[发明专利]控制智能家电设备的方法、智能家电设备及存储介质

说明书

本发明公开了控制智能家电设备的方法、智能家电设备及存储介质，用以解决现有技术中存在的智能家电设备的能耗较高的技术问题。包括：获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及智能家电设备的总能耗值；基于多个指定部件对应的参数值及总能耗值，用深度神经网络模型对多个指定部件的能耗占比进行拟合学习，获得多个指定部件的能耗占比值；基于多个指定部件的能耗占值比及预设控制参数表，计算预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为智能家电设备的多个指定部件的控制参数，对智能家电设备进行控制。

技术领域

本发明涉及智能家电领域，尤其是涉及控制智能家电设备的方法、智能家电设备及存储介质。

背景技术

随着科学技术的不断进步，人们在享受着科技进步带来便利的同时，也被新的问题困扰着。

例如，作为智能家电设备之一的空调，现已成为大多数家庭的必备家电设备之一，但在普通家庭中空调也是能耗较大的家电设备之一。随着家电设备的增多，用户所需要使用的能耗也就越多，这样一方面会增加家庭用电负荷，使实际用电负荷超出家庭原本线路设计、造成安全隐患；另一方面，用电负荷的增加也将导致用户使用智能家电设备的成本上升。

但，目前并没有一种行之有效的方法来降低智能家电设备的能耗。

鉴于此，如何有效的降低智能家电设备的能耗，成为一个亟待解决的技术问题。

发明内容

本发明提供控制智能家电设备的方法、智能家电设备及存储介质，用以解决现有技术中存在的智能家电设备的能耗较高的技术问题。

第一方面，为解决上述技术问题，本发明实施例提供的一种控制智能家电设备方法的技术方案如下：

获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值；

基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值；

基于所述多个指定部件的能耗占值比及预设控制参数表，计算所述预设控制参数表中每组控制参数的总能耗，将所有总能耗中的最小值对应的一组控制参数作为所述智能家电设备的多个指定部件的控制参数，对所述智能家电设备进行控制。

通过获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及智能家电设备的总能耗值；用深度神经网络模型实时对智能家电设备的多个指定部件的能耗占比进行学习，得到多个指定部件的能耗占比值；并基于多个指定部件的能耗占比计算预设控制参数表中的每组参数对应的总能耗，将所有总能耗中最小值对应的那组控制参数，作为智能家电设备控制多个指定部件的控制参数对智能家电设备进行控制。由于能耗占比值反应的是指定部件的控制参数与智能家电设备的总能耗之间的关系，所以通过将各个指定部件的能耗占比值、及预设控制参数表中每组控制参数的参数值，可以计算出使用每组控制参数对应的总能耗，进而从中选出最小的总能耗对应的那组控制参数作为控制智能家电设备的参数，从而能够有效的降低智能家电设备的使用能耗。

可选的，获取智能家电设备的多个指定部件在同一指定时长内的参数值，以及所述智能家电设备的总能耗值之前，还包括：

判断所述智能家电设备是否已处于运行状态，若所述智能家电设备为未运行状态则启动所述智能家电设备。

可选的，基于所述多个指定部件对应的参数值及所述总能耗值，用深度神经网络模型，对所述多个指定部件的能耗占比进行拟合学习，获得所述多个指定部件的能耗占比值，包括：

将所述多个指定部件对应的参数值及设定修订值作为深度神经网络模型的输入值，将所述总能耗值作为所述深度神经网络模型的输出值，对所述多个指定部件的能耗占比进行拟合学习，获得所述深度神经网络模型中各相邻层的权重矩阵；