[發明專利]空調機、數據發送方法以及空調系統

有效

• 申請號: 202110799203.1
• 申請日: 2019-10-10
• 公開（公告）號: CN113531795B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 山本泉
• 申請（專利權）人: 富士通將軍股份有限公司
• 主分類號: F24F11/58
• 分類號: F24F11/58;F24F11/56;F24F11/64;F24F11/61
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 龔敏;王剛

本發明提供一種具備控制部和適配器的空調機，其中，控制部使用學習模型來控制空調機；適配器具有與服務器裝置進行通信的通信部，所述服務器裝置基于空調機的運行歷史數據來生成學習模型。適配器具有獲取部、判定部、消除部以及發送部。獲取部以每個預設周期從空調機獲取數據。判定部判斷在獲取部獲取的數據中，時間上連續的數據之間的變化量是否在預設范圍內。消除部在連續的數據之間的變化量在預設范圍內的情況下，在連續的數據中留下至少一個數據并刪除其他數據。發送部將在消除部進行了刪除后的數據發送給服務器裝置。能夠在保持AI學習的準確度的同時，減少AI學習中使用的數據的通信量。

本申請是申請號：201980064481.3、申請日：2019年10月10日、發明名稱“空調機、數據發送方法以及空調系統”的中國發明專利申請的分案申請。

技術領域

本發明涉及空調機、數據發送方法以及空調系統。

背景技術

目前，已提出有多種減少在電子機器之間收發數據時的通信量的方法。例如有如下方法：數據服務器進行時刻監控，積存檢測出的數據，從積存的大容量的數據中提取用于解析所需的最低限度的數據并進行壓縮轉換，將壓縮轉換后的數據發送給解析裝置(例如，專利文獻1)。

專利文獻1：日本特開2004-199377號公報

發明內容

近幾年，對于空調機，提出有如下方案：例如，讓服務器裝置上的AI(人工智能，Artificial Intelligence)學習設定溫度等的運行歷史數據并生成學習模型，使用學習模型來控制空調的運行。但是，如果直接將所有的運行歷史數據發送給服務器裝置，則從空調機發送給服務器裝置的運行歷史數據的量變得龐大。其結果，空調機與服務器裝置之間的通信流量增大。

另一方面，如果為了減少通信流量而單純地刪除一部分運行歷史數據的話，可能導致生成學習模型時所需的運行歷史數據不足，從而AI的學習準確度降低。

鑒于上述問題，本發明的目的在于提供一種能夠在保持AI學習的準確度的同時，減少AI學習所使用的數據的通信量的空調機、數據發送方法以及空調系統。

一種形態的空調機具備控制部和適配器，其中，控制部使用學習模型來控制空調機；適配器具有與服務器裝置進行通信的通信部，所述服務器裝置基于空調機的運行歷史數據來生成學習模型。適配器具有獲取部、判定部、消除部以及發送部。獲取部以每個預設周期從空調機獲取數據。判定部判斷在獲取部獲取的數據中，時間上連續的數據之間的變化量是否在預設范圍內。消除部在連續的數據之間的變化量在預設范圍內的情況下，留下連續的數據中至少一個數據并刪除其他數據。發送部將在消除部進行了刪除后的數據發送給服務器裝置。

一方面，能夠在保持AI學習的準確度的同時，減少AI學習所使用的數據的通信量。

附圖說明

圖1是表示本實施例的空調系統的一個示例的說明圖。

圖2是表示適配器的硬件結構的一個示例的框圖。

圖3是表示適配器的功能結構的一個示例的框圖。

圖4是表示服務器裝置的硬件結構的一個示例的框圖。

圖5是表示服務器裝置的功能結構的一個示例的框圖。

圖6是表示運行歷史數據的內容的一個示例的說明圖。

圖7是表示在夏季或冬季的體感溫度設定預測模型的生成或更新中使用的運行歷史數據的一個示例的說明圖。

圖8是表示刪除處理的一個示例的說明圖。

圖9是表示在判斷運行歷史數據之間的變化量是否在預設范圍內時的判斷工作的一個示例的說明圖。

圖10是表示發送處理相關的適配器中的CPU的處理工作的一個示例的流程圖。