[发明专利]环境调节设备的控制方法及装置、智能环境调节系统

权利要求书

1.一种环境调节设备的控制方法，其特征在于，所述方法包括：

获得环境调节设备的目标参数；

获得室内当前的第一时间的环境参数分布；

获得室内当前的第一时间之后的第二时间的环境参数分布；

将所述目标参数、所述第二时间的环境参数分布以及所述第一时间的环境参数分布输入到第一模型中，输出所述环境调节设备的参数设定值；以及

根据所述环境调节设备的参数设定值，对所述环境调节设备进行控制。

2.根据权利要求1所述的环境调节设备的控制方法，其特征在于，所述获得环境调节设备的目标参数，包括步骤：

根据室内用户的状态计算所述环境调节设备的目标参数，或者，

根据室内用户的设定确定所述环境调节设备的目标参数。

3.根据权利要求1所述的环境调节设备的控制方法，其特征在于，

所述环境调节设备的目标参数是目标参数在室内空间的目标参数分布。

4.根据权利要求1所述的环境调节设备的控制方法，其特征在于，所述获得室内当前的第一时间的环境参数分布，包括步骤：

获得室内至少一个位置的当前的第一时间的环境参数；以及

将所述至少一个位置的环境参数输入到第二模型中，输出所述第一时间的环境参数分布。

5.根据权利要求1所述的环境调节设备的控制方法，其特征在于，所述获得室内当前的第一时间之后的第二时间的环境参数分布，包括步骤：

获得室内至少一个位置的当前的第一时间之前的多个时刻的环境参数；以及

将所述第一时间之前的多个时刻的环境参数输入到第三模型中，输出所述第二时间的环境参数分布。

6.根据权利要求5所述的环境调节设备的控制方法，其特征在于，所述获得室内至少一个位置的当前的第一时间之前的多个时刻的环境参数，包括步骤：

获得室内4个位置的8个时刻的环境参数。

7.根据权利要求5所述的环境调节设备的控制方法，其特征在于，

所述第三模型是经过训练的包括长短期记忆(LSTM)结构或门控循环单元(GRU)结构的深度神经网络。

8.根据权利要求1所述的环境调节设备的控制方法，其特征在于，

所述第一模型是使用训练数据预先经过训练而得到的模型，或者，所述第一模型是在所述环境调节设备的使用过程中通过深度强化学习而得到的模型。

9.根据权利要求1所述的环境调节设备的控制方法，其特征在于，

所述环境调节设备的参数设定值是参数设定值随时间变化的参数设定分布。

10.根据权利要求1所述的环境调节设备的控制方法，其特征在于，将所述目标参数、所述第二时间的环境参数分布以及所述第一时间的环境参数分布输入到第一模型中，输出所述环境调节设备的参数设定值，包括步骤：

比较所述目标参数和所述第一时间的环境参数分布；

当所述目标参数和所述第一时间的环境参数分布的差值大于预设阈值时，从预设的多种算法中选择第一算法作为第一模型使用的算法，当所述目标参数和所述第一时间的环境参数的差值小于或等于预设阈值时，从预设的多种算法中选择第二算法作为第一模型使用的算法；以及

将所述目标参数、所述第二时间的环境参数分布以及所述第一时间的环境参数分布输入到选择了第一算法或第二算法的第一模型中，输出所述环境调节设备的参数设定值。