空调系统技术方案

空调系统，其包括：信息采集模块，其配置为收集空调系统的控制操作信息；控制操作信息包括使用场景控制操作数据，以及使用场景控制操作数据发生时对应的控制时间数据，使用场景控制操作数据和控制时间数据一一对应；构建模块，其配置为将控制操作信息输入至基于改进的

【技术实现步骤摘要】
空调系统


[0001]本专利技术涉及空气调节
，尤其涉及一种空调系统
。

技术介绍

[0002]家用空调系统的智能控制一直是相关领域的主要研究课题之一
。
生产厂商希望产品可以针对用户的使用习惯实现自动控制，例如在用户回家之前自动开启空调，使得空调环境的温度更为适宜，或者在用户离家之后自动关闭空调，避免电能浪费
。
[0003]现有技术中有相关技术方案公开以解决此问题，例如中国专利申请
(CN107504656A)
中所公开的技术方案：
″
空调系统自学习控制方法，包括一信息采集模块和一自动模块，自学习控制方法包括：步骤
S10
：所述信息采集模块采集用户使用遥控器或
APP
开启或者关闭空调系统的数据，并将采集的数据发送至自控模块；步骤
S11
：自控模块通过自学习用户的开关机习惯对采集的数据进行分析处理，识别处空调系统的开关机时间段；步骤
S12
：自控模块分别对空调系统的开关机时间段进行处理，确定空调系统的开关机时刻，其中，确定空调系统的开机时间包括：分别记录所有开机时间段内的开机时间，计算第
n
小时时间段的自学习开机时间；确定空调系统的关机时间包括：分别记录所有关机时间段内的关机时间，计算第
m
小时时间段的自学习关机时间；步骤
S13
：自控模块根据确定空调系统的开关机时刻对空调系统的开关机时间进行自动控制
。
″
[0004]对比文件中所提供的自学习控制方法，是基于
10
天内的平均开机和关机数生成自学习的开关机时间
。
但实际上，用户对于空调系统的操作控制，尤其是某一场景中的控制是不定时间间隔的离散时间序列，且除了开关机控制之外，还包括模式控制
(
制冷
/
制热
)、
功能控制
(
睡眠
/
语音
/
人感
/
辅助加热
)、
送风控制
(
风向
/
风速
)
等等，基于传统的数据统计实现的预测偏差大，智能程度不佳
。
[0005]本
技术介绍
所公开的上述信息仅仅用于增加对本申请
技术介绍
的理解，因此，其可能包括不构成本领域普通技术人员已知的现有技术
。

技术实现思路

[0006]针对
技术介绍
中指出的问题，本申请的第一个方面提供一种空调系统
。
[0007]空调系统包括信息采集模块；信息采集模块配置为收集空调系统的控制操作信息
。
[0008]在本申请的一些实施方式中，控制操作信息包括使用场景控制操作数据，以及所述使用场景控制操作数据发生时对应的控制时间数据，所述使用场景控制操作数据和所述控制时间数据一一对应
。
[0009]在本申请的一些实施方式中，空调系统还包括构建模块和预测模块；其中构建模块配置为将所述控制操作信息输入至基于改进的
Transformer
模型建立的预测模型，并基于所述预测模型获取基于所述控制操作信息得到的控制操作序列的隐藏表征，即得到历史特征；预测模块配置为输入所述控制操作序列的隐藏表征，输出下一次将发生的使用场景
控制操作数据，以及下一次使用场景操作数据发生的操作时间
。
[0010]在本申请的一些实施方式中，构建模块配置为将控制操作序列的嵌入编码输入至基于改进的
Tra n sfo rm e r
模型建立的预测模型，并基于所述预测模型获取基于所述控制操作信息得到的控制操作序列的隐藏表征
。
[0011]在本申请的一些实施方式中，控制操作序列的嵌入编码通过以下步骤获得：将所述控制操作数据分类，获取设定控制操作序列；将所述设定控制操作序列中的所有控制操作数据进行独热编码，得到独热编码后的控制操作数据信息；在独热编码后的控制操作数据信息的基础上输入嵌入矩阵以生成控制操作类型编码
。
[0012]在本申请的一些实施方式中，采用正弦函数和余弦函数对所述设定控制操作序列中的控制时间数据进行编码，得到控制时间数据编码
。
[0013]在本申请的一些实施方式中，基于所述控制操作类型编码和所述控制时间数据编码生成控制操作序列的嵌入编码
。
[0014]在本申请的一些实施方式中，所述构建模块配置为执行以下步骤以基于所述预测模型获取基于所述操作信息得到的控制操作序列的隐藏表征；首先将所述控制操作序列的嵌入编码输入至基于改进的
Transformer
模型建立的预测模型
。
[0015]在本申请的一些实施方式中，所述预测模型包括多层编码器，每层编码器包括多头注意力部和改进的前馈层，其中，所述多头注意力部包括多个注意力头
。
[0016]在本申请的一些实施方式中，在将所述控制操作序列的嵌入编码输入至基于改进的
Transformer
模型建立的预测模型后，在每个注意力头中，所述控制操作序列的嵌入编码通过三个转换矩阵生成查询向量
、
键向量和数值向量，由查询向量
、
键向量和数值向量和激活函数计算注意力头的输出
(
也即执行缩放点乘注意力操作
)
；将不同注意力头的输出连接，通过转换矩阵生成初始输出；在所述初始输出的基础上进行残差连接与归一化，得到最终输出；将所述最终输出输入至改进的前馈层中，得到控制操作序列的隐藏表征
。
[0017]为了防止
t
i
时刻的控制操作对
t
j
，
(j
＞
i)
时刻的控制操作产生注意力，在通过三个转换矩阵生成查询向量
、
键向量和数值向量时，对所述查询向量进行
mask
处理
。
[0018]在本申请的一些实施方式中，所述构建模块配置为在执行将所述最终输出输入至改进的前馈层中，得到控制操作序列的隐藏表征时执行以下计算过程：
[0019]F
A
＝
SW1+b1[0020]F
B
＝
ReLu(F
A
)
[0021]F
C
＝
CNN(F
B
)
[0022]F
D
＝
F
C
W2+b2[0023]其中
S
代表所述最终输出，是神经网络的参数，
ReLu()
指的是
ReLu
函数，
CNN
是卷积层，
D
代表着输入维度，
D
H
为注意力头的隐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种空调系统，其包括：信息采集模块，其配置为收集空调系统的控制操作信息；其特征在于，所述控制操作信息包括使用场景控制操作数据，以及所述使用场景控制操作数据发生时对应的控制时间数据，所述使用场景控制操作数据和所述控制时间数据一一对应；所述空调系统还包括：构建模块，其配置为将所述控制操作信息输入至基于改进的
Transformer
模型建立的预测模型，并基于所述预测模型获取基于所述控制操作信息得到的控制操作序列的隐藏表征；和预测模块，其配置为输入所述控制操作序列的隐藏表征，输出下一次将发生的使用场景控制操作数据，以及下一次使用场景操作数据发生的操作时间
。2.
根据权利要求1所述的空调系统，其特征在于：所述构建模块配置为将控制操作序列的嵌入编码输入至基于改进的
Transformer
模型建立的预测模型，并基于所述预测模型获取基于所述控制操作信息得到的控制操作序列的隐藏表征；其中所述控制操作序列的嵌入编码通过以下步骤获得：将所述控制操作数据分类，获取设定控制操作序列；将所述设定控制操作序列中的所有控制操作数据进行独热编码，得到独热编码后的控制操作数据信息；在独热编码后的控制操作数据信息的基础上输入嵌入矩阵以生成控制操作类型编码；采用正弦函数和余弦函数对所述设定控制操作序列中的控制时间数据进行编码，得到控制时间数据编码；基于所述控制操作类型编码和所述控制时间数据编码生成控制操作序列的嵌入编码
。3.
根据权利要求2所述的空调系统，其特征在于：所述构建模块配置为执行以下步骤以基于所述预测模型获取基于所述操作信息得到的控制操作序列的隐藏表征：将所述控制操作序列的嵌入编码输入至基于改进的
Transformer
模型建立的预测模型；所述预测模型包括多层编码器，每层编码器包括多头注意力部和改进的前馈层，其中，所述多头注意力部包括多个注意力头；在每个注意力头中，所述控制操作序列的嵌入编码通过三个转换矩阵生成查询向量
、
键向量和数值向量；由查询向量
、
键向量和数值向量和激活函数计算注意力头的输出；将不同注意力头的输出连接，通过转换矩阵生成初始输出；在所述初始输出的基础上进行残差连接与归一化，得到最终输出；将所述最终输出输入至改进的前馈层中，得到控制操作序列的隐藏表征
。4.
根据权利要求3所述的空调系统，其特征在于：在通过三个转换矩阵生成查询向量
、
键向量和数值向量时，对所述查询向量进行
mask
处理
。5.
根据权利要求3所述的空调系统，其特征在于：所述构建模块配置为在执行将所述最终输出输入至改进的前馈层中，得到控制操作序
列的隐藏表征时执行以下计算过程：
F
A
＝
SW1+b1F
B
＝
ReLu(F
A
)F
C
＝
CNN(F
B
)F
D
＝
F
...

【专利技术属性】
技术研发人员：孙铁军，阮岱玮，任兆亭，
申请(专利权)人：青岛海信日立空调系统有限公司，
类型：发明
国别省市：