CN117146384B - 基于数据驱动的空调运行状态监测方法 - Google Patents

Abstract

本发明涉及空气调节技术领域，具体涉及基于数据驱动的空调运行状态监测方法。该方法根据空调在预设工作时间段内相邻时刻下的进风口温度数据的差异，获取每个时刻的进风口温度异常程度；根据风速数据的变化，获取整体响应时间，进而获取每个时刻的目标响应时间，确定响应时刻；根据进风口温度数据，对应响应时刻下的出风口温度数据和风速数据，获取整体权重；根据整体权重和进风口温度异常程度，获取进风口温度异常程度修正数据，对空调运行状态进行监测。本发明通过确定响应时刻，根据响应时刻下的出风口温度数据和风速数据，对每个时刻下的进风口温度异常程度进行修正，准确确定异常的进风口温度数据，进而对空调运行状态准确监测。

Description

基于数据驱动的空调运行状态监测方法

技术领域

本发明涉及空气调节技术领域，具体涉及基于数据驱动的空调运行状态监测方法。

背景技术

随着空调系统在各个领域中的广泛应用，对于空调运行状态的监测和优化变得越来越重要。通过安装各种传感器，如温度传感器、湿度传感器、压力传感器等，可以实时获取空调系统的各种参数和运行状态信息。

在对空调运行状态进行监测的过程中，获取空调的进风口温度数据，相当于室内的温度，通过进风口温度数据对空调运行状态进行调节。但获取的进风口温度数据可能会出现失真现象，即进风口温度数据异常情况，现有方法通过分析不同时刻下进风口温度数据的变化情况，确定进风口温度数据的异常情况，对进风口温度数据进行清洗，但由于室内空间大小恒定，在封闭空间中进风口温度数据的变化受到空调的出风口温度和风速的共同影响，导致检测的进风口温度数据本身变化就存在差异，因此，根据进风口温度数据的变化无法直接反应出进风口温度数据是否存在异常，无法对空调运行状态进行准确的调控和监测。

发明内容

为了解决进风口温度数据异常情况识别不准确，导致无法对空调运行状态进行准确监测的技术问题，本发明的目的在于提供一种基于数据驱动的空调运行状态监测方法，所采用的技术方案具体如下：

本发明提出了一种基于数据驱动的空调运行状态监测方法，该方法包括以下步骤：

获取空调每个时刻下的进风口温度数据、出风口温度数据和风速数据；

根据空调在预设工作时间段内每相邻两个时刻下的进风口温度数据的差异，获取每个时刻的进风口温度异常程度；

根据预设工作时间段内风速数据的变化，获取预设工作时间段的整体响应时间；根据每个时刻下的进风口温度数据、出风口温度数据、风速数据，以及整体响应时间，获取每个时刻的目标响应时间；

根据每个时刻的目标响应时间，获取每个时刻的响应时刻；根据每个时刻下的进风口温度数据和目标响应时间，对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的出风口温度数据和风速数据，获取每个时刻的整体权重；

根据每个时刻的整体权重和进风口温度异常程度，获取每个时刻的进风口温度异常程度修正数据；根据进风口温度异常程度修正数据，对空调运行状态进行监测。

进一步地，所述进风口温度异常程度的获取方法为：

获取每个时刻与前一个相邻时刻下的进风口温度数据的差异，作为对应时刻下的第一差异；

将第一差异进行归一化的结果，作为对应时刻下的进风口温度异常程度。

进一步地，所述根据预设工作时间段内风速数据的变化，获取预设工作时间段的整体响应时间的方法为：

将预设工作时间段内的风速数据根据对应时刻的时间顺序，在二维坐标系中进行曲线拟合；其中，二维坐标系的横轴为时间，二维坐标系的纵轴为风速数据；

获取二维坐标系中的风速数据在相同变化的每段时间段内对应线段的斜率，作为目标斜率；

将目标斜率为负数的时间段与后一相邻的目标斜率为0的时间段，共同构建为参考时间段；

获取预设工作时间段内所有参考时间段时长的均值，作为预设工作时间段的整体响应时间。

进一步地，所述目标响应时间计算公式为：

式中，为第j个时刻的目标响应时间；/>为第j个时刻下的出风口温度数据；/>为第j个时刻下的进风口温度数据；/>为第j个时刻下的风速数据；/>为整体响应时间。

进一步地，所述响应时刻的获取方法为：

将在每个时刻之前且距离每个时刻的时长为对应的目标响应时间的时刻，作为对应时刻的响应时刻。

进一步地，所述整体权重的获取方法为：

根据每个时刻下的进风口温度数据和对应响应时刻下的出风口温度数据，以及对应响应时刻相邻时刻下的出风口温度数据，获取每个时刻的出风口温度权重；

根据每个时刻下的进风口温度数据和对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的风速数据，获取每个时刻的风速权重；

获取每个时刻的目标响应时间、出风口温度权重和风速权重的乘积，作为每个时刻的整体权重。

进一步地，所述出风口温度权重的计算公式为：

式中，为第i个时刻的出风口温度权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的响应时刻；/>为第i个时刻的响应时刻下的出风口温度数据；/>为第i个时刻下的进风口温度数据；/>为第i个时刻的响应时刻前一相邻时刻下的出风口温度数据；e为自然函数；norm为归一化函数；/>为绝对值函数；/>为常数，取值范围大于0。

进一步地，所述风速权重的计算公式为：

式中，为第i个时刻的风速权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的响应时刻；/>为第i个时刻的响应时刻下的出风口温度数据；/>为第i个时刻下的进风口温度数据；/>为第i个时刻的响应时刻下的风速数据；/>为第i个时刻的响应时刻前一相邻时刻下的风速数据；e为自然函数；/>为绝对值函数；/>为常数，取值范围大于0。

进一步地，所述进风口温度异常程度修正数据的获取方法为：

获取每个时刻的整体权重与进风口温度异常程度的乘积，作为每个时刻的修正结果；

将每个时刻的修正结果进行归一化的结果，作为每个时刻的进风口温度异常程度修正数据。

进一步地，所述根据进风口温度异常程度修正数据，对空调运行状态进行监测的方法为：

当进风口温度异常程度修正数据大于预设的异常阈值时，将对应时刻下的进风口温度数据进行去除。

本发明具有如下有益效果：

根据空调在预设工作时间段内每相邻两个时刻下的进风口温度数据的差异，获取每个时刻的进风口温度异常程度，初步判定可能存在异常的进风口温度数据；根据预设工作时间段内风速数据的变化，获取预设工作时间段的整体响应时间，为确定每个时刻下的进风口温度数据的响应时间做准备；因此，根据每个时刻下的进风口温度数据、出风口温度数据、风速数据，以及整体响应时间，获取每个时刻的目标响应时间，确定每个时刻下的进风口温度数据的响应时长，进一步根据每个时刻的目标响应时间，获取每个时刻的响应时刻，根据每个时刻的响应时刻下的出风口温度数据和风速数据，对每个时刻的进风口温度异常程度进行准确的修正；因此根据每个时刻下的进风口温度数据和目标响应时间，对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的出风口温度数据和风速数据，获取每个时刻的整体权重，确定对每个进风口温度异常程度修正的程度；进而根据每个时刻的整体权重和进风口温度异常程度，获取每个时刻的进风口温度异常程度修正数据，准确确定异常的进风口温度数据，将异常的进风口温度数据进行去除，进而对空调运行状态进行准确的监测，确保空调的运行状态保持稳定。

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为本发明一个实施例所提供的一种基于数据驱动的空调运行状态监测方法的流程示意图；

图2为本发明一个实施例所提供的风速数据的变化曲线。

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基于数据驱动的空调运行状态监测方法，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数据驱动的空调运行状态监测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于数据驱动的空调运行状态监测方法的流程示意图，该方法包括一下步骤：

步骤S1：获取空调每个时刻下的进风口温度数据、出风口温度数据和风速数据。

具体的，空调运行状态监测过程中主要依据室内温度，本发明实施例在空调内机进风口处安装温度传感器，获取空调的每个时刻下的进风口温度数据来代替室内温度。进风口温度数据的变化取决于空调的出风口温度数据和风速数据，因此在空调出风口处安装温度传感器，获取空调的每个时刻下的出风口温度数据，同时根据空调内部风速传感器得到空调的每个时刻下的风速数据。本发明实施例在每个时刻下同时获取空调的进风口温度数据、出风口温度数据和风速数据。为了更精准的获取空调的各个数据的变化，本发明实施例将每相邻两个时刻的时间间隔设定为1秒，实施者可根据实际情况设定相邻两个时刻之间的时间间隔，在此不进行限定。

