[发明专利]基于机器学习的空调控制方法、装置和设备

说明书

本发明公开了基于机器学习的空调控制方法、装置和设备，应用于空调器，包括：接收空调数据和处理问题信息，根据所述空调数据和所述处理问题信息得到特征数据；根据所述处理问题信息，利用所述特征数据训练得到数学模型；根据所述处理问题信息，对所述数学模型仿真得到最优预测变量组；根据最优预测变量组，得到用于控制所述空调器的反馈控制信息。本发明利用所述特征数据训练得到数学模型，保证了空调控制过程的准确性，通过数学模型仿真得到最优预测变量组，从而得到用于控制所述空调器的反馈控制信息利用，有效的解决所述空调器因线性组合控制而引起的超调问题，保证了空调控制过程的有效性，从而避免了能源的浪费。

技术领域

本发明涉及空调领域，特别涉及基于机器学习的空调控制方法、装置和设备。

背景技术

随着全球气候的变迁和空调技术的发展，越来越多的大型建筑物利用空调系统来实现室内温度和湿度的调节控制。特别是随着“智慧城市”建设步伐的快速推进，如何围绕智慧城市建设实现空调系统的智能控制与节能，这是智慧城市建设中的重要研究课题之一。空调系统的优化控制策略研究也是实际中的一个很有普遍意义的重要课题。

目前空调的控制技术还不够完善，空调器多以线性组合的PID算法进行控制，空调器中有很多对控制造成影响的参数，使用线性组合的PID算法进行控制，不能准确的对每个参数进行设置，不能保证空调控制的准确性，而且线性组合的控制方式，容易引起超调，不能有效进行控制，导致能源的浪费。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供基于机器学习的空调控制方法、装置和设备，能够保证空调控制过程的准确性和有效性，避免能源的浪费。

本发明解决其技术问题的解决方案是：

第一方面，本发明提供了基于机器学习的空调控制方法，应用于空调器，包括：

接收空调数据和处理问题信息，根据所述空调数据和所述处理问题信息得到特征数据；根据所述处理问题信息，利用所述特征数据训练得到数学模型；根据所述处理问题信息，对所述数学模型仿真得到最优预测变量组；根据最优预测变量组，得到用于控制所述空调器的反馈控制信息。

进一步，根据所述空调数据和所述处理问题信息得到特征数据，包括：

根据所述处理问题信息，对所述空调数据进行维规约，得到特征数据。

进一步，所述根据所述处理问题信息，利用所述特征数据训练得到数学模型之前，包括：

对所述特征数据进行标准化，使所述特征数据符合标准正态分布。

进一步，所述处理问题信息包括有回归问题信息和分类问题信息。

进一步，所述根据所述处理问题信息，利用所述特征数据训练得到数学模型，包括：

将所述特征数据划分为训练集和测试集；根据所述回归问题信息，利用回归器组件对所述训练集训练，得到对应的回归模型，或者根据所述分类问题信息，利用分类器组件对所述训练集训练，得到对应的分类模型，所述回归器组件包括线性回归器、梯度提高回归器和随机森林回归器，所述分类器组件包括线性分类器、梯度提高分类器和随机森林分类器；利用所述测试集与所述回归模型进行全局匹配，确定全局匹配中准确度最高的所述回归模型作为数学模型，或者利用所述测试集与若干个所述分类模型进行全局匹配，确定全局匹配中准确度最高的所述分类模型作为数学模型。

进一步，所述根据所述处理问题信息，对所述数学模型仿真得到最优预测变量组，包括：

根据所述处理问题信息，对所述数学模型进行仿真得到本质变量和所述最优预测变量组，所述最优预测变量组包括有一级预测变量、二级预测变量和三级预测变量。