[发明专利]空调组的控制方法和装置

说明书

本发明公开了一种空调组的控制方法和装置。其中，该方法包括：获取目标环境参数；基于目标环境参数，根据预设的空调组控制模型，对空调组中每个空调的控制参数进行预测，其中，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，预设数据集包括：预设的历史时间段内空调组所处环境的环境参数、空调组中每个空调的控制参数和空调组的耗电参数。本发明解决了现有技术中空调的节能效果不佳的技术问题。

技术领域

本发明涉及空调控制领域，具体而言，涉及一种空调组的控制方法和装置。

背景技术

空调是目前调节室内温度的常用设备，无论是家庭还是室内的公共场所，都极大的提高了室内用户的舒适度。

但空调在使用的过程中耗电量较大，尤其对于安装了多联机组的空间较大的环境，日常使用过程中空调组的耗电性能对用户的成本控制起到很重要的作用。而大空间的空调组的控制是一个多目标、多约束、非线性的复杂控制系统，因此如何既能满足用户的调温需求，又能实现耗电最优，对空调制造和使用来说均是一项重要的实现目标，且目前的空调还难以实现。

针对现有技术中空调的节能效果不佳的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种空调组的控制方法和装置，以至少解决现有技术中空调的节能效果不佳的技术问题。

根据本发明实施例的一个方面，提供了一种空调组的控制方法，包括：获取目标环境参数；基于目标环境参数，根据预设的空调组控制模型，对空调组中每个空调的控制参数进行预测，其中，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，预设数据集包括：预设的历史时间段内空调组所处环境的环境参数、空调组中每个空调的控制参数和空调组的耗电参数。

进一步地，在获取目标环境参数之前，获取空调组控制模型，其中，空调组控制模型为双向长短期记忆网络模型，获取空调组控制模型，包括：根据预设数据集，确定在不同环境参数下，使空调组耗电参数最小的每个空调的目标控制参数；确定环境参数和目标控制参数为样本数据集；根据样本数据集对预设的初始神经网络模型进行训练，得到空调组控制模型，其中，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。

进一步地，对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，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，目标神经网络模型为上一次训练得到的神经网络模型；根据第一训练结果确定空调组控制模型。

进一步地，通过使用测试数据集对第一训练结果进行测试，得到测试结果；并使用第二训练数据集将第一训练数据集与测试结果合并为第二训练数据集，对第一训练结果进行训练，得到第二训练结果；确定第二训练结果为空调组控制模型。

进一步地，在确定第二训练结果为空调组控制模型之前，判断第二训练结果是否收敛；如果第二训练结果收敛，则确定第二训练结果为空调组控制模型；如果第二训练结果不收敛，则继续对第二训练结果进行训练，直至得到收敛的第二训练结果。

进一步地，在基于目标环境信息，根据预设的空调组控制模型，对空调的目标控制参数进行预测之后，根据预测得到的空调组中每个空调的目标控制参数对空调组进行控制。

进一步地，目标环境参数包括目标温度和如下任意一项：目标湿度和环境的人流信息。

根据本发明实施例的另一方面，还提供了一种空调的控制装置，包括：采集模块，用于获取目标环境参数；预测模块，用于基于目标环境参数，根据预设的空调组控制模型，对空调组中每个空调的控制参数进行预测，其中，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，预设数据集包括：预设的历史时间段内空调组所处环境的环境参数、空调组中每个空调的控制参数和空调组的耗电参数。