏好设置的趋势进行建模；以及

-控制单元，基于一个或多个人员的所述偏好设置和/或所述预测模型，调整所述舒适系统中的一个或多个装置的一个或多个设置，以便当所述一个或多个人员出现在所述建筑物中时，提高所述一个或多个人员的个人环境舒适度。

根据本发明的控制设备将因此控制具有舒适系统的建筑物中的个人环境舒适度。舒适系统包括对建筑物中出现人员的环境舒适度有影响的任何系统。舒适系统的示例有通风系统，遮阳系统，供暖系统，空调系统，供暖、通风及空调系统(HVAC)、热泵或其组合。环境舒适度是可由人类感官直接感知的一种或多种因素的组合，并且可以受舒适系统的影响，诸如温度、气味(例如来自挥发性有机化合物)、湿度、光强、气流和/或声音(例如由来自舒适系统的装置发出的或通过例如通风口或倾斜窗进入建筑物的声音)，但相反也可能包括可间接感知的一个或多个因素，诸如空气中的颗粒物或二氧化碳含量，其在较长的时间内处于较高的水平将导致人类疲劳或困倦。环境舒适度可以受到各种类型的其他舒适系统的影响，例如诸如通风系统(受控或不受控)、遮阳系统(受控或不受控)、传感器(诸如温度传感器、CO₂传感器、光传感器、RV(旋转振动)传感器等)。环境舒适度是个人化的，因为不可能为每个人指定一个相同的值。在考虑温度和湿度的组合时，一个人可能会在例如25℃的环境温度和60％的相对湿度下感到舒适，而另一个人会在例如20℃的环境温度和60％的相对湿度下同样感到舒适。

根据本发明的控制设备将收集三种不同类型的数据并将它们长期存储在数据库中。第一类数据包括从要控制的舒适系统中的一个或多个传感器获得的传感器数据。传感器数据是由构成舒适系统一部分的传感器测量的物理量的数值，例如诸如房间内的温度、湿度、声音强度、光强、颗粒物含量、CO₂含量等。物理或化学参数的数值可以由传感器直接测量或者例如通过使用数学公式或相关性从传感器测量间接确定。第二类数据包括来自舒适系统的一个或多个装置的操作数据。操作数据是舒适系统中可控装置的当前和历史设置值，其通常存储在装置上并因此由控制系统从装置本身获得。操作数据的示例有阀门位置(表示为打开百分比)、中央通风机的容量、流量调节器的每分钟平均气流率、可旋转板条的状态、遮阳篷的状态等。传感器数据和操作数据通常存储为随时间变化的值序列，例如每分钟一个值，尽管规则的间隔不是必需的。第三类数据包括从一个或多个源获得的外部数据，所述一个或多个源不构成要控制的舒适系统的一部分但可以与建筑物的用户的舒适体验相关联。其示例有外部温度、气压、外部空气质量、从不构成舒适系统一部分的传感器获得的传感器数据、从建筑物用户获得的反馈等。外部源则例如是物联网(简称IoT)、询问用户其舒适体验的计算机程序或应用、对内部舒适度有影响的其他装置等。

来自舒适系统的一个或多个传感器的传感器数据、来自舒适系统的一个或多个装置的操作数据以及来自舒适系统外部的源的外部数据长期存储在中央数据库中。中央数据库可以是基于云的存储系统(其管理通常由第三方(即云系统运营商)提供)或者中央数据库可以由舒适系统的制造商在专用服务器上管理。长期的意思是在数据被认为可能已过时并从中央数据库中移除之前，数据被存储超过24小时，优选为数周甚至数月或数年。

根据本发明的控制设备包括第一机器学习模块，例如第一神经网络，其使用存储的长期数据进行循环训练以便学习个人用户或人员的偏好设置。偏好设置是参数(传感器、装置、系统或环境参数)的期望值，以便在给定情况下实现个人舒适度偏好。偏好设置通常是指示给定人员在特定情况下感到舒适的多维参考点。机器学习模块会学习每个人员在特定情况下的偏好设置。因此，第一机器学习模块学习到，例如，人员1，当他们在十月的一天整天都在下雨的一个周末的15:00到16:00之间独自出现在客厅时，希望客厅内的温度为22.5℃，并希望浴室温暖起来因为该人员可能会在接下来的半小时内在那里洗澡。偏好设置优选地按每个人和每个房间、每个时间间隔、每个活动、每个天气状况等保存。因此，虽然一个人对客厅的偏好温度可能为23度，但同一个人对卧室的偏好温度可能为18度。保存每个人和每个情况的偏好设置额外提供的优点是，在搬出到另一个建筑物的情况下，可以简单地将一个人的偏好设置与他们一起转移到用于新建筑物中的舒适系统的控制设备。第一机器学习模块将被训练以便它也可以估计一个人在尚未发生的情况下的个人偏好设置。第一机器学习模块可以基于相关人员的相似但不一定相同的数据点和/或似乎呈现出与相关人员相似偏好的人员的数据点来执行此操作。

根据本发明的控制设备包括第二机器学习模块，例如第二神经网络，其使用存储的长期数据被循环训练以便通常为每个房间或每个房间类型生成预测模型。预测模型是对参数(传感器、装置、系统或环境参数)的趋势建模或对个人偏好设置的趋势建模的公式，以便可以使用该公式预测该参数或偏好设置的未来值。

每次建筑物的用户调整设置时，用于获得传感器数据或外部数据的接口都会，例如在恒温器上提高房间内的期望温度、关闭房间内的遮阳帘等、捕捉周围环境：外部温度、房间内空气质量、房间内湿度、时间间隔等。然后第一机器学习模块从中学习或生成每个人员的个人偏好设置，以便将它们保存在个人简档中。第二机器学习模块从中学习或生成预测模型，所述预测模型将预测一个人何时可能采取特定行动。当出现类似的周围环境时，控制单元基于出现在建筑物中的一个或多个人员的偏好设置并且基于预测模型，将能够确定舒适系统中可控装置的设置，以便为出现在建筑物中的一个或多个人员自动优化环境舒适度。舒适系统中的可控装置有，例如，通风机电机、阀门、流量调节器、通风口、遮阳篷、可旋转板条等。

根据本发明的控制设备将因此循环调整舒适系统和其中的可控装置的设置，以便根据建筑物或房间的用户的意愿优化建筑物或建筑物的房间中的个人舒适度。控制设备从人们的行为中学习一个人的个人舒适度偏好是什么，将此信息转化为从而随时间演变的个人偏好简档和预测模型，并使用偏好简档和预测模型来动态优化个人环境舒适度。

如在权利要求2中所限定的根据本发明的控制设备的实施例可能还包括：

-短期推荐模块，被配置为基于所述偏好设置和所述预测模型，为所述舒适系统中的装置、为所述建筑物中的房间或为所述建筑物生成短期推荐，其中所述短期推荐包括用于在24小时的间隔内调整一个或多个装置的所述一个或多个设置的一个或多个指令。

短期推荐模块将因此使用来自数据库的个人偏好设置和预测模型向建筑物的用户或房间的用户提供瞬时推荐，这提高了将在短期内使用建筑物的人员的个人舒适度，短期意味着在24小时的时间间隔内。短期推荐模块根据来自控制单元的指令生成短期推荐。瞬时推荐是用于调整控制单元通常无法自行控制并需要人工干预的一个或多个设置的指令，诸如“打开通风口”、“打开倾斜窗”等。短期推荐可以以电子消息(例如SMS消息、电子邮件消息、由用户便携式装置上的移动应用程序生成的弹出消息等)的形式传递给建筑物的用户。

如在权利要求3中所限定的根据本发明的控制设备的实施例，可能还包括：

-长期推荐模块，被配置为基于所述偏好设置和所述预测模型为所述舒适系统中的装置、为所述建筑物中的房间或者为所述建筑物生成长期推荐。

长期推荐模块将因此使用来自数据库的个人偏好设置和预测模型向建筑物的用户或管理员提供推荐，所述推荐在较长期限内可以提高使用建筑物的人员的个人舒适度和/或可以在保持建筑物用户的个人舒适度的同时在较长期限内降低舒适系统的能耗，长期意味着长于24小时的期限。长期推荐模块根据来自控制单元的指令生成长期推荐。长期推荐通常是对具有长期回报的投资的推荐，例如诸如“在x房间安装遮阳篷。这将使得每年的能源成本减少y欧元。投资的回报期估计为z年”等。长期推荐可以以电子消息(例如SMS消息、电子邮件消息、由便携式装置上的移动应用程序生成的弹出消息等)的形式传递给建筑物的用户或管理员。

如在权利要求4中所限定的根据本发明的控制设备的实施例，可能还包括：

-提醒模块，被配置为通过消息检查所述长期推荐是否被遵循。

此类提醒模块因此将通过询问建筑物的用户或管理员或者通过分析传感器数据来检查所述长期推荐是否被遵循。可以通过电子消息(例如SMS消息、电子邮件消息、由便携式装置上的移动应用程序生成的弹出消息等)询问用户或管理员。通过这种方式，控制设备可以了解所推荐的投资是否也已有效实施，并监测所推荐的投资对个人偏好设置、预测模型、舒适系统中装置的结果设置以及最终舒适系统的能耗有何影响。

如在权利要求5中所限定的根据本发明的控制设备的实施例可能还包括：

-限制模块，被配置为对所述控制单元施加一个或多个基于规则的限制，其中基于规则的限制限制了对所述舒适系统中的一个或多个装置的所述一个或多个设置的可能调整。

凭借基于规则的限制，可以避免控制单元仅仅基于个人偏好设置和预测模型调整舒适系统的设置从而违反法规或者舒适系统中的传感器不能再进行精确的测量。毕竟，建筑物或建筑物中空间的通风必须遵守特定于国家的标准和法规，这些标准和法规可能差异很大。因此，在国家标准中定义了供应到要通风的空间的最大空气容量和/或从要通风的空间排出的最大空气容量。例如，在比利时，这是比利时标准NBN D 50-001，而在荷兰，这是在建筑规范(Bouwbesluit)中指定的。在法国，“1982年3月24日关于住宅通风的决定，截至2020年5月11日的合并版本(Arrête du 24mars 1982relatifàl'aération deslogements,version consolidée au 11mai 2020)”适用，除此之外，“热法规RT2012(Réglementation Thermique RT2012)”也适用。根据国家的不同，必须考虑各种不同的参数以遵守当地法规，所述参数例如诸如在法国，住宅类型(公寓、连栋房屋、独立房屋等)、住宅的楼层数、住宅中的房间数、住宅中出现的人数、空间或房间的类型(潮湿空间与干燥空间、卧室、浴室、厨房等)、当前空气中测量的CO₂颗粒数、湿度、空气温度等。此外，这些参数的阈值因国而异。因此，例如，在比利时，通风流量应从900ppm CO₂颗粒的阈值增加，而在其他国家增加通风流量的阈值是不同的。因此，根据系统所在的国家或地区，基于规则的限制对于一个相同类型的舒适系统将有所不同。由限制模块施加的基于规则的限制将优先于控制单元基于个人偏好设置和预测模型确定的设置调整。

如在权利要求6中所限定的根据本发明的控制设备的实施例，可能还包括：

-接口，用于获得指示给定房间或所述建筑物中的给定人员的存在的传感器数据。

因此控制单元可以调整舒适系统中的一个或多个装置的设置，以便提高建筑物用户的个人环境舒适度，控制单元必须知道在任何给定时刻哪一个或多个人员出现在建筑物中。在控制设备的一个简单的实施例中，这可以基于假设进行。当一个人在22:00出现在Steven的卧室时，则可以假设此人是Steven。当有人在早上8:00离开Steven的房间，并且在8:05浴室的湿度因为有人在洗澡而增加，那么可以假设正在洗澡并且已经将浴室恒温器设定在较高的温度的人又是Steven。因此，例如通过人工智能或机器学习，可以自动找出哪一个或多个人员何时出现在哪个房间中。在根据本发明的控制设备的变体实施例中，可以使用传感器数据，例如建筑物各个房间中的存在检测器、运动传感器或者2D或3D相机。来自在便携式装置上运行的计算机程序(移动应用程序)的数据也可以用在根据本发明的控制设备的实施例中，以更精确地确定哪些人员何时出现在建筑物的哪个房间中。

在权利要求7所限定的根据本发明的控制设备的实施例中，所述控制单元被配置为基于多个人员的偏好设置的平均值来调整所述舒适系统中的一个或多个装置的一个或多个设置，以便当所述多个人员出现在所述建筑物中时，提高所述多个人员的个人环境舒适度。

当检测到或假设多个人员同时出现在建筑物或建筑物的房间中时，控制单元可以例如通过取由第一机器学习模块学习或生成的偏好设置的平均值来优化这些人员的环境舒适度。如果随时间确定，当人员X和人员Y一起出现在同一个房间时，偏好设置更加对应于人员Y的偏好设置，那么在本发明的更高级的实施例中，可以随时间选择使用人员Y的偏好设置而不是平均设置。

