气候控制器的制造方法
【专利摘要】本发明提供一种气候控制器(1)，其包括：控制单元(7)，其能够激活和停用HVAC单元(13)；温度传感器(3)和湿度传感器(5)，其能够将温度测量值和相对湿度测量值传达给控制单元(7)；以及连至网络(10)的接口(9)，控制单元(7)通过该接口(9)连接到联网服务器(14)并传输温度和相对湿度的测量值；该激活和停用能够被控制单元(7)所控制，该控制单元(7)测量温度和湿度水平，获得温度设定值和HVAC单元(13)的操作模式，并且将信号传送给HVAC单元(13)以实现该激活和停用。气候控制是参考舒适程度优先于绝对温度来实现的，且通过机器学习方法来实现节能，该机器学习方法根据气候控制器(1)所采集的数据集来操作。
【专利说明】
气候控制器
技术领域
[0001]本发明涉及室内气候控制，且更具体地，涉及用于控制室内气候控制设备的控制器和方法。本发明主要涉及控制HVAC单元，但本发明并不限于这个特定应用。
【背景技术】
[0002]采暖、通风和空调单元(一般称为HVAC单元)一般是”哑”装置，其并不利用现代技术进展(例如，机器学习和用户体验设计)。典型HVAC单元的用户被提供有许多模式，例如采暖、制冷、干燥(从空气去除水分)、吹风和关闭以及所需要的室内温度。用户选择他喜欢的模式，设定所需的温度，并且HVAC单元将运行其加热或制冷元件直到达到该温度，然后将其关闭，然后当再次出现温差时，HVAC单元将再次开启，如此往复。在干燥和吹风模式的情况下，绝不会达到该绝对温度，因此该单元将持续不停地运行而不考虑用户的舒适度。更先进的HVAC单元可通过变频器来控制其加热或制冷元件的频率，这意味着该元件无需重复地开启和关闭，但仍然没有考虑到用户的舒适度。
[0003]这种基本”哑”的功能的问题很快地显现出来。众所周知，相对湿度影响人对温度的感知，因此人们所感觉的舒适程度(体感温度，感觉如何)是随绝对温度和相对湿度而增加的。对空气制冷是不够的，这将会增加室内气候环境中的相对湿度，这正是为什么HVAC单元既对空气制冷又将水分从空气移除的原因。
[0004]将室内气候条件调节到舒适程度而非绝对温度将有益于节能。如果湿度较低，那么可改善用户的舒适程度，但更多的现有的典型HVAC单元并不测量湿度。美国专利5，737，934和8,356,760描述了根据体感温度来控制HVAC单元的方法，其中考虑了相对湿度以及绝对温度。或者当HVAC单元以干燥或吹风模式运行时，用户可由于体感温度的降低或湿气自皮肤蒸发的作用而感觉到更冷。典型的HVAC单元的控制机构没有考虑到这些因素，其不顾一切地继续运行，从而浪费能量。
[0005]监测并控制湿度具有额外益处:更干燥的环境将减少霉菌生长，而更潮湿的环境对皮肤更好。众所周知，调节湿度对细菌和病毒的生存和繁殖具有影响。
[0006]此外，如果HVAC单元能够进行智能操作，那么其可缓慢地使温度朝目的终点“滑行”(例如，根据普通PID(比例-积分-微分)算法)，从而在与简单开/关控制系统相比时产生能量节约。此外，HVAC单元的每种模式将具有其自己的特征性能量消耗，因此，当激活该单元以使用户处于舒适温度时可以使不同模式组合，同时使耗能最小化。
[0007]当与简单的HVAC系统(其是基于绝对温度通过开与关来增加热量或者从空气移除热量)相比时，复杂的控制方法可减少能量消耗但有增加耗时以达到目标终点体感温度的风险。因此，与达到目标终点体感温度所需能量和时间相比，所需的控制器将向用户提供对于控制方法或可能的温度/相对湿度舒适程度的范围的可能选择。
[0008]当然，室内气候控制还将取决于建筑物或房间外面的气候，在该建筑物或房间中由HVAC单元控制气候条件。对于消耗的能量毫不关心的哑单元来说，外部气候不是相关因素，因为此类单元仅根据其所在位置的即时室内环境来操作。但是，用于达到所需终点的能量与即时室内环境和外部气候之间的温差成比例。一些HVAC单元将室外温度计整合在其通风孔中，但这样只能测量温度。所需智能气候控制器将考虑到外部条件，并基于用户所希望消耗的能量大小来向用户建议可能的舒适程度(为温度和相对湿度的组合)的范围。此类智能控制器可连接到网络以检索关于外部条件的数据，例如当前的温度和相对湿度、预测的温度和相对湿度、云量、UV穿透、气压和风速以及可能影响能量消耗和舒适程度的一些次要因素(例如，颗粒物浓度和空气成分)。美国专利6，853，882描述了一种联网的、位置感知的HVAC控制系统，不过其针对在一个连续的室内位置中使用多个传感器且仅提供相对哑的控制水平的情况。美国专利6，975，958描述了一种用于经由从网络发送的信号来影响价格敏感型用户对HVAC系统的控制的方法，但并未描述对HVAC单元的直接控制。
[0009]将此类智能控制器连接到网络带来很多额外的优点。用户可以远程操作控制器，例如以激活他的HVAC单元以使得在下班回家之前家中的室内条件达到所需终点；或确保用户出门在外时他的宠物的舒适程度。根据外部条件，无人值班的操作也将变得有可能:如果室内温度下降到某个水平以下且预测天气在几天内不改善，那么用户在假期可(例如)将他的HVAC单元设定为激活;这可使室内植物避免被冻坏。PCT公开文本W02012068517描述了用户友好、网络可访问的用户接口，但其仅提供相对哑的接口而未描述舒适程度或温度、湿度、能量和时间的相互作用。
[0010]除温差之外，用于达到所需终点的能量还取决于许多因素，例如HVAC单元的特征(包含效率、功耗、维护级别)；室内环境的大小;室内环境中是否有任何门或窗户被打开;室内环境中存在的其它加热或制冷源。因此，需要室内气候控制器可认识到更多建立某个舒适程度(优选地无需用户反馈)所涉及的显著和/或可预测的因素。理想地，此类系统还将区分较不显著或不可预测的因素。代替精确的千瓦数或千焦耳数或除精确的千瓦数或千焦耳数之外，此类控制器可将HVAC单元的能量使用量表达为相对值。美国专利5，579，994描述了将模糊逻辑(机器学习的一个分支)用作基于规则的推理引擎的一部分以基于多个输入来控制汽车的内部气候。显然，这些规则是在工厂中建立的一专利权人知道汽车的确切尺寸、HVAC单元的特性和使其有效的其它输入，但其缺乏适应性。
[0011]当前HVAC基础设施的另外一个问题是:在许多建筑物中已经安装有旧版HVAC单元。升级的成本很高，且一些居民可能是不能或不愿更换这些HVAC单元的承租人。因此，需要有一种装置，其可以将智能功能添加到现有HVAC单元中。
[0012]最后，虽然现代HVAC单元可提供有益于节能的一系列模式，但典型用户发现这使人困惑且不知道如何将该单元设定成以最低成本提供舒适环境(类似于对VCR编程)，或甚至实际上构成温度和湿度相关的舒适程度的情况。为实现节能，需要使一般用户对这一目了然，且特别来说，需要基于普通人对于给定的外部环境所需的室内环境中的舒适程度来建议舒适程度。
[0013]因此，需要设计出能够与HVAC单元对接并控制其运行的室内气候控制器。本发明的目标是改善现有技术的如述缺点，同时引进有利的新功能。
【发明内容】
[0014]在第一方面中，本发明提供一种气候控制器，其包括:控制单元，其用于控制服务于气候受控制的空间的HVAC单元的一个或多个功能;温度传感器，其用于测量温度测量并将所述温度测量传达给控制单元；以及湿度传感器，其用于测量湿度测量并将所述湿度测量传达给控制单元。该控制单元基于所述温度测量和湿度测量来控制HVAC单元的一个或多个功能，以在气候受控制的空间中达到所需的温度和湿度。
[0015]在第二方面中，本发明提供一种气候控制器，其包括:控制单元，其能够激活和停用HVAC单元;温度传感器和湿度传感器，其能够将温度测量和相对湿度测量传达给控制单元；以及连至网络的接口，经由所述接口，该控制单元能够连接到联网服务器并传输温度和相对湿度的测量;所述激活和停用能够根据控制单元加以控制，从而测量温度和湿度水平、获得温度设定值和HVAC单元的运行模式并且将信号传达给HVAC单元以实现所述激活或停用。气候控制是优先参考舒适程度而不是绝对温度来实现的，且通过使用基于气候控制器所采集的数据集来运行的机器学习方法来实现节能，从而可以产生需要的最少能量来达到某种舒适程度的气候路径(其为HVAC单元的运行模式和目标绝对温度的组合)。
[0016]HVAC单元和气候控制器位于待调节的同一个室内气候环境中。
[0017]优选地，通过运行于计算机上的用户接口经由网络来设定室内气候环境所需的(或“终点”)相对湿度和所需的(或“终点”)温度值。计算机可位于用户之所在地(例如，触摸屏智能手机)，或远离用户的服务器，用户经由标准协议(例如，HTML)与其对接。气候控制器的网络接口优选地为wifi模块，但可为任何类型的网络接口(例如，无线电、以太网或蓝牙)。
[0018]在第一次接通之后，用户可使气候控制器进入初始学习模式，在该初始学习模式中，气候控制器基于控制器的位置从联网服务器检索表示外部条件的值，优选地包括温度、风速和云量。用户可任选地输入HVAC单元的已知参数，例如其功率消耗和/或制冷能力，或可自动地从联网服务器检索这些已知参数。可选地，可在控制器的学习模式期间或在其操作模式期间估计HVAC单元的这些参数。
[0019]优选地，该气候控制器还能够在试图调节室内气候时估计室内气候环境的参数以便可影响HVAC单元的运行，或在可选实施例中，用户可任选地输入此类参数。此类参数可包含气流和房间尺寸。
[0020]优选地，该气候控制器能够通过非侵入式装置与HVAC单元通信，例如复制HVAC单元的遥控装置的红外信号。在可选实施例中，该气候控制器可替代地(例如)通过在交流电源插座和HVAC单元的电源插头之间进行调解来直接控制HVAC单元的交流电源。在另一可选实施例中，该气候控制器可直接与HVAC单元的控制电路对接。
[0021]在学习模式期间，该气候控制器循环地在各种模式(例如，采暖、干燥、制冷和吹风)中激活HVAC单元，同时测量温度变化和相对湿度变化。因此能够计算所估计的能量消耗参数。优选地，使用HVAC单元和/或室内气候环境的已知参数，可以更准确地计算所估计的能量消耗参数。在学习模式结束时，可将所述参数存储在气候控制器或联网服务器上。
[0022]在其运行模式期间，该气候控制器能够循环地在其各种模式中激活HVAC单元，以达到所需的终点舒适程度。HVAC单元的激活循环是根据标准机器学习技术从以下三者来确定的:存储在气候控制器或联网服务器上的已知参数，其包含能量消耗和其它参数;室内气候环境的已知参数；以及从联网服务器检索到的已知外部条件。优选地，该机器学习技术还能够根据气候控制器的真实操作来学习和完善所存储的参数。
[0023]因此，用户接口能够向用户提供组合了温度、相对湿度、能量消耗和达成某个舒适程度所花时间的所需终点的显示。所使用的机器学习技术优选地能够向用户建议可能的舒适程度、能量消耗和所花费的时间的范围，由此对一个或多个该范围进行约束将影响并向用户直观地呈现其它所需终点的可达成范围。
[0024]在所附权利要求书中定义了本发明的各种实施例的另外的特征。应理解，在本发明的各种实施例中，可以各种组合来组合这些特征。
[0025]贯穿本说明书(包含权利要求书)，除非另有明确陈述或上下文另有明确要求，否则词语“包括(?0!11?1^86/00111?1^8；[1^)”及其它相似术语将在包含性意义上(8卩，在“包括但不限于”的意义上而非在排他性或穷尽性意义上)加以解释。
[0026]为更好地理解本发明且为示出如何执行本发明，现将仅通过非限制性示例并参考附图来描述其优选实施例。
【附图说明】
[0027]参考以下附图来描述非限制性示例，其中:
[0028]图1示出根据本发明的一个实施例的气候控制器的框图；
[0029]图2示出根据本发明的一个实施例的气候控制器的用户接口的三种配置；
[0030]图3示出根据本发明的另一实施例的气候控制器的用户接口的三种配置；
[0031]图4是根据本发明的另一实施例的气候控制器在学习模式中的操作的框图；
[0032]图5是根据本发明的另一实施例的气候控制器在操作模式中的操作的框图；
[0033]图6示出根据本发明的另一实施例的在计算气候路径中所使用的示例凸包；以及
[0034]图7示出在相对湿度-温度平面中的可能气候路径，该气候路径用于通过在不同模式中操作HVAC单元从起点相对湿度/温度达到所需的相对湿度/温度，其中所选路径是由根据本发明的一个实施例的气候控制器计算得出。
【具体实施方式】
