一种对中央空调系统进行远程控制的方法和装置与流程

本发明涉及远程控制的技术领域，尤其涉及一种对中央空调系统进行远程控制的方法和装置。

背景技术：

随着房地产的快速发展，中央空调的市场需求呈现强劲的增长趋势。在市场容量不断增大的情况下，越来越多的厂家加入到商用中央空调领域。

现有技术中，空调群控技术将中央空调系统中所有的能源设备通过网络连接到中央控制中心。通过安放的各种感测器件掌握各种数据。然后依据科学的控制策略做出判断，并对各能源设备进行控制操作。但是，空调群控技术偏重于通信功能的实现，对中央空调系统的控制效率低，能源浪费严重，响应不及时。对智能控制算法的涉及不多，架构比较简单，本地计算能力较弱，难以扩展部署复杂的大数据分析和人工智能算法，在复杂计算能力需求和实时控制之间难以均衡。

因此，现有的中央空调系统管控方法响应不及时，效率低，计算能力较弱成为亟待解决的技术问题。

技术实现要素：

本发明实施例提供一种对中央空调系统进行远程控制的方法和装置，用以解决现有的中央空调系统管控方法响应不及时，效率低，计算能力较弱这一技术问题。

本发明实施例提供一种对中央空调系统进行远程控制的方法，包括：

云平台基于边缘计算网关采集的中央空调系统所有能源设备运行数据，确定控制策略，并将所述控制策略发送至所述边缘计算网关；

所述边缘计算网关接收所述控制策略，并将所述控制策略输入训练好的网络模型，得到控制指令；

所述边缘计算网关根据所述控制指令，控制所述中央空调系统中受控能源设备的运行。

可选地，所述云平台基于边缘计算网关采集的中央空调系统所有能源设备运行数据，确定控制策略，并将所述控制策略发送至所述边缘计算网关包括：

所述云平台对所述边缘计算网关采集的中央空调系统所有能源设备运行数据进行预处理；

所述云平台将预处理后的所述边缘计算网关采集的中央空调系统所有能源设备运行数据输入训练好的神经网络中，得到控制策略；

所述云平台将所述控制策略发送至所述边缘计算网关。

可选地，所述预处理包括：过滤、清洗和/或剔除坏点。

可选地，所述将所述控制策略输入训练好的网络模型，得到控制指令之前，所述对中央空调系统进行远程控制的方法，还包括：

所述云平台利用训练样本数据对预存网络进行训练，并将训练好的预存网络发送至所述边缘计算网关；

所述边缘计算网关接收所述云平台发送的所述训练好的预存网络，并利用采集的所属建筑的中央空调系统所有能源设备运行数据对所述训练好的预存网络再次进行训练，得到训练好的网络模型。

本发明实施例提供一种对中央空调系统进行远程控制的装置，包括：

确定和发送模块、接收和输入模块以及控制模块；

所述确定和发送模块，用于云平台基于边缘计算网关采集的中央空调系统所有能源设备运行数据，确定控制策略，并将所述控制策略发送至所述边缘计算网关；

所述接收和输入模块，用于所述边缘计算网关接收所述控制策略，并将所述控制策略输入训练好的网络模型，得到控制指令；

所述控制模块，用于所述边缘计算网关根据所述控制指令，控制所述中央空调系统中受控能源设备的运行。

可选地，所述确定和发送模块，具体用于：

所述云平台对所述边缘计算网关采集的中央空调系统所有能源设备运行数据进行预处理；

所述云平台将预处理后的所述边缘计算网关采集的中央空调系统所有能源设备运行数据输入训练好的神经网络中，得到控制策略；

所述云平台将所述控制策略发送至所述边缘计算网关。

可选地，所述预处理包括：过滤、清洗和/或剔除坏点。

可选地，在所述接收和输入模块将所述控制策略输入训练好的网络模型，得到控制指令之前，所述对中央空调系统进行远程控制的装置，还包括：训练模块，用于所述云平台利用训练样本数据对预存网络进行训练，并将训练好的预存网络发送至所述边缘计算网关；

所述边缘计算网关接收所述云平台发送的所述训练好的预存网络，并利用采集的所属建筑的中央空调系统所有能源设备运行数据对所述训练好的预存网络再次进行训练，得到训练好的网络模型。

本发明实施例通过“云+边缘”的架构，利用云平台扩展了边缘计算网关的计算能力，又避免了网络延时对任务及时性的阻碍，同时满足了设备优化的复杂计算能力需求和控制的实时性要求；迁移学习算法进一步利用“云+边缘”的架构特征，使得对中央空调系统内多种设备的复杂优化成为现实。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种对中央空调系统进行远程控制的方法的流程示意图；

图2为本发明一实施例提供的一种对中央空调系统进行远程控制的装置的结构示意图；

图3为本发明一实施例提供的电子设备的逻辑框图。

具体实施方式

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。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。

图1示出了本发明一实施例提供的对中央空调系统进行远程控制的方法的流程示意图，包括：

s11，云平台基于边缘计算网关采集的中央空调系统所有能源设备运行数据，确定控制策略，并将所述控制策略发送至所述边缘计算网关。

其中，所述云平台是向边缘计算网关下发控制策略的平台。所述边缘计算网关是采集中央空调系统所有能源设备运行数据、分析处理上述运行数据、并将分析处理后的运行数据发送至云平台的终端。所述采集的中央空调系统所有能源设备运行数据包括但不限于电能、燃气、冷能和/或热能实测数据、传感器数据、设备运行状态数据和/或告警数据。所述控制策略是用于控制所述中央空调系统受控能源设备的策略，包括但不限于冷却水的压力和/或冷冻水的压力。

s12，所述边缘计算网关接收所述控制策略，并将所述控制策略输入训练好的网络模型，得到控制指令。

其中，所述边缘计算网关接收所述云平台发送的所述控制策略，并将所述控制策略作为训练好的网络模型的输入。所述训练好的网络模型的输出即是控制指令。所述控制指令是控制所述中央空调系统中受控能源设备的指令。

s13，所述边缘计算网关根据所述控制指令，控制所述中央空调系统中受控能源设备的运行。

其中，所述控制指令是控制所述中央空调系统中受控能源设备的指令。所述边缘计算网关可以根据所述控制指令控制所述中央空调系统中受控能源设备的运行。

本发明实施例本发明实施例通过“云+边缘”的架构，利用云平台扩展了边缘计算网关的计算能力，又避免了网络延时对任务及时性的阻碍，同时满足了设备优化的复杂计算能力需求和控制的实时性要求；迁移学习算法进一步利用“云+边缘”的架构特征，使得对中央空调系统内多种设备的复杂优化成为现实。

进一步地，在上述方法实施例的基础上，所述云平台基于边缘计算网关采集的中央空调系统所有能源设备运行数据，确定控制策略，并将所述控制策略发送至所述边缘计算网关包括：

所述云平台对所述边缘计算网关采集的中央空调系统所有能源设备运行数据进行预处理；

所述云平台将预处理后的所述边缘计算网关采集的中央空调系统所有能源设备运行数据输入训练好的神经网络中，得到控制策略；

所述云平台将所述控制策略发送至所述边缘计算网关。

其中，所述边缘计算网关采集的中央空调系统所有能源设备运行数据中存在诸如冗余数据和/或坏点数据等无用数据，因此需要云平台对所述边缘计算网关采集的中央空调系统所有能源设备运行数据进行预处理，以提高计算能力。预处理后的所述边缘计算网关采集的中央空调系统所有能源设备运行数据作为训练好的神经网络的输入，经过训练好的神经网络后，得到控制策略。所述云平台将所述控制策略下发至所述边缘计算网关。

本发明实施例通过对边缘计算网关采集的中央空调系统所有能源设备运行数据中的诸如冗余数据和/或坏点数据等无用数据进行预处理，提高了云平台的计算能力。

进一步地，在上述方法实施例的基础上，所述预处理包括：过滤、清洗和/或剔除坏点。

其中，过滤操作可以去除冗余数据。清洗操作可以改正数据中可识别的错误。剔除坏点操作可以去除坏点数据。

本发明实施例通过对数据进行通过过滤、清洗和/或提出坏点，提高了云平台的计算能力。

进一步地，在上述方法实施例的基础上，所述将所述控制策略输入训练好的网络模型，得到控制指令之前，所述对中央空调系统进行远程控制的方法，还包括：

所述云平台利用训练样本数据对预存网络进行训练，并将训练好的预存网络发送至所述边缘计算网关；

所述边缘计算网关接收所述云平台发送的所述训练好的预存网络，并利用采集的所属建筑的中央空调系统所有能源设备运行数据对所述训练好的预存网络再次进行训练，得到训练好的网络模型。

其中，在本发明实施例中，整套迁移学习框架依托“云+边缘”架构部署。整体网路是多层反向传播(backpropagation，bp)深度学习网络框架。得到训练好的网络模型的过程如下：在所述云平台建立最初版学习框架org-nn-v0.0，依托试点场景获得完成标注的训练样本数据(p0)，在所述云平台依托预先标注的训练样本数据(p0)对org-nn-v0.0进行初步训练，确定多层bp深度学习网络的输入层、输出层、以及偏差反馈函数，对中间隐藏层的上层部分初步训练，形成所述云平台预存网络org-nn-v1.0。当有属于建筑nb1的本发明所述边缘计算网关接入时，所述云平台通过上行通信接口，将org-nn-v1.0下发到本发明所述边缘计算网关的迁移学习本地网络，利用所述边缘计算网关所采集的所属建筑nb1的中央空调系统所有能源设备运行数据对org-nn-v1.0网络进行进一步训练，形成适合所在建筑nb1实际场景的本地边缘网络nn-nb1。本发明所述边缘计算网关同时将经过数据预处理后的所属建筑nb1的中央空调系统所有能源设备运行数据也同步到所述云平台，所述云平台利用该数据对org-nn-v1.0进行进一步训练，优化形成所述云平台预存网络org-nn-v2.0。当有属于建筑nb2的本发明所述边缘计算网关接入时，所述云平台通过上行通信接口，将org-nn-v2.0下发到本发明所述边缘计算网关的迁移学习本地网络，利用所述边缘计算网关所采集的所属建筑nb2的中央空调系统所有能源设备运行数据对org-nn-v2.0网络进行进一步训练，形成适合所在建筑nb2实际场景的本地边缘网络nn-nb2。本发明所述边缘计算网关同时将经过数据预处理后的所属建筑nb12的的中央空调系统所有能源设备运行数据也同步到所述云平台，所述云平台利用该数据对org-nn-v2.0进行进一步训练，优化形成所述云平台预存网络org-nn-v3.0。以此类推，所述云平台的预存网络org-nn不断迭代，鲁棒性不断提升。每个本地边缘网络nn-nbn也符合各自所属建筑的实际场景。上述本地边缘网络nn-nbn即是训练好的网络模型。

本发明实施例迁移学习算法利用“云+边缘”的架构特征，使得对中央空调系统内多种设备的复杂优化成为现实。

图2示出了本发明一实施例提供的对中央空调系统进行远程控制的装置的结构示意图，包括：确定和发送模块21、接收和输入模块22和控制模块23；

所述确定和发送模块21，用于云平台基于边缘计算网关采集的中央空调系统所有能源设备运行数据，确定控制策略，并将所述控制策略发送至所述边缘计算网关；

所述接收和输入模块22，用于所述边缘计算网关接收所述控制策略，并将所述控制策略输入训练好的网络模型，得到控制指令；

所述控制模块23，用于所述边缘计算网关根据所述控制指令，控制所述中央空调系统中受控能源设备的运行。

进一步地，在上述装置实施例的基础上，所述确定和发送模块21，具体用于：所述云平台对所述边缘计算网关采集的中央空调系统所有能源设备运行数据进行预处理；

所述云平台将预处理后的所述边缘计算网关采集的中央空调系统所有能源设备运行数据输入训练好的神经网络中，得到控制策略；

所述云平台将所述控制策略发送至所述边缘计算网关。

进一步地，在上述装置实施例的基础上，所述预处理包括：过滤、清洗和/或剔除坏点。

进一步地，在上述装置实施例的基础上，在所述接收和输入模块将所述控制策略输入训练好的网络模型，得到控制指令之前，所述对中央空调系统进行远程控制的装置，还包括：训练模块，用于所述云平台利用训练样本数据对预存网络进行训练，并将训练好的预存网络发送至所述边缘计算网关；

所述边缘计算网关接收所述云平台发送的所述训练好的预存网络，并利用采集的所属建筑的中央空调系统所有能源设备运行数据对所述训练好的预存网络再次进行训练，得到训练好的网络模型。

图3为本发明一实施例提供的电子设备的逻辑框图；所述电子设备，包括：处理器(processor)31、存储器(memory)32和总线33；

其中，所述处理器31和存储器32通过所述总线33完成相互间的通信；所述处理器31用于调用所述存储器32中的程序指令，以执行上述方法实施例所提供的对中央空调系统进行远程控制的方法。

本发明一实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，该计算机程序被处理器执行时实现了执行上述各实施例提供的对中央空调系统进行远程控制的方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。