基于可穿戴设备感知的智能家居能源优化

陈思运; 刘烃; 沈超; 苏曼; 高峰; 徐占伯; 师嘉悦; 贾战培

doi:10.7544/issn1000-1239.2016.20150762

基于可穿戴设备感知的智能家居能源优化

¹(智能网络与网络安全教育部重点实验室(西安交通大学) 西安 710049)
²(机械制造系统工程国家重点实验室(西安交通大学) 西安 710049)
³(加州大学伯克利分校伯克利教育联盟新加坡研究所新加坡新加坡城 138602) (tingliu@mail.xjtu.edu.cn)

基金项目: 国家自然科学基金项目(61473218,61221063,U1301254);国家“八六三”高技术研究发展计划基金项目(2012AA011003)

详细信息

中图分类号: TP391
计量
- 文章访问数: 1684
- HTML全文浏览量: 0
- PDF下载量: 694
出版历程
- 发布日期: 2016-02-29

Smart Home Energy Optimization Based on Cognition of Wearable Devices Sensor Data

¹(Key Laboratory for Intelligent Networks and Network Security (Xi’an Jiaotong University), Ministry of Education, Xi’an 710049)
²(State Key Laboratory for Manufacturing System Engineering (Xi’an Jiaotong University), Xi’an 710049)
³(Berkeley Education Alliance Research in Singapore (University of California at Berkeley), Singapore City, Singapore 138602)

摘要

摘要: 智能家居能源优化作为智能电网在居民侧的延伸是智能家居领域的重要分支.智能家居能源优化的目标是通过优化调度家居用电设备，满足用户的舒适需求和降低用电费用.其中，用户舒适度与人的行为密切相关，具有很强的主观性和不确定性，对用户行为及舒适度需求的分析是智能家居能源管理系统中的难点.因此提出了一种基于可穿戴设备传感数据分析的智能家居能源优化方法，主要包括：基于可穿戴设备传感器数据实时分析用户行为；利用神经网络建立用户行为到舒适度需求的映射，更新用户的舒适度需求；建立家居系统动态模型，并基于智能家居环境传感器数据对模型参数进行动态估计；提出基于模型预测控制(model predictive control, MPC)的智能家居能源优化求解方法.同时开发了智能家居能源优化的原型系统，通过搭建的智能家居实验平台，设计了4种典型用户行为情景，验证了所提方法对智能家居经济性和舒适性的提升.
- 智能家居 /
- 能源优化 /
- 用户行为分析 /
- 可穿戴设备 /
- 智能电网
Abstract: As the extension of smart grid in demand side, smart home energy optimization is an important branch of smart home. Smart home energy optimization aims to optimally schedule the home appliances to satisfy the comfort requirements and save the electricity cost. However, the comfort requirements are closely related to the human behavior, which has great subjectivity and uncertainty. Thus profiling the comfort requirements is one of the challenging problems. This paper presents a smart home energy management method based on the sensors data of smart wearable devices, which contains the human behavior analysis; updates the comfort requirements through creating the mapping model between human behavior and the comfort requirements by neural network; establishes the system dynamic models; and the parameters are estimated by using the sensor network data. Finally, the smart home energy optimization is solved by model predictive control. Based on the proposed method, the smart home platform is set up and the smart home energy optimization systems are developed to support the smart phone. The experiment presents promising performance on electricity cost saving and comfort improvement in four scenarios of user behaviors.
- smart home /
- energy optimization /
- human behavior analysis /
- smart wearable devices /
- smart grid

HTML全文

参考文献(0)

施引文献(9)

期刊类型引用(6)

1.	王璐璐. 基于混合注意力机制的时间旋转知识图谱补全. 网络安全与数据治理. 2024(10): 42-48 . 百度学术
2.	何鹏，周刚，陈静，章梦礼，宁原隆. 类型增强的时态知识图谱表示学习模型. 计算机研究与发展. 2023(04): 916-929 . 本站查看
3.	陈小英，熊盛武，王盛，张士伟. 基于上下文时序关联的时序知识图谱嵌入方法. 武汉大学学报(理学版). 2023(02): 249-257 . 百度学术
4.	周丽华，王家龙，王丽珍，陈红梅，孔兵. 异质信息网络表征学习综述. 计算机学报. 2022(01): 160-189 . 百度学术
5.	杨大伟，周刚，卢记仓，宁原隆. 基于知识表示学习的知识图谱补全研究综述. 信息工程大学学报. 2021(05): 558-565 . 百度学术
6.	王红，卢林燕，王童. 航空安全事件知识图谱补全方法. 西南大学学报(自然科学版). 2020(11): 31-42 . 百度学术