CN114047710A - 智能家居数据分析方法、装置、终端设备以及存储介质 - Google Patents
智能家居数据分析方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN114047710A CN114047710A CN202111321447.5A CN202111321447A CN114047710A CN 114047710 A CN114047710 A CN 114047710A CN 202111321447 A CN202111321447 A CN 202111321447A CN 114047710 A CN114047710 A CN 114047710A
- Authority
- CN
- China
- Prior art keywords
- intelligent household
- data analysis
- data
- operation data
- historical
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012800 visualization Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- 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
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种智能家居数据分析方法、装置、终端设备以及存储介质。方法包括:获取每个智能家居设备的运行数据并储存至历史数据库中;从历史数据库中获取每个智能家居设备的目标运行数据,将目标运行数据输入至数据分析引擎中,以使数据分析引擎调用与相对应的数据分析模型对目标运行数据进行分析,得到每个智能家居设备的数据分析结果,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至目标终端进行可视化;从历史数据库中获取每个智能家居设备的历史运行数据,根据历史运行数据生成用户的设备使用偏好信息。本发明实施例解决了现有技术中智能家居设备的管理效率低下的技术问题。
Description
技术领域
本申请实施例涉及智能家居设备领域,尤其涉及一种智能家居数据分析方法、装置、终端设备以及存储介质。
背景技术
目前,随着物联网技术的不断发展,智能家居设备已经逐渐取代了传统的家居,给人们的生活带来了许多便捷。然而,现有技术中控制中心只能够对智能家居设备进行控制以及检测智能家居设备的状态,并无法对智能家居设备的数据进行分析,用户无法掌握智能家居设备整体的运行状态,导致智能家居设备的管理效率低下。
发明内容
本发明实施例提供了一种智能家居数据分析方法、装置、终端设备以及存储介质,解决了现有技术中智能家居设备的管理效率低下的技术问题。
第一方面,本发明实施例提供了一种智能家居数据分析方法,包括以下步骤:
获取每个智能家居设备的运行数据,将每个所述智能家居设备的运行数据储存至历史数据库中;
从所述历史数据库中获取每个所述智能家居设备的目标运行数据;
将每个所述智能家居设备的目标运行数据输入至数据分析引擎中,以使所述数据分析引擎调用与每个所述智能家居设备相对应的数据分析模型,根据所述数据分析模型对每个所述智能家居设备的目标运行数据进行分析,得到每个所述智能家居设备的数据分析结果,调用与每个所述智能家居设备相对应的分发规则,根据所述分发规则将相对应的数据分析结果发送至目标终端进行可视化;
从所述历史数据库中获取每个所述智能家居设备的历史运行数据,根据所述历史运行数据生成用户的设备使用偏好信息。
优选的,所述获取每个智能家居设备的运行数据之前,还包括以下步骤:
设置每个所述智能家居设备的配置信息,将所述配置信息发送至所述数据分析引擎,以使所述数据分析引擎根据所述配置信息,生成每个所述智能家居设备的分发规则。
优选的,所述获取到每个智能家居设备的运行数据后,将每个所述智能家居设备的运行数据储存至所述历史数据库中之前,还包括以下步骤:
对每个所述智能家居设备的运行数据进行预处理。
优选的,所述对每个所述智能家居设备的运行数据进行预处理的具体过程为:
将每个所述智能家居设备的运行数据转化为预设格式的运行数据。
优选的,所述数据分析模型包括用电量计算模型、故障概率计算模型以及损耗程度计算模型。
优选的,所述从所述历史数据库中获取每个所述智能家居设备的历史运行数据,根据所述历史运行数据生成用户的设备使用偏好信息的具体过程为:
从所述历史数据库中获取每个所述智能家居设备的历史运行数据,对每个所述智能家居设备的历史运行数据进行状态分析,得到每个所述智能家居设备的历史运行状态;
根据每个所述智能家居设备的历史运行状态,生成用户的设备使用偏好信息。
优选的,所述根据每个所述智能家居设备的历史运行状态,生成用户的设备使用偏好信息的具体过程为:
根据每个所述智能家居设备的历史运行状态,确定每个所述智能家居设备的运行状态变化趋势,根据每个所述智能家居设备的运行状态变化趋势,确定用户对每个所述智能家居设备的使用偏好,根据所述使用偏好生成设备使用偏好信息。
第二方面,本发明实施例提供了一种智能家居数据分析装置,包括运行数据获取模块、目标数据获取模块、数据分析模块以及偏好信息生成模块;
所述运行数据获取模块用于获取每个智能家居设备的运行数据,将每个所述智能家居设备的运行数据储存至历史数据库中;
所述目标数据获取模块用于从所述历史数据库中获取每个所述智能家居设备的目标运行数据;
所述数据分析模块用于将每个所述智能家居设备的目标运行数据输入至数据分析引擎中,以使所述数据分析引擎调用与每个所述智能家居设备相对应的数据分析模型,根据所述数据分析模型对每个所述智能家居设备的目标运行数据进行分析,得到每个所述智能家居设备的数据分析结果,调用与每个所述智能家居设备相对应的分发规则,根据所述分发规则将相对应的数据分析结果发送至目标终端进行可视化;
所述偏好信息生成模块用于从所述历史数据库中获取每个所述智能家居设备的历史运行数据,根据所述历史运行数据生成用户的设备使用偏好信息。
第三方面,本发明实施例提供了一种终端设备,所述终端设备包括处理器以及存储器;
所述存储器用于存储计算机程序,并将所述计算机程序传输给所述处理器;
所述处理器用于根据所述计算机程序中的指令执行如第一方面所述的一种智能家居数据分析方法。
第四方面,本发明实施例提供了一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的智能家居数据分析方法。
上述,本发明实施例通过获取每个智能家居设备的运行数据,将每个智能家居设备的运行数据储存至历史数据库中;从历史数据库中获取每个智能家居设备的目标运行数据;将每个智能家居设备的目标运行数据输入至数据分析引擎中,以使数据分析引擎调用与每个智能家居设备相对应的数据分析模型,根据数据分析模型对每个智能家居设备的目标运行数据进行分析,得到每个智能家居设备的数据分析结果,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至目标终端进行可视化;从历史数据库中获取每个智能家居设备的历史运行数据,根据历史运行数据生成用户的设备使用偏好信息。
本发明实施例通过使用数据分析引擎对目标运行数据进行分析,从而得到智能家居设备的数据分析结果,使得用户能够掌握智能家居设备整体的运行状态,并且根据每个智能家居设备的历史运行数据生成用户的设备使用偏好信息,从而能够获知历史以来用户对智能家居设备的使用情况,提高了对智能家居设备的管理效率,解决了现有技术中智能家居设备的管理效率低下的技术问题。
附图说明
图1为本发明实施例提供的一种智能家居数据分析方法的方法流程图。
图2为本发明实施例提供的另一种智能家居数据分析方法的方法流程图。
图3为本发明实施例提供的一种智能家居数据分析装置的结构示意图。
图4为本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述和附图充分地示出本申请的具体实施方案,以使本领域的技术人员能够实践它们。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本申请的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,各实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中,诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来,而不要求或者暗示这些实体或操作之间存在任何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。本文中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的结构、产品等而言,由于其与实施例公开的部分相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
实施例一
如图1所示,图1为本发明实施例提供的一种智能家居数据分析方法的流程图。本发明实施例提供的智能家居数据分析方法可以由智能家居数据分析设备执行,该智能家居数据分析设备可以通过软件和/或硬件的方式实现,该智能家居数据分析设备可以是两个或多个物理实体构成,也可以由一个物理实体构成。例如智能家居数据分析设备可以是电脑、上位机、服务器、平板等设备。
方法包括以下步骤:
步骤101、获取每个智能家居设备的运行数据,将每个智能家居设备的运行数据储存至历史数据库中。
在本实施例中,首先需要获取每个智能家居设备的运行数据,在获取到每个智能家居的运行数据后,将智能家居设备的运行数据储存到历史数据库中。其中,需要进一步说明的是,运行数据包括智能家居设备的动作数据以及智能家居设备的状态数据;动作数据即为智能家居设备当前的动作行为,例如智能风扇设备的扇叶马达的旋转角度以及旋转速度,角度变换马达的旋转角度以及旋转速度等。状态数据即为智能家居设备当前的工作电压数据、工作电流数据以及发热数据等,状态数据可通过传感器检测得到。
步骤102、从历史数据库中获取每个智能家居设备的目标运行数据。
将智能家居设备的运行数据储存至历史数据库后,即可从历史数据库中获取每个智能家居设备的目标运行数据。在一个实施例中,用户可以根据需要预先设置数据获取规则,根据数据获取规则对运行数据进行过滤,从而得到目标数据。示例性的,用户在数据获取规则中设置目标时间范围,之后,即可根据用户设置的目标时间范围,在历史数据库中获取目标时间范围内每个智能家居的运行数据作为目标运行数据。
步骤103、将每个智能家居设备的目标运行数据输入至数据分析引擎中,以使数据分析引擎调用与每个智能家居设备相对应的数据分析模型,根据数据分析模型对每个智能家居设备的目标运行数据进行分析,得到每个智能家居设备的数据分析结果,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至目标终端进行可视化。
在得到每个智能家居设备的目标运行数据后,将每个智能家居设备的目标运行数据输入到数据分析引擎中,数据分析引擎在得到目标运行数据后,调用与每个智能家居设备相对应的数据分析模型,数据分析模型对每个智能家居设备的目标运行数据进行分析,从而得到每个智能家居设备的数据分析结果。示例性的,在一个实施例中,数据分析模型对目标运行数据进行分析处理,得到智能家居设备的用电量、预测故障以及损耗程度等,从而得到智能家居设备的数据分析结果。
在得到数据分析结果后,进一步调用和每个智能家居设备相对应的分发规则,根据分发规则,将智能家居设备的数据分析结果发送至对应的目标终端中进行可视化显示,从而使得用户能够得知每个智能家居设备整体的运行状态。其中,需要说明的是,分发规则中设置有与每个智能家居设备相对应的目标终端,目标终端的数量可根据实际需要进行设置,在本实施例中不对目标终端的数量进行具体限定。
步骤104、从历史数据库中获取每个智能家居设备的历史运行数据,根据历史运行数据生成用户的设备使用偏好信息。
本实施例中,在将每个智能家居设备的数据分析结果发送到目标终端后,还从历史数据库中获取每个智能家居设备的历史运行数据,根据每个智能家居设备的历史运行数据,生成用户的设备使用偏好信息。示例性的,在一个实施例中,对目标运行数据中的状态数据以及动作数据进行分析,确定每个智能家居设备的历史运行状态,根据历史运行状态生成用户的设备使用偏好信息。需要进一步说明的是,设备使用偏好信息中包括了用户对每一件智能家居设备的使用偏好。
上述,本发明实施例通过使用数据分析引擎对目标运行数据进行分析,从而得到智能家居设备的数据分析结果,使得用户能够掌握智能家居设备整体的运行状态,并且根据每个智能家居设备的历史运行数据生成用户的设备使用偏好信息,从而能够获知历史以来用户对智能家居设备的使用情况,提高了对智能家居设备的管理效率,解决了现有技术中智能家居设备的管理效率低下的技术问题。
实施例二
如图2所示,图2为本发明实施例提供的另一种智能家居数据分析方法的方法流程图,包括以下步骤:
步骤201、设置每个智能家居设备的配置信息,将配置信息发送至数据分析引擎,以使数据分析引擎根据配置信息,生成每个智能家居设备的分发规则。
在本实施例中,首先需要设置每个智能家居设备的配置信息,即设置与每个智能家居相对应的目标终端。可理解,与每个智能家居相对应的目标终端可根据实际需要进行设置,目标终端的数量也可以灵活选取,在本实施例中不对目标终端进行具体限定。设置完成后,将每个智能家居设备的配置信息发送到数据分析引擎中,数据分析引擎在接收到配置信息后,即可根据配置信息生成每个智能家居设备的分发规则,以便后续进行调用。
步骤202、获取每个智能家具设备的运行数据,将每个智能家居设备的运行数据储存至历史数据库中。
在上述实施例的基础上,获取到每个智能家居设备的运行数据后,将每个智能家居设备的运行数据储存至历史数据库中之前,还包括以下步骤:
对每个智能家居设备的运行数据进行预处理。
在本实施例中,在获取到每个智能家居的设备的运行数据后,还需要对每个智能家居设备的运行数据进行预处理,再将经过预处理后的运行数据储存至历史数据库中。
在一个实施例中,对每个智能家居设备的运行数据进行预处理的具体过程为:
将每个智能家居设备的运行数据转化为预设格式的运行数据。
通过将每个智能家居设备的运行数据转化为预设格式的运行数据,从而使得运行数据的格式均统一格式,以方便后续对运行数据进行分析处理。
步骤203、从历史数据库中获取每个智能家居设备的目标运行数据。
步骤204、将每个智能家居设备的目标运行数据输入至数据分析引擎中,以使数据分析引擎调用与每个智能家居设备相对应的数据分析模型,根据数据分析模型对每个智能家居设备的目标运行数据进行分析,得到每个智能家居设备的数据分析结果,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至目标终端进行可视化。
在上述实施例的基础上,数据分析模型包括用电量计算模型,故障预测模型以及损耗量计算模型。
需要进一步说明的是,在本实施例中,数据分析模型包括了用电量计算模型,故障预测模型以及损耗量计算模型,每一类智能家居设备分别对应一个用电量计算模型、故障预测模型以及损耗量计算模型。在一个实施例中,每个智能家居设备的运行数据中包括有该智能家居设备的类型信息,每个用电量计算模型、每个故障预测模型以及每个损耗量计算模型中均包括不同智能家居设备的类型信息,数据分析引擎在接收到目标运行数据后,从目标运行数据中提取出类型信息,并根据类型信息,调用具有相同类型信息的数据分析模型,并将目标运行数据输入至对应的数据分析模型中。
在本实施例中,运行数据包括智能家居设备的状态数据以及智能家居设备的动作数据。数据分析引擎在获取到每个智能家居设备的目标运行数据后,将目标运行数据中的状态数据输入至对应的用电量计算模型以及对应故障预测模型中,将目标运行数据中的动作数据输入至对应的损耗量计算模型中,用电量计算模型输出智能家居设备的用电量,故障预测模型输出智能家居设备的预测故障,损耗量计算模型输出智能家居设备的损耗量,从而得到每个智能家居设备的数据分析结果。可理解,若目标运行数据为某一时间段内的运行数据,则用电量计算模型只能够输出该时间段内智能家居设备的用电量,故障预测模型只能够输出该时间段内智能家居设备的预测故障,损耗量计算模型只能够输出该时间段内智能家居设备的损耗量。
需要进一步说明的是,在本实施例中,用电量计算模型以及故障预测模型均通过预先对神经网络模型进行训练得到。示例性的,在一个实施例中,获取不同类型的智能家居设备的历史状态数据作为训练集,并在训练集中标注出历史用电量,将不同类型的智能家居设备的训练集输入到不同的神经网络模型中训练,直至神经网络模型输出的用电量与标注的历史用电量的误差在预设阈值内,从而得到训练好的用电量计算模型,利用不同的用电量计算模型即可对对应类型的智能家居设备的用电量进行计算。
对于故障预测模型,则获取不同类型的智能家居设备的发生故障时的历史状态数据作为训练集,并在训练集中标注出故障类型,将不同类型的智能家居设备的训练集输入到不同的神经网络模型中训练,直至神经网络模型的输出误差在预设阈值内,从而得到训练好的故障预测模型,利用不同的故障预测模型即可对对应类型的智能家居设备的故障进行预测。
对于损耗量计算模型,不同的损耗量计算模型中设置有不同损耗量计算规则,损耗量计算规则中智能家居设备的每个动作行为具有不同的磨损分数,通过计算磨损分数来确定智能家居设备的损耗量,损耗量计算规则可根据不同类型的智能家居设备进行设置。示例性的,在一个实施例中,智能风扇对应的损耗量计算模型中,损耗量计算规则中规定,智能风扇的扇叶转动一次对应第一损耗分数,智能风扇的扇头左右转动一次对应第二损耗分数,损耗量计算模型根据目标运行数据中的动作数据,统计出智能风扇的扇头左右转动次数以及扇叶转动次数,分别将扇叶转动次数乘以第一损耗分数,将扇头左右转动次数乘以第二损耗分数,并将两个相乘的结果进行相加,即可得到智能风扇的损耗量。
数据分析引擎在得到每个智能家居设备的数据分析结果后,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至对应的目标终端进行可视化。在一个实施例中,运行数据中包括有设备标识,数据分析引擎对目标运行数据进行分析得到的数据分析结果中同样包括有设备标识,分发规则中也同样包括有设备标识,数据分析引擎根据数据分析结果中的设备标识,来调用具有相同设备标识的分发规则。
步骤205、从历史数据库中获取每个智能家居设备的历史运行数据,对每个智能家居设备的历史运行数据进行状态分析,得到每个智能家居设备的历史运行状态。
在将数据分析结果发送到目标终端后,还从历史数据库中获取每个智能家居设备的历史运行数据,之后,对每个智能家居设备的历史运行数据进行状态分析,从而得到每个智能家居设备的历史运行状态。示例性的,在一个实施例中,根据历史运行数据中的状态数据,从而确定出智能家居设备历史上所处的工作模式,例如,根据状态数据中的工作电压数据以及工作电流数据,计算智能家居设备的工作功率,根据工作功率确定智能家居设备历史上的所处的工作模式。根据历史运行数据中的动作数据,确定出智能家居设备历史上的动作行为,从而得到每个智能家居设备的历史运行状态。
步骤206、根据每个智能家居设备的历史运行状态,生成用户的设备使用偏好信息。
在得到每个智能家居设备的历史运行状态后,根据历史运行状态即可确定确定出用户对历史上每个智能家居设备的使用偏好,从而生成用户的设备使用偏好信息。
在上述实施例的基础上,根据每个智能家居设备的历史运行状态,生成用户的设备使用偏好信息的具体过程为:
根据每个智能家居设备的历史运行状态,确定每个智能家居设备的运行状态变化趋势,根据每个智能家居设备的运行状态变化趋势,确定用户对每个智能家居设备的使用偏好,根据使用偏好生成设备使用偏好信息。
在得到每个智能家居设备的历史运行状态后,确定出每个智能家居设备的运行状态变化趋势,包括工作模式变化趋势以及动作行为变化趋势,并从运行状态变化趋势中,确定出智能家居设备运行时间最长的第一工作模式以及运行时间最长的第一动作行为,并根据第一工作模型以及第一工作行为,确定用户对每个智能家居设备的使用偏好,根据使用偏好生成设备使用偏好信息。
上述,本发明实施例通过使用数据分析引擎对目标运行数据进行分析,从而得到智能家居设备的数据分析结果,使得用户能够掌握智能家居设备整体的运行状态,并且根据每个智能家居设备的历史运行数据生成用户的设备使用偏好信息,从而能够获知历史以来用户对智能家居设备的使用情况,提高了对智能家居设备的管理效率,解决了现有技术中智能家居设备的管理效率低下的技术问题。
实施例三
如图3所示,图3为本发明实施例提供的一种智能家居数据分析装置的结构示意图,包括运行数据获取模块301、目标数据获取模块302、数据分析模块303以及偏好信息生成模块304;
运行数据获取模块301用于获取每个智能家具设备的运行数据,将每个智能家居设备的运行数据储存至历史数据库中;
目标数据获取模块302用于从历史数据库中获取每个智能家居设备的目标运行数据;
数据分析模块303用于将每个智能家居设备的目标运行数据输入至数据分析引擎中,以使数据分析引擎调用与每个智能家居设备相对应的数据分析模型,根据数据分析模型对每个智能家居设备的目标运行数据进行分析,得到每个智能家居设备的数据分析结果,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至目标终端进行可视化;
偏好信息生成模块304用于从历史数据库中获取每个智能家居设备的历史运行数据,根据历史运行数据生成用户的设备使用偏好信息。
在上述实施例的基础上,还包括配置信息设置模块,配置信息设置模块用于在获取每个智能家居设备的运行数据之前,设置每个智能家居设备的配置信息,将配置信息发送至数据分析引擎,以使数据分析引擎根据配置信息,生成每个智能家居设备的分发规则。
在上述实施例的基础上,还包括预处理模块,预处理模块用于在获取到每个智能家居设备的运行数据后,将每个智能家居设备的运行数据储存至历史数据库中之前,对每个智能家居设备的运行数据进行预处理。
在上述实施例的基础上,预处理模块用于对每个智能家居设备的运行数据进行预处理的具体过程为:
用于将每个智能家居设备的运行数据转化为预设格式的运行数据。
在上述实施例的基础上,数据分析模型包括用电量计算模型、故障概率计算模型以及损耗程度计算模型。
在上述实施例的基础上,数据分析模块303包括状态分析子模块以及偏好信息子模块;
状态分析子模块用于从历史数据库中获取每个智能家居设备的历史运行数据,对每个智能家居设备的历史运行数据进行状态分析,得到每个智能家居设备的历史运行状态;
偏好信息子模块用于根据每个智能家居设备的历史运行状态,生成用户的设备使用偏好信息。
在上述实施例的基础上,偏好信息子模块用于根据每个智能家居设备的历史运行状态,生成用户的设备使用偏好信息的具体过程为:
用于根据每个智能家居设备的历史运行状态,确定每个智能家居设备的运行状态变化趋势,根据每个智能家居设备的运行状态变化趋势,确定用户对每个智能家居设备的使用偏好,根据使用偏好生成设备使用偏好信息。
实施例四
本实施例还提供了一种终端设备,如图4所示,一种终端设备40,所述终端设备包括处理器400以及存储器401;
所述存储器401用于存储计算机程序402,并将所述计算机程序402传输给所述处理器;
所述处理器400用于根据所述计算机程序402中的指令执行上述的一种智能家居数据分析方法实施例中的步骤。
示例性的,所述计算机程序402可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器401中,并由所述处理器400执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序402在所述终端设备40中的执行过程。
所述终端设备40可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备40可包括,但不仅限于,处理器400、存储器401。本领域技术人员可以理解,图4仅仅是终端设备40的示例,并不构成对终端设备40的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备40还可以包括输入输出设备、网络接入设备、总线等。
所称处理器400可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器401可以是所述终端设备40的内部存储单元,例如终端设备40的硬盘或内存。所述存储器401也可以是所述终端设备40的外部存储终端设备,例如所述终端设备40上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器401还可以既包括所述终端设备40的内部存储单元也包括外部存储设备。所述存储器401用于存储所述计算机程序以及所述终端设备40所需的其他程序和数据。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例五
本发明实施例还提供一种包含计算机可控制请求指令的存储介质,所述计算机可控制请求指令在由计算机处理器执行时用于执行一种智能家居数据分析方法,该方法包括以下步骤:
获取每个智能家居设备的运行数据,将每个智能家居设备的运行数据储存至历史数据库中;
从历史数据库中获取每个智能家居设备的目标运行数据;
将每个智能家居设备的目标运行数据输入至数据分析引擎中,以使数据分析引擎调用与每个智能家居设备相对应的数据分析模型,根据数据分析模型对每个智能家居设备的目标运行数据进行分析,得到每个智能家居设备的数据分析结果,调用与每个智能家居设备相对应的分发规则,根据分发规则将相对应的数据分析结果发送至目标终端进行可视化;
从历史数据库中获取每个智能家居设备的历史运行数据,根据历史运行数据生成用户的设备使用偏好信息。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (10)
1.一种智能家居数据分析方法,其特征在于,包括以下步骤:
获取每个智能家居设备的运行数据,将每个所述智能家居设备的运行数据储存至历史数据库中;
从所述历史数据库中获取每个所述智能家居设备的目标运行数据;
将每个所述智能家居设备的目标运行数据输入至数据分析引擎中,以使所述数据分析引擎调用与每个所述智能家居设备相对应的数据分析模型,根据所述数据分析模型对每个所述智能家居设备的目标运行数据进行分析,得到每个所述智能家居设备的数据分析结果,调用与每个所述智能家居设备相对应的分发规则,根据所述分发规则将相对应的数据分析结果发送至目标终端进行可视化;
从所述历史数据库中获取每个所述智能家居设备的历史运行数据,根据所述历史运行数据生成用户的设备使用偏好信息。
2.根据权利要求1所述的一种智能家居数据分析方法,其特征在于,所述获取每个智能家居设备的运行数据之前,还包括以下步骤:
设置每个所述智能家居设备的配置信息,将所述配置信息发送至所述数据分析引擎,以使所述数据分析引擎根据所述配置信息,生成每个所述智能家居设备的分发规则。
3.根据权利要求1所述的一种智能家居数据分析方法,其特征在于,所述获取到每个智能家居设备的运行数据后,将每个所述智能家居设备的运行数据储存至所述历史数据库中之前,还包括以下步骤:
对每个所述智能家居设备的运行数据进行预处理。
4.根据权利要求3所述的一种智能家居数据分析方法,其特征在于,所述对每个所述智能家居设备的运行数据进行预处理的具体过程为:
将每个所述智能家居设备的运行数据转化为预设格式的运行数据。
5.根据权利要求1所述的一种智能家居数据分析方法,其特征在于,所述数据分析模型包括用电量计算模型、故障概率计算模型以及损耗程度计算模型。
6.根据权利要求1所述的一种智能家居数据分析方法,其特征在于,所述从所述历史数据库中获取每个所述智能家居设备的历史运行数据,根据所述历史运行数据生成用户的设备使用偏好信息的具体过程为:
从所述历史数据库中获取每个所述智能家居设备的历史运行数据,对每个所述智能家居设备的历史运行数据进行状态分析,得到每个所述智能家居设备的历史运行状态;
根据每个所述智能家居设备的历史运行状态,生成用户的设备使用偏好信息。
7.根据权利要求6所述的一种智能家居数据分析方法,其特征在于,所述根据每个所述智能家居设备的历史运行状态,生成用户的设备使用偏好信息的具体过程为:
根据每个所述智能家居设备的历史运行状态,确定每个所述智能家居设备的运行状态变化趋势,根据每个所述智能家居设备的运行状态变化趋势,确定用户对每个所述智能家居设备的使用偏好,根据所述使用偏好生成设备使用偏好信息。
8.一种智能家居数据分析装置,其特征在于,包括运行数据获取模块、目标数据获取模块、数据分析模块以及偏好信息生成模块;
所述运行数据获取模块用于获取每个智能家居设备的运行数据,将每个所述智能家居设备的运行数据储存至历史数据库中;
所述目标数据获取模块用于从所述历史数据库中获取每个所述智能家居设备的目标运行数据;
所述数据分析模块用于将每个所述智能家居设备的目标运行数据输入至数据分析引擎中,以使所述数据分析引擎调用与每个所述智能家居设备相对应的数据分析模型,根据所述数据分析模型对每个所述智能家居设备的目标运行数据进行分析,得到每个所述智能家居设备的数据分析结果,调用与每个所述智能家居设备相对应的分发规则,根据所述分发规则将相对应的数据分析结果发送至目标终端进行可视化;
所述偏好信息生成模块用于从所述历史数据库中获取每个所述智能家居设备的历史运行数据,根据所述历史运行数据生成用户的设备使用偏好信息。
9.一种终端设备,其特征在于,所述终端设备包括处理器以及存储器;
所述存储器用于存储计算机程序,并将所述计算机程序传输给所述处理器;
所述处理器用于根据所述计算机程序中的指令执行如权利要求1-7中任一项所述的一种智能家居数据分析方法。
10.一种存储计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的智能家居数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321447.5A CN114047710A (zh) | 2021-11-09 | 2021-11-09 | 智能家居数据分析方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321447.5A CN114047710A (zh) | 2021-11-09 | 2021-11-09 | 智能家居数据分析方法、装置、终端设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114047710A true CN114047710A (zh) | 2022-02-15 |
Family
ID=80207770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111321447.5A Pending CN114047710A (zh) | 2021-11-09 | 2021-11-09 | 智能家居数据分析方法、装置、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047710A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815642A (zh) * | 2022-03-30 | 2022-07-29 | 青岛海尔科技有限公司 | 智能设备的控制方法和装置、存储介质及电子装置 |
WO2024021546A1 (zh) * | 2022-07-29 | 2024-02-01 | 青岛海尔科技有限公司 | 行为偏好表的生成方法和装置、存储介质及电子装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407641A (zh) * | 2018-12-26 | 2019-03-01 | 北京理工华汇智能科技有限公司 | 智能家具控制装置 |
CN109918273A (zh) * | 2019-01-25 | 2019-06-21 | 深圳绿米联创科技有限公司 | 一种数据显示方法、装置、终端设备及存储介质 |
CN110879537A (zh) * | 2018-09-06 | 2020-03-13 | 珠海格力电器股份有限公司 | 智能家居能源系统暂态稳定性的处理方法和装置 |
CN111638651A (zh) * | 2020-06-02 | 2020-09-08 | 深圳市欧瑞博科技股份有限公司 | 智能家居控制面板及其设置方法、服务器及存储介质 |
CN112491668A (zh) * | 2020-11-13 | 2021-03-12 | 郑州工程技术学院 | 一种智能家居物联网安全监控装置 |
CN113485144A (zh) * | 2021-07-27 | 2021-10-08 | 广州市威士丹利智能科技有限公司 | 基于物联网的智能家居控制方法及系统 |
-
2021
- 2021-11-09 CN CN202111321447.5A patent/CN114047710A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879537A (zh) * | 2018-09-06 | 2020-03-13 | 珠海格力电器股份有限公司 | 智能家居能源系统暂态稳定性的处理方法和装置 |
CN109407641A (zh) * | 2018-12-26 | 2019-03-01 | 北京理工华汇智能科技有限公司 | 智能家具控制装置 |
CN109918273A (zh) * | 2019-01-25 | 2019-06-21 | 深圳绿米联创科技有限公司 | 一种数据显示方法、装置、终端设备及存储介质 |
CN111638651A (zh) * | 2020-06-02 | 2020-09-08 | 深圳市欧瑞博科技股份有限公司 | 智能家居控制面板及其设置方法、服务器及存储介质 |
CN112491668A (zh) * | 2020-11-13 | 2021-03-12 | 郑州工程技术学院 | 一种智能家居物联网安全监控装置 |
CN113485144A (zh) * | 2021-07-27 | 2021-10-08 | 广州市威士丹利智能科技有限公司 | 基于物联网的智能家居控制方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815642A (zh) * | 2022-03-30 | 2022-07-29 | 青岛海尔科技有限公司 | 智能设备的控制方法和装置、存储介质及电子装置 |
WO2024021546A1 (zh) * | 2022-07-29 | 2024-02-01 | 青岛海尔科技有限公司 | 行为偏好表的生成方法和装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
US20210357771A1 (en) | Natural language virtual assistant | |
CN114047710A (zh) | 智能家居数据分析方法、装置、终端设备以及存储介质 | |
CN110266552B (zh) | 流量异常检测的方法、模型训练方法和装置 | |
US11314616B2 (en) | Machine learning models applied to interaction data for facilitating modifications to online environments | |
US10671061B2 (en) | Devices, methods, and systems for a distributed rule based automated fault detection | |
CN107838917A (zh) | 机器人模拟装置 | |
US11720820B2 (en) | Operational support system and method | |
CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
CN115730605B (zh) | 基于多维信息的数据分析方法 | |
CN113157741B (zh) | 基于维度转换的业务状态可视化方法、装置和电子设备 | |
CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
CN114722091A (zh) | 数据处理方法、装置、存储介质以及处理器 | |
CN111178537A (zh) | 一种特征提取模型训练方法及设备 | |
CN110943974B (zh) | 一种DDoS异常检测方法及云平台主机 | |
CN109241511B (zh) | 一种电子报告的生成方法及设备 | |
CN107644042B (zh) | 软件程序点击率预估排序方法及服务器 | |
CN110135592B (zh) | 分类效果确定方法、装置、智能终端及存储介质 | |
JP7173308B2 (ja) | 検知装置、検知方法および検知プログラム | |
CN109658082B (zh) | 一种计费异常的识别方法及设备 | |
Hani et al. | Support vector regression for service level agreement violation prediction | |
CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
CN116108276A (zh) | 基于人工智能的信息推荐方法、装置及相关设备 | |
CN113688125B (zh) | 基于人工智能的异常值检测方法、装置、电子设备及介质 |
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 |