基于边缘计算的空调控制方法、系统及服务器与流程

1.本技术涉及暖通技术领域，尤其是涉及基于边缘计算的空调控制方法、系统及服务器。


背景技术：

2.空调即空气调节器(air conditioner)，是指用人工手段对建筑或建筑物内环境空气的温度、湿度、流速等参数进行调节和控制的设备。空调系统一般包括冷源/热源设备，冷热介质输配系统，末端装置等几大部分和其他辅助设备。末端装置则负责利用输配来的冷热量，具体处理空气状态，使目标环境的空气参数达到一定的要求。
3.在目前空调系统中，实际用冷需求或用热需求与空调控制温度难以精准匹配，无法按需实时调整。


技术实现要素：

4.为了改善空调控制温度难以精准匹配匹配，无法按需实时调整的问题，本技术提供基于边缘计算的空调控制方法、系统、存储介质及服务器。
5.第一方面，本技术实施例提供一种基于边缘计算的空调控制方法，采用如下技术方案：一种基于边缘计算的空调控制方法，适用于边缘服务器，所述方法包括：采集环境信息和当前温度信息；对所述环境信息进行大数据融合计算，生成初始调温指令，所述初始调温指令用于对当前温度进行调节，得到目标温度；采集所述环境信息下的人员信息；对所述人员信息进行分析处理，基于分析结果，发送控制指令，所述控制指令用于对所述目标温度进行调节。
6.通过上述技术方案，先采集环境信息和当前温度信息，对环境信息进行大数据融合计算，边缘服务器内预存有不同环境下对应不同湿度的适宜温度，将大数据融合结果找到边缘服务器内预存的适宜温度，并生成初始调温指令，发送至空调对当前温度进行调节，得到一个目标温度。然后通过分析环境信息下的人员信息，对目标温度进行一个实时控制调节。通过边缘服务器进行边缘计算，并根据不同环境、不同湿度以及人员信息进行调温，使温度匹配更精准。
7.优选的，所述环境信息包括场景信息和湿度信息，所述对所述环境信息进行大数据融合计算，生成初始调温指令，所述初始调温指令用于对当前温度进行调节，得到目标温度，包括：判断所述场景信息的场景类别；基于不同场景类别、不同湿度信息以及不同温度的对应关系，确定所述场景信息和所述湿度信息对应的目标温度，生成初始控制指令，所述初始控制指令用于将当前温度
调节至所述目标温度。
8.通过上述技术方案，在处理场景信息的过程中，将场景信息划分为家居场景和生产场景两个类别，并划分不同的湿度，对场景信息、湿度信息进行比对，得到目标温度，根据目标温度生成调温指令，作用于空调调节当前温度，以得到最适合当前场景下的目标温度，提高了用户的舒适度。
9.优选的，在所述采集环境下的人员信息中，包括：获取心率信息；判断所述心率信息是否大于预设值；若是，则判断心率处于异常情况，利用调节公式对心率信息进行处理得出温度变化曲线，生成第一温控指令，所述第一温控指令用于对所述目标温度进行调节，得到第一温度；判断异常情况是否恢复；若是，则将所述第一温度恢复到所述目标温度。
10.通过上述技术方案，实时采集人体心率信息，通过大数据来分析用户是否心率是否异常，若处于异常情况，则用缓和变温的方式调节温度，避免用户凭个人感觉不科学控制空调调温，以至温度过高或过低，通过实时智能控制，提高用户舒适度。
11.优选的，所述调节公式为：t＝acos(wt+θ)，其中，θ＝2πft；式中：t为温度值，a为比例系数，w为角频率，t为心率采集过程中对应的时间，θ为对应角度，f为心率对应频率。
12.通过上述技术方案，对心率进行转换，便于根据心率对温度进行调节。
13.优选的，在获取心率信息之后，还包括：获取人群密集度；判断所述人群密集度是否超过预设值，若人群密集度超过预设值，则生成通风指令，所述通风指令用于调节空调的通风度；通过上述技术方案，根据人场景面积和人群密集度，由大数据估算出相应的空气质量水平，智能化判断当前空气质量水平，并实时调节空调通风程度。
14.优选的，在对人员信息进行分析处理之后，还包括：将所述环境信息上传至云平台存储并发送给客户端。
15.通过上述技术方案，将采集到的环境信息存储在云平台上，可优化大数据算法，让算法逐渐贴合单独用户的实际使用情况。同时，将数据发送至客户端，若发生特殊情况，用户可通过用户端实施进行控制，提升了空调运转的智能化。
16.优选的，在所采判断所述场景信息的场景类别之后，还包括：若处在室内场景下，预设时间未检测到人员，则发送停止指令，所述停止指令用于控制所述空调停止运转；若处于生产场景下，则判断运转时间是否超过第二预设时间；若是，则向空调发送调整指令且将所述运转时间清零，所述调整指令用于调控各台制冷机组轮番运转。
17.通过上述技术方案，若边缘服务器检测到在室内场景且长时间处于无人的情况下，边缘服务器则发送控制指令，停止空调运转，减少不必要的耗能浪费。
18.若当生产场景下只有一部分生产设备进行生产工作时，可根据设备运行状态状况进行调整每台机组的运行，防止某一机组长时间运行，其他机组不运行，或两台机组同时运行，造成机组损耗以及耗能浪费。
19.第二方面，本技术实施例提供一种基于边缘计算的空调控制系统，采用如下技术方案：一种基于边缘计算的空调控制系统，包括：第一采集模块，用于采集环境信息和当前温度信息；计算生成模块，用于对所述环境信息进行大数据融合计算，生成初始调温指令，所述初始调温指令用于对当前温度进行调节，得到目标温度；第二采集模块，用于采集所述环境信息下的人员信息；分析发送模块，用于对所述人员信息进行分析处理，基于分析结果，发送控制指令，所述控制指令用于对所述目标温度进行调节。
20.通过上述技术方案，先采集环境信息和当前温度信息，对环境信息进行大数据融合计算，边缘服务器内预存有不同场景下对应不同湿度的适宜温度，将大数据融合结果找到边缘服务器内预存的适宜温度，并生成初始调温指令，发送至空调对当前温度进行调节，得到一个目标温度。然后通过分析环境信息下的人员信息，对目标温度进行一个实时控制调节。通过边缘服务器进行边缘计算，并根据不同场景、不同湿度以及人员信息进行调温，使温度更匹配更精准。
21.第三方面，本技术实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
22.第四方面，本技术实施例提供一种服务器，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
23.综上所述，本技术包括以下至少一种有益技术效果：1、该方案通过边缘服务器进行边缘计算，先通过环境信息确定一个目标温度对当前温度，然后对当前温度进行调节。根据环境内的人员信息，生成不同的调温指令对目标温度进行调节，实现了在不同情况下，对温度的智能实时控制。
24.2、边缘服务器检测到在室内场景且长时间无人的情况下，发送控制指令，停止空调运转。当生产场景下只有一部分生产设备进行生产工作时，可根据设备运行状态状况进行调整每台机组的运行，防止某一机组长时间运行，其他机组不运行，或两台机组同时运行，降低空调的能耗。
附图说明
25.图1是本技术一实施例中基于边缘计算的空调控制方法流程图。
26.图2是本技术另一实施例中基于边缘计算的空调控制方法的流程图。
27.图3是本技术实施例中步骤s30的流程图。
28.图4是本技术实施例中基于边缘计算的空调控制系统结构框图。
29.图5是本技术实施例提供的服务器的结构示意图。
具体实施方式
30.以下结合附图1-5对本技术做进一步详细说明。
31.本技术实施例公开一种基于边缘计算的空调控制方法，该方法基于边缘计算机的空调控制系统，该基于边缘算法的空调控制系统首先采集环境信息和当前温度信息；对环境信息进行大数据融合计算，生成初始调温指令，初始调温指令用于对当前温度进行调节，得到目标温度；采集环境信息下的人员信息；对人员信息进行分析处理，基于分析结果，发送控制指令，控制指令用于对所述目标温度进行调节。
32.本技术实施例公开一种基于边缘计算的空调控制方法，参照图1，该方法包括以下步骤：s10，采集环境信息和当前温度信息。
33.具体来说，环境信息包括场景信息和湿度信息，场景信息为当前的环境，湿度信息为当前环境的湿度值，场景信息可通过对摄像头采集到的图像信息进行识别得到，湿度信息是通过传感器实时采集到的。当前温度信息由传感器采集获得。温度信息采集和湿度采集可以使用温度传感器和湿度传感器分开采集，也可以使用温湿度传感器采集。温湿度传感器可以至于室内的某一角落，或者内置于空调之中。例如，温湿度传感器可采用485型温湿度传感器，采集的温湿度数据可通过以太网/wifi/gprs方式上传到边缘服务器。充分利用已架设好的通讯网络实现距离的数据采集和传输，实现温湿度数据的几种监控。
34.s20，对环境信息进行大数据融合计算，生成初始调温指令，初始调温指令用于对当前温度进行调节，得到目标温度。
35.具体来说，在边缘服务器里提前预存家居环境和生产环境不同湿度对应不同的调节温度，并生成一个二维调温表。将采集到的场景信息和湿度信息与调温表里的参数进行对比，生成调温指令，对当前温度进行调节，以得到目标温度。
36.s30，采集环境信息下的人员信息。
37.s40，对人员信息进行分析处理，基于分析结果，发送控制指令，控制指令用于对目标温度进行调节。
38.具体来说，边缘服务器也可将采集到的数据上传至服务器内进行云储存，边缘服务器进行大数据分析的过程中，根据人员信息的应用情况和决策需要选择合适的数据分析技术，以提高大数据分析结果的可用性、价值性、准确性和质量，这些应用情况和决策需要都以通过提前预存在边缘服务器里。再将人员信息进行数据可视化，将人员信息大数据分析和预测的结果以计算机图形或图像的形式显示，并上传至服务器进行云存储，实现一个可与用户交互的过程，最后进行大数据应用，将分析处理后挖掘的大数据结果转换成对应的指令。
39.具体来说，边缘服务器发送控制指令至空调内的边缘控制器，若要降低温度，边缘控制器通过控制指令作用于制冷系统内制冷剂的低压蒸汽被压缩机吸入并压缩为高压蒸汽后排至冷凝器，同时轴流风扇吸入的室外空气流经冷凝器，带走制冷剂放出的热量，使高压制冷剂使高压制冷剂蒸汽凝结为高压液体。高压液体经过过滤器、节流机构后喷入蒸发器，并在相应的低压下蒸发，吸取周围的热量。同时贯流风扇使空气不断进入蒸发器的肋片间进行热交换，并将放热后变冷的空气送向室内。如此室内空气不断循环流动，达到降低温度的目的。
40.若要升高温度，边缘控制器通过控制指令作用于制冷系统，将吸排气管位置对换，控制制冷系统在室外吸热向室内放热，实现制热。
41.若要进行除湿，边缘控制器通过控制指令作用于换热器作为蒸发器吸热，将室内空气吸入通过蒸发器时，空气中的水分被冷凝成水，然后汇入排水管引流到室外。
42.若要控制空气流通，边缘控制器通过控制指令作用于空调内排风机运转效率，以控制室内气流速度。
43.可选的，参照图2，在s20中，包括：s21，判断所场景信息的场景类别；具体来说，不同的场景，对温度有不同的要求，例如，家居场景的温度主要以人的体感舒适度为主，而生产场景的温度要符合生产设备的温度要求。
44.s22，基于不同场景类别、不同湿度信息以及不同温度的对应关系，确定场景信息和湿度信息对应的目标温度，生成初始控制指令，初始控制指令用于将当前温度调节至目标温度。
45.具体来说，将场景信息根据类型划分为家居场景和生产场景，再通过湿度信息进一步划分为不同情况的场景，例如，蘑菇生产要求在一个低温潮湿的环境下进行，而某些食品生产则需要在一个干燥的环境下进行。通过在边缘服务器里提前预存家居环境和生产环境不同湿度对应不同的调节温度，并生成一个二维调温表。将采集到的场景信息和湿度信息与调温表里的参数进行对比，生成调温指令，对需求不同的场景，进行对应的温度调节。
46.可选的，参考图3，在s30中包括以下子步骤：s311，获取心率信息。
47.具体来说，心率信息可由佩戴在人体的智能手表或是智能手环采集获得，并由智能手表或是智能手环将数据上传到边缘服务器。
48.s312，判断心率信息是否大于预设值。
49.s313，若是，则判断心率处于异常情况，利用调节公式对心率信息进行处理得出温度变化曲线，生成第一温控指令，第一温控指令用于对目标温度进行调节，得到第一温度。
50.具体来说，若用户从室外转移到室内，或是用户刚进行剧烈运动回到室内，且室内外温差较大，此时用户的心率就会发送一个较大的变化，若心率信息中的心率大于预设值，则判断心率处于异常情况。
51.这时可通过检测用户的心率信息，根据用户心率信息生成温度调节余弦曲线，缓慢控制温度上升或下降，当用户心率信息渐渐恢复正常后，再缓慢控制温度恢复到最适当前场景温度，避免用户短时间内经历温差较大的环境造成身体不适。
52.其中，调节公式为：t＝acos(wt+θ)，其中，θ＝2πft。
53.式中：t为温度值，a为比例系数，w为测心率过程中所通交流电对应角频率，t为心率采集过程中对应的时间，θ为对应角度，f为心率对应频率。
54.s314，判断异常情况是否恢复。
55.s315，若是，则将第一温度恢复到目标温度。
56.具体来说，根据频率下降相应的温度梯度，控制一定时间内下降一定温度，不同的心率对应不同的温度下降梯度，例如，目标温度为26摄氏度，目前的心率为180，该心率对应的温度梯度为4摄氏度，即，在5分钟内将室内26摄氏度降低到22摄氏度。当用户在室内休息
一段时间后，心率信息渐渐恢复正常后，再缓慢控制温度恢复到最适当前场景温度，避免用户短时间内经历温差较大的环境造成身体不适。
57.s321，获取人群密集度。
58.s322，判断人群密集度是否超过预设值，若人群密集度超过预设值，则生成通风指令，通风指令用于控制空调的通风度。
59.具体来说，由摄像头实时采集人员数量，在一定场景面积下，若人员数量多，人员密集度大，会使室内空气质量变差，易造成疾病传播，影响用户健康，通过摄像头监控，实时采集人员密集度信息，再对人员密集度进行大数据处理，若人员密集度较大，则控制空调加大通风力度，营造一个舒适友好的环境。
60.可选的，在s40之后，还包括：s50，将环境信息上传至云平台存储并发送给客户端。
61.具体来说，对环境信息进行大数据处理后，会生成可视化的图像发送至用户客户端。当有异常情况发生时，比如，工业生产发生火灾，导致温度骤升至异常温度，且现场又无人的情况下，服务器则会发送报警信号至用户端，提醒用户处理紧急情况。同时，用户也可根据不同特殊情况，对空调环境进行手动调节。
62.可选的，在s10之后，还包括：s110，若处在室内场景下，预设时间未检测到人员。
63.s120，发送停止指令，停止指令用于控制空调停止运转。
64.具体来说，若在室内场景下，用户离开后，忘记关闭空调，摄像头长时间未检测到人员存在于该场景内，则自动将空调关闭，避免造成能源的浪费。
65.s130，若处于生产场景下，则判断运转时间是否超过第二预设时间。
66.s140，若是，则向空调发送调整指令且将运转时间清零，调整指令用于调控各台制冷机组轮番运转。
67.具体来说，在工业生产等大型场景下，需要多台空调机组采用串联或并联运行，此时，根据空调机组的运转时间，来调整每台机组运行时间。防止某一机组长时间运行，其他机组不运行，或是两台机组同时运行，由于直接不匹配造成的能耗、浪费，同时也防止空调机组过度运行造成损耗。
68.本技术实施例还公开一种基于边缘计算的空调控制系统，参照图4，该系统包括以下模块：第一采集模块，用于采集环境信息和当前温度信息。
69.计算生成模块，用于对所述环境信息进行大数据融合计算，生成初始调温指令，初始调温指令用于对当前温度进行调节，得到目标温度。
70.第二采集模块，用于采集环境信息下的人员信息。
71.分析发送模块，用于对人员信息进行分析处理，基于分析结果，发送控制指令，控制指令用于对目标温度进行调节。
72.本技术实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1-图3所示实施例的所述基于边缘计算的空调控制方法，具体执行过程可以参见图1-图3所示实施例的具体说明，在此不进行赘述。
73.参照图5，为本技术实施例提供了一种服务器的结构示意图。如图5所示，所述服务器1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
74.其中，通信总线1002用于实现这些组件之间的连接通信。
75.其中，用户接口1003可以包括显示屏(display)、摄像头(camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
76.其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。
77.其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个服务器1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行服务器1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
78.其中，存储器1005可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图5所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于边缘计算的空调控制应用程序。
79.在图5所示的服务器1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的基于边缘计算的空调控制应用程序，并具体执行以下操作：采集环境信息和当前温度信息；对环境信息进行大数据融合计算，生成初始调温指令，初始调温指令用于对当前温度进行调节，得到目标温度；采集所述环境信息下的人员信息；对所述人员信息进行分析处理，基于分析结果，发送控制指令，控制指令用于对目标温度进行调节。
80.在一个实施例中，处理器1001在对环境信息进行大数据融合计算，生成初始调温指令，初始调温指令用于对当前温度进行调节，得到目标温度中，还执行以下操作：判断场景信息的场景类别；
基于不同场景类别、不同湿度信息以及不同温度的对应关系，确定场景信息和所述湿度信息对应的目标温度，生成初始控制指令，初始调温指令用于将当前温度调节至所述目标温度。
81.在一个实施例中，处理器1001在采集人员信息中，还执行以下操作：获取心率信息；判断心率信息是否大于预设值；若是，则判断心率处于异常情况，利用调节公式对心率信息进行处理得出温度变化曲线，生成第一温控指令，第一温控指令用于对目标温度进行调节，得到第一温度；判断异常情况是否恢复；若是，则将第一温度恢复到目标温度。
82.调节公式为：t＝acos(wt+θ)，其中，θ＝2πft；式中：t为温度值，a为比例系数，w为角频率，t为心率采集过程中对应的时间，θ为对应角度，f为心率对应频率。
83.在一个实施例中，处理器1001在获取心率信息后，还执行以下操作：获取人群密集度；判断人群密集度是否超过预设值，若人群密集度超过预设值，则生成通风指令，通风指令用于调节空调的通风度。
84.在一个实施例中，处理器1001在对人员信息进行分析处理之后，还执行以下操作：将环境信息上传至云平台存储并发送给客户端。
85.在一个实施例中，处理器1001在判断场景信息的场景类别之后，还执行以下操作：若处在室内场景下，预设时间未检测到人员，则发送停止指令，停止指令用于控制所述空调停止运转。
86.若处于生产场景下，则判断运转时间是否超过第二预设时间；若是，则向空调发送调整指令且将运转时间清零，调整指令用于调控各台制冷机组轮番运转。
87.以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。