[發明專利]空調的參數設置方法、空調設備以及計算機可讀存儲介質

有效

• 申請號: 202011440608.8
• 申請日: 2020-12-07
• 公開（公告）號: CN112696798B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 彭水鳳;陳昕樂;馬群;簡翱
• 申請（專利權）人: 美的集團股份有限公司;美的智慧家居科技有限公司
• 主分類號: F24F11/64
• 分類號: F24F11/64;F24F11/61;F24F11/46
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 瞿璨

1.一種空調的參數設置方法，其特征在于，所述方法包括：

獲取空調的當前特征參數；其中，所述當前特征參數至少包括空調屬性參數、當前空調設置參數、當前環境參數以及歷史觸發空調邊際損耗信息，所述空調邊際損耗是指空調壓縮機以預設頻率運行預設時間段后，未能達到預設溫度；

將所述當前特征參數輸入至一已訓練的參數預測模型中，并得到所述參數預測模型輸出的推薦設置參數；其中，所述參數預測模型為基于所述空調的歷史特征參數作為訓練樣本得到；所述歷史特征參數至少包括空調屬性參數、歷史空調設置參數、歷史環境參數以及所述歷史觸發空調邊際損耗信息；

以所述推薦設置參數作為實際運行參數對所述空調進行設置。

2.根據權利要求1所述的方法，其特征在于，

所述方法還包括：

建立參數預測模型；

獲取所述空調的歷史特征參數；

將所述歷史特征參數輸入至已建立的參數預測模型中，以對所述參數預測模型進行訓練。

3.根據權利要求2所述的方法，其特征在于，

所述參數預測模型為：

其中，b₀為偏置量，b_i為模型參數值，x_i為特征參數，y為推薦設置參數。

4.根據權利要求1所述的方法，其特征在于，

所述以所述推薦設置參數作為實際運行參數對所述空調進行設置，包括：

獲取所述空調的當前習慣設置參數與對應的當前習慣參數誤差；

檢測并確定所述推薦設置參數和所述當前習慣設置參數的差值，小于所述當前習慣參數誤差時，則以所述推薦設置參數作為實際運行參數對所述空調進行設置。

5.根據權利要求4所述的方法，其特征在于，

所述方法還包括：

檢測并確定所述推薦設置參數和所述當前習慣設置參數的差值，大于所述當前習慣參數誤差時，根據所述推薦設置參數和所述當前習慣設置參數的差值，確定最大習慣設置參數或最小習慣設置參數；

以所述最大習慣設置參數或所述最小習慣設置參數作為實際運行參數對所述空調進行設置。

6.根據權利要求5所述的方法，其特征在于，

所述根據所述推薦設置參數和所述當前習慣設置參數的差值，確定最大習慣設置參數或最小習慣設置參數，包括：

檢測并確認所述推薦設置參數和所述當前習慣設置參數的差值為正值時，則將最大習慣設置參數作為實際運行參數；所述最大習慣設置參數為所述當前習慣設置參數與所述當前習慣參數誤差之和；或

檢測并確認所述推薦設置參數和所述當前習慣設置參數的差值為負值時，則將最小習慣設置參數作為實際運行參數；所述最小習慣設置參數為所述當前習慣設置參數與所述當前習慣參數誤差之差。

7.根據權利要求4所述的方法，其特征在于，

所述獲取所述空調的當前習慣設置參數與對應的當前習慣參數誤差，包括：

獲取多個歷史習慣設置參數、與所述多個歷史習慣設置參數分別對應的多個歷史習慣參數誤差；

確定每一所述歷史習慣設置參數的時間權重；

根據所述多個歷史習慣設置參數、所述多個歷史習慣參數誤差以及多個時間權重，計算所述當前習慣設置參數與所述當前習慣參數誤差；

其中，所述時間權重為所述歷史習慣設置參數所對應日期與所述當前習慣設置參數所對應日期之差的倒數。

8.根據權利要求7所述的方法，其特征在于，

所述根據所述多個歷史習慣設置參數、所述多個歷史習慣參數誤差以及多個時間權重，計算所述當前習慣設置參數與所述當前習慣參數誤差，包括：

通過所述多個時間權重，對所述多個歷史習慣設置參數進行加權求和，以得到所述當前習慣設置參數；

通過所述多個時間權重，對所述多個歷史習慣參數誤差進行加權求和，以得到所述當前習慣參數誤差；

其中，所述歷史習慣設置參數為歷史運行參數或歷史調整參數，所述歷史調整參數為接收用戶調整指令后，將所述歷史運行參數調整后得到的參數。