在权利要求8所限定的根据本发明的控制设备的实施例中，所述控制单元被配置为将基于所述预测模型获得的设置的调整与偏好设置进行比较，以及仅当相对于所述偏好设置的差异超过预定的阈值时实现所述调整。

控制单元最初使用预测模型来确定如果未对设置进行改变，未来会发生什么。如果这偏离偏好设置太远，控制单元将采取行动并使用预测模型来施加偏离偏好设置的设置。

在权利要求9所限定的根据本发明的控制设备的实施例中，所述控制单元被配置为实现具有延迟的设置的调整。

具体地，为了避免控制设备对建筑物或建筑物的房间内的每一个变化变得过于敏感和反应过度，可以在控制单元中内置一定的延迟参数。

在权利要求10中所限定的根据本发明的控制设备的实施例中，所述延迟是个人偏好设置。

在根据本发明的控制设备的某些实施例中，延迟参数可以因此是可调整的参数，使得建筑物的管理员或用户可以自己确定控制设备对建筑物或建筑物的房间中的变化有多敏感。毕竟，一些用户会偏好反应快速的系统，而另一些用户会选择反应较慢的系统。

在权利要求11所限定的根据本发明的控制设备的一个实施例中，所述舒适系统包括通风系统。

根据本发明的控制设备将基本提高配备有任何类型的通风系统的建筑物的用户的个人舒适度。通风系统可以配备有一个或多个传感器，以及可以包括可选地与可手动操作的装置(诸如窗户(手动打开进行通风)或可手动操作的通风口)组合的可致动装置，诸如阀门、流量调节器、通风口和一个或多个电机。

在权利要求12所限定的根据本发明的控制设备的一个实施例中，所述舒适系统包括遮阳系统。

根据本发明的控制设备将大大提高配备有任何类型的遮阳系统的建筑物的用户的个人舒适度。遮阳系统可以设有一个或多个传感器，以及可以包括可选地与可手动操作的装置组合的可致动装置，诸如可旋转板条、一卷布等。本领域技术人员将理解，根据本发明的控制设备将能够大大提高配备有通风系统和遮阳系统两者的建筑物的用户的个人舒适度。

根据第二方面，本发明涉及一种如在权利要求13中所要求保护的计算机实现的方法，用于循环控制配备有舒适系统的具有一个或多个房间的建筑物中的个人环境舒适度，所述方法包括：

-从所述舒适系统中的一个或多个传感器获得传感器数据；

-从所述舒适系统中的一个或多个装置获得操作数据；

-从所述舒适系统外部的一个或多个源获得外部数据；

-将所述传感器数据、所述操作数据和所述外部数据存储在数据库中，所述数据统称为存储数据；

-使用所述存储数据训练第一机器学习模块，以便为每个人员生成个人偏好设置；

-使用所述存储数据训练第二机器学习模块，以便为每个房间和/或每个房间类型生成预测模型，其中预测模型以允许预测其未来值的公式对传感器数据、操作数据、外部数据或偏好设置的趋势进行建模；以及

-基于一个或多个人员的所述偏好设置和/或所述预测模型，调整所述舒适系统中的一个或多个装置的一个或多个设置，以便当所述一个或多个人员出现在所述建筑物中时，提高所述一个或多个人员的个人环境舒适度。

根据第三方面，本发明涉及一种如在权利要求14中所要求保护的包括指令的计算机程序产品，所述指令可以在计算机上执行以便进行以下步骤，如果所述程序在计算机上执行，则用于循环控制配备有舒适系统的具有一个或多个房间的建筑物中的个人环境舒适度：

-从所述舒适系统中的一个或多个传感器获得传感器数据；

-从所述舒适系统中的一个或多个装置获得操作数据；

-从所述舒适系统外部的一个或多个源获得外部数据；

-将所述传感器数据、所述操作数据和所述外部数据存储在数据库中，所述数据统称为存储数据；

-使用所述存储数据训练第一机器学习模块，以便为每个人员生成个人偏好设置；

-使用所述存储数据训练第二机器学习模块，以便为每个房间和/或每个房间类型生成预测模型，其中预测模型以允许预测其未来值的公式对传感器数据、操作数据、外部数据或偏好设置的趋势进行建模；以及

-基于一个或多个人员的所述偏好设置和/或所述预测模型，调整所述舒适系统中的一个或多个装置的一个或多个设置，以便当所述一个或多个人员出现在所述建筑物中时，提高所述一个或多个人员的个人环境舒适度。

