摘 要：隨著科學(xué)技術(shù)的發(fā)展與人們生活水平的提高，智能家居累積了大量用電數(shù)據(jù)，對家庭中家電簡單的控制與管理已不能滿足用戶舒適、環(huán)保、省電的需求。為了在保障用戶的正常生活需求的前提下節(jié)省用戶生活時(shí)間，文章設(shè)計(jì)了一種基于機(jī)器自學(xué)習(xí)的智能用電電器控制方案。該方案充分利用了智能家居的歷史數(shù)據(jù)，通過機(jī)器自學(xué)習(xí)算法調(diào)整電器的工作方式，提高居民生活質(zhì)量。

關(guān)鍵詞：智能家居；機(jī)器自學(xué)習(xí)；電器控制

引言

隨著經(jīng)濟(jì)與科技水平的不斷提高和智能家居技術(shù)的快速發(fā)展，以及計(jì)算機(jī)技術(shù)、通信技術(shù)和控制技術(shù)的不斷發(fā)展，人們開始追求更加安全、舒適、環(huán)保、節(jié)能的綠色生活，更加方便、靈活、智能的家用電器也應(yīng)運(yùn)而生，大量用電數(shù)據(jù)開始出現(xiàn)并儲存起來，而如何利用這些數(shù)據(jù)就成為了研究的重點(diǎn)。面對智能家居的巨大市場，許多公司都參與到智能家居控制系統(tǒng)的研發(fā)中來，微軟發(fā)布了一個(gè)旨在幫助居民節(jié)省能源的網(wǎng)站-Microsoft Hohm，該網(wǎng)站通過分析用戶的用電數(shù)據(jù)來幫助居民節(jié)約能源開支；Google公司推出了PowerMeter工具，通過用戶歷史用電數(shù)據(jù)用來衡量家用或者商用電器的電能利用情況，以使得用戶了解他們家里各種電器的電能使用狀況，引導(dǎo)用戶作出更明智的電能分配[1-2]。目前研究的方向是建立相應(yīng)的能耗模型，通過歷史數(shù)據(jù)分析，找尋優(yōu)化策略，進(jìn)行智能化管理。本文提出將機(jī)器自學(xué)習(xí)來分析用電數(shù)據(jù)，合理設(shè)計(jì)出一種基于機(jī)器自學(xué)習(xí)的智能用電電器控制方案。

1 基于歷史數(shù)據(jù)的機(jī)器自學(xué)習(xí)

隨著機(jī)器學(xué)習(xí)理論研究的逐漸深入，它的應(yīng)用也日益廣泛，許多優(yōu)秀的算法應(yīng)運(yùn)而生。算法可以分為基于符號的和基于非符號的兩類。前者包含機(jī)械式學(xué)習(xí)、歸納學(xué)習(xí)、基于解釋的學(xué)習(xí)等，后者包括基于遺傳算法的學(xué)習(xí)和基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)等[3]。

文章選擇的機(jī)器自學(xué)習(xí)方法為遺傳算法。算法實(shí)現(xiàn)的具體過程如下：

（1）定義適應(yīng)度函數(shù)，給定種群規(guī)模N，交叉率Pc和變異率Pm以及最大迭代代數(shù)。

（2）隨機(jī)選擇N個(gè)個(gè)體組成初始種群S，設(shè)置迭代計(jì)數(shù)器t=1。

（3）計(jì)算種群S中每一個(gè)個(gè)體的適應(yīng)度函數(shù)值。

（4）若終止條件滿足，則取S中適應(yīng)度最大的染色體作為所求結(jié)果，算法結(jié)束；否則根據(jù)個(gè)體被選擇的概率p做N次選擇，每次隨機(jī)選擇一個(gè)個(gè)體并復(fù)制，然后將N個(gè)復(fù)制得到的染色體記為新群體S1。

（5）按Pc所決定的參加交叉的染色體數(shù)c，從S1中隨機(jī)確定c個(gè)染色體，配對進(jìn)行交叉操作，并用產(chǎn)生的染色體代替原染色體，組成群體S2。

（6）按Pm所決定的變異次數(shù)m，從S2中隨機(jī)確定m個(gè)染色體，分別進(jìn)行變異操作，并用產(chǎn)生的新染色體代替原染色體，組成群體S3。

（7）將群體S3作為新種群，即用S3代替S，迭代計(jì)數(shù)器t=t+1，轉(zhuǎn)步驟3。

2 家電控制模型設(shè)計(jì)

家庭用電電器選擇空調(diào)、洗衣機(jī)、電熱水器、電視機(jī)、電燈、吸塵器、電飯鍋等七個(gè)用電設(shè)備，其中因?yàn)橛脩魧照{(diào)的需求量最大，且空調(diào)的控制較為復(fù)雜，空調(diào)負(fù)荷的變化波動較大，現(xiàn)在對用戶的空調(diào)電費(fèi)和空調(diào)舒適度進(jìn)行優(yōu)化，其多目標(biāo)優(yōu)化模型如下：

其中，t為時(shí)間標(biāo)記（t=0，1，…，23，間隔為1h），Pt為時(shí)刻t對應(yīng)的分時(shí)/實(shí)時(shí)電價(jià)（元/kWh），Qt為時(shí)間t內(nèi)對應(yīng)的空調(diào)用電量（kWh），Tdesired為室內(nèi)最舒適溫度（℃），Ttin為t時(shí)刻對應(yīng)的室內(nèi)溫度（℃），Qmax為時(shí)刻t內(nèi)空調(diào)系統(tǒng)最大電能消耗量（kWh），Tmin和Tmax分別為室內(nèi)溫度下限和上限（℃）。

空調(diào)控制以用戶手動控制為最高優(yōu)先級，在用戶不進(jìn)行手動控制時(shí)進(jìn)行自動控制。自動控制通過遺傳算法來計(jì)算空調(diào)優(yōu)化后的負(fù)荷數(shù)據(jù)并進(jìn)行存儲，使空調(diào)按照優(yōu)化后的負(fù)荷曲線工作。在空調(diào)工作一天完成后，以實(shí)際工作負(fù)荷曲線作為歷史數(shù)據(jù)，進(jìn)行第二天的優(yōu)化控制。

3 實(shí)驗(yàn)仿真

實(shí)驗(yàn)環(huán)境為MATLAB R2014a，選取式4作為適應(yīng)度函數(shù)，取種群規(guī)模為50，交叉概率為0.6，變異概率為0.1，則遺傳次數(shù)為30次本文模型及算法的設(shè)計(jì)基于當(dāng)前國內(nèi)電價(jià)市場現(xiàn)狀，Pt和T分別采用北京市分時(shí)電價(jià)以及夏季典型日氣溫曲線如圖1、圖2所示。

將實(shí)時(shí)電價(jià)與溫度曲線作為參數(shù)，將用戶原始用電負(fù)荷作為歷史數(shù)據(jù)，通過遺傳算法計(jì)算優(yōu)化前后用電設(shè)備總優(yōu)化效果如圖3：

a曲線為原始的負(fù)荷曲線，b曲線為優(yōu)化后的負(fù)荷曲線，由于實(shí)時(shí)電價(jià)的原因，用電負(fù)荷在高峰時(shí)期有少量的降低，同時(shí)在夜間休息時(shí)期，也降低了用電量，減少了不必要的損失。

優(yōu)化前后電費(fèi)與電量如表1所示。

由負(fù)荷曲線可得優(yōu)化前電費(fèi)為9.56元，優(yōu)化后電費(fèi)為7.81元，優(yōu)化前的電量為8.9144kW/h，優(yōu)化后的電量為7.1722kW/h。用戶舒適度K=0.9173，可見根據(jù)用戶用電行為習(xí)慣的歷史數(shù)據(jù)，考慮用戶實(shí)時(shí)電價(jià)的因素，通過機(jī)器自學(xué)習(xí)算法，降低電費(fèi)與電能損耗，同時(shí)保證了一定的用戶用電舒適度，比如空調(diào)負(fù)荷的優(yōu)化與氣溫有著相似變化，呈現(xiàn)正比關(guān)系，氣溫高時(shí)空調(diào)功率較大，氣溫低時(shí)降低了空調(diào)功率，電飯鍋開啟時(shí)間由11：00調(diào)整至10：30，洗衣機(jī)開啟時(shí)間由21：00調(diào)整至22：00，電熱水器由22：00-次日2：00調(diào)整至0：00-4：00，在降低了電費(fèi)的情況下，又一定程度保持了用戶的用電習(xí)慣，達(dá)到優(yōu)化目的。

4 總結(jié)與展望

文章通過智能用電電器控制策略研究，設(shè)計(jì)了一種基于機(jī)器自學(xué)習(xí)的智能用電電器控制方案，該方案可以利用以往歷史中存儲的大量用電數(shù)據(jù)，通過自學(xué)習(xí)算法，電器可以自行調(diào)整至最佳的工作狀態(tài)，并依據(jù)不同的實(shí)際情況調(diào)整自身工作方式，并將每次工作狀態(tài)作為歷史記錄保存起來，為用戶制定更加舒適、環(huán)保、省電的電器使用策略提供了依據(jù)。

參考文獻(xiàn)

[1]侍必勝.家庭能耗管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].南京信息工程大學(xué)，2012.

[2]張瑩.智能家電能量檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱工業(yè)大學(xué)，2012.

[3]郭亞寧，馮莎莎.機(jī)器學(xué)習(xí)理論研究[J].中國科技信息，2010，14：208-209，214.