CN105045234A - 基于智能可穿戴设备行为感知的智能家庭能源管理方法 - Google Patents

Abstract

本发明公开一种基于智能可穿戴设备行为感知的智能家庭能源管理方法，包括S101)、可穿戴设备的传感器数据和外部环境数据采集；S102)、数据预处理；S103)传感器类型判断；S104)用户运动行为感知；S105)用户身体状态感知；S106)、用户生活环境需求估计；S107)、用户需求更新判断；S108)、事件驱动的电器设备控制策略优化；S109)、将智能家居控制模块的控制策略更新。本发明通过监测用户可穿戴设备上各类传感器，估计和更新用户对当前和未来生活环境的需求，从而制定智能家居各类电器设备的调度策略，并主动控制家用电器设备，满足用户对家居环境的舒适度要求，同时降低用电成本。

Description

基于智能可穿戴设备行为感知的智能家庭能源管理方法

【技术领域】

本发明涉及智能家居优化控制领域，特别涉及一种基于智能可穿戴设备行为感知的智能家庭能源管理方法。

【背景技术】

个性化的智能家居的优化控制依赖于用户的行为和需求感知。精确的用户行为感知结果可以为智能家居的优化控制传入可靠的需求感知输入。可靠的需求感知输入有助于优化控制系统为用户定制更符合用户特性的优化控制策略；最终，可以使得智能家居优化控制系统最大程度上满足用户舒适度，帮助用户节省电费。智能可穿戴设备的位置和运动信息，可用于分析用户的当前活动行为；用户活动行为的分析与处理结果，可用于明确用户需求；用户需求的获取结合用户家庭中环境参数数据可用于智能家居的优化控制，以期最大程度符合用户期望。

传统的智能家居控制是统一的、单调的，对于具有不同行为和需求的用户，几乎采取同样的调度控制策略。但是，用户往往是个性化的，有自己独有的生活方式和家庭能源使用方式，统一的调度策略无法最大程度满足用户的舒适度和经济性期望。

【发明内容】

本发明的目的在于提供一种基于智能可穿戴设备行为感知的智能家庭能源管理方法，以解决上述技术问题。本发明实时采集用户智能可穿戴设备的传感器数据；进行用户行为感知；实时采集外部环境参数，进行用户生活环境需求估计；根据用户社交行为感知结果，判断是否需要更新用户需求；若触发了用户需求更新，执行智能家居优化调度算法，生成控制策略；更新智能家居控制模块控制策略。

为了实现上述目的，本发明采用如下技术方案：

基于智能可穿戴设备行为感知的智能家庭能源管理方法，包括如下步骤：

S101)、可穿戴设备的传感器数据和外部环境数据采集：采集用户随身携带的智能穿戴设备中运动传感器、生物传感器和环境传感器的数据；同时采集用户当前所在地的天气、交通、电价信息；其中环境传感器采集数据和外部环境数据存储在环境数据库中，用于预测用户对所处环境期望的舒适目标；运动传感器和生物传感器采集的数据转入步骤S102)处理；

S102)、可穿戴设备的传感器数据预处理：预处理对数据进行格式化，包括时间同步和数据来源分类，其中时间同步是指根据系统的本地时间，对不同可穿戴设备上获取的传感器数据进行时间同步处理；数据来源分类是根据数据来源的可穿戴设备、采集的传感器和数据结构属性，对数据进行分类和标识；

S103)传感器类型判断：根据传感器数据的类型，对于运动传感器采集的数据，转入步骤S104)；对于生物传感器采集的数据，转入步骤S105)；

S104)用户运动行为感知：用户运动行为包括行为情景和行为状态；行为情景指用户运动行为发生的环境；结合位置信息库，利用GPS获取的用户位置信息，根据位置信息库，实现对行为情景的估计；行为状态是指用户当前正在进行的运动行为的类型；通过分析加速度传感器、陀螺仪、地磁传感器或电子罗盘传感器获取的数据，利用行为状态分类器，实现对行为状态的感知；

S105)用户身体状态感知：根据生物传感器采集的用户当前心率、血压、体表温度、血糖数据，根据不同生物特征的组合，估计用户身体当前状态；

S106)、用户生活环境需求估计：用户生活环境需求指用户对当前和未来所处环境中温度、湿度、照度、热水、饮食的期望，及对应的时间；根据步骤S104)和步骤S105)的感知结果以及步骤S101)中获取的环境数据，结合预先构建的用户运动行为-用户身体状态-外部环境与用户生活环境需求的对应表，估计用户生活环境需求，并根据用户后期用户的实际行为，采用反馈的形式动态更新需求对应表；

S107)、用户需求更新判断：对比步骤S106)获得最新估计的用户生活环境需求，与上一次的估计结果进行对比，判断需求是否发生变化；如果未发生变化，转入步骤S101)继续采集数据；如果发生变化，转入步骤S108)；

S108)、事件驱动的电器设备控制策略优化：采用事件驱动的在线优化方法，结合步骤S101)中采集的环境数据，在满足用户生活环境需求和电器设备的约束下，以节省整个家庭用电费用使其最小为目标，生成各种设备的联合运行控制策略；

S109)、将智能家居控制模块的控制策略根据步骤S108)的结果进行更新，并转入步骤S101)继续监测用户的可穿戴设备传感器数据。

本发明进一步的改进在于：运动传感器包括GPS、加速度传感器、陀螺仪、地磁传感器、电子罗盘传感器；生物传感器包括血糖传感器、血压传感器、心电传感器、肌电传感器、体温传感器、脑电波传感器；环境传感器包括温湿度传感器、大气压传感器、气体传感器、pH传感器、紫外线传感器、环境光传感器、颗粒物传感器、气压传感器、麦克风。

本发明进一步的改进在于：步骤S102)中对可穿戴设备传感器数据的格式化包括时间同步处理和数据来源分类；时间同步处理具体方法为：将采集的数据统一上传到服务器，丢弃所采集数据的本地时间戳，根据服务器时间，对数据的时间字段打上统一的时间戳；数据来源分类的具体做法为：在所获取数据的属性列表中加入来源字段，并根据数据的来源点，填充数据的来源属性字段。

本发明进一步的改进在于：步骤S104)中位置信息库具体包含：当地敏感建筑的位置信息，敏感建筑包括办公地点，运动场所，购物场所，餐馆，家庭建筑；行为状态分类器和身体状态分类器的训练方法为：根据历史的多维传感器数据向量，采用Adaboost训练用户行为状态分类器和身体状态分类器。

本发明进一步的改进在于：步骤S106)中用户运动行为-用户身体状态-外部环境与用户生活环境需求的对应表的构建和更新方法为：根据用户历史行为数据统计，分别得到用户运动行为—生活需求对应表，用户身体状态—生活需求对应表，外部环境—生活需求对应表，根据先验专家知识及统计规律，赋予三个表相等的权值，将三个子表加权结合，即将用户行为得到的生活需求，用户身体状态得到的生活需求和外部环境得到的生活需求线性叠加，得到最终的生活需求，继而得到初始化的用户运动行为—身体状态—外部环境与生活需求对应表；当存在用户的历史操作行为数据时，根据用户过去操作行为、用户身体状态和外部环境的相关系数的大小，调整三个表的权重；在使用过程中，记录用户的手动操作行为以及对家居环境的评价信息，分析用户对家居环境的满意程度，持续调整三个表的权重，不断更新用户生活需求对应表；

步骤S106)中用户生活环境需求的估计方法具体为：根据用户的行为情景和行为状态，基于需求规则库进行映射，得到对应于最新用户行为的环境需求；需求时间则根据GPS信息和路况信息进行估计；用户需求规则库根据定义的用户行为经验性的建立。

本发明进一步的改进在于：步骤S107)中对现有的用户需求的更新策略包括：对比最新的用户需求与当前的用户需求；如果需求时段不重叠，则增加对应的用户需求；如果需求时段发生了重叠，将用最新的用户需求代替当前的用户需求。

本发明进一步的改进在于：步骤S108)中将用户需求的改变作为事件e，包含事件检测时间T_d，事件类型A，用户需求R；其中，事件检测时间T_d指事件被检测到的时间；事件类型A指事件对应的用户行为描述；用户需求R是各个用户需求对应时间序列的集合，即R＝{r_T(k),r_H(k),r_L(k),r_W(k)}，其中r_T(k),r_H(k),r_L(k),r_W(k)分别表示k时刻用户的温度、湿度、照明和热水需求，定义当用户在k时刻没有需求时，对应的需求变量r(k)＝0。

本发明进一步的改进在于：步骤S108)中的优化问题目标为家庭电器运行在优化调度周期内运行的总电费最小，即其中t₀表示优化时段的初始时刻，t_d表示优化时段的终止时刻，N为被调度的电器设备个数，p(k)表示k时刻的电价，q_i(k)表示设备i在k时刻的功率，为决策变量。

本发明进一步的改进在于：步骤S108)中优化问题的约束包括三类：电器设备的电耗模型，电器设备的运行约束和舒适度需求约束；其中，电器设备的电耗模型通常采用状态方程，建立设备用电功率与其所提供用户需求的联系；电器设备的运行约束指电器设备运行过程中的物理限制，通常包括电器设备最大功率约束，电器设备运行安全性约束；舒适度需求约束指用户房间环境变量需满足当前的舒适度需求。

本发明进一步的改进在于：步骤S108)中优化问题由事件驱动，具体过程为：当T_d时刻事件e被检测到，读取其中所包含的用户需求R；定义一个时间窗口长度L，在T_d到T_d+L的时段内基于用户需求R对优化问题进行求解；所得优化策略被用来控制电器设备，直到新的事件被检测到，驱动优化问题重新计算得到新的策略。

相对于现有技术，本发明具有以下有益效果：本发明通过监测用户可穿戴设备上各类传感器，利用运动传感器数据识别用户的运动行为，利用生物传感器识别用户的身体状态，并结合外部环境信息，估计和更新用户对当前和未来生活环境的需求；采用事件驱动的电器设备控制策略优化方法，根据更新的用户生活环境需求、环境现状和动态电价信息，制定智能家居各类电器设备的调度策略，并主动控制家用电器设备，满足用户对家居环境的舒适度要求，同时降低用电成本。

【附图说明】

图1为基于智能可穿戴设备行为感知的智能家庭能源管理方法框图。

【具体实施方式】

请参阅图1所示，为本发明一种基于智能可穿戴设备行为感知的智能家庭能源管理方法的框图；显示了基于智能可穿戴设备行为感知的智能家庭能源管理方法的基本框架。

本发明一种基于智能可穿戴设备行为感知的智能家庭能源管理方法，包括如下步骤：

S101)、可穿戴设备的传感器数据和外部环境数据采集：本发明定义的智能可穿戴设备包括：智能手环、智能手机、智能手表、智能眼睛及其他可集成在用户身体上或用户可随身携带的设备；可穿戴设备的传感器数据分为三类：(a)运动传感器，包括GPS、加速度传感器、陀螺仪、地磁传感器、电子罗盘传感器；(b)生物传感器，包括血糖传感器、血压传感器、心电传感器、肌电传感器、体温传感器、脑电波传感器；(c)环境传感器，包括温湿度传感器、大气压传感器、气体传感器、pH传感器、紫外线传感器、环境光传感器、颗粒物传感器或者粉尘传感器、气压传感器、麦克风。本发明定义的外部环境数据是用户当前所在地的天气、交通、电价信息，该类信息通过在互联网的天气、交通、电网网站上主动获取。其中环境传感器采集数据和外部环境数据存储在环境数据库中，用于预测用户对所处环境期望的舒适目标；运动传感器和生物传感器采集的数据转入步骤S102)处理。

S102)、可穿戴设备的传感器数据预处理：预处理对数据进行格式化，包括时间同步和数据来源分类，其中时间同步是指根据系统的本地时间，对不同可穿戴设备上获取的传感器数据进行时间同步处理；数据来源分类是根据数据来源的可穿戴设备、采集的传感器和数据结构属性，对数据进行分类和标识。

S103)传感器类型判断：根据传感器数据的类型，对于运动传感器采集的数据，转入步骤S104)；对于生物传感器采集的数据，转入步骤S105)。

S104)用户运动行为感知：本发明定义的用户运动行为包括行为情景和行为状态。行为情景指用户运动行为发生的环境，包括住宅、办公室、商场、公路、运动场所、餐厅等；结合位置信息库，利用GPS获取的用户位置信息，根据位置信息库，实现对行为情景的估计。行为状态是指用户当前正在进行的运动行为的类型，包括行走、运动、常规静止、睡觉等；通过分析加速度传感器、陀螺仪、地磁传感器、电子罗盘传感器获取的数据，利用行为状态分类器，实现对行为状态的感知。

S105)用户身体状态感知：根据生物传感器采集的用户当前心率、血压、体表温度、血糖数据，根据不同生物特征的组合，估计用户身体当前状态，状态包括：正常、兴奋、疲劳、冷、热。

S106)、用户生活环境需求估计：本发明定义的用户生活环境需求指用户对当前和未来所处环境中温度、湿度、照度、热水、饮食的期望，及对应的时间。根据步骤S104)和步骤S105)的感知结果以及步骤S101)中获取的环境数据，结合预先构建的用户运动行为-用户身体状态-外部环境与用户生活环境需求的对应表，估计用户生活环境需求，并根据用户后期用户的实际行为，采用反馈的形式动态更新需求对应表。

S107)、用户需求更新判断。对比步骤S106)获得最新估计的用户生活环境需求，与上一次的估计结果进行对比，判断需求是否发生变化。如果未发生变化，转入步骤S101)继续采集数据；如果发生变化，转入步骤S108)。

S108)、事件驱动的电器设备控制策略优化：本发明定义的事件指用户生活环境需求发生的改变。采用事件驱动的在线优化方法，结合步骤S101)中采集的环境数据，在满足用户生活环境需求和电器设备的约束下，以节省整个家庭用电费用使其最小为目标，生成各种设备的联合运行控制策略。

S109)、将控制模块的控制策略根据步骤S108)的结果进行更新，并转入步骤S101)继续监测用户的可穿戴设备传感器数据。

本发明步骤S102)中对可穿戴设备传感器数据的格式化主要包括时间同步处理和数据来源分类。时间同步处理具体方法为：将采集的数据统一上传到服务器，由于每个系统的本地时间可能不同，故丢弃所采集数据的本地时间戳，根据服务器时间，对数据的时间字段打上统一的时间戳。数据来源分类的具体做法为：在所获取数据的属性列表中加入来源字段，并根据数据的来源点，填充数据的来源属性字段。

本发明步骤S104)中位置信息库具体包含：当地敏感建筑的位置信息，敏感建筑包括办公地点，运动场所，购物场所，餐馆，家庭建筑。行为状态分类器和身体状态分类器的训练方法为：根据历史的多维传感器数据向量(包括运动传感器、生物传感器、环境传感器数据向量)，采用Adaboost训练用户行为状态分类器和身体状态分类器。

本发明步骤S106)中用户运动行为-用户身体状态-外部环境与用户生活环境需求的对应表的构建和更新方法为：根据用户历史行为数据统计，分别得到用户运动行为—生活需求对应表，用户身体状态—生活需求对应表，外部环境—生活需求对应表，根据先验专家知识及统计规律，赋予三个表相等的权值，将三个子表加权结合，即将用户行为得到的生活需求，用户身体状态得到的生活需求和外部环境得到的生活需求线性叠加，得到最终的生活需求，继而得到初始化的用户运动行为—身体状态—外部环境与生活需求对应表；当存在用户的历史操作行为数据时，根据用户过去操作行为、用户身体状态和外部环境的相关系数的大小，调整三个表的权重；在使用过程中，记录用户的手动操作行为以及对家居环境的评价信息，分析用户对家居环境的满意程度，持续调整三个表的权重，不断更新用户生活需求对应表。

本发明步骤S106)中用户生活环境需求的估计方法具体为：根据用户的行为情景和行为状态，基于需求规则库进行映射，得到对应于最新用户行为的环境需求；需求时间则根据GPS信息和路况信息进行估计。用户需求规则库根据定义的用户行为经验性的建立，例如行为情景为运动，对应的空调温度需求将会在需求时段内调低；行为情景为在家，且行为状态为睡眠，对应的空调需求温度将升高。

本发明步骤S107)中对现有的用户需求的更新策略包括：对比最新的用户需求与当前的用户需求；如果需求时段不重叠，则增加对应的用户需求；如果需求时段发生了重叠，将用最新的用户需求代替当前的用户需求。

本发明步骤S108)中将用户需求的改变作为事件e，包含事件检测时间T_d，事件类型A，用户需求R。其中，事件检测时间T_d指事件被检测到的时间；事件类型A指事件对应的用户行为描述；用户需求R是各个用户需求对应时间序列的集合，即R＝{r_T(k),r_H(k),r_L(k),r_W(k)}，其中r_T(k),r_H(k),r_L(k),r_W(k)分别表示k时刻用户的温度、湿度、照明和热水需求，定义当用户在k时刻没有需求时，对应的需求变量r(k)＝0。

本发明步骤S108)中的优化问题目标为家庭电器运行在优化调度周期内运行的总电费最小，即其中t₀表示优化时段的初始时刻，t_d表示优化时段的终止时刻，N为被调度的电器设备个数，p(k)表示k时刻的电价，q_i(k)表示设备i在k时刻的功率，为决策变量。

本发明步骤S108)中优化问题的约束包括三类：电器设备的电耗模型，电器设备的运行约束和舒适度需求约束。其中，电器设备的电耗模型通常采用状态方程，建立设备用电功率与其所提供用户需求的联系；电器设备的运行约束指电器设备运行过程中的物理限制，通常包括电器设备最大功率约束，电器设备运行安全性约束等；舒适度需求约束指用户房间环境变量需满足当前的舒适度需求。

本发明步骤S108)中优化问题由事件驱动，具体过程为：当T_d时刻事件e被检测到，读取其中所包含的用户需求R；定义一个时间窗口长度L，在T_d到T_d+L的时段内基于用户需求R对优化问题进行求解；所得优化策略被用来控制电器设备，直到新的事件被检测到，驱动优化问题重新计算得到新的策略。

1、一次运动传感器驱动的行为感知及智能控制的具体实施过程

场景一：工作

1)实时采集用户的智能可穿戴设备的各种传感器数据，包括三轴加速器数据，陀螺仪数据，皮肤温度传感器数据，皮电感应传感器数据，GPS数据；

2)将数据上传到服务器，对数据进行格式化处理，丢弃所采集数据的本地时间戳，根据服务器时间，对数据的时间属性字段打上统一的服务器时间戳；在数据属性字段中加一列来源字段，并根据数据的来源点填充来源字段。

3)根据数据的来源字段，判断数据的来源。对于运动传感器数据进行如下处理：根据GPS数据和已经建立的位置信息库，可判断出用户此时处在工作的情景；将三轴加速度数据和陀螺仪数据输入行为状态分类器可以获得用户实时的行为状态，此时用户正在工作，则其行为状态为常规静止状态。对于生物传感器进行如下处理：将生物传感器数据输入身体状态分类器，可以得到用户的身体状态，假设用户此时一切正常，可得到正常状态结果。

4)将用户行为状态和用户身体状态与行为状态-身体状态-外部环境-用户需求规则库相比较可得到用户的实时需求，将实时需求输入需求更新判断模块。

5)将得到的最新估计需求与上一次的估计结果相比较，由于用户正常的工作，工作计划和身体状态并没有改变，故本次估计需求与上一次估计结果相同，需求没有更新，转入步骤1)继续采集数据。

场景二：运动

1)实时采集用户的智能可穿戴设备的各种传感器数据，包括三轴加速器数据，陀螺仪数据，皮肤温度传感器数据，皮电感应传感器数据，GPS数据；

2)将数据上传到服务器，对数据进行格式化处理，丢弃所采集数据的本地时间戳，根据服务器时间，对数据的时间属性字段打上统一的服务器时间戳；在数据属性字段中加一列来源字段，并根据数据的来源点填充来源字段。

3)根据数据的来源字段，判断数据的来源。对于运动传感器数据进行如下处理：根据GPS数据和已经建立的位置信息库，可判断出用户此时在运动场，处于运动情景；将三轴加速度数据和陀螺仪数据输入行为状态分类器可以获得用户实时的行为状态，此时用户正在运动，则其行为状态为运动状态。对于生物传感器进行如下处理：将生物传感器数据输入身体状态分类器，可以得到用户的身体状态，此时用户正在运动，则其身体状态为兴奋。

4)将用户行为状态和用户身体状态与行为状态-身体状态-外部环境-用户需求规则库相比较可得到用户的实时需求，由于用户正在运动，则根据需求规则库，可以得到用户回家后对热水器和空调的需求，并可估计出需求的量级和时间。

5)将得到的最新估计需求与上一次的估计结果相比较，由于用户去运动，与之前的估计计划相比有所改变，故本次估计需求与上一次估计结果不同，需求更新，转入事件驱动的电器设备控制策略优化模块，生成控制策略。

6)结合步骤1)中采集的环境数据，在满足用户生活环境需求和电器设备的约束下，以节省整个家庭用电费用使其最小为目标，生成各种设备的联合运行控制策略。

7)将控制模块的控制策略进行更新，并转入步骤1)继续监测用户的可穿戴设备传感器数据。

2、一次生物传感器驱动的行为感知及智能控制的具体实施过程：

场景1：在家-生病

1)实时采集用户的智能可穿戴设备的各种传感器数据，包括三轴加速器数据，陀螺仪数据，皮肤温度传感器数据，皮电感应传感器数据，GPS数据；

2)将数据上传到服务器，对数据进行格式化处理，丢弃所采集数据的本地时间戳，根据服务器时间，对数据的时间属性字段打上统一的服务器时间戳；在数据属性字段中加一列来源字段，并根据数据的来源点填充来源字段。

3)根据数据的来源字段，判断数据的来源。对于运动传感器数据进行如下处理：根据GPS数据和已经建立的位置信息库，可判断出用户此时正在家；将三轴加速度数据和陀螺仪数据输入行为状态分类器可以获得用户实时的行为状态，此时用户正在家，假设用户此时正在看电视，则其行为状态为常规静止状态。对于生物传感器进行如下处理：将生物传感器数据输入身体状态分类器，如皮肤温度，皮电感应器数据。经过分类算法计算可以得到用户的身体状态，此时生病，可得到结果为生病-疲劳状态。

4)将用户行为状态和用户身体状态与行为状态-身体状态-外部环境-用户需求规则库相比较可得到用户的实时需求，由于检测到用户生病，则将产生对空调温度升高需求及需要舒缓音乐的需求，将实时需求输入需求更新判断模块。

5)将得到的最新估计需求与上一次的估计结果相比较，由于用户生病在家，与之前的用户身体状态估计相比有所改变，故本次估计需求与上一次估计结果不同，需求更新，转入事件驱动的电器设备控制策略优化模块，生成控制策略。

6)结合步骤1)中采集的环境数据，在满足用户生活环境需求和电器设备的约束下，以节省整个家庭用电费用使其最小为目标，生成各种设备的联合运行控制策略。

7)将控制模块的控制策略进行更新，并转入步骤1)继续监测用户的可穿戴设备传感器数据。

由此，完成了一次基于智能可穿戴设备行为感知的智能家庭能源管理过程。

Claims (10)

1.基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，包括如下步骤：

S101)、可穿戴设备的传感器数据和外部环境数据采集：采集用户随身携带的智能穿戴设备中运动传感器、生物传感器和环境传感器的数据；同时采集用户当前所在地的天气、交通、电价信息；其中环境传感器采集数据和外部环境数据存储在环境数据库中，用于预测用户对所处环境期望的舒适目标；运动传感器和生物传感器采集的数据转入步骤S102)处理；

S102)、可穿戴设备的传感器数据预处理：预处理对数据进行格式化，包括时间同步和数据来源分类，其中时间同步是指根据系统的本地时间，对不同可穿戴设备上获取的传感器数据进行时间同步处理；数据来源分类是根据数据来源的可穿戴设备、采集的传感器和数据结构属性，对数据进行分类和标识；

S103)传感器类型判断：根据传感器数据的类型，对于运动传感器采集的数据，转入步骤S104)；对于生物传感器采集的数据，转入步骤S105)；

S104)用户运动行为感知：用户运动行为包括行为情景和行为状态；行为情景指用户运动行为发生的环境；结合位置信息库，利用GPS获取的用户位置信息，根据位置信息库，实现对行为情景的估计；行为状态是指用户当前正在进行的运动行为的类型；通过分析加速度传感器、陀螺仪、地磁传感器或电子罗盘传感器获取的数据，利用行为状态分类器，实现对行为状态的感知；

S105)用户身体状态感知：根据生物传感器采集的用户当前心率、血压、体表温度、血糖数据，根据不同生物特征的组合，估计用户身体当前状态；

S106)、用户生活环境需求估计：用户生活环境需求指用户对当前和未来所处环境中温度、湿度、照度、热水、饮食的期望，及对应的时间；根据步骤S104)和步骤S105)的感知结果以及步骤S101)中获取的环境数据，结合预先构建的用户运动行为-用户身体状态-外部环境与用户生活环境需求的对应表，估计用户生活环境需求，并根据用户后期用户的实际行为，采用反馈的形式动态更新需求对应表；

S107)、用户需求更新判断：对比步骤S106)获得最新估计的用户生活环境需求，与上一次的估计结果进行对比，判断需求是否发生变化；如果未发生变化，转入步骤S101)继续采集数据；如果发生变化，转入步骤S108)；

S108)、事件驱动的电器设备控制策略优化：采用事件驱动的在线优化方法，结合步骤S101)中采集的环境数据，在满足用户生活环境需求和电器设备的约束下，以节省整个家庭用电费用使其最小为目标，生成各种设备的联合运行控制策略；

S109)、将智能家居控制模块的控制策略根据步骤S108)的结果进行更新，并转入步骤S101)继续监测用户的可穿戴设备传感器数据。

2.根据权利要求1所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，运动传感器包括GPS、加速度传感器、陀螺仪、地磁传感器、电子罗盘传感器；生物传感器包括血糖传感器、血压传感器、心电传感器、肌电传感器、体温传感器、脑电波传感器；环境传感器包括温湿度传感器、大气压传感器、气体传感器、pH传感器、紫外线传感器、环境光传感器、颗粒物传感器、气压传感器、麦克风。

3.根据权利要求1所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S102)中对可穿戴设备传感器数据的格式化包括时间同步处理和数据来源分类；时间同步处理具体方法为：将采集的数据统一上传到服务器，丢弃所采集数据的本地时间戳，根据服务器时间，对数据的时间字段打上统一的时间戳；数据来源分类的具体做法为：在所获取数据的属性列表中加入来源字段，并根据数据的来源点，填充数据的来源属性字段。

4.根据权利要求1所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S104)中位置信息库具体包含：当地敏感建筑的位置信息，敏感建筑包括办公地点，运动场所，购物场所，餐馆，家庭建筑；行为状态分类器和身体状态分类器的训练方法为：根据历史的多维传感器数据向量，采用Adaboost训练用户行为状态分类器和身体状态分类器。

5.根据权利要求1所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S106)中用户运动行为-用户身体状态-外部环境与用户生活环境需求的对应表的构建和更新方法为：根据用户历史行为数据统计，分别得到用户运动行为—生活需求对应表，用户身体状态—生活需求对应表，外部环境—生活需求对应表；根据先验专家知识及统计规律赋予三个子表相应的权值，并将三个子表加权结合，得到初始化的用户运动行为—身体状态—外部环境与生活需求对应表；采用在线学习的方法，实时采集用户对于需求满足的反馈结果，重新计算子表权值，不断更新用户生活需求对应表；

步骤S106)中用户生活环境需求的估计方法具体为：根据用户的行为情景和行为状态，基于需求规则库进行映射，得到对应于最新用户行为的环境需求；需求时间则根据GPS信息和路况信息进行估计；用户需求规则库根据定义的用户行为经验性的建立；

所述的根据先验专家知识及统计规律赋予三个子表相应的权值，并将三个子表加权结合，得到初始化的用户运动行为—身体状态—外部环境与生活需求对应表的步骤包括：首先将三个表设为相等权值，即将用户行为对应的生活需求、用户身体状态对应的生活需求和外部环境对应的生活需求线性叠加；当存在用户的历史操作行为数据时，根据用户过去操作行为、用户身体状态和外部环境的相关系数的大小，调整三个表的权重；在使用过程中，记录用户的手动操作行为以及对家居环境的评价信息，分析用户对家居环境的满意程度，持续调整三个表的权重。

6.根据权利要求1所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S107)中对现有的用户需求的更新策略包括：对比最新的用户需求与当前的用户需求；如果需求时段不重叠，则增加对应的用户需求；如果需求时段发生了重叠，将用最新的用户需求代替当前的用户需求。

7.根据权利要求1所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S108)中将用户需求的改变作为事件e，包含事件检测时间T_d，事件类型A，用户需求R；其中，事件检测时间T_d指事件被检测到的时间；事件类型A指事件对应的用户行为描述；用户需求R是各个用户需求对应时间序列的集合，即R＝{r_T(k),r_H(k),r_L(k),r_W(k)}，其中r_T(k),r_H(k),r_L(k),r_W(k)分别表示k时刻用户的温度、湿度、照明和热水需求，定义当用户在k时刻没有需求时，对应的需求变量r(k)＝0。

8.根据权利要求7所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S108)中的优化问题目标为家庭电器运行在优化调度周期内运行的总电费最小，即其中t₀表示优化时段的初始时刻，t_d表示优化时段的终止时刻，N为被调度的电器设备个数，p(k)表示k时刻的电价，q_i(k)表示设备i在k时刻的功率，为决策变量。

9.根据权利要求8所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S108)中优化问题的约束包括三类：电器设备的电耗模型，电器设备的运行约束和舒适度需求约束；其中，电器设备的电耗模型通常采用状态方程，建立设备用电功率与其所提供用户需求的联系；电器设备的运行约束指电器设备运行过程中的物理限制，通常包括电器设备最大功率约束，电器设备运行安全性约束；舒适度需求约束指用户房间环境变量需满足当前的舒适度需求。

10.根据权利要求9所述的基于智能可穿戴设备行为感知的智能家庭能源管理方法，其特征在于，步骤S108)中优化问题由事件驱动，具体过程为：当T_d时刻事件e被检测到，读取其中所包含的用户需求R；定义一个时间窗口长度L，在T_d到T_d+L的时段内基于用户需求R对优化问题进行求解；所得优化策略被用来控制电器设备，直到新的事件被检测到，驱动优化问题重新计算得到新的策略。