CN114995543B - 一种通过人工智能ai控制环境调节设备的方法及装置 - Google Patents

Abstract

本申请提供一种通过人工智能AI控制环境调节设备的方法及装置，涉及节能控制技术领域。该方法包括：获取第一参数集合，将第一参数集合和第一控制策略输入第一模型得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二控制策略用于控制第一室内的每个环境调节设备，第二参数集合是基础静态数据，在同一室内一定时间内不变化，所以同一室内第一控制策略不变，而第一参数集合是环境动态数据，在同一室内一定时间内变化，可以根据第一参数集合和第一控制策略得到更精确的第二控制策略，而不同室内可以得到不同的第二参数集合和不同的第一控制策略，以此实现不同室内不同环境下的环境调节设备的精细化控制，从而实现节能减排。

Description

一种通过人工智能AI控制环境调节设备的方法及装置

技术领域

本申请属于节能控制技术领域，尤其涉及一种通过人工智能AI控制环境调节设备的方法及装置。

背景技术

目前对于一些场景下的室内环境调节设备高能耗以及24h在线运行的问题，主要采取的节能控制方法为：采用变频技术将传统定频设备更换为变频设备，根据室内温度情况变频设备自动变频运转从而实现室内温度调节，避免环境调节设备长期处于高频运转。但是这种方式下，在室内温度调节至要求的范围后，环境调节设备仍低频运行，此时的环境调节设备处于运行状态但是对温度调节的作用不大，因此环境调节设备处于无效运行，导致能耗增加。对此，可以通过温度控制环境调节设备的启停，但是在温度变化频繁的情况下，会导致环境调节设备频繁的启停，从而影响环境调节设备的使用寿命，同时由于设备频繁开启过程中也会增加设备的耗电量，并不能很好地达到室内设备节能的效果，而且根据温度控制环境调节设备的启停的方法单一，适用性差，控制的灵活性较差。

发明内容

本申请提供了一种通过人工智能AI控制环境调节设备的方法及装置，来实现不同室内的不同环境下的环境调节设备的精细化控制，从而可以实现节能减排。

为了实现上述目的，第一方面，本申请提供了一种通过人工智能AI控制环境调节设备的方法，该方法包括：

第一设备获取第一参数集合，第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项，M1个环境调节设备用于调节第一室内的温度，M1为正整数；

第一设备将第一参数集合和第一控制策略输入第一模型，得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二参数集合包括：第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的至少一项，第二控制策略用于控制M1个环境调节设备，第一模型和第二模型为不同的人工智能(Artificial Intelligence，AI)模型。

可选地，该方法还包括：

第一设备获取第二参数集合；

第一设备将第二参数集合输入第二模型，得到第一控制策略。

可选地，该方法还包括：

第一设备获取第i样本数据，第i样本数据包括第i参数集合、第i控制策略、第i’参数集合和第i’控制策略；

第一设备根据第i参数集合和第i控制策略确定第i模型，第i模型用于得到第二模型；

第一设备根据第i控制策略、第i’参数集合和第i’控制策略确定第i’模型，第i’模型用于得到所述第一模型；

其中，第i参数集合包括：第i室内的面积、第i室内的环境调节设备的数量Mi、第i室内的每个环境调节设备的技术参数或第i室内的每个环境调节设备的位置中的至少一项；第i’参数集合包括：Mi个环境调节设备中每个环境调节设备的运行时长、第i样本数据对应的季节、第i室内当前的室内温度、第i室内对应的室外当前的室外温度、第i室内的散热设备当前的温度、第i室内的机柜内当前的温度或第i室内的每个环境调节设备当前的运行状态中的至少两项。

可选地，该方法还包括：

第一设备向第二设备发送第二控制策略；

第二设备根据第二控制策略控制M1个环境调节设备。

可选地，第二设备根据第二控制策略控制M1个环境调节设备，包括：

第二设备根据第二控制策略控制M1个环境调节设备轮动开启，或者控制M1个环境调节设备步进开启，或者控制M1个环境调节设备联动开启。

可选地，在第二设备根据第二控制策略控制M1个环境调节设备之后，还包括：

第一设备从第二设备接收第三参数集合，第三参数集合包括：每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项；

第一设备根据第三参数集合和第一控制策略更新第一模型。

可选地，在第二设备根据第二控制策略控制M1个环境调节设备之后，还包括：

第二设备采集第三参数集合，第三参数集合包括：每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项；

第二设备根据第三参数集合和第二控制策略，确定第三控制策略；

第二设备根据第三控制策略控制M1个环境调节设备。

可选地，第二设备根据第三控制策略控制M1个环境调节设备，包括：

第二设备根据第三控制策略控制M1个环境调节设备轮动开启，或者控制M1个环境调节设备步进开启，或者控制M1个环境调节设备联动开启。

可选地，环境调节设备为空调设备。

第二方面，本申请提供了一种通过人工智能AI控制环境调节设备的装置，该装置包括：

获取单元，用于获取第一参数集合，第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项，M1个环境调节设备用于调节第一室内的温度，M1为正整数。

获取单元还用于获取第二参数集合，第二参数集合包括：第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的至少一项。

处理单元，用于将第一参数集合和第一控制策略输入第一模型，得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二控制策略用于控制M1个环境调节设备，第一模型和第二模型为不同的AI模型。

第三方面，本申请实施例提供一种通过人工智能AI控制环境调节设备的装置，包括处理器，处理器与存储器耦合，处理器用于执行存储器中存储的计算机程序或指令时，以实现上述第一方面或第一方面的任一实施方式的方法。

第四方面，本申请实施例提供一种计算机存储介质，计算机存储介质上存储有计算机程序，计算机程序被处理器执行时，以实现上述第一方面或第一方面的任一实施方式的方法。

本申请实施例与现有技术相比存在的有益效果是：本申请中第一设备获取第一参数集合，将第一参数集合和第一控制策略输入第一模型得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二控制策略用于控制第一室内的每个环境调节设备，其中，由于第二参数集合是基础静态数据，在同一室内下一定时间内不变化，所以在同一室内下第一控制策略不变，而第一参数集合是环境动态数据，在同一室内下一定时间内是变化的，第一设备可以根据第一参数集合和第一控制策略输入第一模型，得到更精确的第二控制策略，以此可以实现室内的不同环境下的环境调节设备的精细化控制。不同的室内，可以得到不同的第二参数集合，不同的第二参数集合可以得到不同的第一控制策略，同一室内环境不同，第一参数集合参数取值不同，因此可以得到不同的第二控制策略，以此可以实现不同室内的不同环境下的环境调节设备的精细化控制，从而实现节能减排。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，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。

图1是本申请实施例提供的一种通过人工智能AI控制环境调节设备的方法的示意图；

图2是本申请实施例提供的一种通过人工智能AI控制基站机房的空调设备的方法的示意图；

图3是本申请实施例提供的一种通过人工智能AI控制环境调节设备的装置的示意性框图；

图4是本申请实施例提供的另一种通过人工智能AI控制环境调节设备的装置的示意性框图。

具体实施方式

下面将结合本申请实施例中的，对本申请实施例中的技术方案进行详细说明。

应当理解，本申请实施例中的方式、情况、类别以及实施例的划分只是为了方便描述，不对本申请构成任何限定，各种方式、类别、情况以及实施例中的特征在不相矛盾的情况下可以相互结合。

还应当理解，本申请实施例中的“第一”、“第二”、“第三”、“第四”和“第五”仅是为了区分，不对本申请构成任何限定。还应当理解，在本申请的各个实施例中，各个过程中的序号大小并不意味着步骤的执行顺序，其步骤的执行顺序由其内在逻辑确定，而不对本申请实施例的执行过程构成任何限定。

对于一些场景下的室内环境调节设备高能耗以及24h在线运行的问题，通过温度控制环境调节设备的启停，虽然可以解决环境调节设备24h在线运行中无效运行的能耗问题，但是此类控制方法在温度变化频繁情况下，会导致环境调节设备频繁的启停，从而影响环境调节设备的使用寿命，同时由于设备频繁开启过程中也会增加设备的耗电量，并不能很好地达到室内环境调解设备节能的效果，而且根据温度控制环境调节设备启停的方法单一，适用性差，控制的灵活性较差。

例如，对于5G基站机房空调高能耗的现状，目前有多种节能方法，主流方法为：将传统定频空调更换为变频空调，通过变频空调根据室内温度情况自动变频运转从而实现机房温度调节，避免空调长期处于高频运转。但此方案仍未改变空调24h在线的现状，无法完全解决空调无效运行的能耗问题。随后针对基站机房空调24h运行现状，又提出了空调管控解决方案，通过给机房空调加装温度采集装置和控制系统，而此类控制方案通常较为粗糙，仅根据室内温度值控制空调设备，在温度变化频繁情况下存在空调频繁的启停，降低了空调的使用寿命，由于在空调启动过程中启动电流较大会增加空调设备的耗电量，所以并没有很好的达到空调节能的效果，同时由于空调设备控制方法单一，所有的基站机房空调控制策略一样，难以依据现场综合因素进行控制方法的调整，因此适用性差。

基于上述问题，本申请提出了一种通过人工智能AI控制环境调节设备的方法及装置，第一设备获取第一参数集合，将第一参数集合和第一控制策略输入第一模型，得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二控制策略用于控制第一室内的每个环境调节设备，其中，由于第二参数集合是基础静态数据，在同一室内下一定时间内不变化，所以在同一室内下第一控制策略不变，而第一参数集合是环境动态数据，在同一室内下一定时间内是变化的，可以根据第一参数集合的环境动态数据和第一控制策略输入第一模型，得到更精确的第二控制策略。不同的室内，可以得到不同的第二参数集合，不同的第二参数集合可以得到不同的第一控制策略，同一室内环境不同，第一参数集合不同，因此可以得到不同的第二控制策略，可以实现不同室内的不同环境下的环境调节设备的精细化控制，从而实现节能减排。

下面以具体地实施例对本申请的技术方案进行详细说明。

图1为本申请实施例提供的一种通过人工智能AI控制环境调节设备的方法的示意图，如图1所示，该方法100可以包括如下步骤：

S110，第一设备获取第一参数集合，第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项，其中，M1个环境调节设备用于调节第一室内的温度，M1为正整数。

可选地，S110中的第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项可以理解为：第一参数集合为M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的任意两项，或者第一参数集合为M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的任意三项，或者第一参数集合为M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的任意四项，或者第一参数集合为M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的任意五项，或者第一参数集合为M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的任意六项，或者第一参数集合为M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度和第一室内的每个环境调节设备当前的运行状态。

可选地，S110中的M1个环境调节设备中每个环境调节设备当前的运行时长是指每个环境调节设备当前开启运行状态下从开启时刻到当前时刻的运行时长。

可选地，S110中的当前季节可以为采集第一参数集合时的季节，例如，季节可以为春、夏、秋或冬。

可选地，S110中的当前季节可以替换为当前月份，当前月份为采集第一参数集合时的月份，例如当前月份可以是1月～12月中的任意月份。

可选地，S110中的第一室内当前的室内温度可以是第一室内特定位置的当前的温度，或者是第一室内多个位置的当前的平均温度。

可选地，S110中的第一室内对应的室外当前的室外温度可以是室外特定位置的当前的温度，或者是室外的多个位置的当前的平均温度。其中，第一室内对应的室外可以理解为与第一室内相对的室外。

可选地，S110中的第一室内的散热设备当前的温度可以是第一室内的散热设备特定位置的当前温度，或者是散热设备的多个位置的当前的平均温度。

可选地，S110中的第一室内的机柜内当前的温度可以是机柜内特定位置的当前温度，或者是机柜内的多个位置的当前的平均温度。

可选地，S110中的第一室内的散热设备当前的温度和/或第一室内的机柜内当前的温度可以是触发第一室内的M1个环境调节设备动作的条件，例如，第一室内的散热设备当前的温度超过预设阈值时，根据第二控制策略触发M1个环境调节设备执行相应的动作指令，来降低散热设备的温度，保证散热设备正常运行。再例如，第一室内的机柜内当前的温度超过预设阈值时，根据第二控制策略触发M1个环境调节设备执行相应的动作指令，来降低第一室内的机柜内的温度，保证第一室内的机柜的安全。需要说明的是，第一室内可以只包括M1个环境调节设备，或者第一室内可以包括M1个环境调节设备和散热设备，或者第一室内可以包括M1个环境调节设备和机柜，或者第一室内可以包括M1个环境调节设备，散热设备和机柜。

可选地，S110中的第一室内的每个环境调节设备当前的运行状态是指每个环境调节设备当前状态是运行或者关断。需要说明的是，M1个环境调节设备中任意两个环境调节设备当前的运行状态可以相同或者不同，若M1个环境调节设备中的任意一个环境调节设备当前的运行状态是关断，那么该环境调节设备当前的运行时长为零。

可选地，S110中的第一参数集合可以是第二设备采集并上传至第一设备，也可以是第一设备直接采集获取到的。

可选地，第一设备可以是云端服务器或者第一室内本地服务器。

可选地，第二设备可以是第一室内本地服务器或者边缘计算设备。

可选地，环境调节设备为空调设备，或者为空气循环设备。

可选地，M1个环境调节设备中任意两个环境调节设备的设备类型可以相同或者不同。可选地，在M1个环境调节设备中任意两个环境调节设备的设备类型相同的情况下，M1个环境调节设备中任意两个环境调节设备的设备厂商和/或型号可以相同或者不同。例如，M1个环境调节设备每个环境调节设备都是空调设备，M1个空调设备的中任意两个空调设备的厂商和/或型号可以相同或者不同。又例如，M1个环境调节设备每个环境调节都是空气循环设备，M1个空气循环设备的中任意两个空气循环设备的厂商和/或型号可以相同或者不同。再例如，M1个环境调节设备中部分可以是空调设备部分可以是空气循环设备。

S120，第一设备将第一参数集合和第一控制策略输入第一模型，得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二参数集合包括：第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的至少一项，第二控制策略用于控制M1个环境调节设备。

可选地，第一设备获取第二参数集合，第一设备将第二参数集合输入第二模型，得到第一控制策略。

可选地，S120中的第二参数集合可以是第二设备采集并上传至第一设备，也可以是第一设备直接采集获取到的。

可选地，在第二参数集合不变和第一参数集合变化的情况下，第一设备可以是只执行一次将第二参数集合输入第二模型，得到第一控制策略，执行多次将第一参数集合和第一控制策略输入第一模型，得到第二控制策略，这样避免了第一设备每执行一次将第一参数集合和第一控制策略输入第一模型得到第二控制策略，就需要执行一次将第二参数集合输入第二模型得到第一控制策略的冗余计算过程。需要说明的是，在第二参数集合不变的情况下得到的第一控制策略也不变。

可选地，S120中的第二参数集合包括：第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的至少一项可以理解为：第二参数集合为第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的任意一项，或者第二参数集合为第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的任意两项，或者第二参数集合为第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的任意三项，或者第二参数集合为第一室内的面积、M1、第一室内的每个环境调节设备的技术参数和第一室内的每个环境调节设备的位置。

可选地，在每个环境调节设备是空调设备的情况下，S120中的第一室内的每个环境调节设备的技术参数可以是空调设备的技术参数，空调设备的技术参数包含定频或变频。可选地，在空调设备的技术参数包含定频的情况下，空调设备的技术参数还可以包括定频对应的制冷量、定频对应的制热量，定频对应的制冷功率或者定频对应的制热功率等中的至少一项。可选地，在空调设备的技术参数包含变频的情况下，空调设备的技术参数还可以包括变频对应的制冷量、变频对应的制热量，变频对应的制冷功率或者变频对应的制热功率等中的至少一项。

可选地，S120中的第一室内的每个环境调节设备的位置可以指示M1个环境调节设备在第一室内的排布布局情况。

可选地，S120中的第一模型和第二模型为不同的AI模型。

可选地，AI模型可以是神经网络模型，例如，第一模型和/或第二模型可以是神经网络模型。

可选地，在S120之前，第一模型和/或第二模型可以是第一设备确定的，或者是其他设备确定的发送给第一设备的。

可选地，第一设备获取L个样本数据，L大于预设值。L个样本数据中每个样本数据可以包括：第四参数集合、第四控制策略、第五参数集合和第五控制策略，不同样本数据包括的第四参数集合中的任意参数取值可以不同，不同样本数据包括的第四控制策略可以不同，不同样本数据包括的第五参数集合中的任意参数取值可以不同，不同样本数据包括的第五控制策略可以不同。第一设备可以利用L个样本数据中的若干个样本数据的第四参数集合和第四控制策略确定一个模型，并利用L个样本数据中的若干样本数据的第四参数集合和第四控制策略更新该模型，以此类推，最终得到第二模型。可选地，第一设备可以利用L个样本数据中的若干个样本数据的第四参数集合和第四控制策略测试得到的第二模型。第一设备可以利用L个样本数据中的若干个样本数据的第四控制策略，第五参数集合和第五控制策略确定另一个模型，并利用L个样本数据中的若干样本数据的第四控制策略，第五参数集合和第五控制策略更新该模型，以此类推，最终得到第一模型。可选地，第一设备可以利用L个样本数据中的若干个样本数据的第四控制策略，第五参数集合和第五控制策略测试得到的第一模型。

其中，第四参数集合包括：室内的面积、室内的环境调节设备的数量M2、室内的每个环境调节设备的技术参数或室内的每个环境调节设备的位置中的至少一项，第五参数集合包括：第四参数集合对应的室内的每个环境调节设的运行时长、采集第五参数集合时的季节、第四参数集合对应的室内当前的室内温度、第四参数集合对应的室内所对应的室外当前的室外温度、第四参数集合对应的室内的散热设备当前的温度、第四参数集合对应的室内的机柜内当前的温度或第四参数集合对应的室内的每个环境调节设备当前的运行状态中的至少两项。

需要说明的是，L个样本数据中每个样本数据的第四参数集合和第五参数集合是第一设备从同一室内获取到的参数集合。L个样本数据中每个样本数据的第四控制策略是室内基础静态参数对应的粗糙策略，第五控制策略是在同室内第五参数集合对应的精细策略。

下面以L个样本数据中的第i样本数据为例描述：

第一设备获取第i样本数据，第i样本数据包括第i参数集合、第i控制策略、第i’参数集合和第i’控制策略，第一设备根据第i参数集合和第i控制策略确定第i模型，第i模型用于得到第二模型；第一设备根据第i控制策略、第i’参数集合和第i’控制策略确定第i’模型，第i’模型用于得到第一模型；其中，第i参数集合包括：第i室内的面积、第i室内的环境调节设备的数量Mi、第i室内的每个环境调节设备的技术参数或第i室内的每个环境调节设备的位置中的至少一项；第i’参数集合包括：Mi个环境调节设备中每个环境调节设备的运行时长、第i样本数据对应的季节、第i室内当前的室内温度、第i室内对应的室外当前的室外温度、第i室内的散热设备当前的温度、第i室内的机柜内当前的温度或第i室内的每个环境调节设备当前的运行状态中的至少两项。

下面分两种情况描述，第二设备控制M1个环境调节设备。

情况一：第二设备根据第二控制策略控制M1个环境调节设备。

可选地，第二设备根据第二控制策略控制M1个环境调节设备可以是控制M1个环境调节设备轮动开启，也可以是控制M1个环境调节设备步进开启，还可以是控制M1个环境调节设备联动开启，或者控制M1个环境调节设备执行其他的动作方式。

可选地，M1个环境调节设备轮动开启是指先开启M1个环境调节设备中的第一个环境调节设备，间隔一定时长后，关断第一个环境调节设备，再开启第二个环境调节设备，以此方式第一室内的M1个环境调节设备轮流开启，直至触发其他机制为止。

需要说明的是，M1个环境调节设备轮动开启的过程中间隔一定时长后，关闭第一个环境调节设备，在下一个间隔时长后，关闭第二个环境调节设备，对应的实现了第一室内的M1个环境调节设备轮流关断的方式。

具体地，M1个环境调节设备步进开启是指先开启M1个环境调节设备中的第一个环境调节设备，间隔一定时长后，再开启第二个环境调节设备，直至第一室内的温度下降至预设温度。

需要说明的是，M1个环境调节设备步进开启后，直至第一室内的温度下降至预设温度，当有N个环境调节设备处于开启状态时，此时需要关断N个开启的环境调节设备，可以是同时关断N个环境调节设备，也可以是轮流关断N个环境调节设备，其中，N是大于零小于等于M1的正整数。

具体地，M1个环境调节设备联动开启是指同时开启M1个环境调节设备。

需要说明的是，M1个环境调节设备联动开启后，直至第一室内的温度下降至预设温度，此时M1个环境调节设备处于开启状态时，需要关断M1个环境调节设备，可以是同时关断M1个环境调节设备，也可以是轮流关断M1个环境调节设备。

可选地，在情况一之后，第二设备采集第三参数集合，第二设备将第三参数集合发送给第一设备，第一设备从第二设备接收第三参数集合，第一设备根据第三参数集合和第一控制策略更新第一模型。

其中，第三参数集合包括：M1个环境调解设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项。

需要说明的是，第三参数集合和第一参数集合所包含的参数相同，但第三参数集合和第一参数集合中参数的取值不同。例如，第一参数集合为M1个环境调解设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度和第一室内的每个环境调节设备当前的运行状态，第三参数集合则为在预设时长后获取到的M1个环境调解设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度和第一室内的每个环境调节设备当前的运行状态。

可选地，第二设备可以是边缘计算设备，第一设备可以是云端服务器。

情况二：第二设备根据第三控制策略控制M1个环境调节设备。

可选地，第二设备根据第三参数集合和第二控制策略，确定第三控制策略，第二设备根据第三控制策略控制M1个环境调节设备可以是控制M1个环境调节设备轮动开启，也可以是控制M1个环境调节设备步进开启，还可以是控制M1个环境调节设备联动开启，或者控制M1个环境调节设备执行其他的动作。

可选地，在第二设备采集第三参数集合之后，第二设备将第三参数集合发送给第一设备，第一设备从第二设备接收第三参数集合，第一设备根据第三参数集合，第一控制策略和第三控制策略更新第一模型。

由于室内外环境因素复杂并处于不断变化的状态，所以第二设备采集的第一参数集合或者第三参数集合的参数取值是动态变化的，当第二设备根据第二控制策略控制M1个环境调节设备后，由于第三参数集合的参数取值的变化，第二设备可以通过对采集到的第三参数集合进行判断，根据上述情况二中的方式来调整第二控制策略得到第三控制策略，第二设备根据第三控制策略来控制M1个环境调节设备，这样可以通过结合现场因素进行控制策略的动态调整，从而对环境调节设备进行更精确的控制。

上述步骤实现了第一室内的M1个环境调节设备的精细化控制，在不同室内下的环境调节设备的控制方法与上述方法100类似，为了避免赘述，本申请实施例不详细描述。

为了更好的理解本申请的方案，图2以通过人工智能AI控制基站机房的空调设备的方法示意图为例给出了具体描述，该实施例应用于基站机房的空调设备的控制。如图2所示，第一设备为云端服务器，第二设备为边缘站能源控制单元。

S201，边缘站能源控制单元采集基站数据。

具体地，基站数据包括：基站机房空调设备的数量，基站机房的面积和基站机房空调设备的技术参数。

例如，方法100中的第二设备可以是图2的边缘站能源控制单元，方法100中的第二参数集合可以是图2的基站数据。

S202，边缘站能源控制单元发送基站数据给云端服务器。

例如，方法100中的第一设备可以是图2的云端服务器。

S203，云端服务器将基站数据输入面积&空调数算法模型，输出基站机房的节能控制策略范围。

例如，方法100中的第二模型可以是图2中的面积&空调数算法模型，方法100中的第一控制策略可以是图2中的基站机房的节能控制策略范围。

S204，边缘站能源控制单元采集基站环境数据。

具体地，基站环境数据包括：基站机房的室内温度，基站机房的室外温度，基站机房空调设备的运行时长和基站机房空调设备的运行状态。

例如，方法100中的第一参数集合可以是图2中的基站环境数据。

S205，边缘站能源控制单元发送基站环境数据给云端服务器。

例如，方法100中的第二设备发送第一参数集合给第一设备可以是图2中的S205。

S206，云端服务器将基站环境数据输入季节&温度算法模型，输出基站机房的最优节能控制策略。

例如，方法100中的第一模型可以是图2中的季节&温度算法模型，方法100中的第二控制策略可以是图2中的最优节能控制策略。

S207，云端服务器下发最优节能控制策略给边缘站能源控制单元。

例如，方法100中的第一设备发送第二控制策略给第二设备可以是图2中的S207。

S208，边缘站能源控制单元根据最优节能控制策略控制空调设备。

例如，方法100中的第二设备根据第二控制策略控制环境调节设备可以是图2中的S208，方法100中的环境调解设备可以是图2中的空调设备。

S209，边缘站能源控制单元采集下一时刻的基站环境数据。

具体地，下一时刻的基站环境数据是相对上一时刻预设时间后的边缘站能源控制单元采集的基站环境数据。

例如，方法100中的第三参数集合可以是图2中的下一时刻的基站环境数据。

S210，边缘站能源控制单元发送下一时刻的基站环境数据给云端服务器。

例如，方法100中的第二设备发送第三参数集合给第一设备可以是图2中的S210。

S211，云端服务器根据下一时刻的基站环境数据更新季节&温度算法模型。

例如，方法100中的第一设备根据第三参数集合和第一控制策略更新第一模型可以是图2中的S211。

S212，边缘站能源控制单元对下一时刻的基站环境数据进行条件判断，下发控制指令给空调设备。

具体地，控制指令包括：基站机房空调设备联动开启，基站机房空调设备轮动开启，或者基站机房空调设备步进开启。

例如，方法100中的第二设备根据第三参数集合和第二控制策略输出第三控制策略可以是图2中的S212，方法100中的第三控制策略可以是图2中的控制指令。

例如，图2中此时的最优节能控制策略为基站机房空调设备全部不开启，若采集到的下一时刻的基站环境数据为：基站机房的室内温度为33℃，基站机房的室外温度为30℃，基站机房空调全部断开。边缘站能源控制单元将打开离基站机电设备最近或者降温效果最好的一台空调，并开始空调运行时长判断。

若一个小时内，基站机房的室内温度出现高于34℃，即现场温度并未降低，并达到机房温度预警值，此时边缘站能源控制单元下发基站机房空调设备联动开启的控制指令，即迅速打开机房内所有空调，快速降低机房温度，保障机房安全。

若一小时内基站机房的室内温度未下降，稳定至32℃以上时，此时边缘站能源控制单元下发基站机房空调设备步进开启的控制指令，即边缘站能源控制单元依据现场情况和空调运行时长，进行步进开启空调，间隔一定时长开启下一台空调，直至空调全部开启或者机房温度下降。

若一小时内基站机房的室内温度下降，稳定至28℃～32℃时，此时边缘站能源控制单元下发基站机房空调设备轮动开启的控制指令，即边缘站能源控制单元将对现场空调进行轮动控制，间隔一定时长，机房空调轮流开启，直至触发其他机制为止，在保障机房温度稳定的同时合理分配空调运行时长，提高空调使用寿命。

若一小时内，基站机房的室内温度低于28℃，边缘站能源控制单元将依据空调运行时长、机房的温度变化率对是否立即关闭空调进行判断，如果运行时长过短，温度变化率较大时，将会选择延时关闭空调，防止出现空调频繁启停现象。

需要说明的是，图2中的S211与S212的执行顺序没有任何限制，S211可以在S212之前或者之后或者同时进行。需要说明的是，本申请可以包括比图2更多步骤或者更少步骤，图2中不同步骤的组合可以形成不同的实施例，例如，图2中的S201～S206可以构成第一设备获取第一参数集合，第一设备根据第一参数集合和第一控制策略输出第二控制策略的实施例，S201～S207可以构成第一设备输出第二控制策略给第二设备的另一实施例，S201～S208可以构成第二设备根据第二控制策略控制环境调节设备的又一实施例，S201～S211可以构成第一设备根据获取到的第三参数集合和第一控制策略更新第一模型的又一实施例，S201～S209和S212可以构成第二设备根据第三控制策略控制环境调节设备的又一实施例。

以上，图2就完成了该基站机房的空调设备的精细化控制，通过获取的基站数据与云端服务器中的面积&空调数算法模型进行对比判断，分析该基站机房的节能控制策略范围，基于基站机房的节能控制策略范围，云端服务器将获取到的基站环境数据输入季节&温度算法模型进行计算分析，输出该基站机房的最优节能控制策略并下发至边缘站能源控制单元，边缘站能源控制单元根据采集到的下一时刻的基站环境数据，调整最优节能控制策略，下发控制指令对空调设备进行精细化控制。以此来实现基站机房的不同环境下空调设备的精细化控制，从而实现基站机房的节能减排。

图3为本申请实施例提供的一种通过人工智能AI控制环境调节设备的装置的示意性框图，如图3所示，本实施例提供的装置包括：

获取单元310，用于获取第一参数集合，第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、第一室内对应的室外当前的室外温度、第一室内的散热设备当前的温度、第一室内的机柜内当前的温度或第一室内的每个环境调节设备当前的运行状态中的至少两项，M1个环境调节设备用于调节第一室内的温度，M1为正整数。

获取单元310，还用于获取第二参数集合，第二参数集合包括：第一室内的面积、M1、第一室内的每个环境调节设备的技术参数或第一室内的每个环境调节设备的位置中的至少一项。

处理单元320，用于将第一参数集合和第一控制策略输入第一模型，得到第二控制策略，第一控制策略是第二参数集合输入第二模型得到的，第二控制策略用于控制M1个环境调节设备，第一模型和第二模型为不同的AI模型。

图3所述的装置可以执行上述方法实施例中第一设备的功能，为了避免赘述，在此不详细描述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

基于同一发明构思，图4为本申请实施例提供的另一种通过人工智能AI控制环境调节设备的装置的示意性框图，包括处理器，处理器与存储器耦合，处理器用于执行存储器中存储的计算机程序或指令时，以实现上述第一方面或第一方面的任一实施方式的方法。

基于同一发明构思，本申请实施例提供的一种计算机存储介质，计算机存储介质上存储有计算机程序，计算机程序被处理器执行时，以实现上述第一方面或第一方面的任一实施方式的方法。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个装置中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储在计算机的芯片中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

在本申请所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (8)

1.一种通过人工智能AI控制环境调节设备的方法，其特征在于，包括：

第一设备获取第一参数集合，所述第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、所述第一室内对应的室外当前的室外温度、所述第一室内的散热设备当前的温度、所述第一室内的机柜内当前的温度或所述第一室内的每个环境调节设备当前的运行状态中的至少两项，所述M1个环境调节设备用于调节所述第一室内的温度，所述M1为正整数；

所述第一设备将所述第一参数集合和第一控制策略输入第一模型，得到第二控制策略，所述第一控制策略是第二参数集合输入第二模型得到的，所述第二参数集合包括：所述第一室内的面积、所述环境调节设备的数量M1、所述第一室内的每个环境调节设备的技术参数或所述第一室内的每个环境调节设备的位置中的至少一项，所述第二控制策略用于控制所述M1个环境调节设备，所述第一模型和所述第二模型为不同的AI模型，所述AI模型为神经网络模型；

所述方法还包括：

所述第一设备向第二设备发送所述第二控制策略；

所述第二设备根据所述第二控制策略控制所述M1个环境调节设备；

其中，所述第二设备根据所述第二控制策略控制所述M1个环境调节设备之后，所述第一设备从所述第二设备接收第三参数集合，所述第三参数集合包括：所述每个环境调节设备当前的运行时长、当前季节、所述第一室内当前的室内温度、所述第一室内对应的室外当前的室外温度、所述第一室内的散热设备当前的温度、所述第一室内的机柜内当前的温度或所述第一室内的每个环境调节设备当前的运行状态中的至少两项；

所述第一设备根据所述第三参数集合和所述第一控制策略更新所述第一模型。

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：

所述第一设备获取所述第二参数集合；

所述第一设备将所述第二参数集合输入所述第二模型，得到所述第一控制策略。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述第一设备获取第i样本数据，所述第i样本数据包括第i参数集合、第i控制策略、第i’参数集合和第i’控制策略；

所述第一设备根据所述第i参数集合和所述第i控制策略确定第i模型，所述第i模型用于得到所述第二模型；

所述第一设备根据所述第i控制策略、所述第i’参数集合和第i’控制策略确定第i’模型，所述第i’模型用于得到所述第一模型；

其中，所述第i参数集合包括：第i室内的面积、所述第i室内的环境调节设备的数量Mi、所述第i室内的每个环境调节设备的技术参数或所述第i室内的每个环境调节设备的位置中的至少一项；所述第i’参数集合包括：Mi个环境调节设备中每个环境调节设备的运行时长、第i样本数据对应的季节、所述第i室内当前的室内温度、所述第i室内对应的室外当前的室外温度、所述第i室内的散热设备当前的温度、所述第i室内的机柜内当前的温度或所述第i室内的每个环境调节设备当前的运行状态中的至少两项。

4.根据权利要求1所述的方法，其特征在于，所述第二设备根据所述第二控制策略控制所述M1个环境调节设备，包括：

所述第二设备根据所述第二控制策略控制所述M1个环境调节设备轮动开启，或者控制所述M1个环境调节设备步进开启，或者控制所述M1个环境调节设备联动开启。

5.根据权利要求1所述的方法，其特征在于，在所述第二设备根据所述第二控制策略控制所述M1个环境调节设备之后，所述方法还包括：

所述第二设备采集第三参数集合，所述第三参数集合包括：所述每个环境调节设备当前的运行时长、当前季节、所述第一室内当前的室内温度、所述第一室内对应的室外当前的室外温度、所述第一室内的散热设备当前的温度、所述第一室内的机柜内当前的温度或所述第一室内的每个环境调节设备当前的运行状态中的至少两项；

所述第二设备根据所述第三参数集合和所述第二控制策略，确定第三控制策略；

所述第二设备根据所述第三控制策略控制所述M1个环境调节设备。

6.根据权利要求5所述的方法，其特征在于，所述第二设备根据所述第三控制策略控制所述M1个环境调节设备，包括：

所述第二设备根据所述第三控制策略控制所述M1个环境调节设备轮动开启，或者控制所述M1个环境调节设备步进开启，或者控制所述M1个环境调节设备联动开启。

7.一种通过人工智能AI控制环境调节设备的装置，包括处理器，所述处理器与存储器耦合，所述处理器用于执行所述存储器中存储的计算机程序或指令时，以实现如权利要求1-6中任意一项所述的方法。

8.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时，以实现如权利要求1-6任一项所述的方法。