控制智能家电设备的方法、智能家电设备及存储介质技术

本发明专利技术公开了控制智能家电设备的方法、智能家电设备及存储介质，用以解决现有技术中存在的智能家电设备的能耗较高的技术问题。包括：获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及智能家电设备的总能耗值；基于多个指定部件对应的参数值及总能耗值，用深度神经网络模型对多个指定部件的能耗占比进行拟合学习，获得多个指定部件的能耗占比值；基于多个指定部件的能耗占值比及预设控制参数表，计算预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为智能家电设备的多个指定部件的控制参数，对智能家电设备进行控制。

【技术实现步骤摘要】
控制智能家电设备的方法、智能家电设备及存储介质
本专利技术涉及智能家电领域，尤其是涉及控制智能家电设备的方法、智能家电设备及存储介质。
技术介绍
随着科学技术的不断进步，人们在享受着科技进步带来便利的同时，也被新的问题困扰着。例如，作为智能家电设备之一的空调，现已成为大多数家庭的必备家电设备之一，但在普通家庭中空调也是能耗较大的家电设备之一。随着家电设备的增多，用户所需要使用的能耗也就越多，这样一方面会增加家庭用电负荷，使实际用电负荷超出家庭原本线路设计、造成安全隐患；另一方面，用电负荷的增加也将导致用户使用智能家电设备的成本上升。但，目前并没有一种行之有效的方法来降低智能家电设备的能耗。鉴于此，如何有效的降低智能家电设备的能耗，成为一个亟待解决的技术问题。
技术实现思路
本专利技术提供控制智能家电设备的方法、智能家电设备及存储介质，用以解决现有技术中存在的智能家电设备的能耗较高的技术问题。第一方面，为解决上述技术问题，本专利技术实施例提供的一种控制智能家电设备方法的技术方案如下：获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值；基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值；基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为所述智能家电设备的多个指定部件的控制参数，对所述智能家电设备进行控制。通过获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及智能家电设备的总能耗值；用深度神经网络模型实时对智能家电设备的多个指定部件的能耗占比进行学习，得到多个指定部件的能耗占比值；并基于多个指定部件的能耗占比计算预设控制参数表中的每组参数对应的总能耗，将所有总能耗中最小值对应的那组控制参数，作为智能家电设备控制多个指定部件的控制参数对智能家电设备进行控制。由于能耗占比值反应的是指定部件的控制参数与智能家电设备的总能耗之间的关系，所以通过将各个指定部件的能耗占比值、及预设控制参数表中每组控制参数的参数值，可以计算出使用每组控制参数对应的总能耗，进而从中选出最小的总能耗对应的那组控制参数作为控制智能家电设备的参数，从而能够有效的降低智能家电设备的使用能耗。可选的，获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值之前，还包括：判断所述智能家电设备是否已处于运行状态，若所述智能家电设备为未运行状态则启动所述智能家电设备。可选的，基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型，对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值，包括：将所述多个指定部件对应的参数值及设定修订值作为深度神经网络模型的输入值，将所述总能耗值作为所述深度神经网络模型的输出值，对所述多个指定部件的能耗占比进行拟合学习，获得所述深度神经网络模型中各相邻层的权重矩阵；对所有的权重矩阵进行矩阵乘法运算，获得所述多个指定部件的能耗占比矩阵；其中，所述能耗占比矩阵中的值与所述多个指定部件的能耗占比值一一对应。可选的，基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，包括：对所述预设控制参数表中的每组控制参数执行以下运算：对所述每组控制参数中的参数值分别进行归一化，获得所述每组控制参数中各参数的归一化值；将所述多个指定部件中每个部件的能耗占比值，与所述每组控制参数中对应的控制参数的归一化值进行积运算，获得积运算结果；对所有积运算结果进行和运算，获得所述每组控制参数的总能耗。可选的，智能家电设备为空调。可选的，所述多个指定部件包括压缩机、外风机、电子膨胀阀。可选的，所述每组参数包括压缩机频率、外风机转速、电子膨胀阀开度。第二方面，本专利技术实施例提供了一种控制智能家电设备，包括：获取单元，用于获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值；学习单元，用于基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值；控制单元，用于基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为所述智能家电设备的多个指定部件的控制参数，对所述智能家电设备进行控制。可选的，所述获取单元还用于：判断所述智能家电设备是否已处于运行状态，若所述智能家电设备为未运行状态则启动所述智能家电设备。可选的，所述学习单元，具体用于：将所述多个指定部件对应的参数值及设定修订值作为深度神经网络模型的输入值，将所述总能耗值作为所述深度神经网络模型的输出值，对所述多个指定部件的能耗占比进行拟合学习，获得所述深度神经网络模型中各相邻层的权重矩阵；对所有的权重矩阵进行矩阵乘法运算，获得所述多个指定部件的能耗占比矩阵；其中，所述能耗占比矩阵中的值与所述多个指定部件的能耗占比值一一对应。可选的，所述控制单元还用于：对所述预设控制参数表中的每组控制参数执行以下运算：对所述每组控制参数中的参数值分别进行归一化，获得所述每组控制参数中各参数的归一化值；将所述多个指定部件中每个部件的能耗占比值，与所述每组控制参数中对应的控制参数的归一化值进行积运算，获得积运算结果；对所有积运算结果进行和运算，获得所述每组控制参数的总能耗。可选的，智能家电设备为空调。可选的，所述多个指定部件包括压缩机、外风机、电子膨胀阀。可选的，所述每组参数包括压缩机频率、外风机转速、电子膨胀阀开度。第三方面，本专利技术实施例还提供一种控制智能家电设备，包括：至少一个处理器，以及与所述至少一个处理器连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，执行如上述第一方面所述的方法。第四方面，本专利技术实施例还提供一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如上述第一方面所述的方法。通过本专利技术实施例的上述一个或多个实施例中的技术方案，本专利技术实施例至少具有如下技术效果：在本专利技术提供的实施例中，通过获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及智能家电设备的总能耗值；用深度神经网络模型实时对智能家电设备的多个指定部件的能耗占比进行学习，得到多个指定部件的能耗占比值；并基于多个指定部件的能耗占比计算预设控制参数表中的每组参数对应的总能耗，将所有本文档来自技高网...

【技术保护点】
1.一种控制智能家电设备的方法，其特征在于，包括：/n获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值；/n基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值；/n基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为所述智能家电设备的多个指定部件的控制参数，对所述智能家电设备进行控制。/n

【技术特征摘要】
1.一种控制智能家电设备的方法，其特征在于，包括：
获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值；
基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值；
基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为所述智能家电设备的多个指定部件的控制参数，对所述智能家电设备进行控制。


2.如权利要求1所述的方法，其特征在于，获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值之前，还包括：
判断所述智能家电设备是否已处于运行状态，若所述智能家电设备为未运行状态则启动所述智能家电设备。


3.如权利要求1所述的方法，其特征在于，基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型，对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值，包括：
将所述多个指定部件对应的参数值及设定修订值作为深度神经网络模型的输入值，将所述总能耗值作为所述深度神经网络模型的输出值，对所述多个指定部件的能耗占比进行拟合学习，获得所述深度神经网络模型中各相邻层的权重矩阵；
对所有的权重矩阵进行矩阵乘法运算，获得所述多个指定部件的能耗占比矩阵；其中，所述能耗占比矩阵中的值与所述多个指定部件的能耗占比值一一对应。


4.如权利要求1-3任一权项所述的方法，其特征在于，基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，包括：
对所述预设控制参数表中的每组控制参数执行以下运算：
对所述每组控制参数中...

【专利技术属性】
技术研发人员：谭建明，李绍斌，宋德超，陈翀，岳冬，罗晓宇，邓家璧，王鹏飞，肖文轩，
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