【技术实现步骤摘要】
本专利技术涉及大数据，具体涉及一种大规模机器协同下的温度下发方法及系统。
技术介绍
1、目前的温控系统中，采用了云-边-端的三层架构，即云端作为指挥中心，负责进行温度下发的控制，边缘计算设备mec负责执行并分发至各个温度控制器中，由终端的温度控制器进行每个机房、商业和住宅的房间的温度控制。
2、现有技术中，主要基于传统的温控系统，通常需要人工设置温度。随着技术的发展，有了自动化的温度控制系统，但多数仍基于单一的传感器输入，而非整体的协同控制。因此，现有技术的温度控制系统不够智能化，不能根据各种环境因素自适应调整。
技术实现思路
1、本申请提供了一种大规模机器协同下的温度下发方法及系统，用于解决现有技术中现有技术的温度控制系统不够智能化，不能根据各种环境因素自适应调整的问题。
2、鉴于上述问题，本申请提供了一种大规模机器协同下的温度下发方法及系统。
3、本申请实施例提供一种大规模机器协同下的温度下发方法，包括：
4、安装室温采集器在每个机房、商
本文档来自技高网...【技术保护点】
1.一种大规模机器协同下的温度下发方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述云端通过Hadoop大规模存储技术存储所述实时温度数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述云端通过人工智能AI模型对所述实时温度数据进行分析，包括：
4.根据权利要求3所述的方法，其特征在于，所述多个AI模型包括支持向量机SVM和分类器Adaboost，则所述使用训练集对所述多个AI模型进行训练，包括：
5.根据权利要求4所述的方法，其特征在于，将所述多个AI模型进行组合，包括：
6....
【技术特征摘要】
1.一种大规模机器协同下的温度下发方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述云端通过hadoop大规模存储技术存储所述实时温度数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述云端通过人工智能ai模型对所述实时温度数据进行分析，包括：
4.根据权利要求3所述的方法，其特征在于，所述多个ai模型包括支持向量机svm和分类器adaboost，则所述使用训练集对所述多个ai模型进行训练，包括：
5.根据权利要求4所述的方法，其特征在于，将所述多个ai模型进行组合，包括：
6.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：王发忠，宋爱，周标彪，张小林，舒扬奎，罗国光，
申请(专利权)人：中节能贵州建筑能源有限公司，
类型：发明
国别省市：
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。