[發(fā)明專利]一種控制的方法及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201910072445.3
• 申請(qǐng)日: 2019-01-25
• 公開（公告）號(hào): CN109882996A
• 公開（公告）日: 2019-06-14
• 發(fā)明（設(shè)計(jì)）人: 譚建明;李紹斌;宋德超;陳翀;羅曉宇;岳冬;王鵬飛;肖文軒;鄧家璧
• 申請(qǐng)（專利權(quán)）人: 珠海格力電器股份有限公司
• 主分類號(hào): F24F11/46
• 分類號(hào): F24F11/46;F24F11/63;F24F11/64;F24F11/84
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 黃志華

本發(fā)明公開了一種控制的方法及設(shè)備，涉及設(shè)備節(jié)能技術(shù)領(lǐng)域，用以解決現(xiàn)有技術(shù)中對(duì)空調(diào)等設(shè)備的節(jié)能控制不精準(zhǔn)，且不能同時(shí)保證空調(diào)運(yùn)行的節(jié)能和服務(wù)質(zhì)量均衡的問題，本發(fā)明方法包括：根據(jù)設(shè)備當(dāng)前運(yùn)行環(huán)境，確定設(shè)備當(dāng)前運(yùn)行狀態(tài)的當(dāng)前運(yùn)行狀態(tài)參考值，將所述當(dāng)前運(yùn)行狀態(tài)參考值輸入通過(guò)Q深度學(xué)習(xí)構(gòu)建的節(jié)能調(diào)控模型，所述節(jié)能調(diào)控模型用于根據(jù)當(dāng)前運(yùn)行狀態(tài)參考值預(yù)測(cè)當(dāng)前運(yùn)行狀態(tài)下，設(shè)備執(zhí)行下一個(gè)不同的動(dòng)作對(duì)應(yīng)的Q值，并輸出最大Q值對(duì)應(yīng)的動(dòng)作，所述動(dòng)作包括控制對(duì)象和控制參數(shù)，確定所述節(jié)能調(diào)控模型輸出的動(dòng)作為下一個(gè)動(dòng)作，并控制所述設(shè)備在執(zhí)行完當(dāng)前動(dòng)作后，執(zhí)行所述確定的下一個(gè)動(dòng)作。

技術(shù)領(lǐng)域

本發(fā)明涉及設(shè)備節(jié)能技術(shù)領(lǐng)域，特別涉及一種控制的方法及設(shè)備。

背景技術(shù)

目前，空調(diào)已成為家庭或公共場(chǎng)所中不可或缺的改善內(nèi)部環(huán)境質(zhì)量的設(shè)備，但同時(shí)空調(diào)也是耗能較大的設(shè)備之一，現(xiàn)有空調(diào)節(jié)能控制主要在控制理論中對(duì)個(gè)別控制參數(shù)進(jìn)行范圍劃定控制，控制較為粗糙，隨著人工智能技術(shù)的發(fā)展，越來(lái)越多的設(shè)備中應(yīng)用了智能算法對(duì)大規(guī)模數(shù)據(jù)進(jìn)行分析從而實(shí)現(xiàn)精確控制。

但目前在空調(diào)節(jié)能方面，如何通過(guò)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行分析實(shí)現(xiàn)精確的節(jié)能控制成為本領(lǐng)域急需解決的問題。

發(fā)明內(nèi)容

本發(fā)明提供一種控制的方法及設(shè)備，用以解決現(xiàn)有技術(shù)中對(duì)空調(diào)等設(shè)備的節(jié)能控制不精準(zhǔn)，且不能同時(shí)保證空調(diào)運(yùn)行的節(jié)能和服務(wù)質(zhì)量均衡的問題。

第一方面，本發(fā)明實(shí)施例提供的一種設(shè)備控制的方法，該方法包括：

根據(jù)設(shè)備當(dāng)前運(yùn)行環(huán)境，確定設(shè)備當(dāng)前運(yùn)行狀態(tài)的當(dāng)前運(yùn)行狀態(tài)參考值；

將所述當(dāng)前運(yùn)行狀態(tài)參考值輸入通過(guò)Q深度學(xué)習(xí)構(gòu)建的節(jié)能調(diào)控模型，所述節(jié)能調(diào)控模型用于根據(jù)當(dāng)前運(yùn)行狀態(tài)參考值預(yù)測(cè)當(dāng)前運(yùn)行狀態(tài)下，設(shè)備執(zhí)行下一個(gè)不同的動(dòng)作對(duì)應(yīng)的Q值，并輸出最大Q值對(duì)應(yīng)的動(dòng)作，所述動(dòng)作包括控制對(duì)象和控制參數(shù)；

