空调控制方法、装置及空调机组

技术领域

本发明涉及空调技术领域，具体而言，涉及一种空调控制方法、装置及空调机组。

背景技术

随着空调的不断进步，传统的空调问题已经不再是家庭用户需要考虑的问题了，空调的质量等的问题已经能够得到很好的保障，于是对于空调的改善点已经逐步趋近于自动化控制。

现有空调技术中已有通过大数据自动化控制和自学习能力，例如找到待控空调附近范围内的空调，采集这些空调的各种参数进行控制。但在学习临近空调参数的过程中，可能会由于学习临近空调时，出现某临近空调的参数设置采用的是出厂或自动设置的参数，又或者是频繁改动的参数，这会在很大程度上降低待控空调学习临近空调参数设置时的准确性。

针对相关技术中采用临近空调的参数进行控制不够准确的问题，目前尚未提出有效地解决方案。

发明内容

本发明提供了一种空调控制方法、装置及空调机组，以至少解决现有技术中采用临近空调的参数进行控制不够准确的问题。

为解决上述技术问题，根据本发明实施例的一个方面，提供了一种空调控制方法，包括：获取待控空调的位置，根据所述待控空调的位置确定所述待控空调的临近空调；获取所述临近空调的运行参数，确定所述运行参数中的稳定运行参数；根据所述稳定运行参数对所述待控空调进行控制。

进一步地，所述获取待控空调的位置，包括：获取所述待控空调的工程ID和模块ID，根据所述工程ID和所述模块ID确定所述待控空调的位置。

进一步地，根据所述待控空调的位置确定所述待控空调的临近空调，包括：确定距离所述待控空调的位置不超过预设距离的空调，作为候选空调；根据预设条件对所述候选空调进行筛选，确定临近空调。

进一步地，根据预设条件对所述候选空调进行筛选，包括：按照区域条件对所述候选空调进行筛选，和/或，按照性能条件对所述候选空调进行筛选；其中，所述区域条件至少包括以下之一：与所述待控空调位于相同街道、与所述待控空调位于相同小区、与所述待控空调位于相同单元、与所述待控空调位于相同建筑；所述性能条件包括与所述待控空调性能相同或与所述待控空调性能相近。

进一步地，确定所述运行参数中的稳定运行参数，包括：确定所述运行参数中用户手动设定的参数；其中，所述用户手动设定的参数至少包括：温度、风速、运行模式；在所述用户手动设定的参数中进行筛选，确定所述稳定运行参数。

进一步地，在用户手动设定的参数中进行筛选，确定稳定运行参数，包括：确定用户手动设定的参数中在预设时间内未发生变化的参数；对在预设时间内未发生变化的参数进行数据处理，作为稳定运行参数。

进一步地，对在预设时间内未发生变化的参数进行数据处理，作为稳定运行参数，包括：对在预设时间内未发生变化的参数进行分类；去除每类参数中最大和/或最小的参数，之后计算每类参数的平均值，作为稳定运行参数。

进一步地，在根据稳定运行参数对待控空调进行控制之后，还包括：监测待控空调的位置处的天气参数；在天气参数发生变化时，重新获取临近空调的运行参数，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。

根据本发明实施例的另一方面，提供了一种空调控制装置，包括：获取模块，用于获取待控空调的位置，根据待控空调的位置确定待控空调的临近空调；确定模块，用于获取临近空调的运行参数，确定运行参数中的稳定运行参数；控制模块，用于根据稳定运行参数对待控空调进行控制。

根据本发明实施例的又一方面，提供了一种空调机组，包括如上述的空调控制装置。

根据本发明实施例的又一方面，提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的空调控制方法。

在本发明中，提供了一种空调自学习方案。根据待控空调的位置确定待控空调的临近空调，并在临近空调的运行参数中进行筛选，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。采用稳定运行参数是临近空调的手动设置参数中的准确运行参数，采用稳定运行参数能够避免控制过程中的不稳定性，并且对空调控制的准确性更高。

