空调控制方法和空调器与流程

摘要: 本发明涉及空调器控制,具体而言,涉及一种空调控制方法和空调器。背景技术:1、在现有的智能空调系统中,虽然实现了基于用户的位置进行启动和停止,但是存在滞后性,现有...
空调控制方法和空调器与流程

本发明涉及空调器控制,具体而言,涉及一种空调控制方法和空调器。

背景技术:

1、在现有的智能空调系统中,虽然实现了基于用户的位置进行启动和停止,但是存在滞后性,现有技术方案仅在检测到有人之后触发压缩机运行,其温度调节通常需要一段时间,因此,用户刚进入室内的时候仍旧感受到高温或低温,导致用户体验较差,并且,现有技术无法准确判断用户的回归时刻,多以智能门锁的启动作为启动信号,虽然相比于用户进入室内减少了运行时间,但是同样存在滞后性。

技术实现思路

1、本技术的主要目的在于提供一种空调控制方法和空调器,以至少解决现有技术中智能空调在用户到家后进行温度调节,需要进行等待导致用户体验不佳的问题。

2、为了实现上述目的,根据本技术的一个方面,提供了一种空调控制方法,包括:构建建筑热模型,建筑热模型用于模拟房间在空调器作用下的温度变化;采集多模态数据,根据多模态数据计算回归概率密度函数,得到用户回归概率,多模态数据至少包括用户的定位数据、传感器检测数据和行为习惯数据;在用户回归概率大于或等于第一阈值且剩余到达时间小于第二阈值的情况下,将蓄能模式确定为空调器的目标运行模式,蓄能模式为使第一目标时长小于第三阈值的运行模式,第一目标时长为用户达到时刻与室内温度达到设定温度时刻之间的间隔时长;根据建筑热模型,控制空调器在目标运行模式下运行。

3、可选地,构建建筑热模型,包括:将房间抽象为包括室内空气节点、墙体节点和家具节点的热传导网络,得到数字孪生模型,其中,热传导网络中的节点之间以热阻和热容相连接;初始化热传导网络中节点之间的热阻和热容的取值,并利用空调器的历史运行数据通过最小二乘法对热阻和热容的取值进行优化,得到建筑热模型。

4、可选地,将房间抽象为包括室内空气节点、墙体节点和家具节点的热传导网络,得到数字孪生模型,包括:构建状态方程,以模拟房间在空调器作用下的温度变化,得到数字孪生模型,状态方程为:,其中,为节点i的热容,和为节点i的温度和对应邻居节点j的温度,为节点i与邻域节点j之间的热阻,为节点i收到的内部热源增益,为空调器对节点i的热量/冷量输出,由空调器的压缩机频率和风机转速确定,为室内环境与室外环境之间的热阻。

5、可选地,采集多模态数据,根据多模态数据计算回归概率密度函数,得到用户回归概率,包括:采集用户实时定位,得到定位数据,根据定位数据确定剩余距离、用户移动速度与行进方向偏差,根据剩余距离、用户移动速度和行进方向偏差确定对应的第一子概率;采集雷达点云数据和热传感器数据,得到传感器检测数据,根据传感器检测数据确定用户的步频数据和热源数据,根据步频数据和热源数据确定对应的第二子概率;从门锁日志数据中获取用户回归的时间点分布,根据时间点分布确定当前时刻用户回家的可能性,得到第三子概率;对第一子概率、第二子概率和第三子概率进行加权求和,得到用户回归概率。

6、可选地,根据剩余距离、用户移动速度和行进方向偏差确定对应的第一子概率,包括:根据剩余距离确定距离贡献概率,距离贡献概率与剩余距离成反比;根据用户移动速度确定速度修正,其中,在剩余距离大于第四阈值且用户移动速度等于0的情况下,速度修正用于使距离贡献概率减小,在剩余距离大于第四阈值且用户移动速度处于第一预设区间的情况下,速度修正用户使距离贡献概率增大;根据行进方向偏差确定方向修正,其中,方向修正与行进方向偏差成反比;根据速度修正、方向修正和距离贡献概率确定第一子概率。

7、可选地,根据步频数据和热源数据确定对应的第二子概率,还包括:在步频数据处于第二预设区间且持续时长大于第二目标时长的情况下,确定满足第一预设条件;在热源数据的热源面积处于第三预设区间且热源温度处于第四预设区间的情况下,确定满足第二预设条件;在第一预设条件和第二预设条件同时满足的情况下,将第二子概率确定为第一预设值,在第一预设条件和第二预设条件中任意一个不满足的情况下,将第二子概率确定为第二预设值,在第一预设条件和第二预设条件均不满足的情况下,将第二子概率确定为第三预设值,其中,第一预设值、第二预设值和第三预设值依次递减。

