[发明专利]空调自动驾驶、模型训练和预测方法、装置及设备

说明书

一种空调自动驾驶、模型训练和预测方法、装置及设备，利用同一空调所在环境下的体感环境温度、调节参数和环境参数之间的关系，采用有监督机器学习的方法创建和训练预测模型来表示这种关系，实现对体感环境温度或空调调节参数的预测。进而根据预测值实现空调的自动驾驶，本公开实施例无需在用户使用区域布线，也不需要人工去更换电池，可以有效学习用户习惯性的舒适的体感环境温度，提升用户的体验。

技术领域

本公开涉及但不限于空调技术领域，具体涉及一种空调自动驾驶、模型训练和预测方法、装置及设备。

背景技术

在空调的应用场景中，由于空调与建筑的融合及设计问题，通常空调的出风口和回风口的温度与室内的用户使用区域的实际温度都会存在差距。室内的用户使用区域(如卧室中床所在的区域、起居室中人的活动区域等)的温度与用户实际感受到的体感温度直接相关，文中将其称为体感环境温度。体感环境温度比空调检测的室内温度更能反映用户的真实体感温度。比如在制冷模式下，空调出风口的冷风经过室内换热、吸收室内热量后温度升高，回到空调回风口时温度较高，而空调检测的室内温度(简称为室内温度)是在回风口采集的，因而室内的用户使用区域的温度即体感环境温度通常低于室内温度，这个温差有时候会有2～3度，空调按照室内温度进行控制，会形成较大的冷感。反之在制热模式下，则会形成较大的热感。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本公开实施例提供了一种体感环境温度预测模型的训练方法，包括：

获取训练数据，所述训练数据基于体感环境温度、第一空调的调节参数和所述第一空调的环境参数的样本数据得到，所述体感环境温度指所述第一空调所在室内的用户使用区域的温度；

以所述训练数据中的调节参数和环境参数为输入数据，以所述训练数据中的体感环境温度为目标数据，采用有监督机器学习的方式对体感环境温度的第一预测模型进行训练。

本公开实施例还提供了一种体感环境温度预测模型的训练装置，包括处理器以及存储有计算机程序的存储器，其中，所述处理器执行所述计算机程序时实现如本公开任一实施例所述的体感环境温度预测模型的训练方法。

本公开实施例还提供了一种体感环境温度的预测方法，包括：

获取第一空调的调节参数和所述第一空调的环境参数；

将所述调节参数和环境参数输入体感环境温度的第一预测模型，根据所述第一预测模型的输出得到预测的体感环境温度；

其中，所述体感环境温度指所述第一空调所在室内的用户使用区域的温度，所述第一预测模型按照如本公开任一实施例所述的体感环境温度的训练方法得到。

本公开实施例还提供了一种体感环境温度的预测装置，包括，包括处理器以及存储有计算机程序的存储器，其中，所述处理器执行所述计算机程序时实现如本公开任一实施例所述的体感环境温度的预测方法。

本公开实施例还提供了一种空调自动驾驶方法，包括：

按照如本公开任一实施例所述的体感环境温度的预测方法进行预测，得到预测的体感环境温度；

所述第一空调根据所述预测的体感环境温度对调节参数进行自动调节，所述调节参数包括室内设定温度和/或室内设定风速；

其中，所述第一空调保存有云服务器下发的所述第一预测模型，并按照所述预测方法进行预测；或者，由云服务器按照所述预测方法进行预测，并将所述预测的体感环境温度下发给所述第一空调。