用于交通工具的空调系统温度调节性能评估方法及装置制造方法及图纸

本发明专利技术公开了一种用于交通工具的空调系统温度调节性能评估方法及装置，所述方法包括：实时采集并保存设备监控数据，所述设备监控数据包括：温度传感器数据、载荷数据、运行参数；所述运行参数包括空调运行模式；将所述设备监控数据划分为对应不同空调运行模式的子集；利用所述子集中的数据构建对应所述空调运行模式的温度模型；利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标；根据所述温度调节性能指标和历史结果数据生成评估报告。利用本发明专利技术，可以实现对空调系统温度调节性能的在线评估。

【技术实现步骤摘要】
用于交通工具的空调系统温度调节性能评估方法及装置
本专利技术涉及数据处理领域，具体涉及一种用于交通工具的空调系统温度调节性能评估方法及装置。
技术介绍
空调系统可使某些场所获得具有一定温度、湿度和空气质量的空气，以满足使用者及生产过程的要求，具有广泛的应用，尤其是在大多数公共交通工具(比如轨道交通列车、客车、游轮、客机等)中，空调系统通常是一个不可或缺的组成部分，在乘客环境的舒适性上扮演重要的角色。由于在车船运行过程中空调系统的使用带来的各种因素，会导致空调温度调节性能下降，影响乘客环境的舒适度和满意度。但如何对空调温度调节性能进行实时有效的评估，以便对出现问题的空调及时进行干预，目前还没有相关的技术方案。
技术实现思路
本专利技术实施例提供一种用于交通工具的空调系统温度调节性能评估方法及装置，可以实现对空调系统温度调节性能的在线评估。为此，本专利技术提供如下技术方案：一种用于交通工具的空调系统温度调节性能评估方法，所述方法包括：实时采集并保存设备监控数据，所述设备监控数据包括：温度传感器数据、载荷数据、运行参数；所述运行参数包括空调运行模式；将所述设备监控数据划分为对应不同空调运行模式的子集；利用所述子集中的数据构建对应所述空调运行模式的温度模型；利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标；根据所述温度调节性能指标和历史结果数据生成评估报告。可选地，所述方法还包括：实时监测各子集中的数据长度，在所述数据长度达到设定长度后，执行利用所述子集中的数据构建对应所述空调运行模式的温度模型的步骤；或者按照预设的时间周期，定期检查各子集中的数据长度，如果所述数据长度达到设定长度，则执行利用所述子集中的数据构建对应所述空调运行模式的温度模型的步骤。可选地，所述利用所述子集中的数据构建温度模型包括：利用所述子集中的数据，分别采用不同的机器学习模型进行当前时刻乘客区域内温度拟合并计算所述机器学习模型的均方根误差；选择均方根误差最小的机器学习模型作为温度模型。可选地，所述机器学习模型包括以下任意两种或多种：XGBoost、多层感知器、随机森林、支持向量机、线性回归。可选地，所述温度传感器数据包括：送风温度、室外温度、上一时刻乘客区域内温度；所述利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标包括：设定输入特征参数，所述输入特征参数包括：送风温度变化程度；根据设定的输入特征参数生成特征参数集系列；依次将每个特征参数集中的特征参数输入所述温度模型，得到对应所述特征参数集的当前时刻乘客区域内温度；根据对应各特征参数集的当前时刻乘客区域内温度，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标。一种用于交通工具的空调系统温度调节性能评估装置，所述装置包括：数据采集模块，用于实时采集设备监控数据，所述设备监控数据包括：温度传感器数据、载荷数据、运行参数；所述运行参数包括空调运行模式；存储模块，用于保存所述数据采集模块采集的设备监控数据；数据预处理模块，用于将所述设备监控数据划分为对应不同空调运行模式的子集；模型建立模块，用于利用所述子集中的数据构建对应所述空调运行模式的温度模型；温度调节性能评估模块，用于利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标；评估报告生成模块，用于根据所述温度调节性能指标和历史结果数据生成评估报告。可选地，所述装置还包括：实时监测模块，用于实时监测各子集中的数据长度，在所述数据长度达到设定长度后，触发所述模型建立模块利用所述子集中的数据构建对应所述空调运行模式的温度模型；或者定时监测模块，用于按照预设的时间周期，定期检查各子集中的数据长度，如果所述数据长度达到设定长度，则触发模型建立模块利用所述子集中的数据构建对应所述空调运行模式的温度模型。可选地，所述模型建立模块，具体用于利用所述子集中的数据，分别采用不同的机器学习模型进行当前时刻内温度拟合并计算所述机器学习模型的均方根误差；选择均方根误差最小的机器学习模型作为温度模型。可选地，所述机器学习模型包括以下任意两种或多种：XGBoost、多层感知器、随机森林、支持向量机、线性回归。可选地，所述温度传感器数据包括：送风温度、室外温度、上一时刻乘客区域内温度；所述温度调节性能评估模块包括：参数设置单元，用于设定输入特征参数，所述输入特征参数包括：送风温度变化程度；特征参数集生成单元，用于根据所述参数设置单元设定的输入特征参数生成特征参数集系列；第一计算单元，用于依次将每个特征参数集中的特征参数输入所述温度模型，得到对应所述特征参数集的当前时刻乘客区域内温度；第二计算单元，用于根据对应各特征参数集的当前时刻乘客区域内温度，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标。一种电子设备，包括：一个或多个处理器、存储器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，以实现前面所述的方法。一种可读存储介质，其上存储有指令，所述指令被执行以实现前面所述的方法。本专利技术实施例提供的用于交通工具的空调系统温度调节性能评估方法及装置，基于数据驱动的机器学习模型，采集设备监控数据，并将所述设备监控数据划分为对应不同空调运行模式的子集，利用所述子集中的数据构建对应所述空调运行模式的温度模型，利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标，根据所述温度调节性能指标和历史结果数据生成评估报告，从而实现对空调系统温度调节性能的在线评估。进一步地，在根据所述温度调节性能指标和历史结果数据生成评估报告时，可以针对不同的应用进行评估，比如，针对同一车厢内温度变化情况进行评估，和/或针对不同车厢内温度温度变化进行比较，进而可以根据不同应用的评估结果有效地判断空调系统的温度调节能力是否发生衰减，以便及时进行干预，利于空调系统的保养和维护，减少空调系统发生故障的概率，提高乘客舒适度和满意度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1是本专利技术实施例用于交通工具的空调系统温度调节性能评估方法的一种流程图；图2是本专利技术实施例用于交通工具的空调系统温度调节性能评估装置的一种结构框图；图3是本专利技术实施例用于交通工具的空调系统温度调节性能评估装置的另一种结构框图；图4是本专利技术实施例用于交通工具的空调系统温度调节性能评估装置的另一种结构框图；图5是本专利技术实施例中温度调节性能评估模块的一种结构框图。具体实施方式为了使本
的人员更好地理解本专利技术实施例的方案，下面结合附图和实施方式对本专利技术实施例作进一步的详细说明。本专利技术实施例提供一种用于交通工具的空调系统温度调节性能评估方本文档来自技高网...

【技术保护点】
1.一种用于交通工具的空调系统温度调节性能评估方法，其特征在于，所述方法包括：实时采集并保存设备监控数据，所述设备监控数据包括：温度传感器数据、载荷数据、运行参数；所述运行参数包括空调运行模式；将所述设备监控数据划分为对应不同空调运行模式的子集；利用所述子集中的数据构建对应所述空调运行模式的温度模型；利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标；根据所述温度调节性能指标和历史结果数据生成评估报告。

【技术特征摘要】
1.一种用于交通工具的空调系统温度调节性能评估方法，其特征在于，所述方法包括：实时采集并保存设备监控数据，所述设备监控数据包括：温度传感器数据、载荷数据、运行参数；所述运行参数包括空调运行模式；将所述设备监控数据划分为对应不同空调运行模式的子集；利用所述子集中的数据构建对应所述空调运行模式的温度模型；利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标；根据所述温度调节性能指标和历史结果数据生成评估报告。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：实时监测各子集中的数据长度，在所述数据长度达到设定长度后，执行利用所述子集中的数据构建对应所述空调运行模式的温度模型的步骤；或者按照预设的时间周期，定期检查各子集中的数据长度，如果所述数据长度达到设定长度，则执行利用所述子集中的数据构建对应所述空调运行模式的温度模型的步骤。3.根据权利要求1所述的方法，其特征在于，所述利用所述子集中的数据构建温度模型包括：利用所述子集中的数据，分别采用不同的机器学习模型进行当前时刻乘客区域内温度拟合并计算所述机器学习模型的均方根误差；选择均方根误差最小的机器学习模型作为温度模型。4.根据权利要求3所述的方法，其特征在于，所述机器学习模型包括以下任意两种或多种：XGBoost、多层感知器、随机森林、支持向量机、线性回归。5.根据权利要求1至4任一项所述的方法，其特征在于，所述温度传感器数据包括：送风温度、室外温度、上一时刻乘客区域内温度；所述利用所述温度模型计算空调送风温度发生变化时，乘客区域内温度的变化情况，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标包括：设定输入特征参数，所述输入特征参数包括：送风温度变化程度；根据设定的输入特征参数生成特征参数集系列；依次将每个特征参数集中的特征参数输入所述温度模型，得到对应所述特征参数集的当前时刻乘客区域内温度；根据对应各特征参数集的当前时刻乘客区域内温度，得到所述空调运行模式下所述乘客区域内温度变化的计算结果及温度调节性能指标。6.一种用于交通工具的空调系统温度调节性能评估装置，其特征在于，所述装置包括...

【专利技术属性】
技术研发人员：谢鹏，金超，晋文静，
申请(专利权)人：北京天泽智云科技有限公司，
类型：发明
国别省市：北京,11