根据第四方面，本发明涉及一种如在权利要求15中所要求保护的计算机可读存储介质，包括如在权利要求14中所要求保护的所述计算机程序产品。

附图说明

图1是根据本发明的控制设备100的一个实施例的功能框图；

图2图示了根据本发明的用于循环控制建筑物中的个人环境舒适度的方法的一个实施例；以及

图3示出了适合于执行根据本发明的方法的实施例中的一个或多个步骤的计算机系统。

具体实施方式

图1示出了具有传感器121和装置122的舒适系统120。假设舒适系统120已经安装在具有多个房间的建筑物中并且由装配工配置或调整。装置122是构成舒适系统120的一部分的可控装置或部件，诸如一个或多个通风电机、阀门、流量调节器、通风口、遮阳篷等。传感器121也构成舒适系统的一部分并且包括例如各个房间中的一个或多个温度传感器、各个房间中的一个或多个湿度传感器、各个房间中的一个或多个CO₂传感器、一个或多个光传感器等。图1还示出了舒适系统外部的外部源123和存在传感器124。外部源是不构成舒适系统的一部分的传感器或其他信息源，例如诸如通过互联网连接并提供天气预报或当前温度的网络应用程序、传感器或其他装置。存在传感器124存在于安装了舒适系统120的建筑物中并且包括例如红外(IR)检测器、热检测器、飞行时间(TOF)检测器、2D相机、3D相机等，但也可以包括便携式装置，比如用户的智能手机，在其上运行移动应用程序，所述移动应用程序跟踪用户的位置并基于此报告用户是否出现在建筑物中或出现在建筑物的特定房间中。

图1还示出了根据本发明的控制设备100的一个实施例。该实施例100包括被配置为从舒适系统120的传感器121接收传感器数据的第一接口101或IF1、被配置为从舒适系统120的可控装置122接收操作数据的第二接口102或IF2、被配置为从外部源123接收外部数据的第三接口103或IF3以及被配置从存在传感器124接收指示建筑物的一个或多个房间中一个或多个人员的存在的传感器数据的第四接口104或IF4。接口101-104可以是无线的或有线的。

长期(意味着至少24小时，但优选为数天、数周、数月或数年)通过接口101-104接收的数据被存储在构成控制设备100的一部分的数据库105中。数据库105将因此存储历史数据。数据库可以被安装在舒适系统的生产商的服务器上，或者被安装在由第三方(通常是云系统运营商)管理的云存储系统中。

第一机器学习模块106或ML1被训练以使用存储在数据库105中的历史数据为每个人员和每个房间类型生成个人偏好设置108。偏好设置108是参数(传感器、装置、系统或环境参数)的期望值，以便在给定情况下实现个人舒适度偏好。偏好设置108通常是指示给定人员在特定周围环境(诸如天气、季节、星期几、时间间隔等)下对什么设置感到舒适的多维参考点。偏好设置108由机器学习模块106针对每个人和每个房间类型学习。因此，第一机器学习模块106从存储在数据库105中的历史数据中学习，例如，人员1，当他们在十月的一天整天都在下雨的一个周末的15:00到16:00之间独自出现在客厅时，希望客厅内的温度为22.5℃，并希望浴室温暖起来因为该人员可能会在接下来的半小时内在那里洗澡。偏好设置108优选地按每个人员和每个房间类型存储。因此，虽然一个人对客厅的偏好温度可能为23度，但同一个人对卧室的偏好温度可能为18度。

第二机器学习模块107或ML2被训练以使用存储在数据库105中的历史数据生成预测模型109。预测模型109是对参数(传感器、装置、系统或环境参数)的趋势建模或对个人偏好设置108的趋势建模的公式，以便可以使用该公式预测该参数或偏好设置108的未来值。第二机器学习模块107因此将识别历史数据中的模式并尝试预测用户在何种周围环境下采取特定行动。

来自图1的控制设备100还包括控制单元110或控制器，其基于提取自从传感器121获得的当前传感器数据、和/或从装置122获得的当前操作数据、和/或从外部源123获得的当前外部数据和/或从存在传感器124获得的当前存在数据的偏好设置108、预测模型109和当前周围环境115，调整一个或多个可控装置122的设置以便提高住宅用户的个人环境舒适度。控制设备100将因此根据建筑物用户的偏好设置循环地(以固定的时间间隔或以其他方式连续地或有规律地)控制舒适系统中的可控装置122的设置，使得在考虑周围环境的情况下用户尽可能经常地体验所期望的个人环境舒适度，而无需自己手动调整设置。凭借预测模型，控制单元110将具有预测特性并且还将能够在预计建筑物中发生什么的预期下(例如，某些用户的到达或离开、某些用户对某些房间(诸如浴室或厨房)的使用等)调整可控装置122的设置。

