CN105068513A - 基于社交网络行为感知的智能家庭能源管理方法 - Google Patents
基于社交网络行为感知的智能家庭能源管理方法 Download PDFInfo
- Publication number
- CN105068513A CN105068513A CN201510405149.2A CN201510405149A CN105068513A CN 105068513 A CN105068513 A CN 105068513A CN 201510405149 A CN201510405149 A CN 201510405149A CN 105068513 A CN105068513 A CN 105068513A
- Authority
- CN
- China
- Prior art keywords
- user
- social
- demand
- request
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000008447 perception Effects 0.000 title claims abstract description 31
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 230000006399 behavior Effects 0.000 claims abstract description 70
- 230000011273 social behavior Effects 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000011217 control strategy Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 230000000875 corresponding effect Effects 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 235000013305 food Nutrition 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 244000097202 Rathbunia alamosensis Species 0.000 description 3
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
Abstract
本发明公开了一种基于社交网络行为感知的智能家庭能源管理方法，包括：S101)、用户网络社交数据和外部环境数据采集；S102)、用户网络社交行为感知；S103)、用户环境需求估计；S104)、用户需求更新判断；S105)、事件驱动的电器设备控制策略优化；S106)、将智能家居控制模块的控制策略根据步骤S105)的结果进行更新，并转入步骤S101)继续监测用户网络社交数据。本发明通过监测用户的网络社交软件和邮件管理软件，实时识别和预测用户网络社交行为，估计和更新用户对家居环境的需求，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
【技术领域】
本发明涉及基于用户行为需求感知的智能家居优化控制领域，特别涉及一种基于社交网络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。用户的网络社交数据分析，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社交网络行为感知的智能家庭能源管理方法，以解决上述技术问题。本发明通过获取历史社交数据，通过社交数据预处理、筛选、分类、训练、映射生成分词语义场景规则库；实时采集用户网络社交数据，利用分词语义场景规则库进行用户社交行为感知；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：
基于社交网络行为感知的智能家庭能源管理方法，包括如下步骤：
S101)、用户网络社交数据和外部环境数据采集：获取用户在手机和电脑上利用社交软件、邮件管理软件与其他人交互的网络社交数据；并获取用户网络社交行为相关地点的天气、交通、电价信息；
S102)、用户网络社交行为感知：提取所获取用户网络社交数据中的关键数据：事件类型，事件地点，事件的起始时间和终止时间，事件参与人；
S103)、用户环境需求估计：基于用户网络社交行为与生活环境需求规则库，根据识别和预测的用户社交行为和外界环境数据，估计用户对环境的需求；
S104)、用户需求更新判断：对比步骤S103)获得最新估计的用户环境需求，与基础设定的用户环境需求相比是否有变化，由此判断用户需求是否会被更新；如果未发生变化，转入步骤S101)继续采集用户网络社交数据；如果发生变化，现有的用户环境需求被更新，并转入步骤S105)；
S105)、事件驱动的电器设备控制策略优化：通过检测用户环境需求发生的改变，生成事件；采用事件驱动的在线优化方法，结合步骤S101)中监测的外部环境数据，在满足用户环境需求的条件下和电器设备约束下，以节省整个家庭用电费用最小为目标，生成各种设备的联合运行控制策略；
S106)、将智能家居控制模块的控制策略根据步骤S105)的结果进行更新，并转入步骤S101)继续监测用户网络社交数据。
本发明进一步的改进在于：步骤S101)中用户网络社交数据指用户在手机和电脑上利用社交软件、邮件管理软件，与其他人交互的信息，包括用户的状态发表、评论、地理位置、好友关联、邮件交互、行程安排数据的一种或多种。
本发明进一步的改进在于：步骤S102)中，用户网络社交行为包括5类信息：行为的类别、行为发生的预测时间、行为发生的预测地点、与该行为相关的人和对行为的详细描述；其中用户网络社交行为的类别包括工作、运动、聚会、餐饮、会议、学习购物、吃饭、休闲、回家社交活动；
步骤S102)中，识别和预测用户的网络社交行为信息的流程为：利用用户的历史社交网络数据和行为数据建立用户行为特征库，根据实时监测到的用户网络社交数据，采用语义分析方法得到社交信息特征，基于预先定义的用户行为特征库，通过特征匹配得到用户的网络社交行为。
本发明进一步的改进在于：步骤S102)中，用户行为特征库的建立包括：第一，对于每一个社交活动，分析其对应的历史的社交网络数据并根据信息的类型筛选出文本以及图像两大类；第二，对于文本信息，利用分词和预先设定规则的方法，寻找与社交活动相关的特征作为该社交活动的特征；第三，对于图片，利用卷积神经网络的方法，得到与该社交活动相关的图像社交信息作为该社交活动的特征。
本发明进一步的改进在于：步骤S103)中，用户网络社交行为与生活环境需求规则映射库的构建过程为：首先基于历史统计规律的经验建立原始映射关系；在使用过程中，将估计得到的用户社交行为以及用户实际的操作进行关联，对原始映射关系进行更新，逐步建立个性化的用户网络社交行为到用户需求的映射规则。
本发明进一步的改进在于：步骤S104)中得到的用户需求对于设定的基础用户需求有改变时，则现有的用户需求被更新，更新需求策略包括：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S105)中将用户需求的改变作为事件e，包含事件检测时间Td，事件类型A，用户需求R；其中，事件检测时间Td指事件被检测到的时间；事件类型A指事件对应的用户社交行为描述；用户需求R是各个用户需求对应时间序列的集合，即R＝{rT(k),rH(k),rL(k),rW(k)}，其中rT(k),rH(k),rL(k),rW(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S105)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，td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，qi(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S105)中的优化问题模型包括：用电电器物理模型的状态方程xi(k+1)＝f(xi(k),ui(k),vi(k))，其中xi(k+1)和xi(k)分别表示设备i在k+1和k时刻的状态，ui(k)表示设备i在k时刻的控制参数，vi(k)表示设备i在k时刻的扰动；用电电器的物理约束，包括状态限制xmin≤xi(k)≤xmax和功率限制umin≤ui(k)≤umax；环境舒适需求，指在用户需求时段，电器设备的状态需满足用户需求，Rxi(k)-Δi≤xi(k)≤Rxi(k)+Δi，其中Rxi(k)表示用户在k时刻对设备i对应状态的环境需求，Δi指设备i对应状态的需求误差。
本发明进一步的改进在于：步骤S105)中优化问题由事件驱动，具体过程为：当Td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Td到Td+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的网络社交软件和邮件管理软件，实时识别和预测用户网络社交行为，估计和更新用户对家居环境的需求；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为基于社交网络行为感知的智能家庭能源管理方法框图；
图2为社交网络行为的分析方法框图。
【具体实施方式】
请参阅图1及图2所示，图1为基于社交网络行为感知的智能家庭能源管理方法框图；显示了基于社交网络行为感知的智能家庭能源管理方法的基本框架。图2为社交网络行为的分析方法框图；显示了社交网络行为的分析方法的基本框架。
本发明一种基于社交网络行为感知的智能家庭能源管理方法，包括如下步骤：
S101)、用户网络社交数据和外部环境数据采集：本发明定义的用户网络社交数据指用户在手机和电脑上利用社交软件、邮件管理软件，与其他人交互的信息，包括用户的状态发表、评论、地理位置、好友关联、邮件交互、行程安排数据的一种或多种；该类信息通过监测用户手机和电脑上的社交软件、邮件管理软件和行程管理软件等一种或多种实现实时获取。本发明定义的外部环境数据包括与用户网络社交行为相关地点的天气、交通、电价信息，用于预测用户对所处环境期望的舒适目标；该类信息通过在互联网的天气、交通、电网网站上主动获取，并存储在外部环境数据库中。
S102)、用户网络社交行为感知：本发明定义的用户网络社交行为指用户通过手机和电脑上利用社交应用与软件、邮件管理应用与软件，与其他人交流后约定的各种社交活动。提取所获取用户网络社交数据中的关键数据，包括事件类型，事件地点，事件的起始时间和终止时间，事件参与人，识别和预测用户的网络社交行为。
S103)、用户环境需求估计：本发明定义的用户环境需求指用户对未来所处环境中温度、湿度、照度、热水、饮食的期望，及其分别对应的需求时段。基于用户网络社交行为与生活环境需求规则库，根据识别和预测的用户社交行为和外界环境数据，估计用户对环境的需求。
S104)、用户需求更新判断：对比步骤S103)获得最新估计的用户环境需求，与基础设定的用户环境需求相比是否有变化，由此判断用户需求是否会被更新。如果未发生变化，转入步骤S101)继续采集用户网络社交数据；如果发生变化，现有的用户环境需求被更新，并转入步骤S105)。
S105)、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环境需求发生的改变。通过检测用户环境需求发生的改变，生成事件；采用事件驱动的在线优化方法，结合步骤S101)中监测的外部环境数据，在满足用户环境需求的条件下和电器设备约束下，以节省整个家庭用电费用最小为目标，生成各种设备的联合运行控制策略。
S106)、将智能家居控制模块的控制策略根据步骤S105)的结果进行更新，并转入步骤S101)继续监测用户网络社交数据。
本发明步骤S101)中的网络社交数据指社交应用与软件包括新浪微博、腾讯微博、微信、Facebook、Twitter等社交类软件的一种或多种，邮件管理应用与软件包括Outlook、Foxmail等邮件客户端的一种或多种。
本发明步骤S102)中，用户网络社交行为包括5类信息：行为的类别、行为发生的预测时间、行为发生的预测地点、与该行为相关的人和对行为的详细描述。其中用户网络社交行为的类别包括工作、运动、聚会、餐饮、会议、学习购物、吃饭、休闲、回家等社交活动。
本发明步骤S102)中，识别和预测用户的网络社交行为信息的流程为：利用用户的历史社交网络数据和行为数据建立用户行为特征库，根据实时监测到的用户网络社交数据，采用语义分析等方法得到社交信息特征，基于预先定义的用户行为特征库，通过特征匹配得到用户的网络社交行为。
本发明步骤S102)中，用户行为特征库的建立包括：第一，对于步骤S102)所定义的每一个社交活动，分析其对应的历史的社交网络数据并根据信息的类型筛选出文本以及图像两大类；第二，对于文本信息，利用分词和预先设定规则的方法，寻找与社交活动相关的特征作为该社交活动的特征；第三，对于图片，利用卷积神经网络的方法，得到与该社交活动相关的图像社交信息作为该社交活动的特征。
本发明步骤S103)中用户网络社交行为与生活环境需求规则映射库的构建过程为：首先基于历史统计规律的经验建立原始映射关系；在使用过程中，将估计得到的用户社交行为以及用户实际的操作进行关联，对原始映射关系进行更新，逐步建立个性化的用户网络社交行为到用户需求的映射规则。
本发明步骤S104)中得到的用户需求对于设定的基础用户需求有改变时，则现有的用户需求会被更新，更新需求策略包括：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S105)中将用户需求的改变作为事件e，包含事件检测时间Td，事件类型A，用户需求R。其中，事件检测时间Td指事件被检测到的时间；事件类型A指事件对应的用户社交行为描述；用户需求R是各个用户需求对应时间序列的集合，即R＝{rT(k),rH(k),rL(k),rW(k)}，其中rT(k),rH(k),rL(k),rW(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S105)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，td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，qi(k)表示设备i在k时刻的功率，为决策变量。
本发明步骤S105)中的优化问题模型包括：用电电器物理模型的状态方程xi(k+1)＝f(xi(k),ui(k),vi(k))，其中xi(k+1)和xi(k)分别表示设备i在k+1和k时刻的状态，ui(k)表示设备i在k时刻的控制参数，vi(k)表示设备i在k时刻的扰动；用电电器的物理约束，包括状态限制xmin≤xi(k)≤xmax(例如空调、热水器温度的限制；风机转速的限制等状态限制)和功率限制umin≤ui(k)≤umax；环境舒适需求，指在用户需求时段，电器设备的状态需满足用户需求，Rxi(k)-Δi≤xi(k)≤Rxi(k)+Δi，其中Rxi(k)表示用户在k时刻对设备i对应状态的环境需求，Δi指设备i对应状态的需求误差。
本发明步骤S105)中优化问题由事件驱动，具体过程为：当Td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Td到Td+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。
场景1：用户在上午11点在新浪微博上发布文字信息，与朋友相约下午3点打球。
步骤S101：上午11点检测并获取到用户发布的微博数据，同时通过互联网读取与用户相关地点的外部环境参数。
步骤S102：通过获取的社交数据分析用户的社交行为。具体流程如图2所示：
步骤S201：获取实时社交网络数据；
步骤S202：判断获取的社交网络数据类别为文本信息，跳转至S203；
步骤S203：利用分词和预先设定规则的方法得到与对应社交活动相关度较大的特征，例如描述行为、时间、地点的关键词，跳转至S205；
步骤S205：将步骤S203中所得到的特征分别与社交行为特征库进行匹配，得到当前的社交网络数据对应的社交行为，即为下午3点在某体育场打篮球；
步骤S206：输出当前获取的社交网络数据所对应的社交行为，并将所得到的特征保存在社交行为特征库中。
步骤S103：将步骤S102中得到的社交行为基于外部环境参数和生活环境需求规则库进行映射，估计用户的环境需求及其对应的需求时段，例如打球会推迟到家时间，对应的空调需求为19:00～24:00，温度比正常的需求偏低等。
步骤S104：对比最新估计的用户生活环境需求，与基础设定的用户需求相比是否有变化，由此判断用户需求是否会被更新。此场景中新估计的用户需求改变了基础设定的用户需求时段及温度，则跳换至步骤S105，驱动优化过程。
步骤S105：新的用户需求将会触发电器设备的优化，执行智能家居优化调度算法，生成控制策略；
步骤S106：基于新的用户需求所得到的控制策略将会用来对家电设备进行控制，同时跳转至步骤S101，继续下一时刻对用户社交网络数据的监测。
由此，完成了对于场景1的基于社交网络行为感知的智能家庭能源管理过程。
场景2：用户在下午4点在新浪微博上发布反映打球过程的图片信息。
步骤S101：下午4点检测并获取到用户发布的微博数据，同时通过互联网读取与用户相关地点的外部环境参数。
步骤S102：通过获取的社交数据分析用户的社交行为。具体流程如图2所示：
步骤S201：获取实时社交网络数据；
步骤S202：判断获取的社交网络数据类别为图片信息，跳转至S204；
步骤S204：利用卷积神经网络的方法得到与对应社交活动相关度较大的特征，跳转至S205；
步骤S205：将步骤S204中所得到的特征分别与社交行为特征库进行匹配，得到当前的社交网络数据对应的社交行为，即为下午4点在某体育场打篮球；
步骤S206：输出当前获取的社交网络数据所对应的社交行为，并将所得到的特征保存在社交行为特征库中。
步骤S103：将步骤S102中得到的社交行为基于外部环境参数和生活环境需求规则库进行映射，估计用户的环境需求及其对应的需求时段，例如打球会推迟到家时间，对应的空调需求为19:00～24:00，温度比正常的需求偏低等。
步骤S104：对比最新估计的用户生活环境需求，与之前设定的用户需求相比是否有变化，由此判断用户需求是否会被更新。此场景中新估计的用户需求没有改变之前设定的用户需求时段及温度，则跳换至步骤S101，继续下一时刻对用户社交网络数据的监测。
由此，完成了对于场景2的基于社交网络行为感知的智能家庭能源管理过程。
Claims (10)
1.基于社交网络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)、用户网络社交数据和外部环境数据采集：获取用户在手机和电脑上利用社交软件、邮件管理软件与其他人交互的网络社交数据；并获取用户网络社交行为相关地点的天气、交通、电价信息；
S102)、用户网络社交行为感知：提取所获取用户网络社交数据中的关键数据：事件类型，事件地点，事件的起始时间和终止时间，事件参与人；
S103)、用户环境需求估计：基于用户网络社交行为与生活环境需求规则库，根据识别和预测的用户社交行为和外界环境数据，估计用户对环境的需求；
S104)、用户需求更新判断：对比步骤S103)获得最新估计的用户环境需求，与基础设定的用户环境需求相比是否有变化，由此判断用户需求是否会被更新；如果未发生变化，转入步骤S101)继续采集用户网络社交数据；如果发生变化，现有的用户环境需求被更新，并转入步骤S105)；
S105)、事件驱动的电器设备控制策略优化：通过检测用户环境需求发生的改变，生成事件；采用事件驱动的在线优化方法，结合步骤S101)中监测的外部环境数据，在满足用户环境需求的条件下和电器设备约束下，以节省整个家庭用电费用最小为目标，生成各种设备的联合运行控制策略；
S106)、将智能家居控制模块的控制策略根据步骤S105)的结果进行更新，并转入步骤S101)继续监测用户网络社交数据。
2.根据权利要求1所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S101)中用户网络社交数据指用户在手机和电脑上利用社交软件、邮件管理软件，与其他人交互的信息，包括用户的状态发表、评论、地理位置、好友关联、邮件交互、行程安排数据的一种或多种。
3.根据权利要求1所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S102)中，用户网络社交行为包括5类信息：行为的类别、行为发生的预测时间、行为发生的预测地点、与该行为相关的人和对行为的详细描述；其中用户网络社交行为的类别包括工作、运动、聚会、餐饮、会议、学习购物、吃饭、休闲、回家社交活动；
步骤S102)中，识别和预测用户的网络社交行为信息的流程为：利用用户的历史社交网络数据和行为数据建立用户行为特征库，根据实时监测到的用户网络社交数据，采用语义分析方法得到社交信息特征，基于预先定义的用户行为特征库，通过特征匹配得到用户的网络社交行为。
4.根据权利要求3所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S102)中，用户行为特征库的建立包括：第一，对于每一个社交活动，分析其对应的历史的社交网络数据并根据信息的类型筛选出文本以及图像两大类；第二，对于文本信息，利用分词和预先设定规则的方法，寻找与社交活动相关的特征作为该社交活动的特征；第三，对于图片，利用卷积神经网络的方法，得到与该社交活动相关的图像社交信息作为该社交活动的特征。
5.根据权利要求1所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S103)中，用户网络社交行为与生活环境需求规则映射库的构建过程为：首先基于历史统计规律的经验建立原始映射关系；在使用过程中，将估计得到的用户社交行为以及用户实际的操作进行关联，对原始映射关系进行更新，逐步建立个性化的用户网络社交行为到用户需求的映射规则。
6.根据权利要求1所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S104)中得到的用户需求对于设定的基础用户需求有改变时，则现有的用户需求被更新，更新需求策略包括：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所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S105)中将用户需求的改变作为事件e，包含事件检测时间Td，事件类型A，用户需求R；其中，事件检测时间Td指事件被检测到的时间；事件类型A指事件对应的用户社交行为描述；用户需求R是各个用户需求对应时间序列的集合，即R＝{rT(k),rH(k),rL(k),rW(k)}，其中rT(k),rH(k),rL(k),rW(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所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S105)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，td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，qi(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所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S105)中的优化问题模型包括：用电电器物理模型的状态方程xi(k+1)＝f(xi(k),ui(k),vi(k))，其中xi(k+1)和xi(k)分别表示设备i在k+1和k时刻的状态，ui(k)表示设备i在k时刻的控制参数，vi(k)表示设备i在k时刻的扰动；用电电器的物理约束，包括状态限制xmin≤xi(k)≤xmax和功率限制umin≤ui(k)≤umax；环境舒适需求，指在用户需求时段，电器设备的状态需满足用户需求，Rxi(k)-Δi≤xi(k)≤Rxi(k)+Δi，其中Rxi(k)表示用户在k时刻对设备i对应状态的环境需求，Δi指设备i对应状态的需求误差。
10.根据权利要求9所述的基于社交网络行为感知的智能家庭能源管理方法，其特征在于，步骤S105)中优化问题由事件驱动，具体过程为：当Td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Td到Td+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。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510405149.2A CN105068513B (zh) | 2015-07-10 | 2015-07-10 | 基于社交网络行为感知的智能家庭能源管理方法 |
| PCT/CN2015/084682 WO2017008322A1 (zh) | 2015-07-10 | 2015-07-21 | 基于社交网络行为感知的智能家庭能源管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510405149.2A CN105068513B (zh) | 2015-07-10 | 2015-07-10 | 基于社交网络行为感知的智能家庭能源管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105068513A true CN105068513A (zh) | 2015-11-18 |
| CN105068513B CN105068513B (zh) | 2016-06-29 |
Family
ID=54497904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510405149.2A Active CN105068513B (zh) | 2015-07-10 | 2015-07-10 | 基于社交网络行为感知的智能家庭能源管理方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN105068513B (zh) |
| WO (1) | WO2017008322A1 (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105607508A (zh) * | 2016-03-24 | 2016-05-25 | 重庆邮电大学 | 基于用户行为分析的智能家居设备控制方法及系统 |
| CN105743750A (zh) * | 2016-03-23 | 2016-07-06 | 北京绿源普惠科技有限公司 | 一种智能家居实现自适应感知的方法 |
| CN107783433A (zh) * | 2016-08-30 | 2018-03-09 | 中国电信股份有限公司 | 一种物联网终端控制方法、装置以及物联网系统 |
| CN108170712A (zh) * | 2017-11-29 | 2018-06-15 | 浙江大学 | 一种利用包含社会地理信息的多媒体网络学习最大边界多媒体网络表达的方法 |
| CN109670647A (zh) * | 2018-12-21 | 2019-04-23 | 电子科技大学 | 一种家庭突发用电和可变参数的能源优化管理系统及方法 |
| CN110059819A (zh) * | 2018-01-17 | 2019-07-26 | 腾讯科技（深圳）有限公司 | 器件的工作控制方法、装置、系统、控制设备及存储介质 |
| CN110333675A (zh) * | 2019-06-28 | 2019-10-15 | 青岛海尔空调器有限总公司 | 一种用于插座的控制方法、控制装置及插座 |
| CN111045339A (zh) * | 2019-11-21 | 2020-04-21 | 南京理工大学 | 基于用户行为描述智能家居环境需求的方法 |
| CN112255925A (zh) * | 2020-10-19 | 2021-01-22 | 珠海格力电器股份有限公司 | 一种控制智能家居设备的方法、装置及计算机设备 |
| CN112424706A (zh) * | 2018-07-24 | 2021-02-26 | 高通股份有限公司 | 管理清洁机器人行为 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110262276B (zh) * | 2019-07-26 | 2023-12-19 | 南华大学 | 基于树莓派的智能家居系统及其控制方法 |
| CN112815610A (zh) * | 2019-11-18 | 2021-05-18 | 博西华电器（江苏）有限公司 | 家用电器中离子发生器的控制方法、装置和家用电器 |
| CN112255480A (zh) * | 2020-10-12 | 2021-01-22 | 浙江长元科技有限公司 | 基于霍尔效应的电器特征识别方法及其安全预警系统 |
| CN114738827B (zh) * | 2022-04-12 | 2023-09-26 | 建科环能科技有限公司 | 一种基于用户习惯的户用电供暖智能群控控制方法及系统 |
| CN115905688B (zh) * | 2022-11-08 | 2023-07-28 | 南京鼎山信息科技有限公司 | 一种基于人工智能和智能家居的参考信息生成方法 |
| CN116111621B (zh) * | 2023-02-10 | 2023-10-13 | 国家电投集团数字科技有限公司 | 一种面向居民家庭的供用储能智慧调节系统 |
| CN117666377B (zh) * | 2024-02-01 | 2024-04-23 | 湖南麓川信息科技有限公司 | 一种基于物联感知的多模态数据智能推荐方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833286A (zh) * | 2009-03-13 | 2010-09-15 | 王俊锋 | 一种智能家居控制器 |
| CN202975732U (zh) * | 2012-11-08 | 2013-06-05 | 嘉应学院 | 一种可远程交互的实时家庭能源智能管理系统 |
| CN104035415A (zh) * | 2014-06-13 | 2014-09-10 | 上海应用技术学院 | 基于云计算的智能家居的能源管理系统 |
| CN104570755A (zh) * | 2015-01-21 | 2015-04-29 | 苏州奥莱维信息技术有限公司 | 一种基于手机的智能家居控制方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7403838B2 (en) * | 2004-12-16 | 2008-07-22 | General Instrument Corporation | Messaging system based building control |
| WO2009156978A1 (en) * | 2008-06-26 | 2009-12-30 | Intuitive User Interfaces Ltd | System and method for intuitive user interaction |
| CN104182221A (zh) * | 2014-08-15 | 2014-12-03 | 李祝明 | 一种基于社交软件的情感控制灯及其实现方法 |
-
2015
- 2015-07-10 CN CN201510405149.2A patent/CN105068513B/zh active Active
- 2015-07-21 WO PCT/CN2015/084682 patent/WO2017008322A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833286A (zh) * | 2009-03-13 | 2010-09-15 | 王俊锋 | 一种智能家居控制器 |
| CN202975732U (zh) * | 2012-11-08 | 2013-06-05 | 嘉应学院 | 一种可远程交互的实时家庭能源智能管理系统 |
| CN104035415A (zh) * | 2014-06-13 | 2014-09-10 | 上海应用技术学院 | 基于云计算的智能家居的能源管理系统 |
| CN104570755A (zh) * | 2015-01-21 | 2015-04-29 | 苏州奥莱维信息技术有限公司 | 一种基于手机的智能家居控制方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105743750A (zh) * | 2016-03-23 | 2016-07-06 | 北京绿源普惠科技有限公司 | 一种智能家居实现自适应感知的方法 |
| CN105607508A (zh) * | 2016-03-24 | 2016-05-25 | 重庆邮电大学 | 基于用户行为分析的智能家居设备控制方法及系统 |
| CN107783433A (zh) * | 2016-08-30 | 2018-03-09 | 中国电信股份有限公司 | 一种物联网终端控制方法、装置以及物联网系统 |
| CN107783433B (zh) * | 2016-08-30 | 2020-06-05 | 中国电信股份有限公司 | 一种物联网终端控制方法、装置以及物联网系统 |
| CN108170712A (zh) * | 2017-11-29 | 2018-06-15 | 浙江大学 | 一种利用包含社会地理信息的多媒体网络学习最大边界多媒体网络表达的方法 |
| CN108170712B (zh) * | 2017-11-29 | 2021-08-10 | 浙江大学 | 一种利用包含社会地理信息的多媒体网络学习最大边界多媒体网络表达的方法 |
| CN110059819A (zh) * | 2018-01-17 | 2019-07-26 | 腾讯科技（深圳）有限公司 | 器件的工作控制方法、装置、系统、控制设备及存储介质 |
| CN110059819B (zh) * | 2018-01-17 | 2022-11-25 | 腾讯科技（深圳）有限公司 | 器件的工作控制方法、装置、系统、控制设备及存储介质 |
| CN112424706A (zh) * | 2018-07-24 | 2021-02-26 | 高通股份有限公司 | 管理清洁机器人行为 |
| CN109670647A (zh) * | 2018-12-21 | 2019-04-23 | 电子科技大学 | 一种家庭突发用电和可变参数的能源优化管理系统及方法 |
| CN110333675A (zh) * | 2019-06-28 | 2019-10-15 | 青岛海尔空调器有限总公司 | 一种用于插座的控制方法、控制装置及插座 |
| CN110333675B (zh) * | 2019-06-28 | 2021-11-23 | 青岛海尔空调器有限总公司 | 一种用于插座的控制方法、控制装置及插座 |
| CN111045339A (zh) * | 2019-11-21 | 2020-04-21 | 南京理工大学 | 基于用户行为描述智能家居环境需求的方法 |
| CN112255925A (zh) * | 2020-10-19 | 2021-01-22 | 珠海格力电器股份有限公司 | 一种控制智能家居设备的方法、装置及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105068513B (zh) | 2016-06-29 |
| WO2017008322A1 (zh) | 2017-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105068513B (zh) | 基于社交网络行为感知的智能家庭能源管理方法 | |
| Li et al. | Sustainable smart home and home automation: Big data analytics approach | |
| US20210350279A1 (en) | Situation forecast mechanisms for internet of things integration platform | |
| Luo et al. | Social information filtering-based electricity retail plan recommender system for smart grid end users | |
| Sardianos et al. | Rehab-c: Recommendations for energy habits change | |
| US10171603B2 (en) | User segmentation to provide motivation to perform a resource saving tip | |
| CN105607508A (zh) | 基于用户行为分析的智能家居设备控制方法及系统 | |
| Truong et al. | Forecasting multi-appliance usage for smart home energy management | |
| CN105045234A (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
| WO2017218437A1 (en) | Situation forecast mechanisms for internet of things integration platform | |
| Karlin et al. | Characterization and potential of home energy management (HEM) Technology | |
| CN108475257B (zh) | 处理远程仪表读取数据以分析消耗量模式 | |
| Sardianos et al. | Reshaping consumption habits by exploiting energy-related micro-moment recommendations: A case study | |
| CN114119055A (zh) | 一种测评实现方法、装置和存储介质 | |
| El Kontar et al. | Profiling occupancy patterns to calibrate Urban Building Energy Models (UBEMs) using measured data clustering | |
| CN112330077A (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
| CN105319967A (zh) | 空调器的控制方法、服务器和空调系统 | |
| Luján et al. | Cloud computing for smart energy management (CC-SEM project) | |
| Zhang et al. | Graph neural network-based spatio-temporal indoor environment prediction and optimal control for central air-conditioning systems | |
| US10504081B1 (en) | Interactive analytics platform with follow-up communications responsive to data inquiries | |
| CN113194155A (zh) | 一种物联网中场景智能推荐的方法及装置 | |
| CN110990706B (zh) | 语料推荐方法及装置 | |
| CN113055423B (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
| CN112686690A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110909036A (zh) | 功能模块的推荐方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |