温度集中控制方法、装置、中控设备及可读存储介质与流程

本申请涉及中控，尤其涉及一种温度集中控制方法、装置、中控设备及可读存储介质。

背景技术：

1、目前在一些室内公共场所，例如，大型商场、商业中心以及地下商业街等公共场所通常都会安装中央空调，以对室内的温度进行调节和控制。但是在目前已有的方案中，对于温度的调节通常都是基于通过温度传感器检测温度变化来控制空调的运行情况，或者，使用pid（proportio integral differential，比例-积分-导数）控制算法进行对空调进行控制。但是需要说明的是，由于在上述场所的室内空间相对较大，且人流量较多且实时人流量变化也较大，也即需要进行温度控制的室内场所环境较为复杂，很容易造成实际室内温度过高或者过低的问题，无法满足实际的温度调节需求。

技术实现思路

1、本申请的主要目的在于提供一种温度集中控制方法，旨在解决在大型公共场所传统的温度控制方法难以满足实际的温度调节需求的技术问题。

2、为实现上述目的，本申请提供一种温度集中控制方法，所述温度集中控制方法应用于中控设备，所述中控设备用于目标室内场所的温度控制，所述温度集中控制方法包括：

3、获取所述目标室内场所的动态变量，其中，所述动态变量包括目标室内场所与室外的温度差、所述目标室内场所的人流量、所述目标室内场所与室外的气体交换量以及所述目标室内场所的功耗数据；

4、所述动态变量输入至预设深度神经网络模型估计得到所述目标室内场所与室外的热交换速率；

5、基于所述热交换速率、所述目标室内场所的实际温度以及目标温度控制所述目标室内场所中的温度调节设备。

6、可选地，所述动态变量还包括室内人数，所述获取所述目标室内场所的动态变量的步骤包括：

7、基于设置在所述目标室内场所内部和外部的温度传感器确定所述温度差；

8、通过设置在所述目标室内场所出入口的图像传感器确定所述人流量，并通过所述人流量计算所述室内人数；

9、通过所述目标室内场所中通风设备的工作功率以及所述目标室内场所与室外的连通区域确定所述气体交换量；

10、从所述目标室内场所的用电信息中提取功耗数据。

11、可选地，所述基于所述热交换速率、所述目标室内场所的实际温度以及目标温度控制所述目标室内场所中的温度调节设备的步骤包括：

12、根据所述目标室内场所的实际温度与所述目标温度之间的差距确定输出系数曲线；

13、基于所述热交换速率以及所述输出系数曲线构建所述温度调节设备的输出曲线；

14、基于所述输出曲线控制所述温度调节设备的输出。

15、可选地，所述基于所述设备输出曲线控制所述温度调节设备的输出的步骤包括：

16、从所述输出曲线中提取与当前时刻对应的实时输出；

17、从所述温度调节设备的历史输出曲线提取与当前时刻对应的预测输出；

18、基于所述实时输出和预测输出计算所述温度调节设备的目标输出，并基于所述目标输出控制所述温度调节设备的输出。

19、可选地，在所述动态变量输入至预设深度神经网络模型估计得到所述目标室内场所与室外的热交换速率的步骤之前，所述方法包括：

20、基于所述目标室内场所的历史运维记录以及生成训练样本集中的训练样本；

21、基于所述训练样本集对所述预设深度神经网络模型进行训练。

22、可选地，所述基于所述目标室内场所的历史运维记录以及生成训练样本集中的训练样本的步骤包括：

23、对于所述历史运维记录中的任意一恒温时间段下的运维记录，从所述运维记录中提取所述目标室内场所在所述恒温时间段下的动态变量作为样本特征；

24、从所述运维记录中提取所述温度调节设备在所述恒温时间段下的输出作为样本标签；

25、基于所述样本特征和所述样本标签构建所述训练样本集中的训练样本。

26、可选地，所述基于所述训练样本集对所述预设深度神经网络模型进行训练的步骤的包括：

27、对于所述训练样本集中的任意一个训练样本，将所述训练样本输入至所述预设深度神经网络模型估计得到所述训练样本的估计结果；

28、基于所述估计结果和所述训练样本的样本标签之间的差异，计算所述预设深度神经网络模型的模型损失；

29、基于所述模型损失对所述预设深度神经网络模型的模型参数进行更新。

30、为实现上述目的，本申请还提供一种温度集中控制装置，所述温度集中控制装置内置于中控设备，所述中控设备用于目标室内场所的温度控制，所述温度集中控制装置包括：

31、获取模块，用于获取所述目标室内场所的动态变量，其中，所述动态变量包括目标室内场所与室外的温度差、所述目标室内场所的人流量、所述目标室内场所与室外的气体交换量以及所述目标室内场所的功耗数据；

32、估计模块，用于所述动态变量输入至预设深度神经网络模型估计得到所述目标室内场所与室外的热交换速率；

33、控制模块，用于基于所述热交换速率、所述目标室内场所的实际温度以及目标温度控制所述目标室内场所中的温度调节设备。

34、为实现上述目的，本申请还提供一种中控设备，所述中控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的温度集中控制程序，所述温度集中控制程序被所述处理器执行时实现如上述的温度集中控制方法的步骤。

35、为实现上述目的，本申请还提供一种可读存储介质，所述可读存储介质为计算机可读存储介，所述可读存储介质上存储有温度集中控制程序，所述温度集中控制程序被处理器执行时实现如上述的温度集中控制方法的步骤。

36、本申请实施例提出的一种温度集中控制方法、装置、中控设备及可读存储介质。在本实施例中，温度集中控制方法应用于中控设备，所述中控设备用于目标室内场所的温度控制，中控设备获取所述目标室内场所的动态变量，其中，所述动态变量包括目标室内场所与室外的温度差、所述目标室内场所的人流量、所述目标室内场所与室外的气体交换量以及所述目标室内场所的功耗数据；所述动态变量输入至预设深度神经网络模型估计得到所述目标室内场所与室外的热交换速率；基于所述热交换速率、所述目标室内场所的实际温度以及目标温度控制所述目标室内场所中的温度调节设备。也即本申请的中控设备将根据目标室内场所的动态变量以及预设深度神经网络模型估计目标室内场所与室外之间的热交换速率，再基于热交换速率等参数控制温度调节设备，相比传统的温度反馈调节，参考热交换速率控制温度调节设备可预期当前对温度调节设备的控制动作所能产生的温度调节效果，无需根据实际温度变化反馈来确定调节效果，故即便是在环境复杂的大型室内公共场所，也可以实现准确的温度调节保证室内温度稳定，以满足实际温度调节需求。

技术特征：

1.一种温度集中控制方法，其特征在于，所述温度集中控制方法应用于中控设备，所述中控设备用于目标室内场所的温度控制，所述温度集中控制方法包括：

2.如权利要求1所述的温度集中控制方法，其特征在于，所述动态变量还包括室内人数，所述获取所述目标室内场所的动态变量的步骤包括：

3.如权利要求1所述的温度集中控制方法，其特征在于，所述基于所述热交换速率、所述目标室内场所的实际温度以及目标温度控制所述目标室内场所中的温度调节设备的步骤包括：

4.如权利要求3所述的温度集中控制方法，其特征在于，所述基于所述设备输出曲线控制所述温度调节设备的输出的步骤包括：

5.如权利要求1所述的温度集中控制方法，其特征在于，在所述动态变量输入至预设深度神经网络模型估计得到所述目标室内场所与室外的热交换速率的步骤之前，所述方法包括：

6.如权利要求5所述的温度集中控制方法，其特征在于，所述基于所述目标室内场所的历史运维记录以及生成训练样本集中的训练样本的步骤包括：

7.如权利要求5所述的温度集中控制方法，其特征在于，所述基于所述训练样本集对所述预设深度神经网络模型进行训练的步骤的包括：

8.一种温度集中控制装置，所述温度集中控制装置内置于中控设备，所述中控设备用于目标室内场所的温度控制，所述温度集中控制装置包括：

9.一种中控设备，其特征在于，所述中控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的温度集中控制程序，所述温度集中控制程序被所述处理器执行时实现如权利要求1至7中任一项所述的温度集中控制方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质为计算机可读存储介，所述可读存储介质上存储有温度集中控制程序，所述温度集中控制程序被处理器执行时实现如权利要求1至7中任一项所述的温度集中控制方法的步骤。

技术总结
本申请公开了一种温度集中控制方法、装置、中控设备及可读存储介质，涉及中控技术领域。本申请的中控设备将根据目标室内场所的动态变量以及预设深度神经网络模型估计目标室内场所与室外之间的热交换速率，再基于热交换速率等参数控制温度调节设备，相比传统的温度反馈调节，参考热交换速率控制温度调节设备可预期当前对温度调节设备的控制动作所能产生的温度调节效果，无需根据实际温度变化反馈来确定调节效果，故即便是在环境复杂的大型室内公共场所，也可以实现准确的温度调节保证室内温度稳定，以满足实际温度调节需求。

技术研发人员：郭新星,李胜坤,周卿权,陈柏祥,蔡文舟
受保护的技术使用者：深圳市玩视科技股份有限公司
技术研发日：
技术公布日：2024/2/8