System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于人工智能领域,具体的说是一种移动端能源无感控制技术。
技术介绍
1、传统的设备监测和控制技术,是基于人工和简单的计算机定时操作实现,在检测和控制过程中不可避免的存在失误和资源浪费情况,而且系统实施时,会在机房或配电室部署一台工控机,用于实时展示能源数据的展示和状态反馈。传统设备监控技术,计算机只能发送固定的控制命令,而且命令策略不会根据情况自行更改,无法适应复杂使用环境;设备必须安排专人进行维护和管理,且人工控制过程中存在一定的延误和失误情况,无法做到对设备的精准监控,造成能源的浪费,严重时会引起安全事故;设备进行管理和控制时需要找管理人员索要权限并且人员需要在现场或者电脑旁操作;传统设备控制策略单一且不易扩展,需要变更时往往需要重新升级设备甚至整个系统。
2、如申请公开号为cn111447375a的中国专利公开了移动监控方法、装置和系统,该方法包括:获取移动设备端的当前位置信息;根据所述移动设备端的当前位置信息、以及预置于移动设备端上的每个监控设备端的位置信息,确定监控范围内的监控设备端;根据预置于移动设备端上的每个监控设备端的连接信息,发送连接指令至所述监控范围内的监控设备端;获取所述监控范围内的监控设备端上的监控画面,并进行显示。本公开的移动监控方法能够解决现有技术中无法及时到达监控设备显示的事故现场的问题。
3、如授权公告号为cn110658725b的中国专利公开了一种基于人工智能的能源监管和预测系统及其方法,本专利技术包括:数据采集单元、智能监控管理中心、能源监测单元和服务器单元,
4、以上现有技术均存在以下问题:1)不支持移动端的能源管理业务;2)过程繁琐且浪费大量时间。
技术实现思路
1、针对现有技术的不足,本专利技术提出了一种移动端能源无感控制技术,启动移动端应用程序,建立与数据服务中心的websocket连接,然后通过策略制定、自动指令合成、报文下发、数据交互、ai策略自动优化五个步骤,实现能源数据订阅和无感控制系统。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种移动端能源无感控制技术,包括:
4、步骤s1:启动移动端应用程序,建立与数据服务中心的websocket连接,并根据监测的能源消耗情况和用户使用行为,制定能源管理策略;
5、步骤s2:从移动设备记忆中获取先前制定的能源管理策略和监测得到的设备信息,使用策略算法对设备信息进行分析,并根据分析结果生成新的策略;
6、步骤s3:设置策略时间段,判断当前时间是否满足时间段要求,若满足时间段要求,则移动端应用程序通过无感数据交互监听外部设备的状态和消息;
7、步骤s4:根据新的策略和监听到的设备状态自动生成相应的控制指令,将控制指令通过websocket连接发送到移动设备,设备接收到命令后执行动作;
8、步骤s5:将新的策略、设备信息和控制命令通过移动端应用程序存入ai记忆,并使用ai策略自动优化,达到设备和能耗控制。
9、具体的,所述步骤s2中的策略算法包括策略遗传算法和神经网络学习。
10、具体的,所述步骤s2中策略算法的具体步骤包括:
11、步骤s201:初始化种群p和神经网络权重和偏置项;
12、步骤s202:输入训练数据,计算神经网络的输出值;
13、步骤s203:将神经网络的输出值和实际值进行比较,计算输出误差,输出误差的公式为:
14、
15、其中,e表示输出误差,yr表示实际标签值,yp表示预测值;
16、步骤s204:利用策略遗传算法对种群p进行选择、交叉、变异操作,生成新的神经网络模型;
17、步骤s205:通过反向传播的方式,使用新的神经网络模型更新神经网络的权重和偏置项,反向传播的公式为:
18、δb=δz=e*(df/dz)
19、δw=δz*xt
20、其中,δz表示输出层误差的变化量,δw表示权重的变化量,δb表示偏置的变化量,df/dz表示激活函数的导数;
21、步骤s206:重复步骤s202-s205直到达到停止条件,用训练好的神经网络进行预测,输出最优神经网络模型。
22、具体的,所述步骤s202中计算神经网络的输出值具体包括:
23、步骤s2021:设定一组训练数据,每组数据包含输入特征和对应的输出标签;
24、步骤s2022:将训练数据逐个输入神经网络,根据输入数据,神经网络通过前向传播从输入层开始逐层计算,得到输出层的预测值。
25、具体的,所述步骤s2022中前向传播的具体公式为:
26、z=wx+b
27、y=f(z)
28、其中,y表示输出层的神经元激活值,f表示激活函数,z表示输入层的加权和加上偏置项,w表示权重矩阵,x表示输入特征向量,b表示偏置向量。
29、具体的,所述步骤s3中无感数据交互的具体步骤包括:
30、步骤s301:数据服务中心开启websocket服务端,移动端应用程序使用通信协议和api,搜索并发现周围的外部设备;
31、步骤s302:在发现外部设备后,启动移动端跟数据服务中心建立websocket连接;
32、步骤s303:移动端应用程序将采集到的数据通过websocket连接实时推送到数据服务中心,并通过与人脸识别系统、视频监控系统、语音识别系统联动,对数据进行处理和分析,获取有用的信息。
33、具体的,所述步骤s4的具体步骤包括:
34、步骤s401:移动端应用程序通过与外部设备的通信接口或api,获取设备的状态和消息;
35、步骤s402:移动端应用程序对获取到的设备状态数据进行解析和处理,提取有用信息;
36、步骤s403:根据新的策略和解析后的设备状态数据,移动端应用程序采用规则引擎、机器学习模型或自定义的决策逻辑进行决策;
37、步骤s404:根据决策结果,移动端应用程序生成相应的控制指令,并将生成的控制指令通过适当的通信协议发送给外部设备。
38、具体的,所述步骤s402中对获取的数据进行处理包括:数据清洗、格式转换、异常检测操作。
39、具体的,所述步骤s5中ai策略自动优化的具体步骤包括:
40、步骤s501:对收集到的数据进行处理,提取有用特征;
41、步骤s502:使用机器学习算法对处理后的数据进行训练,得到本文档来自技高网...
【技术保护点】
1.一种移动端能源无感控制技术,其特征在于,包括:
2.如权利要求1所述的一种移动端能源无感控制技术,其特征在于,所述步骤S2中的策略算法包括策略遗传算法和神经网络学习。
3.如权利要求2所述的一种移动端能源无感控制技术,其特征在于,所述步骤S2中策略算法的具体步骤包括:
4.如权利要求3所述的一种移动端能源无感控制技术,其特征在于,所述步骤S202中计算神经网络的输出值具体包括:
5.如权利要求4所述的一种移动端能源无感控制技术,其特征在于,所述步骤S2022中前向传播的具体公式为:
6.如权利要求5所述的一种移动端能源无感控制技术,其特征在于,所述步骤S3中无感数据交互的具体步骤包括:
7.如权利要求6所述的一种移动端能源无感控制技术,其特征在于,所述步骤S4的具体步骤包括:
8.如权利要求7所述的一种移动端能源无感控制技术,其特征在于,所述步骤S402中对获取的数据进行处理包括:数据清洗、格式转换、异常检测操作。
9.如权利要求8所述的一种移动端能源无感控制技术,其特征在于,所述
10.如权利要求9所述的一种移动端能源无感控制技术,其特征在于,包括:设备连接模块、数据处理与分析模块、策略制定模块、策略执行模块、人机交互模块,
...【技术特征摘要】
1.一种移动端能源无感控制技术,其特征在于,包括:
2.如权利要求1所述的一种移动端能源无感控制技术,其特征在于,所述步骤s2中的策略算法包括策略遗传算法和神经网络学习。
3.如权利要求2所述的一种移动端能源无感控制技术,其特征在于,所述步骤s2中策略算法的具体步骤包括:
4.如权利要求3所述的一种移动端能源无感控制技术,其特征在于,所述步骤s202中计算神经网络的输出值具体包括:
5.如权利要求4所述的一种移动端能源无感控制技术,其特征在于,所述步骤s2022中前向传播的具体公式为:
6.如权利要求5所述的一种移动端能源无感控制技...
【专利技术属性】
技术研发人员:张璐,孙理化,施旭天,
申请(专利权)人:江苏联宏智慧能源股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。