附图说明

图1是根据本发明实施例的空调控制方法的一种可选的流程图；

图2是根据本发明实施例的空调控制方法的另一种可选的流程图；以及

图3是根据本发明实施例的空调控制装置的一种可选的结构框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

实施例1

在本发明优选的实施例1中提供了一种空调控制方法，该控制方法可以直接应用至各种空调机组上，也可以应用至具有空调部分功能的其他装置上，具体实现时，可以通过在空调或其他装置安装软件、APP、或者写入空调或其他装置控制器相应的程序的方式来实现。具体来说，图1示出该方法的一种可选的流程图，如图1所示，该方法包括如下步骤S102-S106：

S102：获取待控空调的位置，根据待控空调的位置确定待控空调的临近空调；

S104：获取临近空调的运行参数，确定运行参数中的稳定运行参数；

S106：根据稳定运行参数对待控空调进行控制。

在上述实施方式中，提供了一种空调自学习方案。根据待控空调的位置确定待控空调的临近空调，并在临近空调的运行参数中进行筛选，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。采用稳定运行参数是临近空调的手动设置参数中的准确运行参数，采用稳定运行参数能够避免控制过程中的不稳定性，并且对空调控制的准确性更高。

获取待控空调的位置，包括：获取待控空调的工程ID和模块ID，根据工程ID和模块ID确定待控空调的位置。工程ID为多联机系统安装后获取的ID，是一套机组身份的象征，一套多联机机组拥有唯一的工程ID，用于区分机组。模块ID就是GPRS模块的编号，可以定位整套机组的位置，反馈机组的位置，还可以反馈机组运行的数据、监控机组等。

在待控空调学习临近空调的参数设置时，由于需要提高自学习数据的准确性，因此需要筛选数据。首先要筛选出待控空调的临近空调。具体地，根据待控空调的位置确定待控空调的临近空调，包括：确定距离待控空调的位置不超过预设距离的空调，作为候选空调。

只有距离相近仍然准确性较低，因此在筛选出候选空调之后，还要根据预设条件对候选空调进行筛选。例如，按照区域条件对候选空调进行筛选，和/或，按照性能条件对候选空调进行筛选。筛选出与待控空调能力相匹配的临近空调，这个临近的范围是有一定的特征的，如相同街道、相同小区、相同单元等。这一步需要用到平常机组上的工程ID以及模块ID，可以具体确定临近空调的性能情况，例如制冷能力或制热能力。

在确定临近空调之后，确定临近空调运行参数中的稳定运行参数，包括：确定运行参数中用户手动设定的参数；其中，用户手动设定的参数至少包括：温度、风速、运行模式；在用户手动设定的参数中进行筛选，确定稳定运行参数。筛选过程包括：确定用户手动设定的参数中在预设时间内未发生变化的参数；对在预设时间内未发生变化的参数进行数据处理，作为稳定运行参数。

上述过程对临近空调的运行参数进行筛选，去除临近空调的出厂设置参数以及自动设置的参数，只需要用户可手动设定的参数，这是因为出厂设置不反应各地的气候条件等，而手动设置的参数(温度、风速、运行模式等)比自动设置的参数能加使人们觉得适宜并且更加符合当地实时的气候条件变化情况，更加贴合人体实际感官。如当天气潮湿时人为的除湿、气温骤变时的温度改变、晚上睡眠时候的温度设置等。采用这种筛选参数的方式，可以在很大程度上提高待控空调大数据自学习智能化控制的准确性。

对在预设时间内未发生变化的参数进行数据处理，作为稳定运行参数，包括：对在预设时间内未发生变化的参数进行分类；去除每类参数中最大和/或最小的参数，之后计算每类参数的平均值，作为稳定运行参数。根据采集到的临近空调的参数，进行寻优筛选，如去除偏离较大的数据、多值取平均等，对采集到的参数进行综合处理，得出一组最优参数并进行待控空调的参数调节设定。

为了进一步提高控制的准确性，在根据稳定运行参数对待控空调进行控制之后，还包括：监测待控空调的位置处的天气参数；在天气参数发生变化时，重新获取临近空调的运行参数，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。当待控空调相关范围内发生气候变化，如气温的骤变、暴雨等情况，导致相关范围内临近空调的参数出现人为的更改，这时候待控空调就会自主学习附近邻近空调的这些参数调节变化，从而反馈调节出适合实时气候条件的参数设置。

通过这样的方式，待控空调无需使用者手动得去更改适合当地实时气候的参数设置，通过大数据的自主学习，可以让待控空调自发得实时得调节空调设置参数，去适应复杂的天气变化等因素。

本发明利用大数据自学习的形式，使得空调的控制技术更加智能化，当待控空调能够学习周围一定范围内的所有临近空调的参数设置时，就可以自学习反馈出适合当地气候等的较合适的参数设置，从而使得待控空调的参数设置在自动化控制的同时又能保证符合当地气候等的条件，通过大数据自学习，可以实时得反应出当地即时的气候条件从而实时得更改待控空调的参数设置。

在本发明优选的实施例1中还提供了另一种空调控制方法，具体来说，图2示出该方法的一种可选的流程图，如图2所示，该方法包括如下步骤S202-S216：

S202：根据工程ID、模块ID，确认待控空调的位置，定位待控空调；

S204：待控空调搜寻一定范围内的临近空调(如半径2公里内)，可以搜寻出具有特定工程ID、模块ID的临近空调；

S206：筛选出特定区域(如相同街道、相同小区、相同建筑)的临近空调；

S208：筛选出与待控空调能力相匹配的临近空调；

S210：从能力相匹配的临近空调中，筛选出用户可通过线控器手动设置的参数(温度、风档、模式等)；

待控空调学习邻近空调时，首先需要通过工程ID、模块ID筛选出能力与待控空调相匹配的临近空调，通过大数据学习相关范围(如相同街道、相同小区、相同单元等，通过工程ID确定)内的这些临近空调时只采集用户可手动设置的参数(如温度、风量、模式等)，不采集出厂或自动设置的参数

S212：根据程序设定筛选出用户手动设置后一定时间后(如30min)不再更改的参数，确保稳定性；

当学习相关范围内能力相匹配的临近空调时只采集用户可手动设置的参数，可以使待控空调的参数设置更加符合当体的气候条件，而不被出厂设置或是自动设置所影响，只采集用户手动设置的参数能够更好得反应当地的气候条件，也在很大程度上反应出了人们的主观体感舒适度，二次筛选只筛选参数设置后一定时间内不再更改的参数，撇除了刚开始更改参数的不稳定性，让待控空调的参数设置更加符合当地人们的舒适性并且符合大数据自学习的特征。

S214：根据几次筛选所得的参数，自学习寻优、排除等，综合反馈出自学习的结果；在这个过程中进行寻优筛选，如排除与其他目标待控空调参数相差较大的参数，将排除后的参数进行平均寻优。

S216：根据自学习的结果，调节参数设置。

在上述过程中，待控空调学习邻近空调时，首先需要通过工程ID、模块ID筛选出能力与待控空调相匹配的临近空调，通过大数据学习相关范围(如相同街道、相同小区、相同单元等，通过工程ID确定)内的这些临近空调时只采集用户可手动设置的参数(如温度、风量、模式等)，不采集出厂或自动设置的参数，并且，对采集到的用户可手动设置的参数进行二次筛选，筛选出参数设置后一定时间内不再更改的参数，去除频繁更改的参数设置，从而提高数据的准确性，最终通过大数据学习待控空调的参数设置，自主反馈并调节待控空调的参数设定。在这个过程中应该进行寻优筛选，如排除与其他临近空调参数相差较大的参数，将排除后的参数进行平均寻优。

