[发明专利]电子装置及其控制方法有效
申请号: | 201980088524.1 | 申请日: | 2019-07-10 |
公开(公告)号: | CN113272595B | 公开(公告)日: | 2023-08-01 |
发明(设计)人: | 朴健赫;李霁宪;金京哉;宋宽雨 | 申请(专利权)人: | 三星电子株式会社 |
主分类号: | F24F11/63 | 分类号: | F24F11/63;F24F11/46;G06N20/00;G06Q50/06 |
代理公司: | 北京铭硕知识产权代理有限公司 11286 | 代理人: | 雷蕾;曾世骁 |
地址: | 韩国京畿*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电子 装置 及其 控制 方法 | ||
1.一种电子装置,包括:
通信器,包含通信电路;
处理器,被电连接到通信器并且被配置为控制通信器;以及
存储器,被电连接到处理器,
其中,存储器被配置为存储指令,所述指令用于控制处理器经由通信器将控制信息发送到包括在空调系统中的多个空调装置,其中,所述控制信息是通过将空调系统的目标信息应用于学习网络模型而获取的,
其中,学习网络模型被配置为:基于通过线性回归分析识别出在基于学习数据的能量消耗的估计结果中存在错误,生成虚拟数据并基于生成的虚拟数据被重新训练,
其中,学习网络模型还被配置为:基于在能量消耗的估计结果中不存在错误的第二条件的学习数据,生成与第一条件对应的虚拟数据,并且
其中,第一条件是在能量消耗的估计结果中存在错误的条件,
其中,学习网络模型还被配置为:
根据空调装置的处理热量和能量消耗之间的关系将能量消耗的估计结果聚类为两组,所述两组包括第一组和第二组,其中,在第一组中,处理热量与能量消耗成比例,在第二组中,处理热量与能量消耗不成比例,并且即使当处理热量增加时能量消耗也保持不变或减少,并且
基于包括在第一组中的学习数据来生成虚拟数据。
2.根据权利要求1所述的电子装置,其中,学习网络模型还被配置为:
基于学习数据和虚拟数据重新估计能量消耗,以及
基于重新估计的结果被重新训练。
3.根据权利要求2所述的电子装置,其中,学习网络模型还被配置为:
获取所述多个空调装置中的每个空调装置的设置值,以及
将重新估计的能量消耗中所述多个空调装置中的每个空调装置的能量消耗的总和最小化。
4.根据权利要求1所述的电子装置,其中,学习网络模型还被配置为:基于学习数据和虚拟数据来学习包括在学习网络模型中的神经网络的权重。
5.根据权利要求1所述的电子装置,
其中,学习数据包括所述多个空调装置中的每个空调装置的先前的驱动数据,并且
其中,先前的驱动数据包括所述多个空调装置中的每个空调装置的设置值、能量消耗、室外空气条件、空调负载或室内温度和湿度数据中的至少一个。
6.根据权利要求1所述的电子装置,其中,学习网络模型还被配置为:基于包括物理定律的预定条件来识别是否存在关于能量消耗的估计结果的错误。
7.根据权利要求1所述的电子装置,其中,学习网络模型还被配置为:
识别基于空调负载和室外空气条件获取的控制信息的应用时间点或应用持续时间中的至少一个,以及
输出识别的获取的控制信息的应用时间点或应用持续时间中的至少一个。
8.根据权利要求1所述的电子装置,其中,学习网络模型还被配置为:
将控制信息发送到所述多个空调装置;以及
基于经由通信器获取的室内温度数据或湿度数据中的至少一个未落入预定范围内,基于控制信息重新学习所述学习数据和所述虚拟数据。
9.根据权利要求1所述的电子装置,其中,空调系统包括加热、通风和空调HVAC装置。
10.根据权利要求1所述的电子装置,其中,学习网络模型还被配置为:
将空调负载识别为空调负载的大小小于阈值的第一组和空调负载的大小大于或等于所述阈值的第二组,并且
将在第一组中应用控制信息的时间识别为室外空气条件改变为第一条件的时间,并且将在第二组中应用控制信息的时间识别为室外空气条件改变为第二条件的时间。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三星电子株式会社,未经三星电子株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201980088524.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:嘧啶并五元氮杂环类衍生物、其制备方法及其在医药上的应用
- 下一篇:飞行器