[发明专利]一种智能家居系统中高效的用电习惯分析方法

说明书

本发明公开了一种智能家居系统中高效的用电习惯分析方法，首先对当前的用户用电信息表R进行预处理，预处理过程对存储空间的需求较少且能够快速完成，然后通过对预处理过程产生的中间数据进行简单的计算即可得到对R的用电习惯的分析结果。如果发生用户用电信息的增量更新，则需要进行增量式不等值连接，充分利用对原始用电信息表R的中间数据，将其与用电信息增量的预处理产生的中间数据合并，形成针对当前最新用电信息表的中间数据，基于此合并后的中间数据可以快速产生由用电信息增量而引起的新的用电习惯分析结果，而无需对当前所有用电信息重新进行预处理后再产生所有分析结果，减少了增量式不等值连接的分析过程中的空间和时间代价。

技术领域

本发明属于智能家居领域，尤其涉及一种智能家居系统中高效的用电习惯分析方法。

背景技术

智能家居系统中部署了大量的传感器实现对家居环境的全方位监控，为用户提供便捷、舒适的家居环境。用户的舒适度受家居环境的温度、湿度、光照、声音等多种因素的影响，智能家居的控制系统通过调节空调、加湿器、灯光、音响等设备来改变家居环境，从而改善用户的舒适体验。这些家用电器设备的开启和调节需要电能驱动，因此在智能家居系统中用户舒适度和电量消耗之间存在一定的关系。用户良好的用电习惯可以在提高用户舒适度的同时降低电量的消耗，而较差的用电习惯需要消耗更多的电量才能达到相同的用户舒适度。因此，在智能家居系统中需要进行用户的用电习惯分析，即分析用户舒适度和用电量之间的关系，从而发现用户良好的用电习惯，可以为减少用户的电费开销以及实现节能减排提供决策支持。而在智能家居系统运行过程中用电信息持续更新，因此还需要对更新的用电信息进行增量式分析才能保证分析结果的时效性和正确性。

在分析用户舒适度和用电量之间的关系时，通常假设在某个时间段内用户的舒适度和用电量是已知的，如每小时采集一次用户舒适度和家庭用电量并存储在用户用电信息表R中，再对过去一段时间内(如一周或一个月等)的用户用电信息表R进行分析，找出那些舒适度较高且用电量较低的用电时段，这些用电时段的用电习惯较好，智能家居系统可以通过对这些用电时段内各种电器状态和环境状态的分析推断出用户的生活习惯等个性化信息，进而可以更好的改善用户的家居环境。

由于用电信息表R是关系型数据，因此现有的智能家居系统通常采用关系数据库中不等值连接的方法进行用电习惯的分析。关系数据库中对不等值连接的研究主要集中在对复杂查询中不等值查询的优化，通过减少要进行不等值连接的两个数据表的数据量实现不等值连接的优化，主要思路是通过选择等其他操作将参与不等值连接的两个数据表的元组剪枝，然后再对少量满足某种条件的元组进行不等值连接。然而对于单纯的不等值连接查询的优化依然需要先进行笛卡尔积的计算再进行条件筛选。关于单纯的不等值连接的最新研究不再需要笛卡尔积的计算，而是将R中的元组按照连接属性排序后通过位置的关系产生连接结果，而对于增量式查询采用预先插入空闲空间的方法实现。这种优化方法目前仅通过实验验证，尚未应用到数据库系统中，也未被智能家居等其他应用系统使用。

在智能家居系统中，用电习惯分析方法的实现方式主要分为两类：一类是本地实现，也就是在智能家居系统的网关节点上对用电信息表R进行不等值连接；另一种是远程实现，将用户的用电信息表R上传到远程数据中心进行不等值连接的计算，再将结果返回到网关节点。

现有智能家居系统中进行用户的用电习惯分析主要采用关系数据库中的不等值连接的方法，该方法需要对整个用户用电信息表R进行笛卡尔积的计算，然后再根据连接条件进行结果的筛选，其中笛卡尔积的存储需要大量的存储空间，而且笛卡尔积的计算和结果筛选需要耗费的时间较多。假设用电信息表R的元组数量为n，则其笛卡尔积的空间需求为O(n²)，计算复杂度也为O(n²)。在智能家居系统持续运行过程中，用电信息表R将定期进行增量更新，此时该方法需要将当前更新的数据与所有历史数据进行不等值连接。当用电信息表R较大时该方法无法在网关节点上高效执行，而采用远程执行的方法时需要进行大量的数据传输，带来额外的数据传输代价，也影响分析操作的实时性。