[发明专利]用于调节个体区域或共用区域的机器学习方法

说明书

公开了一种用于调节内部区域的方法和系统。一种方法包括：检索关于内部区域的环境条件，其中，环境条件包括温度、湿度以及空气速率；检索室外环境条件；产生内部区域内的多个点处的环境条件的场；基于室外环境条件而估计用户的服装隔热性；计算用户的热舒适度，以确定预测平均投票值；以及基于所计算的热舒适度而操作加热、通风及空气调节系统。

技术领域

示例性实施例涉及电子器件的领域。特别地，本公开涉及一种用于使机器学习能力与调节集成而不论这些能力是被个体占有还是被群组占有的方法和系统。

背景技术

室内场所中的热舒适度通过使用在室内场所各处放置的加热、通风及空气调节(HVAC)单元而实现。HVAC可能非常昂贵，占建筑物的能耗的高达65%。

在过去，已存在控制热舒适度并且因而控制能耗的许多不同方式。这样做的非常近似的方式是，取决于建筑物的占有者是否为舒适的，人工地控制空气调节和加热单元—如需要那样将它们接通和切断。稍后，添加温度计—如果感测到太高的温度，则可开启空气调节系统，并且，如果感测到太低的温度，则可开启加热系统。将合乎期望的是，具有设定室内区域的热舒适度水平的更高效并且准确的方法。

发明内容

根据一个实施例，公开了一种用于调节内部区域的方法和系统。一种方法包括：检索关于内部区域的环境条件，其中，环境条件包括温度、湿度以及空气速率；检索室外环境条件；产生内部区域内的多个点处的环境条件的场；计算用户的热舒适度，以确定预测平均投票值；以及基于所计算的热舒适度而操作加热、通风及空气调节系统。

除了一个或多个上文中所描述的特征之外或作为备选方案，另外的实施例可包括：检索关于内部区域的使用信息。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：基于室外环境条件和使用信息而估计用户的服装隔热性。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：从用户接收关于用户的舒适度水平的反馈；以及基于反馈而操作加热、通风及空气调节系统。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：将反馈存储于与用户相关联的热简档(profile)中。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：其中，计算用户的热舒适度包括使用热简档来计算热舒适度。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：其中，计算用户的热舒适度包括使用Fanger方程来计算预测平均投票值。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：其中，预测平均投票值处于在从-3到3的范围内的连续标度，其中，-3的值指示冷的热条件，并且，3的值指示暖的热条件。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：针对内部区域中的多个用户中的每个用户而计算热舒适度；以及针对多个用户而计算平均热舒适度；其中，操作加热、通风及空气调节系统基于多个用户的平均热舒适度。

除了上文中所描述的特征之外或作为备选方案，另外的实施例可包括：基于多个用户中的每个的热舒适度而计算预测不满意用户百分率；其中：操作加热、通风及空气调节系统进一步包括确保预测不满意用户百分率低于预确定的阈值。

附图说明

以下描述不应当被认为以任何方式进行限制。参考附图，相同的元件编号相同：

图1是例示一个或多个实施例的操作的流程图；

图2例示在一个或多个实施例中使用的多种方程；

图3是能够执行一个或多个实施例的计算机系统的框图；以及

图4是示例性计算机程序产品的框图。