[發明專利]基于神經網絡的物聯網終端能耗配置推薦方法及系統

在審

• 申請號: 202210266419.6
• 申請日: 2022-03-17
• 公開（公告）號: CN114626611A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 方曉汾;方凱;厲國華;李磊;官興華;鄭麗輝;方曉明;方坤禮
• 申請（專利權）人: 衢州量智科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30;G06N3/04;G06N3/08;G16Y20/20;G16Y40/30
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 鄭磊

1.一種基于神經網絡的物聯網終端能耗配置推薦方法，其特征在于，所述基于神經網絡的物聯網終端能耗配置推薦方法包括，

步驟S1，將物聯網系統中終端設備滿載時能耗量為E_i，其中，物聯網系統中共有N個終端設備，N為大于1的正整數，整個物聯網系統的總能耗為

其中，E_p為物聯網系統的控制模塊能耗量；

步驟S2，在T時間段整個物聯網系統的總能耗目標函數設置為f(E)，其中，f(E)≤E₀；將終端設備實際工作時能耗量E_it和控制模塊實際工作時能耗量E_pt、實時環境參數R_pt輸入訓練好的神經網絡模型，其中，神經網絡模型由訓練數據集訓練得到，訓練數據集包括終端設備實際工作時能耗量歷史數據集、環境數據集和標簽數據集；

步驟S3，神經網絡計算在T時間段整個物聯網系統的總能耗目標函數設置為f(E)，并同時由神經網絡模型輸出優化后的各終端設備能耗量推薦值E_i1；

步驟S4，根據各終端設備能耗量推薦值E_i1輸入物聯網控制模塊，由物聯網控制模塊調節各終端設備工作參數。

2.根據權利要求1所述的基于神經網絡的物聯網終端能耗配置推薦方法，其特征在于，神經網絡模型由終端設備實際工作時能耗量歷史數據集、環境數據集作為輸入，由標簽數據集對神經網絡模型的輸出結果進行評分。

3.根據權利要求1所述的基于神經網絡的物聯網終端能耗配置推薦方法，其特征在于，環境參數R_pt至少包括時間段、工況數據。

4.根據權利要求1所述的基于神經網絡的物聯網終端能耗配置推薦方法，其特征在于，標簽數據集包括正向和反向評價數據。

5.根據權利要求1所述的基于神經網絡的物聯網終端能耗配置推薦方法，其特征在于，所述神經網絡模型包括隱含層。

6.根據權利要求1-5任意一項所述的基于神經網絡的物聯網終端能耗配置推薦方法，其特征在于，根據各終端設備能耗量推薦值E_i1輸入物聯網控制模塊，物聯網控制模塊發送降低采樣頻率控制指令至各終端設備，各終端設備執行控制指令。

7.一種用于實施權利要求1-6任意一項所述的基于神經網絡的物聯網終端能耗配置推薦方法的系統，其特征在于，所述系統包括，

總能耗單元，用于將物聯網系統中終端設備滿載時能耗量為E_i，其中，物聯網系統中共有N個終端設備，N為大于1的正整數，整個物聯網系統的總能耗為

其中，E_p為物聯網系統的控制模塊能耗量；

神經網絡單元，用于在T時間段整個物聯網系統的總能耗目標函數設置為f(E)，其中，f(E)≤E₀；將終端設備實際工作時能耗量E_it和控制模塊實際工作時能耗量E_pt、實時環境參數R_pt輸入訓練好的神經網絡模型，其中，神經網絡模型由訓練數據集訓練得到，訓練數據集包括終端設備實際工作時能耗量歷史數據集、環境數據集和標簽數據集；

輸出單元，用于神經網絡計算在T時間段整個物聯網系統的總能耗目標函數設置為f(E)，并同時由神經網絡模型輸出優化后的各終端設備能耗量推薦值E_i1；

優化單元，根據各終端設備能耗量推薦值E_i1輸入物聯網控制模塊，由物聯網控制模塊調節各終端設備工作參數。

8.根據權利要求7所述的系統，其特征在于，所述總能耗單元包括并聯N個獨立工作的終端設備能耗計算模塊。

9.根據權利要求7-8任意一項所述的系統，其特征在于，N個所述終端設備分別與控制模塊電連接。

10.一種存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，在所述程序運行時控制所述存儲介質所在設備執行權利要求1-6任意一項所述的方法。