CN109447270A - 一种用电设备智能控制方法及系统、计算机设备及介质 - Google Patents
一种用电设备智能控制方法及系统、计算机设备及介质 Download PDFInfo
- Publication number
- CN109447270A CN109447270A CN201811319318.0A CN201811319318A CN109447270A CN 109447270 A CN109447270 A CN 109447270A CN 201811319318 A CN201811319318 A CN 201811319318A CN 109447270 A CN109447270 A CN 109447270A
- Authority
- CN
- China
- Prior art keywords
- open
- close time
- time
- electrical equipment
- close
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005611 electricity Effects 0.000 claims abstract description 85
- 230000002085 persistent effect Effects 0.000 claims abstract description 25
- 238000002922 simulated annealing Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 230000002045 lasting effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000000137 annealing Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 6
- 230000006386 memory function Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000006854 communication Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Automation & Control Theory (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种用电设备智能控制方法及系统、计算机设备及介质，该方法，包括：A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；A4：如果是，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵；A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间。
Description
技术领域
本发明涉及用电设备功率控制技术领域，特别涉及一种用电设备智能控制方法及系统、计算机设备及介质。
背景技术
随着科技的发展，人民生活水平的提高，居民用户大功率家电在数量和容量上都在逐年增加，是电网高峰负荷形成的重要原因之一，给电网的安全运行带来了挑战，同时居民电费支出也在逐年增加。随着居民用户家电智能化程度的不断提高，以及分时电价的逐步实行，居民可通过对家电的合理安排和优化运行，可以降低电费，同时可以缓减居民用电高峰值。通过合理安排智能家电的用电起始时间、用电时长，构建智能用电最优化模型，在保障居民用户舒适用电的情况下，使其电费最低。针对最优化问题，常用的智能优化算法有遗传算法和模拟退火等。
而现有技术中，采用遗传算法求解用电优化问题，需要先进行二进制编码，还要将编码进行选择、交叉、变异，遗传算法的局部搜索能力较差，导致单纯的遗传算法比较费时，在进化后期搜索效率较低。模拟退火算法来源于固体退火原理，是一种基于概率的算法，传统的模拟退火算法最大的不足在于解的质量与求解时间长之间的矛盾，为得到一个好的最优解，需要进行反复迭代运算，当问题的规模增大时，缺乏可行的解决途径。
因此，如何提供一种基于退火算法的用电设备智能控制方案，能够在保障居民用户舒适度的前提下，合理安排家电的用电起始时间，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于退火算法的用电设备智能控制方案，能够在保障居民用户舒适度的前提下，合理安排家电的用电起始时间。其具体方案如下：
第一方面，本发明提供一种用电设备智能控制方法，包括：
A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；
A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；
A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；
A4：如果是，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵。
A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。
优选地，
所述步骤A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间，包括：
设置初始温度W0，温度下限Wmin，初始开启关闭时间：为用电设备的数量；
确定初始开启关闭时间的扰动量Δtk(k≥1)；
其中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，依次为t0中每一项对应的扰动量，q为用电设备的开启关闭次数；
将扰动量与初始开启关闭时间相加，得到新开启关闭时间。
优选地，
所述确定初始开启关闭时间的扰动量Δtk(k≥1)，包括：
根据以下公式产生扰动量Δtk的每个分量：
其中，Uv为一组两两相互独立的在[-1,1]上均匀分布的随机变量；sign()为符号函数；其中Δtk、WK满足以下条件概率密度函数：
优选地，
所述步骤A3之后，所述步骤A5之前，还包括：
如果否，则获取新开启关闭时间的接受概率其中，ΔFK为新开启关闭时间对应的用电费用与当前初始开启关闭时间对应的用电费用之差；
