空調(diào)的開關(guān)狀態(tài)的識別方法及系統(tǒng)及估算方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能家居技術(shù)領(lǐng)域，尤其涉及一種空調(diào)的開關(guān)狀態(tài)的識別方法及系統(tǒng) 及估算方法及系統(tǒng)。
【背景技術(shù)】
[0002] 傳統(tǒng)的收集建筑內(nèi)空調(diào)運(yùn)行及溫濕度信息的方法主要是通過記錄用戶日常行為 和大范圍的問卷調(diào)查統(tǒng)計(jì)來進(jìn)行溫濕度測量。長期不斷的記錄空調(diào)運(yùn)行狀態(tài)的行為會讓受 試用戶感覺枯燥乏味，且會增加其工作負(fù)擔(dān)。大范圍的實(shí)地問卷調(diào)查一方面無法經(jīng)常性進(jìn) 行，另一方面難以將空調(diào)運(yùn)行的統(tǒng)計(jì)信息與實(shí)時(shí)的環(huán)境數(shù)據(jù)聯(lián)系起來。
[0003] 近年來，隨著傳感、通信、計(jì)算等技術(shù)的發(fā)展及智能家居等概念的流行，用于室內(nèi) 環(huán)境監(jiān)測和空調(diào)開關(guān)狀態(tài)控制的建筑無線監(jiān)測網(wǎng)絡(luò)逐漸興起。國內(nèi)外已有大量的研宄人員 在嘗試通過室內(nèi)外環(huán)境參數(shù)的長時(shí)間監(jiān)測結(jié)果來分析與總結(jié)室內(nèi)人員狀態(tài)與室內(nèi)環(huán)境變 化之間的規(guī)律，如Raatikainen等人通過室內(nèi)外溫濕度、壓差、C02濃度變化等特征推斷室 內(nèi)是否有人、空調(diào)是否開啟。Dong等和Page等根據(jù)室內(nèi)C02的變化特征、小區(qū)域內(nèi)的代謝 產(chǎn)熱率與污染物濃度。推斷人員的出勤率以及人員的活動(dòng)區(qū)域分布。Yun等和Page等根據(jù) 溫度等變化推測人員的開窗活動(dòng)等。但是，這些研宄均屬于控制環(huán)境下的實(shí)驗(yàn)研宄，監(jiān)測的 數(shù)據(jù)量少，沒有形成能夠用于真實(shí)環(huán)境中長期數(shù)據(jù)監(jiān)測與行為信息收集的體系。真實(shí)環(huán)境 中用戶的自主性與開、關(guān)空調(diào)行為的隨機(jī)性，給室內(nèi)溫濕度數(shù)據(jù)與空調(diào)開關(guān)行為信息的長 期、大范圍收集帶來了挑戰(zhàn)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā)明第 一方面目的在于提出一種具有智能、高效的空調(diào)的開關(guān)狀態(tài)的識別方法。
[0005] 本發(fā)明第二方面目的在于提出一種空調(diào)的開關(guān)狀態(tài)的識別系統(tǒng)。
[0006] 本發(fā)明第三方面目的在于提出一種空調(diào)的開關(guān)狀態(tài)的識別方法。
[0007] 本發(fā)明第四方面目的在于提出一種空調(diào)的開關(guān)狀態(tài)的識別系統(tǒng)。
[0008] 本發(fā)明第五方面目的在于提出一種空調(diào)的開關(guān)狀態(tài)的估算方法。
[0009] 本發(fā)明第六方面目的在于提出一種空調(diào)的開關(guān)狀態(tài)的估算系統(tǒng)。
[0010] 為了實(shí)現(xiàn)上述目的，本發(fā)明第一方面實(shí)施例的空調(diào)的開關(guān)狀態(tài)識別方法，包括以 下步驟：S11，采集樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括溫濕度數(shù)據(jù)及與該溫濕度數(shù)據(jù)對應(yīng)時(shí)刻的 空調(diào)的開關(guān)狀態(tài)；S12,對所述樣本數(shù)據(jù)進(jìn)行預(yù)處理濾除異常樣本，以獲取預(yù)處理后的樣本， 并將所述預(yù)處理后的樣本劃分為訓(xùn)練集和測試集；S13,對所述訓(xùn)練集進(jìn)行特征項(xiàng)選擇以獲 取特征項(xiàng)；S14,對所述特征項(xiàng)進(jìn)行處理，以獲取所述空調(diào)的開關(guān)狀態(tài)的識別規(guī)則，所述識別 規(guī)則包括溫濕度區(qū)間及對應(yīng)的所述空調(diào)的開關(guān)狀態(tài)；S15,利用所述測試集對所述識別規(guī) 則進(jìn)行測試，并獲取測試結(jié)果；以及S16,判斷所述測試結(jié)果是否大于預(yù)設(shè)閾值，若是，則將 所述識別規(guī)則作為所述空調(diào)的開關(guān)狀態(tài)的識別結(jié)果，輸出所述識別結(jié)果，若否，則重復(fù)執(zhí)行 S13~S16直至所述樣本數(shù)據(jù)測試結(jié)束。
[0011] 根據(jù)本發(fā)明實(shí)施例的空調(diào)的開關(guān)狀態(tài)的識別方法，通過大范圍的實(shí)時(shí)測量室內(nèi)溫 濕度數(shù)據(jù)和收集開關(guān)空調(diào)等的行為信息采集樣本數(shù)據(jù)，克服長期行為記錄的不便、大范圍 數(shù)據(jù)收集的高費(fèi)用等挑戰(zhàn)。此外通過對樣本數(shù)據(jù)進(jìn)行預(yù)處理獲取訓(xùn)練集和測試集，并對訓(xùn) 練集進(jìn)行特征項(xiàng)選擇，訓(xùn)練出溫濕度數(shù)據(jù)與空調(diào)的開關(guān)狀態(tài)的識別規(guī)則，同時(shí)利用測試集 對識別規(guī)則進(jìn)行測試，以獲取高正確率的識別結(jié)果。
[0012] 在一些示例中，所述步驟S12采用樣本間距的方式濾除異常樣本。
[0013] 在一些示例中，所述步驟S13根據(jù)所述溫濕度數(shù)據(jù)與所述空調(diào)的開關(guān)狀態(tài)的相對 信息增益量獲取所述特征項(xiàng)。
[0014] 在一些示例中，所述步驟S14利用貝葉斯網(wǎng)絡(luò)或人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)獲取所述識別 規(guī)則。
[0015] 本發(fā)明第二方面實(shí)施例的空調(diào)的開關(guān)狀態(tài)識別系統(tǒng)，包括：采集模塊，用于采集樣 本數(shù)據(jù)，所述樣本數(shù)據(jù)包括溫濕度數(shù)據(jù)及與該溫濕度數(shù)據(jù)對應(yīng)時(shí)刻的空調(diào)的開關(guān)狀態(tài)；預(yù) 處理模塊，用于對所述樣本數(shù)據(jù)進(jìn)行預(yù)處理濾除異常樣本，以獲取預(yù)處理后的樣本，并將所 述預(yù)處理后的樣本劃分為訓(xùn)練集和測試集；特征選取模塊，用于對所述訓(xùn)練集進(jìn)行特征項(xiàng) 選擇以獲取特征項(xiàng)；識別模塊，用于對所述特征項(xiàng)進(jìn)行處理，以獲取所述空調(diào)開關(guān)狀態(tài)的識 別規(guī)則，所述識別規(guī)則包括溫濕度區(qū)間及對應(yīng)的所述空調(diào)的開關(guān)狀態(tài)；以及判斷模塊，用于 利用所述測試集對所述識別規(guī)則進(jìn)行測試，并獲取測試結(jié)果，判斷所述測試結(jié)果是否大于 預(yù)設(shè)閾值，若是，則將所述識別規(guī)則作為所述空調(diào)的開關(guān)狀態(tài)的識別結(jié)果，輸出所述識別結(jié) 果。
[0016] 根據(jù)本發(fā)明實(shí)施例的空調(diào)的開關(guān)狀態(tài)的識別系統(tǒng)，采集模塊通過大范圍的實(shí)時(shí)測 量室內(nèi)溫濕度數(shù)據(jù)和收集開關(guān)空調(diào)等的行為信息采集樣本數(shù)據(jù)，克服長期行為記錄的不 便、大范圍數(shù)據(jù)收集的高費(fèi)用等挑戰(zhàn)。此外預(yù)處理模塊通過對樣本數(shù)據(jù)進(jìn)行預(yù)處理獲取訓(xùn) 練集和測試集，特征項(xiàng)選擇模塊對訓(xùn)練集進(jìn)行特征項(xiàng)選擇后，識別模塊訓(xùn)練出溫濕度數(shù)據(jù) 與空調(diào)的開關(guān)狀態(tài)的識別規(guī)則，同時(shí)判斷模塊利用測試集對識別規(guī)則進(jìn)行測試，以獲取高 正確率的識別結(jié)果。
[0017] 在一些示例中，所述預(yù)處理模塊用于采用樣本間距的方式濾除異常樣本。
[0018] 在一些示例中，所述特征選取模塊用于根據(jù)所述溫濕度數(shù)據(jù)與所述空調(diào)的開關(guān)狀 態(tài)的相對信息增益量獲取所述特征項(xiàng)。
[0019] 在一些示例中，所述識別模塊用于利用貝葉斯網(wǎng)絡(luò)或人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)獲取所述 識別規(guī)則。
[0020] 本發(fā)明第三方面實(shí)施例的空調(diào)的開關(guān)狀態(tài)的識別方法，包括以下步驟：S21，獲取 第一預(yù)定樣本容量的第一樣本數(shù)據(jù)，所述第一樣本數(shù)據(jù)包括溫濕度數(shù)據(jù)及該溫濕度數(shù)據(jù)對 應(yīng)的空調(diào)的開關(guān)狀態(tài)；S22,獲取第二預(yù)定樣本容量的第二樣本數(shù)據(jù)，從所述第一樣本數(shù)據(jù) 中刪除與所述第二預(yù)定樣本容量數(shù)目相同的第一樣本數(shù)據(jù)并獲取刪除后的第一樣本數(shù)據(jù)， 并將所述第二樣本數(shù)據(jù)加入所述刪除后的第一樣本數(shù)據(jù)中，以得到更新后的第一樣本數(shù) 據(jù)，所述第二樣本數(shù)據(jù)包括溫濕度數(shù)據(jù)及該溫濕度數(shù)據(jù)對應(yīng)的空調(diào)的開關(guān)狀態(tài)，第二預(yù)定 樣本容量小于所述第一預(yù)定樣本容量；S23,建立所述更新后的第一樣本數(shù)據(jù)的所述溫濕度 數(shù)據(jù)與所述空調(diào)的開關(guān)狀態(tài)的識別規(guī)則，所述識別規(guī)則包括溫濕度區(qū)間及對應(yīng)的所述空調(diào) 的開關(guān)狀態(tài)；S24輸出所述溫濕度數(shù)據(jù)與所述空調(diào)的開關(guān)狀態(tài)的識別規(guī)則。
[0021] 根據(jù)本發(fā)明實(shí)施例的空調(diào)的開關(guān)狀態(tài)的識別方法，通過采集樣本，并利用新樣本 替代歷史樣本的方法，直接根據(jù)樣本數(shù)據(jù)中呈現(xiàn)的溫濕度數(shù)據(jù)與空調(diào)的開關(guān)狀態(tài)之間的內(nèi) 在規(guī)律，獲取溫濕度數(shù)據(jù)對應(yīng)的空調(diào)的開關(guān)狀態(tài)。本發(fā)明實(shí)施例的方法未利用時(shí)間變量，因 而更具有抗時(shí)變性。
[0022] 本發(fā)明第四方面實(shí)施例的空調(diào)的開關(guān)狀態(tài)識別系統(tǒng)，包括：第一采集模塊，用于采 集第一預(yù)定樣本容量的第一樣本數(shù)據(jù)，所述第一樣本數(shù)據(jù)包括溫濕度數(shù)據(jù)及對應(yīng)的空調(diào)的 開關(guān)狀態(tài)；第二采集模塊，用于繼續(xù)獲取第二預(yù)定樣本容量的第二樣本數(shù)據(jù)；處理模塊，用 于從所述第一樣本數(shù)據(jù)中刪除與所述第二預(yù)定樣本容量數(shù)目相同的第一樣本數(shù)據(jù)獲取刪 除后的第一樣本數(shù)據(jù)，并將所述第二樣本數(shù)據(jù)加入所述刪除后的第一樣本數(shù)據(jù)中，以得到 更新后的第一樣本數(shù)據(jù)，并建立所述更新后的第一樣本數(shù)據(jù)的所述溫濕度數(shù)據(jù)與所述空調(diào) 的開關(guān)狀態(tài)的識別規(guī)則，所述識別規(guī)則包括溫濕度區(qū)間及其對應(yīng)的所述空調(diào)的開關(guān)狀態(tài)， 所述第二樣本數(shù)據(jù)包括溫濕度數(shù)據(jù)及與該溫濕度數(shù)據(jù)對應(yīng)的空調(diào)的開關(guān)狀態(tài)，第二預(yù)定樣 本容量小于所述第一預(yù)定樣本容量。
[0023] 根據(jù)本發(fā)明實(shí)施例的空調(diào)的開關(guān)狀態(tài)的識別系統(tǒng)，通過第一采集模塊采集樣本， 并利用第二采集模塊采集的新樣本替代歷史樣本的方法，處理模塊直接根據(jù)樣本數(shù)據(jù)中呈 現(xiàn)的溫濕度數(shù)據(jù)與空調(diào)的開關(guān)狀態(tài)之間的內(nèi)在規(guī)律，獲取溫濕度數(shù)據(jù)對應(yīng)的空調(diào)的開關(guān)狀 態(tài)。本發(fā)明實(shí)施例的方法未利用時(shí)間變量，因而更具有抗時(shí)變性。
[0024] 本發(fā)明第五方面的