本发明实施例的场景为：在夏天利用空调对室内温度进行调节，使得室内温度降低。通过空调的进风口温度数据的大小以调节空调各项运行状态。使用较长时间的空调，进风口温度数据可能会出现失真现象，进而对空调运行状态的监测产生影响。

本发明实施例的目的为：出风口温度数据和风速数据，共同影响了室内的温度变化程度，即影响了进风口温度数据，因此根据空调每个时刻下的出风口温度数据和风速数据，对空调每个时刻下的进风口温度数据的异常程度进行修正，进而准确确定进风口温度数据是否存在异常，实现对异常的进风口温度数据进行清洗，对空调运行状态进行准确的监测。

步骤S2：根据空调在预设工作时间段内每相邻两个时刻下的进风口温度数据的差异，获取每个时刻的进风口温度异常程度。

具体的，室内温度随着空调开启的时间而变化，室内温度变化即进风口温度数据的变化，为非线性变化但具有一定规律，但当进风口温度数据出现失真即异常时，进风口温度数据将不再满足一定规律的非线性变化。在正常情况下，室内温度的变化是逐渐变化的，即相邻时刻下，室内温度是相近的，因此，在邻近的时间段内进风口温度数据的差异是趋近与0的，但当进风口温度数据失真时，与邻近的时间段内的进风口温度数据的差异会突然变大，因此，获取空调在预设工作时间段内每个时刻与前一个相邻时刻下的进风口温度数据的差值绝对值，作为对应时刻下的第一差异；将第一差异进行归一化的结果，作为对应时刻下的进风口温度异常程度。本发明实施例将空调的预设工作时间段设定为空调工作的当前时刻与空调本次开始打开的时刻之间的时间段，例如，空调在9月3号上午8点打开，当前时刻为9月3号上午10点，则9月3号上午8点到上午10点这一时间段，为空调的预设工作时间段。在预设工作时间段内空调一直在工作。其中，预设工作时间段中的第一个时刻不存在前一相邻时刻，因此，不获取预设工作时间段中的第一个时刻的进风口温度异常程度。本发明实施例通过最大最小规范化对第一差异进行归一化处理。其中，最大最小规范化为现有技术，在此不再进行赘述。

需要说明的是，进风口温度异常程度越大，说明对应时刻下的进风口温度数据越可能为失真数据。

步骤S3：根据预设工作时间段内风速数据的变化，获取预设工作时间段的整体响应时间；根据每个时刻下的进风口温度数据、出风口温度数据、风速数据，以及整体响应时间，获取每个时刻的目标响应时间。

具体的，在空间大小一定的室内，进风口温度数据的变化受到空调的出风口温度数据和风速数据的影响，因此根据空调的出风口温度数据和风速数据对进风口温度异常程度进行修正，避免对异常的进风口温度数据监测的不准确。在本发明实施例中，将空调打开时人为设定好的空调温度作为目标温度，当打开空调后，空调开始产生冷气，使得室内的温度快速达到目标温度，空调的风速数据开始增大，直至室内的温度达到目标温度，空调的风速数据开始减小，趋于稳定，因此风速数据对进风口温度数据的影响具体一定的滞后性。其中，室内的温度达到目标温度，即进风口温度数据与目标温度数据相等，但在实际情况中，进风口温度数据与室内温度是存在细微差异的，因此，当进风口温度数据在[目标温度数据-0.5,目标温度数据+0.5]内时，即确定室内温度到达了目标温度。每个时刻下的风速数据对进风口温度数据的影响具有一定的滞后性，为了获取每个时刻下进风口温度数据的响应时间即每个时刻的目标响应时间，本发明实施例通过对空调的预设工作时间段内的风速数据的变化进行分析，获取预设工作时间段的整体响应时间，进而根据每个时刻下的进风口温度数据、出风口温度数据、风速数据，以及整体响应时间，获取每个时刻的目标响应时间。其中，获取目标响应时间的方法如下：

优选地，获取整体响应时间的方法为：将预设工作时间段内的风速数据根据对应时刻的时间顺序，在二维坐标系中进行曲线拟合；其中，二维坐标系的横轴为时间，二维坐标系的纵轴为风速数据；获取二维坐标系中的风速数据在相同变化的每段时间段内对应线段的斜率，作为目标斜率；将目标斜率为负数的时间段与后一相邻的目标斜率为0的时间段，共同构建为参考时间段；获取预设工作时间段内所有参考时间段时长的均值，作为预设工作时间段的整体响应时间。