判断P(ΔFk)≥r是否成立；其中，r为在区间[0,1]内服从均匀分布的随机数，
如果是，则以概率P(ΔFk)将所述新开启关闭时间作为初始开启关闭时间，并进入步骤A2；如果否，则直接进入步骤A2。
优选地，所述步骤A5之后，还包括：
判断将所述最终开启关闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔是否小于预设时间间隔；
如果是，则将所述相邻两个开启关闭时间合并为一个开启关闭时间。
第二方面，本发明提供一种用电设备智能控制系统，包括：
参数获取模块，用于实现步骤A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；
时间迭代模块，用于实现步骤A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；
用费判断模块，用于实现步骤A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；
记忆存入模块，用于实现步骤A4：如果所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵；
终值选择模块，用于实现步骤A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。
优选地，
所述时间迭代模块，包括：
参数设定单元，用于设置初始温度W0，温度下限Wmin，初始开启关闭时间：为用电设备的数量；
扰动量确定单元，用于确定初始开启关闭时间的扰动量Δtk(k≥1)；
其中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，依次为t0中每一项对应的扰动量，q为用电设备的开启关闭次数；
时间更新单元，用于将扰动量与初始开启关闭时间相加，得到新开启关闭时间。
优选地，还包括：
相邻间隔判断模块，用于判断将所述最终开启关闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔是否小于预设时间间隔；
时间合并模块，用于如果闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔小于预设时间间隔，则将所述相邻两个开启关闭时间合并为一个开启关闭时间。
第三方面，本发明提供一种用电设备智能控制计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述第一方面所述的用电设备智能控制方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述用电设备智能控制方法的步骤。
本发明提供一种用电设备智能控制方法，包括：A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；A4：如果是，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵。A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。本发明利用退火算法，对家电的用电起始时间进行设定，并且保证加持的开启持续时间，从而能够在保障居民用户舒适度的前提下，合理安排家电的用电起始时间。
本发明提供的一种用电设备智能控制系统、计算机设备及介质，也具有上述的有益效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明一种具体实施方式所提供的一种用电设备智能控制方法的流程图；
图2为本发明一种具体实施方式所提供的一种用电设备智能控制方法的拓展流程图；
图3为本发明又一种具体实施方式所提供的一种用电设备智能控制系统的组成示意图；
图4为本发明又一种具体实施方式所提供的一种用电设备智能控制系统的时间迭代模块的组成示意图；
图5为本发明又一种具体实施方式所提供的一种用电设备智能控制系统的拓展组成示意图；
图6为本发明又一种具体实施方式所提供的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明一种具体实施方式所提供的一种用电设备智能控制方法的流程图。
在本发明的一种具体实施方式中，本发明实施例提供一种用电设备智能控制方法，包括：
A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；
在本发明一种具体实施方式中，首先需要获取用电设备的当前初始开启关闭时间，和开启关闭时间的预设持续值，也就是说，在开始时，可以设定对用电设备设定一个初始的启动时间和关闭时间，而启动时间和关闭时间之间的时间差就是该用电设备的使用持续时间，为了保证用电设备的持续时间要大于一个值，以保证用电设备的工作效率，可以设定一个预设持续值。
例如，对家用电器来说，可以对空调、热水器、空气净化器等家庭用电设备分别进行预设持续时间的设定，从而保证各种用电电器的工作时间，可以保证居住的舒适度。
A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；
在获取到当前的初始开启关闭时间后，可以运用退火算法对当前初始开启关闭时间进行迭代得到新的开启关闭时间，具体地，可以首先根据退火算法，给定初始温度W0，温度下限Wmin，初始点(也就是各个家用电器的开启关闭时间)设有m个家电，采集家电i(i＝1,2,…,m)的各自的开启关闭时间，设定每个家用电器都运行了q次，那么对于每个家电的每次开启关闭时间，可以构成一个数组：而在该开启关闭时间下，可以根据当前电费单价来计算用电费用，设峰段、平段和谷段电价分别表示为p峰,p平,p谷，设有m个家电，采集家电i(i＝1,2,…,m)单位小时的耗电量为Ci，将每小时分为n个时间段，每段所以每一时间段家电i的用电量为用户设定家电i在一天内第j次运行(j＝1,2,…q)的用电时长为tij，用户希望它一天中的起始用电时刻为结束用电时刻为用Fcost表示用电费用，目标函数为：
其中
于是用电最优化模型为：
min Fcost(t)
约束条件为：
也就是说，可以计算出初始函数值F0＝Fcost(t0)(初始的用电费用)；设定常数m(m≥1)的初始值，即设定用电设备的数量，在本实施例中也就是家用电器的数量。
计算扰动量Δtk(k≥1)。当产生扰动量的概率密度函数与温度有关时，温度更新函数不仅决定了温度的下降速度，而且决定了在整个退火过程中所产生的扰动量的散布程度。因此，给定以下条件概率密度函数：
式中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，于是扰动量Δtk的每个分量可通过下式产生：
其中Uv是一组两两相互独立的在[-1,1]上均匀分布的随机变量，sign()是符号函数；参数具体含义可以参考上下文。
也就是说：设置初始温度W0，温度下限Wmin，初始开启关闭时间：为用电设备的数量；
确定初始开启关闭时间的扰动量Δtk(k≥1)；
其中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，依次为t0中每一项对应的扰动量，q为用电设备的开启关闭次数；
将扰动量与初始开启关闭时间相加，得到新开启关闭时间。
A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；
在计算得到新的开启关闭时间后，可以根据上面的计算用电费用的方法，计算用电设备的新开启关闭时间对应的预计用电费用的值，并且判断该新计算的用电费用的值是否小于初始用电费用的值。
A4：如果是，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵。
如果是，则更新新解。由tk＝tk-1+Δtk(k≥1)产生新解tk(也就是从t0初始开启关闭时间开始，不断地根据扰动量，更新得到新的开启关闭时间作为新解)，计算函数值Fk＝Fcost(tk),(k≥1)以及函数值差ΔFk＝Fk-Fk-1,(k≥1)(相邻两次用电费用的差值)。
判断是否接受新解。若ΔFk≤0，也就是说则接受新解，重新计算扰动量产生下一个新解，直到此温度下的连续若干个新解都没有被接受时终止；若ΔFk＞0，则计算新解接受概率取在区间[0，1]内服从均匀分布的随机数r，如果有P(ΔFk)≥r，则以概率P(ΔFk)接受新解，否则放弃新解，仍取原来的解作为下一次模拟的初始点，重新计算扰动量产生下一个新解，直到此温度下的连续若干个新解都没有被接受时终止；
构建记忆矩阵和记忆函数，建立记忆矩阵A和记忆函数Hk＝Fk(最开始记忆矩阵里的元素为初始点t0，记忆函数初始值为H0＝F0)也就是说记录每个符合条件的开启关闭时间以及对应的用电费用，即用于存储每一次接受的新解和新的函数值，避免由于概率接受环节而遗失当前遇到的最优解；将被接受的新点tk存入记忆矩阵A，记录此时记忆函数Hk，当有下一个接受点tk+1时，均将Hk+1与Hk作比较，若Hk+1＜Hk，则将tk+1存入记忆矩阵A中。
A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。
最终在连续预设次数，都没有新解被接收时，那么可以进入最终在记忆矩阵中选择最小用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间，以便根据该最终开启关闭时间，对家用电器进行操作。
进一步地，为了得到新的开启关闭时间可以根据以下方式来获取扰动量，并根据扰动量得到新的开启关闭时间，具体地，所述确定初始开启关闭时间的扰动量Δtk(k≥1)，包括：
根据以下公式产生扰动量Δtk的每个分量：
其中，Uv为一组两两相互独立的在[-1,1]上均匀分布的随机变量；sign()为符号函数；其中Δtk、WK满足以下条件概率密度函数：
更进一步地，当新解不被接收时，也就是新开启关闭时间不符合用电费用较小的情形时，也不是一定会舍弃该新解，还可以在所述步骤A3之后，所述步骤A5之前，包括：
如果否，则获取新开启关闭时间的接受概率其中，ΔFK为新开启关闭时间对应的用电费用与当前初始开启关闭时间对应的用电费用之差；判断P(ΔFk)≥r是否成立；其中，r为在区间[0,1]内服从均匀分布的随机数；如果是，则以概率P(ΔFk)将所述新开启关闭时间作为初始开启关闭时间，并进入步骤A2；如果否，则直接进入步骤A2。也就是说，该新解有一定的几率会被接收，并存入上述具体实施方式中的记忆矩阵中去。
本发明实施例首先构建了居民智能用电最优化模型，然后提出了一种新的改进的有记忆的模拟退火算法来求解该最优化问题，与传统的模拟退火算法相比，设置产生随机向量的概率密度函数和温度更新函数，添加记忆矩阵和记忆函数，一方面改进内循环时在同一温度下产生新点的途径和外循环时温度下降的速率，另一方面记住求解过程中遇到的最优解，避免因概率接受环节而遗失好的解。改进后的算法在解决最优化问题上更可靠，它将产生随机向量的概率密度函数与温度关联起来，温度更新函数不仅决定了温度的下降程度，而且决定的在整个退火过程中产生的随机向量的散布程度，使得随机产生的新点不能都集中在当前迭代点的局部范围内，从而避免陷入局部最优解。
请参考图2，图2为本发明一种具体实施方式所提供的一种用电设备智能控制方法的拓展流程图。
值得说明的是，在上述具体实施方式的基础上，本具体实施方式中，由于用电设备在一段时间内可能频繁地进行开启和关闭，不利于用电设备的寿命保持和工作效率，可以进一步地，在步骤A5之后，还可以包括：
A6：判断将所述最终开启关闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔是否小于预设时间间隔；如果是，则将所述相邻两个开启关闭时间合并为一个开启关闭时间。
也就是说，如果判断出对于同一个用电设备来说，如果两段工作时间段的时间间隔小于一个预设时间间隔，如果按照原来的开启关闭时间来进行控制，那么就会出现用电设备忽开忽关的情况，所以可以将两段时间合并，例如，两个开启关闭时间分别为：第一开启时间：10：00，第一关闭时间10:20；第二开启时间10：21，第二关闭时间10:40，那么两个工作时段之间只相隔1分钟，如果预设时间间隔为5分钟，那么一分钟小于5分钟，则可以将两个开启关闭时间合并为一个开启关闭时间：10:00—10:40。从而避免了用电设备的频繁开启关闭。
本发明实施例利用退火算法，对家电的用电起始时间进行设定，并且保证加持的开启持续时间，从而能够在保障居民用户舒适度的前提下，合理安排家电的用电起始时间，达到降低用户电费、平稳电网用电负荷波动的目的，构建了智能用电优化模型，使用改进的有记忆模拟退火算法求解该优化模型。
请参考图3、图4、图5，图3为本发明又一种具体实施方式所提供的一种用电设备智能控制系统的组成示意图；图4为本发明又一种具体实施方式所提供的一种用电设备智能控制系统的时间迭代模块的组成示意图；图5为本发明又一种具体实施方式所提供的一种用电设备智能控制系统的拓展组成示意图。
