[发明专利]空调组的控制方法和装置

权利要求书

1.一种空调组的控制方法，其特征在于，包括：

获取目标环境参数；

基于所述目标环境参数，根据预设的空调组控制模型，对所述空调组中每个空调的控制参数进行预测，其中，所述空调组控制模型通过使用预设数据集对神经网络模型进行训练得到，所述预设数据集包括：预设的历史时间段内所述空调组所处环境的环境参数、所述空调组中每个空调的控制参数和所述空调组的耗电参数,

其中，所述空调组控制模型的输出结果包括所述每个空调的控制参数以及每个所述空调对应的标识，所述每个空调根据对应的标识在所述输出结果中查找对应的控制参数，并将查找到的所述控制参数确定为所述空调组控制模型的预测结果；

其中，不同的所述环境参数为不同目标温度，每个所述目标温度对应多组子数据集，每组所述子数据集中包括：每个所述空调的控制参数和每个所述空调按照所述控制参数运行时所述空调组的耗电参数，其中，每组所述子数据集中的所述控制参数不同；将所述目标温度和在所述目标温度下电能消耗最小的每个所述空调的控制参数作为所述预设数据集。

2.根据权利要求1所述的方法，其特征在于，在获取目标环境参数之前，所述方法还包括：获取所述空调组控制模型，其中，所述空调组控制模型为双向长短期记忆网络模型，获取所述空调组控制模型，包括：

根据所述预设数据集，确定在不同环境参数下，使所述空调组耗电参数最小的每个空调的目标控制参数；

确定所述环境参数和所述目标控制参数为样本数据集；

根据所述样本数据集对预设的初始神经网络模型进行训练，得到所述空调组控制模型，其中，所述初始神经网络模型为具有预设网络参数的双向长短期记忆网络模型。

3.根据权利要求2所述的方法，其特征在于，根据所述样本数据集对预设的初始神经网络模型进行训练，得到所述空调组控制模型，包括：

对所述样本数据集进行预处理，得到第一训练数据集和测试数据集；

使用所述第一训练数据集对目标神经网络模型进行训练，得到第一训练结果，其中，当进行首次训练时，所述目标神经网络模型为初始神经网络模型，当进行非首次训练时，所述目标神经网络模型为上一次训练得到的神经网络模型；

根据所述第一训练结果确定所述空调组控制模型。

4.根据权利要求3所述的方法，其特征在于，根据所述第一训练结果确定所述空调组控制模型，包括：

通过使用所述测试数据集对所述第一训练结果进行测试，得到测试结果；

将所述第一训练数据集与所述测试结果合并为第二训练数据集，并使用所述第二训练数据集对所述第一训练结果进行训练，得到第二训练结果；

确定所述第二训练结果为所述空调组控制模型。

5.根据权利要求4所述的方法，其特征在于，在确定所述第二训练结果为所述空调组控制模型之前，所述方法还包括：

判断所述第二训练结果是否收敛；

如果所述第二训练结果收敛，则确定所述第二训练结果为所述空调组控制模型；

如果所述第二训练结果不收敛，则继续对所述第二训练结果进行训练，直至得到收敛的所述第二训练结果。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，在基于所述目标环境参数，根据预设的空调组控制模型，对所述空调的目标控制参数进行预测之后，所述方法还包括：根据预测得到的所述空调组中每个空调的目标控制参数对所述空调组进行控制。

7.根据权利要求1所述的方法，其特征在于，所述目标环境参数包括目标温度和如下任意一项：目标湿度和所述环境的人流信息。