CN115751671A - 空调节能控制方法、装置及计算机可读存储介质 - Google Patents
空调节能控制方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115751671A CN115751671A CN202211465915.0A CN202211465915A CN115751671A CN 115751671 A CN115751671 A CN 115751671A CN 202211465915 A CN202211465915 A CN 202211465915A CN 115751671 A CN115751671 A CN 115751671A
- Authority
- CN
- China
- Prior art keywords
- saving control
- air conditioner
- energy
- air
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本公开提供了一种空调节能控制方法、装置及计算机可读存储介质,涉及空调控制技术领域,所述方法包括:获取输入参数,输入参数包括至少一台空调的运行参数以及环境参数;将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,空调节能控制模型包括规则模型和分类模型,规则模型以第一概率被使用,分类模型以第二概率被使用,第一概率和第二概率之和为1;根据空调节能控制策略对至少一台空调进行控制;其中,分类模型以规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以样本输入参数作为输入进行训练得到,其中,样本输入参数包括至少一台样本空调的运行参数以及环境参数。
Description
技术领域
本公开涉及空调控制领域,尤其是一种空调节能控制方法、装置及计算机可读存储介质。
背景技术
数据中心的制冷设备能耗开销巨大,因此降低制冷设备的能耗以及精确制冷至关重要。相关技术中,可以利用空调节能控制模型进行空调控制。
发明内容
发明人注意到,相关技术中空调控制的准确性较低。经过分析,发明人发现,相关技术中模型的准确性与训练数据集紧密相关,由于训练数据集难以包含所有可能的数据,实际工作环境中仍然存在着一些未被学习的情况,导致空调控制的准确性较低,并且用于训练的数据需要人工实验并进行标注后才能使用,消耗大量的人力资源。
为了解决上述问题,本公开实施例提出了如下解决方案。
根据本公开实施例的一方面,提供一种空调节能控制方法,包括:获取输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;根据所述空调节能控制策略对所述至少一台空调进行控制;其中,所述分类模型以所述规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以所述样本输入参数作为输入进行训练得到,其中,所述样本输入参数包括至少一台样本空调的所述运行参数以及所述环境参数。
在一些实施例中,还包括:在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
根据本公开实施例的另一方面,提供一种空调节能控制方法,包括:获取输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;根据所述空调节能控制策略对所述至少一台空调进行控制;在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
在一些实施例中,所述运行参数包括风机转速。
在一些实施例中,所述运行参数还包括有功功率、开关状态、设定温度和风速范围中的至少一个。
在一些实施例中,所述运行参数包括有功功率、开关状态、设定温度和风速范围中的多个。
在一些实施例中,所述环境参数包括机柜温度。
在一些实施例中,所述环境参数还包括室外温度、室外湿度、室内湿度和回风温度中的至少一个。
在一些实施例中,所述环境参数包括室外温度、室外湿度、室内湿度和回风温度中的多个。
在一些实施例中,所述能耗要求为能耗最低。
在一些实施例中,还包括:对所述至少一台空调进行控制后,若确定所述温度要求和所述能耗要求被满足,则增大所述第二概率;若确定所述温度要求和所述能耗要求中的至少一个未被满足,则减小所述第二概率。
在一些实施例中,所述规则模型包括策略网络和价值网络。
根据本公开实施例的还一方面,提供一种空调节能控制装置,包括:获取模块,被配置为输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;输入模块,被配置为将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;控制模块,被配置为根据所述空调节能控制策略对所述至少一台空调进行控制;其中,所述分类模型以所述规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以所述样本输入参数作为输入进行训练得到,其中,所述样本输入参数包括至少一台样本空调的所述运行参数以及所述环境参数。
根据本公开实施例的还一方面,提供一种空调节能控制装置,包括:获取模块,被配置为获取输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;输入模块,被配置为将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;控制模块,被配置为根据所述空调节能控制策略对所述至少一台空调进行控制;训练模块,被配置为在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
根据本公开实施例的还一方面,提供一种空调节能控制装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令执行上述任意一个实施例所述的方法。
