[发明专利]一种基于人工智能算法的用电设备控制方法及系统

说明书

本发明涉及用电设备控制技术领域，提供了一种基于人工智能算法的用电设备控制方法及系统，包括：获取若干个历史周期的用能负荷序列；基于若干个历史周期的用能负荷序列，采用深度学习模型，预测得到待控制周期的用能特征；将待控制周期的用能特征作为状态，在调控目标约束下，使用神经网络，得到刚性负荷、可平移负荷开关和功率可变负荷挡位的控制指令。提高了用户用能舒适度，达到全方位科学用能、深度节能。

技术领域

本发明属于用电设备控制技术领域，尤其涉及一种基于人工智能算法的用电设备控制方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着信息化水平的不断提升，越来越多的电子与电气化设备应用于各行各业，用电设备的数量呈大规模增长趋势，但其管理与维护水平却没有跟上其庞大的增长速度，问题接踵而至。另一方面，传感器、信号测量等技术的革新与人工智能算法的广泛应用使得数据成为一种极有价值的资源，从用能数据中提取有价值信息，对用户用能进行分析，为用户提供可选择的用能策略，是提高用户舒适度，实现深度节能的重要手段。

检索发现，目前可以实现家用电气设备监控的专利主要以智能监控插座为主，能够实现对室内用电设备的电源监控，并能够通过手机app实现电力参数显示和开关远程控制，以及异常状况报警，保障家居安全；但该类设备都很少与人工智能算法结合，难以高效利用采集到的海量数据，无法对用户用能行为进行分析，给予用户科学的用能决策引导，自主控制用电设备，从而实现科学用能、深度节能。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于人工智能算法的用电设备控制方法及系统，提高了用户用能舒适度，达到全方位科学用能、深度节能。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于人工智能算法的用电设备控制方法，其包括：

获取若干个历史周期的用能负荷序列；

基于若干个历史周期的用能负荷序列，采用深度学习模型，预测得到待控制周期的用能特征；

将待控制周期的用能特征作为状态，在调控目标约束下，使用神经网络，得到刚性负荷、可平移负荷开关和功率可变负荷挡位的控制指令。

进一步地，所述深度学习模型包括编码器和解码器；

所述编码器中第t个GRU神经元隐藏层状态由第t-1个GRU神经元隐藏层状态和第t个历史周期的用户负荷序列共同决定；

所述解码器中的最初时刻GRU神经元隐藏层状态与所述编码器中的最后一个GRU神经元隐藏层状态相同；

所述解码器中的k时刻GRU神经元隐藏层状态由k-1时刻GRU神经元隐藏层状态以及k时刻GRU神经元隐藏层输入共同决定。

进一步地，所述k时刻GRU神经元隐藏层输入为k-1时刻解码器的输出；

所述编码器k时刻解码器的输出由所述解码器中的k时刻和k-1时刻GRU神经元隐藏层状态、以及k-1时刻解码器的输出共同决定。

进一步地，所述神经网络采用两个反向传播神经网络，并采用强化学习算法进行优化。

进一步地，一个历史周期的用能负荷序列为一个历史周期内用户对所有用电设备的用电时刻、用电高峰以及用电量。

进一步地，所述待控制周期的用能特征为在待控制周期内对所有用电设备的用电时刻及用电量。

进一步地，所述调控目标为最大化减少电费、最大化满足用户负荷需求或最大化减小峰值电压。

本发明的第二个方面提供一种基于人工智能算法的用电设备控制系统，其包括：