智能家居系统的用电控制方法及装置制造方法及图纸

本发明专利技术公开了一种智能家居系统的用电控制方法及装置。其中，该方法包括：获取参考数据，其中，参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将参考数据中的每个数据转换成耗电量预测模型的输入，其中，耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取耗电量预测模型的输出；将输出转换为用电数据，并根据用电数据生成智能家居系统的用电策略；将用电策略发送至智能家居系统，其中，智能家居系统根据用电策略控制各个用电设备。本发明专利技术解决了相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的技术问题。

Electricity Control Method and Device of Smart Home System

The invention discloses an electric power control method and device of an intelligent home system. Among them, the method includes: obtaining reference data, in which reference data is the basis for generating the electricity consumption data of each electrical equipment in smart home system; converting each data in reference data into input of power consumption prediction model, in which the power consumption prediction model is trained by training data, and each training data group includes: reference data and reference data. Data corresponding to electricity consumption data; get the output of power consumption prediction model; convert the output into electricity consumption data, and generate the electricity strategy of smart home system according to the electricity consumption data; send the electricity strategy to smart home system, in which the smart home system controls each electricity device according to the electricity consumption strategy. The invention solves the technical problem that the various electrical appliances in the household system can not be controlled according to the power consumption in the future period in the related technology.

【技术实现步骤摘要】
智能家居系统的用电控制方法及装置
本专利技术涉及智能家居领域，具体而言，涉及一种智能家居系统的用电控制方法及装置。
技术介绍
在智慧家居物联网中，节能性是衡量能效控制的重要指标。因用户每日开启的电器和应用的功能各不相同，故整体家居用电量各有差别。然而，用户在某段时间(例如，某个周，某个月，或某个季度)的用电量可能会呈现出一定的规律性。但是，相关技术中无法实现根据历史时间段整体耗电量预测未来某段时间的耗电量，进而也无法根据未来某段时间的耗电量实现对家居系统中各个电器的控制或者调节。针对上述相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种智能家居系统的用电控制方法及装置，以至少解决相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的技术问题。根据本专利技术实施例的一个方面，提供了一种智能家居系统的用电控制方法，包括：获取参考数据，其中，所述参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将所述参考数据中的每个数据转换成耗电量预测模型的输入，其中，所述耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取所述耗电量预测模型的输出；将所述输出转换为所述用电数据，并根据所述用电数据生成所述智能家居系统的用电策略；将所述用电策略发送至所述智能家居系统，其中，所述智能家居系统根据所述用电策略控制所述各个用电设备。可选地，通过所述训练数据训练得到所述耗电量预测模型包括：获取历史时间段的历史参考数据，并将所述历史参考数据作为训练数据；将每组训练数据中的每个数据转换成数值；将得到的每个数据对应的数值分别作为卷积神经网络模型的输入层节点和输出层节点；根据所述输入层节点和所述输出层节点进行训练得到所述耗电量预测模型。可选地，所述训练数据是所述历史参考数据的一部分。可选地，所述历史参考数据的另一部分作为验证数据，其中，所述验证数据用于对所述耗电量预测模型进行验证。可选地，根据所述用电数据生成所述智能家居系统的用电策略包括：判断所述用电数据是否不小于预定数据，其中，所述预定数据为所述智能家居系统发生跳闸时对应的用电数据；在判断结果为所述用电数据不小于所述预定数据的情况下，根据所述用电数据生成所述智能家居系统的用电策略。可选地，根据所述用电数据生成所述智能家居系统的用电策略包括：通过用电策略模型，确定所述用电数据对应的用电策略，其中，所述用电策略模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：用电数据和所述用电数据对应的用电策略。可选地，在通过用电策略模型，确定所述用电数据对应的用电策略之前，该智能家居系统的用电控制方法还包括：采集在历史时间段的多个历史用电数据和多个历史用电策略模型，其中，所述多个历史用电策略模型是根据所述多个历史用电数据确定的模型；对采集的包括所述多个历史用电数据和所述多个历史用电策略模型的多组数据进行训练，得到所述用电策略模型。根据本专利技术实施例的另外一个方面，还提供了一种智能家居系统的用电控制装置，包括：第一获取单元，用于获取参考数据，其中，所述参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；转换单元，用于将所述参考数据中的每个数据转换成耗电量预测模型的输入，其中，所述耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；第二获取单元，用于获取所述耗电量预测模型的输出；生成单元，用于将所述输出转换为所述用电数据，并根据所述用电数据生成所述智能家居系统的用电策略；发送单元，用于将所述用电策略发送至所述智能家居系统，其中，所述智能家居系统根据所述用电策略控制所述各个用电设备。可选地，所述转换单元包括：第一获取模块，用于获取历史时间段的历史参考数据，并将所述历史参考数据作为训练数据；转换模块，用于将每组训练数据中的每个数据转换成数值；第一确定模块，用于将得到的每个数据对应的数值分别作为卷积神经网络模型的输入层节点和输出层节点；第二获取模块，用于根据所述输入层节点和所述输出层节点进行训练得到所述耗电量预测模型。可选地，所述训练数据是所述历史参考数据的一部分。可选地，所述历史参考数据的另一部分作为验证数据，其中，所述验证数据用于对所述耗电量预测模型进行验证。可选地，所述生成单元包括：判断模块，用于判断所述用电数据是否不小于预定数据，其中，所述预定数据为所述智能家居系统发生跳闸时对应的用电数据；生成模块，用于在判断结果为所述用电数据不小于所述预定数据的情况下，根据所述用电数据生成所述智能家居系统的用电策略。可选地，所述生成单元包括：第二确定模块，用于通过用电策略模型，确定所述用电数据对应的用电策略，其中，所述用电策略模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：用电数据和所述用电数据对应的用电策略。可选地，该智能家居系统的用电控制装置还包括：采集模块，用于在通过用电策略模型，确定所述用电数据对应的用电策略之前，采集在历史时间段的多个历史用电数据和多个历史用电策略模型，其中，所述多个历史用电策略模型是根据所述多个历史用电数据确定的模型；第三获取单元，用于对采集的包括所述多个历史用电数据和所述多个历史用电策略模型的多组数据进行训练，得到所述用电策略模型。根据本专利技术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智能家居系统的用电控制方法。根据本专利技术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智能家居系统的用电控制方法。在本专利技术实施例中，采用获取参考数据，其中，参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将参考数据中的每个数据转换成耗电量预测模型的输入，其中，耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取耗电量预测模型的输出；将输出转换为用电数据，并根据用电数据生成智能家居系统的用电策略；将用电策略发送至智能家居系统，其中，智能家居系统根据用电策略控制各个用电设备，通过本专利技术实施例提供的智能家居系统的用电控制方法可以实现根据历史耗电情况对智能家居系统的的未来耗电量进行预测，并通过预测值提前制定相应的节电控制规划的目的，不仅达到了提高智能家居系统的可靠性的技术效果，而且达到了节省电量的技术效果，进而解决了相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的智能家居系统的用电控制方法的流程图；图2是根据本专利技术实施例的可选的智能家居系统的用电控制方法的流程图；图3是根据本专利技术实施例的智能家居系统的用电控制装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描本文档来自技高网...

【技术保护点】
1.一种智能家居系统的用电控制方法，其特征在于，包括：获取参考数据，其中，所述参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将所述参考数据中的每个数据转换成耗电量预测模型的输入，其中，所述耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取所述耗电量预测模型的输出；将所述输出转换为所述用电数据，并根据所述用电数据生成所述智能家居系统的用电策略；将所述用电策略发送至所述智能家居系统，其中，所述智能家居系统根据所述用电策略控制所述各个用电设备。

【技术特征摘要】
1.一种智能家居系统的用电控制方法，其特征在于，包括：获取参考数据，其中，所述参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将所述参考数据中的每个数据转换成耗电量预测模型的输入，其中，所述耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取所述耗电量预测模型的输出；将所述输出转换为所述用电数据，并根据所述用电数据生成所述智能家居系统的用电策略；将所述用电策略发送至所述智能家居系统，其中，所述智能家居系统根据所述用电策略控制所述各个用电设备。2.根据权利要求1所述的方法，其特征在于，通过所述训练数据训练得到所述耗电量预测模型包括：获取历史时间段的历史参考数据，并将所述历史参考数据作为训练数据；将每组训练数据中的每个数据转换成数值；将得到的每个数据对应的数值分别作为卷积神经网络模型的输入层节点和输出层节点；根据所述输入层节点和所述输出层节点进行训练得到所述耗电量预测模型。3.根据权利要求2所述的方法，其特征在于，所述训练数据是所述历史参考数据的一部分。4.根据权利要求3所述的方法，其特征在于，所述历史参考数据的另一部分作为验证数据，其中，所述验证数据用于对所述耗电量预测模型进行验证。5.根据权利要求1所述的方法，其特征在于，根据所述用电数据生成所述智能家居系统的用电策略包括：判断所述用电数据是否不小于预定数据，其中，所述预定数据为所述智能家居系统发生跳闸时对应的用电数据；在判断结果为所述用电数据不小于所述预定数据的情况下，根据所述用电数据生成所述智能家居系统的用电策略。6.根据权利要求1所述的方法，其特征在于，根据所述用电数...

【专利技术属性】
技术研发人员：张龙，吴少波，易斌，陈浩广，覃广志，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44