空调器及其运行参数的推荐方法、系统和大数据服务器转让专利
申请号 : CN201710915440.3
文献号 : CN107741084B
文献日 : 2019-09-27
发明人 : 樊其锋 , 黑继伟
申请人 : 广东美的制冷设备有限公司
摘要 :
权利要求 :
1.一种空调器运行参数的推荐方法,其特征在于,包括以下步骤:
获取待推荐空调器的当前应用场景信息;
将所述当前应用场景信息与存储的应用场景信息库进行对比,以从所述应用场景信息库中选取与所述待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景;
获取每个所述匹配应用场景下的空调器的运行参数,并根据每个所述匹配应用场景下的空调器的运行参数获取群体行为推荐参数;
通过采集服务器获取所述待推荐空调器的历史操作记录,并根据所述历史操作记录获取个体行为推荐参数;
根据所述群体行为推荐参数和所述个体行为推荐参数生成最终推荐参数,并将所述最终推荐参数提供给所述待推荐空调器,以根据所述最终推荐参数控制所述待推荐空调器运行。
2.根据权利要求1所述的空调器运行参数的推荐方法,其特征在于,空调器的应用场景信息包括该空调器所处位置的经度、纬度、应用该空调器的用户的性别和年龄、应用该空调器的时间、应用该空调器时的室内温度和室外温度。
3.根据权利要求2所述的空调器运行参数的推荐方法,其特征在于,根据余弦相似性计算当前应用场景与应用场景信息库中的应用场景之间的距离,并将与所述当前应用场景之间的距离小于预设距离的应用场景作为所述匹配应用场景,其中,根据以下公式计算应用场景i和应用场景j之间的距离:
其中,Si、Sj分别表示应用场景i、应用场景j,sim(Si,Sj)为应用场景i和应用场景j之间的距离, 分别为Si、Sj的特征向量, 分别表示向量 的模。
4.根据权利要求3所述的空调器运行参数的推荐方法,其特征在于,根据协同过滤推荐算法获取所述群体行为推荐参数,其中,根据以下公式计算所述群体行为推荐参数:
其中,PG(Sp)为所述群体行为推荐参数,Sp表示匹配应用场景p,Sk表示应用场景k, 为匹配应用场景p下的平均运行参数,Tp,k为应用场景p下第k次设置的运行参数,n为应用场景p下运行参数的设置总次数。
5.根据权利要求1所述的空调器运行参数的推荐方法,其特征在于,所述历史操作记录包括每次操作所述待推荐空调器的操作时间、运行参数、每次操作所述待推荐空调器时的室内温度和室外温度。
6.根据权利要求5所述的空调器运行参数的推荐方法,其特征在于,根据多元线性回归模型获取所述个体行为推荐参数,其中,将所述操作记录中的所述操作时间、每次操作所述待推荐空调器时的室内温度和室外温度作为自变量,并将每次操作所述待推荐空调器的运行参数作为因变量以构建训练集;
根据所述训练集对多元线性模型 进行训练以得到模型参数值b0~b4;
根据当前时间、当前室内温度和当前室外温度和所述模型参数值b0~b4计算所述多元线性模型中的y值,以得到所述个体行为推荐参数。
7.根据权利要求1所述的空调器运行参数的推荐方法,其特征在于,对所述群体行为推荐参数和所述个体行为推荐参数进行加权平均运算以得到所述最终推荐参数。
8.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现根据权利要求1-7中任一所述的空调器运行参数的推荐方法。
9.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行根据权利要求1-7中任一所述的空调器运行参数的推荐方法。
10.一种大数据服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现根据权利要求1-7中任一所述的空调器运行参数的推荐方法。
11.一种空调器运行参数的推荐系统,其特征在于,包括待推荐空调器、采集服务器和大数据服务器,其中,所述待推荐空调器用于获取操作数据,并将所述操作数据上传至所述采集服务器;
所述采集服务器用于根据所述操作数据生成所述待推荐空调器的历史操作记录;
