CN111722695A - 终端设备功耗优化方法及装置 - Google Patents
终端设备功耗优化方法及装置 Download PDFInfo
- Publication number
- CN111722695A CN111722695A CN201910205175.9A CN201910205175A CN111722695A CN 111722695 A CN111722695 A CN 111722695A CN 201910205175 A CN201910205175 A CN 201910205175A CN 111722695 A CN111722695 A CN 111722695A
- Authority
- CN
- China
- Prior art keywords
- terminal equipment
- power consumption
- historical
- time point
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims description 19
- 238000012549 training Methods 0.000 claims abstract description 106
- 230000005611 electricity Effects 0.000 claims description 30
- 230000002618 waking effect Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 14
- 230000006403 short-term memory Effects 0.000 claims description 8
- 230000007787 long-term memory Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
- G06F1/3212—Monitoring battery levels, e.g. power saving mode being initiated when battery voltage goes below a certain level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3287—Power saving characterised by the action undertaken by switching off individual functional units in the computer system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4418—Suspend and resume; Hibernate and awake
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Power Sources (AREA)
Abstract
本公开是关于终端设备功耗优化方法及装置。该方法包括：获取终端设备的当前耗电指标；根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数；目标预测模型为根据终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；在预测打开参数满足设定条件时，执行省电操作。由于是基于终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的目标预测模型，因此，基于目标预测模型预测得到的预测打开参数更加符合当前用户的需求，从而提升了预测的个性化。
Description
技术领域
本公开涉及终端设备技术领域，尤其涉及终端设备功耗优化方法及装置。
背景技术
随着终端设备的发展，用户的日常生活中使用手机、平板电脑等越来越多，且可以在终端设备上安装多个应用程序以及游戏软件，因此，对于手机等终端设备来说，电池的使用时间已经成为最关键的挑战之一。
发明内容
为克服相关技术中存在的问题，本公开实施例提供终端设备功耗优化方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种终端设备功耗优化方法，包括：
获取终端设备的当前耗电指标；
根据所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
在所述预测打开参数满足设定条件时，执行省电操作。
本公开的实施例提供的技术方案可以包括以下有益效果：获取终端设备的当前耗电指标；根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数；目标预测模型为根据终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；在预测打开参数满足设定条件时，执行省电操作。由于是基于终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的目标预测模型，因此，基于目标预测模型预测得到的预测打开参数更加符合当前用户的需求，从而提升了预测的个性化。
在一个实施例中，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
在一个实施例中，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
所述在所述预测打开参数满足设定条件时，执行省电操作，包括：
在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
在一个实施例中，所述在所述概率对应的时间点之前，执行省电操作，包括：
在距离所述概率对应的时间点达到设定时长时，执行省电操作。
在一个实施例中，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
在一个实施例中，所述根据所述当前终端设备的耗电指标和目标预测模型获取所述终端设备中的系统电量使用详情界面被打开的时间点的概率之前，所述方法还包括：
获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
根据所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
在一个实施例中，所述获取模型训练样本，包括：
获取所述终端设备的系统日志；
从所述系统日志中解析出所述模型训练样本。
在一个实施例中，所述预设模型包括：长短期记忆网络。
在一个实施例中，所述根据所述模型训练样本对预设模型进行训练得到目标预测模型，包括：
使用监督学习的方法根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
在一个实施例中，所述获取当前终端设备的耗电指标，包括：
当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
在一个实施例中，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
在一个实施例中，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
根据本公开实施例的第二方面，提供一种终端设备功耗优化装置，包括：
第一获取模块，用于获取终端设备的当前耗电指标；
第二获取模块，用于根据所述第一获取模块获取的所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
执行模块，用于在所述第二获取模块获取的所述预测打开参数满足设定条件时，执行省电操作
在一个实施例中，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
在一个实施例中，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
所述执行模块，包括：第一执行子模块；
所述第一执行子模块，用于在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
在一个实施例中，所述第一执行子模块包括：第二执行子模块；
所述第二执行子模块，用于在距离所述概率对应的时间点达到设定时长时，执行省电操作。
在一个实施例中，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
在一个实施例中，所述装置还包括：第三获取模块和训练模块；
所述第三获取模块，用于获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
所述训练模块，用于根据所述第三获取模块获取的所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
在一个实施例中，所述第三获取模块包括：第一获取子模块和解析子模块；
所述第一获取子模块，用于获取所述终端设备的系统日志；
所述解析子模块，用于从所述第一获取子模块获取的所述系统日志中解析出所述模型训练样本。
在一个实施例中，所述预设模型包括：长短期记忆网络。
在一个实施例中，所述训练模块包括：训练子模块；
所述训练子模块，用于使用监督学习的方法根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
在一个实施例中，所述第一获取模块包括：第二获取子模块；
所述第二获取子模块，用于当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
在一个实施例中，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
在一个实施例中，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
根据本公开实施例的第三方面，提供一种终端设备功耗优化装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取终端设备的当前耗电指标；
根据所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
在所述预测打开参数满足设定条件时，执行省电操作。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面中任一项所述方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的终端设备功耗优化方法的流程图。
图2是根据一示例性实施例示出的终端设备功耗优化方法的流程图。
图3是根据一示例性实施例示出的一种终端设备功耗优化装置的框图。
图4是根据一示例性实施例示出的一种终端设备功耗优化装置中执行模块的框图。
图5是根据一示例性实施例示出的一种终端设备功耗优化装置中第一执行子模块的框图。
图6是根据一示例性实施例示出的一种终端设备功耗优化装置的框图。
图7是根据一示例性实施例示出的一种终端设备功耗优化装置中第三获取模块的框图。
图8是根据一示例性实施例示出的一种终端设备功耗优化装置中训练模块的框图。
图9是根据一示例性实施例示出的一种终端设备功耗优化装置中第一获取模块的框图。
图10是根据一示例性实施例示出的一种用于终端设备功耗优化装置80的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
用户平时在使用手机等终端设备的时候，如果感觉手机耗电比较快，往往会去打开系统电量使用详情界面，查看一下是哪个应用程序(Application，简称为：APP)耗电比较多，进而关闭耗电较多的应用程序，从而延长电池的使用时间。
导致手机耗电的软件行为，通常就是wakeup唤醒应用程序导致手机无法休眠，唤醒锁(英文：wakelock)的持有导致手机无法休眠，频繁的网络扫描(例如：无线网络扫描(英文：wifi scan)和蓝牙扫描(英文：Bluetooth scan))等操作。
目前的省电策略，往往是根据大数据的统计，设计一个经验阈值，来衡量一些软件行为是否耗电较多。比如，一个APP在后台持有wakelock超过5分钟，就确定该APP耗电得释放掉，避免该APP长时间持有wakelock导致手机不能休眠。
虽然wakelock持有就会耗电，但是有的APP需要持有wakelock，才能正常使用。但是，持有多久算不正常，就需要干预，而且wifi scan多少次算比较耗电，从而需要禁止，目前都是根据大数据统计的一个经验值，从而所有用户的省电操作的策略都是相同的。
为了提升个性化的省电方案，针对每个用户制定不同的省电方案，本公开提出一种终端设备功耗优化。
图1是根据一示例性实施例示出的终端设备功耗优化方法的流程图，如图1所示，该方法用于终端设备中，包括以下步骤S101-S103：
在步骤S101中，获取终端设备的当前耗电指标。
示例的，可以通过解析系统里的程序时间(英文：event log)，和系统dumpsys的输出信息，得到详细的系统状态，然后从该系统状态中提取当前终端设备的耗电指标；也可以从系统日志中获取当前终端设备的耗电指标。
在步骤S102中，根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数；目标预测模型为根据终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的。
其中，目标预测模型可以根据终端设备的当前耗电指标预测出终端设备中的系统电量使用详情界面的预测打开参数。
由于目标预测模型是基于当前终端设备的历史耗电指标以及当前终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的，因此，该目标预测模型就是根据当前终端设备的使用者的对终端设备的实际使用情况对预测模型进行训练得到的，从而使得训练得到的目标预测模型更符合当前用户的需求，从而提升了预测的个性化。
在步骤S103中，在预测打开参数满足设定条件时，执行省电操作。
本公开的实施例提供的技术方案可以包括以下有益效果：获取终端设备的当前耗电指标；根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数；目标预测模型为根据终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；在预测打开参数满足设定条件时，执行省电操作。由于是基于终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的目标预测模型，因此，基于目标预测模型预测得到的预测打开参数更加符合当前用户的需求，从而提升了预测的个性化。
在一种可实现方式中，在步骤S101和步骤S102中，终端设备的当前耗电指标至少包括以下指标中的至少一项：终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及终端设备中每个应用程序的唤醒时间点。终端设备的历史耗电指标至少包括以下指标中的至少一项：终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及终端设备中每个应用程序的历史唤醒时间点。
本公开的实施例提供的技术方案可以包括以下有益效果：基于终端设备中部分或全部会消耗电量的各种指标作为终端设备的当前耗电指标以及终端设备的历史耗电指标，从而使得预测出来的预测打开参数更加准确。
在一种可实现方式中，预测打开参数包括如下之一或组合：
至少一个打开系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个时间点对应的打开系统电量使用详情界面的概率。此时，上述步骤S103包括以下子步骤：在概率大于预设概率时，在概率对应的时间点之前，执行省电操作。
当预测打开参数包括：至少一个打开系统电量使用详情界面的概率达到设定值的时间点时，此时，在得到了终端设备的当前耗电指标后，将该当前耗电指标输入至目标预设模型，进而目标预测模型便可以预测至少一个打开系统电量使用详情界面的概率达到设定值的时间点，由于使用的是终端设备的当前耗电指标进行预测，从而使得预测结果更加适应当前用户的真实需求。
例如：设定值可以为1个，以设定值为50％为例进行说明，根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数为：打开系统电量使用详情界面的概率达到50％的时间点为5:00，此时的预设概率也可以为50％，那么，就可以在5:00之前，便执行省电操作。
再例如：设定值可以为多个，以设定值为50％、60％和70％为例进行说明，根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数为：打开系统电量使用详情界面的概率达到50％的时间点为5:00、打开系统电量使用详情界面的概率达到60％的时间点为6:00、打开系统电量使用详情界面的概率达到70％的时间点为7:00，那么，预设概率可以为上述三个概率值中的任一个，假设预设概率为60％，那么，就可以在6:00之前，便执行省电操作。
当预测打开参数包括：至少一个时间点以及每个时间点对应的打开系统电量使用详情界面的概率时，此时，在得到了终端设备的当前耗电指标后，将该当前耗电指标输入至目标预设模型，进而目标预测模型便可以预测打开系统电量使用详情界面的时间点以及每个时间点对应的打开系统电量使用详情界面的概率，由于使用的是终端设备的当前耗电指标进行预测，从而使得该预测结果更加适应当前用户的真实需求。
示例的，预测打开参数如表1所示：
表1
示例的，假设预设概率为50％，继续按照表1，通过目标预测模型可以预测出15:00打开系统电量使用详情界面的概率为35％，该概率小于预设概率50％，因此该时间点无需执行省电操作；通过目标预测模型可以预测出16:00打开系统电量使用详情界面的概率为40％，该概率小于预设概率50％，因此该时间点无需执行省电操作；通过目标预测模型可以预测出18:00打开系统电量使用详情界面的概率为60％，该概率大于预设概率50％，因此该时间点确定需要执行省电操作，为了避免用户在该时间点时手动执行省电操作，终端设备会在18:00之前执行省电操作。
本公开的实施例提供的技术方案可以包括以下有益效果：使用概率来作为评估是否执行省电操作的参数，可以提升预测的范围，从而提升预测的准确性。
其中，在概率大于预设概率时，在概率对应的时间点之前执行省电操作包括：在距离概率对应的时间点达到设定时长时，执行省电操作。
也即，在概率对应的时间点之前执行省电操作，示例的，可以为概率对应的时间点之前的1分钟、2分钟、半小时或其他设定时长执行省电操作。
本公开的实施例提供的技术方案可以包括以下有益效果：在距离概率对应的时间点达到设定时长时，执行省电操作，可以避免到达时间点后，由于延时，而未进行省电操作，使得用户体验较差。
示例的，省电操作至少包括以下操作中的至少一项：释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
其中，释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
其中，减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
本公开的实施例提供的技术方案可以包括以下有益效果：由于终端设备中的电池电量有限，因此通过减少终端设备中的耗电行为可以有效节省终端设备的电池电量。
在一个实施例中，上述方法还包括以下子步骤A1-A2：
在A1中，获取模型训练样本，模型训练样本中包括：终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点。
在A2中，根据模型训练样本对预设模型进行训练得到目标预测模型；目标预测模型可以根据当前终端设备的耗电指标预测出终端设备中的系统电量使用详情界面被打开的时间点的概率。
因为目标预测模型是与时间相关的预测，因此上述预设模型包括：长短期记忆(Long Short-Term Memory，简称为：LSTM)网络，使用监督学习的方法根据模型训练样本对预设模型进行训练以得到目标预测模型。
目标预测模型的训练完成后，目标预测模型的输入，就是终端设备的当前耗电指标，目标预测模型的输出，就是预测用户未来的时间里，可能打开电量使用详情界面的概率，也就是预测用户未来的时间里用户感觉到耗电的概率。
通过使用终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预测模型进行训练，从而使得得到的目标预测模型更加符合当前用户的需求，从而提升了用户体验。
在一个实施例中，上述步骤A1包括以下子步骤B1-B2：
在B1中，获取终端设备的系统日志。
通过解析终端设备系统里的event log，和系统dumpsys的输出信息，得到详细的系统日志。
在B2中，从系统日志中解析出模型训练样本。
在获取的系统日志中，解析出每个APP的对wakelock的历史持有时间，网络扫描的历史频率和历史时间点，wakeup对APP的历史唤醒时间点等信息，提取出来该些信息作为模型训练样本，根据用户是否打开系统电量使用详情界面，标记出当前样本，是属于打开系统电量使用详情界面的样本，还是非打开系统电量使用详情界面的样本，也即，标记处当前赝本是属于耗电样本，还是非耗电样本。
在一个实施例中，上述步骤S101之前包括以下子步骤：
当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
根据电量下降作为触发条件，预测用户可能打开电量使用详情界面的时间点的概率。
在一种可实现方式中，可以检测是否接收到电量下降的广播，也可以主动去获取终端设备的电量，以在终端设备的电量下降预设数值时，便获取当前终端设备的耗电指标，从而预测用户可能打开电量使用详情界面的时间点的概率。
通过电量下降作为触发条件，可以使得预测更加可靠。
图2是根据一示例性实施例示出的一种终端设备功耗优化方法的流程图，如图2所示，包括以下步骤：
在S201中，获取终端设备的系统日志。
在S202中，从系统日志中解析出模型训练样本，模型训练样本中包括：终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点；终端设备的历史耗电指标至少包括以下指标中的至少一项：终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及终端设备中每个应用程序的历史唤醒时间点。
在S203中，根据模型训练样本对预设模型进行训练得到目标预测模型；目标预测模型可以根据当前终端设备的耗电指标预测出终端设备中的系统电量使用详情界面被打开的时间点的概率。
在S204中，当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标；终端设备的当前耗电指标至少包括以下指标中的至少一项：终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及终端设备中每个应用程序的唤醒时间点。
在S205中，根据当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数；预测打开参数包括：预测打开系统电量使用详情界面的时间点，以及每个时间点对应的打开系统电量使用详情界面的概率；目标预测模型为根据终端设备的历史耗电指标以及终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的。
在S206中，在概率大于预设概率时，在概率对应的时间点之前执行省电操作；省电操作至少包括以下操作中的至少一项：释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
释放应用程序持有的唤醒锁，包括：释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；或者，释放耗电量大于预设电量的应用程序持有的唤醒锁。
减少被唤醒的应用程序的数量，包括：不唤醒后台中预设时间内没有被使用的应用程序；或者，不唤醒耗电量大于预设电量的应用程序。
本公开中，利用机器学习，学习耗电指标和用户感觉是否耗电之间的关系，这样，通过监控这些耗电指标的协同变化，模型就能预测出用户是否觉得耗电。当预测出用户觉得某一个时间点比较耗电时，在该时间点到来之前做省电优化。从而实现个性化的省电方案，避免千人一面的解决方案。也即，利用机器学习，可以根据每个用户的实际使用情况，设定不同的，合适各个用户的省电策略的触发阈值。
下述为本公开装置实施例，可以用于执行本公开方法实施例。
图3是根据一示例性实施例示出的一种终端设备功耗优化装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图3所示，该终端设备功耗优化装置包括：
第一获取模块11，用于获取终端设备的当前耗电指标。
第二获取模块12，用于根据所述第一获取模块11获取的所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的。
执行模块13，用于在所述第二获取模块12获取的所述预测打开参数满足设定条件时，执行省电操作。
在一个实施例中，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
在一个实施例中，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
如图4所示，所述执行模块13，包括：第一执行子模块131；
所述第一执行子模块131，用于在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
在一个实施例中，如图5所示，所述第一执行子模块131包括：第二执行子模块1311；
所述第二执行子模块1311，用于在距离所述概率对应的时间点达到设定时长时，执行省电操作。
在一个实施例中，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
在一个实施例中，如图6所示，所述装置还包括：第三获取模块14和训练模块15；
所述第三获取模块14，用于获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
所述训练模块15，用于根据所述第三获取模块14获取的所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
在一个实施例中，如图7所示，所述第三获取模块14包括：第一获取子模块141和解析子模块142；
所述第一获取子模块141，用于获取所述终端设备的系统日志；
所述解析子模块142，用于从所述第一获取子模块141获取的所述系统日志中解析出所述模型训练样本。
在一个实施例中，所述预设模型包括：长短期记忆网络。
在一个实施例中，如图8所示，所述训练模块15包括：训练子模块151；
所述训练子模块151，用于使用监督学习的方法根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
在一个实施例中，如图9所示，所述第一获取模块11包括：第二获取子模块111；
所述第二获取子模块111，用于当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
在一个实施例中，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
在一个实施例中，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
根据本公开实施例的第三方面，提供一种终端设备功耗优化装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
获取终端设备的当前耗电指标；
根据所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
在所述预测打开参数满足设定条件时，执行省电操作。
上述处理器还可被配置为：
在一个实施例中，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
在一个实施例中，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
所述在所述预测打开参数满足设定条件时，执行省电操作，包括：
在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
在一个实施例中，所述在所述概率对应的时间点之前，执行省电操作，包括：
在距离所述概率对应的时间点达到设定时长时，执行省电操作。
在一个实施例中，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
在一个实施例中，所述根据所述当前终端设备的耗电指标和目标预测模型获取所述终端设备中的系统电量使用详情界面被打开的时间点的概率之前，所述方法还包括：
获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
根据所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
在一个实施例中，所述获取模型训练样本，包括：
获取所述终端设备的系统日志；
从所述系统日志中解析出所述模型训练样本。
在一个实施例中，所述预设模型包括：长短期记忆网络。
在一个实施例中，所述根据所述模型训练样本对预设模型进行训练得到目标预测模型，包括：
使用监督学习的方法根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
在一个实施例中，所述获取当前终端设备的耗电指标，包括：
当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
在一个实施例中，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
在一个实施例中，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图10是根据一示例性实施例示出的一种用于终端设备功耗优化装置80的框图，该装置适用于终端设备。例如，装置80可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
装置80可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置80的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置80的操作。这些数据的示例包括用于在装置80上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置80的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置80生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置80和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置80处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置80处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置80提供各个方面的状态评估。例如，传感器组件814可以检测到装置80的打开/关闭状态，组件的相对定位，例如所述组件为装置80的显示器和小键盘，传感器组件814还可以检测装置80或装置80一个组件的位置改变，用户与装置80接触的存在或不存在，装置80方位或加速/减速和装置80的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置80和其他设备之间有线或无线方式的通信。装置80可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置80可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子组件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置80的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置80的处理器执行时，使得装置80能够执行上述的终端设备功耗优化方法，所述方法包括：
获取终端设备的当前耗电指标；
根据所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
在所述预测打开参数满足设定条件时，执行省电操作。
在一个实施例中，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
在一个实施例中，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
所述在所述预测打开参数满足设定条件时，执行省电操作，包括：
在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
在一个实施例中，所述在所述概率对应的时间点之前，执行省电操作，包括：
在距离所述概率对应的时间点达到设定时长时，执行省电操作。
在一个实施例中，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
在一个实施例中，所述根据所述当前终端设备的耗电指标和目标预测模型获取所述终端设备中的系统电量使用详情界面被打开的时间点的概率之前，所述方法还包括：
获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
根据所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
在一个实施例中，所述获取模型训练样本，包括：
获取所述终端设备的系统日志；
从所述系统日志中解析出所述模型训练样本。
在一个实施例中，所述预设模型包括：长短期记忆网络。
在一个实施例中，所述根据所述模型训练样本对预设模型进行训练得到目标预测模型，包括：
使用监督学习的方法根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
在一个实施例中，所述获取当前终端设备的耗电指标，包括：
当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
在一个实施例中，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
在一个实施例中，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (26)
1.一种终端设备功耗优化方法，其特征在于，包括：
获取终端设备的当前耗电指标；
根据所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
在所述预测打开参数满足设定条件时，执行省电操作。
2.根据权利要求1所述的方法，其特征在于，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
3.根据权利要求1所述的方法，其特征在于，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
所述在所述预测打开参数满足设定条件时，执行省电操作，包括：
在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
4.根据权利要求3所述的方法，其特征在于，所述在所述概率对应的时间点之前，执行省电操作，包括：
在距离所述概率对应的时间点达到设定时长时，执行省电操作。
5.根据权利要求1所述的方法，其特征在于，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
根据所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
7.根据权利要求6所述的方法，其特征在于，所述获取模型训练样本，包括：
获取所述终端设备的系统日志；
从所述系统日志中解析出所述模型训练样本。
8.根据权利要求6所述的方法，其特征在于，所述预设模型包括：长短期记忆网络。
9.根据权利要求8所述的方法，其特征在于，所述根据所述模型训练样本对预设模型进行训练得到目标预测模型，包括：
使用监督学习的方法根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
10.根据权利要求1所述的方法，其特征在于，所述获取当前终端设备的耗电指标，包括：
当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
11.根据权利要求1所述的方法，其特征在于，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
12.根据权利要求1所述的方法，其特征在于，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
13.一种终端设备功耗优化装置，其特征在于，包括：
第一获取模块，用于获取终端设备的当前耗电指标；
第二获取模块，用于根据所述第一获取模块获取的所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
执行模块，用于在所述第二获取模块获取的所述预测打开参数满足设定条件时，执行省电操作。
14.根据权利要求13所述的装置，其特征在于，所述终端设备的当前耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的持有时间、网络扫描的频率和时间点，以及所述终端设备中每个应用程序的唤醒时间点；
所述终端设备的历史耗电指标至少包括以下指标中的至少一项：
所述终端设备中每个应用程序对唤醒锁的历史持有时间、网络扫描的历史频率和历史时间点，以及所述终端设备中每个应用程序的历史唤醒时间点。
15.根据权利要求13所述的装置，其特征在于，所述预测打开参数包括如下之一或组合：
至少一个打开所述系统电量使用详情界面的概率达到设定值的时间点；
至少一个时间点以及每个所述时间点对应的打开所述系统电量使用详情界面的概率；
所述执行模块，包括：第一执行子模块；
所述第一执行子模块，用于在所述概率大于预设概率时，在所述概率对应的时间点之前，执行省电操作。
16.根据权利要求15所述的装置，其特征在于，所述第一执行子模块包括：第二执行子模块；
所述第二执行子模块，用于在距离所述概率对应的时间点达到设定时长时，执行省电操作。
17.根据权利要求13所述的装置，其特征在于，所述省电操作至少包括以下操作中的至少一项：
释放应用程序持有的唤醒锁、减少网络扫描的频率以及减少被唤醒的应用程序的数量。
18.根据权利要求13所述的装置，其特征在于，所述装置还包括：第三获取模块和训练模块；
所述第三获取模块，用于获取模型训练样本，所述模型训练样本中包括：终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点；
所述训练模块，用于根据所述第三获取模块获取的所述模型训练样本对预设模型进行训练得到目标预测模型；所述目标预测模型可以根据当前终端设备的耗电指标预测出所述终端设备中的系统电量使用详情界面被打开的时间点的概率。
19.根据权利要求18所述的装置，其特征在于，所述第三获取模块包括：第一获取子模块和解析子模块；
所述第一获取子模块，用于获取所述终端设备的系统日志；
所述解析子模块，用于从所述第一获取子模块获取的所述系统日志中解析出所述模型训练样本。
20.根据权利要求18所述的装置，其特征在于，所述预设模型包括：长短期记忆网络。
21.根据权利要求20所述的装置，其特征在于，所述训练模块包括：训练子模块；
所述训练子模块，用于使用监督学习的装置根据所述模型训练样本对所述预设模型进行训练以得到所述目标预测模型。
22.根据权利要求13所述的装置，其特征在于，所述第一获取模块包括：第二获取子模块；
所述第二获取子模块，用于当检测到终端设备中的电量下降预设数值时，获取当前终端设备的耗电指标。
23.根据权利要求13所述的装置，其特征在于，所述释放应用程序持有的唤醒锁，包括：
释放后台中预设时间内没有被使用的应用程序所持有的唤醒锁；
或者，
释放耗电量大于预设电量的应用程序持有的唤醒锁。
24.根据权利要求13所述的装置，其特征在于，所述减少被唤醒的应用程序的数量，包括：
不唤醒后台中预设时间内没有被使用的应用程序；
或者，
不唤醒耗电量大于预设电量的应用程序。
25.一种终端设备功耗优化装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取终端设备的当前耗电指标；
根据所述当前耗电指标和目标预测模型获取系统电量使用详情界面的预测打开参数，所述目标预测模型为根据所述终端设备的历史耗电指标以及所述终端设备中的系统电量使用详情界面被打开的历史时间点对预设模型训练得到的；
在所述预测打开参数满足设定条件时，执行省电操作。
26.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至12中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910205175.9A CN111722695B (zh) | 2019-03-18 | 2019-03-18 | 终端设备功耗优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910205175.9A CN111722695B (zh) | 2019-03-18 | 2019-03-18 | 终端设备功耗优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111722695A true CN111722695A (zh) | 2020-09-29 |
| CN111722695B CN111722695B (zh) | 2022-03-25 |
Family
ID=72562322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910205175.9A Active CN111722695B (zh) | 2019-03-18 | 2019-03-18 | 终端设备功耗优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111722695B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116107412A (zh) * | 2022-06-27 | 2023-05-12 | 荣耀终端有限公司 | 功耗优化方法和设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090228725A1 (en) * | 2008-03-10 | 2009-09-10 | Verdiem Corporation | System and Method for Computer Power Control |
| CN107666540A (zh) * | 2017-10-17 | 2018-02-06 | 北京小米移动软件有限公司 | 终端控制方法、装置及存储介质 |
| CN107678803A (zh) * | 2017-09-30 | 2018-02-09 | 广东欧珀移动通信有限公司 | 应用管控方法、装置、存储介质及电子设备 |
| CN107704876A (zh) * | 2017-09-30 | 2018-02-16 | 广东欧珀移动通信有限公司 | 应用控制方法、装置、存储介质以及电子设备 |
| CN108337358A (zh) * | 2017-09-30 | 2018-07-27 | 广东欧珀移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
| CN108376028A (zh) * | 2018-01-09 | 2018-08-07 | 北京大学 | 基于用户行为和系统状态预测移动设备电池续航的方法 |
| CN109117874A (zh) * | 2018-07-25 | 2019-01-01 | 北京小米移动软件有限公司 | 操作行为预测方法及装置 |
-
2019
- 2019-03-18 CN CN201910205175.9A patent/CN111722695B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090228725A1 (en) * | 2008-03-10 | 2009-09-10 | Verdiem Corporation | System and Method for Computer Power Control |
| CN107678803A (zh) * | 2017-09-30 | 2018-02-09 | 广东欧珀移动通信有限公司 | 应用管控方法、装置、存储介质及电子设备 |
| CN107704876A (zh) * | 2017-09-30 | 2018-02-16 | 广东欧珀移动通信有限公司 | 应用控制方法、装置、存储介质以及电子设备 |
| CN108337358A (zh) * | 2017-09-30 | 2018-07-27 | 广东欧珀移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
| CN107666540A (zh) * | 2017-10-17 | 2018-02-06 | 北京小米移动软件有限公司 | 终端控制方法、装置及存储介质 |
| CN108376028A (zh) * | 2018-01-09 | 2018-08-07 | 北京大学 | 基于用户行为和系统状态预测移动设备电池续航的方法 |
| CN109117874A (zh) * | 2018-07-25 | 2019-01-01 | 北京小米移动软件有限公司 | 操作行为预测方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116107412A (zh) * | 2022-06-27 | 2023-05-12 | 荣耀终端有限公司 | 功耗优化方法和设备 |
| CN116107412B (zh) * | 2022-06-27 | 2023-10-27 | 荣耀终端有限公司 | 功耗优化方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111722695B (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107919123B (zh) | 多语音助手控制方法、装置及计算机可读存储介质 | |
| CN106375604B (zh) | 控制终端电量的方法和装置 | |
| CN105979088B (zh) | 消息推送方法及装置 | |
| CN109947496B (zh) | 应用程序预加载方法、装置、存储介质及移动终端 | |
| US10409684B2 (en) | Method, device and storage medium for cleaning memory | |
| CN104951335B (zh) | 应用程序安装包的处理方法及装置 | |
| US20160283022A1 (en) | Method and Device for Awakening an Element | |
| CN109361818A (zh) | 充电提醒方法、装置、存储介质和终端 | |
| CN105573472A (zh) | 一种关闭应用程序的方法和装置 | |
| RU2643516C2 (ru) | Способ и устройство для управления потребляемой мощностью | |
| CN106843706B (zh) | 关机控制方法、装置和终端设备 | |
| CN107943269A (zh) | 调度作业控制方法、装置、终端设备及存储介质 | |
| CN107659717B (zh) | 状态检测方法、装置和存储介质 | |
| CN107885307B (zh) | 设备控制方法及装置 | |
| CN105720644A (zh) | 充电控制方法、装置和终端设备 | |
| CN111857849A (zh) | 唤醒处理方法、装置、电子设备及存储介质 | |
| CN111722695B (zh) | 终端设备功耗优化方法及装置 | |
| CN109062625B (zh) | 应用程序加载的方法、装置及可读存储介质 | |
| CN107368175B (zh) | 降低终端功耗的处理方法、装置及终端 | |
| CN111240456A (zh) | 省电设置方法、省电设置装置及计算机存储介质 | |
| CN113361305A (zh) | 指纹采集方法、电子设备和计算机可读存储介质 | |
| CN112752328A (zh) | 网络控制方法、装置及存储介质 | |
| CN107885308A (zh) | 省电方法及装置 | |
| CN105188112A (zh) | 休眠状态的控制方法及装置 | |
| CN107979695B (zh) | 网络消息接收方法及装置、存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |