CN117870122A - 一种暖通设备控制系统、控制方法、控制装置和存储介质 - Google Patents
一种暖通设备控制系统、控制方法、控制装置和存储介质 Download PDFInfo
- Publication number
- CN117870122A CN117870122A CN202410182610.1A CN202410182610A CN117870122A CN 117870122 A CN117870122 A CN 117870122A CN 202410182610 A CN202410182610 A CN 202410182610A CN 117870122 A CN117870122 A CN 117870122A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- determining
- adjustment
- control
- 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.)
- Pending
Links
- 238000009423 ventilation Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000010438 heat treatment Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000007613 environmental effect Effects 0.000 claims abstract description 95
- 238000009826 distribution Methods 0.000 claims abstract description 86
- 238000012544 monitoring process Methods 0.000 claims abstract description 84
- 238000010408 sweeping Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 230000001105 regulatory effect Effects 0.000 claims description 29
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 15
- 239000001301 oxygen Substances 0.000 claims description 15
- 229910052760 oxygen Inorganic materials 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 56
- 238000012549 training Methods 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 17
- 239000013598 vector Substances 0.000 description 16
- 230000009471 action Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000007791 dehumidification Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000005085 air analysis Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本说明书实施例提供一种暖通设备控制系统、方法、装置和存储介质,该系统包括环境监测单元、人体检测单元、风向控制装置、温度控制单元、湿度控制单元、通风单元和处理器,处理器被配置为:基于用户分布特征,确定用户分布范围、用户密度分布;基于用户分布范围的边缘确定扫风范围;基于用户密度分布确定扫风速度;基于环境监测数据、用户调节数据,确定用户偏好数据;根据用户偏好数据确定调控参数,基于调控参数确定至少一组控制指令,以控制风向控制装置、温度控制单元、湿度控制单元、通风单元中的至少一个的运行。
Description
技术领域
本说明书涉及暖通设备技术领域,特别涉及一种暖通设备控制系统、控制方法、控制装置和存储介质。
背景技术
暖通设备是指室内或车内负责暖气、通风及空气调节的系统或相关设备,是建筑自动控制系统的重要构成部分,用于实现建筑内部环境的温度、湿度、通风、采暖的综合控制。目前通常采用的人为设定值或PID控制方式在很多时候无法使室内人员感到舒适,同时也使暖通设备始终处于高能耗的状态,造成很大的能源浪费。
针对上述问题,CN107120782B提出一种基于多用户热舒适度数据的暖通系统控制方法,通过不同用户在不同室内温度环境下的舒适概率曲线,融合多人不同舒适概率曲线得到总的舒适概率曲线,解决多人同处于一个空间中时对温度等方面的矛盾,确定空间内部的最佳温度的设定值,从而达到节省能耗同时满足大多数用户的对舒适感的需求。然而,该方式忽略了暖通系统出风口位置使得空间内部温度不均衡的情况,而且只考虑用户在温度方面的感受,容易忽略湿度、通风等方面对用户舒适度的影响。
因此提供一种暖通设备控制系统及方法,有助于提升用户使用暖通设备的整体舒适度。
发明内容
本说明书一个或多个实施例提供一种暖通设备控制系统。该系统包括环境监测单元、人体检测单元、风向控制装置、温度控制单元、湿度控制单元、通风单元、处理器,其中,所述环境监测单元包括部署于空间中多个第一预设点位的温度传感器、湿度传感器、氧含量传感器;所述人体检测单元包括部署于所述空间中多个第二预设点位的人体传感器,所述人体检测单元被配置为检测所述空间内用户的用户分布特征;所述风向控制装置包括安装于出风口的可转动叶片,所述风向控制装置被配置为基于风向控制参数控制所述空间内的通风,所述风向控制参数包括扫风范围、扫风速度;所述温度控制单元被配置为调节所述空间内的温度;所述湿度控制单元包括加湿装置、除湿装置,所述湿度控制单元被配置为调节所述空间内的湿度;所述通风单元被配置为将室外的新鲜空气通入所述空间内,并将所述空间内的污浊空气排出室外;所述处理器被配置为:基于所述用户分布特征,确定用户分布范围、用户密度分布;基于所述用户分布范围的边缘确定所述扫风范围;基于所述用户密度分布确定所述扫风速度;基于环境监测数据、用户调节数据,确定用户偏好数据;根据所述用户偏好数据确定调控参数,基于所述调控参数确定至少一组控制指令,以控制所述风向控制装置、所述温度控制单元、所述湿度控制单元、所述通风单元中的至少一个的运行。
本说明书一个或多个实施例提供一种暖通设备控制系统的控制方法。所述方法由暖通设备控制系统的处理器实现,所述方法包括:基于所述用户分布特征,确定用户分布范围、用户密度分布;基于所述用户分布范围的边缘确定所述扫风范围;基于所述用户密度分布确定所述扫风速度;基于环境监测数据、用户调节数据,确定用户偏好数据;根据所述用户偏好数据确定调控参数,基于所述调控参数确定至少一组控制指令,以控制所述风向控制装置、所述温度控制单元、所述湿度控制单元、所述通风单元中的至少一个的运行。
本说明书一个或多个实施例提供一种暖通设备控制装置,所述装置包括至少一个处理器以及至少一个存储器,所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现所述暖通设备控制系统的控制方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行所述暖通设备控制系统的控制方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的暖通设备控制系统的结构示意图;
图2是根据本说明书一些实施例所示的暖通设备控制系统的控制方法的示例性流程图;
图3是根据本说明书一些实施例所示的偏好模型的示例性示意图;
图4是根据本说明书一些实施例所示的确定调控参数的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例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说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可以包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
暖通系统是指用于调节室内温度、湿度、新风量和空气洁净度等参数的设备和管道系统的总称。它通过控制室内空气的温度、湿度等,使室内环境保持舒适,提高人们的生产生活环境的质量。但是,暖通系统目前仍然存在控制精度不高、能源浪费的问题。CN107120782B虽然能够解决多人同处于一个空间中时对温度等方面的矛盾,但是由于暖通系统各个出风口位置设置的局限性,使得出风口附近温度较高,而远离出风口位置的温度较低,从而造成室内温度的不均衡;且仅通过设定的温度值无法使空间内多个位置的用户同时感到舒适。
鉴于此,本说明书一些实施例,提供一种暖通设备控制系统,能够确定符合用户习惯的调控参数,并及时对暖通设备进行精准全面的控制,在充分满足用户需求的前提下,提高能源利用效率,降低综合成本。
在一些实施例中,暖通设备控制系统可以用于各种需要对室内环境进行调控的领域。例如,在建筑行业中,可以基于暖通设备控制系统调节室内温度、湿度和空气质量,提供舒适的居住和工作环境;又例如,在工业生产中,暖通设备控制系统可以用于控制车间、仓库等场所的温度和湿度,保证产品的质量和生产效率;又例如,在商业场所,暖通设备控制系统可以根据室内人数、环境温度等因素自动调节设备运行状态,提供适宜的室内环境等。
图1是根据本说明书一些实施例所示的暖通设备控制系统的结构示意图。
如图1所示,暖通设备控制系统100可以包括环境监测单元110、人体检测单元120、风向控制装置130、温度控制单元140、湿度控制单元150、通风单元160、处理器170。
环境监测单元110是对空间的各项环境数据进行实时监控的相关设备。空间是指安装有暖通设备的场所。例如,空间是可以包括但不限于住宅、餐厅、停车场等。在一些实施例中,环境监测单元110可以对空间内部和/或空间外部的各项环境数据进行实时监控,获得环境监测数据。环境数据是描述空间内/外的相关环境状况的物理量,如温度、湿度、压力、含氧量等。
在一些实施例中,环境监测单元110包括部署于空间中多个第一预设点位的温度传感器111、湿度传感器112、含氧量传感器113等。温度传感器111可以用于检测空间内部和/或空间外部的温度。湿度传感器112可以用于检测空间内部和/或空间外部的湿度。含氧量传感器113可以用于检测空间内部和/或空间外部的气体中的含氧量。
第一预设点位可以指预先设置的环境监测单元110的安装位置。例如,第一预设点位可以是设置在空间内/外的任何位置。示例性的,第一预设点位可以是空间的中间/中间偏上/上方的等位置。
人体检测单元120是用于检测空间中的用户分布特征的相关设备。用户分布特征是表征空间中各个区域的人口分布情况的数据。区域可以是对空间进行划分的结果。处理器170可以基于网格或功能对空间进行划分获取至少一个区域。例如,区域可以包括工作区域、休息区域、通行区域等。
在一些实施例中,人体检测单元包括部署于空间中多个第二预设点位的人体传感器121。
人体传感器121是用于实时监测和分析人口流量的设备。例如,人体传感器121可以包括摄像头、传感器等中的一种或其任意组合。示例性的,传感器可以包括但不限于红外传感器、温度传感器等。
第二预设点位可以指预先设置的人体传感器121的安装位置。例如,第二预设点位可以是设置在空间内/外的任何位置。示例性的,第二预设点位可以是空间的入口、出口、通道等位置。
在一些实施例中,人体传感器121可以通过多种方式部署在空间中。在一些实施例中,人体传感器121可以部署在空间内的每个出风口上。在一些实施例中,人体传感器121可以部署在空间内的部分出风口上。
风向控制装置130是用于控制或改变出风口送出的新风的方向或速度的装置。例如,风向控制装置130可以包括导风板、风扇叶片等。
在一些实施例中,风向控制装置包括安装于出风口的可转动叶片131。
可转动叶片131是风向控制装置130的组件,是用于通过控制叶片的角度和旋转速度来调节风流的方向或速度的设备。例如,可转动叶片131由一系列可旋转的叶片组成,叶片可以通过手动或电动装置等方式进行旋转,以调节空间内的通风。当叶片旋转到不同的角度时,可以控制空气的流动的方向,从而实现空间中室内空气的调节。
在一些实施例中,处理器170可以与风向控制装置130通信连接,将风向控制参数发送至风向控制装置130,用于调整可转动叶片131的转动角度、转动速度等,以改变出风口送出的新风的方向或速度。
风向控制参数是风向控制装置130在调整风流的方向时采用的参数。在一些实施例中,风向控制参数包括扫风范围、扫风速度。其中,关于扫风范围、扫风速度的更多内容,可以参见图2的相关描述。
温度控制单元140是指用于调控空间内部的环境温度的装置。例如,温度控制单元140可以根据处理器170的控制指令控制温度控制单元140的加热或制冷,以达到调节室内温度的目的。相应的,温度控制单元140可以包括:加热器、制冷器。加热器可以通过电流实现对空间内部的升温,制冷器可以通过制冷剂的循环实现空间内部的制冷。
在一些实施例中,处理器170可以与温度控制单元140通信连接,将温度调控指令发送至温度控制单元140,用于控制温度控制单元140对空间内部温度的调节方向、调节幅度。关于温度调控指令的更多内容,可以参见图2的相关描述。
湿度控制单元150是指用于调控空间内部的环境湿度的装置。例如,湿度控制单元150可以根据处理器170的控制指令控制湿度控制单元150的除湿或加湿,以达到调节室内湿度的目的。
在一些实施例中,处理器170可以与湿度控制单元150通信连接,将湿度调控指令发送至湿度控制单元150,用于控制湿度控制单元150的开启/关闭、对空间内部湿度的调节方向、调节幅度等。关于湿度调控指令的更多内容,可以参见图2的相关描述。
在一些实施例中,湿度控制单元150包括加湿装置151、除湿装置152。
加湿装置151是用于增加空间内部环境的湿度的装置。例如,加湿装置151可以包括电热式加湿器、超声波加湿器等中的一种。
除湿装置152是用于降低空间内部环境的湿度的装置。例如,除湿装置152可以包括吸附式除湿机、管道除湿机等中的一种。
在一些实施例中,湿度控制单元150可以包括多个,分别部署在每个有效区域中。关于有效区域的更多内容,可以参见图4相关描述。
通风单元160是用于将室外的新鲜空气通入空间内部,并将空间内部的污浊空气排出室外的装置。例如,通风单元160可以包括通风机、新风系统等。
在暖通设备运行的空间中,环境较为密闭,空气流通较差,用户容易在一段时间后感觉气闷不适,通过通风装置可以向空间内通入外界新鲜空气,并排出室内污浊空气,从而提高用户的舒适度。
在一些实施例中,处理器170可以与通风单元160通信连接,将通风调控指令发送至通风单元160,用于控制通风单元160的开启时间、开启时长。关于通风调控指令的更多内容,可以参见图2的相关描述。
处理器170是指具有计算能力的系统,例如计算机、工控机、计算云平台等。在一些实施例中,处理器170可以包含一个或多个子处理器。例如,中央处理器(CPU)、图形处理器(GPU)等或以上任意组合。
在一些实施例中,处理器170可以从暖通设备控制系统100中的环境监测单元110、人体检测单元120、风向控制装置130、温度控制单元140、湿度控制单元150、通风单元160等获取数据和/或信息。处理器170可以基于这些数据、信息和/或处理结果下发程序指令,以执行一个或多个本说明书实施例中描述的功能。
在一些实施例中,处理器170可以与环境监测单元110、人体检测单元120、风向控制装置130、温度控制单元140、湿度控制单元150、通风单元160等通信连接,处理器170可以用于控制暖通设备控制系统100的运行:基于用户分布特征,确定用户分布范围、用户密度分布;基于用户分布范围的边缘确定扫风范围;基于用户密度分布确定扫风速度;基于环境监测数据、用户调节数据,确定用户偏好数据;根据用户偏好数据确定调控参数,基于调控参数确定至少一组控制指令,以控制风向控制装置130、温度控制单元140、湿度控制单元150、通风单元160中的至少一个的运行。
在一些实施例中,暖通设备控制系统100可以包括网络和/或其他连接系统与外部资源的组成部分。处理器170可以通过网络获取与暖通设备控制系统100相关的数据和/或信息。
在一些实施例中,暖通设备控制系统100还可以包括用户终端。用户终端可以指用户使用的一个或多个终端设备,处理器170可以集成在用户终端中。用户可以指暖通设备控制系统100的管理者或操作者等。
在一些实施例中,暖通设备控制系统100还可以包括交互模块,交互模块用于与用户之间进行交互。在一些实施例中,交互模块可以用于向用户显示环境监测数据和获取用户的操作反馈。在一些实施例中,交互模块可以包括按钮、触摸传感器、操纵杆、小键盘、麦克风、显示屏等输入组件、输出组件。
在一些实施例中,交互模块可以用于显示与空间内部的环境或暖通设备控制系统100的运行状态相关的信息。在一些实施例中,交互模块可以用于显示空间中实际的环境状况,如,实际的温度、湿度、含氧量等。在一些实施例中,显示屏的显示界面可以用于显示暖通设备控制系统100中一个或多个组件的开启或关闭的状态、设定参数等。设定参数可以是指用户通过操作交互模块来设定的参数,是用户希望空间内部达到的目标参数值(如,某个温度值、某个湿度值)等。例如,设定参数可以包括设定温度、设定湿度等。
在一些实施例中,暖通设备控制系统100还可以包括存储模块(图中未示出),存储模块可以用于存储数据、指令和/或任何其他信息。例如,存储模块可以存储环境监测数据、用户调节数据、用户分布特征等。在一些实施例中,存储模块可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。在一些实施例中,存储模块可以集成或包括在暖通设备控制系统100的一个或多个其他组件(例如,处理器170、用户终端等)中。
在本说明书的一些实施例中,通过处理器调整暖通设备中各个部件的工作状态,可以优化室内采暖、通风、空气调节的效果,进一步提高用户的舒适度。
图2是根据本说明书一些实施例所示的暖通设备控制系统的控制方法的示例性流程图。
在一些实施例中,流程200可以基于暖通设备控制系统的处理器170实现。如图2所示,流程200包括下述步骤:
步骤210,基于用户分布特征,确定用户分布范围、用户密度分布。
在一些实施例中,处理器可以通过安装于空间内各个第二预设点位的人体传感器获取用户分布特征,例如,在一些实施例中,用户分布特征可以由人体传感器采集后,定期或实时地通过网络上传至处理器。在一些实施例中,用户分布特征可以由人体传感器采集后实时上传至存储模块,处理器可以定期或实时从存储模块中读取用户分布特征。
在一些实施例中,用户分布特征可以包括空间内各个区域的人员的数量和各个人员的位置等。关于用户分布特征的更多内容,可以参见图1的相关描述。
在一些实施例中,处理器可以通过多种方式,基于人体检测单元对空间内的人员情况进行检测。例如,可以通过传感器和/或摄像头等设备使用周期性连续采集的方式对空间内的人员情况进行检测。其中,周期性连续采集是指每间隔一段时间进行一次连续采集。又例如,可以通过传感器和/或摄像头等设备使用间隔采集的方式对空间内的人员情况进行检测,如,当在晚上或空间内没有人员的情况时,传感器和/或摄像头的采集数据的时间可以是间隔的。间隔可以由系统或人为预设等方式确定。
用户分布范围是指空间中存在用户的区域范围。例如,用户分布范围可以是一系列的数据点描述的区域范围。数据点可以是用户分布范围的边缘在空间中的位置信息。在一些实施例中,处理器可以识别用户分布特征中处于最边缘的用户的位置,将所有最边缘的用户的位置依次连成封闭区域,确定为用户分布范围。
用户密度分布是指用户分布范围各个区域内人口的分布情况。例如,用户密度分布可以包括空间内各个位置的人口密度。人口密度是指单位面积或单位体积内的人口数量。
在一些实施例中,用户密度分布可以包括记录各个区域内的人员辐射的热量或温度的图像。区域中人员集中的位置辐射的热量或温度较高,人员稀少的位置辐射的热量或温度较低。用户密度分布可以通过不同颜色标注出目标区域中不同位置处人员辐射的热量或温度。通过颜色与温度的对应关系,可以表示不同区域的人员分布情况(例如,某一位置的人员数量的情况等)。
在一些实施例中,处理器可以通过多种方式,基于用户分布特征,确定用户分布范围、用户密度分布。例如,处理器可以对历史数据(比如,过去一周/一个月等等)进行统计分析,确定各个区域内的人员分布规律,基于各个区域内用户数量确定用户密度分布。又例如。处理器可以基于网格对空间进行划分,获得多个网格状的区域,基于用户分布特征统计不同区域内用户的数量,确定用户密度分布。
步骤220,基于用户分布范围的边缘确定扫风范围。
扫风范围是指可转动叶片能够转动(如,左右摆动、上下摆动)的角度范围,扫风范围决定风向控制装置的送风角度和覆盖面积。
关于可转动叶片的更多内容,可以参见图1的相关描述。
在一些实施例中,处理器可以基于用户分布范围的边缘,通过多种方式确定扫风范围。例如,处理器可以将用户分布范围作为扫风范围。又例如,处理器可以将用户分布范围以及用户分布范围之外的预设区域作为扫风范围。
预设区域是指用户分布范围的边缘之外的部分区域。例如,边缘可以是用户分布范围对应的分界线。边缘可以用不同的线段,例如,直线、曲线等表示。
在一些实施例中,预设区域可以是距离用户分布范围的边缘预设距离的区域。在一些实施例中,可以将位于用户分布范围的边界之外,且与用户分布范围的边界之间的距离为预设距离的点进行连接,得到用户分布范围之外的预设区域。预设距离可以是系统默认值、经验值、人为预先设定值等或其任意组合,可以根据实际需求设定,本说明书对此不做限制。
步骤230,基于用户密度分布确定扫风速度。
扫风速度是指可转动叶片转动的速度,例如,扫风速度可以是单位时间内可转动叶片转过的角度。
在一些实施例中,处理器可以基于用户密度分布,通过多种方式确定扫风速度。例如,不同用户密度分布可以对应不同的扫风速度。在一些实施例中,不同用户密度分布与不同的扫风速度的对应关系可以由处理器预先设定,示例性的,在扫风范围内,用户密度分布越大的区域,扫风速度越慢;用户密度分布越小的区域,扫风速度越快。
在一些实施例中,处理器可以根据具体的使用场景和需求来决定合适的扫风范围和扫风速度。例如,如果空间较大或者需要快速制冷/制热,可以选择较大的扫风范围和较高的扫风速度。如果空间较小或者需要柔和的送风,可以选择较小的扫风范围和较低的扫风速度。
在一些实施例中,处理器可以基于扫风速度、扫风范围,确定风向控制参数,生成风向控制指令,发送至风向控制装置,以控制风向控制装置调整出风口的风流的方向或速度。
步骤240,基于环境监测数据、用户调节数据,确定用户偏好数据。
环境监测数据是用于表征空间内/外的各个环境状况的数据。例如,环境监测数据可以包括空间内/外的温度数据、湿度数据、空气中的氧含量数据等。
在一些实施例中,环境监测数据可以由环境监测单元采集后,定期或实时上传至处理器。在一些实施例中,环境监测数据可以由环境监测单元采集后实时上传至存储模块中存储,处理器可以定期或实时从存储模块中读取环境监测数据。
用户调节数据是指用户主动对暖通设备控制系统进行操作以调节室内的各种环境的数据。调节的对象可以是设定参数或处理器确定的各个组件的运行参数。
例如,用户调节数据可以包括用户调节温度的数据、开启加湿装置/除湿装置的数据、开启通风单元的数据、调整风向的数据、调节时间等。其中,用户调节温度的数据是指与温度的调整相关的数据,例如,用户调节温度的数据可以包括温度的调节方向、温度的调节幅度等。温度的调节幅度是指温度相较于调节前的变化量。调节方向可以包括调大或调小等。调整风向的数据是指与扫风范围、扫风速度的调整有关的数据,例如,调整风向的数据可以包括扫风范围的调节幅度、扫风速度的调节幅度等。
在一些实施例中,处理器可以与风向控制装置、温度控制单元、湿度控制单元、通风单元等通信连接,处理器可以在一定情况下(例如,实时、间隔或一定情况下触发)获取风向控制装置、温度控制单元、湿度控制单元、通风单元等的设备日志,确定用户调节数据。设备日志用于记录设备的运行状态。例如,设备日志包括设备的启动时间、停止时间、以及用户对设备的操作记录等。设备可以是风向控制装置、温度控制单元、湿度控制单元、通风单元等中一个或多个组件。
用户偏好数据是指与用户对各个环境数据的喜好、偏好和需求相关的数据。例如,用户偏好数据可以通过向量的方式表示为(A1,A2,A3,…),其中,A1,A2,A3分别表示用户偏好的温度、湿度、含氧量等参数。
需要说明的是,在某个温度、湿度的环境下,用户在短时间内可能会觉得舒服,但是长时间的情况下用户可能就会觉得不适,因此用户偏好数据随着时间的推移而变化。
在一些实施例中,用户偏好数据可以包括不同时间段内用户对空间内部的温度、湿度、通风周期的偏好数据。例如,用户偏好数据可以是由不同时间段的用户偏好的环境数据组成的序列。又例如,用户偏好数据还可以表示为特定的曲线(如,温度曲线、湿度曲线、含氧量曲线等)。特定的曲线可以用于表示不同时间段内用户偏好的环境数据。
在一些实施例中,处理器可以基于环境监测数据、用户调节数据,通过多种方式确定用户偏好数据。例如,处理器可以对历史的环境监测数据(比如,过去一周/一个月等等)进行统计分析,将持续时间大于时间阈值的环境监测数据确定为用户偏好数据。
又例如,处理器可以对历史一段时间内(比如,过去一周/一个月等等)的风向控制装置、温度控制单元、湿度控制单元、通风单元等的设备日志进行统计分析,将出现的次数大于次数阈值的用户调节数据确定为用户偏好数据。时间阈值、次数阈值可以是系统预设值、系统默认值等。持续时间是指某个环境监测数据从开始到变化所经历的时间长度。
示例性的,当环境监测数据为:温度24℃、湿度55%、含氧量高于20%,两小时后用户对空间中的设定参数进行调整,表示该环境监测数据下用户的舒适度较高,处理器可以将该环境监测数据确定为用户偏好数据。
在一些实施例中,用户偏好数据还可以包括调节条件及其对应的用户调节数据。调节条件是衡量用户是否主动调节设定参数或运行参数的判断条件。例如,调节条件可以包括温度超过温度阈值且持续时间大于时间阈值、湿度大于湿度阈值等。
示例性的,当室内实际的温度为26℃且未开启通风单元,1小时后用户可以通过操作空调遥控器或显示界面对设定参数(如,设定温度)设定进行调整:调低3℃、开启通风单元,则处理器可以确定用户调节数据为:调低设定温度;调低3℃,并开启通风单元,调节条件为:实际的温度超过26℃并持续1小时以上。
在一些实施例中,处理器可以对一段时间内(如,过去一个月,过去半年等)的用户调节数据进行统计,当某个用户调节数据出现的次数大于对应的阈值时,处理器可以将该用户调节数据确定为用户偏好数据。阈值可以基于经验或实验确定。
需要说明的是,当空间内的窗户或门没有很好地密封,或者室内的隔热效果不好,或室内的人员数量较多,或者设备产生大量的热量时,室内的设定温度与空间内的实际温度通常不一致,因此用户调节的温度/湿度为设定温度/设定湿度。
步骤250,根据用户偏好数据确定调控参数,基于调控参数确定至少一组控制指令,以控制温度控制单元、湿度控制单元、通风单元中的至少一个的运行。
调控参数是指对暖通设备控制系统中组件在运行过程的参数进行调节与设置的数据,通过确定调控参数,可以改变暖通设备控制系统中一个或多个组件的运行状态和结果。例如,调控参数可以包括温度控制参数、湿度控制参数、通风控制参数等。其中,温度控制参数用于控制温度控制单元对温度的调节方向、温度的调节幅度等;湿度控制参数用于控制加湿装置、除湿装置的开启时间/关闭时间等;通风控制参数用于控制通风单元的开启时间、开启时长等。调节幅度用于对温度的大小进行调整。
在一些实施例中,处理器可以基于当前时间的环境监测数据判断是否满足调节条件;若满足,则将对应的用户偏好数据作为调控参数。
控制指令是用于控制暖通设备控制系统中一个或多个组件运行的指令。
在一些实施例中,控制指令可以指用于控制温度控制单元、湿度控制单元、通风单元等工作的指令。在一些实施例中,控制指令可包括一个或多个指令。例如,与温度控制参数对应的温度调控指令;与湿度控制参数对应的湿度调控指令;与通风控制参数对应的通风调控指令等。
关于温度控制单元、湿度控制单元、通风单元的更多内容,可以参见图1的相关描述。
在一些实施例中,处理器可以将控制指令发送到对应的装置(如温度控制单元、湿度控制单元、通风单元等),以控制对应装置的运行。例如,处理器可以将温度调控指令发送到温度控制单元,控制温度控制单元对空间内的温度进行调节(如升温或降温)。又例如,处理器可以将通风调控指令到通风单元,以控制通风单元的开启/关闭。
在一些实施例中,处理器可以将历史同时期的历史控制指令,确定为当前的控制指令。
在一些实施例中,处理器可以基于历史生产经验确定不同用户偏好数据及对应调控参数的预设表,通过查表的方式确定当前的调控参数。处理器可以基于调控参数,生成控制指令,控制温度控制单元、湿度控制单元、通风单元等至少一个的运行,对空间中的环境数据进行调节。
在一些实施例中,暖通设备控制系统的控制方法还包括:基于预设时段内的环境监测数据、用户调节数据、用户分布特征,确定用户偏好数据及对应的索引标签;基于用户偏好数据及对应的索引标签,建立偏好数据库。
预设时段内是指预先设置的一段历史时间范围。例如,预设时段内可以是过去一个月、过去半年等。
偏好数据库是用于存储、索引和查询向量的数据库。偏好数据库可以存储多个参考向量及每个参考向量对应的用户偏好数据。
在一些实施例中,处理器可以将索引标签确定为参考向量。
索引标签是偏好数据库中用于索引的特定信息。
在一些实施例中,数据库可以基于大量历史数据构建。例如,在历史数据中,将持续时间大于时间阈值的历史环境监测数据、将出现的次数大于次数阈值的历史用户调节数据确定为用户偏好数据,将用户偏好数据的时间戳对应的历史用户分布特征确定为参考向量。
在一些实施例中,时间戳可以是用户偏好数据产生的时间。例如,当用户偏好数据为环境监测数据时,时间戳为环境监测数据的开始时间;当用户偏好数据为用户调节数据时,时间戳为用户调整环境数据的时间。
在一些实施例中,处理器可以将偏好数据库存储在存储模块中。
在一些实施例中,处理器可以将用户分布特征作为索引标签,并基于用户分布特征的索引标签创建单列索引。例如,处理器将用户分布特征按照预设规则(如,基于用户分布特征采集的时间)进行排序,将排序后的用户分布特征及其对应的存储地址对应存储。存储地址是指偏好数据库中存储有用户偏好数据的地址。
在本说明书的一些实施例中,通过建立偏好数据库,并合理地建立索引标签,可以提高数据库的性能和查询效率。
在一些实施例中,用户偏好数据的索引标签还可以包括室外气候数据,处理器可以基于环境监测单元获取用户偏好数据对应的室外气候数据;将室外气候数据加入索引标签中。
室外气候数据是指空间外部的环境数据,例如,室外气候数据包括空间外部的温度、湿度、风力等数据。
需要说明的是,用户对空间内部的环境数据的偏好情况可能会受空间外部的环境影响。例如,当用户从32℃的室外进入27℃的室内会感到凉爽,当用户从28℃的室外进入27℃的室内可能会感觉不够凉爽,因此需要将空间内部的温度调整为25℃。
在一些实施例中,索引标签可以包括至少两个级别。每个级别中可以包括至少一个索引标签。每个较高级别的索引标签可以比较低级别的索引标签具有更高的搜索优先级。例如,一组索引标签中的第一级索引标签可以是“用户分布特征”,第二级索引标签可以是“室外气候数据”。
在一些实施例中,处理器可以将室外气候数据作为索引标签,并基于室外气候数据的索引标签创建单列索引。在一些实施例中,处理器还可以将用户分布特征、室外气候数作为索引标签创建复合索引。
在本说明书的一些实施例中,通过增加室外气候数据作为索引标签,使得偏好数据库能够根据多个列的组合快速定位到偏好数据库中的特定的用户偏好数据,加速检索操作,提高查询性能。
在本说明书的一些实施例中,通过分析用户偏好数据,确定调控参数,可以提供更加个性化的服务,实现根据用户的习惯自动调节空间内的温度和湿度,提高用户的舒适度;通过智能调节空间内的环境数据,可以有效地减少能源的浪费,节省能源。
应当注意的是,上述有关流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的偏好模型的示例性示意图。
在一些实施例中,如图3所示,处理器可以基于用户调节数据311、环境监测数据312,确定用户的连续调节特征313;基于用户调节数据311、环境监测数据312、连续调节特征313、用户分布特征314,通过偏好模型320确定至少一个时间段的用户偏好数据330。
用户的连续调节特征是反映用户连续多次调节的特点的数据。例如,用户的连续调节特征可以包括每一次调节的调节方向、调节幅度、调节时间间隔、调节时间前后的环境监测数据等。其中,调节时间间隔是指相较于前一次调节之间的时间间隔。
在一些实施例中,用户的连续调节特征可以通过序列或矩阵等多种形式表示。例如,用户的连续调节特征可以采用序列形式{A,B,C,…}表示,序列中的A,B,C元素分别表示不同调整时间的连续调节特征。在一些实施例中,序列中的各个元素可以包括多个子元素,仅作为示例,时间A的连续调节特征可以表示为(A1、A2、……),其中,A1表示调整时间A时的调节方向、A2表示调整时间A时的调节幅度。
需要说明分是,用户每一次调节之后,当舒适度仍不满足要求时,会再次调节,直到满足舒适度要求,通过连续调节特征可以过滤掉由于某次调节不到位而继续调节的数据,避免对判断用户偏好数据时产生的干扰,筛选出用户由于某个环境数据的持续时间过长而进行调节的数据。
在一些实施例中,处理器可以基于每一次的用户调节数据,判断相邻两次调节时间间隔是否满足预设条件,响应于是,确定为连续调节;基于多个连续调节的用户调节数据,确定连续调节特征。例如,处理器可以将多次连续调节的用户调节数据组合为连续调节特征。其中,连续调节的用户调节数据可以包括一段时间内用户多次连续调节的用户调节数据。
预设条件是评估相邻两次调节是否为连续调节的判断条件。例如,预设条件可以包括相邻两次调节的调节时间间隔小于预设时间。预设时间可以是系统预设值、系统默认值等。
示例性的,用户在10:00、10:15、10:25、10:34、10:50分别对环境数据进行调节,预设时间为15分钟,则10:00与10:15的调节为连续调节;10:15与10:25之间的调节为连续调节;10:25与10:34之间的调节为连续调节;将10:00、10:15、10:25、10:34的用户调节数据作为连续调节的用户调节数据,确定为连续调节特征。
在一些实施例中,处理器可以对用户调节数据、环境监测数据基于调节时间进行匹配,得到至少一个单次调节特征;基于单次调节特征之间的调节差异确定连续调节特征。
单次调节特征是反映用户某一次调节的特点的数据。例如,单次调节特征可以包括用户某一次调节时的调节时间、调节幅度、调节方向等中的至少一种。
匹配是指将用户调节数据与环境监测数据进行关联的过程。例如,匹配的用户调节数据与环境监测数据在时间上具有因果关系。
在一些实施例中,处理器可以基于用户的每一次调节,根据该次调节的调节时间在环境监测数据中进行检索,获得调节时间前后的环境监测数据,将该次的调节时间、调节时间前的环境监测数据、调节方向、调节幅度作为单次调节特征。
调节时间前后的环境监测数据是指某一次调节的调节时间之前和之后的一段时间的环境监测数据。例如,一段时间可以是系统预设值、系统默认值等,示例性的,一段时间可以是前后1分钟、前后2分钟等。
调节差异是指相邻两次调节的单次调节特征之间的差异。例如,调节差异可以包括相邻两次调节的调节时间间隔、每一次调节的调节方向、每一次调节的调节幅度、每一次调节的调节时间前后的环境监测数据等。
在一些实施例中,基于用户的每一次调节,处理器可以判断该次调节的调节时间之前的环境监测数据是否为平稳环境数据;若否,则将该次调节作为上一次调节的连续调节;将连续调节中相邻两次调节的调节差异等作为连续调节特征。
平稳环境数据用于衡量环境监测数据的变化是否平稳。平稳环境数据可以用于表示暖通设备控制系统中的运行参数不发生变化,或空间内的环境数据(如,温度、湿度)不发生变化或发生变化较小。
在一些实施例中,处理器可以通过多种方式确定环境监测数据是否为平稳环境数据。例如,处理器可以统计环境监测数据的持续时长;响应于持续时长超过预设持续时长,将该环境监测数据作为平稳环境数据。预设持续时长可以基于实验或经验确定。
在一些实施例中,预设持续时长可以相关于感知延时、行动延时。例如,预设持续时长与感知延时、行动延时正相关,感知延时越长、行动延时越长,预设持续时长越长。又例如,预设持续时长为感知延时和行动延时之和。
在本说明书的一些实施例中,若用户在环境监测数据还没有平稳就进行的调节,说明当前的环境监测数据不能让用户感到舒适,需要继续进行的调整,将该调节作为上一次调节的连续调节,可以避免误判用户偏好(毕竟这样的调节没有达到用户的需求),使得偏好模型的预测更为准确。
偏好模型是用于确定至少一个时间段的用户偏好数据的模型。在一些实施例中,偏好模型可以是机器学习模型。例如,偏好模型可以为下文中自定义结构的机器学习模型。偏好模型还可以是其他结构的机器学习模型,例如,循环神经网络(Recurrent NeuralNetwork,RNN)模型、深度神经网络(Deep Neural Network,DNN)模型中的任意一种或组合。
在一些实施例中,偏好模型的输入可以包括用户调节数据、环境监测数据、连续调节特征、用户分布特征,输出可以包括至少一个时间段的用户偏好数据。
在一些实施例中,如图3所示,偏好模型的输入还包括感知延时315、行动延时316。
感知延时是指空间内的环境让用户感到不舒适所需的时长。
需要说明的是,用户对环境的不舒适感是逐渐产生的,当不舒服的感觉累积到一定程度后会促使得用户主动去调节系统的各项参数。
行动延时是指用户感知到不舒适到用户实际进行调节所需的时长。
需要说明的是,行动延时是指当这种不舒服的感觉出现时用户可能不会马上去调节,而是等待一段时间再去调节。
在一些实施例中,处理器可以通过多种方式确定感知延时、行动延时。例如,处理器可以通过向用户发送调查问卷,询问用户感觉不舒适时的时间点及其对应的环境监测数据,获得上述时间点之前的最近的平稳环境数据;根据最近的平稳环境数据的开始时间和用户感觉不适的时间点的差值,计算得到感知延时;获得上述时间点之后的最近的用户调节数据,根据用户感觉不适的时间点和最近的用户调节数据的调节时间的差值,计算得到行动延时。
在本说明书的一些实施例中,通过感知延时、行动延时,避免以用户调节的时间点为时间界限判断用户在一个时间段的偏好数据,而忽略用户在实际调节前的不适的感受,导致确定的偏好数据不准确,避免将使用户不适的环境监测数据确定为用户偏好数据。
在一些实施例中,偏好模型可以基于大量带有第一标签的第一训练样本,通过各种可行的方式训练得到。例如,可以基于梯度下降法进行参数更新。示例性的训练过程包括:将多个带有第一标签的第一训练样本输入初始偏好模型,通过第一标签和初始偏好模型的结果构建损失函数,基于损失函数通过梯度下降或其他方法迭代更新初始偏好模型的参数。当满足预设条件时模型训练完成,得到训练好的偏好模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第一训练样本可以包括多组训练样本,每一组训练样本至少包括样本用户调节数据、样本环境监测数据、样本连续调节特征、样本用户分布特征。第一训练样本可以基于历史数据获得。
在一些实施例中,第一标签可以包括第一训练样本对应的实际的用户偏好数据,第一标签可以通过处理器或人工标注获得。例如,可以通过大量的用户或者测试人员的反馈确定用户偏好数据。例如,对于安装有暖通设备控制系统的空间内的用户/测试人员,当用户/测试人员对系统进行操作以调节环境数据时,处理器通过显示屏或扬声器向用户发送调查问卷或询问,获得第一标签。例如,处理器可以通过调查问卷获得用户的调节原因,确定第一标签,调节原因可以包括无法达到最舒适的环境数据,或之前感觉舒适、但过一段时间后感觉不适等。
示例性的,当用户对环境数据进行调节时,通过调查问卷获得用户反馈的调节原因。处理器可以提取调节原因中的关键词,当关键词为“之前感觉舒适,后感觉不适”时,将该次调节前的一时间段内的环境监测数据作为该时间段内的用户偏好数据,依次类推,在用户每一次调节时,通过上述类似询问的方式,得到每一个时间段的用户偏好数据,将各个时间段的用户偏好数据确定为第一标签。时间段是指环境监测数据的持续时间。
在一些实施例中,当偏好模型的输入还包括感知延时、行动延时,第一训练样本还可以包括样本感知延时、样本行动延时。
在一些实施例中,处理器可以通过上述方法基于初始的训练数据训练得到预训练的偏好模型;在用户实际使用的过程中,处理器可以基于与图2相类似的方式,获取用户偏好数据作为强化样本的标签,将用户偏好数据对应的用户调节数据、环境监测数据、连续调节特征、用户分布特征作为强化样本,基于大量强化样本对偏好模型进行再次训练,以优化偏好模型的参数。又例如,处理器可以将多个强化样本加入第一训练样本中,基于强化样本、第一训练样本,对偏好模型进行再次训练。强化训练是指通过高质量的强化训练样本对模型进行训练。
每个用户在实际实用过程中对温度、湿度的偏好不同,通过在样本中加入用户个性化信息(如,用户实际偏好的温度、偏好的湿度等),可以提高偏好模型的个性化预测能力。
在本说明书的一些实施例中,通过偏好模型,可以高效、准确的获得合适的用户偏好数据,提高对调控参数确定的准确性,有利于控制温度控制单元、湿度控制单元、通风单元的精准性,使空间内部的环境达到用户舒适的效果。
图4是根据本说明书一些实施例所示的确定调控参数的示例性示意图。
在一些实施例中,处理器获取室外气候数据;基于室外气候数据、用户分布特征,在偏好数据库中进行检索,确定用户偏好数据;基于用户偏好数据确定调控参数。
关于室外气候数据的更多内容,可以参见图2的相关描述。
在一些实施例中,处理器基于室外气候数据、用户分布特征中的至少一个,生成检索向量,基于检索向量在偏好数据库中进行检索,获取符合匹配条件的参考向量对应的用户偏好数据。
其中,匹配条件可以指用于确定目标向量的判断条件。匹配条件可以包括与检索向量的向量距离小于距离阈值、向量距离最小等。计算向量距离有多种方法,例如欧式距离、余弦距离等。
在一些实施例中,处理器基于用户偏好数据,通过多种方式确定调控参数。例如,处理器可以基于历史数据确定不同用户偏好数据及对应的调控参数的预设表,通过查表的方式确定当前的调控参数。又例如,处理器基于用户偏好数据,基于与图2中相类似的方式,确定调控参数。
在一些实施例中,如图4所示,处理器获取出风口位置411;根据出风口位置对空间进行划分,获得每个出风口对应的有效区域412;基于有效区域的用户分布特征413、室外气候数据414以及偏好数据库415,确定每个出风口的调控参数460。
出风口位置是指空间内每个出风口的位置。
在一些实施例中,处理器可以从存储模块中获取空间的三维模型,基于空间的三维模型获得每一个出风口的位置。三维模型是用于表示空间内部场景的三维模型。在一些实施例中,空间的三维模型可以用于表示空间内部空间结构以及位于空间内部的一个或多个对象。示例性的一个或多个对象可包括出风口、用户等。
有效区域是指出风口的风流能够达到的室内区域。
在一些实施例中,处理器可以通过多种方式对空间进行划分,获得每个出风口对应的有效区域。例如,处理器可以获取每个出风口的辐射半径,基于每个出风口的辐射半径,确定每个出风口对应的有效区域。示例性的,每个出风口对应的有效区域为以出风口为圆心,辐射半径为半径的半圆。其中,辐射半径是指出风口的风流向周围扩散的距离。辐射半径可以从暖通设备的厂家获得或通过实际测量获得。出风口对应的有效区域还可以是其他形状,如,以辐射半径为边长的正方形等,出风口可以位于正方形的边上。
在一些实施例中,如图4所示,处理器可以基于有效区域的用户分布特征413、室外气候数据414建立检索向量,在偏好数据库415中进行检索,获取符合匹配条件的参考向量对应的用户偏好数据,确定为有效区域的用户偏好数据416。关于检索的更多内容,可以参见图4上文的相关描述。在一些实施例中,处理器可以将每个有效区域的用户偏好数据416确定为每个出风口的调控参数460。
需要说明的是,对于同一个空间,暖通设备将产生的新风分配至多个出风口,多个出风口的风流的温度是大致相同的,可以通过调节不同出风口的开度,调节出风量的大小,控制不同出风口对应的有效区域的温度。分配可以是平均分配或基于指定规则分配。
在一些实施例中,每个出风口的位置设置有出风阀门,处理器可以通过对出风阀门的开启程度进行调节,从而控制出风口风流流量的大小,以满足不同的通风需求,对应的,出风口的调控参数包括出风口的开度控制参数,开度控制参数用于控制出风阀门开启的角度或者通过的风流量。在一些实施例中,开度控制参数可以用百分数表示,例如,开度控制参数为20%。
在一些实施例中,处理器可以通过多种方式确定风流的温度。例如,处理器可以获取多个有效区域的用户偏好数据,基于多个有效区域中的温度的均值、众数或者最大值,确定调控参数中的温度控制参数,基于温度控制参数生成温度控制指令发送至温度控制单元,控制温度控制单元运行,以使暖通设备产生的新风达到风流的温度。
在一些实施例中,处理器可以通过多种方式确定不同出风阀门的开度。例如,处理器可以基于历史数据确定不同用户偏好数据及对应出风阀门的开度的预设表,通过查表的方式确定各个有效区域对应的出风阀门的开度。
在一些实施例中,处理器与出风阀门进行通信连接,处理器可以基于各个有效区域对应的出风口的开度,确定各个出风口的开度控制参数,基于开度控制参数,确定阀门控制指令并发送至对应的出风阀门。
在本说明书的一些实施例中,对不同出风口根据对应区域的用户分布特征,确定更详细的调控参数,可以更快地满足空间内多个位置的用户的需求,同时通过调节不同出风口的开度,可以使得人流较多的区域升温更快、降温更慢(呼吸等产生的热量),对不同有效区域分别控制有利于节约能源。
在一些实施例中,如图4所示,处理器基于每个出风口的有效区域412、有效区域的用户分布特征413、室外气候数据414、偏好数据库415,确定至少一组候选调控参数组417;基于每个出风口的有效区域412、环境监测数据312、候选调控参数组417构建分析图谱420;将分析图谱420输入暖通分析模型430,确定候选调控参数组对应的室内环境数据440;基于室内环境数据440与有效区域的用户偏好数据416的符合程度,确定目标调控参数组450。
候选调控参数组是指待被确定为目标调控参数组的候选调控参数的组合。每个出风口各自对应一个候选调控参数。候选调控参数组可以是由至少一个出风口的候选调控参数组构成的序列。例如,候选调控参数组中可以包括每个出风口对应的候选调控参数。
在一些实施例中,处理器可以通过多种方式确定多个候选调控参数组。例如,控制系统可以通过随机生成的方式,确定多个候选调控参数组。又例如,处理器可以基于出风口对应的历史数据确定候选调控参数。例如,处理器可以将出风口对应的历史调控参数的平均值确定为候选调控参数。
在一些实施例中,对于每个有效区域,处理器可以基于有效区域的用户分布特征、室外气候数据,基于与图4上文中在偏好数据库中检索相类似的方式,确定每个有效区域的用户偏好数据;基于有效区域的用户偏好数据,根据基于图2中判断是否满足偏好数据条件的相类似的方式,若有效区域对应的环境监测数据满足调节条件,则将有效区域的用户偏好数据确定为该有效区域的第一候选调控参数;根据该有效区域的用户分布特征对第一候选调控参数进行调整,得到该有效区域第二候选调控参数。关于调节条件的更多内容,可以参见图2的相关描述。
在一些实施例中,对于每一个有效区域,处理器可以根据该有效区域的用户分布特征,通过预设规则对第一候选调控参数进行调整。示例性的,预设规则为:湿度的调节幅度与有效区域的人口密度负相关,有效区域的人口密度越大,调节幅度越小;出风阀门的开度与有效区域的人口密度正相关,有效区域的人口密度越大,出风阀门的开度越大。
在一些实施例中,处理器可以将每个出风口对应的第一候选调控参数,作为一组候选调控参数组,将每个出风口对应的第二候选调控参数,作为另一组候选调控参数组。
分析图谱表示出风口的有效区域及其之间关系的图谱。在一些实施例中,分析图谱是由节点和边组成的数据结构,边连接节点,节点和边可以具有各自的特征。如图4所示,分析图谱的节点可以包括节点1、节点2、节点3、节点4与节点5。
节点与出风口对应的有效区域对应。节点特征可以反映与出风口相关的信息。例如,节点特征可以包括出风口在有效区域中的位置、出风口的候选调控参数、出风口对应的有效区域内的用户分布特征、有效区域对应的环境监测数据等。
有效区域对应的环境监测数据是指有效区域对应的第一预设点的温度传感器、湿度传感器、含氧量传感器等检测到的环境数据。不同的第一预设点位的温度传感器、湿度传感器、含氧量传感器,可以用于监控不同有效区域分内的温度、湿度、含氧量等,一个第一预设点位的传感器可以用监控一个或多个有效区域的温度、湿度、含氧量。
边可以与出风口的有效区域之间关系对应。例如,相邻的两个有效区域之间具有边。在一些实施例中,边可以为有向边,相邻的两个有效区域之间的热量传递的方向或湿气的流动方向为边的方向。在室内,如果存在温差和湿度差,热量和湿气会自动从高温高湿的有效区域流向低温低湿的有效区域,处理器可以确定各个有效区域的温度或湿度,在相邻的两个有效区域中,将高温高湿的有效区域确定为边的起点,将低温低湿的有效区域确定为边的终点。边的特征反映与出风口的位置相关的信息。例如,边的特征可以包括相邻出风口之间的距离。
节点和边的特征可以基于输入数据用各种方法确定。方法可以是上述实施例中说明的方法,也可以是其他方法。输入数据可以包括每个出风口的有效区域、有效区域的用户分布特征、环境监测数据、偏好数据库等,也可以包括历史的每个出风口的有效区域、历史的有效区域的用户分布特征、历史的环境监测数据、历史的偏好数据库。
暖通分析模型是用于确定候选调控参数组对应的室内环境数据的模型。在一些实施例中,暖通分析模型可以是机器学习模型。例如,暖通分析模型可以是神经网络模型。又例如,暖通分析模型可以是图神经网络模型(Graph Neural Network,GNN)。
在一些实施例中,暖通分析模型的输入可以包括分析图谱,输出可以包括各个节点对应的室内环境数据。
室内环境数据是指有效区域的环境数据,例如,室内环境数据包括各个有效区域的温度、湿度、风力等数据。
在一些实施例中,暖通分析模型可以基于训练数据训练获得。训练数据包括第二训练样本以及第二标签。例如,第二训练样本可以包括样本分析图谱,第二标签可以为节点对应的有效区域内的室内环境数据。样本分析图谱的节点及其特征、边及其特征与上述说明类似。第二训练样本可以基于历史数据确定,第二标签以由处理器或人为标注确定。
在一些实施例中,对于每一组候选调控参数组,处理器可以分别确定对应的分析图谱,并执行暖通分析模型,输出与该组候选调控参数组对应的室内环境数据。
符合程度是指对同一有效区域的室内环境数据与用户偏好数据之间的相似性或相似程度。
在一些实施例中,对于每个有效区域,处理器可以通过多种方式确定符合程度。例如,符合程度可以通过计算相似系数、欧几里得距离、曼哈顿距离、余弦相似度等确定。
在一些实施例中,对于每个有效区域,处理器判断室内环境数据与用户偏好数据的符合程度是否满足预设要求:若是,则将对应的候选调控参数作为目标调控参数;若否,判断室内环境数据与用户偏好数据的大小关系,若大于,则对候选调控参数进行调小处理,将调小处理后的候选调控参数确定为该有效区域的目标调控参数;若小于,对候选调控参数执行调大处理,将调大处理后的候选调控参数确定为该有效区域的目标调控参数。
预设要求是评估如何确定目标调控参数的判断条件。例如,预设要求可以包括符合程度大于相似阈值等。相似阈值可以基于实验或经验确定。
有效区域的目标调控参数是指与有效区域相关的调控参数。通过有效区域的目标调控参数,可以调整有效区域中的环境数据(如,湿度、出风阀门开度等)。例如,目标调控参数可以包括湿度的调节幅度、湿度的调节方向、出风阀门的开度的调节幅度等。
在一些实施例中,调小处理包括:执行多轮迭代,基于迭代结果获得调小处理后的候选调控参数,其中至少一轮所述迭代包括:将当前轮迭代的候选调控参数调小,基于调小后的候选调控参数,重新建立分析图谱,将重新建立的分析图谱输入至暖通分析模型,获得各个节点对应的室内环境数据;响应于第一迭代条件被满足,结束迭代,将调小后的候选调控参数作为迭代结果;响应于第一迭代条件未被满足,基于调小后的候选调控参数作为下一轮迭代的候选调控参数继续下一轮迭代。
调小是指将候选调控参数中的数值调小(如,湿度调节幅度、阀门开度等)的过程。在一些实施例中,处理器可以通过多种方式进行调小。例如,处理器可以将候选调控参数中的各个数值减去调小量,确定调小后的候选调控参数。调小量可以是随机生成的数值或系统预设值等。在一些实施例中,不同类型的参数对应不同的调小量。不同类型的参数是指候选调控参数中代表不同物理量的参数。例如,不同类型的参数可以包括湿度调节幅度、阀门开度等。
第一迭代条件是评估调小处理的迭代是否停止的判定条件。在一些实施例中,第一迭代条件可以包括迭代更新的次数已经达到第一次数阈值、调小处理后的候选调控参数对应的室内环境数据与用户偏好数据的符合程满足预设要求等。其中,第一次数阈值可以是系统默认值、系统预设值等。
在一些实施例中,调大处理包括:执行多轮迭代,基于迭代结果获得调大处理后的候选调控参数,其中至少一轮所述迭代包括:将当前轮迭代的候选调控参数调大,基于调大后的候选调控参数,重新建立分析图谱,将重新建立的分析图谱输入至暖通分析模型,获得各个节点对应的室内环境数据;响应于第二迭代条件被满足,结束迭代,将调大后的候选调控参数作为迭代结果;响应于第二迭代条件未被满足,基于调大后的候选调控参数作为下一轮迭代的候选调控参数继续下一轮迭代。
调大是指将候选调控参数中的数值调大(如,湿度调节幅度、阀门开度等)的过程。在一些实施例中,处理器可以通过多种方式实现进行调大。例如,处理器可以将候选调控参数中的各个数值减去调大量,确定调大后的候选调控参数。调大量可以是随机生成的数值或系统预设值等。在一些实施例中,不同类型的参数对应不同的调大量。不同类型的参数是指候选调控参数中代表不同物理量的参数。例如,不同类型的参数可以包括湿度调节幅度、阀门开度等。
第二迭代条件是评估调大处理的迭代是否停止的判定条件。在一些实施例中,第二迭代条件可以包括迭代更新的次数已经达到第二次数阈值、调大处理后的候选调控参数对应的室内环境数据与用户偏好数据的符合程满足预设要求等。其中,第二次数阈值可以是系统默认值、系统预设值等。
在第一轮迭代中候选调控参数可以是未经过调小处理或调大处理的候选调控参数。
在一些实施例中,如图4所示,处理器可以基于上述方式,确定每一个有效区域的目标调控参数,基于每一个有效区域的目标调控参数,组成目标调控参数组450,将目标调控参数组450确定为每个出风口的调控参数460。
在本说明书的一些实施例中,多个有效区域内的环境数据会随着空气的流动、热传递、用户的流动而变化的,通过图结构综合考虑空间内的空气流动、热量传递带来的空间内的环境数据的变化,使得最终预测的室内环境数据更为准确。
在本说明书的一些实施例中,通过偏好数据库中进行检索,可以有效并准确的获得用户偏好数据,有利于根据用户的习惯设置空间内的环境数据,提高用户的舒适性的同时,提高调控的精准性。
本说明书的一个或多个实施例中还提供一种移动终端控制装置,包括处理设备,所述处理设备用于执行如上任一实施例所述的一种暖通设备控制系统的控制方法。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如上任一实施例所述的一种暖通设备控制系统的控制方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种暖通设备控制系统,其特征在于,所述系统包括环境监测单元、人体检测单元、风向控制装置、温度控制单元、湿度控制单元、通风单元、处理器;
所述环境监测单元包括部署于空间中多个第一预设点位的温度传感器、湿度传感器、含氧量传感器;
所述人体检测单元包括部署于所述空间中多个第二预设点位的人体传感器,所述人体检测单元被配置为检测所述空间内用户的用户分布特征;
所述风向控制装置包括安装于出风口的可转动叶片,所述风向控制装置被配置为基于风向控制参数控制所述空间内的通风,所述风向控制参数包括扫风范围、扫风速度;
所述温度控制单元被配置为调节所述空间内的温度;
所述湿度控制单元包括加湿装置、除湿装置,所述湿度控制单元被配置为调节所述空间内的湿度;
所述通风单元被配置为将室外的新鲜空气通入所述空间内,并将所述空间内的污浊空气排出室外;
所述处理器被配置为:
基于所述用户分布特征,确定用户分布范围、用户密度分布;
基于所述用户分布范围的边缘确定所述扫风范围;
基于所述用户密度分布确定所述扫风速度;
基于环境监测数据、用户调节数据,确定用户偏好数据;
根据所述用户偏好数据确定调控参数,基于所述调控参数确定至少一组控制指令,以控制所述风向控制装置、所述温度控制单元、所述湿度控制单元、所述通风单元中的至少一个的运行。
2.如权利要求1所述的暖通设备控制系统,其特征在于,所述处理器进一步被配置为:
基于预设时段内的所述环境监测数据、所述用户调节数据、所述用户分布特征,确定所述用户偏好数据及对应的索引标签;
基于所述用户偏好数据及对应的索引标签,建立偏好数据库。
3.如权利要求2所述的暖通设备控制系统,其特征在于,所述处理器进一步被配置为:
基于所述用户调节数据、所述环境监测数据,确定所述用户的连续调节特征;
基于所述用户调节数据、所述环境监测数据、所述连续调节特征、所述用户分布特征,通过偏好模型确定至少一个时间段的所述用户偏好数据,所述偏好模型为机器学习模型。
4.如权利要求1所述的暖通设备控制系统,其特征在于,所述处理器进一步被配置为:
获取室外气候数据;
基于所述室外气候数据、所述用户分布特征中的至少一个,在偏好数据库中进行检索,确定所述用户偏好数据;
基于所述用户偏好数据确定所述调控参数。
5.一种暖通设备控制系统的控制方法,其特征在于,所述方法由暖通设备控制系统的处理器实现,所述方法包括:
基于所述用户分布特征,确定用户分布范围、用户密度分布;
基于所述用户分布范围的边缘确定所述扫风范围;
基于所述用户密度分布确定所述扫风速度;
基于环境监测数据、用户调节数据,确定用户偏好数据;
根据所述用户偏好数据确定调控参数,基于所述调控参数确定至少一组控制指令,以控制所述风向控制装置、所述温度控制单元、所述湿度控制单元、所述通风单元中的至少一个的运行。
6.如权利要求5所述的控制方法,其特征在于,所述控制方法还包括:
基于预设时段内的所述环境监测数据、所述用户调节数据、所述用户分布特征,确定所述用户偏好数据及对应的索引标签;
基于所述用户偏好数据及对应的索引标签,建立偏好数据库。
7.如权利要求6所述的控制方法,其特征在于,所述基于环境监测数据、用户调节数据,确定用户偏好数据,包括:
基于所述用户调节数据、所述环境监测数据,确定所述用户的连续调节特征;
基于所述用户调节数据、所述环境监测数据、所述连续调节特征、所述用户分布特征,通过偏好模型确定至少一个时间段的所述用户偏好数据,所述偏好模型为机器学习模型。
8.如权利要求5所述的控制方法,其特征在于,所述根据所述用户偏好数据确定调控参数,包括:
获取室外气候数据;
基于所述室外气候数据、所述用户分布特征,在偏好数据库中进行检索,确定所述用户偏好数据;
基于所述用户偏好数据确定所述调控参数。
9.一种暖通设备控制装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求5~8中任一项所述的暖通设备控制系统的控制方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求5~8任一项所述的暖通设备控制系统的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410182610.1A CN117870122A (zh) | 2024-02-19 | 2024-02-19 | 一种暖通设备控制系统、控制方法、控制装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410182610.1A CN117870122A (zh) | 2024-02-19 | 2024-02-19 | 一种暖通设备控制系统、控制方法、控制装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117870122A true CN117870122A (zh) | 2024-04-12 |
