空调运行参数推荐方法以及相关设备与流程

1.本技术涉及空调器技术领域，具体涉及一种空调运行参数推荐方法以及相关设备。


背景技术：

2.随着人们生活水平的日益提高，智能家电产品越来越受欢迎，智能空调的市场份额也在快速提升。目前的智能空调一般仅基于室内外环境温度、湿度以及用户设定的目标温度，来确定推荐的运行参数，从而用户根据推荐的运行参数控制空调；在该推荐的运行参数下，空调可以达到更加快速的制冷和制热效果，但是由于该方案较于简单，对空调运行参数的推荐准确性较低，不利于提高用户的舒适度。
3.因此，如何进一步提高空调参数推荐的准确性，以提高用户体验是目前有待解决的技术问题。


技术实现要素：

4.本技术实施例提供一种空调运行参数推荐方法以及相关设备，相关设备可以包括空调运行参数推荐装置、电子设备、计算机可读存储介质和计算机程序产品，可以提高空调运行参数推荐的准确性，有效减少了用户操作，增强用户的舒适度。
5.本技术实施例提供一种空调运行参数推荐方法，包括：
6.获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；
7.基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；
8.采集使用所述空调的目标对象的对象特征信息；
9.通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；
10.根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
11.相应的，本技术实施例提供一种空调运行参数推荐装置，包括：
12.获取单元，用于获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；
13.预估单元，用于基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；
14.采集单元，用于采集使用所述空调的目标对象的对象特征信息；
15.分析单元，用于通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；
16.推荐单元，用于根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
17.可选的，在本技术的一些实施例中，所述获取单元可以包括模型获取子单元、计算子单元和选取子单元，如下：
18.所述模型获取子单元，用于获取至少一个预设空间模型，不同预设空间模型对应不同的空调使用场景；
19.计算子单元，用于计算所述目标室内环境的温度变化信息与各预设空间模型对应的温度变化信息之间的相似度；
20.选取子单元，用于根据所述相似度，从所述各预设空间模型中选取所述目标室内环境对应的目标空间模型。
21.可选的，在本技术的一些实施例中，所述推荐单元可以包括预估子单元和制冷量修正子单元，如下：
22.所述预估子单元，用于根据所述制冷量，预估所述空调运行下所述目标室内环境在预设时间段内的温度分布信息；
23.制冷量修正子单元，用于根据所述目标舒适温度、所述温度分布信息、以及所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正。
24.可选的，在本技术的一些实施例中，所述预估单元具体可以用于根据所述空调的压缩机吸气密度、容积效率和运行效率，计算所述空调的制冷剂流量；根据所述空调的制冷剂流量、所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
25.可选的，在本技术的一些实施例中，所述分析单元可以包括第一获取子单元、比对子单元和第一确定子单元，如下：
26.所述第一获取子单元，用于获取至少一个参考对象的参考特征信息以及对应的参考舒适温度；
27.比对子单元，用于将所述参考特征信息与所述对象特征信息进行至少一个人体舒适度维度上的比对处理；
28.第一确定子单元，用于根据比对结果，从所述参考舒适温度中确定与所述目标对象匹配的目标舒适温度。
29.可选的，在本技术的一些实施例中，所述推荐单元可以包括第二获取子单元、第二确定子单元和修正子单元，如下：
30.所述第二获取子单元，用于获取所述目标对象使用空调的历史行为信息，所述历史行为信息包括所述目标对象在至少一个历史使用场景下的行为信息；
31.第二确定子单元，用于根据所述目标对象当前使用空调的场景，从所述历史行为信息中确定出目标历史使用场景下的行为信息；
32.修正子单元，用于基于所述目标舒适温度和所述目标历史使用场景下的行为信息，对所述空调的制冷量进行修正。
33.本技术实施例提供的一种电子设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令，以执行本技术实施例提供的空调运行参数推荐方法中