对于舒适系统120的不可控装置(例如窗户上方的通风口)或者对于不构成舒适系统120的一部分但对环境舒适度有影响的装置(诸如例如不可致动的遮阳帘)，短期推荐模块111将生成指令。在根据本发明的控制设备的实施例中，短期推荐模块111还可以被配置为例如在由于机器学习模块106、107未充分训练(因此偏好设置108和预测模型109仍在快速改变)而无法依赖控制单元110的阶段，为构成舒适系统120的一部分的可控或可致动装置生成指令。这些指令可以以电子消息的形式传递给建筑物的用户或管理员，以便可以采取将进一步有助于提高建筑物的用户的个人环境舒适度的行动。

长期推荐模块112将为建筑物的管理员生成长期建议以进行某些投资，这些投资将进一步提高建筑物用户的个人环境舒适度，或者在保持建筑物的用户的个人环境舒适度的同时有可能减少建筑物的能耗，从而获得投资回报。提醒模块113将通过询问建筑物的管理员来监测长期推荐是否被遵循。

来自图1的控制设备100还包括限制模块114，所述限制模块114对控制单元110施加基于规则的限制，以避免控制单元110违反当地法规或者系统不再能够执行测量。建筑物或房间的通风必须遵守通常针对特定国家的法规。当地适用的法规由舒适系统的生产商或装配工配置为规则，限制模块114使用这些规则来阻止控制单元110对装置122的设置进行违反当地法规的调整。建筑物的管理员或用户还可以输入通过限制模块114施加的规则。因此，例如，用户可以指示某装置不应操作(暂时或以其他方式操作)，例如因为它正在被清洁。

图2是用于循环控制建筑物中个人环境舒适度的方法的一个实施例中的步骤的伪流程图。在步骤201中，从建筑物的舒适系统中的传感器获得传感器数据。在步骤202中，从建筑物的舒适系统中的可控装置获得操作数据或当前设置。在步骤203中，从建筑物的舒适系统外部的源获得外部数据。在步骤204中，将收集到的传感器数据、操作数据和外部数据存储在长期数据库中。如步骤205所示，第一机器学习模块将使用存储的数据生成具有建筑物的每个用户和每个房间类型的偏好设置的简档。如步骤206所示，第二机器学习模块将使用存储的数据来生成预测模型。然后在步骤207中使用偏好设置和预测模型来循环控制舒适系统中装置的设置，以有益于建筑物的用户的个人环境舒适度。对于建筑物中可以有助于环境舒适度的不可控装置，在步骤208中生成短期推荐。在步骤209中还生成长期推荐，以便就可以为个人环境舒适度和/或建筑物的能耗而进行的措施或投资向建筑物的管理员或用户提出建议。在步骤210中监测管理员或用户响应于长期推荐而采取的行动。尽管图2按顺序示出了步骤201-210，但本领域技术人员应清楚，图2所示方法的步骤可以由用于舒适系统的控制设备的不同部件并行地执行。

图3示出了用于执行上述一个或多个实施例的方法中的一个或多个步骤的合适的计算机系统300。计算机系统300通常可以采用适用于一般目的的计算机的形式，所述计算机系统具有总线310、处理器302、本地存储器304、一个或多个可选输入接口314、一个或多个输出接口316、通信接口312、存储元件接口306以及一个或多个存储元件308。总线310可以包括一个或多个导体，其使得在计算机系统300的组件之间能够进行通信。处理器302可以包括解释和执行程序指令的任何类型的常规处理器或微处理器。本地存储器304可以包括存储供处理器302执行的信息和指令的随机存取存储器(RAM)或另一类型的动态存储设备、和/或存储供处理器302使用的静态信息和指令的只读存储器(ROM)或另一类型的静态存储设备。输入接口314可以包括允许操作员将信息输入到计算机设备300的一个或多个常规机构，诸如键盘320、鼠标330、手写笔、语音识别和/或生物统计机构、触摸屏等。输出接口316可以包括向操作员提供信息的一个或多个常规机构，诸如显示器340、打印机350、扬声器等。通信接口312可以包括收发器类型的机构，诸如例如允许计算机系统300与其他设备和/或系统381、382、383通信的一个或多个以太网接口、例如用于与图1中的舒适系统120通信的收发器。计算机系统300的通信接口312可以通过诸如例如因特网的局域网(LAN)或广域网(WAN)连接到另一计算机系统。存储元件接口306可以包括存储接口，诸如例如串行高级技术附件(SATA)接口或小型计算机系统接口(SCSI)，用于将总线310与一个或多个存储元件308(诸如一个或多个本地盘，例如SATA盘驱动器)连接，以及用于从这些存储元件308读取数据和/或向这些存储元件308写入数据。虽然上述存储元件308被描述为本地盘，但是通常可以使用可由计算机读取的任何其他合适的介质，诸如可移动磁盘、光存储介质(诸如CD或DVD)、CD-ROM、固态驱动器或闪存卡。上文描述的系统300也可以作为物理硬件之上的虚拟机操作。