根据本公开实施例的还一方面,提供一种计算机可读存储介质,包括计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述任意一个实施例所述的方法。
根据本公开实施例的还一方面,提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现上述任意一个实施例所述的方法。
本公开实施例中,一方面,通过获取输入参数,并将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,该空调节能控制模型包括规则模型和分类模型。其中,规则模型控制准确性高,但收敛速度较慢,而分类模型收敛速度较快,但实际工作环境中仍存在一些未被分类模型学习的事件,从而影响控制的准确性,通过综合运用规则模型和分类模型,避免了因未被学习事件的出现而导致控制错误的情况,提高了空调节能控制的准确性。另一方面,通过以规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以样本输入参数作为输入进行训练得到分类模型,避免了人工标注耗费资源大的问题,提高了空调节能控制的效率。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本公开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公开的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是根据本公开一些实施例的空调节能控制方法的流程示意图;
图2是根据本公开另一些实施例的空调节能控制方法的流程示意图;
图3是根据本公开一些实施例的空调节能控制装置的结构示意图;
图4是根据本公开另一些实施例的空调节能控制装置的结构示意图;
图5是根据本公开又一些实施例的空调节能控制装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例提供的空调节能控制方法可以用于但不限于数据中心的机房空调控制。
图1是根据本公开一些实施例的空调节能控制方法的流程示意图。
在步骤102,获取输入参数,该输入参数包括至少一台空调的运行参数以及环境参数。
在步骤104,将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,该空调节能控制模型包括规则模型和分类模型,规则模型以第一概率被使用,分类模型以第二概率被使用,第一概率和第二概率之和为1。换言之,每次有输入参数输入到空调节能控制模型后,空调节能控制策略由规则模型输出的概率为第一概率,由分类模型输出的概率为第二概率。
分类模型以规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以样本输入参数作为输入进行训练得到,其中,样本输入参数包括至少一台样本空调的运行参数以及环境参数。
在一些实施例中,能耗要求为能耗最低。例如,空调节能控制策略是温度低于预设温度且能耗最低。
在一些实施例中,规则模型是强化学习模型,包括策略网络和价值网络。在一些实施例中,分类模型是神经网络模型。
在步骤106,根据空调节能控制策略对至少一台空调进行控制。
作为一些实现方式,空调节能控制策略包括空调的开关状态、设定温度和风速范围。这种情况下,针对每一台空调,可以按照空调节能控制策略控制该台空调是否开启,并且在开启的情况下控制该台空调按照空调节能控制策略中的设定温度和风速范围运行。
上述实施例中,一方面,通过获取输入参数,并将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,该空调节能控制模型包括规则模型和分类模型。其中,规则模型控制准确性高,但速度较慢,而分类模型速度较快,但实际工作环境中仍存在一些未被分类模型学习的事件,从而影响控制的准确性,通过综合运用规则模型和分类模型,避免了因未被学习事件的出现而导致控制错误的情况,提高了空调节能控制的准确性。另一方面,通过以规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以样本输入参数作为输入进行训练得到分类模型,避免了人工标注耗费资源大的问题,提高了空调节能控制的效率。
图2是根据本公开另一些实施例的空调节能控制方法的流程示意图。
在步骤202,获取输入参数,该输入参数包括至少一台空调的运行参数以及环境参数。
在步骤204,将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,该空调节能控制模型包括规则模型和分类模型,规则模型以第一概率被使用,分类模型以第二概率被使用,第一概率和第二概率之和为1。
在步骤206,根据空调节能控制策略对至少一台空调进行控制。
在步骤208,在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
上述实施例中,一方面,通过获取输入参数,并将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,该空调节能控制模型包括规则模型和分类模型。其中,规则模型控制准确性高,但速度较慢,而分类模型速度较快,但实际工作环境中仍存在一些未被分类模型学习的事件,从而影响控制的准确性,通过综合运用规则模型和分类模型,避免了因未被学习事件的出现而导致控制错误的情况,提高了空调节能控制的准确性。另一方面,在空调节能控制策略由规则模型输出的情况下,通过以空调节能控制策略作为输出、以输入参数作为输入进行训练,无需在使用空调节能控制模型前对分类模型进行训练,避免了人工标注耗费资源大的问题的同时节约了训练时间,提高了空调节能控制训练的效率。
发明人注意到,在运行参数和环境参数包括某些特定参数的情况下,可以进一步提高空调节能控制的准确性。下面结合不同实施例进行说明。
在一些实施例中,运行参数包括风机转速、有功功率、开关状态、设定温度和风速范围中的至少一个。在另一些实施例中,环境参数包括机柜温度、室外温度、室外湿度、室内湿度和回风温度中的至少一个。如此,可以进一步提高空调节能控制的准确性。
作为一些实现方式,机柜温度包括数据中心的数据机柜的温度。
在又一些实施例中,运行参数包括风机转速、有功功率、开关状态、设定温度和风速范围中的至少一个,并且,环境参数包括机柜温度、室外温度、室外湿度、室内湿度和回风温度中的至少一个。如此,可以更进一步提高空调节能控制的准确性。
发明人还注意到,在运行参数包括风机转速、有功功率、开关状态、设定温度和风速范围中的某个特定参数的情况下,可以更进一步提高空调节能控制的准确性。另外,在环境参数包括机柜温度、室外温度、室外湿度、室内湿度和回风温度中的某个特定参数的情况下,可以更进一步提高空调节能控制的准确性。下面结合不同实施例进行说明。
在一些实施例中,运行参数包括风机转速。在另一些实施例中,环境参数包括机柜温度。如此,可以更进一步提高空调节能控制的准确性。
在又一些实施例中,运行参数包括风机转速,并且环境参数包括机柜温度。如此,可以更进一步提高空调节能控制的准确性。
在一些实施例中,运行参数包括有功功率、开关状态、设定温度和风速范围中的至少一个以及风机转速。
例如,运行参数包括有功功率和风机转速。又例如,运行参数包括有功功率和风机转速。再例如,运行参数包括风速范围和风机转速。
上述实施例中,通过将至少一台空调的有功功率、开关状态、设定温度和风速范围中的至少一个、风机转速以及环境参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,充分考虑了空调的运行参数对空调节能控制的影响,进一步提高了空调节能控制的准确性。
在另一些实施例中,运行参数包括有功功率、开关状态、设定温度和风速范围中的多个以及风机转速。
例如,运行参数包括有功功率、风速范围和风机转速。又例如,运行参数包括开关状态、风速范围和风机转速。再例如,运行参数包括有功功率、开关状态、设定温度和风机转速。
上述实施例中,通过将至少一台空调的有功功率、开关状态、设定温度和风速范围中的多个、风机转速以及环境参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,更加充分考虑了空调的运行参数对空调节能控制的影响,进一步提高了空调节能控制的准确性。
在一些实施例中,运行参数包括有功功率、开关状态、设定温度、风速范围和风机转速。
上述实施例中,通过将至少一台空调的有功功率、开关状态、设定温度、风速范围和风机转速以及环境参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,更加充分考虑了空调的运行参数对空调节能控制的影响,更进一步提高了空调节能控制的准确性。
在一些实施例中,环境参数包括室外温度、室外湿度、室内湿度和回风温度中的至少一个以及机柜温度。
例如,环境参数是机柜温度和回风温度。
上述实施例中,通过将至少一台空调的室外湿度、室内湿度和回风温度中的至少一个、机柜温度和运行参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,充分考虑了环境参数对空调节能控制的影响,进一步提高了空调节能控制的准确性。
在另一些实施例中,环境参数包括室外温度、室外湿度、室内湿度和回风温度中的多个以及机柜温度。
例如,环境参数包括机柜温度、回风温度以及机柜温度。又例如环境参数包括室外湿度、室内湿度、回风温度以及机柜温度。再例如环境参数是室外温度、室外湿度、室内湿度以及机柜温度。
上述实施例中,通过将至少一台空调的室外湿度、室内湿度和回风温度中的多个、机柜温度和运行参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,更加充分考虑了环境参数对空调节能控制的影响,进一步提高了空调节能控制的准确性。
在另一些实施例中,环境参数包括室外温度、室外湿度、室内湿度、回风温度以及机柜温度。
上述实施例中,通过将至少一台空调的运行参数和机室外温度、室外湿度、室内湿度、回风温度、机柜温度输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,更加充分考虑了环境参数对空调节能控制的影响,更进一步提高了空调节能控制的准确性。
在一些实施例中,在空调节能控制策略由规则模型输出的情况下,以空调节能控制策略作为输出、以输入参数作为输入对所述分类模型进行训练。
上述实施例中,通过在空调节能控制策略由规则模型输出的情况下,以空调节能控制策略作为输出、以输入参数作为输入对所述分类模型进行训练,即在使用空调节能控制模型的同时不断更新完善分类模型,进一步提高了空调节能控制训练的准确性。并且,在进行空调节能控制的同时对分类模型进行训练,进一步提高了空调节能控制训练的效率。
在一些实施例中,对至少一台空调进行控制后,若确定温度要求和能耗要求被满足,则增大第二概率;若确定温度要求和能耗要求中的至少一个未被满足,则减小第二概率。
作为一些实现方式,第二概率的初始值为0.2,空调节能控制模型运行一段时间后,若在该段时间内温度要求和能耗要求被满足,则增大第二概率;若确定温度要求和能耗要求中的至少一个未被满足,则减小第二概率。
上述实施例中,通过根据能否满足温度要求和能耗要求来调节分类模型被使用的第二概率,进一步提高了空调节能控制训练的准确性。并且,由于分类模型收敛速度较快,因此当分类模型的输出能够满足温度和能耗要求时,提高分类模型被使用的第二概率能够提高空调节能控制的效率。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于装置实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
图3是根据本公开一些实施例的空调节能控制装置的结构示意图。
如图3所示,空调节能控制装置包括获取模块301、输入模块302和控制模块303。
获取模块301被配置为输入参数,该输入参数包括至少一台空调的运行参数以及环境参数。
输入模块302被配置为将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,空调节能控制模型包括规则模型和分类模型,规则模型以第一概率被使用,分类模型以第二概率被使用,第一概率和第二概率之和为1,该分类模型以规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以样本输入参数作为输入进行训练得到,该样本输入参数包括至少一台样本空调的运行参数以及环境参数。
控制模块303被配置为根据空调节能控制策略对至少一台空调进行控制。
图4是根据本公开另一些实施例的空调节能控制装置的结构示意图。
如图4所示,空调节能控制装置包括获取模块401、输入模块402、403控制模块和训练模块404。
获取模块401被配置为输入参数,该输入参数包括至少一台空调的运行参数以及环境参数。
输入模块402被配置为将输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,空调节能控制模型包括规则模型和分类模型,规则模型以第一概率被使用,分类模型以第二概率被使用,第一概率和第二概率之和为1。
控制模块403被配置为根据空调节能控制策略对至少一台空调进行控制。
训练模块404被配置为在空调节能控制策略由规则模型输出的情况下,以空调节能控制策略作为输出、以输入参数作为输入对分类模型进行训练。
图5是根据本公开又一些实施例的空调节能控制装置的结构示意图。
如图5所示,空调节能控制装置500包括存储器501以及耦接至该存储器501的处理器502,处理器502被配置为基于存储在存储器501中的指令,执行前述任意一个实施例的方法。
存储器501例如可以包括***存储器、固定非易失性存储介质等。***存储器例如可以存储有操作***、应用程序、引导装载程序(Boot Loader)以及其他程序等。
空调节能控制装置500还可以包括输入输出接口503、网络接口504、存储接口505等。这些接口503、504、505之间、以及存储器501与处理器502之间例如可以通过总线506连接。输入输出接口503为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口504为各种联网设备提供连接接口。存储接口505为SD卡、U盘等外置存储设备提供连接接口。
本公开实施例还提供了一种计算机可读存储介质,包括计算机程序指令,该计算机程序指令被处理器执行时实现上述任意一个实施例的方法。
本公开实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任意一个实施例的方法。
至此,已经详细描述了本公开的各实施例。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、***、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解,可由计算机程序指令实现流程图中一个流程或多个流程和/或方框图中一个方框或多个方框中指定的功能。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改或者对部分技术特征进行等同替换。本公开的范围由所附权利要求来限定。
Claims (17)
1.一种空调节能控制方法,包括:
获取输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;
将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;
根据所述空调节能控制策略对所述至少一台空调进行控制;
其中,所述分类模型以所述规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以所述样本输入参数作为输入进行训练得到,其中,所述样本输入参数包括至少一台样本空调的所述运行参数以及所述环境参数。
2.根据权利要求1所述的方法,还包括:
在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
3.一种空调节能控制方法,包括:
获取输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;
将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;
根据所述空调节能控制策略对所述至少一台空调进行控制;
在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
4.根据权利要求1-3中任意一项所述的方法,其中,所述运行参数包括风机转速。
5.根据权利要求4所述的方法,其中,所述运行参数还包括有功功率、开关状态、设定温度和风速范围中的至少一个。
6.根据权利要求5所述的方法,其中,所述运行参数包括有功功率、开关状态、设定温度和风速范围中的多个。
7.根据权利要求1-3中任意一项所述的方法,其中,所述环境参数包括机柜温度。
8.根据权利要求7所述的方法,其中,所述环境参数还包括室外温度、室外湿度、室内湿度和回风温度中的至少一个。
9.根据权利要求8所述的方法,其中,所述环境参数包括室外温度、室外湿度、室内湿度和回风温度中的多个。
10.根据权利要求1-3中任意一项所述的方法,其中,所述能耗要求为能耗最低。
11.根据权利要求1-3中任意一项所述的方法,还包括:
对所述至少一台空调进行控制后,若确定所述温度要求和所述能耗要求被满足,则增大所述第二概率;若确定所述温度要求和所述能耗要求中的至少一个未被满足,则减小所述第二概率。
12.根据权利要求1-3中任意一项所述的方法,其中,所述规则模型包括策略网络和价值网络。
13.一种空调节能控制装置,包括:
获取模块,被配置为输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;