的步骤。
34.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本技术实施例提供的空调运行参数推荐方法中的步骤。
35.此外，本技术实施例还提供一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现本技术实施例提供的空调运行参数推荐方法中的步骤。
36.本技术实施例提供了一种空调运行参数推荐方法以及相关设备，可以获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。本技术可以结合空调所处室内环境的目标空间模型、使用者的对象特征信息和历史行为信息，来确定空调的推荐运行参数，这样有利于提高空调运行参数推荐的准确性，有效减少了用户操作，增强用户的舒适度。
附图说明
37.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，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。
38.图1a是本技术实施例提供的空调运行参数推荐方法的场景示意图；
39.图1b是本技术实施例提供的空调运行参数推荐方法的流程图；
40.图1c是本技术实施例提供的空调运行参数推荐方法的另一流程图；
41.图1d是本技术实施例提供的空调运行参数推荐方法的另一流程图；
42.图2是本技术实施例提供的空调运行参数推荐方法的另一流程图；
43.图3是本技术实施例提供的空调运行参数推荐装置的结构示意图；
44.图4是本技术实施例提供的电子设备的结构示意图。
具体实施方式
45.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域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，都属于本技术保护的范围。
46.本技术实施例提供一种空调运行参数推荐方法以及相关设备，相关设备可以包括空调运行参数推荐装置、电子设备、计算机可读存储介质和计算机程序产品。该空调运行参数推荐装置具体可以集成在电子设备中，该电子设备可以是终端或服务器等设备。
47.可以理解的是，本实施例的空调运行参数推荐方法可以是在终端上执行的，也可
以是由终端和服务器共同执行的。以上举例不应理解为对本技术的限制。
48.如图1a所示，以终端和服务器共同执行空调运行参数推荐方法为例。本技术实施例提供的空调运行参数推荐系统包括终端10和服务器11等；终端10与服务器11之间通过网络连接，比如，通过有线或无线网络连接等，其中，空调运行参数推荐装置可以集成在终端中。
49.其中，终端10，可以用于：采集使用空调的目标对象的对象特征信息，获取空调所处的目标室内环境的温度变化信息、室内外环境温度以及设定的目标温度；并向服务器11发送对象特征信息、温度变化信息、室内外环境温度以及目标温度，以便服务器11基于这些数据，来确定空调的推荐运行参数；终端10还可以用于接收服务器11发送的修正后的制冷量对应的空调运行参数，并向用户推荐所述空调运行参数。其中，终端10可以包括智能空调、手机、平板电脑、笔记本电脑、或个人计算机等。
50.其中，服务器11，可以用于：获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向终端10推荐修正后的制冷量对应的空调运行参数。其中，服务器11可以是单台服务器，也可以是由多个服务器组成的服务器集群或云服务器。
51.本技术实施例提供的空调运行参数推荐方法涉及人工智能领域中的计算机视觉技术。
52.其中，人工智能(ai,artificial intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。其中，人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
53.其中，计算机视觉技术(computer vision,cv)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、ocr、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3d技术、虚拟现实、增强现实、同步定位与地图构建、自动驾驶、智慧交通等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
54.本技术实施例提供的空调运行参数推荐方法还涉及云技术领域中的大数据方向。
55.其中，云技术(cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。
56.其中，大数据(big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
57.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
58.本实施例将从空调运行参数推荐装置的角度进行描述，该空调运行参数推荐装置具体可以集成在电子设备中，该电子设备可以是服务器或终端等设备。
59.如图1b所示，该空调运行参数推荐方法的具体流程可以如下：
60.101、获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型。
61.其中，温度变化信息具体可以包括空调所处的目标室内环境的温升时间以及温降时间等。温升时间指的是温度上升时间，温降时间指的是温度下降时间。
62.其中，本实施例中，可以根据当前所处环境的温度变化信息，判断所处环境的空间结构。可以理解的是，在空调运行参数相同的情况下，不同空间结构的空调运行环境，用户的使用舒适性可能不同。本实施例可以结合空调运行环境对应的目标空间模型，来确定推荐的空调运行参数，这样有利于提高用户的舒适度。
63.可选地，本实施例中，步骤“基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型”，可以包括：
64.获取至少一个预设空间模型，不同预设空间模型对应不同的空调使用场景；
65.计算所述目标室内环境的温度变化信息与各预设空间模型对应的温度变化信息之间的相似度；
66.根据所述相似度，从所述各预设空间模型中选取所述目标室内环境对应的目标空间模型。
67.其中，这里预设空间模型对应的空调使用场景可以包括内环温度、外环温度以及用户设定的温度等，本实施例对此不作具体限制。内环温度可以指室内环境温度，外环温度可以指室外环境温度。
68.其中，在计算相似度之前，可以先从预设空间模型中选取空调使用场景与当前空调运行所处的场景相同或者相似的模型，将这些模型作为候选空间模型，再计算目标室内
环境的温度变化信息和候选空间模型对应的温度变化信息之间的相似度，以根据相似度，从候选空间模型中选取目标室内环境对应的目标空间模型。
69.其中，目标室内环境的温度变化信息和预设空间模型对应的温度变化信息之间的相似度，具体可以是目标室内环境对应的温升时间和温降时间与预设空间模型对应的温升时间和温降时间之间的差值，差值越大，相似度越低；反之，差值越小，相似度越高。本实施例中，可以将空调使用场景相同，且温度变化信息的相似度大于预设相似度的预设空间模型作为目标室内环境对应的目标空间模型。
70.一些实施例中，可以将温升时间、以及温降时间的差值小于预设值、且空调使用场景的相似度大于预设相似度的预设空间模型选取为目标室内环境对应的目标空间模型。预设值和预设相似度可以根据实际情况进行设置，本实施例对此不作限制。比如，可以根据对空调运行参数推荐的准确性要求进行设置，若对准确性的要求越高，则可以将预设值设置得更小，将预设相似度设置得更大。
71.在一具体实施例中，可以建立当前空调运行对应的房间空间模型(即上述实施例中的目标空间模型)，具体地，空调器设定温度(如27℃)运行一段时间，记录房间温升时间、温降时间，然后，可以对比相同区域大数据，相似场景的房间的温升时间、温降时间，时间越接近，判断房间空间模型相似，建筑负荷相当。比如，可以获取与目标室内环境处于同一城镇的房间，将其中空调使用场景与目标室内环境相似的房间作为候选空间模型，记录候选空间模型的温升时间和温降时间，再将候选空间模型的温升时间和温降时间与目标室内环境的温升时间和温降时间相比，从而确定目标室内环境对应的目标空间模型。
72.102、基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
73.其中，室内外环境温度可以包括室内环境温度和室外环境温度，目标温度也即用户(也就是目标对象)设置的空调器对应的温度。
74.其中，目标室内环境的温度满足预设温度变化条件时空调的制冷量具体也即目标室内环境满足温升、温降时的换热量。该预设温度变化条件具体可以是空调运行过程中维持室内温度在一定变化范围内，该变化范围可以根据实际情况而定。
75.一些实施例中，可以根据房间对应的目标空间模型、当前内环温度、外环温度、以及用户设定温度，通过流量法预估房间满足温升、温降时所需的换热量。其中，流量法是一种空调器制冷量的预估计算方式，为保证空调器的用户使用行为和实际使用状态不变，且对用户不造成干扰，不增加额外的装置，本实施例可以采用压缩机容积效率法间接计算制冷剂流量，从而推导出空调的制冷量。
76.可选地，本实施例中，步骤“基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量”，可以包括：
77.根据所述空调的压缩机吸气密度、容积效率和运行效率，计算所述空调的制冷剂流量；
78.根据所述空调的制冷剂流量、所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
79.其中，制冷剂流量具体可以是空调每秒的制冷量。
80.其中，基于压缩机容积效率法预估制冷剂流量的计算过程，可以如公式(1)所示：
81.m
ref
＝ρ
ref
×
(η
vvd
)
×fꢀꢀ
(1)
82.其中，m
ref
表示空调的制冷剂流量，ρ
ref
为压缩机的吸气密度，单位可以是kg/m3；ηv为容积效率；vd为理论容积输气量，单位可以是m3/s；f为压缩机频率，单位可以是1/s。
83.其中，容积效率可以是空调的实际输气量与理论输气量之比。本实施例可以结合压缩机的吸气密度、容积效率及运行频率，计算空调的制冷剂流量。此外，一些实施例中，制冷剂流量的计算过程中，还可以考虑相对余隙容积修正、压缩机电机转速的线性函数等。
84.103、采集使用所述空调的目标对象的对象特征信息。
85.其中，使用空调的目标对象可以有一个，也可以是多个。具体地，本实施例可以结合使用者的对象特征信息来进行空调运行参数的推荐，有利于提高推荐的准确性。
86.其中，对象特征信息可以包括各目标对象的年龄、性别以及所处的场景模式，这里的场景模式可以包括睡眠模式、运动模式、静坐模式等。
87.一些实施例中，可以通过红外传感器来采集目标对象的对象特征信息。
88.104、通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度。
89.可选地，本实施例中，步骤“通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度”，可以包括：
90.获取至少一个参考对象的参考特征信息以及对应的参考舒适温度；
91.将所述参考特征信息与所述对象特征信息进行至少一个人体舒适度维度上的比对处理；
92.根据比对结果，从所述参考舒适温度中确定与所述目标对象匹配的目标舒适温度。
93.其中，参考对象的参考特征信息可以包括参考对象的年龄、性别以及所处的场景模式。参考对象的参考特征信息可以通过大数据获取得到。参考对象对应的参考舒适温度具体是参考对象在对应具体的场景模式下的舒适度温度。
94.其中，至少一个人体舒适度维度可以包括年龄方面的舒适度维度、性别方面的舒适度维度、场景模式方面的舒适度维度等。
95.其中，通过比对处理，可以确定与目标对象的对象特征信息匹配的参考特征信息，将该参考特征信息对应的参考对象的参考舒适温度确定为目标舒适温度。
96.一些实施例中，可以通过传感器采集目标对象的对象特征信息，对象特征信息具体可以包括：用户年龄(如儿童、成人、老人)、性别(男、女)、以及使用场景模式等。然后，通过与大数据比对，获得与目标对象匹配的目标舒适温度；从而可以根据该目标舒适温度，针对不同使用人群，不同使用场景的制冷量进行修正，其修正方式可以包括提高换热量或降低换热量。
97.其中，具体地，可以通过图像传感器采集包含目标对象的图像，再进行图像识别，针对图像识别结果，可以获取目标对象的对象特征信息。
98.例如，通过大数据比对发现，老人在睡眠模式下，房间的舒适温度时28℃，普通成人在睡眠模式下，房间的舒适温度时26℃，通过预估得到空调的换热量后，可以根据采集得
到的对象特征信息，再改善空调器的输出制冷量，对空调的舒适性模型进行修正。
99.105、根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
100.可选地，本实施例中，步骤“根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正”，可以包括：
101.根据所述制冷量，预估所述空调运行下所述目标室内环境在预设时间段内的温度分布信息；
102.根据所述目标舒适温度、所述温度分布信息、以及所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正。
103.其中，预设时间段具体可以是一个小时，或者两个小时等，本实施例对此不作限制。
104.其中，本实施例中，可以根据当前对应的目标空间模型、室内外环境温度、设定的目标温度，预估出空调所需制冷量，进而预估房间1h、2h
……
6h(小时)累计运行时间下的房间温度分布情况。基于温度分布信息，可以得知室内的温度是否分布均匀(如是否存在上下层分层的情况)、温度是否过高过低；从而根据温度分布信息可以对制冷量进行修正。
105.一些实施例中，可以通过红外传感器来采集温度分布信息。
106.可选地，本实施例中，步骤“根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正”，可以包括：
107.获取所述目标对象使用空调的历史行为信息，所述历史行为信息包括所述目标对象在至少一个历史使用场景下的行为信息；
108.根据所述目标对象当前使用空调的场景，从所述历史行为信息中确定出目标历史使用场景下的行为信息；
109.基于所述目标舒适温度和所述目标历史使用场景下的行为信息，对所述空调的制冷量进行修正。
110.其中，这里的历史使用场景可以包括用户在历史时间段内使用空调时对应的室内外环境温度、设定的目标温度、以及目标对象所处的场景模式等方面。历史使用场景下的行为信息具体可以是目标对象升高或降低设定温度、风挡、关机等改变空调器设定的行为。
111.其中，可以将与当前使用空调的场景匹配的历史使用场景作为目标历史使用场景；再基于目标历史使用场景下的行为信息以及目标舒适温度，对空调的制冷量进行修正。
112.可选地，一些实施例中，可以通过大数据学习用户的使用习惯，这样可以在空调下次开机时直接根据相似场景运行。
113.本实施例中，可以通过舒适性模型来修正空调输出的制冷量，具体的，该舒适性模型为基于大数据建立的模型，它可以通过对象特征信息，对目标对象进行人体舒适度分析，得到与目标对象匹配的目标舒适温度；还能根据目标舒适温度和目标对象使用空调的历史行为信息，对空调的制冷量进行修正。
114.本技术提供的空调运行参数推荐方法，可以利用大数据获取用户使用习惯、使用人群、用户冷热敏感度、用户所处房间情况(如面积大小)，通过对比区域性或历史相似的使用场景，预估空调系统需要的制冷量，建立房间的舒适性模型，智能推荐给用户舒适、节能的空调器运行参数，这样能够提高用户使用舒适性。
115.在一实施例中，如图1c所示，为本技术提供的空调运行参数推荐方法对应的流程图，具体描述如下：
116.1、空调器运行阶段，通过比对相似内环、外环、用户设定温度情况下房间的温升或温降时间，从而建立房间空间模型(即上述实施例中的目标空间模型)；
117.2、通过流量法预估空调器需要输出的制冷量；
118.3、通过传感器采集用户对应的对象特征信息，比对大数据，从而得出在当前使用场景下，满足用户需求的目标舒适温度；
119.4、根据用户的使用行为习惯，对空调的制冷量进行修正，同时将对应的参数上传云端。
120.在一具体实施例中，当空调运行一段时间后，可能会有用户升高或降低设定温度、风挡、关机等改变空调设定的行为，可以初步计算空调设定改变时刻前的空调输出的换热量以及房间温度分布情况，判断此时空调输出的换热量(也即制冷量)偏低或偏高，即当前空调输出的换热量不满足用户使用需求，同时可以将当前空调输出的换热量传给舒适性模型，作为舒适性模型的修正参考依据，在后续空调器开启时，可以通过对比历史数据，在出现相同场景时，空调器按用户使用习惯修正舒适性模型，这样可以减少用户对空调器的重复操作。
121.例如，如图1d所示，空调开机后，可以记录空调系统的运行频率f，以及当前的使用场景，在用户更改空调的设定前，可以通过制冷剂流量法计算空调在运行时间t1内输出的制冷量q1，具体计算过程如前面实施例所述，此处不在赘述。然后，通过对比相同使用场景下运行时间t内空调输出的制冷量q，且房间上下层温度分布均匀的情况；当q1＜q时，则说明当前输出制冷量较低，房间温度存在分层，反之，当q1＞q时，则说明书当前输出制冷量较高。
122.若用户更改设定温度，可以基于更改前的设定温度和更改后的设定温度之差，来判断用户是升高还是降低空调的设定温度。若二者之差小于零，则表明是调高温度，说明当前空调输出的制冷量q1大于用户需求，那么在之后空调器遇到相同场景下，可以在运行时间t1、压缩机频率f的基础上，对压缩机频率降低xhz，x可以根据实际情况而定。若二者之差大于零，则表明是调低温度，说明当前空调输出的制冷量q1小于用户需求，那么在之后空调器遇到相同场景下，可以在运行时间t1、压缩机频率f的基础上，对压缩机频率提高xhz。
123.可选地，本实施例中，还可以通过对各区域内的空调的所有用户控制数据进行相应的特征提取，从而制定各区域内空调在对应时间段和对应天气的整体控制策略。
124.由上可知，本实施例可以获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。本技术可以结合空调所处室内环境的目标空间模型、使用者的对象特征信息和历史行为信息，来确定空调的推荐运行参数，这样有利于提高空调运行参数推
荐的准确性，有效减少了用户操作，增强用户的舒适度。
125.根据前面实施例所描述的方法，以下将以该空调运行参数推荐装置具体集成在服务器举例作进一步详细说明。
126.本技术实施例提供一种空调运行参数推荐方法，如图2所示，该空调运行参数推荐方法的具体流程可以如下：
127.201、服务器获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型。
128.其中，温度变化信息具体可以包括空调所处的目标室内环境的温升时间以及温降时间等。温升时间指的是温度上升时间，温降时间指的是温度下降时间。
129.可选地，本实施例中，步骤“基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型”，可以包括：
130.获取至少一个预设空间模型，不同预设空间模型对应不同的空调使用场景；
131.计算所述目标室内环境的温度变化信息与各预设空间模型对应的温度变化信息之间的相似度；
132.根据所述相似度，从所述各预设空间模型中选取所述目标室内环境对应的目标空间模型。
133.其中，这里预设空间模型对应的空调使用场景可以包括内环温度、外环温度以及用户设定的温度等，本实施例对此不作具体限制。
134.其中，在计算相似度之前，可以先从预设空间模型中选取空调使用场景与当前空调运行所处的场景相同或者相似的模型，将这些模型作为候选空间模型，再计算目标室内环境的温度变化信息和候选空间模型对应的温度变化信息之间的相似度，以根据相似度，从候选空间模型中选取目标室内环境对应的目标空间模型。
135.其中，目标室内环境的温度变化信息和预设空间模型对应的温度变化信息之间的相似度，具体可以是目标室内环境对应的温升时间和温降时间与预设空间模型对应的温升时间和温降时间之间的差值，差值越大，相似度越低；反之，差值越小，相似度越高。本实施例中，可以将空调使用场景相同，且温度变化信息的相似度大于预设相似度的预设空间模型作为目标室内环境对应的目标空间模型。
136.202、服务器基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
137.其中，目标室内环境的温度满足预设温度变化条件时空调的制冷量具体也即目标室内环境满足温升、温降时的换热量。该预设温度变化条件具体可以是空调运行过程中维持室内温度在一定变化范围内，该变化范围可以根据实际情况而定。
138.可选地，本实施例中，步骤“基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量”，可以包括：
139.根据所述空调的压缩机吸气密度、容积效率和运行效率，计算所述空调的制冷剂流量；
140.根据所述空调的制冷剂流量、所述目标空间模型、所述空调对应的室内外环境温
度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
141.其中，制冷剂流量具体可以是空调每秒的制冷量。
142.203、服务器采集使用所述空调的目标对象的对象特征信息。
143.其中，使用空调的目标对象可以有一个，也可以是多个。具体地，本实施例可以结合使用者的对象特征信息来进行空调运行参数的推荐，有利于提高推荐的准确性。
144.其中，对象特征信息可以包括各目标对象的年龄、性别以及所处的场景模式，这里的场景模式可以包括睡眠模式、运动模式、静坐模式等。
145.204、服务器通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度。
146.可选地，本实施例中，步骤“通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度”，可以包括：
147.获取至少一个参考对象的参考特征信息以及对应的参考舒适温度；
148.将所述参考特征信息与所述对象特征信息进行至少一个人体舒适度维度上的比对处理；
149.根据比对结果，从所述参考舒适温度中确定与所述目标对象匹配的目标舒适温度。
150.其中，参考对象的参考特征信息可以包括参考对象的年龄、性别以及所处的场景模式。参考对象的参考特征信息可以通过大数据获取得到。参考对象对应的参考舒适温度具体是参考对象在对应具体的场景模式下的舒适度温度。
151.其中，至少一个人体舒适度维度可以包括年龄方面的舒适度维度、性别方面的舒适度维度、场景模式方面的舒适度维度等。
152.其中，通过比对处理，可以确定与目标对象的对象特征信息匹配的参考特征信息，将该参考特征信息对应的参考对象的参考舒适温度确定为目标舒适温度。
153.205、服务器根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
154.可选地，本实施例中，步骤“根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正”，可以包括：
155.根据所述制冷量，预估所述空调运行下所述目标室内环境在预设时间段内的温度分布信息；
156.根据所述目标舒适温度、所述温度分布信息、以及所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正。
157.其中，本实施例中，可以根据当前对应的目标空间模型、室内外环境温度、设定的目标温度，预估出空调所需制冷量，进而预估房间1h、2h
……
6h(小时)累计运行时间下的房间温度分布情况。基于温度分布信息，可以得知室内的温度是否分布均匀(如是否存在上下层分层的情况)、温度是否过高过低；从而根据温度分布信息可以对制冷量进行修正。
158.可选地，本实施例中，步骤“根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正”，可以包括：
159.获取所述目标对象使用空调的历史行为信息，所述历史行为信息包括所述目标对象在至少一个历史使用场景下的行为信息；
160.根据所述目标对象当前使用空调的场景，从所述历史行为信息中确定出目标历史使用场景下的行为信息；
161.基于所述目标舒适温度和所述目标历史使用场景下的行为信息，对所述空调的制冷量进行修正。
162.其中，这里的历史使用场景可以包括用户在历史时间段内使用空调时对应的室内外环境温度、设定的目标温度、以及目标对象所处的场景模式等方面。历史使用场景下的行为信息具体可以是目标对象升高或降低设定温度、风挡、关机等改变空调器设定的行为。
163.其中，可以将与当前使用空调的场景匹配的历史使用场景作为目标历史使用场景；再基于目标历史使用场景下的行为信息以及目标舒适温度，对空调的制冷量进行修正。
164.由上可知，本实施例可以通过服务器获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。本技术可以结合空调所处室内环境的目标空间模型、使用者的对象特征信息和历史行为信息，来确定空调的推荐运行参数，这样有利于提高空调运行参数推荐的准确性，有效减少了用户操作，增强用户的舒适度。
165.为了更好地实施以上方法，本技术实施例还提供一种空调运行参数推荐装置，如图3所示，该空调运行参数推荐装置可以包括获取单元301、预估单元302、采集单元303、分析单元304以及推荐单元305，如下：
166.(1)获取单元301；
167.获取单元，用于获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型。
168.可选的，在本技术的一些实施例中，所述获取单元可以包括模型获取子单元、计算子单元和选取子单元，如下：
169.所述模型获取子单元，用于获取至少一个预设空间模型，不同预设空间模型对应不同的空调使用场景；
170.计算子单元，用于计算所述目标室内环境的温度变化信息与各预设空间模型对应的温度变化信息之间的相似度；
171.选取子单元，用于根据所述相似度，从所述各预设空间模型中选取所述目标室内环境对应的目标空间模型。
172.(2)预估单元302；
173.预估单元，用于基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
174.可选的，在本技术的一些实施例中，所述预估单元具体可以用于根据所述空调的压缩机吸气密度、容积效率和运行效率，计算所述空调的制冷剂流量；根据所述空调的制冷剂流量、所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量。
175.(3)采集单元303；
176.采集单元，用于采集使用所述空调的目标对象的对象特征信息。
177.(4)分析单元304；
178.分析单元，用于通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度。
179.可选的，在本技术的一些实施例中，所述分析单元可以包括第一获取子单元、比对子单元和第一确定子单元，如下：
180.所述第一获取子单元，用于获取至少一个参考对象的参考特征信息以及对应的参考舒适温度；
181.比对子单元，用于将所述参考特征信息与所述对象特征信息进行至少一个人体舒适度维度上的比对处理；
182.第一确定子单元，用于根据比对结果，从所述参考舒适温度中确定与所述目标对象匹配的目标舒适温度。
183.(5)推荐单元305；
184.推荐单元，用于根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
185.可选的，在本技术的一些实施例中，所述推荐单元可以包括预估子单元和制冷量修正子单元，如下：
186.所述预估子单元，用于根据所述制冷量，预估所述空调运行下所述目标室内环境在预设时间段内的温度分布信息；
187.制冷量修正子单元，用于根据所述目标舒适温度、所述温度分布信息、以及所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正。
188.可选的，在本技术的一些实施例中，所述推荐单元可以包括第二获取子单元、第二确定子单元和修正子单元，如下：
189.所述第二获取子单元，用于获取所述目标对象使用空调的历史行为信息，所述历史行为信息包括所述目标对象在至少一个历史使用场景下的行为信息；
190.第二确定子单元，用于根据所述目标对象当前使用空调的场景，从所述历史行为信息中确定出目标历史使用场景下的行为信息；
