本公开涉及人工智能,具体涉及图像识别、深度学习、计算机视觉等,尤其涉及一种控制方法及控制模型的训练方法、装置、设备和存储介质。
背景技术:
1、在大型建筑体的整体能耗中,制冷系统的能耗占比很大,并且可控设备大多存在于制冷系统中,因此,制冷系统的优化控制是建筑体节能减排的关键。
技术实现思路
1、本公开提供了一种控制方法及控制模型的训练方法、装置、设备和存储介质。
2、根据本公开的一方面,提供了一种控制方法,包括:基于目标对象的当前感知信息,确定所述目标对象的目标状态量;基于所述目标状态量,确定所述目标对象的目标控制量;基于所述目标控制量,控制所述目标对象。
3、根据本公开的另一方面,提供了一种控制模型的训练方法,包括:获取目标对象的历史数据,所述历史数据包括:历史感知信息和历史状态量;基于历史能耗值,在所述历史数据中获取训练数据;基于所述训练数据,训练所述目标对象对应的控制模型;其中,所述控制模型用于根据所述目标对象的当前感知信息确定所述目标对象的目标状态量,所述目标状态量用于确定目标控制量,所述目标控制量用于控制所述目标对象。
4、根据本公开的另一方面,提供了一种控制装置,包括:第一确定模块,用于基于目标对象的当前感知信息,确定所述目标对象的目标状态量;第二确定模块,用于基于所述目标状态量,确定所述目标对象的目标控制量;控制模块,用于基于所述目标控制量,控制所述目标对象。
5、根据本公开的另一方面,提供了一种控制模型的训练装置,包括:第一获取模块,用于获取目标对象的历史数据,所述历史数据包括:历史感知信息和历史状态量;第二获取模块,用于基于历史能耗值,在所述历史数据中获取训练数据;训练模块,用于基于所述训练数据,训练所述目标对象对应的控制模型;其中,所述控制模型用于根据所述目标对象的当前感知信息确定所述目标对象的目标状态量,所述目标状态量用于确定目标控制量,所述目标控制量用于控制所述目标对象。
6、根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
7、根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
8、根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
9、根据本公开的技术方案,可以提高控制效果。
10、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
1.一种控制方法,包括:
2.根据权利要求1所述的方法,其中,所述基于目标对象的当前感知信息,确定所述目标对象的目标状态量,包括:
3.根据权利要求2所述的方法,其中,所述机器学习模型是基于训练数据训练的,且所述训练数据是基于历史能耗值,在所述目标对象的历史数据中获取的,所述历史数据包括:历史感知信息和历史状态量。
4.根据权利要求2所述的方法,其中,所述目标状态量的数量是第一数量,所述目标控制量的数量是第二数量,且所述第一数量小于所述第二数量。
5.根据权利要求1-4任一项所述的方法,其中,所述基于所述目标状态量,确定所述目标对象的目标控制量,包括:
6.一种控制模型的训练方法,包括:
7.根据权利要求6所述的方法,其中,所述历史数据为多组,所述基于历史能耗值,在所述历史数据中获取训练数据,包括:
8.一种控制装置,包括:
9.根据权利要求8所述的装置,其中,所述第一确定模块进一步用于:
10.根据权利要求9所述的装置,其中,所述机器学习模型是基于训练数据训练的,且所述训练数据是基于历史能耗值,在所述目标对象的历史数据中获取的,所述历史数据包括:历史感知信息和历史状态量。
11.根据权利要求9所述的装置,其中,所述目标状态量的数量是第一数量,所述目标控制量的数量是第二数量,且所述第一数量小于所述第二数量。
12.根据权利要求8-11任一项所述的装置,其中,所述第二确定模块进一步用于:
13.一种控制模型的训练装置,包括:
14.根据权利要求13所述的装置,其中,所述历史数据为多组,所述第二获取模块进一步用于:
15.一种电子设备,包括:
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。