【技术实现步骤摘要】
【国外来华专利技术】用于控制操作的系统和方法
本公开总体上涉及加热、通风和空调(HVAC)系统,更具体地,涉及诸如温度设定点和HVAC系统所传送的潜热量的可调节设置的自动定制,以便使空间内的居住者的热舒适最大化,并使HVAC系统能耗最小化。
技术介绍
诸如办公室和住宅建筑的环境中的传统HVAC系统是全世界最大的能源消耗者,据估计消耗了超过40%的全部能源。这是由于现代社会中对室内气候调节的高度重视以及其对人们的生产力和幸福感的影响。然而,利用传统HVAC系统连续维持热舒适目前以不够理想且效率低的方式实现,这主要是因为建筑居住者与HVAC系统之间的主要通信方式非常原始。大多数情况下,与传统HVAC系统的通信通过壁式恒温器或遥控装置进行,其目的是打开或关闭设备以及设定温度设定点。开/关开关指示何时需要服务以及何时不需要服务。温度设置是根据建筑居住者的需要和热条件指示期望的热舒适度的方式。例如,当办公室职员在寒冷的冬天长时间静坐在办公桌前时,职员可能由于较低的代谢率而感觉寒冷,并且通过增加温度设定点来请求进一步加热。类似地,当体力劳动者在炎热潮湿的夏天进行重体力劳动时,工人可能感觉非常热,并且可通过降低温度设定点来请求进一步冷却。原则上,只要可能,传统HVAC控制(开/关开关和温度设定点)应该能够提供热舒适。然而,实际上,由于多种原因,这几乎不会发生。至少一个原因在于温度设定点的不断手动重新调节是不切实际的,对于大多数建筑居住者而言将大大分散注意力。例如,在真实生活中,仅当室内气候变得极其不舒适时,才发生这种重新调节,这导致建 ...
【技术保护点】
1.一种用于为居住者控制一组装置的操作的系统,该系统包括:/n存储器,该存储器将包括标记数据的历史数据存储在历史数据库中,其中,所述标记数据的各个实例指示至少一个居住者在至少一个环境的不同条件下的热舒适度;/n硬件处理器,该硬件处理器在初始化时段期间迭代地训练存储在所述存储器中的个性化热舒适模型;/n输入接口,该输入接口接收一系列未标记实时数据,所述一系列未标记实时数据包括所述居住者的生物特征数据的测量、所述居住者所在的环境中的环境数据的测量、或者这二者;/n发送器,当与所接收的未标记数据相似的所存储的历史标记数据的标签与未标记数据实例的预测的标签之间的不一致超过预定不一致阈值时,该发送器请求所述居住者标记未标记数据实例,/n其中,响应于标记所述未标记数据实例,所述硬件处理器将所标记的未标记数据实例作为个性化标记数据存储在所述存储器中的个性化标记数据库中,并且与所存储的历史标记数据相比使用所存储的个性化标记数据的不同权重来训练所述个性化热舒适模型,并且对于所述初始化时段期间的各个迭代,利用所述个性化标记数据来更新所述个性化标记数据库,并且使用所述历史数据库和所更新的个性化数据库来重新训 ...
【技术特征摘要】
【国外来华专利技术】20180205 US 15/888,1721.一种用于为居住者控制一组装置的操作的系统,该系统包括:
存储器,该存储器将包括标记数据的历史数据存储在历史数据库中,其中,所述标记数据的各个实例指示至少一个居住者在至少一个环境的不同条件下的热舒适度;
硬件处理器,该硬件处理器在初始化时段期间迭代地训练存储在所述存储器中的个性化热舒适模型;
输入接口,该输入接口接收一系列未标记实时数据,所述一系列未标记实时数据包括所述居住者的生物特征数据的测量、所述居住者所在的环境中的环境数据的测量、或者这二者;
发送器,当与所接收的未标记数据相似的所存储的历史标记数据的标签与未标记数据实例的预测的标签之间的不一致超过预定不一致阈值时,该发送器请求所述居住者标记未标记数据实例,
其中,响应于标记所述未标记数据实例,所述硬件处理器将所标记的未标记数据实例作为个性化标记数据存储在所述存储器中的个性化标记数据库中,并且与所存储的历史标记数据相比使用所存储的个性化标记数据的不同权重来训练所述个性化热舒适模型,并且对于所述初始化时段期间的各个迭代,利用所述个性化标记数据来更新所述个性化标记数据库,并且使用所述历史数据库和所更新的个性化数据库来重新训练所述个性化热舒适模型;以及
控制器,该控制器基于重新训练的个性化热舒适模型来控制所述一组装置。
2.根据权利要求1所述的系统,其中,所述个性化热舒适模型是回归函数、神经网络、分类器或支持向量机中的一个或组合。
3.根据权利要求1所述的系统,其中,在将所述个性化热舒适模型存储在所述存储器中之前,利用所述历史标记数据和迁移学习算法来将所述个性化热舒适模型初始化。
4.根据权利要求1所述的系统,其中,所述个性化热舒适模型在被存储在所述存储器中之前基于所述个性化热舒适模型相对于所存储的历史标记数据的正则化来被迭代预训练,这限制了在所述初始化时段期间用于训练所述个性化热舒适模型的搜索空间。
5.根据权利要求1所述的系统,其中,所述个性化热舒适模型的权重对应于包括回归函数、神经网络、分类器、支持向量机中的一个的机器学习模型的参数。
6.根据权利要求1所述的系统,其中,所述居住者标记的数据的测量包括受所述一组装置控制的受控参数以及不受所述一组装置控制的参数。
7.根据权利要求6所述的系统,其中,所述受控参数包括温度、湿度或空速中的一个或组合,并且非受控参数包括心率、皮肤温度、皮肤电反应、高度计读数、陀螺仪读数、加速度计读数、光级指示器或衣服传感器中的一个或组合。
8.根据权利要求6所述的系统,其中,如下根据所训练的个性化热舒适模型优化所预测的所述居住者的热舒适度来确定所述受控参数:
在该实时数据实例内将非受控参数和所述受控参数分组,
使用优化方法来确定所述受控参数的各个受控参数的值,以使得所得的个性化热舒适模型根据热舒适等级输出使所述居住者的舒适最大化的所预测的所述居住者的热舒适度,并且
然后,所述控制器根据一组最优受控参数中的至少一个参数来引导所述一组装置。
9.根据权利要求1所述的系统,其中,所述个性化热舒适模型的训练基于归纳迁移学习算法,该归纳迁移学习算法是一种用于回归方法的机器学习,该归纳迁移学习算法使用所存储的历史标记数据和个性化标记数据,使得所有个性化标记数据被假设为不可访问或未知。
10.根据权利要求1所述的系统,其中,所述个性化热舒适模型的迭代训练使用所述实时数据和主动学习算法,使得所述迭代训练继续,直至所述个性化热舒适模型的准确度高于阈值为止,然后所述个性化热舒适模型的所述迭代训练仅利用所接收的居住者标记的实时数据来训练。
11.根据权利要求1所述的系统,其中,所述实时数据是实时接收的数据,使得所接收的所述居住者的生物特征数据的测量包括心率、皮肤温度、皮肤电反应、高度计读数、陀螺仪读数、加速度计读数、光级指示器或衣服传感器中的一个或组合。
12.根据权利要求1所述的系统,其中,所述居住者是所述一组装置的用户,并且经由电子装置或可穿戴电子装置来控制所述一组装置。
13.一种为居住者控制一组装置的操作的方法,该方法包括以下步骤:
使用...
【专利技术属性】
技术研发人员:E·拉夫特切夫,A·纳塔拉扬,
申请(专利权)人:三菱电机株式会社,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。