通过这样的方式，待控空调无需使用者手动得去更改适合当地实时气候的参数设置，通过大数据的自主学习，可以让待控空调自发得实时得调节空调设置参数，去适应复杂的天气变化等因素。

实施例2

基于上述实施例1中提供的空调控制方法，在本发明优选的实施例2中还提供了一种空调控制装置，具体地，图3示出该装置的一种可选的结构框图，如图3所示，该装置包括：

获取模块302，用于获取待控空调的位置，根据位置确定待控空调的临近空调；

确定模块304，用于获取临近空调的运行参数，确定运行参数中的稳定运行参数；

控制模块306，用于根据稳定运行参数对待控空调进行控制。

在上述实施方式中，提供了一种空调自学习方案。根据待控空调的位置确定待控空调的临近空调，并在临近空调的运行参数中进行筛选，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。采用稳定运行参数是临近空调的手动设置参数中的准确运行参数，采用稳定运行参数能够避免控制过程中的不稳定性，并且对空调控制的准确性更高。

获取模块302包括：位置子模块，用于获取所述待控空调的工程ID和模块ID，根据所述工程ID和所述模块ID确定所述待控空调的位置。临近空调确定子模块，包括：候选空调确定单元，用于确定距离所述待控空调的位置不超过预设距离的空调，作为候选空调；临近空调确定单元，用于根据预设条件对所述候选空调进行筛选，确定临近空调。

临近空调确定单元包括：按照区域条件对所述候选空调进行筛选，和/或，按照性能条件对所述候选空调进行筛选；其中，所述区域条件至少包括以下之一：与所述待控空调位于相同街道、与所述待控空调位于相同小区、与所述待控空调位于相同单元、与所述待控空调位于相同建筑；所述性能条件包括与所述待控空调性能相同或与所述待控空调性能相近。

确定模块304包括：第一确定子模块，用于确定所述运行参数中用户手动设定的参数；其中，所述用户手动设定的参数至少包括：温度、风速、运行模式；第二确定子模块，用于在所述用户手动设定的参数中进行筛选，确定所述稳定运行参数。

第二确定子模块包括：确定单元，用于确定用户手动设定的参数中在预设时间内未发生变化的参数；处理单元，用于对在预设时间内未发生变化的参数进行数据处理，作为稳定运行参数。

处理单元包括：分类子单元，用于对在预设时间内未发生变化的参数进行分类；计算子单元，用于去除每类参数中最大和/或最小的参数，之后计算每类参数的平均值，作为稳定运行参数。

此外，还包括：监测模块，用于在根据稳定运行参数对待控空调进行控制之后，监测待控空调的位置处的天气参数；修正模块，用于在天气参数发生变化时，重新获取临近空调的运行参数，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。

关于上述实施例中的装置，其中各个单元、模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3

基于上述实施例2中提供的空调控制装置，在本发明优选的实施例3中还提供了一种空调机组，包括如上述的空调控制装置。

在上述实施方式中，提供了一种空调自学习方案。根据待控空调的位置确定待控空调的临近空调，并在临近空调的运行参数中进行筛选，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。采用稳定运行参数是临近空调的手动设置参数中的准确运行参数，采用稳定运行参数能够避免控制过程中的不稳定性，并且对空调控制的准确性更高。

实施例4

基于上述实施例1中提供的空调控制方法，在本发明优选的实施例4中还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的空调控制方法。

在上述实施方式中，提供了一种空调自学习方案。根据待控空调的位置确定待控空调的临近空调，并在临近空调的运行参数中进行筛选，确定运行参数中的稳定运行参数，根据稳定运行参数对待控空调进行控制。采用稳定运行参数是临近空调的手动设置参数中的准确运行参数，采用稳定运行参数能够避免控制过程中的不稳定性，并且对空调控制的准确性更高。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。