舒适节能型智能楼宇的控制方法、系统及服务器与流程

阅读：评论：0

1.本技术涉及人工智能技术领域，具体涉及一种舒适节能型智能楼宇的控制方法、系统及服务器。

背景技术：

2.随着计算机、控制和通信等技术的发展，产生了将计算机、控制和通信等技术与建筑相融合的智能建筑，也称为智能楼宇。智能楼宇通过通信网络将建筑、设备、服务及管理相结合，创建了安全、舒适、高效、便捷的建筑。数字化、智能化的发展促进了智能楼宇控制系统与多种技术的进一步融合。目前的智能楼宇控制方案可为用户提供自动化、信息化的服务，减少了人力等资源所消耗的成本，提高了用户体验。
3.目前的智能楼宇控制方案根据预先设定的控制程序对智能楼宇中的电气设备进行控制，但是不能满足舒适和节能的需求，导致能源消耗高并且用户体验差。

技术实现要素：

4.本技术提供一种舒适节能型智能楼宇的控制方法、系统及服务器，旨在解决目前的智能楼宇控制方案不能满足舒适和节能的需求的技术问题。
5.本技术一方面提供了一种舒适节能型智能楼宇的控制方法。舒适节能型智能楼宇的控制方法包括：接收环境信息和设备信息；基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；根据预测出的当前控制模式，生成当前控制参数；发送生成的当前控制参数。
6.可选的，环境信息包括环境图像，基于当前时间段和当前地点信息，预测当前舒适环境范围的步骤包括：生成与当前时间段和当前地点信息对应的多个候选环境范围；根据异常行为次数预测模型，预测与每个候选环境范围对应的异常行为次数；将与最少的异常行为次数对应的候选环境范围作为当前舒适环境范围，其中，异常行为次数预测模型是通过历史时间段、历史地点信息、历史环境范围以及历史异常行为次数进行训练而获得的，其中，历史异常行为次数是通过对与历史时间段、历史地点信息和历史环境范围对应的多个历史环境图像之中的显示异常行为的历史环境图像的数量进行统计而获得的，其中，异常行为包括：穿衣服行为、脱衣服行为、擦汗行为、盖被子行为、踢被子行为和/或扇风行为，其中，控制模式预测模型是通过历史初始环境信息、历史设备信息、历史最佳环境信息以及历史控制模式进行训练而获得的，历史控制模式是从历史初始环境信息到达历史最佳环境信息的过程中所使用的控制模式。
7.可选的，环境信息包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数和室内人员体温；设备信息包括：设备功率和设备开关状态；环境范围包括：室内光照
强度范围、室内湿度范围、室内温度范围、室内风速范围，其中，根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息的步骤包括：产生落入当前舒适环境范围内的多个候选目标环境信息；利用能耗预测模型来计算在当前设备信息的基础上，针对当前时间段和当前地点信息，从当前环境信息到每个候选目标环境信息的过程中分别消耗的能耗，其中，与计算出的各个能耗之中的最低能耗所对应的候选目标环境信息作为最佳环境信息，其中，能耗预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史设备信息、历史目标环境信息以及历史能耗进行训练而获得的。
8.可选的，环境信息包括人数变化信息，产生落入当前舒适环境范围内的多个候选目标环境信息的步骤包括：随机产生落入当前舒适环境范围内的多个随机目标环境信息；根据当前人数变化信息和修正参数预测模型，预测与当前时间段、当前地点信息和当前环境信息对应的修正参数；使用预测出的修正参数，修正随机产生的多个随机目标环境信息之中的每个随机目标环境信息，其中，经过修正的随机环境信息作为候选目标环境信息，其中，修正参数预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史人数变化信息以及历史修正参数来训练的。
9.本技术另一方面提供了一种服务器。服务器包括：信息接收单元，被配置为接收环境信息和设备信息；预测与计算单元，被配置为基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；控制模式预测单元，被配置为基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；控制参数生成单元，被配置为根据预测出的当前控制模式，生成当前控制参数；控制参数发送单元，被配置为发送生成的当前控制参数。
10.可选的，环境信息包括环境图像，预测与计算单元包括：候选范围生成单元，被配置为生成与当前时间段和当前地点信息对应的多个候选环境范围；异常次数预测单元，被配置为根据异常行为次数预测模型，预测与每个候选环境范围对应的异常行为次数；舒适范围确定单元，被配置为将与最少的异常行为次数对应的候选环境范围作为当前舒适环境范围，其中，异常行为次数预测模型是通过历史时间段、历史地点信息、历史环境范围以及历史异常行为次数进行训练而获得的，其中，历史异常行为次数是通过对与历史时间段、历史地点信息和历史环境范围对应的多个历史环境图像之中的显示异常行为的历史环境图像的数量进行统计而获得的，其中，异常行为包括：穿衣服行为、脱衣服行为、擦汗行为、盖被子行为、踢被子行为和/或扇风行为，其中，控制模式预测模型是通过历史初始环境信息、历史设备信息、历史最佳环境信息以及历史控制模式进行训练而获得的，历史控制模式是从历史初始环境信息到达历史最佳环境信息的过程中所使用的控制模式。
11.可选的，环境信息包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数和室内人员体温；设备信息包括：设备功率和设备开关状态；环境范围包括：室内光照强度范围、室内湿度范围、室内温度范围、室内风速范围，其中，预测与计算单元包括：候选信息生成单元，被配置为产生落入当前舒适环境范围内的多个候选目标环境信息；能耗计算单元，被配置为利用能耗预测模型来计算在当前设备信息的基础上，针对当前时间段和
当前地点信息，从当前环境信息到每个候选目标环境信息的过程中分别消耗的能耗，其中，与计算出的各个能耗之中的最低能耗所对应的候选目标环境信息作为最佳环境信息，其中，能耗预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史设备信息、历史目标环境信息以及历史能耗进行训练而获得的。
12.可选的，环境信息包括人数变化信息，候选信息生成单元包括：随机生成单元，被配置为随机产生落入当前舒适环境范围内的多个随机目标环境信息；修正参数预测单元，被配置为根据当前人数变化信息和修正参数预测模型，预测与当前时间段、当前地点信息和当前环境信息对应的修正参数；信息修正单元，被配置为使用预测出的修正参数，修正随机产生的多个随机目标环境信息之中的每个随机目标环境信息，其中，经过修正的随机环境信息作为候选目标环境信息，其中，修正参数预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史人数变化信息以及历史修正参数来训练的。
13.本技术另一方面还提供了一种舒适节能型智能楼宇的控制方法。舒适节能型智能楼宇的控制方法包括：采集环境信息和电气设备的设备信息，并且将采集到的环境信息和设备信息发送给服务器；从服务器接收当前控制参数；基于接收到的当前控制参数控制所述电气设备，其中，当前控制参数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。
14.本技术另一方面还提供一种舒适节能型智能楼宇的控制系统。舒适节能型智能楼宇的控制系统包括：信息采集单元，被配置为采集环境信息和电气设备的设备信息，并且将采集到的环境信息和设备信息发送给服务器；控制参数接收单元，被配置为从服务器接收当前控制参数；控制单元，被配置为基于接收到的当前控制参数控制所述电气设备，其中，当前控制参数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。
15.通过本技术的舒适节能型智能楼宇的控制方法、系统及服务器，可同时满足最低能耗和环境舒适需求，实现自动化、智能化的控制操作，至少可达到节能、舒适、环保的技术效果。
附图说明
16.为了更清楚地说明本技术的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单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1是本技术示例性实施例的舒适节能型智能楼宇的控制方法的流程图。
18.图2是本技术示例性实施例的服务器的结构示意图。
19.图3是本技术示例性实施例的舒适节能型智能楼宇的控制方法的流程图。
20.图4是本技术示例性实施例的舒适节能型智能楼宇的控制系统的结构示意图。
具体实施方式
21.下面将结合本技术的实施例中的附图，对本技术的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
22.本技术中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、操作、组件或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤、操作、组件或模块，而是可选的还包括没有列出的步骤、操作、组件或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤、操作、组件或模块。另外，术语“当前”、
ꢀ“
初始”、“候选”、“随机”、“目标”、“舒适”、“最佳”和“历史
”ꢀ
等用于对被修饰的对象进行区分，例如，表示被修饰的对象的产生时间点不同，或者产生的目的不同。
23.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
24.本技术实施例提供了一种舒适节能型智能楼宇的控制方法、系统及服务器，以下将分别进行详细说明。需要说明的是，以下各个实施例的描述先后顺序并不构成对具体实施先后顺序的限定，描述先后顺序包括但不限于步骤描述或操作描述的先后顺序和系统组成部分描述的先后顺序。
25.本技术的示例性实施例利用人工智能技术、智能控制技术和物联网技术等实现了对智能楼宇的自动化节能管理。采用这种管理的智能楼宇，可有效减少节能行业的智能化成本并且提高节能效率和实用范围。
26.本技术的示例性实施例中涉及的舒适节能型智能楼宇的控制系统或服务器的各个组成部分可以采用发明人自主研发的软件和硬件，也可在现有软件或硬件的基础上进行改进来实施。通过示例性实施例，可实现楼宇的低碳化运营，并且为智能楼宇控制提供了较高性价比的技术方案，至少可在环保、舒适度和便于持续发展等方面到来了有益效果。
27.本技术的示例性实施例的舒适节能型智能楼宇的控制方案可适用于写字楼、医院、超市、医院、学校、酒店等场景，还适用于整合有经商、办公、居住、旅游、展览、饮食、会议、文娱等功能的商业综合体。通过标准化、模块化、自动化的数字化管理，可提高管理效率并且提高维护便捷性。另外，还可提高节能效率。
28.传统的智能楼宇控制方案采用人工进行手动管理，不能采用大数据和图像识别等技术进行自动控制，从而导致不能在满足舒适度需求的前提下进行有效的能耗控制，并且还带来操作难度高的问题。为此，需要提供可有效控制能耗并且能够满足舒适度需求的控制方案。
29.在本技术的示例性实施例中，预测出当前控制模式可对应于能效最优的运行排期策略、控制策略和/或运行策略等。根据预测出的当前控制模式，可生成当前控制参数，其中，各个电气设备可具有各自的控制参数。利用控制参数来控制相应的电气设备，可实现自动控制，并且可达到降低能耗的目的。
30.参照图1所示舒适节能型智能楼宇的控制方法，示例性实施例的舒适节能型智能楼宇的控制方法包括：接收环境信息和设备信息；基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；根据预测出的当前控制模式，生成当前控制参数；发送生成的当前控制参数。
31.在示例性实施例中，环境信息可包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数、室内二氧化碳浓度和室内人员体温；设备信息包括：设备功率和设备开关状态。
32.可通过各种传感器来采集信息，例如，温度传感器、湿度传感器、风速传感器、照度传感器、红外线传感器、二氧化碳传感器、距离传感器等；通过各种传感器，可采集室内光照强度、室内湿度、室内温度、二氧化碳浓度和室内人员体温，作为环境信息；另外，可通过信息输入设备来输入室内光照强度、室内空间体积、室内湿度、室内温度、室内人数、室内人员体温、二氧化碳浓度、设备功率和设备开关状态等信息，作为相应信息。作为示例，还可以通过对传感器采集的信息进行计算而获得室内空间体积、室内人数等，作为环境信息；可从电气设备自身的控制器来采集设备信息。
33.作为示例，时间段可以是一段时间，地点信息可以是具体的地点，例如办公室、卧室、食堂等，也可以是地点范围。环境范围可表示环境信息的范围，例如，光照强度范围、室内湿度范围、室内温度范围、二氧化碳浓度范围、室内人员体温范围等。
34.在示例性实施例中，当前控制参数根据当前控制模式来生成，可通过控制参数来控制电气设备，控制参数可包括影响电气设备状态变化的参数。例如，控制参数可以是电气设备的输出功率值、启动时间、停止时间、状态持续时间等，也可以是电气设备的状态参数，例如，启动状态、关闭状态、待机状态等。例如，根据控制参数，电气设备可执行如下操作：在第一时间至第二时间内电气设备以300瓦的功率运行；在第二时间至第三时间内，电气设备关闭。
35.在示例性实施例中，环境信息包括环境图像，基于当前时间段和当前地点信息，预测当前舒适环境范围的步骤包括：生成与当前时间段和当前地点信息对应的多个候选环境范围；根据异常行为次数预测模型，预测与每个候选环境范围对应的异常行为次数；将与最少的异常行为次数对应的候选环境范围作为当前舒适环境范围，其中，异常行为次数预测模型是通过历史时间段、历史地点信息、历史环境范围以及历史异常行为次数进行训练而获得的，其中，历史异常行为次数是通过对与历史时间段、历史地点信息和历史环境范围对应的多个历史环境图像之中的显示异常行为的历史环境图像的数量进行统计而获得的，其中，异常行为包括：穿衣服行为、脱衣服行为、擦汗行为、盖被子行为、踢被子行为和/或扇风行为等，其中，控制模式预测模型是通过历史初始环境信息、历史设备信息、
历史最佳环境信息以及历史控制模式进行训练而获得的，历史控制模式是从历史初始环境信息到达历史最佳环境信息的过程中所使用的控制模式。由于考虑到异常行为，因此可在符合用户对环境需求的基础上进行能耗优化，从而提高舒适度。
36.作为示例，可通过对环境图像应用图像识别技术来识别异常行为。例如，针对两幅图像，第一幅图像中的人物穿戴了衣服，并且第二幅图像中的人物脱去了这件衣服，则可识别为脱衣服行为等。
37.在示例性实施例中，环境信息包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数和室内人员体温；设备信息包括：设备功率和设备开关状态；环境范围包括：室内光照强度范围、室内湿度范围、室内温度范围、室内风速范围，其中，根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息的步骤包括：产生落入当前舒适环境范围内的多个候选目标环境信息；利用能耗预测模型来计算在当前设备信息的基础上，针对当前时间段和当前地点信息，从当前环境信息到每个候选目标环境信息的过程中分别消耗的能耗，其中，与计算出的各个能耗之中的最低能耗所对应的候选目标环境信息作为最佳环境信息，其中，能耗预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史设备信息、历史目标环境信息以及历史能耗进行训练而获得的。由于同时满足高舒适度和低能耗需求，因此可在提高用户体验的同时达到节能环保的目的。由于产生了多个候选目标环境信息以进行能耗优化，因此可避免优化过程落入局部极值，可获得更准确的全局最优结果。
38.在示例性实施例中，环境信息包括人数变化信息，产生落入当前舒适环境范围内的多个候选目标环境信息的步骤包括：随机产生落入当前舒适环境范围内的多个随机目标环境信息；根据当前人数变化信息和修正参数预测模型，预测与当前时间段、当前地点信息和当前环境信息对应的修正参数；使用预测出的修正参数，修正随机产生的多个随机目标环境信息之中的每个随机目标环境信息，其中，经过修正的随机环境信息作为候选目标环境信息，其中，修正参数预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史人数变化信息以及历史修正参数来训练的。由于考虑到人数变化，因此可更有效匹配用户对于环境的需求，从而可提高用户体验。
39.作为示例，人数可通过环境信息来获得，例如将图像识别技术应用于环境图像以获得人数，也可通过温度识别或红外线识别来确定人数。
40.作为示例，修正参数可以被乘以环境信息以获得修正后的环境信息；环境信息可以被减去或者加上修正参数以获得修正后的环境信息。
41.参照图2所示服务器，该服务器包括：信息接收单元，被配置为接收环境信息和设备信息；预测与计算单元，被配置为基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；控制模式预测单元，被配置为基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；控制参数生成单元，被配置为根据预测出的当前控制模式，生成当前控制参数；控制参数发送单元，被配置为发送生成的当前控制参数。
42.作为示例，环境信息包括环境图像，预测与计算单元包括：候选范围生成单元，被配置为生成与当前时间段和当前地点信息对应的多个候选环境范围；异常次数预测单元，被配置为根据异常行为次数预测模型，预测与每个候选环境范围对应的异常行为次数；舒适范围确定单元，被配置为将与最少的异常行为次数对应的候选环境范围作为当前舒适环境范围，其中，异常行为次数预测模型是通过历史时间段、历史地点信息、历史环境范围以及历史异常行为次数进行训练而获得的，其中，历史异常行为次数是通过对与历史时间段、历史地点信息和历史环境范围对应的多个历史环境图像之中的显示异常行为的历史环境图像的数量进行统计而获得的，其中，异常行为包括：穿衣服行为、脱衣服行为、擦汗行为、盖被子行为、踢被子行为和/或扇风行为，其中，控制模式预测模型是通过历史初始环境信息、历史设备信息、历史最佳环境信息以及历史控制模式进行训练而获得的，历史控制模式是从历史初始环境信息到达历史最佳环境信息的过程中所使用的控制模式。
43.作为示例，环境信息包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数和室内人员体温；设备信息包括：设备功率和设备开关状态；环境范围包括：室内光照强度范围、室内湿度范围、室内温度范围、室内风速范围，其中，预测与计算单元包括：候选信息生成单元，被配置为产生落入当前舒适环境范围内的多个候选目标环境信息；能耗计算单元，被配置为利用能耗预测模型来计算在当前设备信息的基础上，针对当前时间段和当前地点信息，从当前环境信息到每个候选目标环境信息的过程中分别消耗的能耗，其中，与计算出的各个能耗之中的最低能耗所对应的候选目标环境信息作为最佳环境信息，其中，能耗预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史设备信息、历史目标环境信息以及历史能耗进行训练而获得的。
44.作为示例，环境信息包括人数变化信息，候选信息生成单元包括：随机生成单元，被配置为随机产生落入当前舒适环境范围内的多个随机目标环境信息；修正参数预测单元，被配置为根据当前人数变化信息和修正参数预测模型，预测与当前时间段、当前地点信息和当前环境信息对应的修正参数；信息修正单元，被配置为使用预测出的修正参数，修正随机产生的多个随机目标环境信息之中的每个随机目标环境信息，其中，经过修正的随机环境信息作为候选目标环境信息，其中，修正参数预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史人数变化信息以及历史修正参数来训练的。
45.参照图3所示舒适节能型智能楼宇的控制方法。舒适节能型智能楼宇的控制方法包括：采集环境信息和电气设备的设备信息，并且将采集到的环境信息和设备信息发送给服务器；从服务器接收当前控制参数；基于接收到的当前控制参数控制所述电气设备，其中，当前控制参数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。
46.参照图4所示舒适节能型智能楼宇的控制系统。舒适节能型智能楼宇的控制系统包括：信息采集单元，被配置为采集环境信息和电气设备的设备信息，并且将采集到的环境信息和设备信息发送给服务器；控制参数接收单元，被配置为从服务器接收当前控制参数；控制单元，被配置为基于接收到的当前控制参数控制所述电气设备，其中，当前控制参
数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。
47.作为示例，信息采集单元可包括各种传感器，例如，温度传感器、湿度传感器、风速传感器、照度传感器、红外线传感器、二氧化碳传感器、距离传感器等；通过各种传感器，可采集室内光照强度、室内湿度、室内温度、二氧化碳浓度和室内人员体温；信息采集单元还可包括信息输入设备，例如，通过信息输入设备可输入室内光照强度、室内空间体积、室内湿度、室内温度、室内人数、室内人员体温、二氧化碳浓度、设备功率和设备开关状态等信息；另外，信息采集单元还可以通过对传感器采集的信息进行计算而获得室内空间体积、室内人数等。信息采集单元还可从电气设备自身的控制器来采集设备信息。
48.示例性实施例中涉及的电气设备可被设置在智能楼宇内，例如，空调、机房设备、电梯、供暖设备、通风设备、照明设备等；电气设备也可被设置在智能楼宇外，例如，太阳能收集设备。电气设备通过信息采集单元与服务器连接，以便向服务器传输环境信息和设备信息。
49.电气设备可通过控制参数接收单元与服务器连接，控制参数接收单元与各个电气设备之间实现一对多的连接。控制参数接收单元可被实施为微控制单元 (micro-controller unit，mcu)。
50.在示例性实施例中，各种模型中的任意一种模型可被实施为神经网络模型。神经网络模型是一种模仿动物神经网络行为特征，以进行分布式并行信息处理的算法数学模型。神经网络模型可包括分类器模型和预测模型。可通过训练数据来训练神经网络模型，训练数据可以是示例性实施例中描述的历史数据等。可采用反向传播(back propagation，bp)神经网络来实现本发明的神经网络模型。
51.上述所有的技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
52.根据本技术的示例性实施例，提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本技术的示例性实施例提供的舒适节能型智能楼宇的控制方法。
53.也就是说，本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
54.通过示例性实施例中的指令，可以执行如下步骤或操作：接收环境信息和设备信息；基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；根据预测出的当前控制模式，生成当前控制参数；发送生成的当前控制参数。
55.作为示例，指令还可以执行如下步骤或操作：采集环境信息和电气设备的设备信
息，并且将采集到的环境信息和设备信息发送给服务器；从服务器接收当前控制参数；基于接收到的当前控制参数控制所述电气设备，其中，当前控制参数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。
56.以上系统、服务器、计算机可读存储介质的具体实施可参见前面的实施例，在此不再赘述。
57.本技术的示例性实施例的计算机可读存储介质可以包括：只读存储器 (rom，read only memory)、随机存取记忆体(ram，random accessmemory)、磁盘或光盘等。
58.由于该计算机可读存储介质中所存储的指令，可以执行本技术实施例所提供的任一舒适节能型智能楼宇的控制方法的步骤，因此，可以实现本技术实施例所提供的任一舒适节能型智能楼宇的控制方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
59.本技术应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：

1.一种舒适节能型智能楼宇的控制方法，其特征在于，包括：接收环境信息和设备信息；基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；根据预测出的当前控制模式，生成当前控制参数；发送生成的当前控制参数。2.如权利要求1所述的舒适节能型智能楼宇的控制方法，其特征在于，环境信息包括环境图像，基于当前时间段和当前地点信息，预测当前舒适环境范围的步骤包括：生成与当前时间段和当前地点信息对应的多个候选环境范围；根据异常行为次数预测模型，预测与每个候选环境范围对应的异常行为次数；将与最少的异常行为次数对应的候选环境范围作为当前舒适环境范围，其中，异常行为次数预测模型是通过历史时间段、历史地点信息、历史环境范围以及历史异常行为次数进行训练而获得的，其中，历史异常行为次数是通过对与历史时间段、历史地点信息和历史环境范围对应的多个历史环境图像之中的显示异常行为的历史环境图像的数量进行统计而获得的，其中，异常行为包括：穿衣服行为、脱衣服行为、擦汗行为、盖被子行为、踢被子行为和/或扇风行为，其中，控制模式预测模型是通过历史初始环境信息、历史设备信息、历史最佳环境信息以及历史控制模式进行训练而获得的，历史控制模式是从历史初始环境信息到达历史最佳环境信息的过程中所使用的控制模式。3.如权利要求1所述的舒适节能型智能楼宇的控制方法，其特征在于，环境信息包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数和室内人员体温；设备信息包括：设备功率和设备开关状态；环境范围包括：室内光照强度范围、室内湿度范围、室内温度范围、室内风速范围，其中，根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息的步骤包括：产生落入当前舒适环境范围内的多个候选目标环境信息；利用能耗预测模型来计算在当前设备信息的基础上，针对当前时间段和当前地点信息，从当前环境信息到每个候选目标环境信息的过程中分别消耗的能耗，其中，与计算出的各个能耗之中的最低能耗所对应的候选目标环境信息作为最佳环境信息，其中，能耗预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史设备信息、历史目标环境信息以及历史能耗进行训练而获得的。4.如权利要求3所述的舒适节能型智能楼宇的控制方法，其特征在于，环境信息包括人数变化信息，产生落入当前舒适环境范围内的多个候选目标环境信息的步骤包括：随机产生落入当前舒适环境范围内的多个随机目标环境信息；
根据当前人数变化信息和修正参数预测模型，预测与当前时间段、当前地点信息和当前环境信息对应的修正参数；使用预测出的修正参数，修正随机产生的多个随机目标环境信息之中的每个随机目标环境信息，其中，经过修正的随机环境信息作为候选目标环境信息，其中，修正参数预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史人数变化信息以及历史修正参数来训练的。5.一种服务器，其特征在于，包括：信息接收单元，被配置为接收环境信息和设备信息；预测与计算单元，被配置为基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；控制模式预测单元，被配置为基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；控制参数生成单元，被配置为根据预测出的当前控制模式，生成当前控制参数；控制参数发送单元，被配置为发送生成的当前控制参数。6.如权利要求5所述的服务器，其特征在于，环境信息包括环境图像，预测与计算单元包括：候选范围生成单元，被配置为生成与当前时间段和当前地点信息对应的多个候选环境范围；异常次数预测单元，被配置为根据异常行为次数预测模型，预测与每个候选环境范围对应的异常行为次数；舒适范围确定单元，被配置为将与最少的异常行为次数对应的候选环境范围作为当前舒适环境范围，其中，异常行为次数预测模型是通过历史时间段、历史地点信息、历史环境范围以及历史异常行为次数进行训练而获得的，其中，历史异常行为次数是通过对与历史时间段、历史地点信息和历史环境范围对应的多个历史环境图像之中的显示异常行为的历史环境图像的数量进行统计而获得的，其中，异常行为包括：穿衣服行为、脱衣服行为、擦汗行为、盖被子行为、踢被子行为和/或扇风行为，其中，控制模式预测模型是通过历史初始环境信息、历史设备信息、历史最佳环境信息以及历史控制模式进行训练而获得的，历史控制模式是从历史初始环境信息到达历史最佳环境信息的过程中所使用的控制模式。7.如权利要求5所述的服务器，其特征在于，环境信息包括：室内光照强度、室内空间体积、室内湿度、室内温度、室内人数和室内人员体温；设备信息包括：设备功率和设备开关状态；环境范围包括：室内光照强度范围、室内湿度范围、室内温度范围、室内风速范围，其中，预测与计算单元包括：候选信息生成单元，被配置为产生落入当前舒适环境范围内的多个候选目标环境信
息；能耗计算单元，被配置为利用能耗预测模型来计算在当前设备信息的基础上，针对当前时间段和当前地点信息，从当前环境信息到每个候选目标环境信息的过程中分别消耗的能耗，其中，与计算出的各个能耗之中的最低能耗所对应的候选目标环境信息作为最佳环境信息，其中，能耗预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史设备信息、历史目标环境信息以及历史能耗进行训练而获得的。8.如权利要求7所述的舒适节能型智能楼宇的控制方法，其特征在于，环境信息包括人数变化信息，候选信息生成单元包括：随机生成单元，被配置为随机产生落入当前舒适环境范围内的多个随机目标环境信息；修正参数预测单元，被配置为根据当前人数变化信息和修正参数预测模型，预测与当前时间段、当前地点信息和当前环境信息对应的修正参数；信息修正单元，被配置为使用预测出的修正参数，修正随机产生的多个随机目标环境信息之中的每个随机目标环境信息，其中，经过修正的随机环境信息作为候选目标环境信息，其中，修正参数预测模型是通过历史时间段、历史地点信息、历史初始环境信息、历史人数变化信息以及历史修正参数来训练的。9.一种舒适节能型智能楼宇的控制方法，其特征在于，包括：采集环境信息和电气设备的设备信息，并且将采集到的环境信息和设备信息发送给服务器；从服务器接收当前控制参数；基于接收到的当前控制参数控制所述电气设备，其中，当前控制参数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。10.一种舒适节能型智能楼宇的控制系统，其特征在于，包括：信息采集单元，被配置为采集环境信息和电气设备的设备信息，并且将采集到的环境信息和设备信息发送给服务器；控制参数接收单元，被配置为从服务器接收当前控制参数；控制单元，被配置为基于接收到的当前控制参数控制所述电气设备，其中，当前控制参数根据当前控制模式来生成，当前控制模式基于当前环境信息、当前设备信息、控制模式预测模型以及最佳环境信息来预测出，最佳环境信息对应于在当前舒适环境范围内能够达到的最低能耗，最佳环境信息根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和当前舒适环境范围来计算，当前舒适环境范围是基于当前时间段和当前地点信息来预测出的。

技术总结

本申请涉及人工智能技术领域，公开了一种舒适节能型智能楼宇的控制方法、系统及服务器。舒适节能型智能楼宇的控制方法包括：接收环境信息和设备信息；基于当前时间段和当前地点信息，预测当前舒适环境范围；根据当前时间段、当前地点信息、当前环境信息、当前设备信息、能耗预测模型和预测出的当前舒适环境范围，计算在预测出的当前舒适环境范围内能够达到最低能耗的最佳环境信息；基于当前环境信息、当前设备信息、控制模式预测模型以及计算出的最佳环境信息，预测当前控制模式；根据预测出的当前控制模式，生成当前控制参数；发送生成的当前控制参数。通过本申请，可满足舒适和节能的需求，至少可达到节能、舒适、环保的技术效果。术效果。术效果。