在本发明的又一种具体实施方式中，本发明实施例提供一种用电设备智能控制系统300，包括：
参数获取模块310，用于实现步骤A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；
时间迭代模块320，用于实现步骤A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；
用费判断模块330，用于实现步骤A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；
记忆存入模块340，用于实现步骤A4：如果所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵。
终值选择模块350，用于实现步骤A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。
优选地，
所述时间迭代模块320，包括：
参数设定单元321，用于设置初始温度W0，温度下限Wmin，初始开启关闭时间：为用电设备的数量；
扰动量确定单元，用于确定初始开启关闭时间的扰动量Δtk(k≥1)；
其中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，依次为t0中每一项对应的扰动量，q为用电设备的开启关闭次数；
时间更新单元322，用于将扰动量与初始开启关闭时间相加，得到新开启关闭时间。
优选地，一种用电设备智能控制系统300，还包括：
相邻间隔判断模块360，用于判断将所述最终开启关闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔是否小于预设时间间隔；
时间合并模块370，用于如果闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔小于预设时间间隔，则将所述相邻两个开启关闭时间合并为一个开启关闭时间。
请参考图6，图6为本发明又一种具体实施方式所提供的计算机设备的结构示意图。
在本发明的又一种具体实施方式中，本发明实施例提供一种计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任一种具体实施方式所述的一种用电设备智能控制方法的步骤。
下面参考图6，其示出了适于用来实现本申请实施例的计算机设备的结构示意图。图6示出的计算机设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括处理器(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。
CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口603也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口607。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。
在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为本发明的又一具体实施方式，本发明实施例提供一种计算机可读存储介质所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意具体实施方式中的一种用电设备智能控制方法的步骤。
该计算机可读介质可以是上述实施例中描述的计算机或终端设备中所包含的；也可以是单独存在，而未装配入该计算机设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算机设备执行时，使得该计算机设备：A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；A4：如果是，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵。A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种用电设备智能控制方法及系统、计算机设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种用电设备智能控制方法，其特征在于，包括：
A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；
A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；
A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；
A4：如果是，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵；
A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。
2.根据权利要求1所述的用电设备智能控制方法，其特征在于，
所述步骤A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间，包括：
设置初始温度W0，温度下限Wmin，初始开启关闭时间：m(m≥1)为用电设备的数量；
确定初始开启关闭时间的扰动量Δtk(k≥1)；
其中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，依次为t0中每一项对应的扰动量，q为用电设备的开启关闭次数；
将扰动量与初始开启关闭时间相加，得到新开启关闭时间。
3.根据权利要求1所述的用电设备智能控制方法，其特征在于，
所述确定初始开启关闭时间的扰动量Δtk(k≥1)，包括：
根据以下公式产生扰动量Δtk的每个分量：
其中，Uv为一组两两相互独立的在[-1,1]上均匀分布的随机变量；sign()为符号函数；其中Δtk、WK满足以下条件概率密度函数：
4.根据权利要求3所述的用电设备智能控制方法，其特征在于，
所述步骤A3之后，所述步骤A5之前，还包括：
如果否，则
获取新开启关闭时间的接受概率其中，ΔFK为新开启关闭时间对应的用电费用与当前初始开启关闭时间对应的用电费用之差；
