CN116182321B - 基于机器学习的暖通空调自动调温系统 - Google Patents
基于机器学习的暖通空调自动调温系统 Download PDFInfo
- Publication number
- CN116182321B CN116182321B CN202310486530.0A CN202310486530A CN116182321B CN 116182321 B CN116182321 B CN 116182321B CN 202310486530 A CN202310486530 A CN 202310486530A CN 116182321 B CN116182321 B CN 116182321B
- Authority
- CN
- China
- Prior art keywords
- temperature
- local area
- value
- area
- balance
- 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
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
-
- 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
-
- 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
-
- 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
- F24F2120/12—Position of occupants
-
- 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)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种基于机器学习的暖通空调自动调温系统。该系统获取暖通空调以设定温度工作下采样区域的温度曲线,当前时刻各局部区域的温度值和区域图像;获取温度曲线的平衡温度,进而得到采样区域的理想温度曲线;利用机器学习算法对理想温度曲线进行数据拟合并分析,获取温度稳定度和渐变时间系数,结合平衡温度获取散热系数;通过散热系数调整体感温度得到调整体感温度,结合采样区域位置、区域图像中人员位置获取精确体感温度对暖通空调自动调温。本发明根据人员位置与区域实际保温效果使人员位置控温最佳,通过机器学习的数据拟合分析,提高了暖通空调自动控温的准确性,进而改善取暖质量。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于机器学习的暖通空调自动调温系统。
背景技术
暖通空调是具有采暖、通风和空气调节功能的空调器。为营造良好舒适的生活环境,室内暖通空调正在逐步从简单的设定温度向自动调温发展。机器学习是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析,设置后无需人工干预即可运行,且随着时间推移越来越准确。目前主要通过温度传感器采集温度,将采集到的温度与设定温度进行标记,当采集到的温度在设定温度的某一确定可接受范围内时,使用空调内的单片机控制继电器导通或者关闭,从而实现空调调温的工作或停止,实现自动调温。
现有的调温方式可以实现室内温度在某一范围内稳定,但是室内不同位置的房屋构造不同,导致不同区域的取暖效果会出现差异。室内使用暖通系统的主要目的为使室内的人员处于最为舒适的环境中,当人员在室内不同位置活动时,会因为不同区域的构造和散热情况不同,使取暖质量效果出现差异导致人员感受到不同的环境温度,使得取暖效果不佳,降低空调的工作效率。
发明内容
为了解决不同区域的房屋构造和散热程度不同,导致取暖质量效果出现差异的技术问题,本发明的目的在于提供一种基于机器学习的暖通空调自动调温系统,所采用的技术方案具体如下:
本发明提出了一种基于机器学习的暖通空调自动调温系统,所述系统包括:
数据获取模块,用于获取暖通空调分别以至少两个设定温度工作下,在室内每个采样区域在预设工作时间段内各时刻的温度值,得到每个设定温度下各采样区域的温度曲线;采样区域包括局部区域和空调区域;获取当前时刻每个局部区域的温度值和区域图像;
温度分析模块,用于获取所述温度曲线的平衡温度,依据每个采样区域各温度曲线的所述平衡温度与预设理想温度的差异,筛选出对应采样区域的理想温度曲线;获取理想温度曲线的拟合温度曲线;
散热分析模块,用于获取理想温度曲线的平衡时刻;根据局部区域对应的理想温度曲线在平衡时刻前后与其拟合温度曲线的温度值差异,获取对应局部区域的温度稳定度;依据当前时刻局部区域和空调区域内温度值到达平衡时刻所需的时间,获取对应局部区域的渐变时间系数;结合空调区域与局部区域的理想温度曲线的平衡温度的差值、温度稳定度与渐变时间系数,获取对应局部区域的散热系数;
自动调温模块,用于获取当前时刻每个局部区域的体感温度,根据散热系数调整所述体感温度得到对应局部区域的调整体感温度;依据局部区域位置、区域图像中人员位置与所述调整体感温度获取人员位置的精确体感温度;根据精确体感温度和预设理想温度对暖通空调自动调温。
进一步地,所述平衡温度的获取方法,包括:
从预设工作时间段的开始时刻对所述温度曲线进行采样,每次采样间隔一分钟,获得至少两个采样时间段;
设置温差阈值,获取每个所述采样时间段内的温度值极差,当温度值极差小于等于温差阈值时,将对应采样时间段作为平衡时间段;在预设工作时间段内从前到后依次选取所述平衡时间段,当所述平衡时间段之后的每个所述采样时间段均为平衡时间段时,将对应平衡时间段作为目标平衡时间段;
将所述目标平衡时间段内温度值的最大值与最小值的均值,作为对应温度曲线的所述平衡温度。
进一步地,所述理想温度曲线的获取方法,包括:
计算所述采样区域内每个温度曲线的所述平衡温度与所述预设理想温度的差值绝对值,作为对应温度曲线的理想温度差异;将最小的所述理想温度差异对应的温度曲线,作为对应采样区域的所述理想温度曲线。
进一步地,所述温度稳定度的获取方法,包括:
将每个所述理想温度曲线的所述目标平衡时间段的开始时刻,作为对应理想温度曲线的所述平衡时刻。
进一步地,所述温度稳定度的获取方法,包括:
将预设工作时间段在所述平衡时刻之前的时间段作为对应理想温度曲线的待平衡时间段;所述待平衡时间段与所述目标平衡时间段为待分析时间段;
在任意一个所述待分析时间段内,将理想温度曲线与其拟合温度曲线之间每个时刻的温度值的差值绝对值,作为对应时刻的温度值差异;将所述待分析时间段内各时刻的所述温度值差异的均值作为温度差异特征值;
将所述待平衡时间段与所述目标平衡时间段的所述温度差异特征值的乘积进行归一化并负相关映射,得到所述温度稳定度。
进一步地,所述渐变时间系数的获取方法,包括:
计算所述采样区域的所述理想温度曲线上每个温度值分别与当前时刻的温度值之间的差值绝对值,作为对应温度值的当前差异度,将最小的所述当前差异度对应温度值的时刻作为目标时刻;将所述平衡时刻与所述目标时刻的差值,作为对应采样区域的所需平衡时间;
分别将每个所述局部区域的所述所需平衡时间与所述空调区域的所述所需平衡时间的比值进行归一化处理,得到对应局部区域的初始渐变时间系数;所述初始渐变时间系数与所述渐变时间系数为正相关的关系。
进一步地,所述散热系数的获取方法,包括:
将所述空调区域的理想温度曲线的平衡温度分别与每个所述局部区域的理想温度曲线的平衡温度之间的差值,作为对应局部区域的散热温差;
根据所述散热温差、所述温度稳定度和所述渐变时间系数获得所述散热系数;
所述散热温差与所述渐变时间系数均与对应局部区域的所述散热系数为正相关的关系;所述温度稳定度与对应局部区域的所述散热系数为负相关的关系。
进一步地,所述精确体感温度的获取方法,包括:
将包含人员信息的所述区域图像的局部区域作为分析局部区域;将每个所述局部区域中传感器位置作为局部传感位置;
对所述区域图像使用目标检测算法确定所述分析局部区域中人员位置;
当人员位置与所述分析局部区域中所述局部传感位置相同时,将分析局部区域的所述调整体感温度作为人员位置的所述精确体感温度;
当人员位置与所述分析局部区域中所述局部传感位置不相同时,分别计算每个所述局部区域的所述局部传感位置与人员位置之间的曼哈顿距离,作为对应局部传感位置的距离值;
选取任意局部传感位置作为目标传感位置,将每个非目标传感位置的所述距离值累加的结果作为目标传感位置的区域距离值,将目标传感位置对应的局部区域的所述调整体感温度与其所述区域距离值的乘积,作为目标传感位置的体感特征值;改变所述目标传感位置,分别获取每个局部传感位置的所述区域距离值和所述体感特征值;将每个局部传感位置的所述体感特征值累加的结果作为分子,所述区域距离值累加的结果作为分母得到的比值作为人员位置的所述精确体感温度。
进一步地,所述拟合温度曲线的获取方法,包括:
使用最小二乘法将每个所述理想温度曲线与曲线进行拟合,得到对应理想温度曲线的拟合温度曲线。
进一步地,所述体感温度的获取方法,包括:
将当前时刻下每个所述局部区域的温度值与相对湿度分别代入体感温度计算公式中,得到对应局部区域的所述体感温度。
本发明具有如下有益效果:
由于设置暖通空调的室内可能存在建筑结构的遮挡导致室内不同区域的温度值不同,为保证后续分析的准确性,选取多个采样区域和多个设定温度进行分析,获取每个设定温度下各采样区域的温度曲线;获取当前时刻各局部区域的温度值和区域图像;平衡温度不仅反映温度曲线趋于稳定的温度状态,而且衡量人员在采样区域内是否舒适,每个采样区域在不同设定温度下有对应温度曲线,将温度曲线的平衡温度与预设理想温度比较,选出一条使室内供暖效果一直保持在人员感觉较为舒适的温度曲线,即采样区域的理想温度曲线,对理想温度曲线进行分析增加后续数据的可靠性;获取理想温度曲线的拟合温度曲线,理想温度曲线与其拟合温度曲线在相同时刻下温度值差异能够反映温度稳定程度,对局部区域达到平衡时刻前后的温度值的稳定程度进行评价,保证温度稳定度分析的准确性;由于空调区域和局部区域距离暖通空调的位置和房屋结构不同,则局部区域和空调区域内温度值到达平衡时刻所需的时间不同,得到渐变时间系数反映该局部区域的保温情况;并且结合反映局部区域的温度值受到房屋结构的影响程度,局部区域与空调区域的理想温度曲线的平衡温度之间的差值,使散热系数较为准确;由于室内不同位置的房屋构造不同,导致不同区域的取暖效果会出现差异,当人员在室内不同位置活动时,会因为不同区域的构造和散热情况不同导致取暖效果不佳,考虑到不同局部区域的构造和散热情况不同,本发明根据局部区域位置、区域图像中人员位置与调整体感温度获取人员位置的精确体感温度,使精确体感温度能够比较准确的体现温度;机器学习对数据进行预测和分析,设置后无需人工干预即可运行,且随着时间推移越来越准确,基于机器学习的数据拟合分析对暖通空调进行调控,增加了暖通空调自动控温的准确性,进而改善取暖质量,增加取暖效果,提高了暖通空调的工作效率。
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和优点,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的介绍,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它附图。
图1是本发明一个实施例所提供的一种基于机器学习的暖通空调自动调温系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种建筑吊篮的智能监控系统及监控方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于机器学习的暖通空调自动调温系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于机器学习的暖通空调自动调温系统的系统框图,该系统包括:数据获取模块101,温度分析模块102,散热分析模块103,自动调温模块104。
数据获取模块101,用于获取暖通空调分别以至少两个设定温度工作下,在室内每个采样区域在预设工作时间段内各时刻的温度值,得到每个设定温度下各采样区域的温度曲线;采样区域包括局部区域和空调区域;获取当前时刻每个局部区域的温度值和区域图像。
在设置暖通空调的室内随机选取不同区域作为采样区域,其中采样区域包括局部区域和空调区域,空调区域为放置暖通空调位置,局部区域为没有放置暖通空调的区域,且局部区域至少有两个,空调区域仅有一个。
在每个采样区域内分别设置温度传感器、人体接近传感器和湿度传感器,其中,温度传感器用于获取采样区域的温度值,人体接近传感器用于识别局部区域是否有人员,不考虑空调区域是否出现人员,湿度传感器的作用为获取采样区域的相对湿度。
为使室内人员所在局部区域保持使人员最为舒适的环境,根据获取数据所处的季
节和室内具体需要确定暖通空调的设定温度范围,设定温度为暖通空调开始工作时
的温度,是人为设置的,本发明实施例中设置冬天室内设定温度范围为19-21℃。实施者可
根据所处季节和室内具体需要对暖通空调的设定温度范围自行设定。
在不同的温度下,当暖通空调开始进行工作时,获取暖通空调以每个设定温度下工作下,各采样区域在预设工作时间段内各时刻的温度值,得到每个设定温度下各采样区域的温度曲线。温度曲线可以反映暖通空调以不同设定温度工作一段时间后,每个局部区域和空调区域内温度值变化情况和温度稳定后的温度值。暖通空调在预设工作时间内获取的温度值均不考虑人员出现的情况,每个设定温度下各采样区域的温度曲线均为历史数据。其中,预设工作时间段取经验值2小时,实施者可根据实际情况自行设定。
在当前时刻下,当人体接近传感器识别到某局部区域有人员时,分别获取每个局部区域中温度传感器和湿度传感器显示的温度值和相对湿度,此时获取的温度值和相对湿度均为实时数据。
在每个人体接近传感器旁设置CCD相机,CCD相机需要固定在屋顶,在识别到某局部区域有人员后,获取该局部区域的区域图像,此时,其他局部区域没有人员出现。本发明仅针对一个人员出现在局部区域的情况进行分析,在当前时刻下,仅人员所在的局部区域的CCD相机会采集区域图像。其中,区域图像用于后续过程中确定人员在该局部区域内的具体位置。在本发明其他实施例中也可选用其他图像采集装置,图像采集为本领域技术人员熟知的技术手段,在此不做限定。
温度分析模块102,用于获取温度曲线的平衡温度,依据每个采样区域各温度曲线的平衡温度与预设理想温度的差异,筛选出对应采样区域的理想温度曲线;获取理想温度曲线的拟合温度曲线。
本发明实施例以冬季暖通空调工作的数据进行分析,伴随着暖通空调的工作,每个采样区域的温度值会逐步上升,随着时间的推移,温度值的上升速率会逐渐减小,直至趋于平衡。当采样区域的温度值趋于稳定时,对应采样区域的温度值会保持在某一温度值,人员可以根据稳定后的温度值确定该采样区域的温度是否舒适,所以需要获取温度曲线的平衡温度。
优选地,温度曲线的平衡温度的具体获取方法为:从预设工作时间段的开始时刻对温度曲线进行采样,每次采样间隔一分钟,获得至少两个采样时间段;设置温差阈值,获取每个采样时间段内的温度值极差,当温度值极差小于等于温差阈值时,将对应采样时间段作为平衡时间段;在预设工作时间段内从前到后依次选取平衡时间段,当平衡时间段之后的每个采样时间段均为平衡时间段时,将对应平衡时间段作为目标平衡时间段;将目标平衡时间段内温度值的最大值与最小值的均值,作为对应温度曲线的平衡温度。
作为一个示例,从预设工作时间段的开始时刻使用采样时间段对温度曲线进行采样,每次采样间隔一分钟,其中,本发明实施例中采样时间段取经验值30分钟,实施者可根据实际情况自行设定。即预设工作时间段的第一个采样时间段为预设工作时间段的前30分钟,第二次采样时间段为从预设工作时间段的第2分钟开始的30分钟,预设工作时间段内有多个采样时间段。伴随着暖通空调的工作,温度值会逐步上升,温度值的上升速率也会逐渐减小,直至趋于平衡。当温度值趋于平衡时,温度值之间的差异较小,计算每个采样时间段的温度值极差,当温度值极差小于温差阈值时,将对应采样时间段作为平衡时间段。获取预设工作时间段内所有的平衡时间段,从前到后依次选取每个平衡进行分析。首先,选取第一个平衡时间段进行分析,当第一个平衡时间段之后的每个采样时间段均为平衡时间段时,则第一个平衡时间段为目标平衡时间段;当第一个平衡时间段之后存在某个采样时间段不为平衡时间段时,选取第二个平衡时间段重复上述分析,直至找到目标平衡时间段。将目标平衡时间段内温度值的最大值与最小值的均值,作为对应温度曲线的平衡温度。其中,本发明实施例中温差阈值取经验值1,实施者可根据具体实施场景自行设置。
对暖通空调进行自动调温的目的是保证室内供暖效果一直保持在人员感觉较为舒适的温度,即使人员所在区域的体感温度保持在理想温度附近,某温度曲线的平衡温度接近预设理想温度时,表明该温度曲线为对应采样区域较为理想的温度曲线,作为采样区域的理想温度曲线。
优选地,采样区域的理想温度曲线的具体获取方法为:计算采样区域内每个温度曲线的平衡温度与预设理想温度的差值绝对值,作为对应温度曲线的理想温度差异;将最小的理想温度差异对应的温度曲线,作为对应采样区域的理想温度曲线。
作为一个示例,预设理想温度,其中,为设定温度范围内最小的设定温
度,为设定温度范围内最大的设定温度,预设理想温度会随着季节和室内具体需要而改
变。每个采样区域在不同设定温度下有对应的温度曲线,例如,夏天空调分别以16度和24度
工作,温度曲线不同。预设理想温度为人较为舒适的温度,为保证每个采样区域内的温度值
为人员感到舒适的温度,对每个采样区域进行分析,获取每个采样区域内不同设定温度下
温度曲线的平衡温度,分别计算每个平衡温度与预设理想温度的差值绝对值,将最小的差
值绝对值对应的温度曲线作为对应采样区域的理想温度曲线。每个采样区域的理想温度曲
线为该区域内人员感到最舒适的温度变化。
需要说明的是,暖通空调对温度值具有调节作用,靠近暖通空调位置的制暖效果较好、温度值较高,由于各局部区域所处位置不同、房屋构造不同,如区域附近有大面积窗户、建筑结构的遮挡导致空气流通效果不佳等,导致局部区域的取暖效果均会稍弱于靠近暖通空调的位置。因此,当温度值趋于稳定后,每个局部区域的理想温度曲线的平衡温度均会小于空调区域的理想温度曲线的平衡温度。
为保证数据的平滑性,使分析过程更为准确,对数据获取模块101中获取的温度曲线记性平滑处理,使用最小二乘法将每个理想温度曲线与曲线进行拟合,得到对应理想温度曲线的拟合温度曲线。其中,最小二乘法为本领域技术人员公知技术,在此不做赘述。
至此,每个采样区域均有对应的理想温度曲线,且每个理想温度曲线均有对应的平衡温度和拟合温度曲线。
散热分析模块103,用于获取理想温度曲线的平衡时刻;根据局部区域对应的理想温度曲线在平衡时刻前后与其拟合温度曲线的温度值差异,获取对应局部区域的温度稳定度;依据当前时刻局部区域和空调区域内温度值到达平衡时刻所需的时间,获取对应局部区域的渐变时间系数;结合空调区域与局部区域的理想温度曲线的平衡温度的差值、温度稳定度与渐变时间系数,获取对应局部区域的散热系数。
为保证室内人员所处位置能够达到使人体感到舒适的最佳状态,需要对局部区域的温度进行调整,对温度值进行调整的前提是确定每个局部区域的散热系数。当暖通空调工作时,局部区域的温度值变化的稳定程度、到达平衡状态所需的时间,以及由于房屋结构导致平衡温度不同均可以反映不同局部区域的散热情况。获取每个局部区域的散热系数的具体方法如下:
(1)获取温度稳定度。
优选地,平衡时刻的获取方法为:每个理想温度曲线的目标平衡时间段的开始时刻,作为对应理想温度曲线的平衡时刻。
在对每个局部区域的温度进行调节时,需要保证室内温度的稳定性,以保证人员的舒适度,理想温度曲线与其拟合温度曲线在相同时刻下温度值差异能够反映温度稳定程度,对局部区域中达到平衡时刻前后的温度值的稳定程度进行评价,保证温度稳定度分析的准确性。
优选地,温度稳定度的获取方法为:将预设工作时间段在平衡时刻之前的时间段作为对应理想温度曲线的待平衡时间段;待平衡时间段与目标平衡时间段为待分析时间段;在任意一个待分析时间段内,将理想温度曲线与其拟合温度曲线之间每个时刻的温度值的差值绝对值,作为对应时刻的温度值差异;将待分析时间段内各时刻的温度值差异的均值作为温度差异特征值;将待平衡时间段与目标平衡时间段的温度差异特征值的乘积进行归一化并负相关映射,得到温度稳定度。
作为一个示例,每个局部区域均有一个理想温度曲线,且理想温度曲线均有对应平衡时刻。将预设工作时间段在平衡时刻之前的时间段作为对应理想温度曲线的待平衡时间段,由于在预设工作时间段内目标平衡时间段之后的每个采样时间段均为平衡时间段,为减少温度稳定状态温度值的计算量,选用目标平衡时间段作为平衡状态温度值进行分析。采样时间段为30分钟,则目标平衡时间段同样为30分钟,因为理想温度曲线的平衡时刻受到空调设定温度、房屋结构和局部区域距离空调位置等影响,所以每个局部区域的理想温度曲线的平衡时刻不一定相同,导致不同理想温度曲线的待平衡时间段不同。从预设工作时间段的第一个时刻开始,每间隔1分钟获取一个时刻对应的温度值,则目标平衡时间段内共有30个温度值,而待平衡时间段内温度值的数量由平衡时刻决定。将待平衡时间段与目标平衡时间段作为待分析时间段,在任意一个待分析时间段内,将理想温度曲线与其拟合温度曲线之间每个时刻的温度值的差值绝对值,作为对应时刻的温度值差异;将待分析时间段内各时刻的温度值差异的均值作为温度差异特征值;结合待平衡时间段与目标平衡时间段对应的温度差异特征值,获取每个局部区域的温度稳定度。温度稳定度的计算公式如下:
式中,为第k个局部区域的温度稳定度,为第k个局部区域的理想温度曲线的
目标平衡时间段的温度差异特征值,为第k个局部区域的理想温度曲线的待平衡时间段
的温度差异特征值,为常数,取经验值0.15,Norm为归一化函数。
需要说明的是,理想温度曲线与其拟合温度曲线在相同时刻下温度值差异能够反
映温度稳定程度,对第k个局部区域中温度值达到平衡时刻前后的温度值的稳定程度进行
评价,当第k个局部区域的理想温度曲线的目标平衡时间段的温度差异特征值,和第k个
局部区域的理想温度曲线的待平衡时间段的温度差异特征值均越小时,说明在暖通空
调工作过程中温度变化越稳定,则第k个局部区域的温度稳定度越大。在本发明另一个实
施例中可以将平衡温度值差异度与待平衡温度值差异度的和进行归一化并负相关映射,获
取温度稳定度;在本发明其他实施例中可选择其他基础数学运算使平衡温度值差异度与待
平衡温度值差异度均与温度稳定度构成负相关关系,在此不做限定。
(2)获取渐变时间系数。
由于空调区域和局部区域距离暖通空调的位置和房屋结构不同,则局部区域和空调区域内温度值到达平衡时刻所需的时间不同,能够反映该局部区域的保温情况,获取对应局部区域的渐变时间系数。
优选地,渐变时间系数的具体获取方法为:计算采样区域的理想温度曲线上每个温度值分别与当前时刻的温度值之间的差值绝对值,作为对应温度值的当前差异度,将最小的当前差异度对应温度值的时刻作为目标时刻;将平衡时刻与目标时刻的差值,作为对应采样区域的所需平衡时间;分别将每个局部区域的所需平衡时间与空调区域的所需平衡时间的比值进行归一化处理,得到对应局部区域的初始渐变时间系数;初始渐变时间系数与渐变时间系数为正相关的关系。
作为一个示例,获取每个采样区域在当前时刻的温度值,选取一个采样区域的当前时刻的温度值进行分析,计算理想温度曲线上每个温度值与当前时刻的温度值之间的差值绝对值,作为对应温度值的当前差异度,将最小的当前差异度对应温度值的时刻作为目标时刻。由于理想温度曲线在未达到平衡温度之前,温度值会随着时间的变化上升,则最小的当前差异度仅一个,即理想温度曲线上的目标时刻仅有一个。将每个采样区域的理想温度曲线上的平衡时刻与目标时刻的差值,作为对应采样区域的所需平衡时间,由于各局部区域所处位置不同、房屋构造不同,如区域附近有大面积窗户、建筑结构的遮挡导致空气流通效果不佳,导致空调区域的所需平衡时间均小于每个局部区域的所需平衡时间。将每个局部区域的所需平衡时间分别与空调区域的所需平衡时间的比值进行归一化处理,得到对应局部区域的初始渐变时间系数,加权后得到对应局部区域的渐变时间系数。渐变时间系数的计算公式如下:
需要说明的是,由于各局部区域所处位置不同、房屋构造不同,如区域附近有大面
积窗户、建筑结构的遮挡导致空气流通效果不佳,导致空调区域的所需平衡时间m均小于每
个局部区域的所需平衡时间;当暖通空调进行工作时,第k个局部区域的所需平衡时间越小,说明该局部区域的保温效果较好,即当趋向于1时保温效果较好,则第k个局部
区域的渐变时间系数越小。在其他实施例中也可选择其他对初始渐变时间系数进行归一
化的方法,例如函数转化和最大最小规范化等归一化方法,在此不做限定。
(3)获取散热系数。
局部区域与空调区域的理想温度曲线的平衡温度之间的差值能够反映局部区域的温度值受到房屋结构的影响程度,体现对应局部区域的保温情况;温度稳定度呈现局部区域在温度值变化过程中的稳定情况,越稳定则人员的舒适度越高;渐变时间系数反映局部区域内温度值到达平稳状态所需要的时间,时间越长则局部区域的保温越差;上述三个因素均能影响局部区域所需的调整程度。
优选地,散热系数的具体获取方法为:将空调区域的理想温度曲线的平衡温度分别与每个局部区域的理想温度曲线的平衡温度之间的差值,作为对应局部区域的散热温差;根据散热温差、温度稳定度和渐变时间系数获得散热系数;散热温差与渐变时间系数均与对应局部区域的散热系数为正相关的关系;温度稳定度与对应局部区域的散热系数为负相关的关系。
结合空调区域与局部区域的理想温度曲线的平衡温度的差值、温度稳定度与渐变时间系数,得到对应局部区域的散热系数。散热系数的计算公式如下:
需要说明的是,当暖通空调进行工作时,第k个局部区域的平衡温度与空调区域的
平衡温度之间的差异越大,则第k个局部区域受到房屋结构的影响越大,保温的情
况越差,对该局部区域的温度调整应越大,则第k个局部区域的散热系数越大;第k个局部区
域达到平衡时刻需要的时间越长,使得越大,该局部区域的保温情况越差,对该局部区域
的温度调整应越大;第k个局部区域的温度变化越为稳定,则人员处于局部区域的舒适度
越高,对该区域温度的调整应越小;该区域的目标温度需要调整的程度越大。
至此,获取每个局部区域的散热系数。
自动调温模块104,用于获取当前时刻每个局部区域的体感温度,根据散热系数调整体感温度得到对应局部区域的调整体感温度;依据局部区域位置、区域图像中人员位置与调整体感温度获取人员位置的精确体感温度;根据精确体感温度和预设理想温度对暖通空调自动调温。
在数据获取模块101中,在当前时刻下,当人体接近传感器识别到某局部区域有人员时,分别获取当前时刻下每个局部区域中温度传感器和湿度传感器显示的温度值和相对湿度。根据温度值和相对湿度获取对应局部区域的体感温度。
体感温度的获取方法为:将当前时刻下每个局部区域的温度值与相对湿度分别代入体感温度计算公式中,得到对应局部区域的体感温度。需要说明的是,体感温度计算公式为公知技术,在此不再进行过多赘述。
不同局部区域的保温情况会影响对应局部区域的体感温度,为使人员所在的局部区域的体感温度较为精确,根据每个局部区域的体感温度与散热系数,获取对应局部区域的调整体感温度。调整体感温度的计算公式如下:
需要说明的是,局部区域的散热系数反映该局部区域的保温情况,当局部区域的保温情况越差时,第k个局部区域的散热系数越大,则局部区域的调整体感温度越小。
每个局部区域均有对应的调整体感温度。
室内使用暖通系统的主要目的为使室内的人员处于最为舒适的环境中,当人员在室内不同位置活动时,会因为不同区域的构造和散热情况不同,使取暖质量效果出现差异导致人员感受到不同的环境温度,使得取暖效果不佳,降低空调的工作效率。不同局部区域的不同的调整体感温度,局部区域位置与区域图像中人员位置能够反映人员与各传感器之间的距离,并结合每个局部区域的调整体感温度,能够得到较为准确的体感温度。
优选地,精确体感温度的获取方法为:将包含人员信息的区域图像的局部区域作为分析局部区域;将每个局部区域中传感器位置作为局部传感位置;对区域图像使用目标检测算法确定分析局部区域中人员位置;当人员位置与分析局部区域中局部传感位置相同时,将分析局部区域的调整体感温度作为人员位置的精确体感温度;当人员位置与分析局部区域中局部传感位置不相同时,分别计算每个局部区域的局部传感位置与人员位置之间的曼哈顿距离,作为对应局部传感位置的距离值;选取任意局部传感位置作为目标传感位置,将每个非目标传感位置的距离值累加的结果作为目标传感位置的区域距离值,将目标传感位置对应的局部区域的调整体感温度与其区域距离值的乘积,作为目标传感位置的体感特征值;改变目标传感位置,分别获取每个局部传感位置的区域距离值和体感特征值;将每个局部传感位置的体感特征值累加的结果作为分子,区域距离值累加的结果作为分母得到的比值作为人员位置的精确体感温度。
作为一个示例,在当前时刻下,当某局部区域的人体接近传感器识别出该局部区
域是有人员时,CCD相机采集该局部区域的区域图像,由于本发明仅针对一个人员在室内所
处位置分析,则在当前时刻下仅人员所出现的局部区域会得到区域图像,而其他局部区域
因人体接近传感器没有识别出人员,导致不会有区域图像。将有区域图像的局部区域作为
分析局部区域,对区域图像使用目标检测算法确定人员在分析局部区域中的位置。在分析
局部区域中,当人员位置与传感器位置相同时,将分析局部区域的调整体感温度作为人员
位置的精确体感温度;当人员位置与传感器位置不相同时,虽然通过区域图像仅能确定分
析局部区域中人员位置与传感器之间的位置关系,但是不同局部区域中传感器的位置固
定,即每个局部传感位置固定,因此,可以确定人员位置与每个局部传感位置之间的位置关
系;将局部传感位置与人员位置之间的曼哈顿距离,作为对应局部传感位置的距离值。为便
于理解,以具体数据对人员所在位置的精确体感温度进行分析,假设有3个局部区域,每个
局部区域内局部传感位置的距离值分别为1、3和5,且3个局部区域的调整体感温度分别为,则人员位置的精确体感温度为。在本发明其他实施例
中,可以使用CCD相机连续采集局部区域的区域图像,但是仅针对区域图像中存在人员信息
的图像进行处理。
在本发明实施例中可以选择目标检测算法识别图像中人,例如,基于卷积神经网络(Region-with-CNN-Feature,R-CNN)和一种基于深度神经网络的对象识别和定位算法(You-Only-Look-Once,YOLO)等目标检测算法,在此不做限定。
根据局部区域的调整体感温度,以及人员位置与传感器之间的距离获取人员位置的精确体感温度。精确体感温度的计算公式如下:
需要说明的是,由于每个局部区域对应一个局部传感位置,则局部区域的数量等于局部传感位置的数量;当每个局部区域的调整体感温度越高,则人员位置的精确体感温度越高;当参与计算的局部区域越多时,说明对人员位置的温度分析越准确,则精确体感温度的参考价值越高。
根据室内人员位置的精确体感温度和温度分析模块102中的预设理想温度,借助神经网络得到暖通空调此时应采用的空调风速。使用多层感知器(Multilayer-Perceptron,MLP)来实现温度值控制空调风速的回归问题,神经网络的输入为精确体感温度和预设理想温度,输出为空调风速,使用反向传播算法来训练模型,输出层输入预测结果和实际输出结果,通过不断调整权重和偏差,使预测结果与实际结果尽可能接近,使用该房间的历史数据来训练该模型,通过迭代学习,不断优化模型的预测能力。以确定的空调出风的风速作为暖通空调的出风口出风速度,完成暖通空调的自动调温。
其中,多层感知器和反向传播算法均为本领域技术人员公知技术,在此不作赘述。
至此,本发明完成。
综上所述,在本发明实施例中,获取暖通空调以每个设定温度工作下,在预设工作时间段内各采样区域的温度曲线,和当前时刻的每个局部区域的温度值和区域图像;获取温度曲线的平衡温度,进而获取每个采样区域的理想温度曲线;利用机器学习算法对理想温度曲线进行数据拟合并分析,获取温度稳定度和渐变时间系数,温度稳定度和渐变时间系数,并结合采样区域的平衡温度获取每个采样区域的散热系数;根据体感温度和散热系数获取调整体感温度,结合采样区域位置、区域图像中人员位置获取的精确体感温度与目标温度对对暖通空调自动调温。本发明根据人员位置与区域实际保温效果使人员位置控温最佳,通过机器学习提高了暖通空调自动控温的准确性,进而改善取暖质量。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于机器学习的暖通空调自动调温系统,其特征在于,该系统包括:
数据获取模块,用于获取暖通空调分别以至少两个设定温度工作下,在室内每个采样区域在预设工作时间段内各时刻的温度值,得到每个设定温度下各采样区域的温度曲线;采样区域包括局部区域和空调区域;获取当前时刻每个局部区域的温度值和区域图像;
温度分析模块,用于获取所述温度曲线的平衡温度,依据每个采样区域各温度曲线的所述平衡温度与预设理想温度的差异,筛选出对应采样区域的理想温度曲线;获取理想温度曲线的拟合温度曲线;
散热分析模块,用于获取理想温度曲线的平衡时刻;根据局部区域对应的理想温度曲线在平衡时刻前后与其拟合温度曲线的温度值差异,获取对应局部区域的温度稳定度;依据当前时刻局部区域和空调区域内温度值到达平衡时刻所需的时间,获取对应局部区域的渐变时间系数;结合空调区域与局部区域的理想温度曲线的平衡温度的差值、温度稳定度与渐变时间系数,获取对应局部区域的散热系数;
自动调温模块,用于获取当前时刻每个局部区域的体感温度,根据散热系数调整所述体感温度得到对应局部区域的调整体感温度;依据局部区域位置、区域图像中人员位置与所述调整体感温度获取人员位置的精确体感温度;根据精确体感温度和预设理想温度对暖通空调自动调温。
2.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述平衡温度的获取方法,包括:
从预设工作时间段的开始时刻对所述温度曲线进行采样,每次采样间隔一分钟,获得至少两个采样时间段;
设置温差阈值,获取每个所述采样时间段内的温度值极差,当温度值极差小于等于温差阈值时,将对应采样时间段作为平衡时间段;在预设工作时间段内从前到后依次选取所述平衡时间段,当所述平衡时间段之后的每个所述采样时间段均为平衡时间段时,将对应平衡时间段作为目标平衡时间段;
将所述目标平衡时间段内温度值的最大值与最小值的均值,作为对应温度曲线的所述平衡温度。
3.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述理想温度曲线的获取方法,包括:
计算所述采样区域内每个温度曲线的所述平衡温度与所述预设理想温度的差值绝对值,作为对应温度曲线的理想温度差异;将最小的所述理想温度差异对应的温度曲线,作为对应采样区域的所述理想温度曲线。
4.根据权利要求2所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述温度稳定度的获取方法,包括:
将每个所述理想温度曲线的所述目标平衡时间段的开始时刻,作为对应理想温度曲线的所述平衡时刻。
5.根据权利要求2所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述温度稳定度的获取方法,包括:
将预设工作时间段在所述平衡时刻之前的时间段作为对应理想温度曲线的待平衡时间段;所述待平衡时间段与所述目标平衡时间段为待分析时间段;
在任意一个所述待分析时间段内,将理想温度曲线与其拟合温度曲线之间每个时刻的温度值的差值绝对值,作为对应时刻的温度值差异;将所述待分析时间段内各时刻的所述温度值差异的均值作为温度差异特征值;
将所述待平衡时间段与所述目标平衡时间段的所述温度差异特征值的乘积进行归一化并负相关映射,得到所述温度稳定度。
6.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述渐变时间系数的获取方法,包括:
计算所述采样区域的所述理想温度曲线上每个温度值分别与当前时刻的温度值之间的差值绝对值,作为对应温度值的当前差异度,将最小的所述当前差异度对应温度值的时刻作为目标时刻;将所述平衡时刻与所述目标时刻的差值,作为对应采样区域的所需平衡时间;
分别将每个所述局部区域的所述所需平衡时间与所述空调区域的所述所需平衡时间的比值进行归一化处理,得到对应局部区域的初始渐变时间系数;所述初始渐变时间系数与所述渐变时间系数为正相关的关系。
7.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述散热系数的获取方法,包括:
将所述空调区域的理想温度曲线的平衡温度分别与每个所述局部区域的理想温度曲线的平衡温度之间的差值,作为对应局部区域的散热温差;
根据所述散热温差、所述温度稳定度和所述渐变时间系数获得所述散热系数;
所述散热温差与所述渐变时间系数均与对应局部区域的所述散热系数为正相关的关系;所述温度稳定度与对应局部区域的所述散热系数为负相关的关系。
8.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述精确体感温度的获取方法,包括:
将包含人员信息的所述区域图像的局部区域作为分析局部区域;将每个所述局部区域中传感器位置作为局部传感位置;
对所述区域图像使用目标检测算法确定所述分析局部区域中人员位置;
当人员位置与所述分析局部区域中所述局部传感位置相同时,将分析局部区域的所述调整体感温度作为人员位置的所述精确体感温度;
当人员位置与所述分析局部区域中所述局部传感位置不相同时,分别计算每个所述局部区域的所述局部传感位置与人员位置之间的曼哈顿距离,作为对应局部传感位置的距离值;
选取任意局部传感位置作为目标传感位置,将每个非目标传感位置的所述距离值累加的结果作为目标传感位置的区域距离值,将目标传感位置对应的局部区域的所述调整体感温度与其所述区域距离值的乘积,作为目标传感位置的体感特征值;改变所述目标传感位置,分别获取每个局部传感位置的所述区域距离值和所述体感特征值;将每个局部传感位置的所述体感特征值累加的结果作为分子,所述区域距离值累加的结果作为分母得到的比值作为人员位置的所述精确体感温度。
9.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述拟合温度曲线的获取方法,包括:
使用最小二乘法将每个所述理想温度曲线与曲线进行拟合,得到对应理想温度曲线的拟合温度曲线。
10.根据权利要求1所述的一种基于机器学习的暖通空调自动调温系统,其特征在于,所述体感温度的获取方法,包括:
将当前时刻下每个所述局部区域的温度值与相对湿度分别代入体感温度计算公式中,得到对应局部区域的所述体感温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310486530.0A CN116182321B (zh) | 2023-05-04 | 2023-05-04 | 基于机器学习的暖通空调自动调温系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310486530.0A CN116182321B (zh) | 2023-05-04 | 2023-05-04 | 基于机器学习的暖通空调自动调温系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116182321A CN116182321A (zh) | 2023-05-30 |
CN116182321B true CN116182321B (zh) | 2023-06-27 |
Family
ID=86446667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310486530.0A Active CN116182321B (zh) | 2023-05-04 | 2023-05-04 | 基于机器学习的暖通空调自动调温系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116182321B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116974313B (zh) * | 2023-09-22 | 2023-12-29 | 北京万通益生物科技有限公司 | 一种适用于乳酸菌热干法生产的干燥室温控系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003207191A (ja) * | 2002-01-18 | 2003-07-25 | Sanyo Electric Co Ltd | 空気調和装置 |
CN107480457A (zh) * | 2017-08-22 | 2017-12-15 | 广东美的制冷设备有限公司 | 信息处理方法及装置 |
CN108072112A (zh) * | 2017-12-11 | 2018-05-25 | 芜湖美智空调设备有限公司 | 空调室内机及其控制方法 |
WO2019163881A1 (ja) * | 2018-02-22 | 2019-08-29 | パナソニックIpマネジメント株式会社 | 空気調和機 |
CN114234382A (zh) * | 2021-12-13 | 2022-03-25 | 深圳市微科易控智能系统有限公司 | 一种楼宇暖通智能控制方法及系统 |
CN114754473A (zh) * | 2022-04-18 | 2022-07-15 | 青岛海尔空调器有限总公司 | 空调的风速控制方法、装置及空调系统 |
CN115540114A (zh) * | 2022-09-26 | 2022-12-30 | 南通苏暖暖通科技有限公司 | 一种室内环境优化提升暖通控制系统及方法 |
-
2023
- 2023-05-04 CN CN202310486530.0A patent/CN116182321B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003207191A (ja) * | 2002-01-18 | 2003-07-25 | Sanyo Electric Co Ltd | 空気調和装置 |
CN107480457A (zh) * | 2017-08-22 | 2017-12-15 | 广东美的制冷设备有限公司 | 信息处理方法及装置 |
CN108072112A (zh) * | 2017-12-11 | 2018-05-25 | 芜湖美智空调设备有限公司 | 空调室内机及其控制方法 |
WO2019163881A1 (ja) * | 2018-02-22 | 2019-08-29 | パナソニックIpマネジメント株式会社 | 空気調和機 |
CN114234382A (zh) * | 2021-12-13 | 2022-03-25 | 深圳市微科易控智能系统有限公司 | 一种楼宇暖通智能控制方法及系统 |
CN114754473A (zh) * | 2022-04-18 | 2022-07-15 | 青岛海尔空调器有限总公司 | 空调的风速控制方法、装置及空调系统 |
CN115540114A (zh) * | 2022-09-26 | 2022-12-30 | 南通苏暖暖通科技有限公司 | 一种室内环境优化提升暖通控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116182321A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105190191B (zh) | 节能供暖、通风、空调控制系统 | |
KR102380397B1 (ko) | IoT센서 및 인공지능을 이용한 스마트 빌딩 관리방법 | |
CN116182321B (zh) | 基于机器学习的暖通空调自动调温系统 | |
CN109489212B (zh) | 一种空调智能睡眠控制方法、调整系统及设备 | |
CN106196423A (zh) | 一种基于模型预测的室内环境品质控制优化方法 | |
CN113325762B (zh) | 一种智能建筑个性化用能控制方法、系统、装置和设备 | |
CN109883016B (zh) | 一种空气舒适度调节方法和设备 | |
CN108590053A (zh) | 一种外遮阳装置的智能控制系统及方法 | |
CN111077780A (zh) | 一种基于神经网络的智能窗户调节方法及装置 | |
Luo et al. | An innovative shading controller for blinds in an open-plan office using machine learning | |
US20230083027A1 (en) | Multi-area artificial fog pipe network intelligent control method and system based on yolov5 algorithm | |
CN115540114A (zh) | 一种室内环境优化提升暖通控制系统及方法 | |
JP5010670B2 (ja) | 空調制御装置、空調制御方法及び輻射温度計測装置 | |
CN115451556A (zh) | 一种家用中央空调的智能控制系统及方法 | |
CN115272675A (zh) | 一种基于多传感器信息融合的能源管理系统以及方法 | |
CN115435453A (zh) | 一种建筑节能控制方法、系统及存储介质 | |
CN113390166A (zh) | 一种室内环境控制方法及控制系统 | |
TWI746087B (zh) | 空調系統控制方法 | |
CN113550686A (zh) | 办公室内遮阳装置控制方法 | |
CN111426031A (zh) | 用于空调器的风速控制方法及空调器 | |
CN215830405U (zh) | 一种基于光热耦合舒适智能化户外遮阳系统 | |
CN111189201A (zh) | 一种基于机器视觉的空调预测控制方法 | |
CN108253599B (zh) | 一种瑜伽室加湿空调及其控制方法 | |
CN109631259A (zh) | 空调控制方法、装置及空调器 | |
CN107965887A (zh) | 一种基于计算机的室内温度控制方法 |
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 |