输入模块,被配置为将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;
控制模块,被配置为根据所述空调节能控制策略对所述至少一台空调进行控制;
其中,所述分类模型以所述规则模型基于样本输入参数输出的样本空调节能控制策略作为输出、以所述样本输入参数作为输入进行训练得到,其中,所述样本输入参数包括至少一台样本空调的所述运行参数以及所述环境参数。
14.一种空调节能控制装置,包括:
获取模块,被配置为获取输入参数,所述输入参数包括至少一台空调的运行参数以及环境参数;
输入模块,被配置为将所述输入参数输入到空调节能控制模型,以得到满足温度要求和能耗要求的空调节能控制策略,所述空调节能控制模型包括规则模型和分类模型,所述规则模型以第一概率被使用,所述分类模型以第二概率被使用,第一概率和第二概率之和为1;
控制模块,被配置为根据所述空调节能控制策略对所述至少一台空调进行控制;
训练模块,被配置为在所述空调节能控制策略由所述规则模型输出的情况下,以所述空调节能控制策略作为输出、以所述输入参数作为输入对所述分类模型进行训练。
15.一种空调节能控制装置,包括:
存储器;以及
耦接至所述存储器的处理器,被配置为基于存储在所述存储器中的指令,执行权利要求1-12任意一项所述的方法。
16.一种计算机可读存储介质,包括计算机程序指令,其中,所述计算机程序指令被处理器执行时实现权利要求1-12任意一项所述的方法。
17.一种计算机程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1-12任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465915.0A CN115751671A (zh) | 2022-11-22 | 2022-11-22 | 空调节能控制方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465915.0A CN115751671A (zh) | 2022-11-22 | 2022-11-22 | 空调节能控制方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115751671A true CN115751671A (zh) | 2023-03-07 |
Family
ID=85335080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211465915.0A Pending CN115751671A (zh) | 2022-11-22 | 2022-11-22 | 空调节能控制方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115751671A (zh) |
-
2022
- 2022-11-22 CN CN202211465915.0A patent/CN115751671A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800066B (zh) | 一种数据中心节能调度方法及*** | |
CN109323425B (zh) | 空调的控制方法、装置及可读存储介质 | |
CN112529301B (zh) | 用电量预测方法、设备及存储介质 | |
CN111880490A (zh) | 一种环境调节方法、装置、电子设备及存储介质 | |
CN105184367B (zh) | 深度神经网络的模型参数训练方法及*** | |
AU2017404119A9 (en) | Random forest model training method, electronic apparatus and storage medium | |
CN105224458A (zh) | 一种数据库测试方法及*** | |
CN113901162B (zh) | 基于城市管理的无人机环境监测方法、***及云平台 | |
CN109882996A (zh) | 一种控制的方法及设备 | |
CN111580411A (zh) | 控制参数优化方法、装置和*** | |
CN110940059B (zh) | 一种空调设备控制方法、装置及设备 | |
CN106293947B (zh) | 虚拟化云环境下gpu-cpu混合资源分配***和方法 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN116697497B (zh) | 一种通风空调***控制方法、装置、设备和存储介质 | |
CN115751671A (zh) | 空调节能控制方法、装置及计算机可读存储介质 | |
CN111695194A (zh) | 基于嵌入式硬件的无人直升机飞控改进pso算法验证方法 | |
CN108062689B (zh) | 一种监控行业信息的方法、装置、设备及可读存储介质 | |
CN114679899B (zh) | 机房空调自适应节能控制方法及装置、介质及设备 | |
CN113792435A (zh) | 数据模型建立方法和装置、服务器 | |
CN116624990A (zh) | 用于控制空调***的方法及装置、空调***和存储介质 | |
CN115789871A (zh) | 能耗原因分析方法及装置 | |
CN114117778A (zh) | 控制参数确定方法、装置、电子设备和存储介质 | |
CN115200178A (zh) | 一种楼宇终端设备控制方法和装置、电子设备及存储介质 | |
CN110989040B (zh) | 一种基于切片处理的人工智能雷电临近预警方法及*** | |
CN113806077A (zh) | 基于人工智能的数据中心服务器调控方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |