智能空调管控及情景模式调整系统的制作方法

本发明涉及空调管控，尤其涉及智能空调管控及情景模式调整系统。

背景技术：

1、随着现代社会的发展和生活水平的提高，室内空气质量对人们的健康和舒适度越来越重要。现有的空调系统主要集中在温度和湿度的调节上，虽然部分高端机型开始引入空气净化功能，但大多数系统对多种空气污染物(如pm2.5、挥发性有机化合物(voc)、二氧化碳、甲醛等)的综合控制能力仍然不足。此外，现有技术在实时监测和精准控制多种污染物方面也存在一定的技术瓶颈，难以满足用户对高质量空气环境的需求。

2、为了提高空调系统的综合性能，实现对多种空气污染物的精准控制，智能化空调系统逐渐成为研究热点。然而，现有的智能空调系统在优化控制策略方面依然存在一些问题。例如，如何在保证空气质量和用户舒适度的同时，实现能耗最小化，仍然是一个具有挑战性的课题。

技术实现思路

1、基于上述目的，本发明提供了智能空调管控及情景模式调整系统。

2、智能空调管控及情景模式调整系统，包括环境感知模块、数据处理模块、污染物识别模块、智能决策模块、控制执行模块以及能耗管理模块，其中；

3、所述环境感知模块用于采集室内外环境数据，包括温度、湿度、pm2.5浓度、二氧化碳浓度以及甲醛浓度；

4、所述数据处理模块连接所述环境感知模块，用于对采集到的环境数据进行预处理和特征提取；

5、所述污染物识别模块连接所述数据处理模块，用于基于预处理后的环境数据进行污染物识别，生成污染物数据，包括识别不同种类的污染物及其浓度水平；

6、所述智能决策模块连接所述污染物识别模块，用于根据污染物数据生成相应的控制策略，通过智能决策算法优化空调的运行模式，以减少污染物浓度并改善空气质量；

7、所述控制执行模块连接所述智能决策模块，用于接收控制策略并驱动空调执行相应操作，包括温度调节、风速调节、空气净化以及通风控制；

8、所述能耗管理模块连接所述控制执行模块，用于实时监测空调设备的能耗情况，通过能耗优化算法实现节能降耗。

9、进一步的，所述环境感知模块具体包括：

10、温度传感器：用于测量室内外的温度数据；

11、湿度传感器：用于测量室内外的湿度数据，获取湿度分布信息；

12、pm2.5传感器：用于测量室内外空气中的pm2.5浓度，实时监测空气中的颗粒物含量；

13、二氧化碳传感器：用于测量室内外空气中的二氧化碳浓度，实时监测空气中的二氧化碳浓度；

14、甲醛传感器：用于测量室内空气中的甲醛浓度，实时监测甲醛水平。

15、进一步的，所述数据处理模块具体包括：

16、数据接收：接收来自环境感知模块采集的环境数据；

17、数据预处理：对接收的环境数据进行预处理，包括数据清洗(去除数据中的噪声和异常值)、数据归一化(将不同量纲的数据转换到同一尺度)以及数据插值(处理缺失数据，填补数据空缺)；

18、特征提取：从预处理后的环境数据中提取具有代表性的环境特征，包括甲醛浓度和二氧化碳浓度。

19、进一步的，所述污染物识别模块具体包括：

20、数据接收：从数据处理模块接收预处理后的环境数据，包括温度、湿度、pm2.5浓度、二氧化碳浓度、甲醛浓度及特征提取数据；

21、特征选择：提取有助于污染物识别的特征，包括时间特征(时段、季节)、空间特征(传感器位置)、历史趋势特征(过去一段时间的数据变化)；

22、模型训练：采用极限梯度提升模型，使用历史环境数据和已知污染物标签训练极限梯度提升模型，训练过程包括数据分割(训练集和测试集)和模型验证，极限梯度提升模型表示为：其中，为损失函数，表示预测值与真实值yi之间的误差，ω(fk)为正则化项；

23、标准化输入数据：将预处理后的环境数据和特征选择后的数据进行标准化处理，标准化为极限梯度提升模型接受的格式；

24、模型预测：将标准化数据输入训练好的极限梯度提升模型，极限梯度提升模型根据输入数据进行预测，输出污染物种类和浓度水平。

25、进一步的，所述智能决策模块具体包括：

26、数据输入：从污染物识别模块接收识别出的污染物种类和浓度水平数据，从环境感知模块接收当前环境数据；

27、决策规则与算法：使用基于规则的方法生成控制策略，定义污染物浓度阈值，例如pm2.5浓度阈值为35μg/m3，二氧化碳浓度阈值为800ppm，甲醛浓度阈值为0.1mg/m3，当某种污染物的浓度超过阈值时，触发相应的控制措施，包括增加通风和启动空气净化功能，使用遗传算法优化控制策略，以实现最佳的空气质量和能耗平衡。

28、进一步的，所述遗传算法优化控制策略具体包括：

29、控制策略表示：将空调设备的运行参数(如温度设定、风速调节、空气净化、通风模式等)编码为染色体，每个染色体表示一个控制策略；

30、初始种群生成：随机生成一组初始控制策略(染色体)，构成初始种群；

31、适应度评估：定义适应度函数，根据空气质量改善和能效优化的综合评分评估每个控制策略的优劣，适应度函数表示为：

32、f＝w1·airqualityimprovement+w2·energyefficiency；

33、其中，f为适应度值，airqualityimprovement为空气质量改善评分，energyefficiency为能效评分，w1和w2为权重系数，反映空气质量和能效的重要性；

34、选择：根据染色体的适应度值占总体适应度值的比例选择染色体进入下一代；

35、交叉与变异：选择两个父代染色体进行交叉操作，生成新的子代染色体，对子代染色体进行变异操作；

36、迭代优化：将交叉和变异生成的新染色体加入种群中，进行下一代的迭代优化，重复适应度评估、选择、交叉和变异步骤，直至达到预定的迭代次数或适应度收敛条件；

37、最优控制策略输出：在迭代优化结束后，选择适应度值最高的染色体作为最优控制策略。

38、进一步的，所述控制执行模块具体包括：

39、数据输入：从智能决策模块和能耗管理模块接收控制策略，控制策略包括温度设定、风速调节、空气净化和通风控制参数；

40、控制策略解析：解析接收到的控制策略，将控制策略转换为具体的控制命令；

41、驱动组件：控制执行模块通过驱动空调设备的不同组件来实现控制命令，组件包括温度调节组件、风速调节组件、空气净化组件和通风控制组件；

42、反馈机制：实时监测空调设备的运行状态和环境参数，获取反馈数据，根据反馈数据调整控制策略，确保运行的稳定性和高效性。

43、进一步的，所述控制策略解析具体包括：

44、解析温度设定值：从控制策略中提取温度设定值，生成温度控制命令，根据当前温度与目标温度的比较，决定激活制冷还是制热模式；

45、解析湿度设定值:从控制策略中提取湿度设定值，生成湿度控制命令，根据当前湿度与目标湿度的比较，决定激活除湿还是加湿模式；

46、解析风速设定值：从控制策略中提取风速设定值，生成风速控制命令，将风机转速调整至指定级别；

47、解析空气净化状态：从控制策略中提取空气净化状态，生成空气净化控制命令，根据状态开启或关闭空气净化器；

48、解析通风模式：从控制策略中提取通风模式，生成通风控制命令，将通风调至指定强度。

49、进一步的，所述能耗管理模块具体包括：

50、实时能耗监测：使用智能电表和功率传感器实时采集空调设备的能耗数据，对采集到的能耗数据进行预处理和分析，确保数据的准确性和一致性；

51、能耗优化算法：通过预设的节能规则，自动调整空调设备的运行模式，使用粒子群优化算法优化空调设备的运行参数，实现能效最大化和能耗最小化；

52、控制策略生成与执行：根据能耗优化算法生成优化后的控制策略，将控制策略发送至控制执行模块，驱动空调设备进行相应调整。

53、进一步的，所述粒子群优化算法具体包括：

54、定义问题：优化空调设备的运行参数(如温度设定、风速、运行时间等)，实现能效最大化和能耗最小化，综合考虑能效和舒适度的适应度函数；

55、初始化：每个粒子表示一个控制策略，用temp,fanspeed,runtime，对应温度设定、风速和运行时间；

56、初始种群：随机生成一组初始控制策略(粒子)，构成初始种群；

57、适应度函数：适应度函数综合考虑能效和舒适度的评分，表示为：

58、

59、其中，f为适应度值，energysaved为节省的能量，energyconsumed为消耗的能量，w1和w2为权重系数，反映舒适度和能效的重要性；

60、粒子更新：每个粒子在搜索空间中移动，通过更新速度和位置找到最优解，粒子位置和速度计算为：

61、vi(t+1)＝ωvi(t)+c1r1[pi,best-xi(t)]+c2r2[gbest-xi(t)]；

62、xi(t+1)＝xi(t)+vi(t+1)；

63、其中，vi(t)为粒子i在时间t的速度，xi(t)为粒子i在时间t的位置(控制参数)，ω为惯性权重，控制速度更新的影响程度，c1和c2为加速常数，分别表示粒子自身经验和群体经验的影响，r1和r2为随机数，范围在[0,1]之间，pi,best为粒子i目前为止找到的最佳位置，gbest为全体粒子目前为止找到的最佳位置；

