CN118689112B - 用于壁炉设备的自适应节能控制方法及系统 - Google Patents

Abstract

本发明公开了用于壁炉设备的自适应节能控制方法及系统，涉及智能控制技术领域，所述方法包括：确定壁炉设备的控制影响要素，监测并回传要素数据至智能中控系统。基于底层调控逻辑和要素数据，以需求为导向确定自主调控策略。构建与智能中控系统通信的周期学习模块，调用周期性历史控制记录，挖掘用户习惯特征，进行自主学习，确定习惯调控逻辑，并更新智能中控系统，确定行为调控策略。结合自主调控策略和行为调控策略进行壁炉设备的节能优化控制。进而达成提高调控的需求契合度、提升节能水平的技术效果。

Description

用于壁炉设备的自适应节能控制方法及系统

技术领域

本发明涉及智能控制技术领域，特别涉及用于壁炉设备的自适应节能控制方法及系统。

背景技术

壁炉作为一种取暖设备，广泛应用于家庭和商业场，现有的壁炉设备控制方法多基于预设的固定控制策略，结合用户的临时性手动调节，调整壁炉的产热强度和进风量来控制室内温度。操作复杂，难以适应不同环境下用户的不同调控需求，且基于固定控制策略进行启停控制的温度波动大，易造成能源浪费。存在调控需求适配性低、影响节能水平的技术问题。

发明内容

本发明提供用于壁炉设备的自适应节能控制方法及系统，以解决现有技术中调控需求适配性低、影响节能水平的技术问题，实现提高调控的需求契合度、提升节能水平的技术效果。

第一方面，本发明提供了用于壁炉设备的自适应节能控制方法，其中，所述方法包括：

确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统；基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序；构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接；基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次；基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识；结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。

第二方面，本发明还提供了用于壁炉设备的自适应节能控制系统，其中，所述系统包括：

要素提取模块，所述要素提取模块用于确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统。

调控策略需求化模块，所述调控策略需求化模块用于基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序。

周期构建学习模块，所述周期构建学习模块用于构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接。

习惯学习模块，所述习惯学习模块用于基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次。

策略更新模块，所述策略更新模块用于基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识。

控制执行模块，所述控制执行模块用于结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。

本发明公开了用于壁炉设备的自适应节能控制方法及系统，包括：确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统；基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序；构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接；基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次；基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识；结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。本发明公开的用于壁炉设备的自适应节能控制方法及系统解决了调控需求适配性低、影响节能水平的技术问题，实现了提高调控的需求契合度、提升节能水平的技术效果

附图说明

图1为本发明用于壁炉设备的自适应节能控制方法的流程示意图。

图2为本发明用于壁炉设备的自适应节能控制系统的结构示意图。

附图标记说明：要素提取模块11、调控策略需求化模块12、周期构建学习模块13、习惯学习模块14、策略更新模块15、控制执行模块16。

具体实施方式

本发明的实施例中所提供的技术方案，为解决现有技术存在的调控需求适配性低、影响节能水平的技术问题，所采用的整体思路如下：

首先，确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统。

接着，基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序。

然后，构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接。

而后，基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次。

进而，基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识。

最后，结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。

下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，以更好的理解上述技术方案。显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受仅用于解释本发明的示例实施例的限制。基于本发明的实施例，本领域普通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，都属于本发明保护的范围。此外，还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

实施例一

图1为本发明用于壁炉设备的自适应节能控制方法的流程示意图，其中，所述方法包括：

确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统。

可选的，壁炉设备的控制影响要素包括室内温度、室外温度、室内湿度、室内指标气体浓度等。具体的，室内温度反映了室内环境的温度变化情况，是调节壁炉输出功率的关键因素。

具体而言，室外温度是影响室内温度的主要外部因素，室外温度的高低影响室内向外部环境热量散发的速率快慢，具体的，室外温度越低，相应的室内外温差越大，热传导梯度力越大，热量散发导致的热损失越高，需要补偿更高的输出功率以维持室内温度。

具体的，室内湿度的变化会影响人体的体感温度，从而影响舒适度，是影响壁炉控制的重要影响要素，优选的，室内湿度为室内环境的相对湿度。其中，体感温度是指人在特定湿度和风速条件下感受到的温度。湿度高时，人体散热困难，感觉更热；湿度低时，人体散热快，感觉更冷。可选的，使用热指数（Heat Index）公式结合温度和湿度计算体感温度。

具体的，室内指标气体浓度用于反映室内空气质量情况，避免因壁炉燃烧导致的空气污染。其中，指标气体包括一氧化碳、二氧化碳、氮氧化物等。

进一步的，监测并确定要素数据并回传至智能中控系统，首先，基于壁炉设备的控制影响要素，配置多种监测传感设备，示例性的，包括温度传感器（室内与室外）、湿度传感器、气体浓度传感器（CO传感器、CO₂传感器、NO_x传感器）等。而后，通过上述的多种监测传感器，获取多种要素的要素数据，并通过无线网络或有线连接，将数据传输到智能中控系统。示例性的，要素数据的回传机制包括实时传输与周期传输，当室内空间中用户活动水平高时，传感器将采集到的数据实时传输到中控系统；当室内空间中用户活动水平低或无人时，传感器定期将采集到的数据打包，间歇的传输到中控系统。从而有助于壁炉设备的节能降耗。

可选的，温度传感器（室内）、湿度传感器分布式的安装在室内的多个位置，确保测量结果的准确性和全面性。气体浓度传感器安装在壁炉附近以及其他关键区域。温度传感器（室外）安装在室外避光处，避免阳光直射。

通过上述的要素获取与监测采集，为后续的自适应节能控制提供了环境要素基础。

基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序。

具体的，底层调控逻辑是指目标壁炉设备的基础控制逻辑，该控制逻辑通过内嵌的初始设定的基本控制程序体现，确保系统具有基本的反馈控制能力，得以在基础条件下能够正常运行。可选的，底层调控逻辑基于初始设定的PID控制器来实现。

示例性的，底层调控逻辑包括多个方面：传感器数据采集，获取室内温度和湿度数据；初始控制参数设置，设定初始的温度目标值和湿度补偿系数；基本控制算法，实现简单的开/关控制或比例控制。

可选的，自主调控策略用于需要根据用户需求动态调整壁炉的输出，以达到节能和舒适的双重目标。其中，为导向的需求包括舒适性需求与节能性需求。

在一些实施例中，确定自主调控策略，包括：

读取所述要素数据，所述要素数据包含至少一项；遍历所述底层调控逻辑，对所述要素数据进行匹配，确定单控制策略；对所述单控制策略进行碰撞分析与避让调控融合，确定所述自主调控策略。

可选的，遍历要素数据，分别基于多种要素于底层调控逻辑进行控制匹配，检查与多种要素数据匹配的控制规则，并进行控制规则调整，确定多组单控制策略。其中，单控制策略是仅考虑单一要素数据指定的控制策略，如针对室外温度的调节策略、针对湿度的调节策略等。

示例性的，底层调控逻辑包括：温度控制逻辑，如果室内温度低于目标温度，则增加壁炉输出功率；如果室内温度高于目标温度，则减少壁炉输出功率。单控制策略包括对室外温度的调节策略（如室外温度下降，则增加壁炉输出功率等）、针对室内湿度的调节策略（如室内湿度水平较高，则减少壁炉输出功率等）、针对室内指标气体浓度的调节策略（如室内指标气体浓度超限或上升速率较快，则减少壁炉输出功率、加强通风等）。

可选的，在实际应用中，单控制策略可能会发生冲突。例如，温度控制策略要求增加壁炉输出，而湿度控制策略要求减少壁炉输出。故对单控制策略进行碰撞分析与避让调控融合，以确定最终的自主调控策略。

示例性的，对单控制策略进行碰撞分析与避让调控融合，首先，解析获取多种要素数据的数据波动情况，组合生成多个波动要素组，多个波动要素组对应目标环境的多种要素数据情景；而后，基于多个波动要素组，遍历多种单控制策略进行碰撞分析，检查各单控制策略之间是否存在冲突，并评估冲突对目标环境的影响，确定冲突的严重程度；接着，基于预设的控制优先级，综合各单控制策略，实现避让调控融合，获取自主调控策略。例如，对不影响安全的要素数据情景（非必要冲突），采用加权平均的方法来确定最终的壁炉输出调整量，在影响安全的要素数据情景下（必要冲突情况），选择优先确保安全性的策略进行调控。

通过上述的碰撞分析与避让调控融合，解决了各单控制策略之间的潜在冲突，确保各单控制策略在不互相干扰的情况下，共同实现优化控制。

构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接。

可选的，周期学习模块为基于特征挖掘算法构建的自主学习模块，用于定期分析和学习用户的手动控制记录，从而获取用户的控制习惯，并用于不断优化和更新调控策略，提高壁炉设备的节能效果和用户舒适度。

可选的，周期学习模块配置于远程服务器或云计算模块，周期学习模块与智能中控系统通过远程通信连接进行数据交换和控制策略的更新。通过远程部署于通信连接，有助于减少本地部署带来的设备成本，同时得以通过云计算的强大计算能力和存储资源，实现高效的数据处理和学习训练。

基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次。

可选的，周期学习模块周期性的从智能中控系统获取用户的手动控制记录、环境要素数据（如温度、湿度、气体浓度等），并将这些数据存储在数据库中，获取周期性的历史控制记录。其中，数据的采集周期根据需要设定。

可选的，调用周期性的历史控制记录后，周期学习模块基于数据挖掘和机器学习技术，分析用户的控制习惯，进而获取用户习惯特征，该用户习惯特征表征了用户在不同环境条件下的控制偏好。

可选的，基于挖掘到的用户习惯特征，将用户习惯特征转化为具体的习惯调控逻辑。示例性的，若用户在特定温度范围内常常手动调高壁炉功率，则调整该温度范围内的功率映射曲线，生成相应的习惯调控逻辑，确保后续的自适应控制符合用户的控制期望。

具体的，用户习惯特征需满足预设频次，从而排除偶发性的手动控制。

在一些实施例中，调用周期性的历史控制记录，挖掘用户习惯特征，包括：

读取历史控制记录，其中，所述历史控制记录包含自主控制记录与主观控制记录；以响应同源，对所述历史控制记录进行一层聚类，确定第一聚类结果，以自动化与主观性对所述第一聚类结果进行二层聚类，确定第二聚类结果，其中，主观聚类簇的频次比更高；基于所述第二聚类结果，挖掘获取所述用户习惯特征。

具体的，提取用户的历史控制记录，包含自主控制记录（自动化系统根据预设规则进行的控制）和主观控制记录（用户手动调整的控制）。可选的，历史控制记录还包括相关的环境数据，如温度、湿度、时间等。

可选的，使用聚类算法（如K-means、DBSCAN等）对历史控制记录进行一层聚类，确定第一聚类结果。第一聚类结果包括多个初步聚类簇，每个初步聚类簇代表一种相似的控制行为模式（即响应同源）。

可选的，在第一层聚类的基础上，进一步结合主观性和自动化控制进行二层聚类，确定更精细的用户控制习惯。首先，将第一层聚类结果中的控制记录按控制来源分为自动化控制和手动控制两类。接着，使用层次聚类算法，对初步聚类簇进行再聚类，结合主观控制频次和自动化控制记录，进行频次分析，识别出用户经常手动调节的行为，确定最终的用户控制习惯特征，输出为第二层聚类结果。其中，主观控制簇的频次比更高，即较低频次主观控制记录也会得到充分的关注，以更准确地反映用户的控制习惯。

通过上述方法，周期学习模块能够更精细地识别用户的控制习惯，不断优化和更新调控策略，提高壁炉设备的节能效果和用户舒适度，提升系统的智能化水平。

在一些实施例中，进行自动化控制的自主学习之前，包括：

设定初始学习率；若所述用户习惯特征为周期延续特征，对所述初始学习率进行增向调整，与特征频次变量的按比调整，确定第一学习率；若所述用户习惯特征为新增习惯特征，基于特征频次，对所述初始学习率进行按比调整，确定第二学习率；基于所述第一学习率与所述第二学习率，对所述用户习惯特征进行标识。

可选的，进行自动化控制的自主学习之前，分析用户控制习惯特征，动态调整学习率。这种方法有助于周期学习模块更快适应新的数据分布或特征变化，提高自主学习效率和性能。

具体的，首先，设定初始学习率，该初始学习率是不考虑用户控制习惯特征的基础学习率，然后，对用户习惯特征进行频次分析，判断其是周期延续特征还是新增习惯特征。其中，周期延续特征代表用户的稳定行为模式，而新增习惯特征可能代表用户行为的变化或新趋势。接着，根据特征频次的分析结果，分别调整周期延续特征与新增习惯特征的学习率，以便周期学习模块更好地捕捉和适应这些特征。

可选的，对于周期延续特征，基于周期延续特征在控制记录中的特征频次增量与历史平均特征频次的比例，对初始学习率进行等比上调，确保第一学习率高于初始学习率；对于新增习惯特征，则根据其特征频次占控制记录中全部特征频次增量的比例，对初始学习率进行折算，避免基于偶发自主控制记录获取的新增习惯特征对用户习惯特征产生不利干扰。

可选的，基于调整后的第一学习率与第二学习率，对用户习惯特征中的周期延续特征与新增习惯特征进行标识。确保周期学习模块能够准确区分不同类型的特征及其重要性，并在学习过程中有效利用这些信息更好地理解用户行为模式，提高获取习惯调控逻辑的准确性和鲁棒性。

基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识。

可选的，传输更新所述习惯调控逻辑至智能中控系统，将新的习惯调控逻辑整合到现有的智能中控系统中，包括覆盖或替换旧有的调控策略，并进行系统配置更新，确保新的调控策略生效。其中，自主调控策略用于根据实时要素数据自主调整壁炉设备的运行状态。行为调控策略则以习惯调控逻辑为基准，进行结合用户需求的适应性调整，使系统更符合用户的控制偏好，提高用户的舒适度。

结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。

在一些实施例中，进行壁炉设备的节能优化控制，包括：

获取主观控制指令，所述主观控制指令具有最高优先级；若所述主观控制指令存在策略碰撞，对所述主观控制指令进行风险性判定；若不存在风险性，响应所述主观控制指令，若存在风险性，生成基于所述主观控制指令的风险弹窗。

具体的，首先，通过用户手动输入或交互控制面板中获取主观控制指令，该主观控制指令直接反映用户的实时需求和偏好，具有最高优先级，也就是说优先响应用户的手动操作。

而后，检测主观控制指令是否与当前的自主调控策略或行为调控策略发生冲突，如果存在策略碰撞，则进一步判定风险性，确定主观控制指令是否会导致安全风险，如指标气体（一氧化碳、二氧化碳、氮氧化物等）浓度超标等。

进一步的，若不存在风险性，则直接响应并执行主观控制指令，若存在风险性，则生成基于主观控制指令的风险弹窗，提示用户主观控制指令可能导致的潜在风险，并提供相应的处理建议。通过风险性判定和风险弹窗提示，有助于确保用户在进行手动控制时不会引发安全问题，进而在确保用户安全的前提下，实现节能优化控制，提升用户的使用体验。

进一步的，进行壁炉设备的节能优化控制之后，包括：

监测壁炉运行效率，所述壁炉运行效率包括燃烧效率与热交换效率，包含效率趋势与效率矢量；对所述壁炉运行效率进行超限判定，若低于效率阈值，生成能耗预警指令；基于所述能耗预警指令，进行壁炉设备的超限溯源定位与运维调节。

可选的，监测壁炉运行效率，监测内容包括燃烧效率与热交换效率，进一步的，燃烧效率包含效率趋势与效率矢量。

其中，燃烧效率是指壁炉燃烧燃料的能力，燃烧效率的高低直接影响到壁炉能够产生的热量。燃烧效率可以通过对燃烧产物（如二氧化碳和水蒸气）进行定量分析确定。高效的燃烧会产生更少的未燃烧的燃料和有害的排放物；热交换效率是指壁炉将燃烧产生的热量传递给周围环境的能力。示例性的，热交换效率通过测量壁炉的出口温度和周围环境的温度确定。高效的热交换可以使更多的热量被利用，从而提高壁炉的节能水平。

进一步的，上述燃烧效率还包括效率趋势和效率矢量，其中，效率趋势是指壁炉运行效率随时间的变化情况。通过监测效率趋势，可以了解壁炉的性能是否在改善或恶化，从而进行及时的维护和调整。效率矢量是指壁炉运行效率在不同操作条件下的变化情况。通过监测效率矢量，有助于理解哪些操作条件可以提高壁炉的运行效率，从而针对性的进行优化。

示例性的，通过燃烧监测传感器和热交换监测传感器，实时采集相关数据。而后，分析计算采集的数据，生成效率趋势和效率矢量。

可选的，根据壁炉设备的设计参数和运行规范，设定燃烧效率和热交换效率的阈值，获取上述效率阈值，若运行效率低于设定阈值，判定为超限状态，可认为此时壁炉设备的运行能耗表现不佳，节能水平较低，生成能耗预警指令，提示用户或运维人员注意。示例性的，能耗预警指令包括超限比例与超限内容。

进一步的，进行壁炉设备的节能优化控制之后，还包括：

基于壁炉设备的服役状态，确定风险定位点，所述风险定位点标识有阈值矢量；遍历所述风险定位点，配置应急预案库；判定服役数据是否满足所述阈值矢量，若满足，遍历所述应急预案库，进行风险应急控制与预警。

可选的，对壁炉设备进行节能控制之后，进行壁炉设备的风险管理和应急预案配置，以确保设备在服役过程中的安全性和可靠性，具体的，首先，通过实时监控和数据分析，确定壁炉设备可能存在风险的部位或条件，其中，风险定位点是根据壁炉设备的工作状态和环境因素确定的，潜在的安全隐患。

可选的，通过大数据获取目标壁炉设备及目标壁炉设备的同源壁炉设备的故障及安全事件历史，提取多个风险定位点。

示例性的，基于壁炉设备的工作状态（包括燃烧情况、温度分布、排气状态等）与环境因素（包括室内外温度、湿度、空气流通情况等）。确定风险定位点，风险定位点涉及的风险类别包括局部温度异常、排气不畅、不完全燃烧等。

具体而言，通过温度传感器实时监测壁炉设备各部位的温度，设定温度阈值，若超过阈值则判定为局部温度异常。通过安装排气流量传感器和压力传感器，监测排气系统的流量和压力进行排气不畅判定。通过燃烧监测传感器分析燃烧情况，检测是否有未燃尽的燃料残留或有害气体浓度过高，确定是否存在不完全燃烧。

可选的，为每个风险定位点设定对应的阈值矢量，该矢量包含了多个阈值，如温度、压力、气体浓度等，定义了风险定位点的安全范围，超过这些阈值则认为壁炉设备存在故障或安全风险。

可选的，根据风险定位点的特点和可能的风险情况，配置相应的应急预案。该应急预案库包含了针对不同风险情况的应对措施和操作流程，以便在紧急情况下快速响应。

可选的，实时监控壁炉设备的服役数据，并与设定的阈值矢量进行比较，判断壁炉设备是否处于安全状态，是否需要采取应急措施。若服役数据满足阈值矢量，则说明壁炉设备可能存在风险，遍历应急预案库，采取相应的风险应急控制措施。其中，风险应急控制措施包括调整设备参数、启动备用设备或停止设备运行等。同时，还包括启动预警机制，通知相关人员采取行动。

通过上述步骤，基于壁炉设备的服役状态，确定风险定位点，并配置应急预案库，有助于在设备服役过程中及时发现和处理潜在风险，确保设备的安全运行。

综上所述，本发明所提供的用于壁炉设备的自适应节能控制方法具有如下技术效果：

通过确定壁炉设备的控制影响因素，监测并确定这些要素的数据，并将数据回传至智能中控系统。基于底层调控逻辑，结合要素数据，以需求为导向，确定自主调控策略。构建周期学习模块，该模块与智能中控系统建立通信连接。基于周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑。用户习惯特征需要满足预设的频次要求。基于习惯调控逻辑更新智能中控系统，并确定行为调控策略。结合自主调控策略与行为调控策略，进行壁炉设备的节能优化控制。从而实现提高调控的需求契合度、提升节能水平的技术效果。

实施例二

图2是本发明用于壁炉设备的自适应节能控制系统的结构示意图。例如，图1中本发明用于壁炉设备的自适应节能控制方法的流程示意图可以通过如图2所示的结构实现。

基于与所述实施例中用于壁炉设备的自适应节能控制方法同样的构思，本发明还提供的用于壁炉设备的自适应节能控制系统包括：

要素提取模块11，用于确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统。

调控策略需求化模块12，用于基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序。

周期构建学习模块13，用于构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接。

习惯学习模块14，用于基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次。

策略更新模块15，用于基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识。

控制执行模块16，用于结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。

其中，调控策略需求化模块12包括：

要素数据获取单元，用于读取所述要素数据，所述要素数据包含至少一项。

要素匹配单元，用于遍历所述底层调控逻辑，对所述要素数据进行匹配，确定单控制策略。

碰撞分析与避让调控单元，用于对所述单控制策略进行碰撞分析与避让调控融合，确定所述自主调控策略。

进一步的，习惯学习模块14包括：

历史记录单元，用于读取历史控制记录，其中，所述历史控制记录包含自主控制记录与主观控制记录。

分级聚类单元，用于以响应同源，对所述历史控制记录进行一层聚类，确定第一聚类结果，以自动化与主观性对所述第一聚类结果进行二层聚类，确定第二聚类结果，其中，主观聚类簇的频次比更高。

用户习惯挖掘单元，用于基于所述第二聚类结果，挖掘获取所述用户习惯特征。

进一步的，习惯学习模块14还包括：

学习率单元，用于设定初始学习率。

周期学习率调整单元，用于若所述用户习惯特征为周期延续特征，对所述初始学习率进行增向调整，与特征频次变量的按比调整，确定第一学习率。

新增学习率调整单元，用于若所述用户习惯特征为新增习惯特征，基于特征频次，对所述初始学习率进行按比调整，确定第二学习率。

特征标识单元，用于基于所述第一学习率与所述第二学习率，对所述用户习惯特征进行标识。

进一步的，控制执行模块16包括：

优先获取单元，用于获取主观控制指令，所述主观控制指令具有最高优先级。

风险性判定单元，用于若所述主观控制指令存在策略碰撞，对所述主观控制指令进行风险性判定。

风险处理单元，用于若不存在风险性，响应所述主观控制指令，若存在风险性，生成基于所述主观控制指令的风险弹窗。

进一步的，所述系统还包括能耗预警单元，用于：监测壁炉运行效率，所述壁炉运行效率包括燃烧效率与热交换效率，包含效率趋势与效率矢量。对所述壁炉运行效率进行超限判定，若低于效率阈值，生成能耗预警指令。基于所述能耗预警指令，进行壁炉设备的超限溯源定位与运维调节。

进一步的，所述系统还包括单元，用于：基于壁炉设备的服役状态，确定风险定位点，所述风险定位点标识有阈值矢量。遍历所述风险定位点，配置应急预案库。判定服役数据是否满足所述阈值矢量，若满足，遍历所述应急预案库，进行风险应急控制与预警。

应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的用于壁炉设备的自适应节能控制系统，为了说明书的简洁，在此不做进一步的展开。

应当理解的是，本发明所公开的实施例及上述说明，可以使得本领域的技术人员运用本发明实现本发明。同时本发明不被限制于上述所提到的这部分实施例，应当理解：本领域的普通技术人员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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (5)

1.用于壁炉设备的自适应节能控制方法，其特征在于，所述方法包括：

确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统；

基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序；

构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接；

基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次；

基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识；

结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集；

其中，所述确定自主调控策略，包括：

读取所述要素数据，所述要素数据包含至少一项；

遍历所述底层调控逻辑，对所述要素数据进行匹配，确定单控制策略；

对所述单控制策略进行碰撞分析与避让调控融合，确定所述自主调控策略；

其中，所述调用周期性的历史控制记录，挖掘用户习惯特征，包括：

读取历史控制记录，其中，所述历史控制记录包含自主控制记录与主观控制记录；

以响应同源，对所述历史控制记录进行一层聚类，确定第一聚类结果，以自动化与主观性对所述第一聚类结果进行二层聚类，确定第二聚类结果，其中，主观聚类簇的频次比更高；

基于所述第二聚类结果，挖掘获取所述用户习惯特征；

其中，所述进行壁炉设备的节能优化控制，包括：

获取主观控制指令，所述主观控制指令具有最高优先级；

若所述主观控制指令存在策略碰撞，对所述主观控制指令进行风险性判定；

若不存在风险性，响应所述主观控制指令，若存在风险性，生成基于所述主观控制指令的风险弹窗。

2.如权利要求1所述的用于壁炉设备的自适应节能控制方法，其特征在于，所述进行自动化控制的自主学习之前，包括：

设定初始学习率；

若所述用户习惯特征为周期延续特征，对所述初始学习率进行增向调整，与特征频次变量的按比调整，确定第一学习率；

若所述用户习惯特征为新增习惯特征，基于特征频次，对所述初始学习率进行按比调整，确定第二学习率；

基于所述第一学习率与所述第二学习率，对所述用户习惯特征进行标识。

3.如权利要求1所述的用于壁炉设备的自适应节能控制方法，其特征在于，进行壁炉设备的节能优化控制之后，包括：

监测壁炉运行效率，所述壁炉运行效率包括燃烧效率与热交换效率，包含效率趋势与效率矢量；

对所述壁炉运行效率进行超限判定，若低于效率阈值，生成能耗预警指令；

基于所述能耗预警指令，进行壁炉设备的超限溯源定位与运维调节。

4.如权利要求1所述的用于壁炉设备的自适应节能控制方法，其特征在于，进行壁炉设备的节能优化控制之后，所述方法还包括：

基于壁炉设备的服役状态，确定风险定位点，所述风险定位点标识有阈值矢量；

遍历所述风险定位点，配置应急预案库；

判定服役数据是否满足所述阈值矢量，若满足，遍历所述应急预案库，进行风险应急控制与预警。

5.用于壁炉设备的自适应节能控制系统，其特征在于，所述系统用于执行权利要求1-4任意一项所述的用于壁炉设备的自适应节能控制方法，所述系统包括：

要素提取模块，所述要素提取模块用于确定壁炉设备的控制影响要素，监测并确定要素数据并回传至智能中控系统；

调控策略需求化模块，所述调控策略需求化模块用于基于底层调控逻辑，结合所述要素数据，以需求为导向，确定自主调控策略，所述底层调控逻辑为初始设定的基本控制程序；

周期构建学习模块，所述周期构建学习模块用于构建周期学习模块，所述周期学习模块与智能中控系统建立有通信连接；

习惯学习模块，所述习惯学习模块用于基于所述周期学习模块，调用周期性的历史控制记录，挖掘用户习惯特征，并进行自动化控制的自主学习，确定习惯调控逻辑，其中，所述用户习惯特征满足预设频次；

策略更新模块，所述策略更新模块用于基于所述习惯调控逻辑更新所述智能中控系统，并确定行为调控策略，其中，所述自主调控策略与所述行为调控策略具有同时间戳标识；

控制执行模块，所述控制执行模块用于结合所述自主调控策略与所述行为调控策略，进行壁炉设备的节能优化控制，其中，所述自主调控策略或所述行为调控策略可为空集。