[發(fā)明專利]基于智能家電端的用戶節(jié)能用電調(diào)控方法

在審

• 申請?zhí)枺?/td>: 201810432210.6
• 申請日: 2018-05-08
• 公開（公告）號: CN108876006A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計(jì)）人: 高忠科;黨偉東;常傳泉
• 申請（專利權(quán)）人: 天津大學(xué);天津科源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;H04L12/28
• 代理公司: 北京世衡知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11686
• 代理人: 肖淑芳

本發(fā)明提供一種基于智能家電端的用戶節(jié)能用電調(diào)控方法，包括：獲取智能家電的用電功率實(shí)時數(shù)據(jù)，構(gòu)建用電功率實(shí)時數(shù)據(jù)庫；構(gòu)建初始用電功率預(yù)測模型；將所述用電功率實(shí)時數(shù)據(jù)庫中數(shù)據(jù)，輸入所述初始用電功率預(yù)測模型進(jìn)行學(xué)習(xí)訓(xùn)練，得到用電功率預(yù)測模型；和基于所述用電功率預(yù)測模型獲取預(yù)用電功率。本發(fā)明提供的基于智能家電端的用戶節(jié)能用電調(diào)控方法，能夠通過智能家電的用電情況對接下來特定時間段內(nèi)的預(yù)用電功率進(jìn)行預(yù)測，通過預(yù)用電功率，能夠逐漸學(xué)習(xí)用戶的個性化家電使用模式，進(jìn)而優(yōu)化智能家電的自主運(yùn)行，實(shí)現(xiàn)符合用戶習(xí)慣，且達(dá)到節(jié)能環(huán)保目的，幫助用戶實(shí)現(xiàn)優(yōu)質(zhì)生活。

技術(shù)領(lǐng)域

本發(fā)明大致涉及一種用電功率預(yù)測方法，尤其涉及一種基于智能家電端的用戶節(jié)能用電調(diào)控方法。

背景技術(shù)

智能家居作為未來家居生活的主要形式，反映了用戶對于優(yōu)質(zhì)生活的向往。以智能冰箱、智能空調(diào)、智能熱水器為代表的智能家電作為智能家居的主要元素，與用戶的日常生活密切相關(guān)。目前的智能家電多加入了簡單的自控模塊以及展示模塊，距離通過智能家電了解、適應(yīng)、自主服務(wù)用戶生活還有很長的路要走。智能家電的用電情況與用戶的生活習(xí)慣息息相關(guān)，通過對智能家電的用電情況的實(shí)時監(jiān)測，能夠捕獲與用戶作息方式緊密聯(lián)系的個性化家居數(shù)據(jù)，這為通過智能家居自主滿足用戶多方面、多角度生活需求，改善用戶生活舒適度創(chuàng)造了可能。

自深度學(xué)習(xí)理論提出以來，相繼在語音識別、人臉識別、自動駕駛等方向取得了突破性的進(jìn)展，在原有方法基礎(chǔ)上有了極大的提升，達(dá)到甚至超過了專家水準(zhǔn)，在各個領(lǐng)域都掀起了利用深度學(xué)習(xí)進(jìn)行深入研究的風(fēng)潮。深度學(xué)習(xí)方法本質(zhì)是在有充足數(shù)據(jù)的基礎(chǔ)上，構(gòu)建多隱層的非線性模型，在高維空間中對輸入數(shù)據(jù)進(jìn)行特征提取、組合，并在多次迭代中提高特征提取、組合的效率，從而最終完成分類、預(yù)測任務(wù)。將深度學(xué)習(xí)理論應(yīng)用于用戶端用電量的精準(zhǔn)預(yù)測將為用戶生活改善提供重要數(shù)據(jù)支撐。

背景技術(shù)部分的內(nèi)容僅僅是發(fā)明人所知曉的技術(shù)，并不代表本領(lǐng)域的現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在問題中的一個或多個，本發(fā)明提供一種基于智能家電端的用戶節(jié)能用電調(diào)控方法，包括：

S1：獲取智能家電的用電功率實(shí)時數(shù)據(jù)，構(gòu)建用電功率實(shí)時數(shù)據(jù)庫；

S2：構(gòu)建初始用電功率預(yù)測模型；

S3：將所述用電功率實(shí)時數(shù)據(jù)庫中數(shù)據(jù)，輸入所述初始用電功率預(yù)測模型進(jìn)行學(xué)習(xí)訓(xùn)練，得到用電功率預(yù)測模型；

S4：基于所述用電功率預(yù)測模型獲取預(yù)用電功率；和

S5：基于所述預(yù)用電功率，優(yōu)化所述智能家電運(yùn)行模式。

根據(jù)本發(fā)明的一個方面，步驟S1中所述用電功率實(shí)時數(shù)據(jù)為家庭端的智能家電的用電功率實(shí)時數(shù)據(jù)。

根據(jù)本發(fā)明的一個方面，步驟S2種所述初始用電功率預(yù)測模型基于深度學(xué)習(xí)模型。

根據(jù)本發(fā)明的一個方面，所述家庭端的智能家電包括智能冰箱、智能空調(diào)、智能微波爐、智能炒菜機(jī)、智能廚衛(wèi)電器、智能照明電器或智能健身家電。

根據(jù)本發(fā)明的一個方面，所述深度學(xué)習(xí)模型包括深度LSTM神經(jīng)網(wǎng)絡(luò)模型。

根據(jù)本發(fā)明的一個方面，所述深度LSTM神經(jīng)網(wǎng)絡(luò)模型包含N層結(jié)構(gòu)，每一層結(jié)構(gòu)為一個LSTM單元，所述LSTM單元通過輸入模塊、輸入門、遺忘門、輸出門以及單元狀態(tài)控制信息流通；其中：

所述輸入模塊的狀態(tài)表示為：z^t＝g(W_zx^t+R_zy^t-1+b_z)；