作为一个示例，当进风口温度数据达到目标温度数据，即进风口温度数据在[目标温度数据-0.5,目标温度数据+0.5]内时，风速数据开始减少，然后趋于稳定，在二维坐标系中默认风速数据稳定的时间段内的线段与横轴平行，即风速数据稳定时间段内对应线段的目标斜率为0。当风速数据稳定一段时间后，进风口温度数据由于受到室内外温差影响又逐渐增大，当进风口温度数据超过(目标温度数据+0.5)时，风速数据开始增大，当风速数据达到最大时，若进风口温度数据依然大于(目标温度数据+0.5)，则保持最大的风速数据，直至进风口温度数据在[目标温度数据-0.5,目标温度数据+0.5]内；当风速数据达到最大时，进风口温度数据刚好在[目标温度数据-0.5,目标温度数据+0.5]内，则风速数据开始减小；当风速数据没有达到最大时，进风口温度数据已经在[目标温度数据-0.5,目标温度数据+0.5]内，则停止增大风速数据，开始降低风速数据。将预设工作时间段内的风速数据根据对应时刻的时间顺序，在二维坐标系中进行曲线拟合，获得风速数据的变化曲线，如图2所示，横轴为时间，对应各个时刻，纵轴为风速数据，对应每个时刻下的风速数据。获取二维坐标系中风速数据相同变化的每段时间段内对应线段的斜率，即为目标斜率；由图2可知，目标斜率存在正、负和0三种情况。本发明实施例将目标斜率为负数的时间段与后一相邻的目标斜率为0的时间段，共同构建为参考时间段，作为进风口温度数据每次稳定时对应风速数据变化的时长，获取预设工作时间段内所有参考时间段时长的均值，作为预设工作时间段的整体响应时间。以整体响应时间作为一个基准，获取每个时刻下进风口温度数据的响应时间即目标响应时间。本发明实施例不考虑不存在参考时间段的空调运行状态。

室内空气流通速度与风速有关，即目标响应时间与风速数据的大小有关，风速数据越大，目标响应时间越快；同时由于温度差异的影响，进风口温度数据与出风口温度数据越接近，目标响应时间越快。而目标响应时间越快，说明进风口温度数据在目标响应时间对应的时间段越一致，该进风口温度数据异常的可能性越小。作为一个示例，以第j个时刻为例，获取第j个时刻的目标响应时间的计算公式为：

式中，为第j个时刻的目标响应时间；/>为第j个时刻下的出风口温度数据；/>为第j个时刻下的进风口温度数据；/>为第j个时刻下的风速数据；/>为整体响应时间；/>为绝对值函数。

需要说明的是，越大，在第j个时刻下，室内温度与目标温度之间的差异越大，第j个时刻的目标响应时间越长，/>越大；/>越大，第j个时刻的目标响应时间越短，/>越小；/>越大，说明在预设工作时间段内的每个时刻的响应时间均越长，是空调自身的原因，越大；因此，/>越大，第j个时刻下的进风口温度数据越可能存在失真即异常。

根据获取第j个时刻的目标响应时间，获取预设时间段内每个时刻的目标响应时间。其中，当为0时，则第j个时刻不存在目标响应时间。因此，在预设时间段内存在部分时刻没有对应的目标响应时间，为了使得每个时刻均有对应的目标响应时间，本发明实施例将不为0的目标响应时间数据，通过最小二乘法进行拟合，获得每个时刻的目标响应时间。其中，最小二乘法为现有技术，在此不再进行赘述。至此，获取每个时刻的目标响应时间。

步骤S4：根据每个时刻的目标响应时间，获取每个时刻的响应时刻；根据每个时刻下的进风口温度数据和目标响应时间，对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的出风口温度数据和风速数据，获取每个时刻的整体权重。

具体的，进风口温度数据的异常程度受到空调的风速数据和出风口温度数据的共同影响。因此，本发明实施例根据每个时刻的目标响应时间，进风口温度数据、出风口温度数据和风速数据的变化，获取每个时刻下的出风口温度数据对进风口温度数据异常影响的权重，以及风速数据对进风口温度数据异常影响的权重，进而获取出风口温度数据和风速数据对进风口温度数据的整体权重。

