本申请公开了一种空调节能控制方法，涉及计算机技术领域，该方法包括：获取实际工况下的环境参数；将所述环境参数输入预先训练得到的深度学习算法模型，输出多组计算数据；其中，每组所述计算数据至少包括人体舒适度和对应的能耗量；选取所述人体舒适度达到预期范围的所述计算数据作为预期参数组；基于所述预期参数组当所述能耗量达到预设范围时，选取所述能耗量最小的所述预期参数组作为实际空调的控制参数；根据所述控制参数调整所述空调的运行参数。通过该方法可以准确的对空调运行参数进行调整和有效实现节能减排的作用，并且不需要对空调原有的控制系统进行修改，可以大大节约人力成本和技术成本。人力成本和技术成本。人力成本和技术成本。
【技术实现步骤摘要】
一种空调节能控制方法、装置、设备及可读存储介质
[0001]本申请涉及计算机
，特别涉及一种空调节能控制方法、装置、设备及可读存储介质。
技术介绍
[0002]空调系统作为公共建筑中能耗较高、节能潜力较大的一部分，对其进行节能改造势在必行。除了采用高能效设备替换现有设备的常规技术手段外，在不改变其设备配置情况下，综合考虑各方面因素的影响，通过人工智能的方式调整其运行策略也可实现空调系统节能运行，在减少硬件支出的同时实现节能减排。
[0003]相关技术中，存在的空调节能方法大多是通过对空调内部的结构进行优化，同时需要更改空调原有的控制系统，增加了人力成本和技术成本，并且在大数据爆发的时代，当前的技术并没有利用空调运行时产生的数据以及没有考虑人体舒适度进行研究，而是通过对历史能耗数据进行分析，通过对比预测能耗数据和历史能耗数据的误差对空调的运行参数进行调整，这样容易导致不能够根据实际工况下的环境以及人体舒适度来正确的调整最合适的空调运行参数。因此，如何采用深度学习方法根据实际工况下的环境以及人体舒适度和能耗量之间的映射关系对空调运行时产生的大量数据进行分析，进而控制空调运行参数，从而实现节能减排的问题是领域技术人员亟需解决的问题。
技术实现思路
[0004]本申请的目的是提供一种空调节能控制方法、装置、设备及可读存储介质，该方法可以准确的对空调运行参数进行调整和有效实现节能减排的作用，并且不需要对空调原有的控制系统进行修改，可以大大节约人力成本和技术成本。
[0005]为实现上述目的，本申请提供了一种空调节能控制方法，其具体方案如下：
[0006]获取实际工况下的环境参数；
[0007]将所述环境参数输入预先训练得到的深度学习算法模型，输出多组计算数据；其中，每组所述计算数据至少包括人体舒适度和对应的能耗量；
[0008]选取所述人体舒适度达到预期范围的所述计算数据作为预期参数组；
[0009]基于所述预期参数组当所述能耗量达到预设范围时，选取所述能耗量最小的所述预期参数组作为实际空调的控制参数；
[0010]根据所述控制参数调整所述空调的运行参数。
[0011]可选的，所述将所述环境参数输入预先训练得到的深度学习算法模型之前，还包括：
[0012]获取所述空调的训练数据；
[0013]提取所述训练数据的特征向量；
[0014]设置标签对所述特征向量进行标记，形成数据集；
[0015]利用所述数据集训练得到所述深度学习算法模型。
[0016]可选的，所述获取空调训练数据，包括：
[0017]建立所述空调的三维模型；
[0018]将所述三维模型导入能耗模拟软件中进行仿真训练，生成所述训练数据。
[0019]可选的，所述提取所述训练数据的特征向量，包括：
[0020]基于深度学习算法提取所述训练数据的特征向量。
[0021]可选的，所述利用所述数据集训练得到所述深度学习算法模型,包括：
[0022]通过反向传播更新各个网络节点参数对所述数据集进行训练。
[0023]可选的，所述输出多组计算数据之后，还包括：
[0024]当所述人体舒适度没有达到预期范围时，进入将所述环境参数输入预先训练得到的深度学习算法模型的步骤，以使更新所述计算数据。
[0025]可选的，所述选取所述人体舒适度达到预设范围的所述数据作为预期解之后，还包括：
[0026]基于所述预期参数组当所述能耗量没有达到预设范围时，进入将所述环境参数输入预先训练得到的深度学习算法模型的步骤，以使更新所述计算数据。
[0027]本申请还提供一种空调节能控制装置，包括：
[0028]第一获取模块，用于获取实际工况下的环境参数；
[0029]处理模块，用于将所述环境参数输入预先训练得到的深度学习算法模型，输出多组计算数据；其中，所述计算数据至少包括人体舒适度和对应的能耗量；
[0030]第一选取模块，用于选取所述人体舒适度达到预期范围的所述计算数据作为预期参数组；
[0031]第二选取模块，用于基于所述预期参数组当所述能耗量达到预设范围时，选取所述能耗量最小的所述预期参数组作为实际空调的控制参数；
[0032]调整模块，用于根据所述控制参数调整所述空调的运行参数。
[0033]本申请还提供一种空调节能控制设备，包括：
[0034]存储器，用于存储计算机程序；
[0035]处理器，用于执行所述计算机程序是实现如上述所述的空调节能控制方法的步骤。
[0036]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的空调节能控制方法的步骤。
[0037]显然，本申请所提供的一种空调节能控制方法，该方法包括：获取实际工况下的环境参数；将所述环境参数输入预先训练得到的深度学习算法模型，输出多组计算数据；其中，每组所述计算数据至少包括人体舒适度和对应的能耗量；选取所述人体舒适度达到预期范围的所述计算数据作为预期参数组；基于所述预期参数组当所述能耗量达到预设范围时，选取所述能耗量最小的所述预期参数组作为实际空调的控制参数；根据所述控制参数调整所述空调的运行参数。该方法根据实际工况下的环境以及人体舒适度和能耗量的映射关系对空调运行时产生的大量数据进行分析，进而控制空调运行参数，从而可以准确的对空调运行参数进行调整和有效实现节能减排的作用，并且不需要对空调原有的控制系统进行修改，可以大大节约人力成本和技术成本。本申请还提供一种空调节能控制装置、设备及计算机可读存储介质，具有上述有益效果。
附图说明
[0038]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0039]图1为本申请实施例所提供的一种空调节能控制方法的流程图；
[0040]图2为本申请实施例所提供的一种深度学习算法模型训练方法的流程图；
[0041]图3为本申请实施例所提供的一种空调节能控制装置的结构框图。
具体实施方式
[0042]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0043]相关技术中，存在的空调节能方法大多是通过对空调内部的结构进行了优化，同时需要更改空调原有的控制系统，增加了人力成本和技术成本，并且在大数据爆发的时代，当前的技术并没有利用空调运行时产生的数据以及没有本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种空调节能控制方法，其特征在于，包括：获取实际工况下的环境参数；将所述环境参数输入预先训练得到的深度学习算法模型，输出多组计算数据；其中，每组所述计算数据至少包括人体舒适度和对应的能耗量；选取所述人体舒适度达到预期范围的所述计算数据作为预期参数组；基于所述预期参数组当所述能耗量达到预设范围时，选取所述能耗量最小的所述预期参数组作为实际空调的控制参数；根据所述控制参数调整所述空调的运行参数。2.根据权利要求1所述的空调节能控制方法，其特征在于，所述将所述环境参数输入预先训练得到的深度学习算法模型之前，还包括：获取所述空调的训练数据；提取所述训练数据的特征向量；设置标签对所述特征向量进行标记，形成数据集；利用所述数据集训练得到所述深度学习算法模型。3.根据权利要求2所述的空调节能控制方法，其特征在于，所述获取空调训练数据，包括：建立所述空调的三维模型；将所述三维模型导入能耗模拟软件中进行仿真训练，生成所述训练数据。4.根据权利要求2所述的空调节能控制方法，其特征在于，所述提取所述训练数据的特征向量，包括：基于深度学习算法提取所述训练数据的特征向量。5.根据权利要求2所述的多联机中央空调节能控制方法，其特征在于，所述利用所述数据集训练得到所述深度学习算法模型,包括：通过反向传播更新各个网络节点参数对所述数据集进行训练。6.根据权利要求1所述的空调节能控制方法，其特征在于，所述输出多组计算数据之后，...
【专利技术属性】
技术研发人员：游冰，胡鹏杰，乔辉，刘文，李豪，朱恺真，关俊涛，贺提胜，
申请(专利权)人：国机工业互联网研究院河南有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。