云边结合的智能集群空调控制系统、方法及电子设备与流程

1.本发明属于空调控制技术领域，具体涉及一种云边结合的智能集群空调控制系统、方法及电子设备。


背景技术：

2.随着基础通信业务的不断深入发展，特别是5g建设的启动，使得各类通信基站、机房的数量成倍增加，整个通信行业面临巨大的节能减排压力。机房空调是机房内的主要耗电设备，因此，节能减排首当其冲的就是管控空调的能耗成本。如果能够对机房空调的启停做好精细管理，能耗费用能够有非常大的减省空间。据统计，在基站的总耗电量中，基站主设备耗电量占51%，空调耗电占46%，其他配套设备耗电占3%。
3.为了降低空调能耗，发明人进行了深度调研，发现通常的能耗控制手段主要是通过设定空调温度，在秋冬季节定期关机等，总体管控手段比较粗犷。此外，在现场调研时，发现很多机房的空调温度设置不统一，甚至工作模式也不统一，造成空调长期无效运转，造成较大浪费，导致机房pue值明显偏高。
4.为了解决现场调研中发现的上述问题，需要一种能够集中监控、集中控制空调的技术手段，来做到全区空调的统一设置、统一管理，在环境允许的前提下，尽可能的降低空调的运转时长，提高空调运行效率。这种控制要求的精细程度很高，如果靠人工控制，是不可能实现实时精确控制的目标的，因此，系统还需要人工智能的方式来自动控制，自动根据外界环境来决定空调的开关机。


技术实现要素：

5.为了解决上述问题，本发明提供一种云边结合的智能集群空调控制系统、方法及电子设备，其可智能控制空调的运转，提高空调运转效率，降低空调能耗。
6.本发明所采用的技术方案为：云边结合的智能集群空调控制系统，包括：数据采集装置，用于采集空调的动环信息；数据分析装置，用于根据所述动环信息确定空调的控制逻辑；集中控制装置，用于根据所述控制逻辑生成对空调的控制指令，并根据所述控制指令控制空调的运行；交互装置，用于显示空调的运行状态。
7.作为一种可选的技术方案，该系统还包括边缘计算模块，所述边缘计算模块内储存有所述的控制逻辑，或者，储存有预置的开关机逻辑。
8.作为一种可选的技术方案，所述数据采集装置包括：动环信息采集模块，用于采集机房温度；天气信息采集模块，配置为每间隔t1时间段采集一次天气预报信息；电流感应采集模块，配置为每间隔t2时间段采集一次空调的电流信息，判断空调运行状态；
kafka消息管理模块，用于收集过滤所述的动环信息、天气预报信息、电流信息和空调运行反馈信息。
9.作为一种可选的技术方案，所述数据分析装置包括：强化学习模块，用于根据所述机房温度、天气预报信息以及空调运行反馈信息确定空调的控制逻辑；hadoop及spark模块，用于历史数据的存储与分布式处理。
10.作为一种可选的技术方案，所述集中控制装置包括：at指令转换模块，用于将控制信号转换为相对应的串口at控制指令；串口服务器，用于将ip网络信息转换为485串口消息格式，发送给具备485智能接口的空调，直接控制空调的各种运行状态；红外转换模块，用于在收到485信号后，转换为红外控制信号，直接向空调发送控制信号。
11.作为一种可选的技术方案，所述交互装置包括：远程控制模块，用于单独和/或批量控制空调启停；统计报表模块，用于显示每一个局站空调的运行时间以及这些空调的平均运行时间和总运行时间，并根据空调额定功率估算空调能耗；策略调整模块，配置为通过人工对所述控制逻辑进行修正。
12.本技术还公开了云边结合的智能集群空调控制方法，包括以下步骤：采集动环信息、环境信息以及空调运行反馈信息；根据所述动环信息、环境信息以及空调运行反馈信息确定空调的控制逻辑；根据所述控制逻辑生成对空调的控制指令，并根据所述控制指令控制空调的运行；显示空调的运行状态。
13.作为一种可选的技术方案，该方法还包括以下步骤：将所述控制逻辑更新至边缘计算模块中，边缘计算模块根据更新后的控制逻辑控制空调的运行，或者，边缘计算模块根据预置的开关机逻辑控制空调的运行。
14.本技术还公开了一种电子设备，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行上述的云边结合的智能集群空调控制方法。
15.本技术还公开了一种计算机可读介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的云边结合的智能集群空调控制方法。
16.本发明的有益效果为：本技术提供的云边结合的智能集群空调控制系统、方法及电子设备，可以根据机房内外部环境温度，智能预测是否应该关停或开启空调；可以根据动环监控的反馈激励来生成每一个机房不同的空调控制方案，并根据每次调整后的激励情况调整控制方案，最终全自动的对每一个机房生成专属的精细化空调自动控制逻辑，做到全区空调的统一设置、统一管理，在环境允许的前提下，尽可能的降低了空调的运转时长，提高了空调运行效率，节约了空调能耗。
附图说明
17.图1为云边结合的智能集群空调控制系统的架构图。
18.图2是dqn自动学习算法的一个示例。
19.图3是交互装置的一个显示示例。
20.图4是云边结合的智能集群空调控制方法的流程示意图。
具体实施方式
21.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.下面结合附图及具体实施例对本发明作进一步阐述。
实施例
23.如图1所示，云边结合的智能集群空调控制系统，包括：数据采集装置，用于采集空调的动环信息；数据分析装置，用于根据所述动环信息确定空调的控制逻辑；集中控制装置，用于根据所述控制逻辑生成对空调的控制指令，并根据所述控制指令控制空调的运行；交互装置，用于显示空调的运行状态。
24.其中，所述数据采集装置包括：动环信息采集模块，用于采集机房温度；天气信息采集模块，配置为每间隔t1时间段采集一次天气预报信息；电流感应采集模块，配置为每间隔t2时间段采集一次空调的电流信息，判断空调运行状态；kafka消息管理模块，用于收集过滤所述的动环信息、天气预报信息、电流信息和空调运行反馈信息。
25.所述数据分析装置包括：强化学习模块，用于根据所述机房温度、天气预报信息以及空调运行反馈信息确定空调的控制逻辑；hadoop及spark模块，用于历史数据的存储与分布式处理。
26.所述集中控制装置包括：at指令转换模块，用于将控制信号转换为相对应的串口at控制指令；串口服务器，用于将ip网络信息转换为485串口消息格式，发送给具备485智能接口的空调，直接控制空调的各种运行状态；红外转换模块，用于在收到485信号后，转换为红外控制信号，直接向空调发送控制信号。
27.所述交互装置包括：远程控制模块，用于单独和/或批量控制空调启停；统计报表模块，用于显示每一个局站空调的运行时间以及这些空调的平均运行时间和总运行时间，并根据空调额定功率估算空调能耗；策略调整模块，配置为通过人工对所述控制逻辑进行修正。
28.本实施例的云边结合的智能集群空调控制系统，可以根据机房内外部环境温度，智能预测是否应该关停或开启空调。可以根据动环监控的反馈激励来生成每一个机房不同的空调控制方案，并根据每次调整后的激励情况调整控制方案。最终全自动的对每一个机
房生成专属的精细化空调自动控制逻辑。
29.机房的内部和外部环境通常是非常复杂的，这导致每个机房空调的最佳开关机时机是有很大差异的。为了在保证机房设备不高温的前提下，减少浪费，最大化利用空调的能力，就需要为每个机房的每台空调设定个性化的开关机策略。
30.这个策略的初始值可由机房管理员根据经验值去设定，但是随着空调内部和外部环境的渐进式改变，采用预制控制策略的方式非常困难，对机房管理员个人的要求非常高，很难做到随机应变。
31.因此，我们在系统中引入了dqn强化学习模块，让机房空调的开关机策略随着环境的改变而随机应变，根据外部环境温度（机房外的温度，例如可以根据天气预报来获取）和内部温度（机房内的温度，通过机房内的传感器获取）来预测机房在一段时间内将达到的温度，最终确定何时执行空调的开启和关闭动作。
32.dqn是一种机器学习算法，机器根据外界环境的改变做出一系列动作，并根据环境反馈按照规则收到奖惩，最终根据奖励的多少来持续优化算法。可以但不限于在系统设置的关键参数如下：1、环境：机房内部温度，机房外部温度。
33.2、动作（运行状态）：开启、关闭、保持。
34.3、奖惩机制：每开启15分钟减1分，每关闭15分钟加1分，内部温度超过29度扣10分，10分钟内执行开关机切换动作扣2分。