上述一个或多个实施例中描述的步骤可以被实现为程序指令，所述程序指令存储在计算机系统300的本地存储器304中，供其处理器302执行。可替代地，指令可以存储在存储元件308中或可以经由通信接口312从另一计算机系统访问。

虽然本发明已经通过具体实施例进行了说明，但本领域技术人员应清楚，本发明不限于上述说明性实施例的细节，并且本发明可以在不脱离本发明的应用领域的情况下进行各种改变和修改来实施。因此，本实施例必须在所有领域中被视为说明性和非限制性的，并且本发明的应用领域由所附权利要求而不是由以上描述来描述，因此落入权利要求的含义和范围内的任何改变都并入在本文中。换言之，假设这涵盖了落入本专利申请中要求保护的基本原理和基本属性的应用领域内的所有改变、变体或等效物。此外，本专利申请的读者将理解，术语“包含”或“包括”不排除其他元件或步骤，术语“一/一个”不排除复数，以及诸如计算机系统、处理器或其他集成单元的单个元件可以执行权利要求中提及的各种辅助装置的功能。权利要求中的任何引用不能解释为对相应权利要求的限制。术语“第一”、“第二”、“第三”、“a”、“b”、“c”等在说明书或权利要求中使用时，用于区分相似的元件或步骤，并不一定指示顺序或时间次序。同样地，术语“顶侧”、“底侧”、“上方”、“下方”等是为了用于描述，并不一定是指相对位置。应当理解，这些术语在适当情况下是可互换的，并且本发明的实施例可以根据本发明以不同于上文描述或说明的顺序或方位起作用。

Claims (15)

1.一种用于循环控制配备有舒适系统(120)的具有一个或多个房间的建筑物中的个人环境舒适度的控制设备(100)，所述控制设备(100)包括：

-接口(101)，用于从所述舒适系统(120)中的一个或多个传感器(121)获得传感器数据；

-接口(102)，用于从所述舒适系统(120)中的一个或多个装置(122)获得操作数据；

-接口(103)，用于从所述舒适系统(120)外部的一个或多个源(123)获得外部数据；

其特征在于，所述控制设备(100)还包括以下：

-数据库(105)，用于存储统称为存储数据的所述传感器数据、所述操作数据和所述外部数据；

-第一机器学习模块(106)，使用所述存储数据进行训练以便为每个人员生成个人偏好设置(108)；

-第二机器学习模块(107)，使用所述存储数据进行训练以便为每个房间和/或每个房间类型生成预测模型(109)，其中预测模型(109)以允许预测其未来值的公式对传感器数据、操作数据、外部数据或偏好设置的趋势进行建模；以及

-控制单元(110)，基于一个或多个人员的所述偏好设置(108)和/或所述预测模型(109)，调整所述舒适系统(120)中的一个或多个装置(122)的一个或多个设置，以便当所述一个或多个人员出现在所述建筑物中时，提高所述一个或多个人员的个人环境舒适度。

2.如权利要求1所述的控制设备(100)，还包括：

-短期推荐模块(111)，被配置为基于所述偏好设置(108)和所述预测模型(109)为所述舒适系统(120)中的装置、为所述建筑物中的房间或者为所述建筑物生成短期推荐，其中所述短期推荐包括用于在24小时的间隔内调整一个或多个装置的所述一个或多个设置的一个或多个指令。

3.如权利要求1或2所述的控制设备(100)，还包括：

-长期推荐模块(112)，被配置为基于所述偏好设置(108)和所述预测模型(109)为所述舒适系统(120)中的装置、为所述建筑物中的房间或者为所述建筑物生成长期推荐。