64、适应度评估：根据适应度函数评估每个粒子的适应度值；

65、迭代优化：更新每个粒子的速度和位置，通过多次迭代找到全局最优解，重复适应度评估和粒子更新步骤，直至达到预定的迭代次数或适应度收敛条件；

66、最优控制策略输出：在迭代优化结束后，选择适应度值最高的粒子作为最优控制策略，将最优控制策略发送至控制执行模块，驱动空调设备进行相应调整。

67、本发明通过环境感知模块实时采集温度、湿度、pm2.5浓度、二氧化碳浓度和甲醛浓度等多种环境数据，利用数据处理模块进行预处理和特征提取，确保数据的准确性。污染物识别模块采用先进的机器学习算法，精确识别多种污染物及其浓度水平。通过智能决策模块生成的控制策略，空调系统能够实现对温度、风速、空气净化和通风模式的智能调控，综合控制室内空气中的多种污染物，显著提升空气质量，满足用户对健康和舒适环境的需求。

68、本发明智能决策模块根据实时监测的污染物数据和环境参数，综合考虑能效和用户舒适度，迭代优化生成最优控制策略。能耗管理模块通过粒子群优化算法有效找到全局最优解，使空调系统在保证空气质量和舒适度的前提下，实现能效最大化和能耗最小化。

69、本发明的控制执行模块将智能决策模块生成的控制策略转换为具体控制命令，驱动空调系统执行相应操作。同时，系统具备实时监测和反馈机制，能够实时监控空调系统的运行状态和环境参数，获取反馈数据。根据反馈数据，智能决策模块能够动态调整控制策略，形成闭环控制，提高系统的稳定性和响应速度。

技术特征：

1.智能空调管控及情景模式调整系统，其特征在于，包括环境感知模块、数据处理模块、污染物识别模块、智能决策模块、控制执行模块以及能耗管理模块，其中；

2.根据权利要求1所述的智能空调管控及情景模式调整系统，其特征在于，所述环境感知模块具体包括：

3.根据权利要求2所述的智能空调管控及情景模式调整系统，其特征在于，所述数据处理模块具体包括：

4.根据权利要求3所述的智能空调管控及情景模式调整系统，其特征在于，所述污染物识别模块具体包括：

5.根据权利要求4所述的智能空调管控及情景模式调整系统，其特征在于，所述智能决策模块具体包括：

6.根据权利要求5所述的智能空调管控及情景模式调整系统，其特征在于，所述遗传算法优化控制策略具体包括：

7.根据权利要求5所述的智能空调管控及情景模式调整系统，其特征在于，所述控制执行模块具体包括：

8.根据权利要求7所述的智能空调管控及情景模式调整系统，其特征在于，所述控制策略解析具体包括：

9.根据权利要求5所述的智能空调管控及情景模式调整系统，其特征在于，所述能耗管理模块具体包括：

10.根据权利要求9所述的智能空调管控及情景模式调整系统，其特征在于，所述粒子群优化算法具体包括：

技术总结
本发明涉及空调管控技术领域，具体涉及智能空调管控及情景模式调整系统，包括包括环境感知模块、数据处理模块、污染物识别模块、智能决策模块、控制执行模块以及能耗管理模块，环境感知模块采集室内外环境数据，数据处理模块对环境数据进行预处理，污染物识别模块对预处理后的环境数据进行污染物识别，智能决策模块生成相应的控制策略，控制执行模块驱动空调设备执行相应操作，能耗管理模块通过能耗优化算法实现节能降耗。本发明，通过污染物识别模块识别多种污染物及其浓度水平。通过智能决策模块生成的控制策略，空调系统能够实现对温度、风速、空气净化和通风模式的智能调控，显著提升空气质量，满足用户对健康和舒适环境的需求。

技术研发人员：刘镇华,罗旭,刘国辉
受保护的技术使用者：湖南造新居住宅工业集团有限公司
技术研发日：
技术公布日：2024/9/23