[发明专利]一种用户偏好自学习的空调控制方法和装置

说明书

本发明公开了一种用户偏好自学习的空调控制方法和装置。本发明通过采集用户空调使用行为和环境参数数据，分类统计提取出用户使用空调的行为特征；建立用户偏好模型，预测用户在不同环境条件下对温度设定值的偏好和对降温/升温速度的偏好；根据用户不同的偏好设计空调系统相应的控制策略，适应不同用户的个性化要求；收集运行过程中用户的行为特征，实现控制系统的自学习。本发明与常规空调控制器相比，只需要对控制器的控制程序进行少量修改，无需增加额外的传感器，就可以与多种类型的空调系统相结合，既能实现用户更好的舒适度体验，又能减少不必要的用能。

技术领域

本发明属于空调系统控制技术领域，涉及一种用户偏好自学习的控制方法以及一种用户偏好自学习的空调装置。

背景技术

空调己经成为人们日常生活的必需品，为人们提供了舒适的生活环境。随着智能时代的到来，人们对空调的个性化和智能化需求也不断增长。如何在满足用户个性化舒适需求的同时实现智能节能变得十分重要。

目前市场上的大多数空调器都是以被动方式接受用户指令进行控制，通过此种方法进行室内温度调节，不仅需要用户经常操作空调，降低了空调的智能化程度，而且由于调控的不准确、不及时也降低了用户的舒适感。同时，由于性别，年龄等因素的不同，个体热舒适感觉存在差异，不同用户对室内环境条件的需求不同。在空调系统的运行中，要满足用户的舒适度需求，就要考虑个体热舒适差异，即用户的个性化偏好。

发明内容

为了解决现有技术中存在的上述问题，本发明提出一种用户偏好自学习的空调控制方法和装置，通过采集用户空调使用行为数据和环境数据，提取用户的空调使用行为特征；建立用户偏好预测模型，设计空调控制策略以满足用户偏好；实现空调控制系统的在线学习，在实际应用中保证用户舒适度的前提下实现控制节能。

为实现上述目的，本发明采用如下技术方案：

本发明提供一种用户偏好自学习的空调控制方法和装置，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。

前述行为模式分类相当于给历史行为数据打标签，在下一步统计不同环境条件下各类行为模式出现的概率进行模型训练，以预测实时环境参数下用户的行为模式。本预测模型包含两部分预测内容，一个是预测温度设定值，这部分可以直接统计得到；另一个是预测行为模式，需要先进行分类再统计。

进一步地，所述行为数据和环境数据包括：空调开关状态，空调运行模式(制冷/采暖)，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。

优选地，所述分类的依据包括室内干球温度，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。

优选地，所述用户空调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等10类。

进一步地，所述统计方法为条件概率统计、朴素贝叶斯或其它基于概率统计的类似算法。

进一步地，所述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下用户各空调行为模式的概率。