本发明涉及智能家居，尤其涉及一种智能开关控制方法。
背景技术：
1、随着物联网技术的发展，各种设备能够通过互联网相互通信和协作。在家庭环境中，智能开关作为连接家居设备与物联网的纽带，使得人们可以远程控制和监测家居设备，实现智能化管理。智能开关作为智能家居的核心组件之一，是实现自动化、远程控制的关键。然而，传统的智能开关控制方法往往缺乏对复杂场景的智能适应能力，如用户的日常习惯、季节性变化等。对于更智能、自适应的场景控制支持有限，并且缺乏有效的用户反馈机制，用户无法准确了解设备状态，导致使用不便或者误操作的可能性增加。
技术实现思路
1、基于此，本发明提供一种智能开关控制方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种智能开关控制方法，用于控制空调设备，包括以下步骤：
3、步骤s1：利用智能开关对空调设备进行状态监听，生成空调状态监听数据；根据空调状态监听数据进行环境感知调整处理，得到动态调整策略数据；根据动态调整策略数据进行协同调控处理，生成开关协同调控数据；
4、步骤s2：根据开关协同调控数据进行出风流体模拟，生成出风流动路径数据；对出风流动路径数据进行出风模式优化处理，从而得到优化出风模式数据；
5、步骤s3：根据优化出风模式数据进行空气紊流采集，生成空气紊流数据；根据空气紊流数据进行出风效果评估，生成综合出风指标数据；根据综合出风指标数据进行能耗优化，并进行出风模式质量处理，生成出风模式质量数据；
6、步骤s4：根据出风模式质量数据进行异常质量波动检测，生成异常运行波动数据；基于异常运行波动数据利用智能开关对空调设备进行高频启闭处理，生成异常电性特性数据；根据异常电性特性数据进行拓扑故障定位，生成拓扑故障定位数据；根据拓扑故障定位数据进行故障修复处理，得到故障修复数据。
7、本发明通过实时监测空调设备的运行状态，能够迅速获取设备工作情况，有助于提高能源利用效率和设备的整体性能。通过对环境因素(如温度、湿度)的感知，系统能够动态调整空调工作策略，实现个性化的舒适环境设置，从而提升用户体验，减少能源浪费。协同调控可以使多个空调设备之间实现协同工作，以达到整体性能的最优化。通过模拟出风流体，系统可以更精准地了解空气流动的路径和速度分布，有助于优化空调系统设计，提高空气流通效率，减少死角和不均匀通风区域。通过对出风路径进行优化处理，可以提高空气的均匀性，避免冷热区域差异，从而实现更加舒适的室内环境。通过采集空气紊流数据，系统可以更全面地了解空气在室内的流动情况，有助于分析通风效果。通过评估出风效果，系统可以生成综合的出风指标数据，这些指标涵盖了空气质量、温度均匀性等多方面的信息。基于能耗优化和模式质量处理，系统可以在确保室内环境舒适度的同时，降低能源消耗，提高空调系统的能效，减轻对环境的影响。通过检测异常质量波动，系统可以迅速发现可能存在的出风模式异常，及时采取措施进行调整和修复，确保空调系统的稳定运行和室内环境的质量。通过高频启闭处理，系统可以生成异常电性特性数据，这有助于识别设备可能存在的故障，提前发现并采取修复措施，避免设备长时间异常运行，保障设备的寿命和性能。通过拓扑故障定位，系统能够精确定位设备故障点，为维修人员提供准确的故障信息，提高维修效率，减少维修成本，确保空调系统长期有效运行。因此，本发明的一种智能开关控制方法通过智能开关控制空调设备，考虑对作业环境感知处理，根据不同的作业情境智能调整空调的作业模式，根据空调作业效果进行能耗优化以及异常故障处理，从而对空调设备实现智能作业模式切花以及故障修复。
8、优选地，步骤s1包括以下步骤：
9、步骤s11：利用智能开关对空调设备进行状态监听，生成空调状态监听数据；
10、步骤s12：获取空调作用区域数据；根据空调作用区域数据进行智能传感器部署，并通过无线通信协议对智能开关进行通信集成连接，生成智能环境感知网络，其中智能环境感知网络包括多普勒风速传感器、温度传感器、电子监控设备以及散射式颗粒物传感器；
11、步骤s13：获取空调调控指令数据；利用智能开关对空调状态监听数据进行空调状态变更处理，得到状态变更事件数据，其中状态变更事件数据包括运行状态事件数据、关闭状态事件数据以及空调异常状态数据；
12、步骤s14：通过智能环境感知网络对状态变更事件数据进行实时感知策略处理，从而得到动态调整策略数据；
13、步骤s15：利用智能开关对动态调整策略数据进行感知策略编码，并进行协同调控处理，生成开关协同调控数据。
14、本发明利用智能开关对空调设备进行状态监听，不仅使系统能够追踪空调设备的实时性能，可以更精确地了解设备的工作情况。通过智能传感器的部署，如多普勒风速传感器、温度传感器、电子监控设备以及散射式颗粒物传感器，系统可以实时获取环境信息。智能环境感知网络的建立使得系统能够多维度、实时地感知室内环境的各种参数，这种多元化的传感器组合提供了全面的环境感知能力。通过获取空调调控指令数据，系统可以获得用户对空调设备的操作指令，包括温度调整、风速变更等。通过智能开关对空调状态的实时监听和处理，系统能够及时捕捉到运行状态变更、关闭状态以及异常状态等事件数据。利用智能环境感知网络，系统能够实时感知到空调状态的变更事件数据。通过对这些事件数据的分析和处理，系统可以制定动态调整策略，根据实际情况智能地调整空调工作参数，以达到最佳的能效和用户舒适度。通过协同调控，系统可以实现多个智能开关之间的协同工作，确保空调设备在整个调控过程中的协同性。协同调控有助于提高整体能效，减少能源浪费，同时确保室内环境的舒适度。
15、优选地，步骤s14包括以下步骤：
16、步骤s141：利用电子监控设备对空调作用区域数据进行空间形貌侦测，生成空间形貌侦测数据；根据空间形貌侦测数据进行人流活动监测，生成人流活动监测数据，其中人流活动监测数据包括人体活跃区域数据以及人体非活跃区域数据；
17、步骤s142：根据人流活动监测数据进行动态感知区域划分，生成动态感知区域数据；
18、步骤s143：对动态感知区域数据进行自适应感知频率调整，得到自适应感知频率策略；
19、步骤s144：利用自适应感知频率策略对动态感知区域数据进行实时环境变化感知，生成实时环境感知数据；
20、步骤s145：获取用户历史习惯数据；根据用户历史习惯数据进行环境-行为关联分析，从而得到历史行为模式数据；
21、步骤s146：利用预设的长短期记忆网络对历史行为模式数据进行迁移学习处理，生成动态策略调整模型；
22、步骤s147：将实时环境感知数据以及状态变更事件数据传输至动态策略调整模型进行动态调整预测处理，生成动态调整策略数据。
23、本发明通过电子监控设备进行空间形貌侦测，系统能够获取空调作用区域的详细结构和特征。通过人流活动监测，系统可以实时感知室内人体的活动情况，包括人体活跃区域和非活跃区域。这使得系统能够深入了解人流在空调作用区域的分布和活跃情况。通过动态感知区域划分，系统能够根据实时人流活动情况动态划定感知区域。自适应感知频率调整能够根据感知区域的活动程度和重要性灵活调整感知频率。这使得系统在保证感知精度的同时，能够在需要时提高感知频率，而在较为静态的区域则降低感知频率，从而有效降低系统负荷，提高能效。通过获取用户历史习惯数据，系统能够了解用户在不同时间、不同环境下的行为偏好，包括温度设置、风速偏好等。通过环境-行为关联分析，系统可以建立起用户行为与环境变量之间的关联关系。通过将实时环境感知数据和状态变更事件数据传输至动态策略调整模型，系统可以实时地预测用户的行为模式和需求，根据预测结果生成相应的动态调整策略。
24、优选地，步骤s2包括以下步骤：
25、步骤s21：根据运行状态事件数据进行出风模式提取，生成出风模式数据；
26、步骤s22：根据流体力学原理构建空气流动数学模型；通过空气流动数学模型对出风模式数据进行空气流动路径识别，生成出风流动路径数据；
27、步骤s23：通过开关协同调控数据对出风流动路径数据进行出风需求分析，生成出风需求优化数据；
28、步骤s24：通过空气流动数学模型对出风需求优化数据进行空气流动模拟，生成出风模拟流动路径数据；
29、步骤s25：利用出风模拟流动路径数据对出风流动路径数据进行出风路径修正处理，得到修正出风路径数据；
30、步骤s26：通过修正出风路径数据对智能空调进行出风模式优化，生成优化出风模式数据。
31、本发明通过对运行状态事件数据的分析，系统能够识别出空调设备的不同运行模式，包括制冷、制热、通风等。通过基于流体力学原理的数学模型，系统可以模拟和分析室内空气的流动情况。这包括了空气的速度、方向、湿度等关键参数。建立数学模型有助于深入理解空气流动的物理过程。结合出风模式数据和流体力学数学模型，系统能够识别和模拟室内空气的流动路径。这有助于系统更全面地了解出风的传播轨迹，包括温度、湿度等参数的变化情况。结合开关协同调控数据，系统能够更细致地分析出风的需求。这包括根据用户的需求进行调整，考虑到不同空间的温度、湿度等因素，从而生成出风需求优化数据。通过使用数学模型模拟空气流动，系统能够更全面地理解出风需求优化数据在室内的传播路径。通过对出风模拟流动路径数据的修正处理，系统能够校正在模拟中可能存在的误差，确保出风路径的准确性。结合修正后的出风路径数据，系统能够更精准地进行出风模式的优化。这包括调整温度、风速、湿度等参数，以满足用户的需求并提高空调系统的能效。
32、优选地，步骤s23包括以下步骤：
33、步骤s231：通过智能环境感知网络对开关协同调控数据进行感知数据采集，分别得到人体姿态数据、温度感知数据以及空气质量感知数据；
34、步骤s232：对空气质量感知数据进行空气污染事件检测，生成空气污染事件数据；
35、步骤s233：根据空气污染事件数据进行颗粒物源分析，生成污染物源方位数据；
36、步骤s234：通过出风流动路径数据对污染物源方位数据进行智能净化调整处理，生成智能净化策略数据；
37、步骤s235：对人体姿态数据进行行为分类，生成行为分类数据；根据行为分类数据进行人体热量分析，从而得到人体热排量数据；对空调设备进行过热区域分析，生成设备过热区域数据；
38、步骤s236：通过温度感知数据对人体热排量数据以及设备过热区域数据进行热对流处理，生成热对流分布数据；
39、步骤s237：根据热对流分布数据进行热梯度优化以及智能温度调整处理，生成智能热调控数据；
40、步骤s238：通过预设的出风优先级规则对智能热调控数据以及智能净化策略数据进行事件序列匹配处理，生成出风需求优化数据。
41、本发明通过感知数据采集，系统能够实时获取室内环境的关键信息，包括人体的姿态、温度、空气质量等数据。通过对空气质量感知数据进行分析，系统能够及时检测到空气污染事件的发生。这有助于系统快速响应并采取相应的措施，以保障室内空气质量，提高用户的舒适度和健康水平。通过对空气污染事件的分析，能够确定污染物源的方位。结合出风流动路径数据，能够智能调整室内空气净化的策略。通过调整出风的方向和强度，系统能够更精准地实施净化，将污染物源排出室外，提高室内空气质量。通过对人体姿态数据进行行为分类，能够识别出人体在室内的不同行为，如站立、行走、坐着等。通过分析人体不同行为状态下的热量释放情况，能够获得实时的人体热排量数据。结合温度感知数据，能够实时计算人体和设备的热对流情况，从而生成热对流分布数据。通过热梯度优化和智能温度调整，能够根据实时的热对流情况精确调整空调设备的温度输出。通过出风优先级规则，能够将智能热调控和智能净化策略进行有效协同。
42、优选地，步骤s3包括以下步骤：
43、步骤s31：基于优化出风模式数据利用多普勒风速传感器对动态感知区域数据进行空气紊流采集，生成空气紊流数据；
44、步骤s32：利用出风效果评估算法对空气紊流数据进行局部出风效果评估，生成局部出风评估数据；
45、步骤s33：获取用户舒适度反馈数据；通过局部出风评估数据对用户舒适度反馈数据进行综合效果指标计算，生成综合出风指标数据；
46、步骤s34：通过预设的出风指标数据对综合出风指标数据进行空调作业效果判断，当综合出风指标数据高于或等于出风指标数据时，将空调设备标记为高质量作业状态；当综合出风指标数据低于出风指标数据时，将空调设备标记为低质量作业状态；
47、步骤s35：基于高质量作业状态利用智能开关对空调设备进行能耗监测，生成工作能耗监测数据；
48、步骤s36：通过工作能耗监测数据对优化出风模式数据进行工作能耗报告生成，从而得到能耗报告数据；将能耗报告数据传输至终端设备，并对用户进行能耗反馈数据采集，生成能耗优化数据；
49、步骤s37：通过低质量作业状态对优化出风模式数据进行出风模式质量分析，从而得到出风模式质量数据。
50、本发明通过多普勒风速传感器采集空气紊流数据，能够详细了解室内空气的流动情况，考虑到空气在不同区域的流动速度、方向等因素。通过出风效果评估算法，系统能够分析空气紊流数据，评估不同区域的出风效果。这有助于系统精确地识别局部出风效果的优劣，为提高室内空气质量提供定量指标。通过获取用户的舒适度反馈数据，系统能够了解用户对室内环境的感受。这包括用户对温度、风速等参数的主观感觉。结合局部出风评估数据和用户舒适度反馈数据，系统能够计算综合出风指标。这个指标综合考虑了空气紊流情况、用户感受以及优化出风模式等多个因素，为系统提供全面的出风质量评估。通过对综合出风指标数据与预设的出风指标数据的比较，系统能够判断空调的出风效果是否达到预期水平。在高质量作业状态下，系统通过智能开关对空调设备进行能耗监测。这有助于系统了解高质量作业状态下的实际能耗情况。结合工作能耗监测数据，系统能够生成有关空调工作能耗的报告。将能耗报告数据传输至终端设备，系统能够通过用户反馈数据收集用户对能耗情况的反馈。当空调设备被标记为低质量作业状态时，利用该状态下的优化出风模式数据进行出风模式质量分析。深入了解低质量状态下的出风模式表现，为问题诊断和改进提供详细的数据支持。
51、优选地，步骤s4包括以下步骤：
52、步骤s41：根据出风模式质量数据进行异常质量波动检测，生成异常运行波动数据；
53、步骤s42：基于空调异常状态数据利用智能开关对空调设备进行周期性高频重复启闭，并记录设备启闭情况以及启闭瞬间电性参数，分别得到高频启闭数据以及启闭电属性数据；
54、步骤s43：通过预设的故障模式数据库对异常运行波动数据以及高频启闭数据进行异常模式匹配，分别得到异常模式匹配数据以及异常状态匹配数据；
55、步骤s44：利用异常状态匹配数据对启闭电属性数据进行异常电气特性分析，生成异常电性特性数据；
56、步骤s45：根据异常模式匹配数据进行作业用电属性值侦测，生成异常用电属性数据；
57、步骤s46：获取空调设备的内部拓扑线路数据；通过内部拓扑线路数据对异常电性特性数据以及异常用电属性数据进行拓扑故障定位，生成拓扑故障定位数据；
58、步骤s47：根据拓扑故障定位数据进行故障概率推断，生成故障推断数据；
59、步骤s48：根据故障推断数据进行故障修复处理，从而得到故障修复数据。
60、本发明通过分析出风模式质量数据，能够检测到异常质量波动，即空调运行状态存在异常变化。通过高频重复启闭操作，能够模拟空调设备在异常状态下的工作情况。系统通过故障模式数据库，能够将异常运行波动数据和高频启闭数据与已知的故障模式进行匹配。通过异常状态匹配数据，系统能够对启闭电属性数据进行详细的电气特性分析。通过对异常模式匹配数据的分析，系统能够侦测出异常的用电属性值，即在特定故障情况下空调设备的用电行为。系统获取空调设备的内部拓扑线路数据，即设备内部电气连接的结构信息。结合内部拓扑线路数据，系统能够对异常电性特性数据和异常用电属性数据进行拓扑故障定位。系统通过拓扑故障定位数据进行概率推断，即分析在特定故障情况下发生其他故障的可能性。系统根据故障推断数据采取相应的故障修复措施，解决设备中的电气故障问题。
61、本发明还提供一种智能开关控制系统，执行如上所述的智能开关控制方法，该智能开关控制系统包括：
62、状态感知调控模块，用于利用智能开关对空调设备进行状态监听，生成空调状态监听数据；根据空调状态监听数据进行环境感知调整处理，得到动态调整策略数据；根据动态调整策略数据进行协同调控处理，生成开关协同调控数据；
63、智能模式优化模块，用于根据开关协同调控数据进行出风流体模拟，生成出风流动路径数据；对出风流动路径数据进行出风模式优化处理，从而得到优化出风模式数据；
64、能耗优化模块，用于根据优化出风模式数据进行空气紊流采集，生成空气紊流数据；根据空气紊流数据进行出风效果评估，生成综合出风指标数据；根据综合出风指标数据进行出风模式质量处理，生成出风模式质量数据；
65、智能异常检测模块，用于根据出风模式质量数据进行异常质量波动检测，生成异常运行波动数据；基于异常运行波动数据利用智能开关对空调设备进行高频启闭处理，生成异常电性特性数据；根据异常电性特性数据进行拓扑故障定位，生成拓扑故障定位数据；根据拓扑故障定位数据进行故障修复处理，得到故障修复数据。
1.一种智能开关控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能开关控制方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的智能开关控制方法，其特征在于，步骤s14包括以下步骤：
4.根据权利要求2所述的智能开关控制方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求4所述的智能开关控制方法，其特征在于，步骤s23包括以下步骤：
6.根据权利要求4所述的智能开关控制方法，其特征在于，步骤s3包括以下步骤：
7.根据权利要求6所述的智能开关控制方法，其特征在于，步骤s32中出风效果评估算法公式如下所示：
8.根据权利要求6所述的智能开关控制方法，其特征在于，步骤s4包括以下步骤：
9.根据权利要求8所述的智能开关控制方法，其特征在于，步骤s44中异常电性特性数据通过异常电气特性公式进行异常电气特性分析，异常电气特性公式如下所示：
10.一种智能开关控制系统，其特征在于，用于执行如权利要求1所述的智能开关控制方法，该智能开关控制系统包括：