確定所述節(jié)能調(diào)控模型輸出的動(dòng)作為下一個(gè)動(dòng)作，并控制所述設(shè)備在執(zhí)行完當(dāng)前動(dòng)作后，執(zhí)行所述確定的下一個(gè)動(dòng)作。

上述方法中，根據(jù)設(shè)備的當(dāng)前運(yùn)行狀態(tài)參考值，利用構(gòu)建好的節(jié)能調(diào)控模型以及貪心算法，為上述設(shè)備選擇執(zhí)行效果最好的下一個(gè)動(dòng)作執(zhí)行，能實(shí)現(xiàn)滿足設(shè)定要求(如設(shè)備節(jié)能，設(shè)備運(yùn)行效帶來(lái)的益最佳等)的對(duì)設(shè)備的精準(zhǔn)的控制。

在一種可選的實(shí)現(xiàn)方式中，通過(guò)Q深度學(xué)習(xí)構(gòu)建的節(jié)能調(diào)控模型，包括：

構(gòu)建第一網(wǎng)絡(luò)模型和第二網(wǎng)絡(luò)模型，并隨機(jī)初始化第一網(wǎng)絡(luò)模型和第二網(wǎng)絡(luò)模型的模型參數(shù)；

觸發(fā)獲取樣本數(shù)據(jù)時(shí)，獲取設(shè)備的當(dāng)前運(yùn)行狀態(tài)參考值并輸入到第一網(wǎng)絡(luò)模型，確定第一網(wǎng)絡(luò)模型輸出的最大Q值對(duì)應(yīng)的動(dòng)作為下一個(gè)動(dòng)作，確定設(shè)備執(zhí)行當(dāng)前動(dòng)作結(jié)束時(shí)，根據(jù)設(shè)備的運(yùn)行環(huán)境確定所述設(shè)備的下一個(gè)運(yùn)行狀態(tài)及對(duì)應(yīng)的下一個(gè)運(yùn)行狀態(tài)參考值，并根據(jù)預(yù)設(shè)方法獲得所述設(shè)備執(zhí)行所述當(dāng)前動(dòng)作獲得的獎(jiǎng)勵(lì)，同時(shí)將所述當(dāng)前運(yùn)行狀態(tài)參考值、下一個(gè)運(yùn)行狀態(tài)參考值、下一個(gè)動(dòng)作、獎(jiǎng)勵(lì)作為一條樣本數(shù)據(jù)存入樣本數(shù)據(jù)集，并判斷獲取的樣本數(shù)據(jù)量是否達(dá)到預(yù)設(shè)條數(shù)，若是，結(jié)束樣本數(shù)據(jù)的獲取，否則，將下一運(yùn)行狀態(tài)參考值作為當(dāng)前運(yùn)行狀態(tài)參考值，重新觸發(fā)獲取樣本數(shù)據(jù)；

根據(jù)所述樣本數(shù)據(jù)集，基于第一網(wǎng)絡(luò)模型和第二網(wǎng)絡(luò)模型生成節(jié)能調(diào)控模型。

上述方法中，根據(jù)設(shè)備的當(dāng)前運(yùn)行狀態(tài)以及當(dāng)前動(dòng)作獲取生成節(jié)能調(diào)控模型的樣本數(shù)據(jù)，使獲得的樣本數(shù)據(jù)更精準(zhǔn)，以便獲得與上述設(shè)備實(shí)際運(yùn)行情況貼合的節(jié)能調(diào)控模型。

在一種可選的實(shí)現(xiàn)方式中，根據(jù)獲取的樣本數(shù)據(jù)集，基于第一網(wǎng)絡(luò)模型和第二網(wǎng)絡(luò)模型生成節(jié)能調(diào)控模型，包括：

確定觸發(fā)模型參數(shù)更新時(shí)，從所述樣本數(shù)據(jù)集中選取第一預(yù)設(shè)數(shù)量的樣本數(shù)據(jù)，將每條樣本數(shù)據(jù)的當(dāng)前運(yùn)行狀態(tài)參考值輸入第一網(wǎng)絡(luò)模型，將對(duì)應(yīng)的下一個(gè)運(yùn)行狀態(tài)參考值輸入第二網(wǎng)絡(luò)模型；