CN110824973A - 家电设备的用电控制方法及装置、存储介质、电子装置 - Google Patents

Abstract

本发明提供了一种家电设备的用电控制方法及装置、存储介质、电子装置，该方法，包括：获取家电设备的用电数据；依据用电数据，预测出家电设备的用电健康状态；根据家电设备的用电健康状态调整家电设备的用电参数。因此，可以解决相关技术中家电设备的用电控制的问题。

Description

家电设备的用电控制方法及装置、存储介质、电子装置

技术领域

本发明涉及家电领域，具体而言，涉及一种家电设备的用电控制方法及装置、存储介质、电子装置。

背景技术

随着科技的迭代更新，生活水平的逐渐提升，由物质化的追求，转变成精神上的幸福感和体验感的追求，越来越多的人都开始使用智能化家电产品，这种现象造成了一些用电的过度使用，合理使用每一度电，节能环保至关重要。

在家电用电健康的推荐方面的技术较少，而且大多数情况下，对于家电用电健康的推荐也只是根据家电的基本静态参数来进行分配，没有很好的解决家电在实际运行过程中动态调控家电的运行状态，进而控制家庭用电的状态达到健康水平。有些健康用电技术中缺少数据作支撑，会导致推荐的健康用电方法不适用等情况，甚至有一些用电健康的评判标准没有限定，没有足够的“专家经验”，导致健康用电推荐的方法准确性没保证。

针对上述技术问题，相关技术中尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种家电设备的用电控制方法及装置、存储介质、电子装置，以至少解决相关技术中家电设备的用电控制的问题。

根据本发明的一个实施例，提供了一种家电设备的用电控制方法，包括：获取家电设备的用电数据；依据所述用电数据，预测出所述家电设备的用电健康状态；根据所述家电设备的用电健康状态调整所述家电设备的用电参数。

根据本发明的另一个实施例，还提供一种家电设备，包括：采集模块，用于采集用电数据；处理器，用于依据所述用电数据，预测出所述家电设备的用电健康状态。

根据本发明的另一个实施例，还提供一种家电设备的用电控制装置，其特征在于，包括：获取模块，用于获取的家电设备的用电数据；预测模块，用于依据所述用电数据，预测出所述家电设备的用电健康状态；调整模块，用于根据所述家电设备的用电健康状态调整所述家电设备的用电参数。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，由于在获取家电设备的用电数据之后，依据用电数据，预测出家电设备的用电健康状态；然后，根据家电设备的用电健康状态调整家电设备的用电参数。因此，可以解决相关技术中家电设备的用电控制的问题，达到有效的为家电设备的用电进行控制的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种家电设备的用电控制方法的移动终端的硬件结构框图；

图2是根据本发明实施例的家电设备的用电控制方法的流程图；

图3是本实施例的具体操作流程图；

图4是根据本发明实施例的家电设备的用电控制装置。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种家电设备的用电控制方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的家电设备的用电控制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种家电设备的用电控制方法，图2是根据本发明实施例的家电设备的用电控制方法的流程图，如图2所示，该流程包括如下步骤：

步骤S202，获取家电设备的用电数据；

步骤S204，依据用电数据，预测出家电设备的用电健康状态；

步骤S206，根据家电设备的用电健康状态调整家电设备的用电参数。

通过上述步骤，由于在获取家电设备的用电数据之后，依据用电数据，预测出家电设备的用电健康状态；然后，根据家电设备的用电健康状态调整家电设备的用电参数。因此，可以解决相关技术中家电设备的用电控制的问题，达到有效的为家电设备的用电进行控制的效果。

可选地，上述步骤的执行主体可以为终端，例如计算机，但不限于此。

在本实施例中，家电设备可以包括空调、电视等。用电数据可以是用电的具体度数，用电健康状态可以分为健康、不健康、亚健康。用电参数可以是家电设备的用电状态参数。采集到的家电用电数据可以实时回传到数据库平台，可以有效的保存用户家电用电情况。从数据库集群中获取家电设备的用电数据。然后将用电数据与预设阈值比较；根据比较结果标记用电数据所对应的用电健康状态。

可选地，通过以下方式依据用电数据，预测出家电设备的用电健康状态：将用电数据输入预设模型，并利用预设模型进行分析，得到用电健康状态，其中，该预设模型是通过多组数据训练得到的，每组数据均包括：用电数据，以及用于指示用电数据所对应用电健康状态的标记。在本实施例中，预设模型可以是利用深度学习的方式训练得到的。可选地，训练预设模型包括：获取每组数据中的用电数据中的多个特征因素，其中，多个特征因素中包括家电设备的用电运行参数；从多个特征因素中确定影响家电设备的用电健康状态的主要特征因素，以及多个特征因素中的各个特征因素之间的关系；利用主要特征因素、多个特征因素中的各个特征因素之间的关系，以及用于指示用电数据所对应用电健康状态的标记，采用深度学习的方式训练预设模型。用电健康状态的标记也可以是健康、亚健康和健康。得到的预设模型的误差小于0.3，等新的实时用电数据接入时，通过之前的统计分析得出的亚健康与不健康的影响因素的对比得出的结果规律，使用智能优化算法的方法进行调整影响亚健康的因素值以及不健康与亚健康的因素值，使得整个家电用电的整体情况达到健康水平。

下面结合具体实施例对本发明进行详细说明：

相关技术中家电用电健康的推荐大多数使用的基本静态调参，并没有以数据为基础来动态分析家电设备用电的一些不健康因素，导致不健康的原因，没有一个评判健康不健康用电的标准，会导致后续的推荐工作准确性没法保证、没有动态的调整家电的运行状态参数，进而调控家电用电状态达到健康水平。

本实施例主要是解决的是上述中家电用电健康推荐方法的一些缺点，主要是将“专家经验”与大数据思路相结合，通过使用深度学习的算法进行训练预测健康状态模型(对应于上述中的预设模型)，智能调节家电运行参数，使得家电在健康状态下运行。最终达到更好的提供一种基于数据库平台对家电用电的健康用电推荐的方法。该方法是将家电的用电情况通过通用分组无线业务(General Packet Radio Service，简称为GPRS)、局内中继(Intra Office Trunk，简称为IOT)等方法，将采集到的家电用电数据实时回传到数据库平台，可以有效的保存用户家电用电情况，建立一个基于“专家经验”的评判用电健康体系，在健康评价体系中可以判断出用电基本状态有：健康、亚健康以及不健康。使得保证不健康因素分析和给出合理化建议的环节提供保障。基于“专家经验”得出的用电标准对用户家电用电情况进行做标记，针对用电情况对应的用电健康情况进行统计分析用电健康不健康是受哪些影响因素，得出影响因素，提取到特征因素后，针对用户用电情况的历史数据进行切分数据集操作，使用深度学习的方法，对训练数据集进行“学习”，从而得出误差小于0.3的预测健康状态模型，等新的实时数据接入时，通过之前的统计分析得出的亚健康与不健康的影响因素的对比得出的结果规律，使用智能优化算法的方法进行调整影响亚健康的因素值以及不健康与亚健康的因素值，使得整个家电用电的整体情况达到健康水平。将调节后的参数进行训练得到“专家经验”，继而补充用电健康评判体系。

图3是本实施例的具体操作流程图，如图3所示，具体包括以下步骤：

S301：开始；

S302：搭建数据库平台，搭建MySQL集群保存家电用电数据；

S303：判断是否建立家电用电数据健康状态评价体系，如果建立了转至S304，如果没有建立，转至S305；使用模糊推理的相关算法，针对家电用电数据，召集有多年经验的家电方向的专业人员，一起评价家电用电数据，并作一定的权重比例，得出模糊矩阵，根据模糊矩阵进行评判家电用电数据的健康状态，包括：健康、亚健康以及不健康。

S304：更新评价体系；

S305：建立用电数据健康状态评价体系；

S306：创建MySQL存储过程获取家电用电数据并给家电用电数据作标记，标记主要有：健康、亚健康以及不健康；

S307：获取特征因素，以及家电健康状态之间在影响因素之间的体现区别和联系。针对家电的运行参数对数据进行统计学分析，分析影响家电健康状态的主要特征因素。以及根据家电在健康、亚健康以及不健康状态下的主要影响因素的变化与联系；

S308：采用深度学习的方法进行训练预测家电健康状态模型，编程语言采用python，要求模型误差控制在0.3左右；

S309-S310：：新数据接入的时，采用训练好的家电健康状态模型进行预测，得出结果如果是亚健康状态，进一步根据步骤三得到的亚健康与不健康之间的影响因素之间的变化规律作为评价函数，使用智能优化算法进行调节参数，达到收敛，即可；

控制家电调参数。调节到合适的参数后，可以通过控制器智能控制家电的运行状态参数，进而让家电用电健康，将用电健康的参数进行保存到MySQL集群。

数据积累到一段时间后，将用户健康的参数进行训练，反复训练得出专家经验，继而补充用电健康评判体系。

S311：判断家电设备用电是否健康，如果健康，转至S314，如果不健康，转至S312；

S312：智能优化算法进行调节参数；

S313：控制家电；

S314：结束。

上述实施例可以应用到相关的机器数据领域。通过对机器智能化调参达到正常运行。

以上方法有效的解决了用电健康标准难、家电用电健康用电推荐难没有基于数据基础以及没有动态调参等问题。并且可以达到以下有益效果：节能省电，节省用电开支；智能化调节家电运行状态，而达到用电健康，无需用户操作；使用上述解决方法主要是可以扩展成多种领域的解决方案；可以实现家电领域的省电新突破。

根据本发明的另一个实施例，还提供一种家电设备，包括：采集模块，用于采集用电数据；处理器，用于依据用电数据，预测出家电设备的用电健康状态。

图4是根据本发明实施例的家电设备的用电控制装置，如图4所示，该装置包括：获取模块42、预测模块44以及调整模块46，下面对该装置进行详细说明：

获取模块42，用于获取的家电设备的用电数据；

预测模块44，连接至上述中的获取模块42，用于依据所述用电数据，预测出所述家电设备的用电健康状态；

调整模块46，连接至上述中的预测模块44，用于根据所述家电设备的用电健康状态调整所述家电设备的用电参数。

在本实施例中，家电设备可以包括空调、电视等。用电数据可以是用电的具体度数，用电健康状态可以分为健康、不健康、亚健康。用电参数可以是家电设备的用电状态参数。采集到的家电用电数据可以实时回传到数据库平台，可以有效的保存用户家电用电情况。从数据库集群中获取家电设备的用电数据。然后将用电数据与预设阈值比较；根据比较结果标记用电数据所对应的用电健康状态。

可选地，通过以下方式依据用电数据，预测出家电设备的用电健康状态：将用电数据输入预设模型，并利用预设模型进行分析，得到用电健康状态，其中，该预设模型是通过多组数据训练得到的，每组数据均包括：用电数据，以及用于指示用电数据所对应用电健康状态的标记。在本实施例中，预设模型可以是利用深度学习的方式训练得到的。可选地，训练预设模型包括：获取每组数据中的用电数据中的多个特征因素，其中，多个特征因素中包括家电设备的用电运行参数；从多个特征因素中确定影响家电设备的用电健康状态的主要特征因素，以及多个特征因素中的各个特征因素之间的关系；利用主要特征因素、多个特征因素中的各个特征因素之间的关系，以及用于指示用电数据所对应用电健康状态的标记，采用深度学习的方式训练预设模型。用电健康状态的标记也可以是健康、亚健康和健康。得到的预设模型的误差小于0.3，等新的实时用电数据接入时，通过之前的统计分析得出的亚健康与不健康的影响因素的对比得出的结果规律，使用智能优化算法的方法进行调整影响亚健康的因素值以及不健康与亚健康的因素值，使得整个家电用电的整体情况达到健康水平。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以上各步骤的计算机程序。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种家电设备的用电控制方法，其特征在于，包括：

获取家电设备的用电数据；

依据所述用电数据，预测出所述家电设备的用电健康状态；

根据所述家电设备的用电健康状态调整所述家电设备的用电参数。

2.根据权利要求1所述的方法，其特征在于，依据所述用电数据，预测出所述家电设备的用电健康状态，包括：

将所述用电数据输入预设模型，并利用所述预设模型进行分析，得到所述用电健康状态，其中，该预设模型是通过多组数据训练得到的，每组数据均包括：用电数据，以及用于指示所述用电数据所对应用电健康状态的标记。

3.根据权利要求1所述的方法，其特征在于，获取家电设备的用电数据包括：

从数据库集群中获取所述家电设备的用电数据。

4.根据权利要求3所述的方法，其特征在于，从所述数据库集群中获取所述家电设备的用电数据时，所述方法还包括：

将所述用电数据与预设阈值比较；

根据比较结果标记所述用电数据所对应的用电健康状态。

5.根据权利要求2所述的方法，其特征在于，训练所述预设模型包括：

获取所述每组数据中的所述用电数据中的多个特征因素，其中，所述多个特征因素中包括所述家电设备的用电运行参数；

从所述多个特征因素中确定影响所述家电设备的用电健康状态的主要特征因素，以及所述多个特征因素中的各个特征因素之间的关系；

利用所述主要特征因素、所述多个特征因素中的各个特征因素之间的关系，以及用于指示所述用电数据所对应用电健康状态的标记，采用深度学习的方式训练所述预设模型。

6.一种家电设备，其特征在于，包括：

采集模块，用于采集用电数据；

处理器，用于依据所述用电数据，预测出所述家电设备的用电健康状态。

7.一种家电设备的用电控制装置，其特征在于，包括：

获取模块，用于获取的家电设备的用电数据；

预测模块，用于依据所述用电数据，预测出所述家电设备的用电健康状态；

调整模块，用于根据所述家电设备的用电健康状态调整所述家电设备的用电参数。

8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至5任一项中所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至5任一项中所述的方法。

Images