CN109976273A - 用于记录家用电器设施数据和用电量明细自动化管理系统 - Google Patents
用于记录家用电器设施数据和用电量明细自动化管理系统 Download PDFInfo
- Publication number
- CN109976273A CN109976273A CN201910206063.5A CN201910206063A CN109976273A CN 109976273 A CN109976273 A CN 109976273A CN 201910206063 A CN201910206063 A CN 201910206063A CN 109976273 A CN109976273 A CN 109976273A
- Authority
- CN
- China
- Prior art keywords
- data
- household electrical
- module
- electrical appliance
- electricity consumption
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 56
- 238000005265 energy consumption Methods 0.000 claims abstract description 49
- 238000003745 diagnosis Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000007726 management method Methods 0.000 claims description 34
- 239000002245 particle Substances 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 230000005055 memory storage Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于家电管理技术领域，公开了一种用于记录家用电器设施数据和用电量明细自动化管理系统，所述用于记录家用电器设施数据和用电量明细自动化管理系统包括：工作时间采集模块、电量数据采集模块、温度采集模块、中央控制模块、能耗计算模块、家电故障诊断模块、报警模块、数据存储模块、显示模块。本发明通过能耗计算模块根据电器传回的运行参数计算电器的耗电量，这样不需要增加额外的硬件成本就可以得到电器的能耗数据，大大提高能耗数据准确性；同时，通过家电故障诊断模块实现家电故障诊断平台主动获取正确完成的家电故障信息，对家电的故障进行正确的诊断，实现的是提高家电故障诊断准确率，促进家电维护效率的技术效果。
Description
技术领域
本发明属于家电管理技术领域，尤其涉及一种用于记录家用电器设施数据和用电量明细自动化管理系统。
背景技术
随着科技的发展，越来越多的电器管理具有智能化，给使用者提高良好的智能化体验。但是现有家电管理系统不能获取准确实际的能耗数据，不利于对家电设施科学使用及厂商改进；同时，现有的家电产品在发生故障时，家电维护繁琐，影响用户使用；现有技术中中央控制模块通过单片机控制各个模块正常工作的过程中，采用传统的算法对各类相关的数据进行挖掘，不能简化算法结构，在数据量较少的情况下不能保持有效；现有技术中数据存储模块通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，采用传统的算法对数据进行分类，不能有效提高分类的速度，减少算法的复杂度和提高分类的准确率；现有技术中数据存储模块通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，采用传统的算法对数据进行分类，不能有效提高分类的速度，减少算法的复杂度和提高分类的准确率。
综上所述，现有技术存在的问题是：
(1)现有家电管理系统不能获取准确实际的能耗数据，不利于对家电设施科学使用及厂商改进；同时，现有的家电产品在发生故障时，家电维护繁琐，影响用户使用。
(2)现有技术中中央控制模块通过单片机控制各个模块正常工作的过程中，采用传统的算法对各类相关的数据进行挖掘，不能简化算法结构，在数据量较少的情况下不能保持有效。
(3)现有技术中数据存储模块通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，采用传统的算法对数据进行分类，不能有效提高分类的速度，减少算法的复杂度和提高分类的准确率。
(4)现有技术中温度传感器采集家用电器设施温度数据的过程中，温度传感器容易受到温度的影响，产生测量误差，采用传统的算法不能有效弥补产生的误差，不能有效弥补传统的算法不具有全局寻优能力。
发明内容