8、可选地,对第一子概率、第二子概率和第三子概率进行加权求和,得到用户回归概率,还包括:确定当前时刻所处的预设时段,根据预设时段确定对应的加权权重;根据加权权重对第一子概率、第二子概率和第三子概率进行加权求和,得到用户回归概率。

9、可选地,在根据多模态数据计算回归概率密度函数,得到用户回归概率之后,方法还包括:在用户回归概率小于第一阈值且大于等于第五阈值的情况下,将预备通风模式确定为目标运行模式,其中,预备通风模式为控制风机预建立风道的运行模式;在用户回归概率小于第五阈值的情况下,将节能模式确定为目标运行模式,其中,节能模式为压缩机处于停机或运行频率小于第四预设值的运行模式。

10、可选地,根据建筑热模型,控制空调器在目标运行模式下运行,包括:根据建筑热模型,模拟空调器在第一蓄能模式下运行第三目标时长,并将模拟运行结果代入综合代价函数,得到第一运行代价,第一蓄能模式为空调器升温/降温速率最大的运行模式,综合代价函数包括能耗代价和温度偏差代价;根据建筑热模型,模拟空调器在第二蓄能模式下运行第三目标时长,并将模拟运行结果代入综合代价函数,得到第二运行代价,第二蓄能模式为空调器对房间中墙体或地面进行加热,利用墙体或地面预先进行蓄热的运行模式;在第一运行代价小于第二运行代价的情况下,控制空调器以第一蓄能模式运行;在第一运行代价大于或等于第二运行代价的情况下,控制空调器以第二蓄能模式运行。

11、可选地,在根据建筑热模型,控制空调器在目标运行模式下运行之后,方法还包括:在满足第三预设条件、第四预设条件和第五预设条件中任意一个的情况下,控制空调器将压缩机的频率线性降低至小于等于第五预设值并维持大于或等于第四目标时长,第三预设条件为行进方向偏差大于第六阈值,第四预设条件为剩余距离波动值小于第七阈值且维持大于或等于第五目标时长,第五预设条件为用户回归概率连续预设次数小于第八阈值;关闭压缩机,控制风机以第一预设转速运行第六目标时长,控制空调器切换至待机模式。

12、可选地,在根据建筑热模型,控制空调器在目标运行模式下运行之后,方法还包括:在用户到家的情况下,获取墙体温度;在墙体温度与设定温度差值小于或等于第九阈值的情况下,控制空调器将压缩机的频率提升至第六预设值,并将风机的转速提升至第二预设转速;在墙体温度与设定温度差值大于第九阈值的情况下,控制空调器将压缩机的频率提升至第七预设值,并将风机的转速提升至最大值,第六预设值小于第七预设值。

13、可选地,方法还包括:在室外环境温度小于预设温度且满足第六预设条件和第七预设条件中的任意一个的情况下,控制空调器将压缩机的频率降低至小于等于第八预设值进行制热,将电子膨胀阀调节至目标位置,将风机的转速降低至第九预设值以下,其中,第六预设条件为当前单位电价小于预设电价,第七预设条件为用户离家超过第七目标时长且用户回归概率大于等于第十阈值,目标位置为对应制热效率最大的位置;调节摆风角度至气流吹向地面或墙面。

14、可选地,在调节摆风角度至气流吹向地面或墙面之后,方法还包括:根据室外环境温度、室外环境湿度和蒸发器运行参数确定是否存在结霜风险;在存在结霜风险的情况下,控制空调器将压缩机反转运行,以进行除霜。

15、根据本技术的另一方面,提供了一种空调器,包括:一个或多个处理器,存储器,以及一个或多个程序,其中,一个或多个程序被存储在存储器中,并且被配置为由一个或多个处理器执行,一个或多个程序包括用于执行任意一种所述的方法。

16、应用本技术的技术方案,在上述空调器的控制方法中,首先,构建建筑热模型,建筑热模型用于模拟房间在空调器作用下的温度变化;然后,采集多模态数据,根据多模态数据计算回归概率密度函数,得到用户回归概率,多模态数据至少包括用户的定位数据、传感器检测数据和行为习惯数据;之后,在用户回归概率大于或等于第一阈值且剩余到达时间小于第二阈值的情况下,将蓄能模式确定为空调器的目标运行模式,蓄能模式为使第一目标时长小于第三阈值的运行模式,第一目标时长为用户达到时刻与室内温度达到设定温度时刻之间的间隔时长;最后,根据建筑热模型,控制空调器在目标运行模式下运行。本技术通过多模态数据实现用户回家意图的精准判定,结合室内建筑对空调器制热/制冷效果的影响,精准确定空调器提前进入蓄能模式进行预热,以使用户到家之后,能够短时间内升温/降温至目标温度,避免了用户到家后等待空调运行期间的冷风感/热风感,提高了用户舒适度,解决了现有技术中智能空调在用户到家后进行温度调节,需要进行等待导致用户体验不佳的问题。