[发明专利]基于智能家电端的用户节能用电调控方法

说明书

本发明提供一种基于智能家电端的用户节能用电调控方法，包括：获取智能家电的用电功率实时数据，构建用电功率实时数据库；构建初始用电功率预测模型；将所述用电功率实时数据库中数据，输入所述初始用电功率预测模型进行学习训练，得到用电功率预测模型；和基于所述用电功率预测模型获取预用电功率。本发明提供的基于智能家电端的用户节能用电调控方法，能够通过智能家电的用电情况对接下来特定时间段内的预用电功率进行预测，通过预用电功率，能够逐渐学习用户的个性化家电使用模式，进而优化智能家电的自主运行，实现符合用户习惯，且达到节能环保目的，帮助用户实现优质生活。

技术领域

本发明大致涉及一种用电功率预测方法，尤其涉及一种基于智能家电端的用户节能用电调控方法。

背景技术

智能家居作为未来家居生活的主要形式，反映了用户对于优质生活的向往。以智能冰箱、智能空调、智能热水器为代表的智能家电作为智能家居的主要元素，与用户的日常生活密切相关。目前的智能家电多加入了简单的自控模块以及展示模块，距离通过智能家电了解、适应、自主服务用户生活还有很长的路要走。智能家电的用电情况与用户的生活习惯息息相关，通过对智能家电的用电情况的实时监测，能够捕获与用户作息方式紧密联系的个性化家居数据，这为通过智能家居自主满足用户多方面、多角度生活需求，改善用户生活舒适度创造了可能。

自深度学习理论提出以来，相继在语音识别、人脸识别、自动驾驶等方向取得了突破性的进展，在原有方法基础上有了极大的提升，达到甚至超过了专家水准，在各个领域都掀起了利用深度学习进行深入研究的风潮。深度学习方法本质是在有充足数据的基础上，构建多隐层的非线性模型，在高维空间中对输入数据进行特征提取、组合，并在多次迭代中提高特征提取、组合的效率，从而最终完成分类、预测任务。将深度学习理论应用于用户端用电量的精准预测将为用户生活改善提供重要数据支撑。

背景技术部分的内容仅仅是发明人所知晓的技术，并不代表本领域的现有技术。

发明内容

针对现有技术存在问题中的一个或多个，本发明提供一种基于智能家电端的用户节能用电调控方法，包括：

S1：获取智能家电的用电功率实时数据，构建用电功率实时数据库；

S2：构建初始用电功率预测模型；

S3：将所述用电功率实时数据库中数据，输入所述初始用电功率预测模型进行学习训练，得到用电功率预测模型；

S4：基于所述用电功率预测模型获取预用电功率；和

S5：基于所述预用电功率，优化所述智能家电运行模式。

根据本发明的一个方面，步骤S1中所述用电功率实时数据为家庭端的智能家电的用电功率实时数据。

根据本发明的一个方面，步骤S2种所述初始用电功率预测模型基于深度学习模型。

根据本发明的一个方面，所述家庭端的智能家电包括智能冰箱、智能空调、智能微波炉、智能炒菜机、智能厨卫电器、智能照明电器或智能健身家电。

根据本发明的一个方面，所述深度学习模型包括深度LSTM神经网络模型。

根据本发明的一个方面，所述深度LSTM神经网络模型包含N层结构，每一层结构为一个LSTM单元，所述LSTM单元通过输入模块、输入门、遗忘门、输出门以及单元状态控制信息流通；其中：

所述输入模块的状态表示为：z^t＝g(W_zx^t+R_zy^t-1+b_z)；