[0035]参考附图，气候控制器I包括控制单元7，所述控制单元7用于控制服务于气候受控制的空间的HVAC单元13的一个或多个功能。温度传感器3进行温度测量并将所述温度测量值传达给控制单元7。湿度传感器5进行湿度测量并将所述湿度测量传达给控制单元7。控制单元7基于所述温度测量和湿度测量来控制HVAC单元13的一个或多个功能，以在气候受控制的空间中达成所需温度和所需湿度。所述一个或多个功能可以选自以下各者:温度设定、风扇速度设定、模式、采暖/制冷/干燥/通风模式设定以及开/关设定。但是，HVAC单元可以包含其它功能且也可以选择这些功能。
[0036]控制单元7通过将信号发送到HVAC单元来控制HVAC单元的功能，以设定一个或多个所述功能的设定点。所述设定点是从基于以往的温度测量和湿度测量进行训练的机器学习方法计算得到，以预测未来温度和湿度。因此，所述设定点对应于相应预测的未来温度和湿度。合适的机器学习方法包含基于机器学习算法的机器学习方法(例如，支持向量机(Support Vector Machines )、随机森林(Random Forests )和神经网络(NeuralNetworks))。这些机器学习方法执行例如特征选择、降维和回归分析的过程，以便产生设定点或目标向量。
[0037]除以往的温度测量值和湿度测量值之外，机器学习方法还基于一个或多个另外的环境参数来计算设定点。所述一个或多个另外的环境参数可以选自以下各者:光度、当日时间、被动红外活性计数、室外温度和室外湿度。这些参数可以通过传感器来测量，或可以获自互联网，或可以简单地由用户输入。举例来说，可以从互联网上的网站抓取室外温度和湿度。
[0038]气候控制器I还包括网络接口 9，所述网络接口 9用于将控制单元7通信地连接到计算机处理器。该计算机处理器实施机器学习方法以计算设定点。在另一实施例中，该计算机处理器还获得一个或多个环境参数。该计算机处理器可以为以下各者中的一个的一部分:联网服务器、桌上型计算机、笔记本电脑、智能手机。图1示出一个实施例，其中计算机处理器是联网服务器14的一部分。
[0039]该气候控制器还包括通信地连接到计算机处理器的数据存储装置。该数据存储装置存储一个或多个环境参数以供由机器学习方法用作以往的数据以计算设定点。在图1中，数据存储装置形成联网服务器14的一部分。
[0040]设定所需的体感温度(例如，使用湿热指数计算得到的体感温度)常常是方便的。体感温度考虑了温度(干球温度计)和湿度，且作为人们感觉环境有多热的一个度量。
[0041]网络接口9将控制单元通信地连接到计算机处理器。该计算机处理器接收如由用户选择的所需温度、湿度和体感温度中的一个或多个。在这种情况下，计算机处理器可为实施上述机器学习方法的同一个计算机处理器，或其可为独立装置的一部分。在图1中，该计算机处理器是独立装置的一部分(即，计算机12)。计算机12具有用户接口 11，所述用户接口11允许用户输入所需温度、湿度或体感温度。可选地或额外地，计算机处理器通信地连接到数据存储装置，并检索预先存储在数据存储装置上的所需温度、湿度和体感温度中的一个或多个。
[0042]在一些实施例中，所需温度、湿度和体感温度中的一个或多个位于由最小和最大的相应所需温度、湿度或体感温度限定的相应舒适带内。计算机处理器可以接收用户选择的舒适带。可选地或额外地，计算机处理器通信地连接到数据存储装置，并检索预先存储在数据存储装置上的舒适带。以此方式，气候控制器I可以完全自动地运行，而无需用户输入所需温度、湿度或体感温度。在一个实施例中，舒适带是为特定用户定制的。在另一个实施例中，限定舒适带的最小值和最大值在一天当中是变化的。在另外的实施例中，计算机处理器向用户推荐舒适带。
[0043]可以基于达成所需温度和湿度所需的最小功率消耗来选择设定点。还可以基于达成所需温度和湿度所需的目标时间来选择设定点。
[0044]用户接口11可以即时显示温度测量和湿度测量。如图2和图3中所示，用户接口包括温度滑块、湿度滑块、能量滑块和时间滑块，每个滑块显示所需值、当前值和考虑到其它滑块的设定值而计算的可能值的范围。