针对现有技术存在的问题，本发明提供了一种用于记录家用电器设施数据和用电量明细自动化管理系统。
本发明是这样实现的，一种用于记录家用电器设施数据和用电量明细自动化管理方法，所述用于记录家用电器设施数据和用电量明细自动化管理方法包括：
第一步，采集家用电器设施工作时间数据、家用电器设施用电量数据和家用电器设施温度数据；温度传感器采集家用电器设施温度数据采用改进的温度补偿算法，具体过程，包括以下步骤：
步骤一，初始化BP网络的结构和粒子群的相关参数；
步骤二，输入样本计算粒子适应度，寻找个体极值和群体极值，更新粒子的位置和速度；
步骤三，判断全局最优适应值是否小于设定误差，“是”输出粒子位置序列，输出全局最优粒子位置；“否”判断迭代次数大于迭代次数，“否”迭代次数加1，寻找个体极值和群体极值，“是”输出全局最优粒子位置，得到最优的BP网络权值阈值；
第二步，根据采集的数据计算电器能耗数据，并判断家用电器设施故障信号；
第三步，警报器根据故障信号及时发出警报声通知用户；
第四步，利用存储器存储记录的家用电器设施工作时间、用电量、温度数据；通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
进一步，所述用于记录家用电器设施数据和用电量明细自动化管理方法通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，对数据进行分类，采用改进的正交量子粒子群的最近邻原型的分类算法，具体包括以下步骤；
步骤一，输入待处理的数据；
步骤二，初始化粒子群，注意每个粒子的维数等于类别数K、每类的原型数N数据的属性个数D的乘积；
步骤三，给粒子分派类别标签，每类对应N个原型；
步骤四，十倍交叉选择训练和测试数据，并归一化数据集；
步骤五，对训练数据进行学习，得到每个粒子的适应度值；
步骤六，采用多次塌陷-正交交叉量子粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，为接下来对测试数据分类做准备；
步骤七，计算测试数据到选出原型的距离对测试数据进行分类；
步骤八，继续步骤五直到满足终止条件；
步骤九，统计种群的分类正确率，并输出最终结果。
进一步，所述用于记录家用电器设施数据和用电量明细自动化管理方法的能耗计算方法如下：
(1)启动电器，通过检测设备提取电器运行参数，对所述电器运行参数进行处理分析后建立能耗模型；对所述电器运行参数进行处理分析并建立能耗模型具体包括：将所述电器运行参数进行降维，提取与所述运行功率相关的关键参数；建立样本数据；通过样本数据计算建模，得到所述关键参数与运行功率之间的对应关系；评估验证能耗模型是否合理有效，若是则继续下一步骤(2)，否则调整或重建能耗模型；
(2)与实际运行的电器进行通讯，获取电器运行参数对应的实际运行数据并存储；
(3)将存储的所述实际运行数据输入到能耗模型中，得到对应的实际运行的电器的运行功率；
(4)将通过能耗模型得到的电器的运行功率发送给对应的电器或其他智能终端。
本发明的另一目的在于提供一种实现所述用于记录家用电器设施数据和用电量明细自动化管理方法的用于记录家用电器设施数据和用电量明细自动化管理系统，所述用于记录家用电器设施数据和用电量明细自动化管理系统包括：
工作时间采集模块，与中央控制模块连接，用于通过计时器采集家用电器设施工作时间数据；
电量数据采集模块，与中央控制模块连接，用于通过电量计采集家用电器设施用电量数据；
温度采集模块，与中央控制模块连接，用于通过温度传感器采集家用电器设施温度数据；
中央控制模块，与工作时间采集模块、电量数据采集模块、温度采集模块、能耗计算模块、家电故障诊断模块、报警模块、数据存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；
能耗计算模块，与中央控制模块连接，用于通过数据计算程序根据采集的电器参数计算电器能耗数据；
家电故障诊断模块，与中央控制模块连接，用于通过诊断电路诊断家用电器设施故障信号；
报警模块，与中央控制模块连接，用于通过警报器根据故障信号及时发出警报声通知用户；
数据存储模块，与中央控制模块连接，用于通过存储器存储记录的家用电器设施工作时间、用电量、温度数据；
显示模块，与中央控制模块连接，用于通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
本发明的另一目的在于提供一种应用所述用于记录家用电器设施数据和用电量明细自动化管理方法的智能家居控制系统。
本发明的优点及积极效果为：本发明通过能耗计算模块进行数据建模，得到电器的能耗模型，电器通过GPRS将数据传回，然后能耗模型根据电器传回的运行参数计算电器的耗电量，这样不需要增加额外的硬件成本就可以得到电器的能耗数据，大大提高能耗数据准确性；同时，通过家电故障诊断模块基于Sigfox网络将家电收集的故障信息发送给家电故障诊断平台，故障信息中包含有家电ID、故障码和家电类型，家电故障诊断平台在接收到故障信息后，首先判断故障信息是否有效，若因为发生网络传输错误或者故障收集错误等造成故障信息无效，则家电故障诊断平台基于Sigfox网络向家电发送扫描指令，使得家电能够基于扫描指令进一步扫描相关传感器获得完整的故障信息，作为二次故障信息反馈给家电故障诊断平台，实现家电故障诊断平台主动获取正确完成的家电故障信息，对家电的故障进行正确的诊断，实现的是提高家电故障诊断准确率，促进家电维护效率的技术效果；并且Sigfox网络的低功耗、低带宽的特点有利于本申请的家电故障诊断系统发送数百万家电的故障信息，实现的是高效、节能、快速的家电信息通讯，促进提高家电诊断效率，有利于提高家电售后维护体验，提高产品的品质。
本发明中央控制模块，与工作时间采集模块、电量数据采集模块、温度采集模块、能耗计算模块、家电故障诊断模块、报警模块、数据存储模块、显示模块连接，用于通过单片机控制各个模块正常工作的过程中，采用一种改进的贝叶斯算法对各类相关的数据进行挖掘，能简化算法结构，在数据量较少的情况下依然有效。
本发明中数据存储模块通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，采用一种改进的正交量子粒子群的最近邻原型的分类算法对数据进行分类，能有效提高分类的速度，减少算法的复杂度，提高分类的准确率。
本发明中温度采集模块于通过温度传感器采集家用电器设施温度数据的过程中，温度传感器容易受到温度的影响，产生测量误差，采用一种改进的温度补偿算法能有效弥补产生的误差，弥补传统的算法不具有全局寻优能力。
附图说明
图1是本发明实施例提供的用于记录家用电器设施数据和用电量明细自动化管理系统结构示意图；
图中：1、工作时间采集模块；2、电量数据采集模块；3、温度采集模块；4、中央控制模块；5、能耗计算模块；6、家电故障诊断模块；7、报警模块；8、数据存储模块；9、显示模块。
图2是本发明实施例提供的用于记录家用电器设施数据和用电量明细自动化管理方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的用于记录家用电器设施数据和用电量明细自动化管理系统包括：工作时间采集模块1、电量数据采集模块2、温度采集模块3、中央控制模块4、能耗计算模块5、家电故障诊断模块6、报警模块7、数据存储模块8、显示模块9。
工作时间采集模块1，与中央控制模块4连接，用于通过计时器采集家用电器设施工作时间数据；
电量数据采集模块2，与中央控制模块4连接，用于通过电量计采集家用电器设施用电量数据；
温度采集模块3，与中央控制模块4连接，用于通过温度传感器采集家用电器设施温度数据；
中央控制模块4，与工作时间采集模块1、电量数据采集模块2、温度采集模块3、能耗计算模块5、家电故障诊断模块6、报警模块7、数据存储模块8、显示模块9连接，用于通过单片机控制各个模块正常工作；
能耗计算模块5，与中央控制模块4连接，用于通过数据计算程序根据采集的电器参数计算电器能耗数据；
家电故障诊断模块6，与中央控制模块4连接，用于通过诊断电路诊断家用电器设施故障信号；
报警模块7，与中央控制模块4连接，用于通过警报器根据故障信号及时发出警报声通知用户；
数据存储模块8，与中央控制模块4连接，用于通过存储器存储记录的家用电器设施工作时间、用电量、温度数据；
显示模块9，与中央控制模块4连接，用于通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
如图2所示，本发明实施例提供的用于记录家用电器设施数据和用电量明细自动化管理系统方法，具体包括以下步骤：
S101；首先，采集家用电器设施工作时间数据、家用电器设施用电量数据和家用电器设施温度数据；
S102：根据步骤一采集的数据计算电器能耗数据，并判断家用电器设施故障信号；
S103：警报器根据故障信号及时发出警报声通知用户；
S104：利用存储器存储记录的家用电器设施工作时间、用电量、温度数据；通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
所述数据存储模块8通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，需要对数据进行分类，为了提高分类的速度，减少算法的复杂度，提高分类的准确率，采用一种改进的正交量子粒子群的最近邻原型的分类算法，具体包括以下步骤；
步骤一，输入待处理的数据；
步骤二，初始化粒子群，注意每个粒子的维数等于类别数K、每类的原型数N数据的属性个数D的乘积；
步骤三，给粒子分派类别标签，每类对应N个原型；
步骤四，十倍交叉选择训练和测试数据，并归一化数据集；
步骤五，对训练数据进行学习，得到每个粒子的适应度值；
步骤六，采用多次塌陷-正交交叉量子粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，为接下来对测试数据分类做准备；
步骤七，计算测试数据到选出原型的距离对测试数据进行分类；
步骤八，继续步骤五直到满足终止条件；
步骤九，统计种群的分类正确率，并输出最终结果。
所述温度采集模块3于通过温度传感器采集家用电器设施温度数据的过程中，温度传感器容易受到温度的影响，产生测量误差，为了有效弥补产生的误差，弥补传统的算法不具有全局寻优能力，采用一种改进的温度补偿算法，具体过程，包括以下步骤:
步骤一，初始化BP网络的结构和粒子群的相关参数；
步骤二，输入样本计算粒子适应度，寻找个体极值和群体极值，更新粒子的位置和速度；
步骤三，判断全局最优适应值是否小于设定误差，“是”输出粒子位置序列，输出全局最优粒子位置；“否”判断迭代次数大于迭代次数，“否”迭代次数加1，寻找个体极值和群体极值，“是”输出全局最优粒子位置，得到最优的BP网络权值阈值。
所述中央控制模块4，与工作时间采集模块1、电量数据采集模块2、温度采集模块3、能耗计算模块5、家电故障诊断模块6、报警模块7、数据存储模块8、显示模块9连接，用于通过单片机控制各个模块正常工作的过程中，需要对各类相关的数据进行挖掘，为了简化算法结构，在数据量较少的情况下依然有效，采用一种改进的贝叶斯算法，具体过程如下：
步骤一，计算每个类别出现的概率P(c)；
步骤二，计算每个独立特征的条件概率P(xi|c)，求和得到
步骤三，计算不同类别下的最大值对应的类别判断为样本的类别。
本发明提供的能耗计算模块5计算方法如下：
(1)启动电器，通过检测设备提取电器运行参数，对所述电器运行参数进行处理分析后建立能耗模型；
(2)与实际运行的电器进行通讯，获取电器运行参数对应的实际运行数据并存储；
(3)将存储的所述实际运行数据输入到能耗模型中，得到对应的实际运行的电器的运行功率；
(4)将通过能耗模型得到的电器的运行功率发送给对应的电器或其他智能终端。
本发明提供的步骤(1)对所述电器运行参数进行处理分析并建立能耗模型具体包括：
将所述电器运行参数进行降维，提取与所述运行功率相关的关键参数；
建立样本数据；
通过样本数据计算建模，得到所述关键参数与运行功率之间的对应关系；
评估验证能耗模型是否合理有效，若是则继续下一步骤(2)，否则调整或重建能耗模型。
本发明提供的关键参数包括开关机状态、压缩机运行频率、压缩机输入电源电流、压缩机交流输入相电压、风机目标频率中至少一项。
本发明提供的家电故障诊断模块6诊断方法如下：
1)配置搭建Sigfox网络，基于家电的运行参数判断是否发生故障；若是，生成故障信息，通过Sigfox网络接收家电发送的故障信息；
2)判断所述故障信息是否有效；若否，向所述家电发送扫描指令，以使得所述家电基于所述扫描指令扫描自身的传感器获取二次故障信息；
3)接收所述家电发送的二次故障信息；
4)基于所述二次故障信息对所述家电的故障进行诊断。
本发明提供的故障信息包括故障码、家电ID和家电类型标识。
本发明提供的基于所述二次故障信息对所述家电的故障进行诊断之后，所述方法还包括：
解析所述故障信息和所述二次故障信息，基于解析信息为所述家电建立故障档案。
本发明工作时，首先，通过工作时间采集模块1利用计时器采集家用电器设施工作时间数据；通过电量数据采集模块2利用电量计采集家用电器设施用电量数据；通过温度采集模块3利用温度传感器采集家用电器设施温度数据；其次，中央控制模块4通过能耗计算模块5利用数据计算程序根据采集的电器参数计算电器能耗数据；通过家电故障诊断模块6利用诊断电路诊断家用电器设施故障信号；通过报警模块7利用警报器根据故障信号及时发出警报声通知用户；然后，通过数据存储模块8利用存储器存储记录的家用电器设施工作时间、用电量、温度数据；最后，通过显示模块9利用显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (5)
1.一种用于记录家用电器设施数据和用电量明细自动化管理方法，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理方法包括：
第一步，采集家用电器设施工作时间数据、家用电器设施用电量数据和家用电器设施温度数据；温度传感器采集家用电器设施温度数据采用改进的温度补偿算法，具体过程，包括以下步骤：
步骤一，初始化BP网络的结构和粒子群的相关参数；
步骤二，输入样本计算粒子适应度，寻找个体极值和群体极值，更新粒子的位置和速度；
步骤三，判断全局最优适应值是否小于设定误差，“是”输出粒子位置序列，输出全局最优粒子位置；“否”判断迭代次数大于迭代次数，“否”迭代次数加1，寻找个体极值和群体极值，“是”输出全局最优粒子位置，得到最优的BP网络权值阈值；
第二步，根据采集的数据计算电器能耗数据，并判断家用电器设施故障信号；
第三步，警报器根据故障信号及时发出警报声通知用户；
第四步，利用存储器存储记录的家用电器设施工作时间、用电量、温度数据；通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
2.如权利要求1所述的用于记录家用电器设施数据和用电量明细自动化管理方法，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理方法通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，对数据进行分类，采用改进的正交量子粒子群的最近邻原型的分类算法，具体包括以下步骤；
步骤一，输入待处理的数据；
步骤二，初始化粒子群，注意每个粒子的维数等于类别数K、每类的原型数N数据的属性个数D的乘积；
步骤三，给粒子分派类别标签，每类对应N个原型；
步骤四，十倍交叉选择训练和测试数据，并归一化数据集；
步骤五，对训练数据进行学习，得到每个粒子的适应度值；
步骤六，采用多次塌陷-正交交叉量子粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，为接下来对测试数据分类做准备；
步骤七，计算测试数据到选出原型的距离对测试数据进行分类；
步骤八，继续步骤五直到满足终止条件；
步骤九，统计种群的分类正确率，并输出最终结果。
3.如权利要求1所述的用于记录家用电器设施数据和用电量明细自动化管理方法，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理方法的能耗计算方法如下：
(1)启动电器，通过检测设备提取电器运行参数，对所述电器运行参数进行处理分析后建立能耗模型；对所述电器运行参数进行处理分析并建立能耗模型具体包括：将所述电器运行参数进行降维，提取与所述运行功率相关的关键参数；建立样本数据；通过样本数据计算建模，得到所述关键参数与运行功率之间的对应关系；评估验证能耗模型是否合理有效，若是则继续下一步骤(2)，否则调整或重建能耗模型；
(2)与实际运行的电器进行通讯，获取电器运行参数对应的实际运行数据并存储；
(3)将存储的所述实际运行数据输入到能耗模型中，得到对应的实际运行的电器的运行功率；
(4)将通过能耗模型得到的电器的运行功率发送给对应的电器或其他智能终端。
4.一种实现权利要求1所述用于记录家用电器设施数据和用电量明细自动化管理方法的用于记录家用电器设施数据和用电量明细自动化管理系统，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理系统包括：
工作时间采集模块，与中央控制模块连接，用于通过计时器采集家用电器设施工作时间数据；
电量数据采集模块，与中央控制模块连接，用于通过电量计采集家用电器设施用电量数据；
温度采集模块，与中央控制模块连接，用于通过温度传感器采集家用电器设施温度数据；
中央控制模块，与工作时间采集模块、电量数据采集模块、温度采集模块、能耗计算模块、家电故障诊断模块、报警模块、数据存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；
能耗计算模块，与中央控制模块连接，用于通过数据计算程序根据采集的电器参数计算电器能耗数据；
家电故障诊断模块，与中央控制模块连接，用于通过诊断电路诊断家用电器设施故障信号；
报警模块，与中央控制模块连接，用于通过警报器根据故障信号及时发出警报声通知用户；
数据存储模块，与中央控制模块连接，用于通过存储器存储记录的家用电器设施工作时间、用电量、温度数据；
显示模块，与中央控制模块连接，用于通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。
5.一种应用权利要求1～3任意一项所述用于记录家用电器设施数据和用电量明细自动化管理方法的智能家居控制系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206063.5A CN109976273A (zh) | 2019-03-19 | 2019-03-19 | 用于记录家用电器设施数据和用电量明细自动化管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206063.5A CN109976273A (zh) | 2019-03-19 | 2019-03-19 | 用于记录家用电器设施数据和用电量明细自动化管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109976273A true CN109976273A (zh) | 2019-07-05 |
Family
ID=67079254
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910206063.5A Pending CN109976273A (zh) | 2019-03-19 | 2019-03-19 | 用于记录家用电器设施数据和用电量明细自动化管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109976273A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111402566A (zh) * | 2020-03-06 | 2020-07-10 | 青岛东软载波科技股份有限公司 | 基于高速载波与无线扩频的可读写电表模块及使用方法 |
| CN111505957A (zh) * | 2020-05-12 | 2020-08-07 | 深圳市汇智通咨询有限公司 | 一种优化调节能力的自动控制系统 |
| CN116067690A (zh) * | 2023-03-06 | 2023-05-05 | 山东齐能电器有限公司 | 一种基于大数据的电热锅运行故障智能预测系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102842043A (zh) * | 2012-07-17 | 2012-12-26 | 西安电子科技大学 | 基于自动聚类的粒子群优化分类方法 |
| CN105117616A (zh) * | 2015-08-04 | 2015-12-02 | 莆田学院 | 基于粒子群算法的微生物发酵优化方法 |
| CN105388825A (zh) * | 2015-12-03 | 2016-03-09 | 深圳市酷开网络科技有限公司 | 一种基于电力线通信的住宅用电监控方法及系统 |
| CN105626277A (zh) * | 2015-12-23 | 2016-06-01 | 廖金能 | 一种内燃机发电机组远程故障诊断和健康诊断的控制器及方法 |
| CN106502121A (zh) * | 2017-01-12 | 2017-03-15 | 深圳万发创新进出口贸易有限公司 | 一种智能家居控制系统 |
| KR20170049387A (ko) * | 2015-10-27 | 2017-05-10 | 부산대학교 산학협력단 | 딥러닝을 이용한 소비전력 기반 가전기기 분류 장치 및 방법 |
| CN109033730A (zh) * | 2018-09-30 | 2018-12-18 | 北京工业大学 | 一种基于改进的粒子群优化算法的刀具磨损预测方法 |
| CN109165443A (zh) * | 2018-08-23 | 2019-01-08 | 珠海格力电器股份有限公司 | 一种电器能耗计算方法及系统 |
-
2019
- 2019-03-19 CN CN201910206063.5A patent/CN109976273A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102842043A (zh) * | 2012-07-17 | 2012-12-26 | 西安电子科技大学 | 基于自动聚类的粒子群优化分类方法 |
| CN105117616A (zh) * | 2015-08-04 | 2015-12-02 | 莆田学院 | 基于粒子群算法的微生物发酵优化方法 |
| KR20170049387A (ko) * | 2015-10-27 | 2017-05-10 | 부산대학교 산학협력단 | 딥러닝을 이용한 소비전력 기반 가전기기 분류 장치 및 방법 |
| CN105388825A (zh) * | 2015-12-03 | 2016-03-09 | 深圳市酷开网络科技有限公司 | 一种基于电力线通信的住宅用电监控方法及系统 |
| CN105626277A (zh) * | 2015-12-23 | 2016-06-01 | 廖金能 | 一种内燃机发电机组远程故障诊断和健康诊断的控制器及方法 |
| CN106502121A (zh) * | 2017-01-12 | 2017-03-15 | 深圳万发创新进出口贸易有限公司 | 一种智能家居控制系统 |
| CN109165443A (zh) * | 2018-08-23 | 2019-01-08 | 珠海格力电器股份有限公司 | 一种电器能耗计算方法及系统 |
| CN109033730A (zh) * | 2018-09-30 | 2018-12-18 | 北京工业大学 | 一种基于改进的粒子群优化算法的刀具磨损预测方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111402566A (zh) * | 2020-03-06 | 2020-07-10 | 青岛东软载波科技股份有限公司 | 基于高速载波与无线扩频的可读写电表模块及使用方法 |
| CN111402566B (zh) * | 2020-03-06 | 2021-04-23 | 青岛东软载波科技股份有限公司 | 基于高速载波与无线扩频的可读写电表模块及使用方法 |
| CN111505957A (zh) * | 2020-05-12 | 2020-08-07 | 深圳市汇智通咨询有限公司 | 一种优化调节能力的自动控制系统 |
| CN111505957B (zh) * | 2020-05-12 | 2020-11-20 | 深圳市汇智通咨询有限公司 | 一种优化调节能力的自动控制系统 |
| CN116067690A (zh) * | 2023-03-06 | 2023-05-05 | 山东齐能电器有限公司 | 一种基于大数据的电热锅运行故障智能预测系统 |
| CN116067690B (zh) * | 2023-03-06 | 2023-07-18 | 山东齐能电器有限公司 | 一种基于大数据的电热锅运行故障智能预测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109976273A (zh) | 用于记录家用电器设施数据和用电量明细自动化管理系统 | |
| CN108879702B (zh) | 一种基于家居负荷分解的用电控制系统 | |
| CN111597204A (zh) | 一种基于ai技术的智慧运维知识分析方法 | |
| CN109977535A (zh) | 一种线损异常诊断方法、装置、设备及可读存储介质 | |
| KR20180103632A (ko) | 비정상 정보 검출 기술을 적용한 스마트 미터 시스템 및 검출 방법 | |
| CN114880884B (zh) | 一种基于数字化能源系统的专业化建模分析方法及系统 | |
| CN112684301B (zh) | 一种电网故障的检测方法和装置 | |
| CN109933953A (zh) | 基于概率图模型的配电网开关状态辨识方法 | |
| CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
| CN113415203A (zh) | 一种基于物联网的智能充电桩管理系统 | |
| CN115840394A (zh) | 一种智能化楼宇碳管控系统 | |
| CN115685050B (zh) | 一种电能表故障检测方法及系统 | |
| CN116203351A (zh) | 线路阻抗异常的检测方法及系统 | |
| CN114595762A (zh) | 一种光伏电站异常数据序列提取方法 | |
| Veloso et al. | Cognitive smart plugs for signature identification of residential home appliance load using machine learning: From theory to practice | |
| CN110414839A (zh) | 基于量子遗传算法和svm模型的负荷识别方法及系统 | |
| CN109151753A (zh) | 高压输电网智能监测系统 | |
| CN112905670A (zh) | 用于户内停电故障研判的电能表系统、户内停电故障研判方法 | |
| CN113269478B (zh) | 一种基于多模型的集中器异常数据提醒方法及系统 | |
| CN110187247A (zh) | 一种光伏逆变器的电弧故障检测系统及检测方法 | |
| CN106600465A (zh) | 电费异常处理装置、系统和方法 | |
| CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
| CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
| Zhou et al. | Non-intrusive extraction and forecasting of residential electric vehicle charging load | |
| CN115828165B (zh) | 一种新能源智能微电网数据处理方法及系统 |
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 |
Application publication date: 20190705 |
|
| RJ01 | Rejection of invention patent application after publication |