[发明专利]智能家居系统的用电控制方法及装置

说明书

本发明公开了一种智能家居系统的用电控制方法及装置。其中，该方法包括：获取参考数据，其中，参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将参考数据中的每个数据转换成耗电量预测模型的输入，其中，耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取耗电量预测模型的输出；将输出转换为用电数据，并根据用电数据生成智能家居系统的用电策略；将用电策略发送至智能家居系统，其中，智能家居系统根据用电策略控制各个用电设备。本发明解决了相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的技术问题。

技术领域

本发明涉及智能家居领域，具体而言，涉及一种智能家居系统的用电控制方法及装置。

背景技术

在智慧家居物联网中，节能性是衡量能效控制的重要指标。因用户每日开启的电器和应用的功能各不相同，故整体家居用电量各有差别。然而，用户在某段时间(例如，某个周，某个月，或某个季度)的用电量可能会呈现出一定的规律性。但是，相关技术中无法实现根据历史时间段整体耗电量预测未来某段时间的耗电量，进而也无法根据未来某段时间的耗电量实现对家居系统中各个电器的控制或者调节。

针对上述相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种智能家居系统的用电控制方法及装置，以至少解决相关技术中无法实现根据未来时间段的耗电量对家居系统中的各个电器进行控制的技术问题。

根据本发明实施例的一个方面，提供了一种智能家居系统的用电控制方法，包括：获取参考数据，其中，所述参考数据是用于生成智能家居系统中各个用电设备的用电数据的依据；将所述参考数据中的每个数据转换成耗电量预测模型的输入，其中，所述耗电量预测模型是通过训练数据训练得到的，每组训练数据均包括：参考数据和该参考数据对应的用电数据；获取所述耗电量预测模型的输出；将所述输出转换为所述用电数据，并根据所述用电数据生成所述智能家居系统的用电策略；将所述用电策略发送至所述智能家居系统，其中，所述智能家居系统根据所述用电策略控制所述各个用电设备。

可选地，通过所述训练数据训练得到所述耗电量预测模型包括：获取历史时间段的历史参考数据，并将所述历史参考数据作为训练数据；将每组训练数据中的每个数据转换成数值；将得到的每个数据对应的数值分别作为卷积神经网络模型的输入层节点和输出层节点；根据所述输入层节点和所述输出层节点进行训练得到所述耗电量预测模型。

可选地，所述训练数据是所述历史参考数据的一部分。

可选地，所述历史参考数据的另一部分作为验证数据，其中，所述验证数据用于对所述耗电量预测模型进行验证。

可选地，根据所述用电数据生成所述智能家居系统的用电策略包括：判断所述用电数据是否不小于预定数据，其中，所述预定数据为所述智能家居系统发生跳闸时对应的用电数据；在判断结果为所述用电数据不小于所述预定数据的情况下，根据所述用电数据生成所述智能家居系统的用电策略。

可选地，根据所述用电数据生成所述智能家居系统的用电策略包括：通过用电策略模型，确定所述用电数据对应的用电策略，其中，所述用电策略模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：用电数据和所述用电数据对应的用电策略。

可选地，在通过用电策略模型，确定所述用电数据对应的用电策略之前，该智能家居系统的用电控制方法还包括：采集在历史时间段的多个历史用电数据和多个历史用电策略模型，其中，所述多个历史用电策略模型是根据所述多个历史用电数据确定的模型；对采集的包括所述多个历史用电数据和所述多个历史用电策略模型的多组数据进行训练，得到所述用电策略模型。