4.如权利要求3所述的控制设备(100)，还包括：

-提醒模块(113)，被配置为通过消息检查所述长期推荐是否被遵循。

5.如前述权利要求之一所述的控制设备(100)，还包括：

-限制模块(114)，被配置为对所述控制单元(110)施加一个或多个基于规则的限制，其中基于规则的限制限制了对所述舒适系统(120)中的一个或多个装置(122)的所述一个或多个设置的可能调整。

6.如前述权利要求之一所述的控制设备(100)，还包括：

-接口(104)，用于获得指示给定房间或所述建筑物中的给定人员的存在的传感器数据。

7.如前述权利要求之一所述的控制设备(100)，其中所述控制单元(110)被配置为基于多个人员的偏好设置的平均值来调整所述舒适系统(120)中的一个或多个装置(122)的一个或多个设置，以便当所述多个人员出现在所述建筑物中时，提高所述多个人员的个人环境舒适度。

8.如前述权利要求之一所述的控制设备(100)，其中所述控制单元(110)被配置为将基于所述预测模型获得的设置的调整与偏好设置进行比较，以及仅当相对于所述偏好设置的差异超过预定的阈值时实现所述调整。

9.如前述权利要求之一所述的控制设备(100)，其中所述控制单元(110)被配置为实现具有延迟的设置的调整。

10.如权利要求9所述的控制设备(100)，其中所述延迟是个人偏好设置。

11.如前述权利要求之一所述的控制设备(100)，其中所述舒适系统(120)包括通风系统。

12.如前述权利要求之一所述的控制设备(100)，其中所述舒适系统(120)包括遮阳系统。

13.一种用于循环控制配备有舒适系统(120)的具有一个或多个房间的建筑物中的个人环境舒适度的计算机实现的方法，所述方法包括：

-从所述舒适系统(120)中的一个或多个传感器(121)获得(201)传感器数据；

-从所述舒适系统(120)中的一个或多个装置(122)获得(202)操作数据；

-从所述舒适系统(120)外部的一个或多个源(123)获得(203)外部数据；

其特征在于，所述方法还包括以下：

-将所述传感器数据、所述操作数据和所述外部数据存储(204)在数据库(105)中，所述数据统称为存储数据；

-使用所述存储数据训练(205)第一机器学习模块(106)，以便为每个人员生成个人偏好设置(108)；

-使用所述存储数据训练(206)第二机器学习模块(107)，以便为每个房间和/或每个房间类型生成预测模型(109)，其中预测模型(109)以允许预测其未来值的公式对传感器数据、操作数据、外部数据或偏好设置的趋势进行建模；以及

-基于一个或多个人员的所述偏好设置(108)和/或所述预测模型(109)，调整(207)所述舒适系统(120)中的一个或多个装置(122)的一个或多个设置，以便当所述一个或多个人员出现在所述建筑物中时，提高所述一个或多个人员的个人环境舒适度。

14.一种包括指令的计算机程序产品，所述指令可以在计算机上执行以便进行以下步骤，如果所述程序在计算机上执行，则用于循环控制配备有舒适系统的具有一个或多个房间的建筑物中的个人环境舒适度：

-从所述舒适系统(120)中的一个或多个传感器(121)获得(201)传感器数据；

-从所述舒适系统(120)中的一个或多个装置(122)获得(202)操作数据；

-从所述舒适系统(120)外部的一个或多个源(123)获得(203)外部数据；

其特征在于，所述计算机程序产品还包括可以在计算机上执行以便进行以下步骤(100)的指令：

-将所述传感器数据、所述操作数据和所述外部数据存储(204)在数据库(105)中，所述数据统称为存储数据；

-使用所述存储数据训练(205)第一机器学习模块(106)，以便为每个人员生成个人偏好设置(108)；

-使用所述存储数据训练(206)第二机器学习模块(106)，以便为每个房间和/或每个房间类型生成预测模型(108)，其中预测模型(109)以允许预测其未来值的公式对传感器数据、操作数据、外部数据或偏好设置的趋势进行建模；以及

-基于一个或多个人员的所述偏好设置(108)和/或所述预测模型(109)，调整(207)所述舒适系统(120)中的一个或多个装置(122)的一个或多个设置，以便当所述一个或多个人员出现在所述建筑物中时，提高所述一个或多个人员的个人环境舒适度。

15.一种计算机可读存储介质，包括如权利要求14所述的计算机程序产品。

Images