本发明涉及智能建筑，更具体的说是涉及一种空调能耗智能调度方法、系统、装置及可读存储介质。
背景技术：
1、在当前的空调优化调度系统中，大多数方案仍然依赖于历史能耗数据来进行空调参数的预测和调控。这种传统方法虽然在一定程度上能够提高能源利用效率，但存在显著的局限性。它忽略了空间内不同区域人员密度变化的关键因素，这在大型建筑内部密闭空间中尤为明显。
2、大型建筑内部的人员流动性和分布不均往往导致不同区域的体感温度存在显著差异，这种差异不仅影响用户的舒适度体验，也导致能源利用效率的降低。传统方法无法实时、准确地捕捉到这种人员密度的变化，因此无法针对每个区域进行精准的温度调控。
3、为了解决这一问题，近年来出现了基于机器视觉的空调预测控制方法。这种方法通过使用机器视觉算法实时统计建筑内部的人员或人头数量，并根据人体负荷变化情况来调度空调冷量，从而实现空调的优化调度。然而，现有技术仍然存在一些缺点。
4、首先，现有技术通常仅适用于中小型建筑，对于大型建筑而言，其内部空间的复杂性和人员流动的多样性使得单一的方法难以达到理想的优化效果。其次，现有技术往往仅对整个建筑空间内部的人员数量变化进行统计，没有考虑到大型建筑内部不同片区的人员流动情况和体感温度差异。
5、此外，现有技术通常使用单一数字来表示建筑内部的人员数量，这种方式无法清晰地展现出大型建筑内部的人员分布和到场情况。因此，在大型建筑内部，如何实时、准确地获取各片区的人员分布和流动情况，并据此进行空调的精准调控，成为了一个亟待解决的问题。
技术实现思路
1、针对以上问题，本发明的目的在于提供一种空调能耗智能调度方法、系统、装置及可读存储介质，通过结合物联网技术和图像处理技术，基于人头密度热图实现了对建筑内部不同片区空调能耗的精准调控。
2、本发明为实现上述目的，通过以下技术方案实现：
3、第一方面，本发明公开了一种空调能耗智能调度方法，包括如下步骤：
4、s1：在室内温度处于初始状态的时刻t0，通过物联网采集室内各个片区的俯瞰图片，并将所有片区的空调每秒出设为风量为g，记录对应的区域余热量q和状态h0；
5、s2：通过第一公式计算出每个片区的区域温度从状态h0到达目的状态hn所需的时间δt；
6、s3：利用预先训练好的人头检测模型，对各个片区俯瞰图片进行人头检测，并获取相应的人头包围盒的位置信息；
7、s4：基于人头包围盒的位置信息，生成人头中心点热图背景，构成相应的人头热力度，并对人头热力图进行灰度化处理；
8、s5：利用仿射变换和透视纠正技术，对灰度化处理后的人头热力图进行图像纠正，并将纠正后的图像映射到预先划分好的标准棋盘形座次图中，以展示各片区的人员密度分布情况；
9、s6：每间隔预设时间从实时摄像中截取一张区域监控图片，并执行步骤s3至步骤s5，以获取标准棋盘形座次图片中的人员在场情况，确定每个片区的人员数量；
10、s7：基于任意一个片区内的人员数量mn，利用预设算法对计算空调每秒送风量gn并进行实时调控，以确保在时间δt内使片区温度状态达到目的状态hn。
11、进一步，步骤s2包括：
12、通过第一公式计算出每个片区的区域温度从状态h0到达目的状态hn所需的时间δt。
13、进一步，所述人头检测模型的训练过程包括：
14、获取人头检测数据集scut-head，所述人头检测数据集scut-head包括有标签的包围盒信息，用于指示图像中的人头位置；
15、将人头检测数据集scut-head预处理为yolov8预训练模型所需的格式；
16、设定训练参数，训练参数包括学习率、批次大小和训练轮数；
17、使用人头检测数据集scut-head对yolov8预训练模型进行训练，生成人头检测模型。
18、进一步，步骤s5包括：
19、利用仿射变换和透视纠正技术，将对灰度化处理后发生畸变的人头热力图的图像纠正为正常矩形图像；
20、根据对应座位号区域的像素值，基于映射规则将各个座位是否有人的实际情况精准映射到预先划分好的标准棋盘形座次图中。
21、进一步，所述映射规则包括：
22、如果任意座位有人头，则相应点位的像素值大于零；
23、如果任意座位无人头，则相应点位的像素值等于零。
24、进一步，步骤s7包括：