所述大数据服务器通过与所述采集服务器进行通信以获取所述待推荐空调器的历史操作记录,并根据所述历史操作记录获取个体行为推荐参数,所述大数据服务器还用于获取待推荐空调器的当前应用场景信息,并将所述当前应用场景信息与存储的应用场景信息库进行对比,以从所述应用场景信息库中选取与所述待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景,以及获取每个所述匹配应用场景下的空调器的运行参数,并根据每个所述匹配应用场景下的空调器的运行参数获取群体行为推荐参数,以及根据所述群体行为推荐参数和所述个体行为推荐参数生成最终推荐参数,并将所述最终推荐参数提供给所述待推荐空调器;
所述待推荐空调器根据所述最终推荐参数运行。
12.一种空调器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现一种空调器的控制方法,所述方法包括:获取该空调器的操作数据;
将所述操作数据上传至采集服务器;
接收大数据服务器获取的最终推荐参数,其中,所述大数据服务器通过与所述采集服务器进行通信以获取所述操作数据,并根据所述操作数据获取个体行为推荐参数,以及获取群体行为推荐参数,所述最终推荐参数为所述大数据服务器根据所述个体行为推荐参数和所述群体行为推荐参数生成的;
根据所述最终推荐参数控制所述空调器运行。
说明书 :
空调器及其运行参数的推荐方法、系统和大数据服务器
技术领域
一种空调器和一种大数据服务器。
背景技术
发明内容
调器,从而可方便智能地对空调器进行控制,大大提高用户体验。
息与存储的应用场景信息库进行对比,以从所述应用场景信息库中选取与所述待推荐空调
器的当前应用场景相匹配的至少一个匹配应用场景;获取每个所述匹配应用场景下的空调
器的运行参数,并根据每个所述匹配应用场景下的空调器的运行参数获取群体行为推荐参
数;通过采集服务器获取所述待推荐空调器的历史操作记录,并根据所述历史操作记录获
取个体行为推荐参数;根据所述群体行为推荐参数和所述个体行为推荐参数生成最终推荐
参数,并将所述最终推荐参数提供给所述待推荐空调器,以根据所述最终推荐参数控制所
述待推荐空调器运行。
推荐空调器的历史操作记录获取个体行为推荐参数,然后根据群体行为推荐参数和个体行
为推荐参数生成最终推荐参数,以根据最终推荐参数控制空调器运行,由此,能够结合群体
习惯和个人偏好,将较为适宜的运行参数推荐给空调器,从而可方便智能地对空调器进行
控制,大大提高了用户体验。
场景,其中,根据以下公式计算应用场景i和应用场景j之间的距离:
数的设置总次数。
并将每次操作所述待推荐空调器的运行参数作为因变量以构建训练集;根据所述训练集对
多元线性模型 进行训练以得到模型参数值b0~b4;根据当前时间、当前室内
温度和当前室外温度和所述模型参数值b0~b4计算所述多元线性模型中的y值,以得到所述
个体行为推荐参数。
空调器运行参数的推荐方法。
提高了用户体验。
数的推荐方法。
序时,实现本发明第一方面实施例提出的空调器运行参数的推荐方法。
获取操作数据,并将所述操作数据上传至所述采集服务器;所述采集服务器用于根据所述
操作数据生成所述待推荐空调器的历史操作记录;所述大数据服务器通过与所述采集服务
器进行通信以获取所述待推荐空调器的历史操作记录,并根据所述历史操作记录获取个体
行为推荐参数,所述大数据服务器还用于获取待推荐空调器的当前应用场景信息,并将所
述当前应用场景信息与存储的应用场景信息库进行对比,以从所述应用场景信息库中选取
与所述待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景,以及获取每个所述
匹配应用场景下的空调器的运行参数,并根据每个所述匹配应用场景下的空调器的运行参
数获取群体行为推荐参数,以及根据所述群体行为推荐参数和所述个体行为推荐参数生成
最终推荐参数,并将所述最终推荐参数提供给所述待推荐空调器;所述待推荐空调器根据
所述最终推荐参数运行。
数,并根据待推荐空调器的历史操作记录获取个体行为推荐参数,然后根据群体行为推荐
参数和个体行为推荐参数生成最终推荐参数,以根据最终推荐参数控制空调器运行,由此,
能够结合群体习惯和个人偏好,将较为适宜的运行参数推荐给空调器,从而可方便智能地
对空调器进行控制,大大提高了用户体验。
实现一种空调器的控制方法,所述方法包括:获取该空调器的操作数据;将所述操作数据上
传至采集服务器;接收大数据服务器获取的最终推荐参数,其中,所述大数据服务器通过与
