[发明专利]基于深度学习的个性化空调智能学习方法

说明书

本发明公开了一种基于深度学习的个性化空调智能学习方法，其中，包括：获取测量对象的相关数据，相关数据包括：操作数据和环境数据；对相关数据进行清洗及处理，得到训练数据；导入神经网络，生成用户个性化预测模型；用户个性化预测模型生成测量对象的操作数据；获取用户对于测量对象调整后的相关数据，再次导入神经网络，训练优化用户个性化预测模型。本发明可实现对空调设备的全智能化控制，经过一端时间的训练后，后续的操作大多数情况下无需人工进行操作。并且，在同等环境情况下，相比一般的智能化控制以及传统的空调控制，更加的节能。

技术领域

本发明涉及一种空调智能学习方法，尤其涉及一种基于深度学习的个性化空调智能学习方法。

背景技术

现在社会之中，空调已经成为大部分家庭、办公地点、商业场所、室内公共区域等地点不可或缺的电器设施。在享受着空调带来的舒适时，人们同时也局限于传统的使用方法，即通过手动操控去开启关闭以及调整温度和工作模式等。空调本身的运行状态手环境影响，每个人的使用习惯也各不相同，这种手动操作方式不具备智能化，给使用者带来不便，在部分场合还会出现能源浪费，降低了用户体验。

中国专利公开号CN109297140A公布了一种基于人工智能的空调控制方法，其通过采用神经网络模型建立并训练可以预测房间温度变化的房间环境模型和可以预测用户温度喜好的用户模型、建立用于产生空调控制量的空调控制模型，并利用房间环境模型来训练空调控制模型，最终将温度控制目标量、空调观测量和/或房间环境观测量输入空调控制模型，输出空调控制量。其通过多个控制量相互配合，控制压缩机频率、内外风机转速和节流阀开度等的配合，使得空调能效和性能巨大提升，通过多观测量(观测量包含环境观测量(室外环境温度、天气、光照等)、房间观测量(室内环境温度、房间大小、空调布置等)、空调设备观测量(蒸发器气压和温度、冷凝器气压和温度、流量、电源电压等)、用户人设(年龄、性别等))，以实现对环境，房间，用户的精确建模，同时监测气候、天气变化、空调设备状态、时间、地区、房间特性等，针对不同情况采用不同的控制策略，最大程度的提高空调能效和性能。不仅仅能包含快速达到目标温度和维持恒定温度及减低能耗，还可以包含满足不同人(老人、小孩)和不同时段(夜晚、进屋)对温度的个性化需求。该方案虽然采用神经网络模型建立空调的控制模型，但是在实际使用过程中，因为空调设备的的各厂商的控制系统数据代码没有统一标准，上述方案的控制压缩机频率、内外风机转速和节流阀开度等是难以实现的。

鉴于上述问题，本发明公开了一种基于深度学习的个性化空调智能学习方法，其具有如下文所述之技术特征，以解决现有的问题。

发明内容

本发明的上述目的是通过以下技术方案实现的：

一种基于深度学习的个性化空调智能学习方法，其中，包括：获取测量对象的相关数据，相关数据包括：操作数据和环境数据；对相关数据进行清洗及处理，得到训练数据；导入神经网络，生成用户个性化预测模型；用户个性化预测模型生成测量对象的操作数据；获取用户对于测量对象调整后的相关数据，再次导入神经网络，训练优化用户个性化预测模型。

如上所述的基于深度学习的个性化空调智能学习方法，其中，对相关数据进行清洗包括：删除问题数据和错误数据，得到清洗后的数据。

如上所述的基于深度学习的个性化空调智能学习方法，其中，删除问题数据和错误数据包括：对于传感器故障或系统处理故障产生的缺失数据，若其占总数据比例小于或等于15％，将所有包含缺失值的数据行删除；若其比例大于15％，对缺失值进行填补；如果数据是布尔型数据，填补值为前十条有效数据值与后十条有效数据值的众数；如果数据为数值型，填补值为前十条有效数据与后十条有效数据值的平均数。

如上所述的基于深度学习的个性化空调智能学习方法，其中，对相关数据进行处理包括：将操作数据整理为符合神经网络输入结构的预处理数据；将预处理数据与环境数据进行综合处理，得到训练数据，将训练数据导入神经网络。