室内空气流动一段时间，进风口温度数据产生响应，开始逐渐产生变化，因而空调开始改变风速数据以保证进风口温度数据的稳定。同时，由于风速的变化，出风口温度数据也会产生波动。当风速降低到最小，开始稳定时，由于空间内进风口温度数据存在响应的滞后性，进风口温度数据依旧下降，直到低风速影响到进风口温度数据时，进风口温度数据开始上升。当进风口温度数据在[目标温度数据-0.5,目标温度数据+0.5]内时，且此时风速数据不变，空调通过调节出风口温度数据来保证室内温度稳定在目标温度，故进风口温度数据受到出风口温度数据的影响，产生正常变化的占比较大；当进风口温度数据在[目标温度数据-0.5,目标温度数据+0.5]内时，且此时出风口温度数据已经到达制冷机额定最低温度，空调通过调节风速数据来保证室内温度稳定在目标温度，故进风口温度数据受到风速数据的影响，产生正常变化的占比较大。

为了体现出风口温度数据和风速数据对进风口温度数据的影响，本发明实施例将在每个时刻之前且距离每个时刻的时长为对应的目标响应时间的时刻，作为对应时刻的响应时刻。作为一个示例，以第i个时刻为例，第i个时刻的目标响应时间为，则第i个时刻的响应时刻为/>。根据获取第i个时刻的响应时刻的方法，获取每个时刻的响应时刻。其中，若响应时刻不在预设工作时间段内，则默认该响应时刻对应时刻的下的进风口温度数据不受出风口温度数据和风速数据的影响。进而根据每个时刻下的进风口温度数据和目标响应时间，对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的出风口温度数据和风速数据，获取每个时刻的整体权重。

优选地，获取整体权重的方法为：根据每个时刻下的进风口温度数据和对应响应时刻下的出风口温度数据，以及对应响应时刻相邻时刻下的出风口温度数据，获取每个时刻的出风口温度权重；根据每个时刻下的进风口温度数据和对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的风速数据，获取每个时刻的风速权重；获取每个时刻的目标响应时间、出风口温度权重和风速权重的乘积，作为每个时刻的整体权重。

作为一个示例，以第i个时刻为例，其中第i个时刻的响应时刻为，根据第i个时刻下的进风口温度数据，第i个时刻的响应时刻下的出风口温度数据，以及第i个时刻的响应时刻的前一相邻时刻下的出风口温度数据，获取第i个时刻的出风口温度权重的计算公式为：

式中，为第i个时刻的出风口温度权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的响应时刻；/>为第i个时刻的响应时刻下的出风口温度数据；/>为第i个时刻下的进风口温度数据；/>为第i个时刻的响应时刻前一相邻时刻下的出风口温度数据；e为自然函数；norm为归一化函数；/>为绝对值函数；/>为常数，取值范围大于0。

本发明实施例将设定为0.1，避免/>为0，实施者可根据实际情况设定/>的大小，在此不进行限定。

需要说明的是，越小，说明第i个时刻的响应时刻下的出风口温度数据与第i个时刻下的进风口温度数据之间的差异越小，第i个时刻的目标响应时间越短，第i个时刻的响应时刻下的出风口温度数据对第i个时刻下的进风口温度数据本身影响的程度越大，因此对第i个时刻的进风口温度异常程度影响的越小，/>越小，/>越小；/>越小，说明第i个时刻的响应时刻下的出风口温度数据变化越小，间接说明第i个时刻的响应时刻下的出风口温度数据越不可能存在异常，进而对第i个时刻的进风口温度异常程度影响越小，/>越小，/>越小；因此，/>越小，第i个时刻的响应时刻下的出风口温度数据对第i个时刻的进风口温度数据异常程度的修正越小。

根据第i个时刻下的进风口温度数据，第i个时刻的响应时刻下的出风口温度数据和风速数据，以及第i个时刻的响应时刻的前一相邻时刻下的风速数据，获取第i个时刻的风速权重的计算公式为：

式中，为第i个时刻的风速权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的响应时刻；/>为第i个时刻的响应时刻下的出风口温度数据；/>为第i个时刻下的进风口温度数据；/>为第i个时刻的响应时刻下的风速数据；/>为第i个时刻的响应时刻前一相邻时刻下的风速数据；e为自然函数；/>为绝对值函数；/>为常数，取值范围大于0。