所述采集服务器进行通信以获取所述操作数据,并根据所述操作数据获取个体行为推荐参
数,以及获取群体行为推荐参数,所述最终推荐参数为所述大数据服务器根据所述个体行
为推荐参数和所述群体行为推荐参数生成的;根据所述最终推荐参数控制所述空调器运
行。
附图说明
具体实施方式
图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
待推荐空调器。当然,在本发明的实施例中,待推荐空调器优选为当前有运行参数设置需求
的空调器,该空调器可接收推荐的运行参数,并根据推荐运行参数运行。
器所处位置的经度、纬度、应用该空调器的用户的性别、应用该空调器的时间、应用该空调
器时的室内温度和室外温度。本发明具体实施例中的经度和纬度如未标注方位,则默认为
东经和北纬。
间(包括月份和24小时制下的时间),如8(月)12(时)、应用该空调器时的室内温度和室外温
度,如28(℃)和30(℃)。上述具体示例中的当前应用场景信息在本发明的一个实施例中可
被表示为<113.1,23.5,男,26,8,12,28,30>。
量尽可能地大,例如应用场景信息库中可以包括一个市的所有空调器在一年中所有应用场
景下的应用场景信息。
作为匹配应用场景。
置总次数。
集服务器,由此,采集服务器可对每次接受的操作数据进行存储,并生成待推荐空调器的历
史操作记录。
集。例如将操作月份(month)、操作时间点(hour)、室内温度(tempIn)、室外温度(tempOut)
作为自变量,将运行参数(set)作为因变量,即xq=
setq。由此,可构建训练集:{(x1,y1),(x2,y2),…,(xQ,yQ)},其中,Q表示历史操作记录中操
作数据的有效数量,当运行参数为设定温度时,yi可限制于17~30℃的范围之内。
前室内温度和当前室外温度,PS(X)为当前时间、当前室内温度和当前室外温度下的个体行
为推荐参数。
荐参数和个体行为推荐参数所占的权值,其中,w1+w2=1。w1和w2的具体数值可根据对空调
器的实际控制需求而设定。
息为:<113.3,22.5,男,25,7,12,28,30>、<105.0,31.1,男,30,1,13,10,7>、<116.5,39.7,女,32,8,20,26,29>、<113.0,23.6,女,24,7,13,27,29>,上述应用场景下的空调器设定温
度分别为26℃、20℃、25℃、26℃,则根据上述的协同过滤推荐算法可计算出群体行为推荐
设定温度为24.9℃。假设该待推荐空调器过去一年的操作记录如下:<7,12,28,30>,设定温
度26℃;<7,13,27,30>,设定温度26℃;<1,20,15,12>,设定温度20℃;<8,20,26,29>,设定温度25℃,则根据上述的多元线性回归模型可计算出个体行为推荐设定温度为24℃。假设
群体行为推荐设定温度和个体行为推荐设定温度对应的权值均为0.5,则最终推荐设定温
度为24.5℃。将该最终推荐设定温度提供给待推荐空调器,从而可将待推荐空调器的设定
温度设置为24.5℃。
数,并根据待推荐空调器的历史操作记录获取个体行为推荐参数,然后根据群体行为推荐
参数和个体行为推荐参数生成最终推荐参数,以根据最终推荐参数控制空调器运行,由此,
能够结合群体习惯和个人偏好,将较为适宜的运行参数推荐给空调器,从而可方便智能地
对空调器进行控制,大大提高了用户体验。
提高了用户体验。
与采集服务器20进行通信以获取待推荐空调器10的历史操作记录,并根据历史操作记录获
取个体行为推荐参数,大数据服务器30还用于获取待推荐空调器10的当前应用场景信息,
并将当前应用场景信息与存储的应用场景信息库进行对比,以从应用场景信息库中选取与
待推荐空调器10的当前应用场景相匹配的至少一个匹配应用场景,以及获取每个匹配应用
场景下的空调器的运行参数,并根据每个匹配应用场景下的空调器的运行参数获取群体行
为推荐参数,以及根据群体行为推荐参数和个体行为推荐参数生成最终推荐参数,并将最
终推荐参数提供给待推荐空调器10;待推荐空调器10根据最终推荐参数运行。
调器优选为当前有运行参数设置需求的空调器,该空调器可接收推荐的运行参数,并根据
推荐运行参数运行。
数,并根据待推荐空调器的历史操作记录获取个体行为推荐参数,然后根据群体行为推荐
参数和个体行为推荐参数生成最终推荐参数,以根据最终推荐参数控制空调器运行,由此,
能够结合群体习惯和个人偏好,将较为适宜的运行参数推荐给空调器,从而可方便智能地
对空调器进行控制,大大提高了用户体验。
取该空调器的操作数据;将操作数据上传至采集服务器;接收大数据服务器获取的最终推
荐参数,其中,大数据服务器通过与采集服务器进行通信以获取操作数据,并根据操作数据
获取个体行为推荐参数,以及获取群体行为推荐参数,最终推荐参数为大数据服务器根据
个体行为推荐参数和群体行为推荐参数生成的;根据最终推荐参数控制空调器运行。
行参数的推荐方法。
与待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景;第二获取模块33用于获
取每个匹配应用场景下的空调器的运行参数,并根据每个匹配应用场景下的空调器的运行
参数获取群体行为推荐参数;第三获取模块34用于通过采集服务器获取待推荐空调器的历
史操作记录,并根据历史操作记录获取个体行为推荐参数;推荐模块35用于根据群体行为
推荐参数和个体行为推荐参数生成最终推荐参数,并将最终推荐参数提供给待推荐空调
器,以根据最终推荐参数控制待推荐空调器运行。
运行参数设置需求的空调器,该空调器可接收推荐的运行参数,并根据推荐运行参数运行。
器所处位置的经度、纬度、应用该空调器的用户的性别、应用该空调器的时间、应用该空调
器时的室内温度和室外温度。本发明具体实施例中的经度和纬度如未标注方位,则默认为
东经和北纬。
间(包括月份和24小时制下的时间),如8(月)12(时)、应用该空调器时的室内温度和室外温
度,如28(℃)和30(℃)。上述具体示例中的当前应用场景信息在本发明的一个实施例中可
被表示为<113.1,23.5,男,26,8,12,28,30>。
的空调器、应用场景的数量尽可能地大,例如应用场景信息库中可以包括一个市的所有空
调器在一年中所有应用场景下的应用场景信息。
的应用场景作为匹配应用场景。
置总次数。
受的操作数据进行存储,并生成待推荐空调器的历史操作记录。
量以构建训练集。例如将操作月份(month)、操作时间点(hour)、室内温度(tempIn)、室外温
度(tempOut)作为自变量,将运行参数(set)作为因变量,即xq=
之内。
中,X为当前时间、当前室内温度和当前室外温度,PS(X)为当前时间、当前室内温度和当前
室外温度下的个体行为推荐参数。
参数,w1和w2分别为群体行为推荐参数和个体行为推荐参数所占的权值,其中,w1+w2=1。w1
和w2的具体数值可根据对空调器的实际控制需求而设定。
荐空调器的历史操作记录获取个体行为推荐参数,然后根据群体行为推荐参数和个体行为
推荐参数生成最终推荐参数,以根据最终推荐参数控制空调器运行,由此,能够结合群体习
惯和个人偏好,将较为适宜的运行参数推荐给空调器,从而可方便智能地对空调器进行控
制,大大提高了用户体验。
须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,
除非另有明确具体的限定。
接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内
部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情
况理解上述术语在本发明中的具体含义。
第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示
第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第
一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不
必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任
一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技
术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结
合和组合。
实施例进行变化、修改、替换和变型。