一种智能家居能耗控制方法技术

本发明专利技术公开了一种智能家居能耗控制方法

【技术实现步骤摘要】
一种智能家居能耗控制方法、设备及计算机可读存储介质


[0001]本专利技术涉及智能家居
，尤其涉及一种智能家居能耗控制方法
、
设备及计算机可读存储介质
。

技术介绍

[0002]现有技术中，随着智能家居技术的不断发展，智能家居应用范围也越来越广泛，由此带来的一个具体技术问题是，如何提高智能家居设备的能源利用效率
。
[0003]现有的方案中，一般侧重于单一智能家居设备的低功耗设计，例如，制造商通过采用低功耗芯片
、
优化电路设计
、
使用节能材料等措施来降低智能家居设备的功耗，以此减少设备在待机和运行状态下的能耗
。
具体的：一是，通过进行电路设计的优化，可以降低功耗并提高能源效率，或是，使用电源管理电路，以最小化能源损耗，或是，通过使用能够自动切断电源的部件，在设备不使用时降低待机功耗；二是，为智能家居设备添加节能模式，在设备长时间不活动或处于空闲状态时，自动将设备切换到低功耗模式，以此通过减少设备的功耗
、
降低亮度或关闭功能来实现；三是，为智能家居设备添加休眠模式，即，将设备置于极低功耗状态，以最大程度地减少能源消耗，在休眠模式下，设备会暂时关闭一些功能，并以较低的速率运行，而当设备接收到触发器或用户操作时，它会迅速恢复正常工作状态，以此通过设计合适的电源管理功能来实现；四是，为智能家居设备添加功耗优化算法，在智能家居应用中，使用功耗优化算法可以帮助降低设备的功耗，例如，通过智能调度和优化传感器的数据采集频率，可以减少能源消耗，此外，合理设计通信协议和数据传输机制，避免不必要的能量浪费
。
[0004]可以看出，上述方案均是针对单一智能家居设备的低功耗设计，而在智能家居应用范围增大
、
智能家居设备数据增加的环境下，单一的设备低功耗设计的能耗提升有限，且多个设备的低功耗方案可能造成冲突，与功耗控制需求相违背
。
因此，在一定的能源效率下，提供相同功能和服务时，如何尽量减少同一智能家居应用范围下的各个智能家居设备的消耗能源，成为目前亟待解决的技术问题
。

技术实现思路

[0005]为了解决现有技术中的上述技术缺陷，本专利技术提出了一种智能家居能耗控制方法，该方法包括：
[0006]获取由智能家居设备的传感器采集的实时数据，并根据所述实时数据处理得到所述智能家居设备的能源使用数据
、
所述传感器的参数数据以及与所述参数数据对应的时间数据；
[0007]根据所述能源使用数据
、
所述参数数据以及所述时间数据建立所述智能家居设备的能耗预测模型，并将历史能耗数据和与所述历史能耗数据相关的环境数据作为所述能耗预测模型的输入，计算得到所述智能家居设备的预测能耗和预测变量；
[0008]根据所述预测能耗确定与所述智能家居设备相关的能耗调控策略，其中，所述能
耗调控策略包括工作模式切换
、
节能计划定制
、
能源动态分配以及自动化控制中的一种或多种；
[0009]根据所述预测变量生成与所述能耗调控策略相关的工作模式切换指令
、
节能计划定制指令
、
能源动态分配指令以及自动化控制指令中的一种或多种
。
[0010]可选地，所述根据所述实时数据处理得到所述智能家居设备的能源使用数据
、
所述传感器的参数数据以及与所述参数数据对应的时间数据，具体包括：
[0011]对各个所述智能家居设备的所述实时数据进行特征分析
、
数据清洗以及数据转换，得到初始处理数据；
[0012]按各个所述智能家居设备的功能类型
、
工作状态以及工作时间对所述初始处理数据进行统计分析，得到每一所述智能家居设备的所述能源使用数据
、
所述参数数据以及所述时间数据
。
[0013]可选地，所述将历史能耗数据和与所述历史能耗数据相关的环境数据作为所述能耗预测模型的输入，计算得到所述智能家居设备的预测能耗和预测变量，具体包括：
[0014]获取各个所述智能家居设备的所述历史能耗数据，其中，所述历史能耗数据包括符合预设能耗监测条件时所采集的历史能耗值和所述历史能耗值的历史能耗采集时间；
[0015]获取各个所述智能家居设备在所述历史能耗采集时间下采集的所述环境数据，其中，所述环境数据包括温度数据
、
湿度数据
、
光照数据
、
压力数据
、
流量数据以及空气质量数据中的一种或多种
。
[0016]可选地，所述根据所述预测能耗确定与所述智能家居设备相关的能耗调控策略，其中，所述能耗调控策略包括工作模式切换
、
节能计划定制
、
能源动态分配以及自动化控制中的一种或多种，具体包括：
[0017]分别预设与所述工作模式切换
、
所述节能计划定制
、
所述能源动态分配以及所述自动化控制对应的优先级；
[0018]获取与所述能耗调控策略对应的能耗需求，并根据预设的所述优先级与所述能耗需求的对应关系确定当前的能耗调控策略
。
[0019]可选地，所述根据所述预测变量生成与所述能耗调控策略相关的工作模式切换指令
、
节能计划定制指令
、
能源动态分配指令以及自动化控制指令中的一种或多种，具体包括：
[0020]比对分析所述能耗需求与所述预测变量，确定相应的调控变量的类型以及所述调控变量的参数；
[0021]按所述调控变量的类型和参数生成所述工作模式切换指令
、
所述节能计划定制指令
、
所述能源动态分配指令以及所述自动化控制指令中的一种或多种
。
[0022]本专利技术还提出了一种智能家居能耗控制设备，该设备包括存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现：
[0023]获取由智能家居设备的传感器采集的实时数据，并根据所述实时数据处理得到所述智能家居设备的能源使用数据
、
所述传感器的参数数据以及与所述参数数据对应的时间数据；
[0024]根据所述能源使用数据
、
所述参数数据以及所述时间数据建立所述智能家居设备
的能耗预测模型，并将历史能耗数据和与所述历史能耗数据相关的环境数据作为所述能耗预测模型的输入，计算得到所述智能家居设备的预测能耗和预测变量；
[0025]根据所述预测能耗确定与所述智能家居设备相关的能耗调控策略，其中，所述能耗调控策略包括工作模式切换
、
节能计划定制
、
能源动态分配以及自动化控制中的一种或多种；
[0026本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能家居能耗控制方法，其特征在于，所述方法包括：获取由智能家居设备的传感器采集的实时数据，并根据所述实时数据处理得到所述智能家居设备的能源使用数据
、
所述传感器的参数数据以及与所述参数数据对应的时间数据；根据所述能源使用数据
、
所述参数数据以及所述时间数据建立所述智能家居设备的能耗预测模型，并将历史能耗数据和与所述历史能耗数据相关的环境数据作为所述能耗预测模型的输入，计算得到所述智能家居设备的预测能耗和预测变量；根据所述预测能耗确定与所述智能家居设备相关的能耗调控策略，其中，所述能耗调控策略包括工作模式切换
、
节能计划定制
、
能源动态分配以及自动化控制中的一种或多种；根据所述预测变量生成与所述能耗调控策略相关的工作模式切换指令
、
节能计划定制指令
、
能源动态分配指令以及自动化控制指令中的一种或多种
。2.
根据权利要求1所述的智能家居能耗控制方法，其特征在于，所述根据所述实时数据处理得到所述智能家居设备的能源使用数据
、
所述传感器的参数数据以及与所述参数数据对应的时间数据，具体包括：对各个所述智能家居设备的所述实时数据进行特征分析
、
数据清洗以及数据转换，得到初始处理数据；按各个所述智能家居设备的功能类型
、
工作状态以及工作时间对所述初始处理数据进行统计分析，得到每一所述智能家居设备的所述能源使用数据
、
所述参数数据以及所述时间数据
。3.
根据权利要求2所述的智能家居能耗控制方法，其特征在于，所述将历史能耗数据和与所述历史能耗数据相关的环境数据作为所述能耗预测模型的输入，计算得到所述智能家居设备的预测能耗和预测变量，具体包括：获取各个所述智能家居设备的所述历史能耗数据，其中，所述历史能耗数据包括符合预设能耗监测条件时所采集的历史能耗值和所述历史能耗值的历史能耗采集时间；获取各个所述智能家居设备在所述历史能耗采集时间下采集的所述环境数据，其中，所述环境数据包括温度数据
、
湿度数据
、
光照数据
、
压力数据
、
流量数据以及空气质量数据中的一种或多种
。4.
根据权利要求3所述的智能家居能耗控制方法，其特征在于，所述根据所述预测能耗确定与所述智能家居设备相关的能耗调控策略，其中，所述能耗调控策略包括工作模式切换
、
节能计划定制
、
能源动态分配以及自动化控制中的一种或多种，具体包括：分别预设与所述工作模式切换
、
所述节能计划定制
、
所述能源动态分配以及所述自动化控制对应的优先级；获取与所述能耗调控策略对应的能耗需求，并根据预设的所述优先级与所述能耗需求的对应关系确定当前的能耗调控策略
。5.
根据权利要求4所述的智能家居能耗控制方法，其特征在于，所述根据所述预测变量生成与所述能耗调控策略相关的工作模式切换指令
、
节能计划定制指令
、
能源动态分配指令以及自动化控制指令中的一种或多种，具体包括：比对分析所述能耗需求与所述预测变量，确定相应的调控变量的类型以及所述调控变量的参数；
按所述调控变量的类型和参数生成所述工作模式切...

【专利技术属性】
技术研发人员：杨阳，曾宪波，
申请(专利权)人：深圳市卓翼科技股份有限公司，
类型：发明
国别省市：