[发明专利]一种基于联邦学习的智能空调控制系统和方法

权利要求书

1.一种基于联邦学习的智能空调控制系统，其特征在于，包括：

服务器，其用于对本地空调控制系统中的本地模型参数进行聚合，得到全局模型参数；

所述的本地空调控制系统由若干个智能空调终端构成，每一个智能空调终端均包括：

采集模块，其用于采集用户操控空调的历史操作记录和环境参数，并存储至本地数据库中；

分析模块，其内部配置有强化学习模型，用于读取采集模块中的数据，划分数据集，并根据本地数据集对强化学习模型进行训练，获取本地的强化学习模型参数；

传输模块，其用于本地模型参数和全局模型参数的传输，包括发送本地模型参数到服务器，并接收服务器发送的全局模型参数至本地终端；

控制模块，在强化学习模型的训练阶段，其负责控制定期从采集模块的数据库中抽取样本进行联合训练；在强化学习模型训练结束后，其负责根据训练好的强化学习模型输出的推荐方案执行相应的动作。

2.根据权利要求1所述的基于联邦学习的智能空调控制系统，其特征在于，所述的服务器与本地空调控制系统中的各个智能空调终端通讯连接，且各个智能空调终端定期同时将本地的强化学习模型参数上传至服务器。

3.根据权利要求1所述的基于联邦学习的智能空调控制系统，其特征在于，所述的数据集由气象数据、室外温度、室外湿度、室内温度、室内湿度、空调温度、空调能耗情况以及相应的操控动作组成。

4.根据权利要求1所述的基于联邦学习的智能空调控制系统，其特征在于，所述的气象数据包括风力、风向、PM 2.5数值、大气压、阴晴情况。

5.一种基于权利要求1所述的联邦学习的智能空调控制系统的控制方法，其特征在于，包括如下步骤：

步骤1：利用本地空调控制系统中各个终端的采集模块，采集本地空调历史操作记录及环境参数，并存储到本地数据库；

步骤2：服务器预先设置好强化学习模型参数，并发送到本地空调控制系统的各个终端，由传输模块接收后传至分析模块中；

步骤3：分析模块接收到模型参数后，加载本地模型，从本地数据库中读取数据并进行数据预处理，形成用户的操控记录矩阵；利用用户的操控记录矩阵对本地的强化学习模型进行训练，得到本地的强化学习模型参数；

步骤4：利用本地空调控制系统中的传输模块，将各个终端的本地的强化学习模型参数上传到服务器；

步骤5：服务器接收到不同终端的强化学习模型参数后，利用聚合方法更新优化模型参数，并将优化后的模型参数传输回本地空调控制系统中的各个终端；

步骤6：重复步骤3至5，本地空调控制系统中的各个终端开始下一次的迭代训练，直到整个训练过程收敛，由训练好的本地模型生成符合用户操作习惯的推荐方案，由控制模块执行相应的操作。

6.根据权利要求5所述的联邦学习的智能空调控制系统的控制方法，其特征在于，所述的强化学习模型为DQN模型。

7.根据权利要求5所述的联邦学习的智能空调控制系统的控制方法，其特征在于，步骤6所述的由训练好的本地模型生成符合用户操作习惯的推荐方案，具体为：利用采集模块实时采集环境参数，将所述的环境参数作为训练好的本地的强化学习模型的输入，输出推荐方案；所述的推荐方案包括调高空调温度、调低空调温度、切换空调模式。

8.根据权利要求5所述的联邦学习的智能空调控制系统的控制方法，其特征在于，所述的聚合方法为：将所有的模型参数以本地数据量占总数据量的比重为权重进行加和，得到的计算结果作为更新后的全局模型参数。