[0045]在一个优选实施例中，气候控制器I通过非侵入式装置与HVAC单元通信。在一个特定示例中，通过由用户操作的遥控装置来控制HVAC单元13。所述遥控装置将红外信号发送至IjHVAC单元13，以控制HVAC单元13的一个或多个或所有功能。气候控制器I包含红外模块15，且控制单元7通过使用红外模块15复制通常由遥控装置提供的一个或多个或所有红外信号来控制HVAC单元13的一个或多个功能。这个实施例特别有利，因为可以在不对HVAC单元自身作任何修改的情况下将气候控制器I与现有HVAC单元一起使用。
[0046]本发明还提供一种使用气候控制器来控制气候受控制的空间中的气候的方法。在一个实施例中，该气候控制器包括:温度传感器3，其用于进行温度测量；以及湿度传感器5，其用于进行湿度测量。该实施例包括:基于所述温度测量和湿度测量来控制服务于气候受控制的空间的HVAC单元13的一个或多个功能，以在气候受控制的空间中达成所需温度和所需湿度。
[0047]所述实施例更具体地包括:使用基于以往的温度测量和湿度测量训练的机器学习方法来预测未来温度和湿度，以便计算在气候受控制的空间中达成所需温度和所需湿度的一个或多个所述功能的设定点；以及将信号发送到HVAC单元13以设定设定点。
[0048]可以从前述描述来了解根据本发明的在气候受控制的空间中控制气候的方法的其它实施例。
[0049]以下描述记载了其它实施例的另外的细节，且一般来说，它们涉及一种经由实施于气候控制器中的HVAC单元所实现的室内气候控制系统和方法。
[0050]图1示出了根据本发明的气候控制器的优选实施例。该气候控制器I整合有温度传感器3、相对湿度传感器5、控制单元7和网络接口 9。该气候控制器能够通过(在本发明的优选实施例中)经由红外模块15产生与HVAC单元的遥控协议相容的红外信号来控制HVAC单元13的模式与激活。
[0051]在计算机12(在优选实施例中，触摸屏智能手机或平板电子装置)上向气候控制器I的用户提供用户接口 11。该用户接口 11经由网络接口 9与气候控制器I通信。在优选实施例中，该用户接口 11显示滑块20，所述滑块20指示并能够设定如由温度传感器3在干球温度计处测得的室内温度T、如由湿度传感器5测得的室内相对湿度H和HVAC单元13的能量消耗E。已经由测试发现，以下线性模型是T、H和E之间的关系的可用近似法:
[0052]针对变化的T:
[0053]H(T) =aT.T+bT
[0054]E(T)=Qe.| T-T^l
[0055]针对变化的H:
[0056]T(H) =aH.H+bH= (l/ai).T_(bT/aT)
[0057]E(H) =αΕ.I T(H)-T外I
[0058]针对变化的E:
[0059]T(E)=I>h±(E/aE)
[0060]H(E)=Be.T(E)+bx[0061 ]其中:
[0062]T外是在受HVAC单元13影响的室内气候之外的外部温度，其由控制单元7经由网络接口 9从网络10检索得到。在优选实施例中，使用计算机12的地理定位调整来精确地定位控制器I并使得能够精确识别T外，
[0063]aT、bT和aE是待由控制器识别的室内气候环境的参数；
[0064]|x|指示X的绝对或模量值；以及
[0065]土是取决于控制器必须对室内气候环境采暖还是制冷以达到所需舒适程度来选择的。
[0066]气候控制器的优选实施例拥有图4中所示的学习模式，所述学习模式被设计成当第一次结合新的HVAC单元13来操作控制器I或控制器I移到新位置时加以使用。在该学习模式中，控制器根据在HVAC单元13上的或者由用户输入、从网络10采集得到或者存储在控制单元7上的数据来检查是否存在未经测试的模式。如果不存在未经测试的模式，那么控制器退出学习模式。如果存在未经测试的模式，那么控制单元7从网络10获得在HVAC单元13之外的温度的值(称为T。控制单元7接着等待，直到T和由温度传感器3测得的室内温度T之间的差的绝对值或模量值小于被预设至较小数(经由测试发现2°C是有效的)的阈值温度T_t。这样的真实重要性是，控制单元7经由温度传感器3不断地监测室内温度T并等待其与外部温度T _^圆达到近似平衡。