35.更为具体的，系统内各装置工作原理如下：一、数据采集装置数据采集装置主要完成空调信息、天气信息、电流信息等运行环境信息的采集，以便数据分析装置利用。数据采集装置主要包括：1、动环信息采集模块：与现网动环系统对接，采集机房温度。或与告警系统对接采集高温告警。
36.2、天气信息采集模块：与“中国天气网”对接，每小时获取一次天气预报信息。
37.3、电流感应采集模块：对于无485接口、仅有红外控制功能的空调，每10分钟采集一次空调电流情况，判断空调运行状态。
38.4、kafka消息管理模块：作为整个系统的消息收集中心，收集过滤所有动环信息、天气信息、电流信息和设备运行反馈信息。
39.二、数据分析装置数据分析装置的核心在于dqn的自动学习算法，此算法可以自动根据预制奖惩规则，通过执行一系列规定动作后得到的奖惩总额，自动学习最佳的控制逻辑。如图2是dqn自动学习算法的一个示例，数据分析装置主要包括：1、强化学习模块：将环境信息和控制动作以及环境反馈输入至强化学习模块，通过dqn算法计算出一个episode（一段事件）的最终奖励，并根据这个奖励的得分确定最优控制逻辑。
40.2、hadoop、spark模块：负责大量历史数据的存储与分布式处理，保证系统能够有足够的能力处理大量数据。
41.三、集中控制装置
集中控制装置的核心部件是串口服务器，市场价多在几十元至两百元之间。其能够将空调控制板或红外模块等产生的rs485信号转换为ip数据报文，也能够将集中控制装置发送的ip控制报文转换为rs485模式的控制信令，实现空调的远程控制。集中控制装置主要包括：1、at指令转换模块：负责对接各种型号空调，将控制信号转换为相对应的串口at控制指令。
42.2、串口服务器：将ip网络消息转换为485串口消息格式，发送给具备485智能接口的空调，直接控制空调各种运行状态。
43.3、红外转换模块：包含万能红外学习模块，最多可对应23种红外控制功能。收到485信号后，转换为红外控制信号，直接向空调发送控制信号。此模块用来控制仅具备红外控制功能的空调。
44.四、交互装置图3是交互装置的一个显示示例，交互装置主要包括：1、远程控制模块：支持单独控制和批量控制空调启停，调整温度。可按照地市、县区、局站名称批量查询出局站后，批量进行操作。
45.2、统计报表模块：可显示每一个局站空调的运行时间，每一个地市、县区的所有局站空调平均运行时间、总运行时间，并根据空调额定功率估算空调能耗。
46.3、策略调整模块：可人工对强化学习得到的控制逻辑进行修正。
47.4、flask：交互层系统通过flask框架承载，使用werkzeug作为wsgi、jinja2作为前端模板。
48.作为一种可选的实施方式，该系统还包括边缘计算模块，所述边缘计算模块内储存有所述的控制逻辑，或者，储存有预置的开关机逻辑。
49.dqn是一种机器根据外界环境的改变做出一系列动作，并收到来自环境的奖励，最终根据奖励的多少来持续优化算法的过程。通过云端人工智能运算，计算出最适合实地机房的空调控制逻辑算法模型，并按照此模型进行控制，能够最大限度的提高机房空调的能效。
50.但同时，云端的集中控制受网络环境的影响较大。如果出现网络中断，则受影响空调会进入脱管状态，如恰好处于关机模式下，则很可能因为空调无法及时启动而导致机房高温，进而诱发更严重的事故。为了最大限度的避免这类问题，我们同时引入边缘计算模块，在机房控制终端可以运行云端计算好的算法模型，在脱管时保持机房空调的正常运行。
51.边缘计算模块的实现方式有两种：一种是固定脱管模式，此模式成本较低，在模块中预置常规的开关机逻辑，脱管后所有机房均按照这个预置逻辑操作。第二种是智能脱管模式，此模式成本较高，云端根据机房运转情况生成算法模型后，将算法下发到边缘计算模块，并能够周期性的更新，若此类模块脱管，可以运行模块内现有的智能算法，空调脱管期间仍可智能控制。
52.为了测试本系统的实际效果，做了如下实验：首先安装本系统，在项目实施时，空调控制器的安装需要整体规划，根据空调所在机房的网络设备部署情况来确定网络承载方案，采用ipran的ctvpn193部署。另外，在安排施工前，要明确控制设备上联设备及端口，提前配置好承载网和控制设备的数据和ip地址，
确保安装一次成功。安装完成后，随机观察10个主要机房所属空调在凌晨零点到早上8点的运行情况，如不进行人为操作干预，总运行时长为80小时，应用本系统进行空调的开关控制后空调的实际运行时长为22.3小时，降低夜间空调耗电量72.14%。
53.该抽测10台空调中7台5匹空调，3台3匹空调。全部按照5匹计算，每小时耗电2.83kwh。本次测试共停止运行80
‑
22.3=57.7小时，节约电量2.83*57.7=163.291 kwh。商业用电0.6125元/ kwh,10台空调一天节约0.6125*163.291≈100元。
54.如图4所示，本技术还公开了云边结合的智能集群空调控制方法，包括以下步骤：采集动环信息、环境信息以及空调运行反馈信息；根据所述动环信息、环境信息以及空调运行反馈信息确定空调的控制逻辑；根据所述控制逻辑生成对空调的控制指令，并根据所述控制指令控制空调的运行；显示空调的运行状态。
55.作为一种可选的实施方式，该方法还包括以下步骤：将所述控制逻辑更新至边缘计算模块中，边缘计算模块根据更新后的控制逻辑控制空调的运行，或者，边缘计算模块根据预置的开关机逻辑控制空调的运行。
56.本技术还公开了一种电子设备，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行上述的云边结合的智能集群空调控制方法。
57.本技术还公开了一种计算机可读介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的云边结合的智能集群空调控制方法。
58.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的方法、电子设备和计算机可读介质的具体工作过程，可以参考前述系统实施例中的对应过程，在此不再赘述。
59.本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块（单元）。
60.通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在可读介质中或网络上，包括若干指令以使得一台电子设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本技术实施例的方法。
61.上述可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器 (cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
62.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。