[发明专利]一种基于人工智能的空调控制方法

说明书

一种基于人工智能的空调控制方法，建立并训练可以预测房间温度变化的房间环境模型和可以预测用户温度喜好的用户模型；建立用于产生空调控制量的空调控制模型，并利用房间环境模型来训练空调控制模型；将温度控制目标量、空调观测量和/或房间环境观测量输入空调控制模型，输出空调控制量。本发明提供一种基于人工智能的空调控制方法，控制量多，观测量多，控制目标多，能最大程度的提高空调的能效和性能，满足不同人对温度的个性化需求，且能够有效的避免过冲问题。

技术领域

本发明涉及一种基于人工智能的空调控制方法。

背景技术

目前现有的主流空调控制方法有模糊控制方法，PID控制方法，这些控制方法具有无法克服的缺点：

控制量单一：缺乏压缩机频率、内外风机转速和节流阀开度等的配合，往往因为冷媒的不完全转化等原因导致能效的浪费以及性能的损失。

观测量单一：不同的门窗开闭状态构成了不同的连通域，不同的房间大小和布局方式，热传递的方式不一样，不同的墙体厚度及墙面装修，热传递速率不一样，空调的位置和个数对降温过程也会有影响，不同风速、雨、雪、光照等条件下，同样的内外温差，环境与房间的热交换速率不一样。PID和模糊控制参数根据有限的实验和经验进行标定，其一旦设定，就固定不变了。所以这样的控制方法无法针对复杂多变的情况(气候、天气变化、光照、房间特性等)采用不同的控制策略，造成能效的浪费和性能损失。

控制目标单一：不考虑不同人在不同情境下对温度的偏好，不能针对空调使用者的个性化需求进行主动控制。每个人对温度的感受不一样，当一个人觉得热时，另外一个人也许会觉得冷。由于不能对每个人对温度的偏好进行准确预估，目前空调的控制模式中，不包含针对每个不同人的个性化需求的主动控制。

过冲问题：由于现实温降/温升过程包含非常复杂的物理过程，如热量传播的迟滞性等，用PID方式进行控制，室内温度在目标温度上下波动，造成能效的损失。

发明内容

本发明提供一种基于人工智能的空调控制方法，控制量多，观测量多，控制目标多，能最大程度的提高空调的能效和性能，满足不同人对温度的个性化需求，且能够有效的避免过冲问题。

为了达到上述目的，本发明提供一种基于人工智能的空调控制方法，包含以下步骤：

建立并训练可以预测房间温度变化的房间环境模型和可以预测用户温度喜好的用户模型；

建立用于产生空调控制量的空调控制模型，并利用房间环境模型来训练空调控制模型；

将温度控制目标量、空调观测量和/或房间环境观测量输入空调控制模型，输出空调控制量；

所述的空调控制模型采用神经网络模型；

建立房间环境模型和用户模型的方法包含且不局限于以下的一种或几种方法：基于神经网络模型采用数据方式构建，采用数学物理科学计算方式构建。

所述的空调观测量包含：室内外环境温度，冷媒流量，蒸发器和冷凝器气压温度；

所述的空调控制量包含：压缩机频率、内外风机转速、节流阀开度。

所述的房间环境观测量包含：房间大小、朝向、户型、墙壁厚度、墙体装修材质、空调个数、空调安装位置、门窗位置和材质、家具，压缩机频率、内外风机转速，房间环境观测量的动态变化部分称为动态变化数据，房间环境观测量的固有特性称为房屋固有特性数据。

所述的基于神经网络模型采用数据方式构建房间环境模型的方法包含以下步骤：

收集动态变化数据和房屋固有特性数据；

将动态变化数据和房屋固有特性数据输入神经网络模型进行训练，训练后的神经网络模型形成房间环境模型。