[0067]当所述条件为真时，在优选实施例中，控制单元7将经由红外模块15来激活HVAC单元13的未经测试的模式，以使用户设定该模式所需的温度设定值T_S(3T_S是用户觉得感到舒适所处的温度。控制单元7开始记录如由传感器3和5在固定的时间间隔测得的室内干球温度和相对湿度，并将所述记录值存储在控制单元7上或者在优选实施例中存储在网络服务器14上。已经由测试发现，优选的时间间隔是5分钟。
[0068]控制单元7将维持HVAC单元13的激活，直到在处于制冷模式的情况下室内温度T达到低于T_s的值T_学习，或在处于采暖模式的情况下室内温度T达到高于T_s的值Τ_学习。Τ_学习由控制单元7自动地设定为比T_s差几度而处于用户感到不舒适的温度。
[0069]经由测试发现，T_学习的最佳值是乙设定的±2°C。如果无法达到T_学习，那么控制单元7将在适当的一段时间之后停止HVAC单元的激活，所述适当的一段时间已经测试被确定为2小时。当不再需要激活时，控制单元7将经由(在优选实施例中)红外模块15来停用HVAC 单元13。
[0070]在停用HVAC单元13之后，控制单元7继续经由传感器3和5来监测并存储温度和相对湿度的值，直到室内温度T再次处于乙外部的T_t度数内(S卩，室内温度和外部温度恢复到近似平衡)。在这个时间期间，控制单元仍记录由传感器3和5在固定的时间间隔测得的室内干球温度和相对湿度，并将所述记录值存储在控制单元7上或者在优选实施例中存储在网络服务器14上。
[0071]因此，控制单元7或在优选实施例中网络服务器14能够基于HVAC单元13的已知特性和在学习周期期间的时间间隔来估计解决所需(或“终点”)温度和起点室内温度之间的差值所需的能量消耗，以及在给定为控制单元7或优选地网络服务器14所已知的一组外部条件的情况下，先前未经测试的模式的激活如何在该周期内影响相对湿度。
[0072]图6示出针对一组时间间隔和一组给定的外部条件的室内温度T和室内相对湿度H的记录值21的图表。这些值21是在用于在14小时时间段内的HVAC单元的未经测试的制冷模式的学习模式期间获得的，并被存储在控制单元7或优选地在存储网络服务器14上。根据在该周期内的记录数据产生了凸包23。在机器学习中，凸包是容纳在所述时间段内T和H的所有存储值所需的最小凸集。因此，如图6中所示，针对一组已知的外部条件，控制单元7或优选地网络服务器14能够从其针对就位于给定室内环境中的给定HVAC单元的给定模式所记录的数据集来识别针对给定的室内温度的可能相对湿度值的范围(且反之亦然)。针对一组已知的外部条件，控制单元7或优选地网络服务器14还能够估计从给定起点达到某个终点相对湿度值和温度所花费的时间(及对应的能量)。在优选实施例中，控制单元7或优选地网络服务器14于是经由支持向量机(一种众所周知的机器学习技术)在许多超平面中分离数据集，且针对具有最佳分离的超平面来计算HVAC单元13的先前未经测试的模式的参数aT、bT和αΕ。在该优选实施例中，所述超平面计算和所述参数被存储在联网服务器14中。支持向量机的替代性机器学习技术包含线性近似或经由最小二乘回归、线性判别分析、贝叶斯方法、高阶多项式或神经网络来估计新的方程式。
[0073]由于外部条件变化，可以对参数aT、bT和αΕ进行调整，以粗略估计此类变化对HVAC单元13的影响。在优选实施例中，针对不同组外部条件重复学习模式使得可以作出最佳调整。
[0074]在图5中所示的气候控制器的操作模式的优选实施例中，控制单元7或在优选实施例中网络服务器14将从凸包23采集到的一组相互依赖的范围连同针对在气候控制器的近似位置处当前外部条件的超平面分离计算和参数传达给计算机12，这些都显示在用户接口11中的滑块20上。当前湿度、温度和能量使用量(根据HVAC单元13的激活的当前状态)也通过控制单元7经由网络接口 9传达给计算机12。图2和图3中示出了用户接口 11的实施例。因此，对于Τ、Η、Ε或者时间的约束滑块值来说，可以通过计算机12来计算三个其它滑块的值，并相应地调整范围。在气候控制器的操作模式的替代性实施例中，在网络服务器14上执行所有计算，并将滑块20的值直接传达给用户接口 11。
[0075]在优选实施例中，用户能够将舒适程度输入到用户接口11中。根据基于R.G.Steadman著作的众所周知的热指数方程式，舒适程度是室内干球温度和相对湿度的组合。在优选实施例中，用户接口 11还能够向用户提供所建议的舒适程度以在给定当前外部条件的情况下使其舒适度最大化同时使得达到这种舒适程度所花费的能量或时间最小化。用户的理想舒适程度的知识来自于记录用户的过去输入情况和经由用户接口 11做出的选择。
[0076]一旦用户经由用户接口 11选择了舒适程度，那么该舒适程度将被传达给控制单元7或在优选实施例中传达给网络服务器14。如果HVAC单元13上的可能模式的数目为M且从初始起点达到所需舒适程度所采取的路径上的步骤数(即，由彼此继续下去的不同HVAC单元激活模式)为n，那么存在的不同路径有M~n个可能组合。因此，针对从当前室内气候条件到所需舒适程度的最佳或最短(使耗能或时间最小化)路径来实施穷举搜索并非切实可行。但是，控制单元7或在优选实施例中网络服务器14大幅度地减小搜索空间，所述搜索空间已经根据上文列举的机器学习方法获得了凸包23的线性或多项式近似。图7中示出了路径计算及其线性替代例，其中可以看到，在给定一组外部条件的情况下且针对具有已知特性的HVAC单元，从初始室内气候条件30到目标舒适程度32的最短路径是路径34，这在优选实施例中翻译为:在HVAC单元13的干燥模式中经由红外模块15来激活该HVAC单元13并持续一定时间，之后停用HVAC单元13。
[0077]在操作模式期间，采集关于HVAC单元13的当前激活模式的额外数据点，并将它们存储在控制单元7上或优选地存储在网络服务器14上。在优选实施例中，周期性地再生凸包23，且经由上述机器学习技术、该HVAC单元模式的参数且取决于所选的机器学习方法，重新计算超平面计算和/或方程式，使得气候控制器I能够持续地使其性能最佳化。
[0078]图5中概述了气候控制器I的操作模式。
[0079]可理解的是，上述实施例仅为被采用来描述本发明的原理的例示性实施例，且本发明并非仅限于此。在不背离本发明的精神和本质的情况下，本领域的普通技术人员可做出各种变化和修改，且这些变化和修改也涵盖于本发明的范围内。因此，虽然已参考特定示例描述了本发明，但本领域的技术人员可了解，可以许多其它形式来体现本发明。本领域的技术人员还可了解，可以以其它组合来组合所描述的各种示例的特征。特别来说，上述电路布置存在许多可能的排列，其使用同一种被动方法来达成被动功率因数校正，且其对于本领域的技术人员来说是显而易见的。
【主权项】
1.一种气候控制器，包括: 控制单元，所述控制单元用于控制服务于气候受控制的空间的HVAC单元的一个或多个功能； 温度传感器，所述温度传感器用于进行温度测量并将所述温度测量传达给所述控制单元；以及 湿度传感器，所述湿度传感器用于进行湿度测量并将所述湿度测量传达给所述控制单元； 所述控制单元基于所述温度测量和湿度测量来控制所述HVAC单元的所述一个或多个功能，以在所述气候受控制的空间中达到所需温度和湿度。2.根据权利要求1所述的气候控制器，其特征在于，所述一个或多个功能选自:温度设定、风扇速度设定、模式和开/关设定。3.根据权利要求1到2中的任一项所述的气候控制器，其特征在于，所述控制单元通过将信号发送到所述HVAC单元来控制所述HVAC单元的功能，以设定一个或多个所述功能的设定点，所述设定点是从基于以往温度测量和湿度测量训练的机器学习方法计算得到，以预测未来温度和湿度。4.根据权利要求3所述的气候控制器，其特征在于，所述机器学习方法基于一个或多个另外的环境参数来计算所述设定点。5.根据权利要求4所述的气候控制器，其特征在于，所述一个或多个另外的环境参数选自:光度、当日时间、被动红外活性点数、室外温度和室外湿度。6.根据权利要求3到5中的任一项所述的气候控制器，其特征在于，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器执行所述机器学习方法以计算所述设定点。7.根据权利要求4到5中的任一项所述的气候控制器，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器获得一个或多个所述环境参数并执行所述机器学习方法以计算所述设定点。8.根据权利要求6到7中的任一项所述的气候控制器，其特征在于，所述计算机处理器为以下中的一个的一部分:联网服务器、桌上型计算机、笔记本电脑、智能手机。9.根据权利要求7所述的气候控制器，所述气候控制器包括通信地连接到所述计算机处理器的数据存储装置，所述数据存储装置存储一个或多个所述环境参数以供由所述机器学习方法用作以往数据以计算所述设定点。10.根据权利要求1到9中的任一项所述的气候控制器，其特征在于，所述所需温度和湿度对应于一所需体感温度。11.根据权利要求10所述的气候控制器，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器接收由用户选择的所需温度、湿度和体感温度中的一项或多项。12.根据权利要求10所述的气候控制器，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器通信地连接到数据存储装置并检索预先存储在所述数据存储装置上的所述所需温度、湿度和体感温度中的一项或多项。13.根据权利要求10所述的气候控制器，其特征在于，所述所需温度、湿度和体感温度中的一项或多项位于由最小和最大的相应所需温度、湿度或体感温度限定的相应舒适带内。14.根据权利要求13所述的气候控制器，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器接收由用户选择的所述舒适带。15.根据权利要求13所述的气候控制器，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器通信地连接到数据存储装置并检索预先存储在所述数据存储装置上的所述舒适带。16.根据权利要求15所述的气候控制器，其特征在于，所述计算机处理器向用户推荐所述舒适带。17.根据权利要求3所述的气候控制器，其特征在于，所述设定点是基于达成所需温度和湿度所需要的最小功率消耗来选择的。18.根据权利要求3所述的气候控制器，其特征在于，所述设定点是基于达成所需温度和湿度所需要的目标时间来选择的。19.根据权利要求1到18中的任一项所述的气候控制器，所述气候控制器包括用于将所述控制单元通信地连接到计算机处理器的网络接口，所述计算机处理器通信地连接到用户接口并在所述用户接口上显示所述温度测量和所述湿度测量。20.根据权利要求19所述的气候控制器，其特征在于，所述用户接口包括温度滑块、湿度滑块、能量滑块和时间滑块，每个滑块显示所需值、当前值和考虑到所述其它滑块的设定而计算的可能值的范围。21.根据权利要求1到20中的任一项所述的气候控制器，所述气候控制器包括红外模块，所述控制单元使用所述红外模块来将红外信号发送到所述HVAC单元以控制所述HVAC单元的一个或多个功能。22.根据权利要求21所述的气候控制器，其特征在于，所述HVAC单元包括遥控装置，所述遥控装置用于将红外信号发送到所述HVAC单元以控制所述HVAC单元的一个或多个功能，所述红外模块复制由所述遥控装置发送的一个或多个红外信号。23.一种使用气候控制器来控制气候受控制的空间中的气候的方法，包括: 温度传感器，所述温度传感器用于进行温度测量；以及 湿度传感器，所述湿度传感器用于进行湿度测量； 所述方法包括: 基于所述温度测量和湿度测量来控制服务于所述气候受控制的空间的HVAC单元的一个或多个功能，以在所述气候受控制的空间中达到所需温度和所需湿度。24.根据权利要求23所述的控制气候受控制的空间中的气候的方法，所述方法包括: 使用基于以往温度测量和湿度测量训练的机器学习方法来预测未来温度和湿度，以便计算在所述气候受控制的空间中达到所需温度和所需湿度的一个或多个所述功能的设定点；以及 将信号发送到所述HVAC单元以设定所述设定点。
【文档编号】F24F11/00GK105900035SQ201480050722
【公开日】2016年8月24日
【申请日】2014年7月23日
【发明人】李尚行, 马蒂斯·安东尼
【申请人】安比实验室有限公司