25、基于任意一个片区内的人员数量mn，将该片区在初始状态的时刻t0的人员数量设为10，则通过如下公式计算出该片区空调每秒送风量gn：
26、
27、根据空调每秒送风量gn对该片区空调进行调控。
28、进一步，预设时间为20秒。
29、第二方面，本发明还公开了一种空调能耗智能调度系统，包括：
30、数据采集模块，用于在室内温度处于初始状态的时刻t0，通过物联网采集室内各个片区的俯瞰图片；
31、基准状态设定模块，用于在室内温度处于初始状态的时刻t0，将所有片区的空调每秒出设为风量为g，记录对应的区域余热量q和状态h0；
32、基准计算模块，用于通过第一公式计算出每个片区的区域温度从状态h0到达目的状态hn所需的时间δt；
33、人头检测模块，用于利用预先训练好的人头检测模型，对各个片区俯瞰图片进行人头检测，并获取相应的人头包围盒的位置信息；
34、热力图生成模块，用于基于人头包围盒的位置信息，生成人头中心点热图背景，构成相应的人头热力度，并对人头热力图进行灰度化处理；
35、图像纠正模块，用于利用仿射变换和透视纠正技术，对灰度化处理后的人头热力图进行图像纠正，并将纠正后的图像映射到预先划分好的标准棋盘形座次图中，以展示各片区的人员密度分布情况；
36、空调调控模块，用于基于任意一个片区内的人员数量mn，利用预设算法对计算空调每秒送风量gn并进行实时调控，以确保在时间δt内使片区温度状态达到目的状态hn。
37、第三方面，本发明还公开了一种空调能耗智能调度装置，包括：
38、存储器，用于存储空调能耗智能调度程序；
39、处理器，用于执行所述空调能耗智能调度程序时实现如上文任一项所述空调能耗智能调度方法的步骤。
40、第四方面，本发明还公开了一种可读存储介质，所述可读存储介质上存储有空调能耗智能调度程序，所述空调能耗智能调度程序被处理器执行时实现如上文任一项所述空调能耗智能调度方法的步骤。
41、对比现有技术，本发明有益效果在于：
42、本发明公开了一种空调能耗智能调度方法、系统、装置及可读存储介质，首先采用计算机视觉技术，通过对不同区域的人头数量进行精确的目标检测，实时生成人员密度热图。这种方法能够准确地反映空间内人员密度的分布和流动情况，为后续的空调能耗调度提供了至关重要的数据基础。其次，利用图像处理中的透视变换和仿射变换技术，对摄像头拍摄图片中发生畸变的固定座位区域进行纠正，确保将各个座位号的人头热图准确映射到公司内部规则排列的座位模型图中，从而精确掌握每排工位的人员在场情况。
43、进一步地，本发明基于实时更新的规范座位模型中人员密度热图，对不同区域的空调能耗功率进行优化调度。通过智能算法分析热图中不同区域的人员密度情况，系统能够自动调节相应区域的空调功率，确保快速降温到预设温度水平，以满足高密度区域对冷量的高需求。本发明不仅能够保障用户的舒适度，还能实现能源的高效利用，为现代建筑节能减排提供有力支持。
44、由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
1.一种空调能耗智能调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的空调能耗智能调度方法，其特征在于，所述步骤s2包括：
3.根据权利要求1所述的空调能耗智能调度方法，其特征在于，所述人头检测模型的训练过程包括：
4.根据权利要求1所述的空调能耗智能调度方法，其特征在于，所述步骤s5包括：
5.根据权利要求4所述的空调能耗智能调度方法，其特征在于，所述映射规则包括：
6.根据权利要求2所述的空调能耗智能调度方法，其特征在于，所述步骤s7包括：
7.根据权利要求1所述的空调能耗智能调度方法，其特征在于，所述预设时间为20秒。
8.一种空调能耗智能调度系统，其特征在于，包括：
9.一种空调能耗智能调度装置，其特征在于，包括：
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有空调能耗智能调度程序，所述空调能耗智能调度程序被处理器执行时实现如权利要求1至7任一项权利要求所述的空调能耗智能调度方法的步骤。
