CN103324998B - 用于获取能源信息的传感器部署方法和装置 - Google Patents

Abstract

本发明实施例公开了一种传感器部署方法和装置，涉及能源审计领域，用于提供一种通过将能源消耗设备分组来部署传感器的方案。本方法中，对能源消耗设备进行预分组，以获得分组结果；根据分组结果中各分组的熵值确定所述分组结果对应的适应度值，并根据所述适应度值对所述分组结果进行调整；其中所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性。可见，本发明实现了通过将能源消耗设备分组来部署传感器的方案。

Description

用于获取能源信息的传感器部署方法和装置

技术领域

本发明涉及能源审计领域，尤其涉及一种用于获取能源信息的传感器部署方法和装置。

背景技术

节能是近年来颇受关注的问题。目前大致存在两种节能方法，其中一种是生产能源使用效率更高的设备，另一种是通过设备所有者的持续参与来减少能源的使用量。根据文献记载，由于后一种方法的花费远小于前一种方法，后一种方法的可行性更高，也更容易被接受。

研究证明如果用户能够直接获取到能源信息，将有助于能源节约。然而，大多数人由于缺乏能源信息而不能够有效的控制设备的能源消耗。

目前有几种方法可以帮助用户获取到能源信息。其中一种是设置自动化的控制系统来合理控制设备的状态。因此，多数研究集中在了如何以最低的花费进行传感器的自动化检测。

然而，传感器的部署是在检测之前的重要的任务，因为传感器部署对于整体性能会产生重要的影响。如果传感器需要识别所有设备的状态，关键在于如何有效的部署传感器。换句话说，在部署传感器时必须考虑设备的信息，以满足一些除了成本因素外的设备的特殊需求。

目前，一种使用遗传算法的传感器部署方案具体如下：

如图1所示，传感器数据存储单元存储传感器的所有信息，包括活跃区域、时间间隔等。

初始传感器部署单元产生一个集合，该集合包含可能的传感器的部署方案。

评估单元根据记录在可靠性存储单元中的传感器的可靠性值，得到各部署方案的适应度值。

选择单元根据得到的适应度值选取一些部署方案，适应度值越高的部署方案被选取的可能性越高。

复制单元通过对选取的部署方案执行交叉或变异操作得到新的部署方案。

判定单元判断是否满足终止条件，若是，则传感器部署单元使用当前适应度值最大的部署方案来部署传感器，否则，触发评估单元再次执行对应的操作。

综上，识别设备状态对于节能计划、提供节能建议、以及执行设备自动化控制是非常重要的。一些方法使用传感器来获取设备的状态信息，然而，该种方法需要安装大量的传感器来监测所有设备的状态。

上述使用遗传算法的传感器部署方案，复杂度较高，效率低下，并且可能存在以下问题：同一传感器下的设备的相似度较高，从而使得设备状态检测的结果受到影响。

发明内容

本发明实施例提供一种用于获取能源信息的传感器部署方法和装置，用于提供一种通过将能源消耗设备分组来部署传感器的方案。

一种用于获取能源信息的传感器部署方法，该方法包括：

对能源消耗设备进行预分组，以获得分组结果；

对于所述分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为所述分组结果的适应度值；根据所述适应度值对所述分组结果进行调整；

其中，所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性；

按照如下公式确定所述分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)logP\left(s\right);$

其中，Fitness(x)为所述分组结果的适应度值；E_c为所述分组结果中第c个分组对应的熵值，I为所述分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

一种用于获取能源信息的传感器部署装置，该装置包括：

初始分组单元，用于对能源消耗设备进行预分组，以获得分组结果；

评估单元，用于对于所述分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为所述分组结果的适应度值，并根据所述适应度值对所述分组结果进行调整；

其中，所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性；

所述评估单元还用于：

按照如下公式确定所述分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)logP\left(s\right);$

其中，Fitness(x)为所述分组结果的适应度值；E_c为所述分组结果中第c个分组对应的熵值，I为所述分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

本方案中，在得到对能源消耗设备的分组结果后，根据分组结果中各分组对应的熵值确定分组结果对应的适应度值。可见，本发明实现了通过将能源消耗设备分组来部署传感器的方案。

附图说明

图1为现有技术中的传感器部署方案示意图；

图2为本发明实施例提供的方法流程示意图；

图3为本发明实施例提供的方法流程示意图；

图4为本发明实施例中的传感器部署流程示意图；

图5为本发明实施例中的传感器部署结果示意图；

图6为本发明实施例提供的装置结构示意图。

具体实施方式

参见图2，本发明实施例提供的传感器部署方法，包括以下步骤：

步骤10、对能源消耗设备进行预分组，以获得分组结果；

步骤11、对于所述分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为所述分组结果对应的适应度值；根据所述适应度值对所述分组结果进行调整；

其中，所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性。

在对分组结果的调整结束后，根据调整后的分组结果部属传感器，具体的，对于调整后的分组结果中的各分组，为该分组对应的部署节点部署一个传感器，使部属的传感器能够监测对应分组中各部署节点的状态。

在上述方法中，在步骤10中在预分组时可以将所有准备部署传感器的能源消耗设备都进行预分组，也可以只对其中部分能源消耗设备进行预分组。同样的，在步骤11中可以对所有分组结果都计算适应度值，并以此来进行调整，也可以只对部分分组结果计算适应度值，并以此来进行调整。

在本发明的一个实施例中，可以重复进行步骤11以对分组结果进行调整，直至满足调整结果为止。如图3所示，上述方法可以具体为：

步骤20：生成至少一个对能源消耗设备的分组结果，将生成的分组结果作为当前分组结果；

步骤21：对于每个当前分组结果，根据该当前分组结果中各分组对应的熵值确定该当前分组结果对应的适应度值；熵值表示对应分组中所包含能源消耗设备的能量消耗差异性；可以使用能源消耗设备的功率值表示能源消耗设备的能量消耗度；确定当前分组结果对应的适应度值的方法为：对于当前分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为当前分组结果对应的适应度值；

步骤22：若不满足预先设定的终止条件，则根据得到的适应度值选取至少一个当前分组结果，根据选取的当前分组结果衍生出新的分组结果；将新的分组结果和部分当前分组结果均作为当前分组结果，并返回步骤21；否则，根据得到的适应度值选取一个当前分组结果，对于选取的当前分组结果中的各分组，为该分组对应的部署节点部署一个传感器。这里，传感器可以是功率电表等任何能够监测能源消耗设备的状态的仪器。能源消耗设备可以是用电设备等。

在上述的两个实施例的方法中，可以按照如下公式确定分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)logP\left(s\right);$

其中，Fitness(x)为分组结果的适应度值；E_c为分组结果中第c个分组对应的熵值，I为分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

这里，对应分组中所包含能源消耗设备的每个状态组合包含该分组中各能源消耗设备的状态信息，状态信息可以是开启、关闭、工作在第几档位等。若对应分组中所包含能源消耗设备的数目为n，则对应分组中所包含能源消耗设备的状态组合的总数目最大可以为2ⁿ。对于每个状态组合，可以根据对应分组中所包含各能源消耗设备的能量消耗参数值，估算出该各能源消耗设备在该状态组合下的能量消耗总值；在估算该各能源消耗设备在该状态组合下的能量消耗总值时，可以首先根据各能源消耗设备的能量消耗参数值确定各能源消耗设备在对应状态下的能量消耗值，比如，若能源消耗设备的状态为关闭，那么能源消耗设备在该状态下的能量消耗值为0，若能源消耗设备的状态为开启，那么能源消耗设备在该状态下的能量消耗值为Y(Y大于0)瓦特；然后，将各能源消耗设备在对应状态下的能量消耗值相加，将得到的结果值作为该各能源消耗设备在该状态组合下的能量消耗总值。能量消耗总值可以是功率总值等。

按照上述公式计算出的熵值越大，表明对应分组中所包含能源消耗设备的能量消耗差异性越大。

较佳的，步骤22中在根据选取的当前分组结果衍生出新的分组结果之后、且将新的分组结果和部分当前分组结果均作为当前分组结果之前，若衍生出的新的分组结果不满足预先设定的分组限制条件，则删除该新的分组结果，并根据选取的当前分组结果重新衍生出新的分组结果，直到新的分组结果满足所述分组限制条件。

具体的，分组限制条件可以包括：指定的能源消耗设备不能处于同一分组中，等等。

具体的，步骤22中根据得到的适应度值选取至少一个当前分组结果，具体实现可以如下：

按照适应度值从大到小的顺序将当前分组结果进行排序，选取前K个当前分组结果，K为不小于1的整数。

具体的，步骤22中根据选取的当前分组结果衍生出新的分组结果，具体实现可以如下：

根据遗传算法(GA)，对选取的当前分组结果执行交叉和/或变异操作，得到新的分组结果。

这里，可以使用一定长度的比特串表示当前分组结果，比特串中的每个比特位表示一个部署节点所在的分组。此时，对选取的当前分组结果执行交叉操作，是指将选取的一个当前分组结果对应的比特串的部分比特位与选取的另一个当前分组结果对应的比特串的部分比特位互换，得到新的分组结果。对选取的当前分组结果执行变异操作，是指将选取的一个当前分组结果中的部分比特位改变。

具体的，步骤22中将新的分组结果和部分当前分组结果均作为当前分组结果时，具体是将新的分组结果和对应的适应度值最大的Q个当前分组结果均作为当前分组结果，Q为不小于1的整数。

具体的，步骤22中根据得到的适应度值选取一个当前分组结果时，具体是选取对应的适应度值最大的当前分组结果。

具体的，终止条件可以为：各当前分组结果对应的适应度值的平均值达到预先设定的门限值；或者，适应度值收敛；或者，步骤21和步骤22的重复次数达到预设的重复次数，等等。适应度值收敛是指经过多次的重复，适应度值基本保持不变或在很小的范围内浮动。

下面对本发明进行具体说明：

实施例一：

本实施例中，共有10个能源消耗设备，5种设备类型，即N＝10，K＝5；每个能源消耗设备的类型及功率值如下表1所示：

节点标识

No.1

No.2

No.3

No.4

No.5

No.6

No.7

No.8

No.9

No.10

节点类型

A

B

A

E

D

A

C

E

D

B

功率值

10

20

10

70

12

10

30

70

12

20

表1

如图4所示，具体流程如下：

步骤1：生成至少一个对能源消耗设备的分组结果，将生成的分组结果作为当前分组结果；

具体的，首先，设置分组结果的总数M，以及衍生代的最大数目T。定义比特串的长度L＝N。能源消耗设备被随机的划分为Ci组，Ci∈[1,N],i∈M。本步骤中，生成M个对能源消耗设备的分组结果：X01,X02,…,X0M；每个分组结果使用长度为10的比特串表示，比特串中的每个比特位表示一个能源消耗设备所在的分组，具体如下：

步骤2：对于每个当前分组结果，按照如下公式确定该当前分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)logP\left(s\right);$

其中，Fitness(x)为分组结果的适应度值；E_c为该当前分组结果中第c个分组对应的熵值，I为该当前分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

具体的，以当前分组结果X01为例，X01中共有3个分组(I＝3)：(A,C,E,B)、(A,E,D)、(D,B,A)；根据表1，对于分组(A,C,E,B)，该分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目为13(J＝13)，即所有可能的能量消耗总值分别为：10W、20W、30W、40W、50W、60W、70W、80W、90W、100W、110W、120W、130W；该分组所包含能源消耗设备的状态组合的总数目为15，分别为A开C关E关B关、A开C开E关B关、A开C开E开B关、A关C开E开B关，…。

对于分组(A,D,E)，该分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目为5(J＝5)，即所有可能的能量消耗总值分别为：10W、20W、70W、80W、90W；该分组所包含能源消耗设备的状态组合的总数目为7，分别为A开D关E关、A开D开E关、A开D开E开、A关D开E关，…。

对于分组(A,D,B)，该分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目为4(J＝4)，即所有可能的能量消耗总值分别为：10W、20W、30W、40W；该分组所包含能源消耗设备的状态组合的总数目为7，分别为A开D关B关、A开D开B关、A开D开B开、A关D开B关，…。

每个分组的每种能量消耗总值的概率值如下表2所示：

表2

根据上表2，X01的第一个分组的熵值E11＝log15-4/15log2＝1.096，第二个分组的熵值E12＝log7-4/7log2＝0.673，第三个分组的熵值E13＝log7-6/7log2＝0.587；X01的适应度值Fitness(X01)＝2.356；

按照相同方法，计算得到Fitness(X02)＝2.149；Fitness(X03)＝1.265。

步骤3：判断是否满足预先设定的终止条件，若不满足，则到步骤4，若满足，到步骤5；终止条件可以为：各当前分组结果对应的适应度值的平均值达到最高值或预先设定的门限值；或者，调整次数达到预设的重复次数；

步骤4：按照适应度值从大到小的顺序将当前分组结果进行排序，选取前K个当前分组结果，K为不小于1的整数；

根据GA，对选取的当前分组结果执行交叉和/或变异操作，得到新的分组结果；若衍生出的新的分组结果不满足预先设定的分组限制条件，则删除该新的分组结果，并根据选取的当前分组结果重新衍生出新的分组结果，直到新的分组结果满足分组限制条件，比如，分组限制条件为：指定的能源消耗设备不能处于同一分组中；

将新的分组结果和对应的适应度值最大的Q个当前分组结果均作为当前分组结果，Q为不小于1的整数；并返回步骤2；

具体的，按照适应度值从大到小的顺序将X01,X02,…,X0M进行排序，选取前2个当前分组结果：X01和X02；

对X01和X02执行交叉操作，得到新的分组结果X11和X12：

X11＝(1,3,2,2,3,2,1,4,2,1)(A,C,B)(A,E,A,D)(B,D)(E)

X12＝(2,4,1,3,3,3,1,1,2,1)(A,C,E,B)(A,D)(E,D,A)(B)

对X01执行变异操作，得到新的分组结果X13：

X13＝(1,3,2,2,3,3,1,3,2,1)

由于分组限制条件要求5号设备和8号设备由于距离很远不能在同一分组中，因此删除该X13，对X01重新执行变异操作，再次得到新的分组结果X13：

X13＝(1,3,2,2,3,3,1,2,2,1)(A,C,B)(A,E,E,D)(B,D,A)

选取X01作为下一衍生代的分组结果X14：

X14＝(1,3,2,2,3,3,1,1,2,1)(A,C,E,B)(A,E,D)(D,B,A)

以此类推，得到下一衍生代的分组结果P(1)＝{X11,X12,…,X1M}；P(1)中的每个分组结果作为当前分组结果，返回步骤2；

步骤5：选取对应的适应度值最大的当前分组结果，对于选取的当前分组结果中的各分组，为该分组中所包含的能源消耗设备部署一个传感器，使部署的每个传感器能够监测对应分组中各能源消耗设备的状态。

具体的，假设本实施例经过了T次循环，得到的分组结果分别为：

P(1)＝{X11,X12,…,X1M}

p(2)＝{X21,X22,…,X2M}

p(3)＝{X31,X32,…,X3M}

…

p(T)＝{XT1,XT2,…,XTM}

在得到p(T)后，满足了终止条件，从p(T)中选取适应度值最大的XTn，假设XTn对应的分组结果为(A,B,E,C)(A,D,B)(A,D,E)，那么，为A,B,E,C部署一个传感器、为A,D,B部署一个传感器、为A,D,E部署一个传感器，部署结果如图5所示。

本发明实施例提供一种传感器部署装置，该装置包括：

初始分组单元，用于对能源消耗设备进行预分组，以获得分组结果；

评估单元，用于对于所述分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为所述分组结果的适应度值，并根据所述适应度值对所述分组结果进行调整；

其中，所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性。

在上述装置中，初始分组单元预分组时可以将所有准备部署传感器的能源消耗设备都进行预分组，也可以只对其中部分能源消耗设备进行预分组。同样的，评估单元可以对所有分组都计算适应度值，并以此来进行调整，也可以只对部分分组计算适应度值，并以此来进行调整。

在本发明的一个实施例中，评估单元可以重复对分组结果进行调整，直至满足调整结果为止。即，参见图6，上述装置可以具体为：

初始分组单元50，用于生成至少一个对能源消耗设备的分组结果，将生成的分组结果作为当前分组结果；

评估单元51，用于对于每个当前分组结果，根据该当前分组结果中各分组对应的熵值确定该当前分组结果对应的适应度值；熵值表示对应分组中所包含能源消耗设备的能量消耗差异性；

判定单元52：用于判断是否满足终止条件，若不满足，则触发重复单元53执行对应操作；否则，触发部署单元54执行对应操作；

重复单元53，用于根据得到的适应度值选取至少一个当前分组结果，根据选取的当前分组结果衍生出新的分组结果；将新的分组结果和部分当前分组结果均作为当前分组结果，并触发所述评估单元执行对应操作；

部署单元54，用于根据得到的适应度值选取一个当前分组结果，对于选取的当前分组结果中的各分组，为该分组对应的部署节点部署一个传感器。

在上述的两个实施例的装置中，评估单元51可以按照如下方法确定该当前分组结果对应的适应度值：

对于当前分组结果中的各分组，获取该分组中所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为该当前分组结果的适应度值。

进一步的，所述评估单元51用于：

按照如下公式确定该当前分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)logP\left(s\right);$

其中，Fitness(x)为该当前分组结果的适应度值；E_c为该当前分组结果中第c个分组对应的熵值，I为该当前分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

进一步的，所述重复单元53还用于：

在根据选取的当前分组结果衍生出新的分组结果之后、且将新的分组结果和部分当前分组结果均作为当前分组结果之前，若衍生出的新的分组结果不满足预先设定的分组限制条件，则删除该新的分组结果，并根据选取的当前分组结果重新衍生出新的分组结果，直到新的分组结果满足所述分组限制条件。

进一步的，所述分组限制条件包括：指定的能源消耗设备不能处于同一分组中。

进一步的，所述重复单元53用于：按照如下方法根据得到的适应度值选取至少一个当前分组结果：

按照适应度值从大到小的顺序将当前分组结果进行排序，选取前K个当前分组结果，K为不小于1的整数。

进一步的，所述重复单元53用于：按照如下方法根据选取的当前分组结果衍生出新的分组结果：

根据遗传算法GA，对选取的当前分组结果执行交叉和/或变异操作，得到新的分组结果。

进一步的，所述重复单元53将新的分组结果和部分当前分组结果均作为当前分组结果时，具体是将新的分组结果和对应的适应度值最大的Q个当前分组结果均作为当前分组结果，Q为不小于1的整数。

进一步的，所述部署单元54根据得到的适应度值选取一个当前分组结果时，具体是选取对应的适应度值最大的当前分组结果。

进一步的，所述终止条件为：

各当前分组结果对应的适应度值的平均值达到预先设定的门限值；或者，适应度值收敛；或者，判定单元和重复单元重复执行对应操作的次数达到预设的重复次数。

综上，本发明的有益效果包括：

本发明实施例提供的方案中，在得到对能源消耗设备的分组结果后，根据分组结果中各分组对应的熵值确定分组结果对应的适应度值，然后，在不满足终止条件时，根据得到的适应度值选取至少一个分组结果，根据选取的分组结果衍生出新的分组结果，并对新的分组结果和部分旧的分组结果重复执行上述操作；或者，在满足终止条件时，根据得到的适应度值选取一个当前分组结果，并根据选取的分组结果部署传感器。可见，本发明实现了通过将能源消耗设备分组来部署传感器的方案。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种用于获取能源信息的传感器部署方法，其特征在于，该方法包括：

对能源消耗设备进行预分组，以获得分组结果；

对于所述分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为所述分组结果对应的适应度值；根据所述适应度值对所述分组结果进行调整；

其中，所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性；

按照如下公式确定所述分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)\log P\left(s\right);$

其中，Fitness(x)为所述分组结果的适应度值；E_c为所述分组结果中第c个分组对应的熵值，I为所述分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

2.如权利要求1所述的方法，其特征在于，根据所述适应度值对所述分组结果进行调整具体包括：

根据遗传算法，对所述分组结果执行交叉和/或变异操作，得到新的分组结果。

3.如权利要求1或2中任一所述的方法，其特征在于，所述方法还包括：重复对所述分组结果进行调整直至达到终止条件；所述终止条件为：

分组结果对应的适应度值的平均值达到预先设定的门限值；或者，适应度值收敛；或者，调整次数达到预设的重复次数。

4.一种用于获取能源信息的传感器部署装置，其特征在于，该装置包括：

初始分组单元，用于对能源消耗设备进行预分组，以获得分组结果；

评估单元，用于对于所述分组结果中的各分组，获取该分组所包含能源消耗设备的可能组合的能量消耗总值，并计算该能量消耗总值出现的概率，并根据该概率计算总概率作为该分组的熵值；计算各分组的熵值之和作为所述分组结果的适应度值，并根据所述适应度值对所述分组结果进行调整；

其中，所述熵值表示对应分组中所包含能源消耗设备的能量消耗差异性；

所述评估单元还用于：

按照如下公式确定所述分组结果对应的适应度值Fitness(x)：

$Fitness\left(x\right)=\underset{c=1}{\overset{I}{\Σ}}{E}_c;$

$E_c=\underset{s=1}{\overset{J}{\Σ}}-P\left(s\right)\log P\left(s\right);$

其中，Fitness(x)为所述分组结果的适应度值；E_c为所述分组结果中第c个分组对应的熵值，I为所述分组结果所包含分组的总数目；P(s)为对应分组中所包含能源消耗设备的第s种能量消耗总值出现的概率，该概率等于该能量消耗总值对应的能源消耗设备的状态组合的数目，与对应分组中所包含能源消耗设备的状态组合的总数目的比值；J为对应分组中所包含能源消耗设备的所有可能的能量消耗总值的总数目。

5.如权利要求4所述的装置，其特征在于，所述评估单元用于：按照如下方法根据所述适应度值对所述分组结果进行调整：

根据遗传算法，对所述分组结果执行交叉和/或变异操作，得到新的分组结果。

6.如权利要求4或5中任一所述的装置，其特征在于，所述评估单元用于：重复对所述分组结果进行调整直至达到终止条件，所述终止条件为：

分组结果对应的适应度值的平均值达到预先设定的门限值；或者，适应度值收敛；或者，调整次数达到预设的重复次数。