空调暖通的智能控制系统及其工作方法与流程

文档序号:30139198发布日期:2022-05-21 03:31阅读:253来源:国知局
空调暖通的智能控制系统及其工作方法与流程

1.本发明属于酒店暖通空调控制技术领域,具体是空调暖通的智能控制系统及其工作方法。


背景技术:

2.暖通空调是建筑物内或车内负责暖气、通风及空气调节的系统或相关设备;暖通空调系统可以调节和控制空气的温度、湿度、洁净度、速度、压力等参数,提高目标空间内的舒适度;
3.但是目前在酒店内的暖通空调系统并不能使房客感到满意,因为酒店布局等因素的影响,导致部分客房内的空调终端始终是对着房客进行工作的,因为房客在开启空调后一般都只会进行温度调整,极少会对湿度和风向进行实时调整;这将会极其的影响房客的夜间睡眠质量,且有可能诱导疾病的产生;而且当前酒店或宾馆的空调系统基本都是依靠单独的服务器进行控制,服务器的算力得不到合理的调配,容易造成较大的负担,影响其工作,同时影响房客对空调的使用。
4.因此本发明提供了空调暖通的智能控制系统及其工作方法,用于解决上述问题或部分问题。


技术实现要素:

5.为了解决上述方案存在的问题,本发明提供了空调暖通的智能控制系统及其工作方法。
6.本发明的目的可以通过以下技术方案实现:
7.空调暖通的智能控制系统,包括算力模块、风向模块和服务器;算力模块用于对服务器的算力进行划分和调配,建立酒店数据模型,获取空调房的历史空调使用数据,计算各个空调房的算力目标值;进行服务器的算力调配;
8.所述风向模块用于对空调终端的风向进行动态调整,建立房客的睡眠影响曲线;获取当前房客的身材信息,根据获取的房客身材信息设置对应的房客睡觉区域,获取房客设置的空调终端温度,根据获得的空调终端温度、房客睡觉区域和睡眠影响曲线设置当前空调房的风向湿度调整方案,根据设置的风向湿度调整方案对当前的空调终端的湿度和风向进行动态调整。
9.进一步地,建立房客的睡眠影响曲线的方法包括:
10.识别酒店数据模型中各个空调房的风口调整数据,将床铺覆盖区域不低于阈值x1的空调房标记为风向房;建立风向房中的床铺模型,根据风口调整角度区间与对应的床铺覆盖区域在床铺模型中设置标记单元,通过标记单元根据获取的空调终端的风口调整角度在床铺模型中标记对应的床铺覆盖区域;识别床铺模型中具有的床铺覆盖区域,建立不同温度、湿度、床铺覆盖区域和房客睡觉区域对房客的睡眠影响曲线。
11.进一步地,设置当前空调房的风向湿度调整方案的方法包括:
12.建立风向湿度调整方案库,获取当前空调房的床铺覆盖区间代表值,将当前空调房的空调终端温度、房客睡觉区域和床铺覆盖区间代表值整合为目标坐标,将目标坐标输入到风向湿度调整方案库中进行匹配,获得对应的风向湿度调整方案。
13.进一步地,建立风向湿度调整方案库的方法包括:
14.根据空调终端温度、房客睡觉区域和睡眠影响曲线设置若干个风向湿度调整方案,识别各个风向湿度调整方案中的空调终端温度、房客睡觉区域、湿度和床铺覆盖区间,为床铺覆盖区间设置代表值,将空调终端温度、房客睡觉区域、床铺覆盖区间代表值整合为匹配坐标,将匹配坐标作为标签设置在对应的风向湿度调整方案上,并标记为匹配标签,建立数据库,将风向湿度调整方案输入到数据库中进行储存,将当前的数据库标记为风向湿度调整方案库。
15.进一步地,建立酒店数据模型的方法包括:
16.获取酒店的空调房图纸,识别空调房图纸信息,获得空调房建筑信息,根据获得的空调房建筑信息建立建筑数据框架模型,获取各个空调终端的风口调整角度区间,根据获得的风口调整角度区间计算各个空调调整角度对空调房内床铺的覆盖区域和对应的覆盖面积,将风口调整角度区间与对应的床铺覆盖区域和覆盖面积整合为风口调整数据,获取各个空调终端信息,将风口调整数据和空调终端信息整合到建筑数据框架模型中的对应位置处,将当前的建筑数据框架模型标记为酒店数据模型。
17.进一步地,计算各个空调房的算力目标值的方法包括:
18.根据获取的历史空调使用数据设置各个空调房的算力代表值公式kts=β1
×
β2
×
pkz,将设置的算力代表值公式补充到酒店数据模型中的对应位置上,并实时采集对应的数据计算空调房算力代表值;对空调房进行排列组合,并识别各个组合的空调房算力代表值,对空调房组合进行筛选,获得目标组合;获取当前酒店的历史空调房开通数据,建立组合算力模型,将历史空调房开通数据、目标组合和对应组合的空调房算力代表值输入到组合算力模型中进行分析,获得各个目标组合对应的各个空调房的算力目标值。
19.进一步地,β1为空调房空间修正值,β2为空调房时间修正值,pkz为空调房算力平均值,kts为空调房算力代表值。
20.进一步地,进行服务器的算力调配的方法包括:
21.建立组合算力统计表,并将组合算力统计表补充到酒店数据模型中,将当前的酒店数据模型标记为算力调配模型;根据组合算力统计表将服务器的算力与算力调配模型进行划分和关联;
22.实时获取当前酒店的空调房开通数据,并将开通的空调房在算力调配模型中进行标记,根据标记的空调房自动匹配对应的算力目标值,并根据获得的算力目标值进行服务器的算力调配。
23.空调暖通的智能控制系统的工作方法,具体方法包括:
24.步骤一:建立酒店数据模型,获取空调房的历史空调使用数据,计算各个空调房的算力目标值;
25.步骤二:进行服务器的算力调配;
26.步骤三:识别酒店数据模型中各个空调房的风口调整数据,建立房客的睡眠影响曲线;
27.步骤四:获取空调终端温度和房客睡觉区域,设置当前空调房的风向湿度调整方案;
28.步骤五:根据设置的风向湿度调整方案对当前的空调终端的湿度和风向进行动态调整。
29.与现有技术相比,本发明的有益效果是:通过设置算力模块对服务器的算力进行合理的划分和调配,根据实际情况对服务器进行调整,避免算力得不到合理的调配,容易造成较大的负担,影响其工作的问题出现,提高房客对空调的使用体验;通过动态调整风向和湿度,避免长时间的对着房客同一部位进行吹风,影响客户睡眠质量,通过智能搭配对应的湿度,合理调整房客感受到的湿度,合理的湿度可以极大的避免房客睡醒后的身体不适,如喉咙痛等现象。
附图说明
30.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简单的介绍,显而易见地,下面描述中的附图仅仅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。
31.图1为本发明原理框图。
具体实施方式
32.下面将结合实施例对本发明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做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。
33.如图1所示,空调暖通的智能控制系统,包括算力模块、风向模块和服务器;
34.因为当前酒店或宾馆的空调系统基本都是依靠单独的服务器进行控制,服务器的算力得不到合理的调配,容易造成较大的负担,影响其工作;因此需要设置算力模块对服务器的算力进行合理的划分和调配,算力模块的工作方法包括:
35.建立酒店数据模型,获取空调房的历史空调使用数据,历史空调使用数据包括使用时间、温度数据、湿度数据、对应服务器算力占用数据等数据;根据获取的历史空调使用数据设置各个空调房的算力代表值公式kts=β1
×
β2
×
pkz,其中β1为空调房空间修正值,β2为空调房时间修正值,pkz为空调房算力平均值,kts为空调房算力代表值;将设置的算力代表值公式补充到酒店数据模型中的对应位置上,并实时采集对应的数据计算空调房算力代表值;对空调房进行排列组合,并识别各个组合的空调房算力代表值,对空调房组合进行筛选,获得目标组合;获取当前酒店的历史空调房开通数据,建立组合算力模型,将历史空调房开通数据、目标组合和对应组合的空调房算力代表值输入到组合算力模型中进行分析,获得各个目标组合对应的各个空调房的算力目标值,根据获得的各个目标组合对应的各个空调房的算力目标值建立组合算力统计表,并将组合算力统计表补充到酒店数据模型中,将当前的酒店数据模型标记为算力调配模型;根据组合算力统计表将服务器的算力与算力调配模型进行划分和关联;
36.实时获取当前酒店的空调房开通数据,并将开通的空调房在算力调配模型中进行标记,根据标记的空调房自动匹配对应的算力目标值,并根据获得的算力目标值进行服务器的算力调配。
37.历史空调房开通数据用于分析对应前台服务人员的空调房开通习惯或爱好,通过对历史空调房开通数据进行分析,尽可能的降低算力的调配次数。
38.pkz可以根据历史空调使用数据中的历史服务器算力占用数据直接计算;空调房空间修正值β1和空调房时间修正值β2的确定方法就是通过根据各个空调房的空间尺寸数据、历史空调使用数据中的使用时间和对应服务器算力占用数据设置对应的空间修正匹配表和时间修正匹配表,再各个对应的时间和空调房编号匹配到对应的空调房空间修正值β1和空调房时间修正值β2。
39.并实时采集对应的数据计算空调房算力代表值指的是:当接收到对应的客房被开通后,采集对应的pkz、β1、β2进行计算;即为当客房没有被开通时,不需要进行计算空调房算力代表值。
40.建立酒店数据模型的方法包括:
41.获取酒店的空调房图纸,空调房指的是酒店内安装空调终端的房间,如客房、酒店大厅等房间,识别空调房图纸信息,获得空调房建筑信息,空调房建筑信息包括空间尺寸、床铺位置、空调终端安装位置等信息,根据获得的空调房建筑信息建立建筑数据框架模型,获取各个空调终端的风口调整角度区间,根据获得的风口调整角度区间计算各个空调调整角度对空调房内床铺的覆盖区域和对应的覆盖面积,将风口调整角度区间与对应的床铺覆盖区域和覆盖面积整合为风口调整数据,获取各个空调终端信息,空调终端信息包括温度数据、湿度数据等数据信息;将风口调整数据和空调终端信息整合到建筑数据框架模型中的对应位置处,将当前的建筑数据框架模型标记为酒店数据模型。
42.建筑数据框架模型即为根据空调房建筑信息进行建立,用于快速识别各个空调房的具体信息的数据模型,具体的建立过程为本领域常识,因此不进行详细叙述。
43.根据组合算力统计表将服务器的算力与算力调配模型进行划分和关联,就是根据组合算力统计表将服务器的算力划分为若干份,并根据算力调配模型中空调房进行相关联。
44.组合算力模型是基于cnn网络或dnn网络进行建立的,通过设置对应的训练集进行训练,具体的建立和训练过程为本领域常识,因此不进行详细的叙述。
45.通过设置算力模块对服务器的算力进行合理的划分和调配,根据实际情况对服务器进行调整,避免算力得不到合理的调配,容易造成较大的负担,影响其工作的问题出现。
46.所述风向模块用于对空调终端的风向进行动态调整,因为在酒店中,经常会出现因为房间布局的问题,导致空调正对着房客吹,将会极其的影响房客的夜间睡眠质量,且有可能诱导疾病的产生,因此需要设置风向模块对空调终端的风向进行动态调整,解决上述问题,具体方法包括:
47.识别酒店数据模型中各个空调房的风口调整数据,将床铺覆盖区域低于阈值x1的空调房标记为湿度房,阈值x1是由专家组根据酒店的实际情况进行设置的,综合考虑房客睡眠数据;即为不需要智能调整空调终端的风向,将床铺覆盖区域不低于阈值x1的空调房标记为风向房,即为需要智能调整空调终端的风向,避免长时间对着房客吹,影响房客的睡
眠质量;
48.建立风向房中的床铺模型,根据风口调整角度区间与对应的床铺覆盖区域在床铺模型中设置标记单元,通过标记单元根据获取的空调终端的风口调整角度在床铺模型中标记对应的床铺覆盖区域;识别床铺模型中具有的床铺覆盖区域,建立不同温度、湿度、床铺覆盖区域和房客睡觉区域对房客的睡眠影响曲线;
49.获取当前房客的身材信息,根据获取的房客身材信息设置对应的房客睡觉区域,获取房客设置的空调终端温度,根据获得的空调终端温度、房客睡觉区域和睡眠影响曲线设置当前空调房的风向湿度调整方案,根据设置的风向湿度调整方案对当前的空调终端的湿度和风向进行动态调整。
50.标记单元用于实时获取空调终端的风口调整角度,再根据获得的风口调整角度在床铺模型中标记对应的床铺覆盖区域。
51.睡眠影响曲线由专家根据当前的研究数据进行讨论设置。
52.获取当前房客的身材信息的方法是通过房客在前台登记的时候获取其图片信息,根据获得图片信息分析出房客的身材信息,包括大致身高、体重等信息;另一种方法是由前台服务人员直接在登记的时候预估房客的身材信息;因为在客房内是禁止采集房客的影像信息的。
53.根据获取的房客身材信息设置对应的房客睡觉区域为本领域常识,因此不进行详细叙述。
54.根据获得的空调终端温度、房客睡觉区域和睡眠影响曲线设置当前空调房的风向湿度调整方案的方法包括:
55.建立风向湿度调整方案库,获取当前空调房的床铺覆盖区间代表值,将当前空调房的空调终端温度、房客睡觉区域和床铺覆盖区间代表值整合为目标坐标,将目标坐标输入到风向湿度调整方案库中进行匹配,获得对应的风向湿度调整方案。
56.风向湿度调整方案是一个动态调整风向和对应湿度的调整方案,避免长时间的对着房客同一部位进行吹风,影响客户睡眠质量,通过智能搭配对应的湿度,合理调整房客感受到的湿度。因为在不可避免对客户进行长时间吹风时,合理的湿度可以极大的避免房客睡醒后的身体不适,如喉咙痛等现象。
57.建立风向湿度调整方案库的方法包括:
58.根据空调终端温度、房客睡觉区域和睡眠影响曲线由专家组设置若干个风向湿度调整方案,识别各个风向湿度调整方案中的空调终端温度、房客睡觉区域、湿度和床铺覆盖区间,为床铺覆盖区间设置代表值,因为为本领域常识,因此不进行详细叙述,示例性的床铺覆盖区间为[65,100],代表值为35;将空调终端温度、房客睡觉区域、床铺覆盖区间代表值整合为匹配坐标,将匹配坐标作为标签设置在对应的风向湿度调整方案上,并标记为匹配标签,建立数据库,将风向湿度调整方案输入到数据库中进行储存,将当前的数据库标记为风向湿度调整方案库。
[0059]
空调暖通的智能控制系统的工作方法,具体方法包括:
[0060]
步骤一:建立酒店数据模型,获取空调房的历史空调使用数据,计算各个空调房的算力目标值;
[0061]
步骤二:进行服务器的算力调配;
[0062]
步骤三:识别酒店数据模型中各个空调房的风口调整数据,建立房客的睡眠影响曲线;
[0063]
步骤四:获取空调终端温度和房客睡觉区域,设置当前空调房的风向湿度调整方案;
[0064]
步骤五:根据设置的风向湿度调整方案对当前的空调终端的湿度和风向进行动态调整。
[0065]
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
[0066]
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1