Family
ID=90591970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410182610.1A Pending CN117870122A (zh) | 2024-02-19 | 2024-02-19 | 一种暖通设备控制系统、控制方法、控制装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117870122A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106440235A (zh) * | 2016-10-31 | 2017-02-22 | 邯郸美的制冷设备有限公司 | 一种空调及其送风控制方法和装置 |
CN107120782A (zh) * | 2017-02-28 | 2017-09-01 | 上海交通大学 | 一种基于多用户热舒适度数据的暖通系统控制方法 |
CN107314511A (zh) * | 2017-08-23 | 2017-11-03 | 广东美的制冷设备有限公司 | 空调设备的控制方法及装置、空调 |
CN109595759A (zh) * | 2018-11-30 | 2019-04-09 | 广东美的制冷设备有限公司 | 空调器、终端、控制方法及系统、计算机可读存储介质 |
CN109945439A (zh) * | 2019-03-29 | 2019-06-28 | 龙马智芯(珠海横琴)科技有限公司 | 一种室内环境参数控制方法及系统 |
US10443873B1 (en) * | 2016-02-03 | 2019-10-15 | Alarm.Com Incorporated | Energy reduction |
CN114442697A (zh) * | 2022-01-29 | 2022-05-06 | 美的集团(上海)有限公司 | 一种温度控制方法、设备、介质及产品 |
CN114526540A (zh) * | 2020-11-23 | 2022-05-24 | 广东美的制冷设备有限公司 | 空调器及其控制方法和计算机可读存储介质 |
WO2022161856A1 (de) * | 2021-01-29 | 2022-08-04 | Siemens Aktiengesellschaft | Verfahren und anordnung zum abgleichen eines raumklimas mit klimapräferenzen von raumnutzern |
CN117267905A (zh) * | 2023-09-12 | 2023-12-22 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调和存储介质 |
-
2024
- 2024-02-19 CN CN202410182610.1A patent/CN117870122A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10443873B1 (en) * | 2016-02-03 | 2019-10-15 | Alarm.Com Incorporated | Energy reduction |
CN106440235A (zh) * | 2016-10-31 | 2017-02-22 | 邯郸美的制冷设备有限公司 | 一种空调及其送风控制方法和装置 |
CN107120782A (zh) * | 2017-02-28 | 2017-09-01 | 上海交通大学 | 一种基于多用户热舒适度数据的暖通系统控制方法 |
CN107314511A (zh) * | 2017-08-23 | 2017-11-03 | 广东美的制冷设备有限公司 | 空调设备的控制方法及装置、空调 |
CN109595759A (zh) * | 2018-11-30 | 2019-04-09 | 广东美的制冷设备有限公司 | 空调器、终端、控制方法及系统、计算机可读存储介质 |
CN109945439A (zh) * | 2019-03-29 | 2019-06-28 | 龙马智芯(珠海横琴)科技有限公司 | 一种室内环境参数控制方法及系统 |
CN114526540A (zh) * | 2020-11-23 | 2022-05-24 | 广东美的制冷设备有限公司 | 空调器及其控制方法和计算机可读存储介质 |
WO2022161856A1 (de) * | 2021-01-29 | 2022-08-04 | Siemens Aktiengesellschaft | Verfahren und anordnung zum abgleichen eines raumklimas mit klimapräferenzen von raumnutzern |
CN114442697A (zh) * | 2022-01-29 | 2022-05-06 | 美的集团(上海)有限公司 | 一种温度控制方法、设备、介质及产品 |
CN117267905A (zh) * | 2023-09-12 | 2023-12-22 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、空调和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11553618B2 (en) | Methods and systems of building automation state load and user preference via network systems activity | |
CN110726229B (zh) | 空调器的控制方法及装置、存储介质及处理器 | |
US10126010B2 (en) | Controlling system for environmental comfort degree and controlling method of the controlling system | |
TWI617200B (zh) | 智能空調控制系統及其智能控制方法 | |
US11788755B2 (en) | System and method for personalized thermal comfort control | |
CN104676843B (zh) | 空调控制方法和装置 | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
WO2021196483A1 (zh) | 空气调节设备及其控制方法、装置、电子设备 | |
CN107223195A (zh) | 用于hvac系统的可变风量建模 | |
CN109297157A (zh) | 一种空调器控制方法和空调器 | |
CN110425698A (zh) | 一种用户偏好自学习的空调控制方法和装置 | |
CN108759003B (zh) | 空调器的控制方法、空调器和计算机可读存储介质 | |
JP2023166622A (ja) | 空気調和制御装置 | |
CN110836514A (zh) | 空调组的控制方法和装置 | |
EP3862645A1 (en) | Air conditioner and method for controlling the same | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN111397153B (zh) | 空气调节设备及其控制方法、装置、电子设备 | |
JP2019015486A (ja) | Vavシステムおよび空調制御方法 | |
CN110736225A (zh) | 空调的控制方法和装置 | |
KR20210033769A (ko) | 전자 장치 및 전자 장치의 동작 방법 | |
CN114838470A (zh) | 一种暖通空调的控制方法和系统 | |
KR102176369B1 (ko) | 공기조화기 및 이를 포함하는 공기조화시스템 | |
CN110726216B (zh) | 空调器及其控制方法、装置、系统、存储介质和处理器 | |
CN117870122A (zh) | 一种暖通设备控制系统、控制方法、控制装置和存储介质 | |
CN113375311B (zh) | 一种fcu末端的控制方法、装置、介质及电子设备 |
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 |