CN109882995B - 一种设备及其节能控制的方法 - Google Patents

Abstract

本发明公开了一种设备及其节能控制的方法，涉及设备节能技术领域，用以解决现有技术中用节能控制策略控制智能设备的节能操作，不易精准化把控，且对能够达到节能效果的设备操作控制不够精确的问题，本发明方法包括：获取所述设备的当前运行状态，根据所述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定所述当前运行状态对应的一组最优运行参数，在所述当前运行状态下，利用所述最优运行参数控制所述设备运行。

Description

一种设备及其节能控制的方法

技术领域

本发明涉及设备节能技术领域，特别涉及一种设备及其节能控制的方法。

背景技术

随着现代化水平的不断推进，空调已经成为家庭必备电器，但空调也是普通家庭使用耗能最大的家用电器，但由于空调外风机部件运行能耗较高，导致的空调耗能较大成为消费者比较头疼的问题。当然，各大空调厂商也在花大量的时间和资源来突破空调节能技术，从空调部件到空调控制方法进行优化，取得了不错的效果，但目前空调的控制方法还是不够精准，节能控制策略的规律不好把握，存在很大的进步空间。

综上所述，现有的节能控制策略不易精准化把控，对一些能够达到节能效果的空调操作控制不够精确。

发明内容

本发明提供一种节能控制的方法及设备，用以解决现有技术中用节能控制策略控制智能设备的节能操作，不易精准化把控，且对能够达到节能效果的设备操作控制不够精确的问题。

第一方面，本发明提供一种节能控制方法，该方法包括：

获取所述设备的当前运行状态；

根据所述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定所述当前运行状态对应的一组最优运行参数；

在所述当前运行状态下，利用所述最优运行参数控制所述设备运行。

上述方法中，利用粒子群算法计算出所述设备当前运行状态的最优运行参数，比较精准，能精确的确定所述设备最佳的节能运行参数。

在一种可能的实现方式中，所述设备的预设运行状态和运行参数的映射关系中，一个运行状态对应多组运行参数。

在一种可能的实现方式中，将所述设备的当前运行状态对应的多组运行参数作为参数群体，将每组运行参数作为所述参数群体中的个体；

根据所述参数群体，确定所述设备当前运行状态下对应的一组最优运行参数。

在一种可能的实现方式中，通过预设适应度函数，确定所述参数群体中每个个体的适应度；

确定所述参数群体中适应度最好的个体为局部最优个体；

根据确定的局部最优个体，确定所述设备当前运行状态对应的一组最优运行参数。

在一种可能的实现方式中，计算所述参数群体的每个个体对应的设备运行功耗和运行效益；

通过预设适应度函数，根据每个个体的设备运行功耗和运行效益计算每个个体的适应度。

在一种可能的实现方式中，当局部最优个体的适应度满足预设适应度界限且种群迭代满足预设迭代次数时，确定当前的局部最优个体对应的一组运行参数为所述运行状态对应的一组最优运行参数；

当局部最优个体的适应度不满足预设适应度界限或种群迭代不满足预设迭代次数时，将当前的参数群体进行种群迭代，并根据迭代后的参数群体，确定所述设备当前运行状态下对应的一组最优运行参数；所述种群迭代为将当前参数群体的所有个体向所述局部最优个体偏移。

在一种可能的实现方式中，局部最优个体的适应度满足预设适应度界限，包括：

当前更新的局部最优个体对应的适应度，与最近一次更新的局部最优个体对应的适应度的差值小于预设适应度阈值。

上述方法中，通过利用生物进化的粒子群算法对设备进行择优调控，实现了设备的低能耗运行，提高了设备控制的精准性、舒适性和节能性。

在一种可能的实现方式中，所述设备为空调时，所述设备的运行状态为制冷状态、制热状态、恒温状态，所述运行参数为空调的外风机转速。

上述方法中，通过粒子群算法对空调的外风机转速进行择优调控，实现了空调外风机部件的低能耗运行，提高了空调控制的精准性、舒适性和节能性。

第二方面，本发明提供一种节能控制的设备，该设备包括：处理器以及存储器：

所述处理器：用于获取所述设备的当前运行状态；

根据所述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定所述当前运行状态对应的一组最优运行参数；

在所述当前运行状态下，利用所述最优运行参数控制所述设备运行。

第三方面，本申请还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理单元执行时实现第一方面所述方法的步骤。