191.修正子单元，用于基于所述目标舒适温度和所述目标历史使用场景下的行为信息，对所述空调的制冷量进行修正。
192.由上可知，本实施例可以提高获取单元301获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；通过预估单元302基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应
的制冷量；通过采集单元303采集使用所述空调的目标对象的对象特征信息；由分析单元304通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；通过推荐单元305根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。本技术可以结合空调所处室内环境的目标空间模型、使用者的对象特征信息和历史行为信息，来确定空调的推荐运行参数，这样有利于提高空调运行参数推荐的准确性，有效减少了用户操作，增强用户的舒适度。
193.本技术实施例还提供一种电子设备，如图4所示，其示出了本技术实施例所涉及的电子设备的结构示意图，该电子设备可以是终端或者服务器等，具体来讲：
194.该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
195.处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
196.存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
197.电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
198.该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
199.尽管未示出，该电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
200.获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预
设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
201.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
202.由上可知，本实施例可以获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。本技术可以结合空调所处室内环境的目标空间模型、使用者的对象特征信息和历史行为信息，来确定空调的推荐运行参数，这样有利于提高空调运行参数推荐的准确性，有效减少了用户操作，增强用户的舒适度。
203.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
204.为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种空调运行参数推荐方法中的步骤。例如，该指令可以执行如下步骤：
205.获取空调所处的目标室内环境的温度变化信息，并基于所述温度变化信息，从预设空间模型中选取所述目标室内环境对应的目标空间模型；基于所述目标空间模型、所述空调对应的室内外环境温度以及设定的目标温度，预估所述目标室内环境的温度满足预设温度变化条件时所述空调对应的制冷量；采集使用所述空调的目标对象的对象特征信息；通过所述对象特征信息，对所述目标对象进行人体舒适度分析，得到与所述目标对象匹配的目标舒适温度；根据所述目标舒适温度和所述目标对象使用空调的历史行为信息，对所述空调的制冷量进行修正，并向所述目标对象推荐修正后的制冷量对应的空调运行参数。
206.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
207.其中，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
208.由于该计算机可读存储介质中所存储的指令，可以执行本技术实施例所提供的任一种空调运行参数推荐方法中的步骤，因此，可以实现本技术实施例所提供的任一种空调运行参数推荐方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
209.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使
得该计算机设备执行上述空调运行参数推荐方面的各种可选实现方式中提供的方法。
210.以上对本技术实施例所提供的一种空调运行参数推荐方法以及相关设备进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。