空调器的控制方法转让专利
申请号 : CN201910482314.2
文献号 : CN112032974B
文献日 : 2022-01-21
发明人 : 罗荣邦 , 许文明
申请人 : 青岛海尔空调器有限总公司 , 海尔智家股份有限公司
摘要 :
权利要求 :
1.一种空调器的控制方法,所述空调器包括压缩机、节流元件、室外换热器、室外风机、室内换热器和室内风机,其特征在于,所述控制方法包括:当到达预测时间点时,基于预先建立的打分系统,计算所述空调器在下一预测开机时刻开启制热模式的概率得分;其中,所述预测时间点为所述预测开机时刻之前的某一时间点;
当所述概率得分大于设定阈值时,基于室外环境温度,确定所述空调器的蓄热时间;
基于所述预测开机时刻和所述蓄热时间,计算所述空调器的蓄热开始时刻;
在到达所述蓄热开始时刻时,控制所述空调器以蓄热模式运行;
其中,所述打分系统用于表征所述空调器的历史运行信息和历史预测信息与所述空调器在所述下一预测开机时刻开启制热模式的概率得分之间的对应关系。
2.根据权利要求1所述的空调器的控制方法,其特征在于,“基于预先建立的打分系统,计算所述空调器在下一预测开机时刻开启制热模式的概率得分”的步骤进一步包括:将所述下一预测开机时刻输入预先训练的制热概率模型,得到所述空调器在下一预测开机时刻开启制热模式的历史开启概率;
基于设定天数内在所述下一预测开机时刻开启制热模式的天数,得到近期开启概率;
基于所述历史预测信息,得到所述下一预测开机时刻的历史预测准确率;
基于所述历史开启概率、所述近期开启概率和所述历史预测准确率,计算所述空调器在所述下一预测开机时刻开启制热模式的概率得分;
其中,所述制热概率模型用于表征所述历史运行信息与所述历史开启概率之间的对应关系。
3.根据权利要求2所述的空调器的控制方法,其特征在于,“基于所述历史开启概率、所述近期开启概率和所述历史预测准确率,计算所述空调器在所述下一预测开机时刻开启制热模式的概率得分”的步骤进一步包括:计算所述历史开启概率、所述近期开启概率和所述历史预测准确率的加权值。
4.根据权利要求1所述的空调器的控制方法,其特征在于,“当到达预测时间点时,基于预先建立的打分系统,计算所述空调器在下一预测开机时刻开启制热模式的概率得分”的步骤进一步包括:
当到达所述预测时间点时,获取所述空调器的运行状态和室内环境温度;
当所述空调器处于停机状态,且所述室内环境温度小于预设温度时,基于预先建立的打分系统,计算所述空调器在下一预测开机时刻开启制热模式的概率得分。
5.根据权利要求1所述的空调器的控制方法,其特征在于,所述控制方法还包括:基于所述空调器的历史运行信息,选择性地确定所述预测时间点;
其中,“基于所述空调器的历史运行信息,选择性地确定所述预测时间点”的步骤进一步包括:
基于所述空调器的历史运行信息,判断所述空调器的活跃度;
在所述空调器的活跃度为高时,统计设定天数内所述空调器在多个运行时段的运行次数;
从所述多个运行时段内选取若干个运行次数大于设定次数的运行时段;
分别计算每个被选取的运行时段内所有制热模式开启时刻的平均值作为该运行时段的预测开机时刻;
计算每个所述预测开机时刻与预设时间段的差值作为该预测开机时刻的预测时间点。
6.根据权利要求5所述的空调器的控制方法,其特征在于,“基于所述空调器的历史运行信息,选择性地确定所述预测时间点”的步骤还包括:当所述空调器的活跃度为低时,不对所述空调器进行预测。
7.根据权利要求2或5所述的空调器的控制方法,其特征在于,所述设定天数为7天。
8.根据权利要求1所述的空调器的控制方法,其特征在于,所述控制方法还包括:当所述概率得分小于或等于所述设定阈值时,控制所述空调器保持停机状态。
9.根据权利要求1所述的空调器的控制方法,其特征在于,“基于所述室外环境温度,确定所述空调器的蓄热时间”的步骤进一步包括:基于所述室外环境温度与所述蓄热时间之间的对应关系或拟合公式,确定或计算所述蓄热时间。
说明书 :
空调器的控制方法
技术领域
背景技术
通过控制压缩机和室外风机启动进行蓄热,待温度上升后再控制室内风机运转的方式,避
免了开机吹出冷风的情况出现。但是,在实际应用中,开机后的数分钟内空调由于运行防冷
风模式而等待时间较长,会给用户带来空调器出问题的感觉,引起用户不满和投诉。
热,来实现开机时立即出热风的效果。这种技术方案虽然一定程度上解决了防冷风模式需
要等待的问题,实现了开机出热风的效果,但是其也不可避免地存在如下问题:提前蓄热的
时间通常时固定的,而该提前蓄热的时间在多种因素的影响下往往具有偏差,该偏差的存
在使得压缩机的蓄热时间不足或蓄热时间过长,造成能源的浪费和用户体验的下降。
发明内容
件、室外换热器、室外风机、室内换热器和室内风机,所述控制方法包括:
时间点;
的概率得分”的步骤进一步包括:
一步包括:
点时,基于预先建立的打分系统,计算空调器在下一预测开机时刻开启制热模式的概率得
分;当概率得分大于设定阈值时,基于室外环境温度,确定空调的蓄热时间;基于预测开机
时刻和蓄热时间,计算空调器的蓄热开始时刻;在到达蓄热开始时刻时,控制空调器以蓄热
模式运行;其中,打分系统用于表征空调器的历史运行信息和历史预测信息与空调器在下
一预测开机时刻开启制热模式的概率得分之间的对应关系。
参数确定蓄热时间,本发明的控制方法能够对蓄热时间进行修正,从而基于该修正后的蓄
热时间对空调器进行蓄热,能够避免由于蓄热时间不足或蓄热时间过长而导致的能源浪
费,提高用户体验。
一预测开机时刻开启空调器的概率,从而在开启空调器的概率较高时及时下发蓄热指令,
以控制空调器提前蓄热,以便用户启动空调器时实现开机即热。并且,由于该预测过程全部
自动完成,因此本控制方法能够提高空调器的智能化程度,提升用户体验。
调器的历史使用习惯、近期的使用习惯和历史预测准确率来联合确定最终的概率得分,从
而使得计算出的概率得分更加准确,更加贴合用户近期的使用习惯。
这些预测开机时刻进行预测,提升用户的使用体验。
附图说明
具体实施方式
以下实施方式中的控制方法是结合云端服务器的统计计算进行说明的,但是本控制方法的
实施主体并非一成不变,本领域技术人员可以对其进行调整,以便其应用于更加具体的应
用场景。例如,本控制方法还可以以计算机程序的形式存储于空调器的控制器内部并由控
制器执行实施、或由云端服务器和空调器的控制器共同实施等。
种实施方式中空调器的控制方法的逻辑图。
机。空调器的控制方法主要包括如下步骤:
机制热的时间,预测时间点为预测开机时刻之前的某一时间点。例如,云端服务器计算出用
户的经常开机制热的平均时间为19:00,而预测时间点可以为19:00之前的1小时,即18:00,
当到达18:00时,云端服务器调用预先建立的打分系统,计算在19:00时用户开机制热的概
率得分,也即用户在19:00开机制热的概率。其中,打分系统用于表征空调器的历史运行信
息和历史预测信息与空调器在下一预测开机时刻开启制热模式的概率得分之间的对应关
系,也就是说,将19:00输入打分系统后,打分系统会基于空调器的历史运行信息和历史预
测信息计算出在该时间点用户开启空调器进行制热的概率。
际开机时刻之间的偏差。例如,在满分100分的前提下,打分系统在18:00时计算出用户在
19:00开启空调制热的概率得分为80分(即开启空调的概率为80%),证明用户很大可能在
19:00会开启空调进行制热,此时基于时间修正参数对该开机时刻进行修正,如在确定出的
预测开机时刻的基础上通过增加或减少一个时间段的方式对预测开机时刻进行修正,可以
使得修正后的预测开机时刻更加接近用户的真实开机时间。例如,预测开机时刻为18:00,
时间修正参数为+10min,那么修正后的预测开机时刻为18:00+10min=18:10。再如,在打分
系统计算出用户在19:00开启空调制热的概率得分为50分,证明用户很大可能在19:00不会
开启空调,此时云端服务器不进行任何操作,保持空调器的停机状态。
预设的蓄热时间为5min,则在预测开机时刻为18:10时,蓄热开始时刻为18:05。
制器控制压缩机和室外风机启动运行,对室内盘管进行蓄热,而室内风机则保持关闭,以防
止室内吹出冷风。之后在时间来到18:10时,空调自动启动或用户主动开启空调,由于室内
盘管的温度已经调整为合适的温度,因此空调器的出风即为热风,室内的温度可快速调整
为适宜的温度。
预测开机时刻,本发明的控制方法能够基于用户的开机习惯对预测开机时刻进行修正,从
而使修正后的预测开机时刻与用户的真实开机时间更加接近,从而基于该修正后的预测开
机时刻对空调进行蓄热,能够避免由于蓄热时间不足或蓄热时间过长而导致的能源浪费,
做到针对单个用户的精确化和个性化对待,提高用户体验。
一预测开机时刻开启空调器的概率,从而在开启空调器的概率较高时及时下发蓄热指令,
以控制空调器提前蓄热,以便用户启动空调器时实现开机即热。并且,由于该预测过程全部
自动完成,因此本控制方法能够提高空调器的智能化程度,提升用户体验。
实施方式中空调器的控制方法的确定预测时间点的流程图。
时,基于预先建立的打分系统,计算空调器在下一预测开机时刻开启制热模式的概率得分。
例如,当到达预测时间点18:00时,云端服务器获取空调器的运行状态和室内环境温度。如
云端服务器接收空调器上传的运行状态和检测到的室内环境温度。预设温度可以为16℃,
当空调器处于停机状态且室内环境温度小于16℃时,证明此时空调器并未运行且室内环境
温度较低,需要进行提前蓄热。此时云端服务器调用预先建立的打分系统,计算在19:00时
用户开机制热的概率得分,也即用户在19:00开机制热的概率。
机时刻输入预先训练的制热概率模型,得到空调器在下一预测开机时刻开启制热模式的历
史开启概率;基于设定天数内在下一预测开机时刻开启制热模式的天数,得到近期开启概
率;基于历史预测信息,得到下一预测开机时刻的历史预测准确率;基于历史开启概率、近
期开启概率和历史预测准确率,计算空调器在下一预测开机时刻开启制热模式的概率得
分;其中,制热概率模型用于表征历史运行信息与历史开启概率之间的对应关系。具体地,
如图3所示,在本实施方式中,在将预测开机时刻输入打分系统后,打分系统计算的分数来
源于三部分,第一部分为基于训练好的制热概率模型计算出的历史开启频率;第二部分为
基于该预测开机时刻在设定天数内开启的次数得到的近期开启概率;第三部分为基于历史
预测信息得到的该预测开机时刻的历史预测准确率;概率得分可以为历史开启概率、近期
开启概率和历史预测准确率的加权值,其中三部分在打分系统中所占的权值分别可以为70
分、15分和15分。
机制热时刻与历史开启概率的对应关系,再将预测开机时刻输入该模型中,便可输出该预
测开机时刻对应的历史开启概率。其中,第二部分中,设定天数可以为最近7天,最近7天中
开启天数每增加1天的近期开启概率增加20%,当开启5天以上时,近期开启概率为100%。
其中,第三部分中,历史预测信息可以为在该预测开机时刻的历史预测中,预测正确的数量
与预测总数量的比值。
19:00预测开机时刻的预测正确数量为7次,总数量为10次,即预测准确率为70%;由此将三
个概率分别与其权值相乘后求和,得出概率得分为P=80%×70+80%×15+70%×15=
78.5分。
使用习惯、近期的使用习惯和历史预测准确率来联合确定最终的概率得分,从而使得计算
出的概率得分更加准确,更加贴合用户近期的使用习惯。
个运行时段的运行次数;从多个运行时段内选取若干个运行次数大于设定次数的运行时
段;分别计算每个被选取的运行时段内所有制热模式开启时刻的平均值作为该运行时段的
预测开机时刻;计算每个预测开机时刻与预设时间段的差值作为该预测开机时刻的预测时
间点。举例而言,空调器的活跃度可以定义为在过去几天(如过去3天)有无制热开机行为,
当过去几天内用户有制热开机记录时,则空调器的活跃度为高,否则,活跃度为低。在活跃
度为低时,证明用户使用空调器的次数较少,开启空调器概率较低,此时不对空调器是否蓄
热进行预测。在空调器的活跃度为高时,证明用户使用空调器较为频繁,其使用空调器的习
惯和规律更容易分析,此时统计设定天数内(如最近7天内)空调器在多个运行时段的运行
次数,如对所有开机制热的时刻按1小时为一个运行时段聚合计数,然后从多个运行时段中
挑选出若干个7天内开机次数大于4次的时段,然后分别计算每个时段内的所有开机时刻的
平均值,作为该运行时段的预测开机时刻,最后将每个预测开机时刻减去1小时候的时间点
作为预测时间点,如某一预测开机时刻为19:00,那么18:00即为该预测开机时刻的预测时
间点。
开机时刻进行预测,提升用户的使用体验。
接收开机指令以制热模式运行时,首先记录当前实际开机时刻,然后将本次以前(包括本
次)设定天数内的历史预测开机时刻和历史实际开机时刻进行统计,并分别计算设定天数
内的历史预测开机时刻的均值和历史实际开机时刻的均值。然后计算历史实际开机时刻的
均值与历史预测开机时刻的均值之间的第一差值,并将该第一差值作为时间修正参数进行
存储,供下一次修正预测开机时刻使用。
所有历史实际开机时刻的均值,如历史预测开机时刻的均值计算出为18:30,历史实际开机
时刻的均值计算出为18:40,那么第一差值等于18:40‑18:30=10min,也就是说,时间修正
参数为10min,也即在过去7天内,用户的实际开机时刻比预测开机时刻平均晚了10min。由
此,在下一次开机前,通过计算预测开机时刻与时间修正参数的总和作为修正后的预测开
机时刻,从而提升预测开机时刻的精准度,也进一步提升蓄热模式的蓄热开始时刻的计算
精准度,减少能源浪费,提升用户体验。当然,上述举例中时间修正参数是以正数为例进行
说明的,如果求得的时间修正参数为负数,本控制方法同样成立。如时间修正参数为‑
10min,那么表示过去7天内用户的实际开机时刻比预测开机时刻平均早了10min,由此在下
一次开机前,通过计算预测开机时刻与时间修正参数的总和,即预测开机时刻减去10min作
为修正后的预测开机时刻,同样可以提升预测开机时刻的预测精准度。
修正预测开机时刻使用。也就是说,在每一次空调器接收到开机指令制热运行时,基于获取
的当前实际开机时刻和过去设定天数内的数据对时间修正参数进行计算调整,本控制方法
使得调整后的时间修正参数更加符合用户最近一段时间对空调的使用习惯,保证调整后的
时间修正参数的精度。
不要对时间修正参数进行调整。具体地,在接收到开机指令时,记录当前实际开机时刻;计
算当前实际开机时刻与本次预测开机时刻之间的第二差值;判断第二差值与预设阈值的大
小;在第二差值小于预设阈值时,调整时间修正参数;否则,不对时间修正参数进行调整,而
是沿用上一次的时间修正参数。
远大于20min的预设阈值,这说明本次用户的实际开机时刻属于特殊情况,用户可能由于请
假或其他原因提前回到家中,因此本次的当前实际开机时刻不宜被用作时间修正参数的调
整,以防止基于本次的实际开机时刻调整后的时间修正参数反而偏离用户的实际习惯的情
况出现。相反地,如果预测开机时刻与当前实际开机时刻之间的差值在20min以内或更进一
步在10min以内,则证明此数据可以被用来调整时间修正参数,以保证时间修正参数的调整
精度,避免蓄热时能源的浪费。
分→概率得分大于70分,云端服务器基于时间修正参数,对预测开机时刻进行修正,得到修
正后的预测开机时刻→基于修正后的预测开机时刻和预设的蓄热时间,计算蓄热开始时刻
→在到达蓄热开始时刻时,云端服务器下发开启蓄热的指令,控制空调器以蓄热模式运行
→以蓄热模式运行一段时间后,接收到用户的开机指令,空调器开机以制热模式运行,并记
录当前实际开机时刻→云端服务器判断当前实际开机时刻与本次的预测开机时刻之间的
第二差值是否小于预设阈值→在第二差值小于预设阈值时,基于过去7天的历史实际开机
时刻和历史预测开机时刻对时间修正参数进行调整,并存储调整后的时间修正参数以便下
次修正预测开机时刻;在第二差值大于或等于预设阈值时,则不进行任何调整,直接将上次
的时间修正参数进行储存。
式进行调整,以便本发明能够适用于更加具体的应用场景。
在获取预测开机时刻之前确定等。
程中,也可以不计算历史预测开机时刻和历史试机开机时刻的均值,而是采用加权平均等
方式确定历史预测开机时刻和历史实际开机时刻等。
的省略并未偏离本发明的构思。
术人员可以对其进行调整,该调整并未偏离本控制方法的原理。
该调整能够满足使打分系统计算出的概率得分符合用户对空调器的使用习惯即可。例如,
打分系统还可以由上述三部分中的任意一部分或两部分组成。
的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,甚至
省略某些步骤,这些简单的变化都在本发明的保护范围之内。例如,基于历史运行信息确定
预测时间点时,也可以不判断空调器的活跃度而直接对空调器在设定天数内的多个运行时
段的运行次数进行统计。
明的保护范围,本领域技术人员可以对其进行调整,该调整并未偏离本控制方法的原理。
器的控制方法的逻辑图。
之前的1小时,即18:00,当到达18:00时,云端服务器调用预先建立的打分系统,计算在19:
00时用户开机制热的概率得分,也即用户在19:00开机制热的概率。其中,打分系统用于表
征空调器的历史运行信息和历史预测信息与空调器在下一预测开机时刻开启制热模式的
概率得分之间的对应关系,也就是说,将19:00输入打分系统后,打分系统会基于空调器的
历史运行信息和历史预测信息计算出在该时间点用户开启空调器进行制热的概率。
得分为80分(即开启空调的概率为80%),证明用户很大可能在19:00会开启空调进行制热,
此时云端服务器基于室外环境温度计算出与该室外环境温度相匹配的蓄热时间。
时刻。如,确定出蓄热时间为5min,预测开机时刻为19:00时,则蓄热开始时刻为18:55。
制器控制压缩机和室外风机启动运行,对室内盘管进行蓄热,而室内风机则保持关闭,以防
止室内吹出冷风。之后在时间来到18:10时,空调自动启动或用户主动开启空调,由于室内
盘管的温度已经调整为合适的温度,因此空调器的出风即为热风,室内的温度可快速调整
为适宜的温度。
度,确定蓄热时间,如云端服务器基于室外环境温度计算出与该室外环境温度相匹配的蓄
热时间;然后基于预测开机时刻和蓄热时间,计算空调器的蓄热开始时刻;最后基于预测开
机时刻和蓄热时间,计算空调器的蓄热开始时刻。通过,基于室外环境温度确定空调的蓄热
时间,使得蓄热时间基于室外环境温度得到修正,能够保证蓄热时间的精确性,避免能源被
浪费。
热时间:
实验中,设定空调器进入正常运行状态时的空调出风温度为同一目标温度,并使得压缩机
以相同的蓄热频率运行,判断不同室外环境温度下,空调出风温度达到相同的目标温度,压
缩机所需要的蓄热时间,从而建立压缩机蓄热时间与室外环境温度的线性关系。
与蓄热时间的对照表,该对照表存储于空调器中,利用该对照表可以确定出室外环境温度
对应的蓄热时间。
间,能够在保证实际开机时间的精确性的基础上,进一步保证蓄热时间的精确性,避免能源
被过度浪费。
分→概率得分大于70分,云端服务器基于室外环境温度,计算得到蓄热时间→基于预测开
机时刻和计算得到的蓄热时间,计算蓄热开始时刻→在到达蓄热开始时刻时,云端服务器
下发开启蓄热的指令,控制空调器以蓄热模式运行→以蓄热模式运行一段时间后,接收到
用户的开机指令,空调器开机以制热模式运行,并记录当前实际开机时刻,以便后续使用。
器的控制方法的逻辑图。
之前的1小时,即18:00,当到达18:00时,云端服务器调用预先建立的打分系统,计算在19:
00时用户开机制热的概率得分,也即用户在19:00开机制热的概率。其中,打分系统用于表
征空调器的历史运行信息和历史预测信息与空调器在下一预测开机时刻开启制热模式的
概率得分之间的对应关系,也就是说,将19:00输入打分系统后,打分系统会基于空调器的
历史运行信息和历史预测信息计算出在该时间点用户开启空调器进行制热的概率。
分为80分(即开启空调的概率为80%),证明用户很大可能在19:00会开启空调进行制热,此
时基于时间修正参数对该开机时刻进行修正,如在确定出的预测开机时刻的基础上通过增
加或减少一个时间段的方式对预测开机时刻进行修正,可以使得修正后的预测开机时刻更
加接近用户的真实开机时间。例如,预测开机时刻为18:00,时间修正参数为+10min,那么修
正后的预测开机时刻为18:00+10min=18:10。再如,在打分系统计算出用户在19:00开启空
调制热的概率得分为50分,证明用户很大可能在19:00不会开启空调,此时云端服务器不进
行任何操作,保持空调器的停机状态。
间。
与蓄热时间的差值得到蓄热开始时刻。如,确定出蓄热时间为5min,预测开机时刻为19:00
时,则蓄热开始时刻为18:55。
制器控制压缩机和室外风机启动运行,对室内盘管进行蓄热,而室内风机则保持关闭,以防
止室内吹出冷风。之后在时间来到18:10时,空调自动启动或用户主动开启空调,由于室内
盘管的温度已经调整为合适的温度,因此空调器的出风即为热风,室内的温度可快速调整
为适宜的温度。
的精确性,避免能源被浪费。
分→概率得分大于70分,云端服务器基于时间修正参数,对预测开机时刻进行修正,得到修
正后的预测开机时刻→与此同时,云端服务器基于室外环境温度,计算得到蓄热时间→基
于修正后的预测开机时刻和计算得到的蓄热时间,计算蓄热开始时刻→在到达蓄热开始时
刻时,云端服务器下发开启蓄热的指令,控制空调器以蓄热模式运行→以蓄热模式运行一
段时间后,接收到用户的开机指令,空调器开机以制热模式运行,并记录当前实际开机时刻
→云端服务器判断当前实际开机时刻与本次的预测开机时刻之间的第二差值是否小于预
设阈值→在第二差值小于预设阈值时,基于过去7天的历史实际开机时刻和历史预测开机
时刻对时间修正参数进行调整,并存储调整后的时间修正参数以便下次修正预测开机时
刻;在第二差值大于或等于预设阈值时,则不进行任何调整,直接将上次的时间修正参数进
行储存。
储器、易失性存储器、非易失性存储器、串行存储器、并行存储器或寄存器等,处理器包括但
不限于CPLD/FPGA、DSP、ARM处理器、MIPS处理器等。为了不必要地模糊本公开的实施例,这
些公知的结构未在附图中示出。
修改后的技术方案并没有改变本发明的基本构思,因此也落入本发明的保护范围之内。
发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些
更改或替换之后的技术方案都将落入本发明的保护范围之内。