本发明实施例将设定为0.1，避免/>为0，实施者可根据实际情况设定/>的大小，在此不进行限定。

需要说明的是，越大，说明第i个时刻的响应时刻下的风速数据对第i个时刻的进风口温度数据变化的影响越大，进而对第i个时刻的进风口温度异常程度的修正越小，越小；/>越小，说明第i个时刻的响应时刻下的出风口温度数据与第i个时刻下的进风口温度数据之间的差异越小，第i个时刻的目标响应时间越短，第i个时刻的响应时刻下的出风口温度数据对第i个时刻下的进风口温度数据本身影响的程度越大，因此对第i个时刻的进风口温度异常程度影响的越小，/>越大，/>越小；越小，说明第i个时刻的响应时刻下的风速数据变化越小，间接说明第i个时刻的响应时刻下的风速数据越不可能存在异常，进而对第i个时刻的进风口温度异常程度影响越小，/>越小；因此，/>越小，第i个时刻的响应时刻下的风速数据对第i个时刻的进风口温度数据异常程度的修正越小。

根据第i个时刻的目标响应时间、出风口温度权重和风速权重，获取第i个时刻的整体权重的公式为：

式中，为第i个时刻的整体权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的出风口温度权重；/>为第i个时刻的风速权重。

需要说明的是，越大，第i个时刻的进风口温度数据越可能存在异常，对第i个时刻的进风口温度数据异常程度修正的权重越大，/>越大；/>越大，第i个时刻的响应时刻下的出风口温度数据对第i个时刻的进风口温度数据异常程度修正的权重越大，越大；/>越大，第i个时刻的响应时刻下的风速数据对第i个时刻的进风口温度数据异常程度修正的权重越大，/>越大；因此，/>越大，对第i个时刻的进风口温度数据异常程度修正的程度越大。

根据获取第i个时刻的整体权重的方法，获取每个时刻的整体权重。

步骤S5：根据每个时刻的整体权重和进风口温度异常程度，获取每个时刻的进风口温度异常程度修正数据；根据进风口温度异常程度修正数据，对空调运行状态进行监测。

具体的，根据每个时刻的整体权重对对应时刻的进风口温度异常程度进行修正，获取对应时刻的进风口温度异常程度的修正结果，根据修正结果确定失真的进风口温度数据，将失真的进风口温度数据进行清洗，进而对空调运行状态进行准确的监测。

优选地，获取进风口温度异常程度修正数据的方法为：获取每个时刻的整体权重与进风口温度异常程度的乘积，作为每个时刻的修正结果；将每个时刻的修正结果进行归一化的结果，作为每个时刻的进风口温度异常程度修正数据。

作为一个示例，以第i个时刻为例，获取第i个时刻的进风口温度异常程度修正数据的公式为：

式中，为第i个时刻的进风口温度异常程度修正数据；/>为第i个时刻的整体权重；/>为第i个时刻的进风口温度异常程度；norm为归一化函数。

需要说明的是，越大，说明第i个时刻的进风口温度数据越可能存在异常，/>越大；/>越大，说明第i个时刻下的进风口温度数据受到第i个时刻的响应时刻下的出风口温度数据和风速数据的影响越小，第i个时刻下的进风口温度数据本身异常的可能性越大，/>越大；因此，/>越大，第i个时刻下的进风口温度数据越异常。其中，/>的取值范围为0到1。

根据获取第i个时刻的进风口温度异常程度修正数据的方法，获取每个时刻的进风口温度异常程度修正数据。本发明实施例设定预设的异常阈值为0.9，实施者可根据实际情况进行设定，在此不进行限定。当进风口温度异常程度修正数据大于预设的异常阈值时，说明对应时刻下的进风口温度数据为失真数据，为了避免失真的进风口温度数据对空调运行状态进行错误的调整，进而将失真的进风口温度数据进行去除。

至此，本发明完成。

综上所述，本发明实施例根据空调在预设工作时间段内相邻时刻下的进风口温度数据的差异，获取每个时刻的进风口温度异常程度；根据风速数据的变化，获取整体响应时间，进而获取每个时刻的目标响应时间，确定响应时刻；根据进风口温度数据，对应响应时刻下的出风口温度数据和风速数据，获取整体权重；根据整体权重和进风口温度异常程度，获取进风口温度异常程度修正数据，对空调运行状态进行监测。本发明通过确定响应时刻，根据响应时刻下的出风口温度数据和风速数据，对每个时刻下的进风口温度异常程度进行修正，准确确定异常的进风口温度数据，进而对空调运行状态准确监测。

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。

Claims (9)

1.一种基于数据驱动的空调运行状态监测方法，其特征在于，该方法包括以下步骤：

获取空调每个时刻下的进风口温度数据、出风口温度数据和风速数据；

根据空调在预设工作时间段内每相邻两个时刻下的进风口温度数据的差异，获取每个时刻的进风口温度异常程度；

根据预设工作时间段内风速数据的变化，获取预设工作时间段的整体响应时间；根据每个时刻下的进风口温度数据、出风口温度数据、风速数据，以及整体响应时间，获取每个时刻的目标响应时间；

根据每个时刻的目标响应时间，获取每个时刻的响应时刻；根据每个时刻下的进风口温度数据和目标响应时间，对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的出风口温度数据和风速数据，获取每个时刻的整体权重；

根据每个时刻的整体权重和进风口温度异常程度，获取每个时刻的进风口温度异常程度修正数据；根据进风口温度异常程度修正数据，对空调运行状态进行监测；

其中，所述根据预设工作时间段内风速数据的变化，获取预设工作时间段的整体响应时间的方法为：

将预设工作时间段内的风速数据根据对应时刻的时间顺序，在二维坐标系中进行曲线拟合；其中，二维坐标系的横轴为时间，二维坐标系的纵轴为风速数据；

获取二维坐标系中的风速数据在相同变化的每段时间段内对应线段的斜率，作为目标斜率；

将目标斜率为负数的时间段与后一相邻的目标斜率为0的时间段，共同构建为参考时间段；

获取预设工作时间段内所有参考时间段时长的均值，作为预设工作时间段的整体响应时间。

2.如权利要求1所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述进风口温度异常程度的获取方法为：

获取每个时刻与前一个相邻时刻下的进风口温度数据的差异，作为对应时刻下的第一差异；

将第一差异进行归一化的结果，作为对应时刻下的进风口温度异常程度。

3.如权利要求1所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述目标响应时间计算公式为：

式中，为第j个时刻的目标响应时间；/>为第j个时刻下的出风口温度数据；/>为第j个时刻下的进风口温度数据；/>为第j个时刻下的风速数据；/>为整体响应时间。

4.如权利要求1所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述响应时刻的获取方法为：

将在每个时刻之前且距离每个时刻的时长为对应的目标响应时间的时刻，作为对应时刻的响应时刻。

5.如权利要求1所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述整体权重的获取方法为：

根据每个时刻下的进风口温度数据和对应响应时刻下的出风口温度数据，以及对应响应时刻相邻时刻下的出风口温度数据，获取每个时刻的出风口温度权重；

根据每个时刻下的进风口温度数据和对应响应时刻下的出风口温度数据和风速数据，以及对应响应时刻相邻时刻下的风速数据，获取每个时刻的风速权重；

获取每个时刻的目标响应时间、出风口温度权重和风速权重的乘积，作为每个时刻的整体权重。

6.如权利要求5所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述出风口温度权重的计算公式为：

式中，为第i个时刻的出风口温度权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的响应时刻；/>为第i个时刻的响应时刻下的出风口温度数据；/>为第i个时刻下的进风口温度数据；/>为第i个时刻的响应时刻前一相邻时刻下的出风口温度数据；e为自然函数；norm为归一化函数；/>为绝对值函数；/>为常数，取值范围大于0。

7.如权利要求5所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述风速权重的计算公式为：

式中，为第i个时刻的风速权重；/>为第i个时刻的目标响应时间；/>为第i个时刻的响应时刻；/>为第i个时刻的响应时刻下的出风口温度数据；/>为第i个时刻下的进风口温度数据；/>为第i个时刻的响应时刻下的风速数据；/>为第i个时刻的响应时刻前一相邻时刻下的风速数据；e为自然函数；/>为绝对值函数；/>为常数，取值范围大于0。

8.如权利要求1所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述进风口温度异常程度修正数据的获取方法为：

获取每个时刻的整体权重与进风口温度异常程度的乘积，作为每个时刻的修正结果；

将每个时刻的修正结果进行归一化的结果，作为每个时刻的进风口温度异常程度修正数据。

9.如权利要求1所述一种基于数据驱动的空调运行状态监测方法，其特征在于，所述根据进风口温度异常程度修正数据，对空调运行状态进行监测的方法为：

当进风口温度异常程度修正数据大于预设的异常阈值时，将对应时刻下的进风口温度数据进行去除。