另外，第二方面和第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

有益效果：

本发明通过利用生物进化的粒子群算法对外风机转速进行择优调控，实现了空调外风机部件的低能耗运行，提高了空调控制的精准性、舒适性和节能性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种设备节能控制的方法示意图；

图2为本发明实施例一提供的一种设备节能控制的具体方法流程图；

图3为本发明实施例二提供的一种节能控制的设备示意图；

图4为本发明实施例二提供的一种节能控制的装置示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。

下面对文中出现的一些词语进行解释：

本发明实施例中术语“设备”为同一状态下有不同组的运行参数，不同运行参数会影响运行功耗的设备，如空调、冰箱等，也可以为任一上述设备的某一部件，如外风机、压缩机等。

本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

随着现代化水平的不断推进，空调、冰箱等已经成为家庭必备电器，但空调也是普通家庭使用耗能最大的家用电器，空调耗能较大成为消费者比较头疼的问题。当然，各大空调厂商也在花大量的时间和资源来突破空调节能技术，从空调部件到空调控制方法进行优化，取得了不错的效果，但目前空调的控制方法还是不够精准，节能控制策略的规律不好把握，存在很大的进步空间。

因此本发明实施例提供一种设备及其节能控制的方法，用以解决上述场景中出现的问题。

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。

针对上述场景，下面结合说明书附图对本发明实施例做进一步详细描述。

实施例一：

如图1所示，本实施例提供一种设备节能控制的方法，具体包括以下步骤：

步骤101，获取设备的当前运行状态；

本实施例中，当上述设备为空调时，上述设备的运行状态可以但不局限于为制冷状态、制热状态、恒温状态的等状态，当上述设备为冰箱时，上述设备的运行状态可以但不局限于为冷藏状态、保鲜状态等。步骤102，根据上述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定上述当前运行状态对应的一组最优运行参数；

上述粒子群算法，也称粒子群优化算法或鸟群觅食算法PSO(Particle SwarmOptimization)，是一种生物进化算法EA(Evolutionary Algorithm)，它也是从随机解出发，通过迭代寻找最优解。

预设运行状态和运行参数作为粒子群算法的输入参数，利用粒子群算法通过迭代寻找最优解，得到当前状态下对应的最优运行参数。

步骤103，在上述当前运行状态下，利用上述最优运行参数控制上述设备运行。

上述方法中，利用粒子群算法计算出上述设备当前运行状态的最优运行参数，比较精准，能精确的确定上述设备最佳的节能运行参数。

在上述步骤102一种可能的实现方式中，上述设备的预设运行状态和运行参数的映射关系中，一个运行状态对应多组运行参数，上述设备的预设运行状态和运行参数的映射关系可由本领域的技术人员提前设置，可以但不局限于如下表1所示：

表1：

运行状态A1	B1组运行参数	B2组运行参数	B3组运行参数	…
					运行状态A2	C1组运行参数	C2组运行参数	C3组运行参数	…
运行状态A3	D1组运行参数	D2组运行参数	D3组运行参数	…
					…	…	…	…	…

其中，上述表1中，设备的不同运行状态对应的运行参数可以相同或不同，对此不做过多限制，本领域的技术人员可根据设备的实际工作情况设置。

在本实施例中，上述设备为空调，上述设备的运行状态可以但不局限于为制冷状态、制热状态、恒温状态；上述运行参数可以但不局限于为空调的外风机转速参数；上述空调的预设运行状态和运行参数的映射关系可以但不局限于如下表2所示：

表2：

制冷状态	外风机转速参数B1	外风机转速参数B2	外风机转速参数B3	…
					制热状态	外风机转速参数C1	外风机转速参数C2	外风机转速参数C3
恒温状态	外风机转速参数D1	外风机转速参数D2	外风机转速参数D3

在上述步骤102一种可能的实现方式中，将上述设备的当前运行状态对应的多组运行参数作为参数群体，将每组运行参数作为上述参数群体中的个体；

根据上述参数群体，确定上述设备当前运行状态下对应的一组最优运行参数。

在本实施例中，将空调的当前运行状态对应的所有外风机转速组成的群体作为参数群体，将每个外风机转速作为上述参数群体中的一个个体；

上述粒子群算法，也称粒子群优化算法或鸟群觅食算法PSO(Particle SwarmOptimization)，是一种生物进化算法EA(Evolutionary Algorithm)，它也是从随机解出发，通过迭代寻找最优解，且通过适应度来评价解的品质，通过追随当前搜索到的最优值来寻找全局最优。

在上述步骤102一种可能的实现方式中，通过预设适应度函数，确定上述参数群体中每个个体的适应度，并上述参数群体中适应度最好的个体为局部最优个体，根据确定的局部最优个体，确定上述设备当前运行状态对应的一组最优运行参数。

可以但不局限于通过如下方式确定上述参数群体中每个个体的适应度：

计算上述参数群体的每个个体对应的设备运行功耗和运行效益；

通过预设适应度函数，根据每个个体的设备运行功耗和运行效益计算每个个体的适应度。

对上述预设适应度函数不做过多限制，本领域的技术人员可根据实际需求设定，如本实施例中，上述设备为空调，上述运行参数为外风机转速时，可以参考空调在当前运行状态下，用不同的外风机转速运行时对应的功耗和空调运行营造的环境温度计算上述参数群体的每个个体的适应度。

应当理解的是，在本实施例中，上述设备为空调，上述运行参数为外风机转速时，用不同的外风机转速运行空调时，外风机功耗和空调运行营造的环境温度的综合指标最优的外风机转速对应的个体为上述局部最优个体。

在上述步骤102一种可能的实现方式中，当局部最优个体的适应度满足预设适应度界限或种群迭代满足预设迭代次数时，确定当前的局部最优个体对应的一组运行参数为上述当前运行状态对应的一组最优运行参数；

当局部最优个体的适应度不满足预设适应度界限或种群迭代不满足预设种群迭代次数时，将当前的参数群体进行种群迭代，并根据迭代后的参数群体，确定上述设备当前运行状态下对应的一组最优运行参数；上述种群迭代为将当前参数群体的所有个体向上述局部最优个体偏移。

对上述预设适应度界限不做过多限定，本领域的技术人员可根据实际需求设置，在一种可能的实现方式中，当前更新的局部最优个体对应的适应度，与最近一次更新的局部最优个体对应的适应度的差值小于预设适应度阈值时，确定局部最优个体的适应度满足预设适应度界限；

在本实施例中，上述预设适应度界限为0.5，即当前更新的局部最优个体对应的适应度，与最近一次更新的局部最优个体对应的适应度的差值小0.5时，确定局部最优个体的适应度满足预设适应度界限。

应当理解的是在初次判断当局部最优个体的适应度是否满足预设适应度界限时，将最近一次更新的局部最优个体对应的适应度默认为0。

对上述预设种群迭代次数的预设值不做过多限定，本领域的技术人员可根据设备运行带来的效果和功耗设置，如在本实施例中，上述设备为空调时，考虑空调运行带来的环境舒适度和外风机的功耗设置上述预设种群迭代次数；

上述方法中，通过利用生物进化的粒子群算法对设备进行择优调控，实现了设备的低能耗运行，提高了设备控制的精准性、舒适性和节能性。

在一种可能的实现方式中，上述设备为空调时，上述设备的运行状态为制冷状态、制热状态、恒温状态，上述运行参数为空调的外风机转速。

上述方法中，通过粒子群算法对空调的外风机转速进行择优调控，实现了空调外风机部件的低能耗运行，提高了空调控制的精准性、舒适性和节能性。

如图2所示，以下给出一个一种设备节能控制的具体方法，具体步骤如下：

步骤1)获取设备的当前运行状态；

步骤2)根据设备的预设运行状态和运行参数的映射关系，确定当前运行状态对应的参数群体；

步骤3)计算当前的参数群体的每个个体的适应度；

步骤4)根据所有个体的适应度，确定当前的参数群体的局部最优个体；

步骤5)判断局部最优个体的适应度满足预设适应度界限或种群迭代满足预设迭代次数是否成立，若不成立进入步骤6)，否则进入步骤7)；

步骤6)根据当前的局部最优个体将当前的参数群体进行种群迭代得到新的参数群体，并进入步骤3)；

将当前的参数群体中所有个体向上述局部最优个体偏移得到新的参数群体。

步骤7)将当前的局部最优个体对应的一组运行参数，确定为上述当前运行状态对应的一组最优运行参数；

步骤8)利用确定的最优运行参数控制上述设备运行。

需要进行说明的是，本发明实施例中所列举的一种空调节能控制的方法的方式只是举例说明，任何一种可以用上述方法进行设备节能控制的方式都适用于本发明实施例。

实施例二：

如图3所示，基于相同的发明构思，本实施例提供一种节能控制的设备，该设备包括处理器301和存储器302，其中，上述处理器用于：

获取上述设备的当前运行状态；

根据上述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定上述当前运行状态对应的一组最优运行参数；

在上述当前运行状态下，利用上述最优运行参数控制上述设备运行。

上述设备的预设运行状态和运行参数的映射关系中，一个运行状态对应多组运行参数。

上述处理器具体用于，将上述设备的当前运行状态对应的多组运行参数作为参数群体，将每组运行参数作为上述参数群体中的个体；

根据上述参数群体，确定上述设备当前运行状态下对应的一组最优运行参数。

上述处理器具体用于，通过预设适应度函数，确定上述参数群体中每个个体的适应度；

确定上述参数群体中适应度最好的个体为局部最优个体；

根据确定的局部最优个体，确定上述设备当前运行状态对应的一组最优运行参数。

上述处理器具体用于，计算上述参数群体的每个个体对应的设备运行功耗和运行效益；

通过预设适应度函数，根据每个个体的设备运行功耗和运行效益计算每个个体的适应度。

上述处理器具体用于，当局部最优个体的适应度满足预设适应度界限或种群迭代满足预设迭代次数时，确定当前的局部最优个体对应的一组运行参数为上述当前运行状态对应的一组最优运行参数；

当局部最优个体的适应度不满足预设适应度界限且种群迭代不满足预设种群迭代次数时，将当前的参数群体进行种群迭代，并根据迭代后的参数群体，确定上述设备当前运行状态下对应的一组最优运行参数；上述种群迭代为将当前参数群体的所有个体向上述局部最优个体偏移。

当前更新的局部最优个体对应的适应度，与最近一次更新的局部最优个体对应的适应度的差值小于预设适应度阈值时，确定局部最优个体的适应度满足预设适应度界限。

上述设备为空调时，上述局部最优个体对应的设备运行功耗满足预设功耗界限述设备的运行状态为制冷状态、制热状态、恒温状态，上述运行参数为空调的外风机转速。

如图4所示，基于相同的发明构思，本实施例提供一种节能控制的装置，该装置包括：

运行状态获取单元401，用于获取上述设备的当前运行状态；

最优运行参数确定单元402，用于根据上述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定上述当前运行状态对应的一组最优运行参数；

控制设备运行单元403，用于在上述当前运行状态下，利用上述最优运行参数控制上述设备运行。

上述设备的预设运行状态和运行参数的映射关系中，一个运行状态对应多组运行参数。

上述最优运行参数确定单元，用于将上述设备的当前运行状态对应的多组运行参数作为参数群体，将每组运行参数作为上述参数群体中的个体；

根据上述参数群体，确定上述设备当前运行状态下对应的一组最优运行参数。

上述最优运行参数确定单元用于，通过预设适应度函数，确定上述参数群体中每个个体的适应度；

确定上述参数群体中适应度最好的个体为局部最优个体；

根据确定的局部最优个体，确定上述设备当前运行状态对应的一组最优运行参数。

上述最优运行参数确定单元用于，计算上述参数群体的每个个体对应的设备运行功耗和运行效益；

通过预设适应度函数，根据每个个体的设备运行功耗和运行效益计算每个个体的适应度。

上述最优运行参数确定单元用于，当局部最优个体的适应度满足预设适应度界限或种群迭代满足预设迭代次数时，确定当前的局部最优个体对应的一组运行参数为上述当前运行状态对应的一组最优运行参数；

当局部最优个体的适应度不满足预设适应度界限且种群迭代不满足预设种群迭代次数时，将当前的参数群体进行种群迭代，并根据迭代后的参数群体，确定上述设备当前运行状态下对应的一组最优运行参数；上述种群迭代为将当前参数群体的所有个体向上述局部最优个体偏移。

当前更新的局部最优个体对应的适应度，与最近一次更新的局部最优个体对应的适应度的差值小于预设适应度阈值时，确定局部最优个体的适应度满足预设适应度界限。

上述设备为空调时，上述局部最优个体对应的设备运行功耗满足预设功耗界限述设备的运行状态为制冷状态、制热状态、恒温状态，上述运行参数为空调的外风机转速。

实施例三：

本发明实施例还提供一种计算机可读非易失性存储介质，包括程序代码，当上述程序代码在计算终端上运行时，上述程序代码用于使上述计算终端执行上述本发明实施例一的方法的步骤。

以上参照示出根据本申请实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本申请。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。

相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地，本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行系统来使用或结合指令执行系统而使用。在本申请上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行系统、装置或设备使用，或结合指令执行系统、装置或设备使用。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种设备节能控制的方法，其特征在于，该方法包括：

获取所述设备的当前运行状态；

根据所述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定所述当前运行状态对应的一组最优运行参数；所述设备的预设运行状态和运行参数的映射关系中，一个运行状态对应多组运行参数；

在所述当前运行状态下，利用所述最优运行参数控制所述设备运行。

2.如权利要求1所述的方法，其特征在于，利用粒子群算法确定所述当前运行状态对应的一组最优运行参数，包括：

将所述设备的当前运行状态对应的多组运行参数作为参数群体，将每组运行参数作为所述参数群体中的个体；

根据所述参数群体，确定所述设备当前运行状态下对应的一组最优运行参数。

3.如权利要求2所述的方法，其特征在于，根据所述参数群体，确定所述设备当前运行状态下对应的一组最优运行参数，包括：

通过预设适应度函数，确定所述参数群体中每个个体的适应度；

确定所述参数群体中适应度最好的个体为局部最优个体；

根据确定的局部最优个体，确定所述设备当前运行状态对应的一组最优运行参数。

4.如权利要求3所述的方法，其特征在于，通过预设适应度函数，确定所述参数群体中每个个体的适应度，包括：

计算所述参数群体的每个个体对应的设备运行功耗和运行效益；

通过预设适应度函数，根据每个个体的设备运行功耗和运行效益计算每个个体的适应度。

5.如权利要求3所述的方法，其特征在于，根据确定的局部最优个体，确定所述设备当前运行状态对应的一组最优运行参数，包括：

当局部最优个体的适应度满足预设适应度界限或种群迭代满足预设迭代次数时，确定当前的局部最优个体对应的一组运行参数为所述当前运行状态对应的一组最优运行参数；

当局部最优个体的适应度不满足预设适应度界限且种群迭代不满足预设种群迭代次数时，将当前的参数群体进行种群迭代，并根据迭代后的参数群体，确定所述设备当前运行状态下对应的一组最优运行参数；所述种群迭代为将当前参数群体的所有个体向所述局部最优个体偏移。

6.如权利要求5所述的方法，其特征在于，局部最优个体的适应度满足预设适应度界限，包括：

当前更新的局部最优个体对应的适应度，与最近一次更新的局部最优个体对应的适应度的差值小于预设适应度阈值。

7.如权利要求1所述的方法，其特征在于，所述设备为空调时，所述设备的运行状态为制冷状态、制热状态、恒温状态，所述运行参数为空调的外风机转速。

8.一种节能控制的设备，其特征在于，该设备包括处理器和存储器，其中，所述处理器用于：

获取所述设备的当前运行状态；

根据所述设备的预设运行状态和运行参数的映射关系，利用粒子群算法确定所述当前运行状态对应的一组最优运行参数；所述设备的预设运行状态和运行参数的映射关系中，一个运行状态对应多组运行参数；

在所述当前运行状态下，利用所述最优运行参数控制所述设备运行。

9.一种计算机可存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～7任一所述方法的步骤。

Images