判断P(ΔFk)≥r是否成立；其中，r为在区间[0,1]内服从均匀分布的随机数，
如果是，则以概率P(ΔFk)将所述新开启关闭时间作为初始开启关闭时间，并进入步骤A2；如果否，则直接进入步骤A2。
5.根据权利要求1至4任一项所述的用电设备智能控制方法，其特征在于，所述步骤A5之后，还包括：
判断将所述最终开启关闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔是否小于预设时间间隔；
如果是，则将所述相邻两个开启关闭时间合并为一个开启关闭时间。
6.一种用电设备智能控制系统，其特征在于，包括：
参数获取模块，用于实现步骤A1：获取用电设备的当前初始开启关闭时间以及开启关闭时间的预设持续值；
时间迭代模块，用于实现步骤A2：对当前初始开启关闭时间进行模拟退火算法迭代，得到新开启关闭时间；
用费判断模块，用于实现步骤A3：判断所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用；
记忆存入模块，用于实现步骤A4：如果所述用电设备的新开启关闭时间对应的预计用电费用是否小于当前初始开启关闭时间对应的初始用电费用，则将新开启关闭时间及对应的预计用电费用存入记忆矩阵；并将新开启关闭时间作为当前初始开启关闭时间，并重新进入步骤A2，直到连续预设次数所述用电设备的新开启关闭时间不被存入所述记忆矩阵；
终值选择模块，用于实现步骤A5：在所述记忆矩阵中选择最小预计用电费用对应的开启关闭时间，作为控制所述用电设备的最终开启关闭时间；其中，所述最终开启关闭时间的持续值不小于所述预设持续值。
7.根据权利要求1所述的用电设备智能控制系统，其特征在于，
所述时间迭代模块，包括：
参数设定单元，用于设置初始温度W0，温度下限Wmin，初始开启关闭时间：m(m≥1)为用电设备的数量；
扰动量确定单元，用于确定初始开启关闭时间的扰动量Δtk(k≥1)；
其中，Δtk＝(Δtk1,Δtk2,…,Δtk(2mq)),(k≥1)，依次为t0中每一项对应的扰动量，q为用电设备的开启关闭次数；
时间更新单元，用于将扰动量与初始开启关闭时间相加，得到新开启关闭时间。
8.根据权利要求6或7所述的用电设备智能控制系统，其特征在于，还包括：
相邻间隔判断模块，用于判断将所述最终开启关闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔是否小于预设时间间隔；
时间合并模块，用于如果闭时间中用于控制同一用电设备的相邻两个开启关闭时间之间的时间间隔小于预设时间间隔，则将所述相邻两个开启关闭时间合并为一个开启关闭时间。
9.一种用电设备智能控制计算机设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述用电设备智能控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述用电设备智能控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811319318.0A CN109447270A (zh) | 2018-11-07 | 2018-11-07 | 一种用电设备智能控制方法及系统、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811319318.0A CN109447270A (zh) | 2018-11-07 | 2018-11-07 | 一种用电设备智能控制方法及系统、计算机设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447270A true CN109447270A (zh) | 2019-03-08 |
Family
ID=65551005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811319318.0A Pending CN109447270A (zh) | 2018-11-07 | 2018-11-07 | 一种用电设备智能控制方法及系统、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447270A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112032960A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032954A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调器的控制方法 |
| CN112032948A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调器的控制方法 |
| CN112032958A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032946A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032950A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112050408A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050440A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的控制方法 |
| CN112050416A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热模式控制方法 |
| CN112050439A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的控制方法 |
| CN112050424A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050443A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的净化控制方法 |
| CN112050445A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的净化控制方法 |
| CN112050404A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热模式控制方法 |
| CN112050414A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050410A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778504A (zh) * | 2015-03-18 | 2015-07-15 | 南京邮电大学 | 一种家庭用户智能家电的用电安排优化方法 |
| CN104794557A (zh) * | 2015-03-09 | 2015-07-22 | 南京理工大学 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
| CN107634521A (zh) * | 2017-10-24 | 2018-01-26 | 河南许继仪表有限公司 | 一种智能家居用户侧用电调度方法 |
-
2018
- 2018-11-07 CN CN201811319318.0A patent/CN109447270A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794557A (zh) * | 2015-03-09 | 2015-07-22 | 南京理工大学 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
| CN104778504A (zh) * | 2015-03-18 | 2015-07-15 | 南京邮电大学 | 一种家庭用户智能家电的用电安排优化方法 |
| CN107634521A (zh) * | 2017-10-24 | 2018-01-26 | 河南许继仪表有限公司 | 一种智能家居用户侧用电调度方法 |
Non-Patent Citations (3)
| Title |
|---|
| JI LU 等: "Motion Planning for Minimizing Base Disturbance of Space Manipulators", 《JOURNAL OF DONGHUA UNIVERSITY（ENG.ED.）》 * |
| 卢宇婷等: "模拟退火算法改进综述及参数探究", 《大学数学》 * |
| 杨若黎 等: "一种高效的模拟退火全局优化算法", 《系统工程理论与实践》 * |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112032960B (zh) * | 2019-06-04 | 2022-05-31 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032954A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调器的控制方法 |
| CN112032948A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调器的控制方法 |
| CN112032958A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032946A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032950A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032946B (zh) * | 2019-06-04 | 2022-06-14 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032960A (zh) * | 2019-06-04 | 2020-12-04 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112032950B (zh) * | 2019-06-04 | 2022-06-10 | 青岛海尔空调器有限总公司 | 空调蓄热控制方法 |
| CN112050414B (zh) * | 2019-06-05 | 2022-06-14 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050404B (zh) * | 2019-06-05 | 2022-04-19 | 青岛海尔空调器有限总公司 | 空调器的蓄热模式控制方法 |
| CN112050416B (zh) * | 2019-06-05 | 2022-07-05 | 青岛海尔空调器有限总公司 | 空调器的蓄热模式控制方法 |
| CN112050410B (zh) * | 2019-06-05 | 2022-06-14 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050404A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热模式控制方法 |
| CN112050414A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050410A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050424B (zh) * | 2019-06-05 | 2022-03-22 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050408B (zh) * | 2019-06-05 | 2022-04-19 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050424A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050408A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热控制方法 |
| CN112050416A (zh) * | 2019-06-05 | 2020-12-08 | 青岛海尔空调器有限总公司 | 空调器的蓄热模式控制方法 |
| CN112050440A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的控制方法 |
| CN112050439A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的控制方法 |
| CN112050445A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的净化控制方法 |
| CN112050443A (zh) * | 2019-06-06 | 2020-12-08 | 青岛海尔空调器有限总公司 | 新风空调的净化控制方法 |
| CN112050439B (zh) * | 2019-06-06 | 2022-07-15 | 重庆海尔空调器有限公司 | 新风空调的控制方法 |
| CN112050445B (zh) * | 2019-06-06 | 2022-07-15 | 重庆海尔空调器有限公司 | 新风空调的净化控制方法 |
| CN112050440B (zh) * | 2019-06-06 | 2022-07-19 | 重庆海尔空调器有限公司 | 新风空调的控制方法 |
| CN112050443B (zh) * | 2019-06-06 | 2022-07-19 | 重庆海尔空调器有限公司 | 新风空调的净化控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447270A (zh) | 一种用电设备智能控制方法及系统、计算机设备及介质 | |
| Wang et al. | Green energy scheduling for demand side management in the smart grid | |
| US11709465B2 (en) | Orchestrated energy | |
| US9310792B2 (en) | Scheduling and modeling the operation of controllable and non-controllable electronic devices | |
| CN104778504A (zh) | 一种家庭用户智能家电的用电安排优化方法 | |
| Rayati et al. | Optimising operational cost of a smart energy hub, the reinforcement learning approach | |
| Carli et al. | A decentralized resource allocation approach for sharing renewable energy among interconnected smart homes | |
| CN107112752A (zh) | 分布式能源需求管理 | |
| Coroamă et al. | Distribution system optimisation with intra-day network reconfiguration and demand reduction procurement | |
| Zhang et al. | Fair energy resource allocation by minority game algorithm for smart buildings | |
| Dhaliwal et al. | Modified binary differential evolution algorithm to solve unit commitment problem | |
| CN109272353A (zh) | 计及综合需求响应不确定性的系统动态概率能流分析方法 | |
| CN110222398A (zh) | 冷水机组人工智能控制方法、装置、存储介质及终端设备 | |
| Ki et al. | Charging scheduling problem of an M-to-N electric vehicle charger | |
| CN110323758A (zh) | 一种基于串行q学习算法的电力系统离散无功优化方法 | |
| CN109742805A (zh) | 一种用于含分散式风电配电网的消纳优化方法及相关产品 | |
| Kowahl et al. | Micro-scale smart grid optimization | |
| CN109657874A (zh) | 一种基于长短时记忆模型的电力中长期负荷预测方法 | |
| CN107656487A (zh) | 智能单火开关的时间管理方法、设备及可读存储介质 | |
| CN107330518A (zh) | 基于温度调节负荷预测的能源管理控制方法和系统 | |
| Leitao et al. | Improving Household's Efficiency via Scheduling of Water and Energy Appliances | |
| Li et al. | Real-time decision making model for thermostatically controlled load aggregators by natural aggregation algorithm | |
| CN103886393A (zh) | 基于模拟投资效益分析及学习自动机的电网投资优化方法 | |
| Zhang et al. | Fusing domain knowledge and reinforcement learning for home integrated demand response online optimization | |
| Tang et al. | Stochastic dynamic pricing: Utilizing demand response in an adaptive manner |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |