CN117075566A - 能耗优化方法、装置、设备及计算机可读存储介质 - Google Patents
能耗优化方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117075566A CN117075566A CN202311323979.1A CN202311323979A CN117075566A CN 117075566 A CN117075566 A CN 117075566A CN 202311323979 A CN202311323979 A CN 202311323979A CN 117075566 A CN117075566 A CN 117075566A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- optimized
- real
- data
- equipment
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 435
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000006870 function Effects 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 12
- 230000007613 environmental effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
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
- 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], computer integrated manufacturing [CIM]
- G05B19/41885—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], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
Abstract
本发明公开了一种能耗优化方法、装置、设备及计算机可读存储介质，属于能耗管理技术领域。本发明通过根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；将所述能耗特征张量输入至能耗预测模型，通过所述能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化，克服了能耗调控和优化效果具有一定的滞后性，导致室内环境与用户需求不匹配，且待优化设备出现能源浪费的技术问题。
Description
技术领域
本发明涉及能耗优化领域，尤其涉及一种能耗优化方法、装置、能耗优化设备及计算机可读存储介质。
背景技术
随着能源供应日趋紧张，在日常家居生活中，为了减少能源的浪费，提供更加舒适的居住环境，出现了一些智能化的家居能耗优化方式。
现有的家居能耗优化方式主要依靠用户主观意识上对环境温湿度和能耗目标值进行设定的方式对室内环境和设备能耗进行调控，并根据设备的历史能耗数据总结出规律，基于规则经验对设备能耗进行预测和优化，但是，当用户活动状态或环境发生变化时，当前用户所需要的能耗数据与规则经验预测的能耗数据不一致，由此，能耗的调控和优化会出现一定的滞后性，导致用户的室内环境体验感较差，并使设备出现能源控制过度或能源浪费等问题，因此，当前能耗优化效果差。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种能耗优化方法、装置、设备及计算机可读存储介质，旨在解决现有的能耗调控和优化存在一定的滞后性，导致能耗优化效果差的技术问题。
为实现上述目的，本发明提供一种能耗优化方法，所述能耗优化方法包括：
根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；
将所述能耗特征张量输入至能耗预测模型，通过所述能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；
根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
可选地，所述能耗特征张量包括所述待优化设备在二维空间下的第一能耗特征张量，所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤包括：
获取所述待优化设备所处空间的实时人员数据；
根据所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第一能耗特征张量。
可选地，所述能耗特征张量包括所述待优化设备在三维空间下的第二能耗特征张量，所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤包括：
获取所述待优化设备所处的实时时间数据；
根据所述实时时间数据、所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第二能耗特征张量。
可选地，所述构建所述待优化设备的能耗特征张量，包括：
构建所述待优化设备在预设时间步下的能耗特征张量；或，
构建所述待优化设备在预设时间序列下的能耗特征张量。
可选地，在所述将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值的步骤之前，所述能耗优化方法还包括：
确定所述能耗预测值与所述用户设定值的能耗损失函数；
根据所述能耗损失函数，对所述待优化设备进行能耗优化。
可选地，在所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤之前，所述能耗优化方法还包括：
获取待优化设备的实时能耗运行数据和实时能耗成本数据；
根据所述实时能耗运行数据和所述实时能耗成本数据，生成所述待优化设备的实时能耗数据。
可选地，所述能耗优化方法还包括：
获取所述待优化设备的能耗历史数据；
将所述能耗历史数据对应的能耗历史报告显示于预设能耗管理界面。
为实现上述目的，本申请还提供一种能耗优化装置，所述能耗优化装置包括：
构建模块，用于根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；
预测模块，用于将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；
优化模块，用于根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
可选地，所述能耗特征张量包括所述待优化设备在二维空间下的第一能耗特征张量，所述构建模块还用于：
获取所述待优化设备所处空间的实时人员数据；
根据所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第一能耗特征张量。
可选地，所述能耗特征张量包括所述待优化设备在三维空间下的第二能耗特征张量，所述构建模块还用于：
获取所述待优化设备所处的实时时间数据；
根据所述实时时间数据、所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第二能耗特征张量。
可选地，所述构建模块还用于：
构建所述待优化设备在预设时间步下的能耗特征张量；或，
构建所述待优化设备在预设时间序列下的能耗特征张量。
可选地，所述优化模块还用于：
确定所述能耗预测值与所述用户设定值的能耗损失函数；
根据所述能耗损失函数，对所述待优化设备进行能耗优化。
可选地，所述优化模块还用于：
获取待优化设备的实时能耗运行数据和实时能耗成本数据；
根据所述实时能耗运行数据和所述实时能耗成本数据，生成所述待优化设备的实时能耗数据。
可选地，所述能耗优化装置还包括显示模块，所述显示模块用于：
获取所述待优化设备的能耗历史数据；
将所述能耗历史数据对应的能耗历史报告显示于预设能耗管理界面。
本申请还提供一种能耗优化设备，所述能耗优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的能耗优化程序，所述能耗优化程序配置为实现如上述的能耗优化方法的步骤。
本申请还提供一种计算机可读存储介质，包括计算机程序，所述计算机程序被处理器执行时实现如上述的能耗优化方法的步骤。
本申请提供了一种能耗优化方法、装置、能耗优化设备及计算机可读存储介质，本申请首先通过获取待优化设备的实时能耗数据和待优化设备所处空间的实时环境数据，并根据实时能耗数据和环境数据，构建待优化设备的能耗特征张量，将构建的能耗特征张量输入至预先训练完成的能耗预测模型中，经过能耗预测模型对待优化设备进行能耗预测后，能耗预测模型将输出能耗预测值，最后根据用户设定的期望能耗值与能耗预测值之间的对应关系，对待优化设备进行能耗优化。通过用实时环境下的能耗数据来预测未来一段时间内的能耗情况，并根据用户期望的能耗值及与环境情况相匹配的能耗预测值，优化待优化设备的能耗值，使得待优化设备的能耗使用情况可以跟随环境进行改变，克服了能耗调控和优化效果具有一定的滞后性，导致室内环境与用户需求不匹配，且待优化设备出现能源浪费的技术问题。所以，提升了能耗优化效果。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的能耗优化方法的流程示意图；
图2为本申请实施例二提供的能耗优化方法的流程示意图；
图3为本申请实施例三提供的能耗优化装置的模块结构示意图；
图4为本申请实施例中能耗优化方法涉及的硬件运行环境的设备结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本申请保护的范围。
实施例一
本申请实施例一提供一种能耗优化方法，参照图1，所述能耗优化方法包括：
步骤S10，根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；
步骤S20，将所述能耗特征张量输入至能耗预测模型，通过所述能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；
步骤S30，根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
本实施例中，需要说明的是，为了获取待优化设备的实时能耗数据和待优化设备所处空间的实时环境数据，一般可以通过在待优化设备所处空间中设置数据采集设备和中央控制系统，以实现对各种类型的数据进行采集和处理，其中，待优化设备的实时能耗数据例如可以是各个用电设备的实时耗电功率和/或水表和燃气表数据和/或电能质量参数等能耗数据。另外地，待优化设备所处空间的实时环境数据所包含的环境参数很多，可以通过在所处空间中布置由多个传感器组成的传感器网络对环境数据进行采集，例如可以是温度传感器、湿度传感器、光照传感器、人体活动传感器、空气质量传感器、水质传感器和外部环境传感器等，实现对所处空间中的温度、湿度、光照、窗户的开闭状态、人体的活动状态、空气质量、自来水的水质、家居设备的运行状态等环境数据进行采集，其中，所处空间例如可以是家居或工厂内部环境。
另外地，需要说明的是，能耗特征张量是用于表征能耗特征的数组，通过中央控制系统，对数据采集设备所采集到的多维度数据进行分类处理，用采集到的多维度数据构成能耗特征张量，其中，能耗特征张量具体可以表示为：[时间步数t，环境特征数目n]，其中t表示2时间步的个数，n表示环境特征的数量，例如，在一种可实施的方式中，对于每小时采集的温度、湿度、光照、窗户状态、人体活动状态、空气质量、水质和设备运行状态等数据，能耗特征张量可以是一个8维张量，其维度为[24, 8]，表示一天内共采集24个时间步的8个环境特征。
另外地，需要说明的是，能耗预测模型用于对待优化设备的能耗数据进行预测，所述能耗预测模型具体可以是由长短期记忆网络（LSTM）构建的深度学习模型，例如，在一种可实施的方式中，设定由LSTM构成的模型为F，输入数据为D，具体可以是能耗特征张量，输出为能耗预测值E_pred，即：
E_pred = F(D)
在深度学习模型构建完成后，再使用模型优化算法对深度学习模型进行优化，使深度学习模型输出的能耗预测值更接近待优化设备真实的能耗值，其中，模型优化算法具体可以是通过反向传播算法。
另外地，需要说明的是，用户设定值为用户对能耗目标的期望值，由于能耗预测模型输出的能耗预测值是根据已有的数据对未来一段时间的能耗数据进行预测，可能会与用户的期望值有所偏差，因此需要将用户设定值与能耗预测值进行比较，通过判断用户设定值与能耗预测值之间的对应关系，并根据对应关系选择能耗优化方案，由此对待优化设备的能耗使用情况进行调节和优化，其中，能耗优化方案具体可以是设计能耗优化算法。
作为一种示例，步骤S10至步骤S30包括：首先通过获取待优化设备的实时能耗数据和待优化设备所处空间的实时环境数据，并根据实时能耗数据和环境数据，构建待优化设备的能耗特征张量，将构建的能耗特征张量输入至预先训练完成的能耗预测模型中，经过能耗预测模型对待优化设备进行能耗预测后，能耗预测模型将输出能耗预测值，最后根据用户设定的期望能耗值与能耗预测值之间的对应关系，对待优化设备进行能耗优化。
本申请实施例通过采集实时环境下的能耗数据来预测未来一段时间内的能耗情况，即，通过构建待优化设备在所处空间的实时环境下的能耗特征张量，进而依赖于能耗预测模型输出与环境情况相匹配的能耗预测值，并根据用户期望的能耗值及与环境情况相匹配的能耗预测值，优化待优化设备的能耗值，使得待优化设备的能耗使用情况可以跟随环境进行改变，克服了能耗调控和优化效果具有一定的滞后性，导致室内环境与用户需求不匹配，且待优化设备出现能源浪费的技术缺陷。所以，提升了能耗优化效果。
在一种可实施的方式中，所述能耗特征张量包括所述待优化设备在二维空间下的第一能耗特征张量，所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤包括：
步骤A10，获取所述待优化设备所处空间的实时人员数据；
步骤A20，根据所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第一能耗特征张量。
本实施例中，需要说明的是，待优化设备还需要根据所处空间的实时人员数据对当前设备的能耗使用情况进行调节和优化，这是因为，待优化设备的能耗使用情况除了随着环境数据的变化而变化，还需要随着人员数据的变化而变化，以此保证当前空间的环境数据符合当前人员数据的需求，其中，实时人员数据例如可以包括：人数、人员信息、人员活动情况或者人员生活习惯等。
需要说明的是，能耗特征张量具体可以为一个多维张量，通过数据采集设备获取实时人员数据，并将实时人员数据、实时能耗数据和实时环境数据共同构成第一能耗特征张量，使预定能耗预测模型可以根据所处空间中不同人员数据的不同能耗数据使用情况，以在人员发生变动时，及时地调节待优化设备的能耗情况。
作为一种示例，步骤A10至步骤A20包括：通过获取待优化设备所处空间的实时人员数据，并用实时人员数据、实时能耗数据和实时环境数据共同构成第一能耗特征张量，将第一能耗特征张量作为能耗预测模型的输入数据。
在一种可实施的方式中，所述能耗特征张量包括所述待优化设备在三维空间下的第二能耗特征张量，所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤包括：
步骤B10，获取所述待优化设备所处的实时时间数据；
步骤B20，根据所述实时时间数据、所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第二能耗特征张量。
本实施例中，需要说明的是，待优化设备还需要根据所处的实时时间数据对当前设备的能耗使用情况进行调节和优化，这是因为，在不同的时间数据下，待优化设备所处空间的环境数据和人员数据都会发生改变，因此需要将实时时间数据纳入能耗预测模型，其中，实时时间数据具体可以包括：季节、日期和工作日/非工作日等。
作为一种示例，步骤B10至步骤B20包括：通过待优化设备所处的实时时间数据，并用实时时间数据、实时人员数据、实时能耗数据和实时环境数据共同构成第二能耗特征张量，将第二能耗特征张量作为能耗预测模型的输入数据。
在一种可实施的方式中，所述构建所述待优化设备的能耗特征张量，包括：
步骤C10，构建所述待优化设备在预设时间步下的能耗特征张量；或，
步骤C20，构建所述待优化设备在预设时间序列下的能耗特征张量。
本实施例中，需要说明的是，能耗特征张量为一个含有时间信息的输入数据，例如可以为预设时间步下的能耗特征张量，也可以为预设时间序列下的能耗特征张量，具体可以是：D = [d1, d2, ... dt]，其中，dt表示数据采集设备在一段时间内按照时间顺序采集的时间点数据，具体地，在构成能耗特征张量时，可以选择由多个时间点构成的时间序列，也可以选择单个时间步，其中，采集的时间顺序例如可以是每小时、每天或每周等不同时间间隔的数据，也可以是某一时刻的数据，采集的数据例如可以是实时环境数据、实时能耗数据、实时时间数据和实时人员数据。
另外地，需要说明的是，预设能耗预测模型的输出数据具体可以是：
E_pred = LSTM(D)
其中，输出的能耗预测值E_pred的维度取决于问题的复杂性和预测粒度，当输入数据为预设时间步下的能耗特征张量时，输出的能耗预测值E_pred为一个标量值；当输入数据为预设时间序列下的能耗特征张量时，输出的能耗预测值E_pred为一个时间序列。
作为一种示例，步骤C10至步骤C20包括：待优化设备的输入数据可以是在预设时间步下的能耗特征张量，也可以是在预设时间序列下的能耗特征张量，其中，能耗预测值的维度与待优化设备的输入数据维度一致。
实施例二
基于本申请第一实施例，在本申请另一实施例中，与上述实施例一相同或相似的内容，可以参考上文介绍，后续不再赘述。在此基础上，请参照图2，在所述将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值的步骤之前，所述能耗优化方法还包括：
步骤D10，确定所述能耗预测值与所述用户设定值的能耗损失函数；
步骤D20，根据所述能耗损失函数，对所述待优化设备进行能耗优化。
本实施例中，需要说明的是，根据能耗预测值与用户设定值之间的对应关系，可以求出能耗损失函数，其中，具体可以通过能耗优化算法求能耗损失函数。例如，在一种可实施的方式中，设定优化目标为最小化以下损失函数：
Loss = Σ(E_pred - E_target)^2 / n
其中，n表示样本数据的个数，样本数据可包括待优化设备的实时能耗数据、待优化设备所处空间的实时环境数据或待优化设备所处的实时时间数据和待优化设备所处空间的实时人员数据。通过能耗损失函数，优化能耗预测值，并调节待优化设备的实时能耗数据，并根据用户设定值给出更加优化的能耗优化建议。
本实施例中，给出了一个能耗优化方法，以实现对待优化设备进行能耗优化，并在实现能耗优化的基础上，通过能耗预测值和用户设定值之间的方差计算损失函数，给出了进一步的能耗优化建议，由此提高了能耗优化效果。
在一种可实施的方式中，在所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤之前，所述能耗优化方法还包括：
步骤E10，获取待优化设备的实时能耗运行数据和实时能耗成本数据；
步骤E20，根据所述实时能耗运行数据和所述实时能耗成本数据，生成所述待优化设备的实时能耗数据。
本实施例中，需要说明的是，能耗成本数据例如可以包括：电能、水费、燃气费等，在对待优化设备进行能耗优化的同时，对待优化设备的能耗成本数据进行了优化，用户可以根据能耗成本数据，单一的针对能耗成较高的待优化设备进行优化，将待优化设备的能耗成本数据控制在用户的预期范围内。
本实施例中，通过获取能耗成本数据，并对能耗成本数据进行预测和优化，实现通过降低能耗费用的方式减少能源浪费。
在一种可实施的方式中，所述能耗优化方法还包括：
步骤F10，获取所述待优化设备的能耗历史数据；
步骤F20，将所述能耗历史数据对应的能耗历史报告显示于预设能耗管理界面。
本实施例中，需要说明的是，预设能耗管理界面用于用户对待优化设备的能耗情况进行查看以及对用户设定值进行调整，其中，能耗情况具体可以包括待优化设备的能耗历史报告、能耗优化结果报告、能耗成本报告和能耗优化建议。并且，能耗管理界面提供调整用户设定值的选项，让用户可以根据实际情况调整能耗优化的策略和方法。
本实施例中，通过为用户提供各种能耗报告和能耗优化建议，方便用户直观了解待优化设备的能耗情况，并提供能耗优化建议，帮助用户进一步降低能耗和成本，使待优化设备的能耗优化效果更加直观。
实施例三
本发明实施例还提供一种能耗优化装置，请参照图3，所述能耗优化装置包括：
构建模块101，用于根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；
预测模块102，用于将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；
优化模块103，用于根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
可选地，所述能耗特征张量包括所述待优化设备在二维空间下的第一能耗特征张量，所述构建模块101还用于：
获取所述待优化设备所处空间的实时人员数据；
根据所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第一能耗特征张量。
可选地，所述构建模块101还用于：
获取所述待优化设备所处的实时时间数据；
根据所述实时时间数据、所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第二能耗特征张量。
可选地，所述构建模块101还用于：
构建所述待优化设备在预设时间步下的能耗特征张量；或，
构建所述待优化设备在预设时间序列下的能耗特征张量。
可选地，所述优化模块103还用于：
确定所述能耗预测值与所述用户设定值的能耗损失函数；
根据所述能耗损失函数，对所述待优化设备进行能耗优化。
可选地，所述优化模块103还用于：
获取待优化设备的实时能耗运行数据和实时能耗成本数据；
根据所述实时能耗运行数据和所述实时能耗成本数据，生成所述待优化设备的实时能耗数据。
可选地，所述能耗优化装置还包括显示模块，所述显示模块用于：
获取所述待优化设备的能耗历史数据；
将所述能耗历史数据对应的能耗历史报告显示于预设能耗管理界面。
本发明提供的能耗优化装置，采用上述实施例一或实施例二中的能耗优化方法，能够解决现有的能耗调控和优化存在一定的滞后性，导致能耗优化效果差的技术问题。与现有技术相比，本发明实施例提供的能耗优化装置的有益效果与上述实施例提供的能耗优化方法的有益效果相同，且所述能耗优化装置中的其他技术特征与上一实施例方法公开的特征相同，在此不做赘述。
实施例四
本发明实施例提供一种电子设备，电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的能耗优化方法。
下面参考图4，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（Personal Digital Assistant：个人数字助理）、PAD（Portable ApplicationDescription：平板电脑）、PMP（Portable Media Player：便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备可以包括处理装置1001（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM：Read Only Memory）1002中的程序或者从存储装置1003加载到随机访问存储器（RAM：Random Access Memory）1004中的程序而执行各种适当的动作和处理。在RAM1004中，还存储有电子设备操作所需的各种程序和数据。处理装置1001、ROM1002以及RAM1004通过总线1005彼此相连。输入/输出（I/O）接口1006也连接至总线。通常，以下系统可以连接至I/O接口1006：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置1007；包括例如液晶显示器（LCD：LiquidCrystal Display）、扬声器、振动器等的输出装置1008；包括例如磁带、硬盘等的存储装置1003；以及通信装置1009。通信装置1009可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
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装置从网络上被下载和安装，或者从存储装置1003被安装，或者从ROM1002被安装。在该计算机程序被处理装置1001执行时，执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备，采用上述实施例中的能耗优化方法，能够解决现有的能耗调控和优化存在一定的滞后性，导致能耗优化效果差的技术问题。与现有技术相比，本发明实施例提供的电子设备的有益效果与上述实施例提供的能耗优化方法的有益效果相同，且该电子设备中的其他技术特征与上一实施例方法公开的特征相同，在此不做赘述。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
实施例五
本发明实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例一中的能耗优化方法。
本发明实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体地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：Random Access Memory）、只读存储器（ROM：Read Only Memory）、可擦式可编程只读存储器（EPROM：Erasable Programmable Read Only Memory或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM：CD-Read Only Memory）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储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、系统或者器件使用或者与其结合使用。计算机可读存储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：电线、光缆、RF（Radio Frequency：射频）等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。
上述计算机可读存储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电子设备执行时，使得电子设备：根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量，将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值，根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
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公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—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：Local Area Network）或广域网（WAN：Wide Area Network）—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，图示了按照本发明各种实施例的系统、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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
本发明提供的可读存储介质为计算机可读存储介质，所述计算机可读存储介质存储有用于执行上述能耗优化方法的计算机可读程序指令，能够解决现有的能耗调控和优化存在一定的滞后性，导致能耗优化效果差的技术问题。与现有技术相比，本发明实施例提供的计算机可读存储介质的有益效果与上述实施例一或实施例二提供的能耗优化方法的有益效果相同，在此不做赘述。
实施例六
本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的能耗优化方法的步骤。
本申请提供的计算机程序产品能够解决现有的能耗调控和优化存在一定的滞后性，导致能耗优化效果差的技术问题。与现有技术相比，本发明实施例提供的计算机程序产品的有益效果与上述实施例一或实施例二提供的能耗优化方法的有益效果相同，在此不做赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种能耗优化方法，其特征在于，所述能耗优化方法包括：
根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；
将所述能耗特征张量输入至能耗预测模型，通过所述能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；
根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
2.如权利要求1所述的能耗优化方法，其特征在于，所述能耗特征张量包括所述待优化设备在二维空间下的第一能耗特征张量，所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤包括：
获取所述待优化设备所处空间的实时人员数据；
根据所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第一能耗特征张量。
3.如权利要求2所述的能耗优化方法，其特征在于，所述能耗特征张量包括所述待优化设备在三维空间下的第二能耗特征张量，所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤包括：
获取所述待优化设备所处的实时时间数据；
根据所述实时时间数据、所述实时人员数据、所述实时能耗数据和所述实时环境数据，构建所述第二能耗特征张量。
4.如权利要求1所述的能耗优化方法，其特征在于，所述构建所述待优化设备的能耗特征张量，包括：
构建所述待优化设备在预设时间步下的能耗特征张量；或，
构建所述待优化设备在预设时间序列下的能耗特征张量。
5.如权利要求1所述的能耗优化方法，其特征在于，在所述将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值的步骤之前，所述能耗优化方法还包括：
确定所述能耗预测值与所述用户设定值的能耗损失函数；
根据所述能耗损失函数，对所述待优化设备进行能耗优化。
6.如权利要求5所述的能耗优化方法，其特征在于，在所述根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量的步骤之前，所述能耗优化方法还包括：
获取待优化设备的实时能耗运行数据和实时能耗成本数据；
根据所述实时能耗运行数据和所述实时能耗成本数据，生成所述待优化设备的实时能耗数据。
7.如权利要求1所述的能耗优化方法，其特征在于，所述能耗优化方法还包括：
获取所述待优化设备的能耗历史数据；
将所述能耗历史数据对应的能耗历史报告显示于预设能耗管理界面。
8.一种能耗优化装置，其特征在于，所述能耗优化装置包括：
构建模块，用于根据待优化设备的实时能耗数据和所述待优化设备所处空间的实时环境数据，构建所述待优化设备的能耗特征张量；
预测模块，用于将所述能耗特征张量输入至预设能耗预测模型，通过所述预设能耗预测模型对所述待优化设备进行能耗预测，得到能耗预测值；
优化模块，用于根据用户设定值与所述能耗预测值之间的对应关系，对所述待优化设备进行能耗优化。
9.一种能耗优化设备，其特征在于，所述能耗优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的能耗优化程序，所述能耗优化程序配置为实现如权利要求1至7中任一项所述的能耗优化方法的步骤。
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能耗优化程序，所述能耗优化程序被处理器执行时实现如权利要求1至7任一项所述的能耗优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311323979.1A CN117075566B (zh) | 2023-10-13 | 2023-10-13 | 能耗优化方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311323979.1A CN117075566B (zh) | 2023-10-13 | 2023-10-13 | 能耗优化方法、装置、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117075566A true CN117075566A (zh) | 2023-11-17 |
| CN117075566B CN117075566B (zh) | 2024-03-12 |
Family
ID=88702858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311323979.1A Active CN117075566B (zh) | 2023-10-13 | 2023-10-13 | 能耗优化方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117075566B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414724A (zh) * | 2019-07-10 | 2019-11-05 | 东软集团股份有限公司 | 用于预测耗电量的方法、装置、可读存储介质及电子设备 |
| CN111442478A (zh) * | 2020-03-10 | 2020-07-24 | 珠海派诺科技股份有限公司 | 空调系统优化控制方法、智能终端、存储装置 |
| CN111738529A (zh) * | 2020-07-28 | 2020-10-02 | 南方电网科学研究院有限责任公司 | 基于强化学习的综合能源系统需求响应方法、系统及设备 |
| CN112524751A (zh) * | 2020-12-01 | 2021-03-19 | 西安建筑科技大学 | 一种动态空调系统能耗预测模型构建、预测方法及装置 |
| CN113835344A (zh) * | 2021-11-25 | 2021-12-24 | 阿里云计算有限公司 | 设备的控制优化方法、展示平台、云服务器及存储介质 |
| CN115309603A (zh) * | 2021-11-30 | 2022-11-08 | 宁波亮控信息科技有限公司 | 一种数据中心能耗预测优化方法、系统、介质及计算设备 |
| CN115906235A (zh) * | 2022-10-20 | 2023-04-04 | 长江慧控科技(武汉)有限公司 | 公共建筑节能诊断系统及方法 |
| CN116164389A (zh) * | 2022-09-06 | 2023-05-26 | 美的集团(上海)有限公司 | 一种系统优化方法、装置、设备及计算机可读存储介质 |
| CN116384700A (zh) * | 2023-04-13 | 2023-07-04 | 华北电力大学 | 一种基于数据挖掘的中央空调系统能源效率优化方法 |
| CN116780514A (zh) * | 2023-06-19 | 2023-09-19 | 中国电信股份有限公司 | 一种机房电耗指标预测方法、装置、电子设备及存储介质 |
| CN116839173A (zh) * | 2022-03-25 | 2023-10-03 | 北京国双科技有限公司 | 一种能耗优化方法、装置、存储介质和电子设备 |
-
2023
- 2023-10-13 CN CN202311323979.1A patent/CN117075566B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414724A (zh) * | 2019-07-10 | 2019-11-05 | 东软集团股份有限公司 | 用于预测耗电量的方法、装置、可读存储介质及电子设备 |
| CN111442478A (zh) * | 2020-03-10 | 2020-07-24 | 珠海派诺科技股份有限公司 | 空调系统优化控制方法、智能终端、存储装置 |
| CN111738529A (zh) * | 2020-07-28 | 2020-10-02 | 南方电网科学研究院有限责任公司 | 基于强化学习的综合能源系统需求响应方法、系统及设备 |
| CN112524751A (zh) * | 2020-12-01 | 2021-03-19 | 西安建筑科技大学 | 一种动态空调系统能耗预测模型构建、预测方法及装置 |
| CN113835344A (zh) * | 2021-11-25 | 2021-12-24 | 阿里云计算有限公司 | 设备的控制优化方法、展示平台、云服务器及存储介质 |
| CN115309603A (zh) * | 2021-11-30 | 2022-11-08 | 宁波亮控信息科技有限公司 | 一种数据中心能耗预测优化方法、系统、介质及计算设备 |
| CN116839173A (zh) * | 2022-03-25 | 2023-10-03 | 北京国双科技有限公司 | 一种能耗优化方法、装置、存储介质和电子设备 |
| CN116164389A (zh) * | 2022-09-06 | 2023-05-26 | 美的集团(上海)有限公司 | 一种系统优化方法、装置、设备及计算机可读存储介质 |
| CN115906235A (zh) * | 2022-10-20 | 2023-04-04 | 长江慧控科技(武汉)有限公司 | 公共建筑节能诊断系统及方法 |
| CN116384700A (zh) * | 2023-04-13 | 2023-07-04 | 华北电力大学 | 一种基于数据挖掘的中央空调系统能源效率优化方法 |
| CN116780514A (zh) * | 2023-06-19 | 2023-09-19 | 中国电信股份有限公司 | 一种机房电耗指标预测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117075566B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230400823A1 (en) | Orchestrated energy | |
| JP6942790B2 (ja) | 情報処理装置および情報処理方法 | |
| US9355069B2 (en) | Systems and methods for determining the uncertainty in parameters of an energy use model | |
| CN103907071A (zh) | 提供到目标状态的时间的智能控制器 | |
| CN112766596B (zh) | 建筑能耗预测模型的构建方法、能耗预测方法及装置 | |
| CN101860623B (zh) | 感知系统情境的智能手机电池使用时间指示方法及系统 | |
| CN108196317B (zh) | 一种用于微电网系统的气象预测方法 | |
| WO2022134649A1 (zh) | 城市人流监控方法、装置、电子设备及存储介质 | |
| Wang et al. | AlphaBuilding ResCommunity: A multi-agent virtual testbed for community-level load coordination | |
| WO2023226889A1 (zh) | 设备配置的方法、系统、计算机设备和可读存储介质 | |
| CN110136024B (zh) | 获取用户的用电特征、用电习惯及用电量预测值的方法及装置 | |
| Vanus et al. | The design of an indirect method for the human presence monitoring in the intelligent building | |
| CN114330935A (zh) | 基于多种结合策略集成学习的新能源功率预测方法和系统 | |
| CN117075566B (zh) | 能耗优化方法、装置、设备及计算机可读存储介质 | |
| CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
| Akbarzadeh et al. | Heating-Cooling Monitoring and Power Consumption Forecasting Using LSTM for Energy-Efficient Smart Management of Buildings: A Computational Intelligence Solution for Smart Homes | |
| CN115515045A (zh) | 设备充电优化方法、装置、电子设备及可读存储介质 | |
| CN114442697A (zh) | 一种温度控制方法、设备、介质及产品 | |
| CN116228132A (zh) | Rm系统的数据管理方法、装置、电子设备及介质 | |
| Ponce et al. | Smart communities and cities as a unified concept | |
| Sari et al. | MACHINE LEARNING-BASED ENERGY USE PREDICTION FOR THE SMART BUILDING ENERGY MANAGEMENT SYSTEM. | |
| Vignesh et al. | Deep Reinforcement Learning Based Weather Monitoring Systemusing Arduino for Smart Environment | |
| CN117039855B (zh) | 一种电力系统的负荷智能预测方法及系统 | |
| Cook et al. | Smart homes | |
| CN114647721B (zh) | 教育智能机器人控制方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |