[发明专利]用于记录家用电器设施数据和用电量明细自动化管理系统

权利要求书

1.一种用于记录家用电器设施数据和用电量明细自动化管理方法，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理方法包括：

第一步，采集家用电器设施工作时间数据、家用电器设施用电量数据和家用电器设施温度数据；温度传感器采集家用电器设施温度数据采用改进的温度补偿算法，具体过程，包括以下步骤：

步骤一，初始化BP网络的结构和粒子群的相关参数；

步骤二，输入样本计算粒子适应度，寻找个体极值和群体极值，更新粒子的位置和速度；

步骤三，判断全局最优适应值是否小于设定误差，“是”输出粒子位置序列，输出全局最优粒子位置；“否”判断迭代次数大于迭代次数，“否”迭代次数加1，寻找个体极值和群体极值，“是”输出全局最优粒子位置，得到最优的BP网络权值阈值；

第二步，根据采集的数据计算电器能耗数据，并判断家用电器设施故障信号；

第三步，警报器根据故障信号及时发出警报声通知用户；

第四步，利用存储器存储记录的家用电器设施工作时间、用电量、温度数据；通过显示器显示管理系统界面及采集的家用电器设施工作时间、用电量、温度数据。

2.如权利要求1所述的用于记录家用电器设施数据和用电量明细自动化管理方法，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理方法通过存储器存储记录的家用电器设施工作时间、用电量、温度数据的过程中，对数据进行分类，采用改进的正交量子粒子群的最近邻原型的分类算法，具体包括以下步骤；

步骤一，输入待处理的数据；

步骤二，初始化粒子群，注意每个粒子的维数等于类别数K、每类的原型数N数据的属性个数D的乘积；

步骤三，给粒子分派类别标签，每类对应N个原型；

步骤四，十倍交叉选择训练和测试数据，并归一化数据集；

步骤五，对训练数据进行学习，得到每个粒子的适应度值；

步骤六，采用多次塌陷-正交交叉量子粒子群算法进行迭代优化选出最好的粒子和其中有效的原型，为接下来对测试数据分类做准备；

步骤七，计算测试数据到选出原型的距离对测试数据进行分类；

步骤八，继续步骤五直到满足终止条件；

步骤九，统计种群的分类正确率，并输出最终结果。

3.如权利要求1所述的用于记录家用电器设施数据和用电量明细自动化管理方法，其特征在于，所述用于记录家用电器设施数据和用电量明细自动化管理方法的能耗计算方法如下：

(1)启动电器，通过检测设备提取电器运行参数，对所述电器运行参数进行处理分析后建立能耗模型；对所述电器运行参数进行处理分析并建立能耗模型具体包括：将所述电器运行参数进行降维，提取与所述运行功率相关的关键参数；建立样本数据；通过样本数据计算建模，得到所述关键参数与运行功率之间的对应关系；评估验证能耗模型是否合理有效，若是则继续下一步骤(2)，否则调整或重建能耗模型；

(2)与实际运行的电器进行通讯，获取电器运行参数对应的实际运行数据并存储；

(3)将存储的所述实际运行数据输入到能耗模型中，得到对应的实际运行的电器的运行功率；

(4)将通过能耗模型得到的电器的运行功率发送给对应的电器或其他智能终端。