[发明专利]一种用户偏好自学习的空调控制方法和装置

权利要求书

1.一种用户偏好自学习的空调控制方法，其特征在于，包括：

采集用户空调使用行为数据和环境数据；

根据规则进行用户历史空调使用行为模式分类；

统计用户在不同环境条件下的不同空调使用行为概率；

根据实时环境参数预测用户对温度设定值的偏好和降温/升温速度的偏好；

执行空调控制策略。

2.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，所述行为数据和环境数据包括：空调开关状态，制冷/采暖的空调运行模式，温度设定值，风速设定值，室内干球温度，室内相对湿度，室外干球温度和室外相对湿度。

3.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，所述分类的依据包括用户对空调进行开关/调节设定室内干球温度，设定温度，室内干球温度与设定温度的差值以及原设定温度与新设定温度的差值。

4.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，所述用户行为模式分类包括升温激进模式，升温较激进模式，升温中庸模式，升温较保守模式，升温保守模式，降温激进模式，降温较激进模式，降温中庸模式，降温较保守模式和降温保守模式。

5.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，所述分类统计方法为基于概率统计的算法。

6.根据权利要求5所述的用户偏好自学习的空调控制方法，其特征在于，所述分类统计方法为条件概率统计算法及朴素贝叶斯算法。

7.根据权利要求5所述的用户偏好自学习的空调控制方法，其特征在于，所述分类统计的结果是在各室外有效温度T_e，out下空调处于开启状态时，各室内干球温度值出现的概率以及各综合有效温度T_e，com下用户各行为模式的概率。

8.根据权利要求7所述的用户偏好自学习的空调控制方法，其特征在于，所述综合有效温度T_e，com是室内有效温度T_e，in和室外有效温度T_e，out的综合加权值；

T_e，com＝0.25T_e，out+0.75T_e，in。

9.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，所述预测算法是基于概率统计的算法，将概率最大的行为作为预测结果。

10.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，通过调节空调系统的冷/热水阀开度和/或风机的转速对空调系统进行控制。

11.根据权利要求1所述的用户偏好自学习的空调控制方法，其特征在于，还包括：实时更新用户空调使用行为数据和环境数据。

12.实现权利要求1至11中任一项所述方法的用户偏好自学习的空调控制装置，其特征在于，包括：由触控面板和室内外温湿度传感器组成的数据采集模块；由中央处理器组成的数据处理与控制模块；数据采集模块用于在数据处理与控制模块的控制下，采集用户行为数据和室内外的环境数据；数据处理与控制模块主要用于根据数据采集模块获得的环境数据完成数据处理，并输出控制信号至被控空调。