【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于人工智能的空调设备寻优控制方法及系统。
技术介绍
1、随着智能化管理需求的提高和园区内空调设备的增加，越来越多的园区开始面临引入智能技术来实现空调寻优控制的需求，而其中，如何提高控制的效果以及保证园区的温度舒适度，成为比较重要的技术问题。现有的技术方案中，大部分的空调设备的控制都是基于其设置区域的控制器控制或是区域的温度信息来自动控制的，没有整体考虑到多个设备之间的数据校正和寻优控制，其在多设备场景下的空调控制效率和精度均有所欠缺，控温效果难以满足用户要求。可见，现有技术存在缺陷，亟待解决。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种基于人工智能的空调设备寻优控制方法及系统，能够基于更精确的传感数据实现对园区内多设备场景下的空调寻优控制，提高空调控制的效率和精度，提高控温效果。
2、为了解决上述技术问题，本专利技术第一方面公开了一种基于人工智能的空调设备寻优控制方法，所述方法包括：
3、获取目标园区区域中多个子区域的区域传感数据；
4、根据预设的数据校正规则，对所述区域传感数据进行校正得到每一所述子区域对应的校正后传感数据；
5、根据所述校正后传感数据，基于神经网络算法，预测每一所述子区域对应的区域控温参数；
6、根据所述区域控温参数，从所有所述子区域中的空调设备中筛选出多个优选空调设备，并发送对应的区域控温策略至所述优选空调设备进行控制。
7、作为一个
8、作为一个可选的实施方式，在本专利技术第一方面中，所述根据预设的数据校正规则，对所述区域传感数据进行校正得到每一所述子区域对应的校正后传感数据，包括：
9、对于任意两个相互之间的区域距离小于第一距离阈值的所述子区域，计算该两个所述子区域的所述区域传感数据中的所有第一数据之间的数值差值的平均值，得到平均差参数；所述第一数据为红外传感数据、温度数据、湿度数据或气压数据；
10、计算该两个所述子区域的所述图像数据之间的差异度；
11、根据所述区域距离、所述平均差参数和所述差异度，判断该两个所述子区域之间的差异是否过大，得到第一判断结果；
12、若所述第一判断结果为是，计算该两个所述子区域的所述区域传感数据中的每一对应类型的数据之间的平均值与调整权重的乘积，得到该两个所述子区域对应的校正后传感数据；
13、若所述第一判断结果为否，将该两个所述子区域的所述区域传感数据保持不变，确定为校正后传感数据。
14、作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述区域距离、所述平均差参数和所述差异度，判断该两个所述子区域之间的差异是否过大，得到第一判断结果，包括：
15、判断所述平均差参数是否大于预设的参数阈值，得到第一判断结果；
16、判断所述差异度是否大于预设的差异度阈值，得到第三判断结果；
17、判断所述区域距离是否大于预设的第二距离阈值，得到第四判断结果；
18、判断所述第一判断结果是否为是且所述第三判断结果和所述第四判断结果是否均为否，得到第一判断结果。
19、作为一个可选的实施方式，在本专利技术第一方面中，所述调整权重与该两个所述子区域的所述区域传感数据之间的数据差异度成正比；所述数据差异度为该两个所述子区域的所述区域传感数据之间的所述平均差参数和所述差异度的乘积。
20、作为一个可选的实施方式，在本专利技术第一方面中，所述区域控温参数包括控温必要性参数和控温幅度参数。
21、作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述校正后传感数据，基于神经网络算法，预测每一所述子区域对应的区域控温参数，包括：
22、将每一所述子区域对应的所述校正后传感数据，输入至预先训练好的控温必要性预测神经网络，得到每一所述子区域对应的控温必要性参数；所述控温必要性预测神经网络通过包括有多个训练传感数据和对应的控温必要性标注的训练数据集训练得到；
23、将每一所述子区域对应的所述校正后传感数据，输入至预先训练好的控温幅度预测神经网络，得到每一所述子区域对应的控温幅度参数；所述控温幅度预测神经网络通过包括有多个训练传感数据和对应的控温幅度标注的训练数据集训练得到。
24、作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述区域控温参数，从所有所述子区域中的空调设备中筛选出多个优选空调设备，并发送对应的区域控温策略至所述优选空调设备进行控制，包括：
25、筛选出所述控温必要性高于预设的必要性阈值的所述子区域，得到多个优选子区域；
26、对于每一所述优选子区域中的每一空调设备，计算该空调设备与附近的其他所述优选子区域之间的最近距离；
27、计算所述最近距离和该优选子区域对应的所述控温幅度参数之间的乘积，得到该空调设备对应的设备优先级；
28、筛选出所述设备优先级高于预设的优先级阈值的所述空调设备，得到多个优选空调设备；
29、确定每一所述优选空调设备对应的区域控温策略；所述区域控温策略中包括有启动时长和吹风温度；所述吹风温度与该优选空调设备所在的所述子区域对应的所述控温幅度参数成反比；
30、将每一所述优选空调设备对应的区域控温策略发送至对应的所述优选空调设备进行控制。
31、本专利技术实施例第二方面公开了一种基于人工智能的空调设备寻优控制系统，所述系统包括：
32、获取模块，用于获取目标园区区域中多个子区域的区域传感数据；
33、校正模块，用于根据预设的数据校正规则，对所述区域传感数据进行校正得到每一所述子区域对应的校正后传感数据；
34、预测模块，用于根据所述校正后传感数据，基于神经网络算法，预测每一所述子区域对应的区域控温参数；
35、控制模块，用于根据所述区域控温参数，从所有所述子区域中的空调设备中筛选出多个优选空调设备，并发送对应的区域控温策略至所述优选空调设备进行控制。
36、作为一个可选的实施方式，在本专利技术第二方面中，所述区域传感数据包括红外传感数据、温度数据、湿度数据、图像数据和气压数据。
37、作为一个可选的实施方式，在本专利技术第二方面中，所述校正模块根据预设的数据校正规则，对所述区域传感数据进行校正得到每一所述子区域对应的校正后传感数据的具体方式，包括：
38、对于任意两个相互之间的区域距离小于第一距离阈值的所述子区域，计算该两个所述子区域的所述区域传感数据中的所有第一数据之间的数值差值的平均值，得到平均差参数；所述第一数据为红外传感数据、温度数据、湿度数据或气压数据；
39、计算该两个所述子区域的所述图像数据之间的差异度；
40、根据所述区域距离、所述平均本文档来自技高网...
【技术保护点】
1.一种基于人工智能的空调设备寻优控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述区域传感数据包括红外传感数据、温度数据、湿度数据、图像数据和气压数据。
3.根据权利要求2所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述根据预设的数据校正规则，对所述区域传感数据进行校正得到每一所述子区域对应的校正后传感数据，包括：
4.根据权利要求3所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述根据所述区域距离、所述平均差参数和所述差异度，判断该两个所述子区域之间的差异是否过大，得到第一判断结果，包括：
5.根据权利要求3所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述调整权重与该两个所述子区域的所述区域传感数据之间的数据差异度成正比；所述数据差异度为该两个所述子区域的所述区域传感数据之间的所述平均差参数和所述差异度的乘积。
6.根据权利要求1所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述区域控温参数包括控温必要性参数和控温幅度
7.根据权利要求6所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述根据所述校正后传感数据，基于神经网络算法，预测每一所述子区域对应的区域控温参数，包括：
8.根据权利要求6所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述根据所述区域控温参数，从所有所述子区域中的空调设备中筛选出多个优选空调设备，并发送对应的区域控温策略至所述优选空调设备进行控制，包括：
9.一种基于人工智能的空调设备寻优控制系统，其特征在于，所述系统包括：
10.一种基于人工智能的空调设备寻优控制系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于人工智能的空调设备寻优控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述区域传感数据包括红外传感数据、温度数据、湿度数据、图像数据和气压数据。
3.根据权利要求2所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述根据预设的数据校正规则，对所述区域传感数据进行校正得到每一所述子区域对应的校正后传感数据，包括：
4.根据权利要求3所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述根据所述区域距离、所述平均差参数和所述差异度，判断该两个所述子区域之间的差异是否过大，得到第一判断结果，包括：
5.根据权利要求3所述的基于人工智能的空调设备寻优控制方法，其特征在于，所述调整权重与该两个所述子区域的所述区域传感数据之间的数据差异度成正比；所述数据差异...
【专利技术属性】
技术研发人员：董建，陈小冬，张正松，林尉铭，邰彬，潘万军，郭日兴，罗正达，张勇尧，梁雅淼，
申请(专利权)人：广州智业节能科技有限公司，
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。