[发明专利]空调的控制方法、控制装置、计算机可读存储介质和空调

说明书

本申请提供了一种空调的控制方法、控制装置、计算机可读存储介质和空调，该方法包括：获取多个空调的历史空调状态参数，历史空调状态参数为当前时刻之前的空调状态参数；根据空调运行状态参数对空调进行聚类，得到多个空调类；采用各空调类的空调运行状态参数和对应的控制策略训练深度神经网络，得到多个策略模型，策略模型与空调类一一对应，控制策略包括开机控制策略、关机控制策略和设定温度的设定策略；将目标空调的空调状态参数输入目标策略模型，得到目标空调的控制策略，目标策略模型为目标空调所属的空调类对应的策略模型；根据目标空调的控制策略控制目标空调运行，解决了现有技术生成空调控制策略的深度神经网络训练耗时较长的问题。

技术领域

本发明涉及空调控制技术领域，具体而言，涉及一种空调的控制方法、控制装置、计算机可读存储介质和空调。

背景技术

大多数强化学习方法在空调节能方面的研究都是针对单个设备，如单台空调或者单个建筑，对于某些大规模集中使用的空调机型，如煤改电项目中低温空气源热泵系统(空调的一种)，其地理位置相对集中(如某个村、镇)，用户使用习惯趋同(采暖季长时间开机，很少调节设置温度)，设备型号一致，呈现出一定的同构特性。由于机组数量较多，且呈现同构特性，单独为每台机组训练深度神经网络得到节能控制策略模型显然比较耗时，亟需一种大规模并行的强化学习框架，能够在生成节能控制策略的同时加速策略的生成效率。

发明内容

本申请的主要目的在于提供一种空调的控制方法、控制装置、计算机可读存储介质和空调，以至少解决现有技术中生成空调控制策略的深度神经网络训练耗时较长的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种空调的控制方法，包括：获取多个空调的历史空调状态参数，所述历史空调状态参数为当前时刻之前的空调状态参数，所述空调状态参数包括排气压力、耗电量、压缩机频率、室内温度、室外温度和PMV；根据所述空调运行状态参数对所述空调进行聚类，得到多个空调类，所述空调类包括至少一个所述空调；采用各所述空调类的所述空调运行状态参数和对应的控制策略训练深度神经网络，得到多个策略模型，所述策略模型与所述空调类一一对应，所述策略模型用于确定最佳的所述控制策略，所述控制策略包括开机控制策略、关机控制策略和设定温度的设定策略；将目标空调的所述空调状态参数输入目标策略模型，得到所述目标空调的控制策略，所述目标策略模型为所述目标空调所属的所述空调类对应的所述策略模型；根据所述目标空调的控制策略控制所述目标空调运行。

可选地，根据所述空调运行状态参数对所述空调进行聚类，得到多个空调类，包括：计算各所述历史空调状态参数的平均值，得到基准空调状态参数；计算各所述历史空调状态参数与所述基准空调状态参数的距离，得到多个目标距离，所述目标距离与所述空调一一对应，所述距离为dtw距离、余弦距离和欧式距离的任意一个；

采用聚类算法对所述目标距离进行聚类，得到多个所述空调类，一个所述空调类中的任意两个所述空调对应的所述目标距离的差值小于距离阈值。

可选地，计算各所述历史空调状态参数的平均值，得到基准空调状态参数，包括：将历史时间段划分为多个历史子时间段，所述历史时间段为覆盖所有的所述历史空调状态参数的采集时刻的时间段；第一计算步骤，计算一个所述空调在各所述历史子时间段的所有的所述历史空调状态参数的平均值，得到参考空调状态参数组，所述参考空调状态参数组包括多个参考空调状态参数，所述参考空调状态参数与所述历史子时间段一一对应；重复所述第一计算步骤至少一次，直至得到所有的所述空调的所述参考空调状态参数组；第二计算步骤，计算各所述空调在目标历史子时间段对应的所述参考空调状态参数的平均值，得到所述基准空调状态参数，所述目标历史子时间段为任意一个所述历史子时间段；重复所述第二计算步骤至少一次，直至得到所有的所述基准空调状态参数，所述基准空调状态参数与所述历史子时间段一一对应。