一种地暖智能化控制系统及方法与流程

本发明涉及气流辅助地暖加热，具体是一种地暖智能化控制系统及方法。

背景技术：

1、地暖是一种辐射式的供暖系统，它通过埋设在地板下的电热膜将热量传导到室内，然后通过辐射加热室内空间，使整个房间均匀地升温。地暖系统主要是通过辐射热量来提供舒适的室内温度；

2、而地暖加热过程中，地暖系统的电热膜通常布置在室内的地面下，热量通过地面向上散发，形成对流热传递；热空气上升，冷空气下沉，形成热对流气流，从而最终实现整个室内温度的均匀和稳定；

3、因此，可以为地暖配备风机设备来促进室内空气的流动，加快热量从地暖的电热膜传递到室内空气的速度，从而更快地使整个室内空间均匀升温；

4、目前用户往往具有在进入室内时，室内的温度即已达到适宜的温度的需求；而由于用户的主观性，难以准确地自主评估在何时启动地暖，以及启动地暖的温度；而进一步的，在用户距离到达室内的时间较短时，仅靠地暖难以及时地达到用户预期的效果，进一步加大了满足用户需求的难度；因此，亟需一种能够智能地满足用户需求的方法；

5、授权公开号为cn104748320b的中国专利公开了一种智能化地暖控制系统及方法，智能化地暖控制系统及方法，将地暖系统并入空调系统，地暖分区域控制时，不需要增加地暖温控器或是手动控制分集水器的开关，只需要对空调线控器进行设置，即可控制地暖供暖或地暖与空调器共同供暖，实现了地暖和空调器的智能联动控制；但该发明并未能解决用户到达室内即可感受到预期的稳定的温度的问题；

6、为此，本发明提出一种地暖智能化控制系统及方法。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种地暖智能化控制系统及方法，动态智能地调整风机的风速，以控制室内的空气流动速度，进而控制室内温度的流通速度，以保证在用户回到室内时，室内的温度已经处于稳定状态，提高用户的使用体验。

2、为实现上述目的，根据本发明的第一方面的实施例提出一种地暖智能化控制方法，包括以下步骤：

3、收集地暖使用习惯数据、返程时长习惯数据以及对流传热训练数据；

4、基于地暖使用习惯数据，训练出预测地暖的适宜温度的贝叶斯网络模型；基于对流传热训练数据，训练出预测风机的输出风速的机器学习模型；

5、地暖控制后台实时监听用户是否发送启动指令，在接收到启动指令后，基于用户的位置和返程时长习惯数据，计算用户的返程时长；

6、收集实时环境数据；基于实时环境数据，使用贝叶斯网络模型获得预测的地暖的控制适宜温度；

7、基于实时环境数据、用户的返程时长和控制适宜温度，使用机器学习模型输出预测的风机的控制输出风速；

8、地暖控制后台将地暖的温度设置为控制适宜温度，并将风机的风速设置为控制输出风速；

9、其中，所述地暖使用习惯数据包括用户每次使用地暖时的环境数据以及对应的地暖的适宜温度；

10、其中，所述环境数据包括在用户开启地暖前的室内温度和室内湿度以及开启地暖的开启时间段；

11、所述开启时间段的确定方法为：

12、将每日从0点至24点按预设的日内划分周期h划分为个日内时间段，并将日内时间段按时间顺序进行编号；其中，日内划分周期h为预设的小于25的正整数；则开启时间段为用户每次开启地暖的时间所对应的日内时间段的编号；

13、进一步的，所述适宜温度为每次开启地暖后，室内温度达到稳定时的室内稳定温度；

14、所述室内温度达到稳定的判断条件为：

15、在室内选择n个位置安置温度传感器；其中，n为预设的温度传感器数量，且每个温度传感器安置的位置根据具体的室内结构和布局进行设置；

16、对于每个温度传感器，在任意时间之前的预设的稳定时间阈值内，若用户未控制地暖或风机执行任意功能，且检测到的温度的最高值与最低值的差值小于预设的第一温度波动阈值，则认为该温度传感器所在位置的温度达到稳定，并将检测到的温度的最高值与最低值的平均值作为传感器稳定温度；

17、在所有的温度传感器所在位置的温度均达到稳定时，若所有传感器中，传感器稳定温度的最大值和最小值的差值小于预设的第二温度波动阈值，则判断为室内温度达到稳定，且将传感器稳定温度的最大值和最小值的平均值作为室内稳定温度；

18、其中，所述返程时长习惯数据包括用户每次从进入住宅区后至到达室内的时长；

19、其中，所述对流传热训练数据包括每次地暖开启后的对流传热特征数据以及风机的输出风速标签；

20、其中，所述对流传热特征数据包括地暖开启时的室内温度、室内湿度和开启时间段、地暖开启后至室内温度达到稳定的时长以及室内温度达到稳定时的适宜温度；

21、所述输出风速标签为每次开启地暖，并启动地暖配备的风机时，为风机设置的风速；

22、训练出预测地暖的适宜温度的贝叶斯网络模型的方式为：

23、构建贝叶斯网络模型；

24、将地暖使用习惯数据中，环境数据作为贝叶斯网络模型的输入，所述贝叶斯网络模型以对每组环境数据的预测的地暖的适宜温度为输出，以地暖使用习惯数据中，环境数据对应的地暖的适宜温度为预测目标，以最小化对所有地暖的适宜温度的预测误差之和作为训练目标；对贝叶斯网络模型进行训练，直至预测误差之和达到收敛时停止训练，训练出根据环境数据输出预测的地暖的适宜温度的贝叶斯网络模型；

25、构建贝叶斯网络模型的方式为：

26、构造两层贝叶斯网络模型，其中，第一层包含三个节点，第二层包含一个节点；第一层中每个节点分别表示室内温度、室内湿度以及开启地暖的开启时间段；第二层的节点表示地暖的适宜温度；

27、第一层中的每个节点均存在一条有向边指向第二层的节点；

28、训练出预测风机的输出风速的机器学习模型的方式为：

29、将对流传热训练数据中，对流传热特征数据作为机器学习模型的输入，所述机器学习模型以对每组对流传热特征数据的预测的输出风速标签为输出，以对流传热训练数据中，对流传热特征数据对应的输出风速标签为预测目标，以最小化对所有输出风速标签的预测误差之和作为训练目标；对机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，训练出根据对流传热特征数据输出预测的输出风速标签的机器学习模型；

30、启动指令为用户通过远程终端，以无线网络方式向地暖控制后台发送的指令；

31、所述启动指令包括用户的位置以及移动速度；

32、计算用户的返程时长的方式为：

33、基于用户的位置和住宅区的位置，获得用户到达住宅区的最短路线；

34、将最短路线的距离除以用户的移动速度，获得第一返程时长t1；

35、将返程时长习惯数据中，每次进入住宅区后，至到达室内的时长的平均值标记为第二返程时长t2；

36、将返程时长标记为t，则返程时长t的计算公式为t=t1+t2；

37、所述实时环境数据包括地暖控制后台在接收到启动指令时，对应的室内的温度、室内的湿度以及对应的日内时间段的编号；

38、使用贝叶斯网络模型获得预测的地暖的控制适宜温度的方式为：

39、将实时环境数据作为贝叶斯网络模型的输入，获得贝叶斯网络模型输出的对地暖的适宜温度的预测值，所述控制适宜温度为地暖的适宜温度的预测值；

40、使用机器学习模型输出预测的风机的控制输出风速的方式为：

41、将实时环境数据、用户的返程时长以及控制适宜温度作为一组对流传热特征数据，并将该对流传热特征数据输入至机器学习模型中，获得机器学习模型输出的对输出风速标签的预测值；所述控制输出风速即为输出风速标签的预测值。

42、基于本发明的第二方面的实施例提出一种地暖智能化控制系统，包括历史数据收集模块、模型训练模块以及智能控制模块；其中，各个模块之间电性连接；

43、历史数据收集模块，收集地暖使用习惯数据、返程时长习惯数据以及对流传热训练数据，并将地暖使用习惯数据和对流传热训练数据发送至模型训练模块，将返程时长习惯数据发送至智能控制模块；

44、模型训练模块，基于地暖使用习惯数据，训练出预测地暖的适宜温度的贝叶斯网络模型；基于对流传热训练数据，训练出预测风机的输出风速的机器学习模型，并将贝叶斯网络模型和机器学习模型发送至智能控制模块；

45、智能控制模块，基于返程时长习惯数据、贝叶斯网络模型和机器学习模型对地暖进行智能控制；

46、所述对地暖进行智能控制的方式为：

47、实时监听用户是否发送启动指令，在接收到启动指令后，基于用户的位置和返程时长习惯数据，计算用户的返程时长；

48、收集实时环境数据；基于实时环境数据，使用贝叶斯网络模型获得预测的地暖的控制适宜温度，基于实时环境数据、用户的返程时长和控制适宜温度，使用机器学习模型输出预测的风机的控制输出风速；

49、地暖控制后台将地暖的温度设置为控制适宜温度，并将风机的风速设置为控制输出风速。

50、根据本发明的第三方面的实施例提出的一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

51、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的地暖智能化控制方法。

52、根据本发明的第四方面的实施例提出的一种计算机可读存储介质，其上存储有可擦写的计算机程序；

53、当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述的地暖智能化控制方法。

54、与现有技术相比，本发明的有益效果是：

55、（1）本发明通过预先收集地暖使用习惯数据、返程时长习惯数据以及对流传热训练数据，基于地暖使用习惯数据，训练出预测地暖的适宜温度的贝叶斯网络模型；基于对流传热训练数据，训练出预测风机的输出风速的机器学习模型，实时监听用户是否发送启动指令，在接收到启动指令后，基于用户的位置和返程时长习惯数据，计算用户的返程时长，收集实时环境数据；基于实时环境数据，使用贝叶斯网络模型获得预测的地暖的控制适宜温度；从而根据用户的地暖使用习惯，为用户自动配置符合其习惯的地暖温度，提高用户的地暖使用体验；

56、（2）本发明进一步基于实时环境数据、用户的返程时长和控制适宜温度，使用机器学习模型输出预测的风机的控制输出风速，并将地暖的温度设置为控制适宜温度，将风机的风速设置为控制输出风速，从而实现根据用户回到室内的时长、环境数据以及适宜温度，动态智能地调整风机的风速，以控制室内的空气流动速度，进而控制室内温度的流通速度，以保证在用户回到室内时，室内的温度已经处于稳定状态，提高用户的使用体验。