[0001] 本申请涉及空调技术领域，尤其涉及一种空调控制模型的部署方法、装置、设备及计算机可读介质。

[0002] 在当前的空调系统控制实践中，模型预测控制作为一种先进的控制策略，旨在通过预测未来的系统行为来优化能耗和舒适性。然而，在应用过程中，模型预测控制面临着一些挑战。首先，模型的适配性问题尤为突出。传统的空调模型预测控制流程通常基于固定的控制逻辑，例如单片机控制逻辑。这种逻辑在单片机采集空调运行数据后执行模型预测控制。然而，由于建筑负荷的多样性和环境因素的复杂性，固定的模型往往难以适应各种未知或变化的情况。当单片机遇到未能预知的情况时，现有模型可能不再适配，导致控制效果下降。其次，模型的建立速度也是一个亟待解决的问题。为了确保模型的准确性，通常需要收集大量的空调运行数据，这些数据至少需要涵盖24小时的时间范围，以便更好地迭代更新模型。然而，这种数据收集的要求在实际应用中往往难以实现，特别是在空调系统初次投入使用或运行条件频繁变化的情况下。因此，模型的建立速度受到了很大的限制，难以满足实时控制的需求。

[0003] 针对模型适配性差、建立缓慢的问题，目前尚未提出有效的解决方案。

[0031] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0032] 在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。

[0033] 为了解决背景技术中提及的问题，根据本申请实施例的一方面，提供了一种空调控制模型的部署方法的实施例。

[0034] 可选地，在本申请实施例中，上述空调控制模型的部署方法可以应用于如图1所示的由空调101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与空调101进行连接，可用于为空调或空调上的单片机提供服务(如大数据服务)，可在服务器上或独立于服务器设置数据库105，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网。

[0035] 本申请实施例以图2所示空调系统为基础，整个系统遵循空调→大数据→单片机→空调的闭环。其中，单片机设计了空调系统实时运行数据、空调系统历史运行数据、数据导入、数据检查和模型预测等部分用于同时接入大数据服务和空调系统控制；设计了引导程序和升级程序用于升级数据导入、数据检查和模型预测三部分程序。大数据则对模型预测控制专门提供了数据匹配、数据评价和模型匹配三个功能。该设计结构可以在实现空调系统的预测控制的同时最大限度地降低对于单片机的资源需求，提高模型建立速度，同时易于维护升级。

[0036] 本申请实施例中的一种空调控制模型的部署方法可以由服务器103来执行，如图3所示，该方法可以包括以下步骤：

[0037] 步骤S302，获取目标空调的安装信息；

[0038] 步骤S304，确定与所述安装信息匹配的空调系统历史运行数据；

[0039] 步骤S306，将所述空调系统历史运行数据输入所述目标空调的单片机进行本地建模，以通过所述单片机利用建模得到的空调控制模型控制所述目标空调；

[0040] 步骤S308，获取所述目标空调经过预设运行周期得到的实际运行结果；

[0041] 步骤S310在基于所述实际运行结果确定所述空调系统历史运行数据有效的情况下，完成所述空调控制模型的部署。

[0042] 通过步骤S302至S310，本申请通过大数据对空调的安装信息匹配合适的空调系统历史运行数据，使用该空调系统历史运行数据在单片机上进行本地建模，并在较短周期内对空调系统历史运行数据进行有效性验证，能够快速建模，并有效提升模型适配性，解决了模型适配性差、建立缓慢的技术问题。

[0043] 在步骤S302中，获取目标空调的安装信息。安装信息包括但不限于目标空调的外机型号和数量、内机型号和数量以及具体到楼栋的安装位置。

[0044] 在步骤S304中，大数据根据安装信息执行模型预测控制服务中的数据匹配服务，将安装信息作为标签提取数据库中的对应数据。

[0045] 在一个可选的实施例中，所述确定与所述安装信息匹配的空调系统历史运行数据包括以下至少之一：

[0046] 确定数据库中安装位置标签与所述目标空调的安装位置一致的所述空调系统历史运行数据；

[0047] 确定数据库中外机型号标签与所述目标空调的外机型号一致的所述空调系统历史运行数据；

[0048] 确定数据库中内机型号标签与所述目标空调的内机型号一致的所述空调系统历史运行数据。

[0049] 本申请实施例中，目标空调是新安装的空调，空调系统历史运行数据是其他空调在相似条件下的历史运行数据，包括但不限于时刻(每天的0～24小时)、室内温度、室外温度、制热量、制冷量、功耗等。

[0050] 本申请实施例中，不同的安装位置(如室内、室外、高层、低层、阳面、阴面等)会影响空调的运行效果和能效。因此，系统会在数据库中查找那些安装位置标签与目标空调的安装位置相一致的空调系统历史运行数据。这些数据由于具有相似的安装环境，因此更有可能为目标空调的控制模型提供有价值的参考。

[0051] 本申请实施例中，外机型号的不同可能意味着不同的制冷/制热能力、噪音水平、能耗等特性。通过匹配相同型号的外机历史运行数据，可以确保所建立的空调控制模型能够充分考虑到目标空调外机的特定性能特点。

[0052] 本申请实施例中，与外机型号类似，内机型号的不同也会影响空调的整体运行效果。内机主要负责空气的循环和温度的调节，其型号与性能直接关联。因此，通过匹配相同型号的内机历史运行数据，可以确保控制模型能够准确地反映目标空调内机的性能特性。

[0053] 以上三种方式可以任意组合，作为优选，可以三种方式同时使用，即选择外机型号、内机型号以及安装位置均相同的空调系统历史运行数据。另外，外机数量和内机数量也可以作为考量的一方面加入数据匹配。因此外机型号、内机型号以及安装位置均相同，且外机数量、内机数量均完全一致的空调系统历史运行数据为最佳数据。

[0054] 在步骤S306中，大数据服务向单片机输入大量空调系统历史运行数据，单片机在获得这些数据后根据当前采用的模型依次进行数据导入、数据检查和预测，空调在该预测下运行控制策略。

[0055] 在步骤S308中，所述预设运行周期可以设置得较短，如1～2小时，从而进行快速建模。

[0056] 在步骤S310中，如果基于实际运行结果的评估显示，所使用的空调系统历史运行数据是有效的，并且模型在实际运行中表现出良好的性能，那么系统就会认为模型是可靠的，可以正式部署。这意味着模型将正式接管对目标空调的控制，开始在实际应用中发挥作用。如果评估结果不理想，即实际运行结果与预期存在较大差异，或者模型性能不佳，那么系统可能会认为所使用的历史运行数据不够准确或不够全面，需要进一步优化模型或重新选择历史运行数据。

[0057] 在一个可选的实施例中，所述基于所述实际运行结果确定所述空调系统历史运行数据有效包括：

[0058] 步骤1，接收所述目标空调在调试运行时上报的第一实时运行数据；

[0059] 步骤2，确定所述第一实时运行数据对应在所述空调系统历史运行数据中的起点，并找到从所述起点开始经过所述预设运行周期后对应在所述空调系统历史运行数据中的终点；

[0060] 步骤3，将所述终点位置处空调的各项控制量的历史数据确定为各项控制量的目标设置值；

[0061] 步骤4，将所述实际运行结果中所述目标空调的各项控制量的实际执行值与所述目标设置值进行对比；

[0062] 步骤5，在对比结果指示执行误差在目标范围内的情况下，确定所述空调系统历史运行数据有效。

[0063] 本申请实施例中，第一实时运行数据可以包括但不限于当前室内温度、当前制冷制热量、当前功耗等。空调系统历史运行数据可以拟合为历史运行曲线，其中不同的控制量可以分别进行曲线拟合，那么第一实时运行数据对应在所述空调系统历史运行数据中的起点，就是同一控制量的历史运行曲线中，与实时运行数据的值相同的点，这样的点可能有多个，对应上升趋势的曲线和下降趋势的曲线，不同趋势的曲线对应不同的控制策略，因此，需先根据第一实时运行数据判断控制策略，然后在同一控制策略对应的历史运行曲线中找到第一实时运行数据对应在所述空调系统历史运行数据中的起点。起点确定之后，即可沿时间轴移动，从而找到从所述起点开始经过所述预设运行周期后对应在所述空调系统历史运行数据中的终点。终点位置处控制量的值就可作为目标设置值去与实际运行结果中的实际执行值进行对比，从而确定所述空调系统历史运行数据是否有效。例如，当前室温20度，执行的控制策略为制热，预设运行周期为1个小时，则在历史运行数据中找到从20度开始制热，1个小时后室温21度即为目标设置值，实际结果是从20度开始制热，1个小时后室温21.5度为实际执行值，将21度与21.5度进行对比，执行误差是0.5度，若0.5度在目标范围内，则确定空调系统历史运行数据有效，否则无效。其他控制量可以按照相同的方式进行对比，多个控制量可以进行综合分析，如确定有效的控制量占绝大多数，则确定该历史数据整体有效，否则无效。

[0064] 本申请实施例中，可以使用模型的评价函数来确定历史数据是否有效。将对比的参数输入评价函数，根据评价函数的计算结果确定历史数据是否有效。

[0065] 在一个可选的实施例中，完成所述空调控制模型的部署之后，所述方法还包括按照如下方式对所述空调控制模型进行更新：

[0066] 步骤1，在所述空调控制模型控制所述目标空调运行的过程中，获取所述目标空调的第二实时运行数据；

[0067] 步骤2，将所述第二实时运行数据作为所述空调系统历史运行数据输入所述单片机对所述空调控制模型的控制策略进行优化，以更新所述空调控制模型。

[0068] 本申请实施例中，空调控制模型使用过程中可以将空调的实时运行数据作为历史运行数据对空调控制模型进行更新，从而提升更新效率。

[0069] 在一个可选的实施例中，在所述空调控制模型与所述目标空调不匹配时，所述方法还包括按照如下方式重新部署新的空调控制模型：

[0070] 步骤1，在所述空调控制模型控制所述目标空调运行的过程中，确定各项控制量的目标设置值与实际执行值的执行误差；

[0071] 步骤2，将所述执行误差大于误差阈值的阶段确定为不匹配阶段；

[0072] 步骤3，确定所述目标空调在所述不匹配阶段的目标历史运行数据；

[0073] 步骤4，遍历数据库中的预设控制模型，以匹配对所述目标历史运行数据拟合度最高的目标控制模型；

[0074] 步骤5，将所述目标控制模型的模型数据和所述目标历史运行数据下发给所述单片机，以使所述单片机使用所述目标控制模型的模型数据进行替换，并使用所述目标历史运行数据重新进行本地建模，完成新模型的部署。

[0075] 本申请实施例中，当单片机遇到未能预知的情况时，当前的模型可能不再适配。数据评价服务对各项控制量的目标设置值与实际执行值进行监控，比如室内温度，当两者长期偏离时启动模型匹配服务，对数据库中存在的模型进行遍历，取其中效果最好的模型作为单片机采用的新模型，并下发目标空调在所述不匹配阶段的目标历史运行数据。模型数据包括数据导入程序、数据检查程序以及模型预测程序，单片机通过程序升级的方式更新数据导入程序、数据检查程序以及模型预测程序。单片机在升级完成和获得目标历史运行数据后按照新模型的要求依次进行数据导入、数据检查和预测，从而利用目标历史运行数据重新进行本地建模，完成新模型的部署。

[0076] 所述效果最好的模型就是指对所述目标历史运行数据拟合度高的模型，拟合度是通过云端利用目标历史运行数据对各个模型进行建模预测计算得到的，因此本申请利用云端建模指导本地建模，将复杂计算放在了云端，从而最大限度地降低对于单片机的资源需求，提高模型建立速度，并提升模型适配性。

[0077] 本申请实施例中，数据库中预先存储的模型包括但不限于计算建筑热惰性的建筑负荷模型、计算能效的空调系统模型、计算空气热环境的动态热模型、考虑区峰平谷电价机制的能耗模型等。

[0078] 本申请实施例中，可以根据实际需求为大数据服务分配不同的服务器算力、容量、网速以及工程响应优先级的资源。当资源分配较少时，在空调安装调试阶段，数据匹配服务将安装信息作为标签提取数据库中的对应数据，并随机选取可用的数据。当资源分配较多时，在空调安装调试阶段，空调不仅上报安装信息，还持续上传实时运行数据。而数据匹配服务将不止执行标签提取，还执行实时运行数据与所有可选的历史运行数据中的哪一份最相似的判断。

[0079] 本申请通过大数据对空调的安装信息匹配合适的空调系统历史运行数据，使用该空调系统历史运行数据在单片机上进行本地建模，并在较短周期内对空调系统历史运行数据进行有效性验证，能够快速建模，并有效提升模型适配性，解决了模型适配性差、建立缓慢的技术问题。

[0080] 本申请实施例中的一种空调控制模型的部署方法可以由空调101中的单片机来执行，如图4所示，该方法可以包括以下步骤：

[0081] 步骤S402，接收服务器下发的空调系统历史运行数据，其中，所述空调系统历史运行数据是所述服务器基于目标空调的安装信息匹配得到的；

[0082] 步骤S404，使用所述空调系统历史运行数据进行本地建模，得到空调控制模型，并利用所述空调控制模型控制所述目标空调；

[0083] 步骤S406，获取所述目标空调经过预设运行周期得到的实际运行结果；

[0084] 步骤S408，在基于所述实际运行结果确定所述空调系统历史运行数据有效的情况下，完成所述空调控制模型的部署。

[0085] 通过步骤S402至S408，本申请通过大数据对空调的安装信息匹配合适的空调系统历史运行数据，使用该空调系统历史运行数据在单片机上进行本地建模，并在较短周期内对空调系统历史运行数据进行有效性验证，能够快速建模，并有效提升模型适配性，解决了模型适配性差、建立缓慢的技术问题。

[0086] 在一个可选的实施例中，所述基于所述实际运行结果确定所述空调系统历史运行数据有效包括：

[0087] 步骤1，接收所述目标空调在调试运行时传递的第一实时运行数据；

[0088] 步骤2，将所述第一实时运行数据输入所述空调控制模型，以通过所述空调控制模型以所述第一实时运行数据为基础对所述目标空调进行控制，并获取所述空调控制模型预测所述目标空调经过所述预设运行周期的预测运行结果；

[0089] 步骤3，将所述实际运行结果与所述预测运行结果进行对比；

[0090] 步骤4，对比结果指示控制误差在目标范围内的情况下，确定所述空调系统历史运行数据有效。

[0091] 本申请实施例中，在部署空调控制模型之前，目标空调会进入调试运行阶段。在这个阶段，空调会实时上传其运行状态数据，即第一实时运行数据。这些数据包含了空调在运行过程中的各项参数和指标，例如当前温度、湿度、风速等。单片机作为控制系统的核心，会接收并处理这些数据。接收到第一实时运行数据后，单片机将这些数据输入到已经建立好的空调控制模型中。模型会基于这些数据，结合其内部学习到的控制策略，对目标空调进行预测和控制。在控制模型的作用下，目标空调会按照模型的预测进行运行。同时，模型会根据第一实时运行数据预测目标空调在预设运行周期结束时的运行结果，即预测运行结果。预测结果反映了模型对空调未来运行状态的预测。在预设运行周期结束后，单片机会获取目标空调的实际运行结果。这个实际运行结果是通过实际测量或传感器反馈得到的，代表了空调在实际运行过程中的真实表现。然后，单片机将实际运行结果与模型预测的运行结果进行对比，计算两者之间的差异或误差。如果实际运行结果与预测运行结果的误差在预设的目标范围内，说明模型的预测与实际运行较为接近，控制效果良好。这进一步证明了用于建模的空调系统历史运行数据是有效的，能够反映目标空调的运行特性和规律。在这种情况下，单片机可以确认空调控制模型的部署完成，并继续使用该模型进行后续的控制操作。

[0092] 在一个可选的实施例中，完成所述空调控制模型的部署之后，所述方法还包括按照如下方式对所述空调控制模型进行更新：

[0093] 步骤1，在利用所述空调控制模型控制所述目标空调运行的过程中，获取所述目标空调的第二实时运行数据；

[0094] 步骤2，将所述第二实时运行数据作为所述空调系统历史运行数据对所述空调控制模型的控制策略进行优化，以更新所述空调控制模型。

[0095] 本申请实施例中，空调控制模型使用过程中可以将空调的实时运行数据作为历史运行数据对空调控制模型进行更新，从而提升更新效率。

[0096] 在一个可选的实施例中，在所述空调控制模型与所述目标空调不匹配时，所述方法还包括按照如下方式重新部署新的空调控制模型：

[0097] 步骤1，接收所述服务器下发的目标控制模型的模型数据和目标历史运行数据，其中，所述目标控制模型是所述服务器按照如下方式重新匹配的：在所述空调控制模型控制所述目标空调运行的过程中，确定各项控制量的目标设置值与实际执行值的执行误差；将所述执行误差大于误差阈值的阶段确定为不匹配阶段；确定所述目标空调在所述不匹配阶段的目标历史运行数据；遍历数据库中的预设控制模型，以匹配对所述目标历史运行数据拟合度最高的目标控制模型；

[0098] 步骤2，使用所述目标控制模型的模型数据替换所述空调控制模型的模型数据，并使用所述目标历史运行数据重新进行本地建模，完成新模型的部署。

[0099] 本申请实施例中，当单片机遇到未能预知的情况时，当前的模型可能不再适配。数据评价服务对各项控制量的目标设置值与实际执行值进行监控，比如室内温度，当两者长期偏离时启动模型匹配服务，对数据库中存在的模型进行遍历，取其中效果最好的模型作为单片机采用的新模型，并向单片机下发目标空调在所述不匹配阶段的目标历史运行数据。模型数据包括数据导入程序、数据检查程序以及模型预测程序，单片机通过程序升级的方式更新数据导入程序、数据检查程序以及模型预测程序。单片机在升级完成和获得目标历史运行数据后按照新模型的要求依次进行数据导入、数据检查和预测，从而利用目标历史运行数据重新进行本地建模，完成新模型的部署。

[0100] 下面结合图5对空调控制模型的部署的整体过程进行说明。如图5所示，空调安装调试开始，空调向大数据服务上报安装信息，大数据服务在对安装信息进行数据匹配后，向单片机下发空调系统历史运行数据，单片机根据空调系统历史运行数据进行本地建模，得到空调控制模型。空调调试开机运行时，空调分别向大数据服务和单片机发送实时运行数据，之后，单片机利用空调控制模型在实时运行数据的基础上预测空调运行结果，单片机将预测结果传递给空调，使空调按照预测结构进行控制。在经历一个预测控制周期后，大数据服务对比各项控制量的目标设置值和实际执行值，从而确定空调系统历史运行数据是否有效，对比通过即有效，对比不通过即无效。对比不通过时，可以增加下发给单片机的数据量，然后重新建模，或者更换数据源，选用其他历史运行数据。大数据对比通过，由单片机接着对比预测结果和实际运行结果，若对比不通过，则单片机可以放弃使用当前的历史数据，并等待接收服务器下发的新的数据。或者根据空调的实际运行情况进行重新建模。对比通过时，确认当前部署任务结束。

[0101] 下面结合图6对空调控制模型的替换的整体过程进行说明。如图6所示，当单片机遇到未能预知的情况时，当前的模型可能不再适配。数据评价服务对各项控制量的目标设置值与实际执行值进行监控，比如室内温度，当两者长期偏离时启动模型匹配服务，对数据库中存在的模型进行遍历，取其中效果最好的模型作为单片机采用的新模型，并向单片机下发目标空调在所述不匹配阶段的目标历史运行数据。模型数据包括数据导入程序、数据检查程序以及模型预测程序，单片机通过程序升级的方式更新数据导入程序、数据检查程序以及模型预测程序，空调调试开机运行时，空调分别向大数据服务和单片机发送实时运行数据，之后，单片机利用空调控制模型在实时运行数据的基础上预测空调运行结果，单片机将预测结果传递给空调，使空调按照预测结构进行控制。在经历一个预测控制周期后，大数据服务对比各项控制量的目标设置值和实际执行值，从而确定空调系统历史运行数据是否有效，对比通过即有效，对比不通过即无效。对比不通过时，可以增加下发给单片机的数据量，然后重新建模，或者更换数据源，选用其他历史运行数据。大数据对比通过，由单片机接着对比预测结果和实际运行结果，若对比不通过，则单片机可以放弃使用当前的历史数据，并等待接收服务器下发的新的数据。或者根据空调的实际运行情况进行重新建模。对比通过时，确认已经替换了新的空调控制模型。

[0102] 根据本申请实施例的又一方面，如图7所示，提供了一种空调控制模型的部署装置，应用于服务器，包括：

[0103] 信息获取模块701，用于获取目标空调的安装信息；

[0104] 数据匹配模块703，用于确定与所述安装信息匹配的空调系统历史运行数据；

[0105] 第一建模模块705，用于将所述空调系统历史运行数据输入所述目标空调的单片机进行本地建模，以通过所述单片机利用建模得到的空调控制模型控制所述目标空调；

[0106] 第一结果获取模块707，用于获取所述目标空调经过预设运行周期得到的实际运行结果；

[0107] 第一评估模块709，用于在基于所述实际运行结果确定所述空调系统历史运行数据有效的情况下，完成所述空调控制模型的部署。

[0108] 需要说明的是，该实施例中的信息获取模块701可以用于执行本申请实施例中的步骤S302，该实施例中的数据匹配模块703可以用于执行本申请实施例中的步骤S304，该实施例中的第一建模模块705可以用于执行本申请实施例中的步骤S306，该实施例中的第一结果获取模块707可以用于执行本申请实施例中的步骤S308，该实施例中的第一评估模块709可以用于执行本申请实施例中的步骤S310。

[0109] 此处需要说明的是，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运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。

[0110] 可选地，该数据匹配模块，具体用于：确定数据库中安装位置标签与所述目标空调的安装位置一致的所述空调系统历史运行数据；确定数据库中外机型号标签与所述目标空调的外机型号一致的所述空调系统历史运行数据；确定数据库中内机型号标签与所述目标空调的内机型号一致的所述空调系统历史运行数据。

[0111] 可选地，该第一评估模块，具体用于：接收所述目标空调在调试运行时上报的第一实时运行数据；确定所述第一实时运行数据对应在所述空调系统历史运行数据中的起点，并找到从所述起点开始经过所述预设运行周期后对应在所述空调系统历史运行数据中的终点；将所述终点位置处空调的各项控制量的历史数据确定为各项控制量的目标设置值；将所述实际运行结果中所述目标空调的各项控制量的实际执行值与所述目标设置值进行对比；在对比结果指示执行误差在目标范围内的情况下，确定所述空调系统历史运行数据有效。

[0112] 可选地，该空调控制模型的部署装置，还包括模型更新模块，具体用于：在所述空调控制模型控制所述目标空调运行的过程中，获取所述目标空调的第二实时运行数据；将所述第二实时运行数据作为所述空调系统历史运行数据输入所述单片机对所述空调控制模型的控制策略进行优化，以更新所述空调控制模型。

[0113] 可选地，该空调控制模型的部署装置，还包括模型替换模块，具体用于：在所述空调控制模型控制所述目标空调运行的过程中，确定各项控制量的目标设置值与实际执行值的执行误差；将所述执行误差大于误差阈值的阶段确定为不匹配阶段；确定所述目标空调在所述不匹配阶段的目标历史运行数据；遍历数据库中的预设控制模型，以匹配对所述目标历史运行数据拟合度最高的目标控制模型；将所述目标控制模型的模型数据和所述目标历史运行数据下发给所述单片机，以使所述单片机使用所述目标控制模型的模型数据进行替换，并使用所述目标历史运行数据重新进行本地建模，完成新模型的部署。

[0114] 根据本申请实施例的又一方面，如图8所示，提供了一种空调控制模型的部署装置，应用于单片机，包括：

[0115] 数据接收模块801，用于接收服务器下发的空调系统历史运行数据，其中，所述空调系统历史运行数据是所述服务器基于目标空调的安装信息匹配得到的；

[0116] 第二建模模块803，用于使用所述空调系统历史运行数据进行本地建模，得到空调控制模型，并利用所述空调控制模型控制所述目标空调；

[0117] 第二结果获取模块805，用于获取所述目标空调经过预设运行周期得到的实际运行结果；

[0118] 第二评估模块807，用于在基于所述实际运行结果确定所述空调系统历史运行数据有效的情况下，完成所述空调控制模型的部署。

[0119] 需要说明的是，该实施例中的数据接收模块801可以用于执行本申请实施例中的步骤S402，该实施例中的第二建模模块803可以用于执行本申请实施例中的步骤S404，该实施例中的第二结果获取模块805可以用于执行本申请实施例中的步骤S406，该实施例中的第二评估模块807可以用于执行本申请实施例中的步骤S408。

[0120] 此处需要说明的是，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运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。

[0121] 可选地，该第二评估模块，具体用于：接收所述目标空调在调试运行时传递的第一实时运行数据；将所述第一实时运行数据输入所述空调控制模型，以通过所述空调控制模型以所述第一实时运行数据为基础对所述目标空调进行控制，并获取所述空调控制模型预测所述目标空调经过所述预设运行周期的预测运行结果；将所述实际运行结果与所述预测运行结果进行对比；在对比结果指示控制误差在目标范围内的情况下，确定所述空调系统历史运行数据有效。

[0122] 可选地，该空调控制模型的部署装置，还包括模型更新模块，具体用于：在利用所述空调控制模型控制所述目标空调运行的过程中，获取所述目标空调的第二实时运行数据；将所述第二实时运行数据作为所述空调系统历史运行数据对所述空调控制模型的控制策略进行优化，以更新所述空调控制模型。

[0123] 可选地，该空调控制模型的部署装置，还包括模型替换模块，具体用于：接收所述服务器下发的目标控制模型的模型数据和目标历史运行数据，其中，所述目标控制模型是所述服务器按照如下方式重新匹配的：在所述空调控制模型控制所述目标空调运行的过程中，确定各项控制量的目标设置值与实际执行值的执行误差；将所述执行误差大于误差阈值的阶段确定为不匹配阶段；确定所述目标空调在所述不匹配阶段的目标历史运行数据；遍历数据库中的预设控制模型，以匹配对所述目标历史运行数据拟合度最高的目标控制模型；使用所述目标控制模型的模型数据替换所述空调控制模型的模型数据，并使用所述目标历史运行数据重新进行本地建模，完成新模型的部署。

[0124] 根据本申请实施例的另一方面，本申请提供了一种电子设备，如图9所示，包括存储器901、处理器903、通信接口905及通信总线907，存储器901中存储有可在处理器903上运行的计算机程序，存储器901、处理器903通过通信接口905和通信总线907进行通信，处理器903执行计算机程序时实现上述方法的步骤。

[0125] 上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。

[0126] 存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non‑volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

[0127] 上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

[0128] 根据本申请实施例的又一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一实施例的步骤。

[0129] 可选地，在本申请实施例中，计算机可读介质被设置为存储用于所述处理器执行上述步骤的程序代码。

[0130] 可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。

[0131] 本申请实施例在具体实现时，可以参阅上述各个实施例，具有相应的技术效果。

[0132] 可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable Logic Device，PLD)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

[0133] 对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

[0134] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

[0135] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0136] 在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

[0137] 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网络单元上。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。

[0138] 另外，在本申请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。

[0139] 所述功能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，本申请实施例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(可以是个人计算机，服务器，或者网络设备等)执行本申请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、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0140] 以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。