用电设备的选型方法及装置专利检索-机器学习人工智能人工智能专利检索查询-专利查询网

用电设备的选型方法及装置

阅读：1033发布：2020-08-18

专利汇可以提供用电设备的选型方法及装置专利检索，专利查询，专利分析的服务。并且本发明公开了一种用电设备的选型方法及装置。其中，该方法包括：获取目标区域内的环境要素对应的环境要素参数，其中，环境要素包括：自然环境要素和人工环境要素，目标区域为待安装用电设备的区域；根据环境要素参数生成目标区域的用电设备信息；根据用电设备信息为目标区域推荐用电设备。本发明解决了相关技术中针对不同区域无法进行合理的空调器选型的技术问题。，下面是用电设备的选型方法及装置专利的具体信息内容。

权利要求

1.一种用电设备的选型方法，其特征在于，包括：
获取目标区域内的环境要素对应的环境要素参数，其中，所述环境要素包括：自然环境要素和人工环境要素，所述目标区域为待安装用电设备的区域；
根据所述环境要素参数生成所述目标区域的用电设备信息；
根据所述用电设备信息为所述目标区域推荐用电设备。
2.根据权利要求1所述的方法，其特征在于，所述自然环境要素包括以下至少之一：日照强度，温度，风力，降水量，空气质量，极端天气次数；所述人工环境要素包括以下至少之一：人口规模，经济规模，建筑规模。
3.根据权利要求1所述的方法，其特征在于，获取所述目标区域的环境要素对应的环境要素参数包括：
确定所述目标区域的地理坐标；
以所述地理坐标为关键词，从预定互联网平台获取所述目标区域的环境要素对应的环境要素参数。
4.根据权利要求3所述的方法，其特征在于，在以所述地理坐标为关键词，从预定互联网平台获取所述目标区域的环境要素对应的环境要素参数之后，还包括：将超过预定时间周期的环境要素参数过滤掉。
5.根据权利要求4所述的方法，其特征在于，根据所述环境要素参数生成所述目标区域的用电设备信息包括：
将所述环境要素参数作为第一模型的输入，其中，所述第一模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：环境要素参数以及与所述环境要素参数对应的用电设备信息；
获取所述第一模型的输出，并将所述第一模型的输出转换为所述用电设备信息。
6.根据权利要求1所述的方法，其特征在于，根据所述用电设备信息为所述目标区域推荐用电设备包括：
通过第二模型，确定与所述用电设备信息对应的用电设备，其中，所述第二模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据的每一组训练数据均包括：用电设备信息以及与所述用电设备信息对应的用电设备。
7.根据权利要求1所述的方法，其特征在于，在根据所述用电设备信息为所述目标区域推荐用电设备之后，还包括：
基于所述环境要素参数以及为所述目标区域推荐的用电设备的设备信息生成用电设备安装信息，其中，所述用电设备安装信息包括以下至少之一：用电设备的安装高度，用电设备的安装方向。
8.根据权利要求7所述的方法，其特征在于，在根据所述用电设备信息为所述目标区域推荐用电设备之后，还包括：
基于所述用电设备安装信息生成为所述目标区域推荐用电设备安装之后的显示效果图；
在预定显示设备中显示所述显示效果图。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述用电设备包括以下至少之一：空调器，饮水机，空气净化器。
10.一种用电设备的选型装置，其特征在于，包括：
获取单元，用于获取目标区域内的环境要素对应的环境要素参数，其中，所述环境要素包括：自然环境要素和人工环境要素，所述目标区域为待安装用电设备的区域；
生成单元，用于根据所述环境要素参数生成所述目标区域的用电设备信息；
推荐单元，用于根据所述用电设备信息为所述目标区域推荐用电设备。
11.一种用电设备选型系统，其特征在于，所述用电设备选型系统使用权利要求1至9中任意一项所述的用电设备的选型方法。
12.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至9中任意一项所述的用电设备的选型方法。
13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的用电设备的选型方法。

说明书全文

用电设备的选型方法及装置

技术领域

[0001] 本发明涉及用电设备选型技术领域，具体而言，涉及一种用电设备的选型方法及装置。

背景技术

[0002] 随着不断适应空调市场各种各样的空调，其功能不断健全，产品不断丰富，比如，不使用市网电费的光伏离心机或光伏多联机，或可同时实现即可制冰又可制冷的新一代的大型离心机，以及具有天气预测功能的新一代人工智能多联机，还有使用与高燃区域的防爆空调，以及各种功能，包括可以实现加湿功能的空气净化多功能空调器，还有传统的水源、地源热泵机、模块机、热水机，甚至是燃气炉等等，都在不断完善着空调市场线。

[0003] 对于商用空调市场，往往赢得一个项目工程，除需要较为丰富的产品线外，还需要在投标过程中，不仅需要考虑用户的实际需求、同时也考虑到从用户的使用背景出发，考虑到一些用户忽视或轻视的因素，帮助用户全方位的考虑空调的选型。

[0004] 现有商用空调设备选型的投标阶段，主要依据于用户需求或销售公司的经验，而销售工作侧重用于销售量或金额，并不对投标工程进行全方位的考虑使用。比如所在城市的未来经济发展形势、人口发展规模、常年的气象情况、甚至未来有可能出现的气象灾害等等。

[0005] 针对上述相关技术中针对不同区域无法进行合理的空调器选型的问题，目前尚未提出有效的解决方案。

发明内容

[0006] 本发明实施例提供了一种用电设备的选型方法及装置，以至少解决相关技术中针对不同区域无法进行合理的空调器选型的技术问题。

[0007] 根据本发明实施例的一个方面，提供了一种用电设备的选型方法，包括：获取目标区域内的环境要素对应的环境要素参数，其中，所述环境要素包括：自然环境要素和人工环境要素，所述目标区域为待安装用电设备的区域；根据所述环境要素参数生成所述目标区域的用电设备信息；根据所述用电设备信息为所述目标区域推荐用电设备。

[0008] 可选地，所述自然环境要素包括以下至少之一：日照强度，温度，风力，降水量，空气质量，极端天气次数；所述人工环境要素包括以下至少之一：人口规模，经济规模，建筑规模。

[0009] 可选地，获取所述目标区域的环境要素对应的环境要素参数包括：确定所述目标区域的地理坐标；以所述地理坐标为关键词，从预定互联网平台获取所述目标区域的环境要素对应的环境要素参数。

[0010] 可选地，在以所述地理坐标为关键词，从预定互联网平台获取所述目标区域的环境要素对应的环境要素参数之后，还包括：将超过预定时间周期的环境要素参数过滤掉。

[0011] 可选地，根据所述环境要素参数生成所述目标区域的用电设备信息包括：将所述环境要素参数作为第一模型的输入，其中，所述第一模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：环境要素参数以及与所述环境要素参数对应的用电设备信息；获取所述第一模型的输出，并将所述第一模型的输出转换为所述用电设备信息。

[0012] 可选地，根据所述用电设备信息为所述目标区域推荐用电设备包括：通过第二模型，确定与所述用电设备信息对应的用电设备，其中，所述第二模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据的每一组训练数据均包括：用电设备信息以及与所述用电设备信息对应的用电设备。

[0013] 可选地，在根据所述用电设备信息为所述目标区域推荐用电设备之后，该用电设备的选型方法还包括：基于所述环境要素参数以及为所述目标区域推荐的用电设备的设备信息生成用电设备安装信息，其中，所述用电设备安装信息包括以下至少之一：用电设备的安装高度，用电设备的安装方向。

[0014] 可选地，在根据所述用电设备信息为所述目标区域推荐用电设备之后，该用电设备的选型方法还包括：基于所述用电设备安装信息生成为所述目标区域推荐用电设备安装之后的显示效果图；在预定显示设备中显示所述显示效果图。

[0015] 可选地，所述用电设备包括以下至少之一：空调器，饮水机，空气净化器。

[0016] 根据本发明实施例的另外一个方面，还提供了一种用电设备的选型装置，包括：获取单元，用于获取目标区域内的环境要素对应的环境要素参数，其中，所述环境要素包括：自然环境要素和人工环境要素，所述目标区域为待安装用电设备的区域；生成单元，用于根据所述环境要素参数生成所述目标区域的用电设备信息；推荐单元，用于根据所述用电设备信息为所述目标区域推荐用电设备。

[0017] 可选地，所述自然环境要素包括以下至少之一：日照强度，温度，风力，降水量，空气质量，极端天气次数；所述人工环境要素包括以下至少之一：人口规模，经济规模，建筑规模。

[0018] 可选地，所述获取单元包括：第一确定模块，用于确定所述目标区域的地理坐标；获取模块，用于以所述地理坐标为关键词，从预定互联网平台获取所述目标区域的环境要素对应的环境要素参数。

[0019] 可选地，该用电设备的选型装置还包括：过滤模块，用于在以所述地理坐标为关键词，从预定互联网平台获取所述目标区域的环境要素对应的环境要素参数之后，将超过预定时间周期的环境要素参数过滤掉。

[0020] 可选地，所述生成单元包括：第二确定模块，用于将所述环境要素参数作为第一模型的输入，其中，所述第一模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：环境要素参数以及与所述环境要素参数对应的用电设备信息；转换模块，用于获取所述第一模型的输出，并将所述第一模型的输出转换为所述用电设备信息。

[0021] 可选地，所述推荐单元包括：第三确定模块，用于通过第二模型，确定与所述用电设备信息对应的用电设备，其中，所述第二模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据的每一组训练数据均包括：用电设备信息以及与所述用电设备信息对应的用电设备。

[0022] 可选地，该用电设备的选型装置还包括：所述生成单元，还用于在根据所述用电设备信息为所述目标区域推荐用电设备之后，基于所述环境要素参数以及为所述目标区域推荐的用电设备的设备信息生成用电设备安装信息，其中，所述用电设备安装信息包括以下至少之一：用电设备的安装高度，用电设备的安装方向。

[0023] 可选地，该用电设备的选型装置还包括：所述生成单元，用于在根据所述用电设备信息为所述目标区域推荐用电设备之后，基于所述用电设备安装信息生成为所述目标区域推荐用电设备安装之后的显示效果图；显示单元，用于在预定显示设备中显示所述显示效果图。

[0024] 可选地，所述用电设备包括以下至少之一：空调器，饮水机，空气净化器。

[0025] 根据本发明实施例的另外一个方面，还提供了一种用电设备选型系统，所述用电设备选型系统使用上述中任意一项所述的用电设备的选型方法。

[0026] 根据本发明实施例的另外一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述中任意一项所述的用电设备的选型方法。

[0027] 根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的用电设备的选型方法。

[0028] 在本发明实施例中，采用获取目标区域内的环境要素对应的环境要素参数，其中，环境要素包括：自然环境要素和人工环境要素，目标区域为待安装用电设备的区域；根据环境要素参数生成目标区域的用电设备信息；根据用电设备信息为目标区域推荐用电设备的方式进行用电设备选型，通过本发明实施例提供的用电设备的选型方法可以实现基于待安装用电设备的目标区域的环境要素合理地进行用电设备选型的目的，达到了提高用户体验的技术效果，也使得在目标区域安装的用电设备是与目标区域的环境要素相符合的，进而解决了相关技术中针对不同区域无法进行合理的空调器选型的技术问题。附图说明

[0029] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

[0030] 图1是根据本发明实施例的用电设备的选型方法的流程图；

[0031] 图2是根据本发明实施例的用电设备的选型装置的示意图。

具体实施方式

[0032] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

[0033] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0034] 实施例1

[0035] 根据本发明实施例，提供了一种用电设备的选型方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

[0036] 图1是根据本发明实施例的用电设备的选型方法的流程图，如图1所示，该用电设备的选型方法包括如下步骤：

[0037] 步骤S102，获取目标区域内的环境要素对应的环境要素参数，其中，环境要素包括：自然环境要素和人工环境要素，目标区域为待安装用电设备的区域。

[0038] 其中，上述目标区域可以为需要安装用电设备的区域。需要说明的是，在本发明实施例中，对用电设备的类型不做具体限定，用电设备可以包括以下至少之一：空调器，饮水机，空气净化器。当然，上述用电设备也可以为其他设备。在本发明实施例中，以用电设备为空调器为例进行说明。

[0039] 步骤S104，根据环境要素参数生成目标区域的用电设备信息。

[0040] 由于空调器的使用与安装区域的环境要素有很大的关系，因此，在本发明实施例中，将目标区域的环境要素作为参考因素进行空调器的选型。具体地，可以基于环境要素参数生成目标区域的用电设备信息。其中，在本发明实施例中的用电设备信息包括但不限于以下几种：空调器的用电参数、空调器的制冷或制热信息、空调器的附加功能。

[0041] 步骤S106，根据用电设备信息为目标区域推荐用电设备。

[0042] 通过上述步骤，可以获取目标区域内的环境要素对应的环境要素参数，其中，环境要素包括：自然环境要素和人工环境要素，目标区域为待安装用电设备的区域；根据环境要素参数生成目标区域的用电设备信息；根据用电设备信息为目标区域推荐用电设备。相对于相关技术中无法对待安装用电设备的目标区域进行合理的用电设备选型，容易导致在目标区域安装的用电设备与该区域的环境要素并不符合，进而导致用户体验较低的弊端，通过本发明实施例提供的用电设备的选型方法可以实现基于待安装用电设备的目标区域的环境要素合理地进行用电设备选型的目的，达到了提高用户体验的技术效果，也使得在目标区域安装的用电设备是与目标区域的环境要素相符合的，进而解决了相关技术中针对不同区域无法进行合理的空调器选型的技术问题。

[0043] 在一种可选的实施例中，自然环境要素可以包括以下至少之一：日照强度，温度，风力，降水量，空气质量，极端天气次数；人工环境要素可以包括以下至少之一：人口规模，经济规模，建筑规模。

[0044] 在本发明实施例提供的用电设备的选型方法是基于地热云图的生态用电设备选型系统，具体地，可以在该系统中输入用电设备应用区域(即，目标区域)的地理坐标，以及负荷信息等，利用互联网卫星地图选定目标区域的地理位置，然后生成各项生态预测系统，基于各项生态预测系统可以为目标区域推荐最优款的用电设备。

[0045] 上述各个生态预测系统可以包括：气象变化评估系统，经济趋势评估系统，建筑规模仿真系统，用电设备选型系统。其中，气象变化评估系统主要用于获取自然环境要素；经济趋势评估系统以及建筑规模仿真系统主要用于获取人工环境要素；用电设备选型系统主要用于进行用电设备选型。

[0046] 具体地，气象变化评估系统主要是根据当地气象特征推荐最优适用性的用电设备款类。针对每种自然环境要素均可进行内容可视化、规则可视化、数据来源设定、可视化显示等。对于日照强度，可视化内容主要是形成往年以月及日为单位的日照变化趋势以及紫外线强弱等信息；可视化规则主要是默认建立工程的时间起点的前12个月及365天的日照参数；数据来源则主要是通过互联网公开数据平台或租用气象局的深度数据；这些数据可以作为评估设备选型的重要权重，决定是否推荐使用光伏空调设备或是否需要露天或机房安装，以及评估最有利于机组的安装朝向或施工防晒老化措施等工程要求细则。针对温度，可视化内容主要是形成往年以月及日单位的温度变化趋势以及出现极端低温或极端高温的相关新闻报道等信息；可视化规则主要是默认建立工程的时间起点的前12个月及365天的日照参数；数据来源同样可以是互联网公开数据平台或租用气象局的深度数据；可以将得到的光照作为评估设备选型的重要权重，决定是否推荐使用大功率空调设备(如离心机水机机组或大型模块化多联机或燃气空调设备)抵御严寒或酷暑，以及评估最有利于机组施工保温或防冻措施等工程要求细则；以及是否推荐具有低温强热热泵设备或连续制热功能等功能需求。针对风力，可以确定风力趋势，可视化内容主要是形成往年以月及日单位的风力强度及常年风向趋势或历史台风走向、强弱或风暴等极端等信息；可视化规则主要是默认建立工程的时间起点的前12个月及365天的参数；数据来源也是互联网公开数据平台或租用气象局的深度数据；该数据同样可以作为评估设备选型的重要权重，决定是否推荐使用风冷空调或水冷设备，以及指导露天或机房通风安装朝向等工程要求细则；或新风空调去风口的位置以及是否需要安装防逆风装置或工程防护级别等工程细节。降水趋势，可视化内容主要是形成往年以月及日单位的降水或降雪强度及相应集中月份等信息；可视化规则是默认建立工程的时间起点的前12个月及365天的参数；数据来源也可以是互联网公开数据平台或租用气象局的深度数据；该数据可以作为评估设备选型的重要权重，决定是否推荐使用单元式或多联机空气源空调设备或是否采用水源热泵空调设备；以及是否推荐具有低温强热热泵设备或是否需要吹雪功能或连续制热功能或底盘化冰等机组功能。空气质量，可视化内容主要是形成往年以月及日单位的空气质量情况及相应集中月份或空气腐蚀性气体的成分等；可视化规则主要是默认建立工程的时间起点的前12个月及365天的参数；数据来源同样为互联网公开数据平台或租用气象局的深度数据；该数据可以作为评估设备选型的重要权重，决定是否推荐使用新风净化空调设备(如，除霾设备)或使用防腐空调设备或工业级别的防爆空调等；以及是否定制防腐等级或类别防腐空调设备或制定机组售后清理维护周期等机组功能。极端气象条件，可视化内容主要是往年发生目标区域的极限高温、极限降温、台风、暴风、高雨雪以及相关地址灾害信息的发生时间以及频率或破坏程度；可视化规则是默认建立工程的时间起点的5年的极端信息；数据来源同样是互联网公开数据平台或租用气象局的深度数据；该数据可以作为评估设备选型的重要权重，决定是否针对极端气象灾难制定预防措施或功能性的设备选型，比如台风多发生地带，需要进行室外机组的加固或排水系统或具备防强风功能的重点工程要求或设备功能等。地理环境评估系统，可视化内容是工程地点的周边建筑特征分布；可视化规则主要是评估是否处于城市热岛或郊区或居民小区或医院或学校等；数据来源是互联网公开的卫星地图；数据意义是针对周边或工程特点，推荐是否需要具有特定功能的机组，如超强静音功能、生活热水、地暖或人体感应或门窗联动等需求性功能，以主动从用户角度思考用户需求并推荐最合理机型。

[0047] 另外，人工环境要素中的经济趋势评估系统主要是用于根据当地经济特征推荐最高性价比的用电设备的款类。具体地，人口变化趋势系统的可视化内容主要是工程地点(即，目标区域)所在的市级单位人口流动近五年的数据统计；可视化规则主要是默认建立工程的时间起点的5年的人口信息；数据来源可以是互联网公开数据平台或租用人力资源的深度数据；其主要数据意义在于评估设备选型的重要权重，评估人口密集程度及使用空调频率及规律，推荐选型不同性价比的空调设备，并针对性进行空调运行集控策略，已达到最低设备初投资、经济性低成本运行以及可靠性的售后服务。城市发展预测系统的可视化内容主要包括工程地点所在的市级单位经济发展状况或电力消费量；可视化规则主要是默认建立工程的时间起点的5年的电量消费信息；数据来源主要是互联网公开数据平台或租用电网的深度数据；其主要数据意义是用于评估设备选型的重要权重，通过城市用电量，可推荐高科技水平的光伏空调或高效磁悬浮离心机水机或人工智能多联机机组，已到达机组最大的高效化节能化，大幅降低企业后期使用时运行成本或电费、同时享受高可靠性及高舒适性。建筑规模仿真系统主要目的是根据建筑特点推荐最终效果的期望图，具体地，根据建筑的特点(建筑使用目的、建筑负荷需求、用户的使用需求)，仿真工程安装后的效果图；可视化内容主要是安装后建筑3D透明效果图，外机安装细节3D展示，室内机样板工程细节效果3D展示，功能性的效果展示。

[0048] 另外，用电设备选型系统可以根据楼高、面积、朝向、保温、电网、环境、负荷需求等，生成空调设备具体型号报告及成本定价等商务信息，从而根据气象定款、建筑定性以及负荷需求推荐确定后的用电设备型号清单；同时，也可以生成全方位生态用电设备选型报告。

[0049] 在一种可选的实施例中，获取目标区域的环境要素对应的环境要素参数可以包括：确定目标区域的地理坐标；以地理坐标为关键词，从预定互联网平台获取目标区域的环境要素对应的环境要素参数。

[0050] 具体地，在以地理坐标为关键词，从预定互联网平台获取目标区域的环境要素对应的环境要素参数之后，该用电设备的选型方法还包括：将超过预定时间周期的环境要素参数过滤掉。即，获取到的环境要素参数可能会包括许多年的数据，而为了减少数据处理量，可以将超过预定时间周期的环境要素数据过滤掉，仅使用距离当前预定时长的环境要素数据作为选型的参数。例如，可以选择近五年的数据作为使用的环境要素参数，将其他年份的删除。

[0051] 在一种可选的实施例中，根据环境要素参数生成目标区域的用电设备信息可以包括：将环境要素参数作为第一模型的输入，其中，第一模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：环境要素参数以及与环境要素参数对应的用电设备信息；获取第一模型的输出，并将第一模型的输出转换为用电设备信息。

[0052] 在一种可选的实施例中，根据用电设备信息为目标区域推荐用电设备包括：通过第二模型，确定与用电设备信息对应的用电设备，其中，第二模型为使用多组训练数据通过机器学习训练得到的，多组训练数据的每一组训练数据均包括：用电设备信息以及与用电设备信息对应的用电设备。

[0053] 在另一种可选的实施例中，在根据用电设备信息为目标区域推荐用电设备之后，该用电设备的选型方法还可以包括：基于环境要素参数以及为目标区域推荐的用电设备的设备信息生成用电设备安装信息，其中，用电设备安装信息包括以下至少之一：用电设备的安装高度，用电设备的安装方向。通过该实施例中提供的技术方案可以获取对用电设备的最佳安装方式以及安装位置，不仅有利于用电设备的高效率运行，也有利于用电设备的维护。

[0054] 另外，在根据用电设备信息为目标区域推荐用电设备之后，该用电设备的选型方法还可以包括：基于用电设备安装信息生成为目标区域推荐用电设备安装之后的显示效果图；在预定显示设备中显示显示效果图。在该实施例中，可以将选型出来的用电设备在目标区域的安装效果通过3D方式直观地显示出来。

[0055] 通过本发明实施例提供的用电设备的选型方法可以应用在现有商用空调设备选型的投标阶段，主要依据于用户需求或销售公司的经验，而销售工作侧重用于销售量或金额，并不未对投标工程进行全方位的考虑用户使用。比如所在城市的未来经济发展形势、人口发展规模、常年的气象情况、甚至未来有可能出现的气象灾害等。结合互联网、大数据分析、气象网、电网等诸多数据单位，全方位考虑投标工程在投标阶段、设备选型、售后维护、具体使用需求、地理特点、气象因素、人文背景、城市发展以及周边环境等，将全部影响或限制空调使用的限制条件或优势等，进行全面细致的分析，推荐用户或销售公司使用最适用、最高效、最安全、最可靠性的空调产品，从而提高空调中标率，甚至降低用户初投资、运行成本或售后维修率等，为用户切实提高用户的最高性价比。

[0056] 实施例2

[0057] 根据本发明实施例的另外一个方面，还提供了一种用于执行用电设备的选型方法的装置实施例，图2是根据本发明实施例的用电设备的选型装置的示意图，如图2所示，该用电设备的选型装置包括：获取单元21，生成单元23以及推荐单元25。下面对该用电设备的选型装置进行详细说明。

[0058] 获取单元21，用于获取目标区域内的环境要素对应的环境要素参数，其中，环境要素包括：自然环境要素和人工环境要素，目标区域为待安装用电设备的区域。

[0059] 生成单元23，用于根据环境要素参数生成目标区域的用电设备信息。

[0060] 推荐单元25，用于根据用电设备信息为目标区域推荐用电设备。

[0061] 此处需要说明的是，上述获取单元21，生成单元23以及推荐单元25对应于实施例1中的步骤S102至S106，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

[0062] 由上可知，在本申请上述实施例中，通过获取单元获取目标区域内的环境要素对应的环境要素参数，其中，环境要素包括：自然环境要素和人工环境要素，目标区域为待安装用电设备的区域；并利用生成单元根据环境要素参数生成目标区域的用电设备信息；以及利用推荐单元根据用电设备信息为目标区域推荐用电设备。相对于相关技术中无法对待安装用电设备的目标区域进行合理的用电设备选型，容易导致在目标区域安装的用电设备与该区域的环境要素并不符合，进而导致用户体验较低的弊端，通过本发明实施例提供的用电设备的选型装置可以实现基于待安装用电设备的目标区域的环境要素合理地进行用电设备选型的目的，达到了提高用户体验的技术效果，也使得在目标区域安装的用电设备是与目标区域的环境要素相符合的，进而解决了相关技术中针对不同区域无法进行合理的空调器选型的技术问题。

[0063] 在一种可选的实施例中，自然环境要素包括以下至少之一：日照强度，温度，风力，降水量，空气质量，极端天气次数；人工环境要素包括以下至少之一：人口规模，经济规模，建筑规模。

[0064] 在一种可选的实施例中，获取单元包括：第一确定模块，用于确定目标区域的地理坐标；获取模块，用于以地理坐标为关键词，从预定互联网平台获取目标区域的环境要素对应的环境要素参数。

[0065] 在一种可选的实施例中，该用电设备的选型装置还包括：过滤模块，用于在以地理坐标为关键词，从预定互联网平台获取目标区域的环境要素对应的环境要素参数之后，将超过预定时间周期的环境要素参数过滤掉。

[0066] 在一种可选的实施例中，生成单元包括：第二确定模块，用于将环境要素参数作为第一模型的输入，其中，第一模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：环境要素参数以及与环境要素参数对应的用电设备信息；转换模块，用于获取第一模型的输出，并将第一模型的输出转换为用电设备信息。

[0067] 在一种可选的实施例中，推荐单元包括：第三确定模块，用于通过第二模型，确定与用电设备信息对应的用电设备，其中，第二模型为使用多组训练数据通过机器学习训练得到的，多组训练数据的每一组训练数据均包括：用电设备信息以及与用电设备信息对应的用电设备。

[0068] 在一种可选的实施例中，该用电设备的选型装置还包括：生成单元，还用于在根据用电设备信息为目标区域推荐用电设备之后，基于环境要素参数以及为目标区域推荐的用电设备的设备信息生成用电设备安装信息，其中，用电设备安装信息包括以下至少之一：用电设备的安装高度，用电设备的安装方向。

[0069] 在一种可选的实施例中，该用电设备的选型装置还包括：生成单元，用于在根据用电设备信息为目标区域推荐用电设备之后，基于用电设备安装信息生成为目标区域推荐用电设备安装之后的显示效果图；显示单元，用于在预定显示设备中显示显示效果图。

[0070] 在一种可选的实施例中，用电设备包括以下至少之一：空调器，饮水机，空气净化器。

[0071] 实施例3

[0072] 根据本发明实施例的另外一个方面，还提供了一种用电设备选型系统，用电设备选型系统使用上述中任意一项的用电设备的选型方法。

[0073] 实施例4

[0074] 根据本发明实施例的另外一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述中任意一项的用电设备的选型方法。

[0075] 实施例5

[0076] 根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的用电设备的选型方法。

[0077] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0078] 在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

[0079] 在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

[0080] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

[0081] 另外，在本发明各个实施例中的各功能单元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。

[0082] 所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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

[0083] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

标题	发布/更新时间	阅读量
用于机器学习分类器产生的方法和装置	2020-05-08	1039
一种洁净室智能控制系统	2020-05-11	181
基于机器学习的局域共振型宽频声学超材料及其应用装置	2020-05-08	592
交互式机器学习模型开发	2020-05-08	66
深度机器学习所生成的乳腺癌预后的概率识别模型	2020-05-08	633
一种基于机器学习的应收账款兑付风险控制方法及系统	2020-05-08	898
数据处理方法、装置、介质及电子设备	2020-05-08	382
用于支持盘故障预测的方法、设备和计算机程序产品	2020-05-08	107
一种HLA I型分子与多肽的亲和力预测方法	2020-05-08	1029
视频处理方法、装置、电子设备及存储介质	2020-05-08	415

用电设备的选型方法及装置

用电设备的选型方法及装置

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：