冷暖设备推荐方法、装备、设备、介质及程序产品与流程

本技术涉及智能家电领域，尤其涉及一种冷暖设备推荐方法、装备、设备、介质及程序产品。

背景技术：

1、随着建筑节能与舒适性需求的不断提升，用户对冷暖设备的选型越来越关注其与实际使用环境的匹配度。不同地区的气候条件（如极端温度、湿度、季节变化）以及建筑本身的特性（如结构类型、保温性能、朝向与面积）显著影响冷暖系统的负荷需求和运行效率。然而，普通用户往往缺乏专业能力准确评估自身需求，导致设备选型过大、过小或能效不匹配，造成能源浪费或使用体验不佳。

2、现有技术中，冷暖设备的推荐多依赖于销售人员经验判断、简单的参数对照表或标准化设计手册，部分智能系统虽引入了基础气候或建筑数据，但通常仅进行单维度匹配，缺乏对多因素耦合影响的综合分析。

3、然而，现有方案普遍基于静态规则库，难以动态适应多样化、个性化的场景需求，导致推荐结果同质化严重、适配精度低。

技术实现思路

1、本技术实施例提供冷暖设备推荐方法、装备、设备、介质及程序产品，用以解决现有方案普遍基于静态规则库，难以动态适应多样化、个性化的场景需求，导致推荐结果同质化严重、适配精度低的问题。

2、第一方面，本技术实施例提供一种冷暖设备推荐方法，所述方法包括：

3、获取用户输入的地域气候参数和建筑类型参数，所述地域气候参数和建筑类型参数为用户对冷暖设备的需求数据；

4、对所述地域气候参数和所述建筑类型参数进行多维度分析，匹配大数据库中的历史需求数据，生成匹配结果，所述大数据库用于存储用户的历史需求数据与对应匹配的冷暖设备；

5、根据所述匹配结果，生成多套冷暖设备推荐方案，每套推荐方案包含不同的设备选型组合。

6、在一种可能的实施方式中，所述对所述地域气候参数和所述建筑类型参数进行多维度分析，匹配大数据库中的历史需求数据，生成匹配结果，包括：

7、对所述地域地域气候参数和所述建筑类型参数分别进行维度拆解与特征提取，得到多维度特征数据；

8、将所述多维度特征数据与大数据库中历史需求数据的特征维度进行匹配，计算特征相似度；

9、根据所述特征相似度的排序结果，筛选出所述特征相似度满足预设阈值的历史需求数据，生成所述匹配结果。

10、在一种可能的实施方式中，所述将所述多维度特征数据与大数据库中历史需求数据的特征维度进行匹配，计算特征相似度，包括：

11、将多维度特征数据与大数据库中历史需求数据的特征维度分别进行向量建模，构建特征向量矩阵；

12、通过余弦相似度算法对所述特征向量矩阵进行计算，计算所述历史需求数据与所述地域气候参数、所述建筑类型参数之间的特征相似度。

13、在一种可能的实施方式中，所述匹配结果包括冷暖设备参数、运行效率及适配场景，所述根据所述匹配结果，生成多套冷暖设备推荐方案，包括：

14、根据所述冷暖设备参数和所述运行效率，生成第一冷暖设备推荐方案；

15、根据所述冷暖设备参数和所述适配场景，生成第二冷暖设备推荐方案。

16、根据所述第一冷暖设备推荐方案和所述第二冷暖设备推荐方案，确定多套冷暖设备推荐方案。

17、在一种可能的实施方式中，所述根据所述匹配结果，生成多套冷暖设备推荐方案之后，还包括：

18、接收用户对所述冷暖设备推荐方案的反馈信息，将所述反馈信息与对应的地域气候参数和建筑类型参数、推荐方案关联存储至所述大数据库。

19、在一种可能的实施方式中，所述地域气候参数包括年平均气温、极端温湿度值及采暖制冷季时长，所述建筑类型参数包括建筑户型、建筑面积及围护结构保温等级。

20、第二方面，本技术实施例提供一种冷暖设备推荐装置，所述方法包括：

21、获取模块，用于获取用户输入的地域气候参数和建筑类型参数，所述地域气候参数和建筑类型参数为用户对冷暖设备的需求数据；

22、生成模块，用于对所述地域气候参数和所述建筑类型参数进行多维度分析，匹配大数据库中的历史需求数据，生成匹配结果，所述大数据库用于存储用户的历史需求数据与对应匹配的冷暖设备；

23、所述生成模块，还用于根据所述匹配结果，生成多套冷暖设备推荐方案，每套推荐方案包含不同的设备选型组合。

24、在一种可能的实施方式中，所述冷暖设备推荐装置，还包括：提取模块和匹配模块；

25、所述提取模块，用于对所述地域地域气候参数和所述建筑类型参数分别进行维度拆解与特征提取，得到多维度特征数据；

26、所述匹配模块，用于将所述多维度特征数据与大数据库中历史需求数据的特征维度进行匹配，计算特征相似度；

27、所述生成模块，还用于根据所述特征相似度的排序结果，筛选出所述特征相似度满足预设阈值的历史需求数据，生成所述匹配结果。

28、在一种可能的实施方式中，所述冷暖设备推荐装置，还包括：构建模块和计算模块；

29、所述构建模块，用于将多维度特征数据与大数据库中历史需求数据的特征维度分别进行向量建模，构建特征向量矩阵；

30、所述计算模块，还用于通过余弦相似度算法对所述特征向量矩阵进行计算，计算所述历史需求数据与所述地域气候参数、所述建筑类型参数之间的特征相似度。

31、在一种可能的实施方式中，所述生成模块，还用于根据所述冷暖设备参数和所述运行效率，生成第一冷暖设备推荐方案；

32、所述生成模块，还用于根据所述冷暖设备参数和所述适配场景，生成第二冷暖设备推荐方案。

33、所述确定模块，还用于根据所述第一冷暖设备推荐方案和所述第二冷暖设备推荐方案，确定多套冷暖设备推荐方案。

34、在一种可能的实施方式中，所述冷暖设备推荐装置，还包括：接收模块；

35、所述接收模块，用于接收用户对所述冷暖设备推荐方案的反馈信息，将所述反馈信息与对应的地域气候参数和建筑类型参数、推荐方案关联存储至所述大数据库。

36、在一种可能的实施方式中，所述确定模块，还用于所述地域地域气候参数包括年平均气温、极端温湿度值及采暖制冷季时长，所述建筑类型参数包括建筑户型、建筑面积及围护结构保温等级。

37、第三方面，本技术实施例提供一种冷暖设备推荐设备，包括：接收器、发送器、存储器，处理器；

38、接收器，用于接收指令和数据；

39、发送器，用于发送指令和数据；

40、所述存储器存储计算机执行指令；

41、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上第一方面和/或第一方面各种可能的实施方式。

42、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。

43、第五方面，本技术实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面和/或第一方面各种可能的实施方式。

44、本技术提供的冷暖设备推荐方法，通过获取用户输入的地域气候参数与建筑类型参数，将这些反映冷暖需求的关键数据进行多维度交叉分析，并与大数据库中积累的历史用户需求及对应成功匹配的冷暖设备方案进行智能比对，从而生成高度适配的多套设备推荐方案。每套方案包含不同的设备选型组合，不仅增强了推荐的针对性（贴合具体使用场景）、多样性（提供多种可行路径）和合理性（基于历史验证数据），还提升了推荐效率与用户需求的匹配精度，提升用户满意度和系统能效水平。