一种基于云计算的智能家居能耗优化方法及设备

智能家居设备的能耗优化 #生活知识# #生活感悟# #科技生活变迁# #人工智能日常#

1.本发明属于智能家居技术领域，具体涉及一种基于云计算的智能家居能耗优化方法及设备。

背景技术：

2.近些年来，随着物联网技术的快速发展，各种智能设备已经深入到我们生活的方方面面。与此同时，大量的物联网终端设备被应用于智能家居中。人们在享受智能家居带来便利的同时，智能家居也产生了大量的感知数据，包括app的使用情况、故障自诊断信息、服务运营信息、用户画像、设备使用状态、用户使用行为、app交互行为、用户信息数据、设备功能信息、用户信息、设备功能信息、设备日志、app日志、子设备参数与运行状态等等其他数据，既有硬件传感器的数据、也有硬件本身的数据运行状态、也有用户和硬件交互的数据，还有用户通过app等客户端产生的数据、更有用户自身的使用习惯和生活场景的数据等等，这就导致整体的智能家居所产生数据的积累速度和量都很大，这些数据对于提升用户的使用体验有着重要的作用。
3.由此，我们需要对产生的感知数据进行分析和处理，但是智能家电作为物联网终端设备的计算能力有限，无法进行大量数据的处理。现有的云计算模型通常被用来解决上述物联网终端设备计算能力不足的问题，终端上传数据至云端，云端对终端发送的感知数据统一进行处理。但是，若将全部感知数据从终端传输到云计算中心会加大终端设备的电量使用，将会导致用户负担较高的电费成本，同时会有较高的网络延迟。亟需对基于云计算的感知数据上传量进行研究，进一步降低网络能耗。
4.智能家居能耗优化对于减少用户不必要的电费成本和提升用户体验有着重要作用。此外，智能家居的能耗优化在社会效益上有着重大的影响与意义，在能源相对缺乏的环境下，节能减排意义重大。因此，对于智能家居中的能耗优化问题的研究得到了广泛的关注。

技术实现要素：

5.本发明针对现有技术中的不足，提供一种基于云计算的能耗优化方法及设备，以分割上传云端数据的方式来降低智能家居的能耗，具有广泛的应用前景。
6.为实现上述目的，本发明采用以下技术方案：
7.一种基于云计算的智能家居能耗优化方法，包括以下步骤：
8.步骤1：由数据采集模块收集家居结点中的感知数据；
9.步骤2：数据采集模块计算数据分割比例并按照数据分割比例对收集的感知数据进行分割，然后将分割完成的感知数据上传至云端计算中心；
10.步骤3：云端计算中心接收数据采集模块的上传数据，利用激励机制对上传数据做出评价并反馈给数据采集模块；
11.步骤4：数据采集模块接收并根据云端计算中心的评价反馈调整数据分割比例，并
将调整后的数据分割比例发送给各家居结点；
12.步骤5：家居结点根据接收到的数据分割比例对即将上传的感知数据进行分割，并将分割完成的感知数据通过数据采集模块上传至云端计算中心；
13.步骤6：重复步骤3至5，通过数据分割持续进行家居结点上传数据的能耗优化。
14.进一步地，步骤2中，通过优化能耗函数计算数据分割比例，能耗函数为：
[0015][0016]
其中，α为数据分割比例向量，包含各家居结点的数据分割比例，n为家居结点数；e
i,u
表示家居结点i上传数据的能耗且e
i,u
＝diput
iu
，di表示家居结点i分割数据后需要上传的数据量，di＝αil，αi∈[0,1]为家居结点i的数据分割比例，l是单个家居结点每小时所产生的数据量大小，pu表示上传单位数据量消耗的功率，t
iu
表示家居结点i上传数据的时间且s为数据上传速率；e
i,s
表示家居结点i待机时所需要的能耗，e
i,s
＝pst
is
，t
is
表示家居结点i待机的时间，ps表示待机时单位时间消耗的功率；f(di)为激励函数，q(di)与家居结点i分割数据后需要上传的数据量di相关，表示云端计算中心对家居结点i上传数据的评价反馈值，初始化为0。
[0017]
进一步地，步骤3中，云端计算中心通过评价函数q(
·
)对各家居结点上传数据进行评价，
[0018][0019]
其中d
max
是上传数据量分界值，累计上传数据量超过d
max
后视为已经上传足够的数据。
[0020]
一种用于实现所述方法的数据采集模块，包括数据采集子模块、数据处理子模块和数据发送子模块，所述数据采集子模块用于收集家居结点中的感知数据和接收云端计算中心的评价反馈，所述数据处理子模块用于计算/调整数据分割比例和按照数据分割比例对数据进行分割，所述数据发送子模块用于向云端计算中心传送感知数据和向各家居结点发送数据分割比例。
[0021]
一种用于实现所述方法的云端计算中心，包括数据评价模块，用于根据累计接收的上传数据量的大小对各家居结点的上传数据进行评价，并反馈给数据采集模块。
[0022]
一种用于实现所述方法的能耗优化系统，包括若干家居结点、数据采集模块和云端计算中心，数据采集模块用于计算数据分割比例、按照数据分割比例对收集的来自于若干家居结点的感知数据进行分割、将分割完成的感知数据上传至云端计算中心，还用于根据云端计算中心对各家居结点的上传数据的评价反馈调整数据分割比例，并将其发送给对应的家居结点，使家居结点根据数据分割比例对即将上传的感知数据进行分割后通过数据采集模块上传至云端计算中心。
[0023]
与现有技术相比，由于采用了数据分割的方法，本发明使得各家居结点上传数据量变小，并且通过云端激励对分割比例进行动态调整，从而减少了数据上传时产生的能耗，
实现了智能家居的能耗优化。
附图说明
[0024]
图1为本发明能耗优化方法的流程示意图；
[0025]
图2为本发明能耗优化系统的示意图；
[0026]
图3为采用本发明能耗优化方法后的系统运行能耗与传统方法的对比图。
具体实施方式
[0027]
现在结合附图对本发明作进一步详细的说明。
[0028]
如图1所示，本发明提出的一种基于云计算的能耗优化方法的主要内容如下：
[0029]
在智能家居环境下，由数据采集模块收集家居结点中的感知数据，计算出本地能耗成本，并利用优化算法对能耗函数进行求解，找到最优数据分割比例解α，将最优解带入对应的成本模型中，确定当前分割比例下的最优能耗；由数据采集模块根据α的大小对数据进行分割，然后将已完成分割的数据上传至云端计算中心；云端计算中心接收数据，根据累计上传数据量的大小对上传数据做出评价反馈给数据采集模块；数据采集模块收到评价后，重新对目标函数进行求解，计算出α值的大小，智能家居结点按照α值切割数据上传至数据采集模块，数据采集模块将数据中继上传至云端；云端在收到数据后需要对数据进行分析，对用户的使用情况进行综合分析，同时云端对上传数据质量做出评价，数据采集模块收到评价后进行动态调整。家居结点、数据采集模块与云端计算中心共同组成了一种能耗优化系统，如图2所示，其中家居结点是家中的智能设备，例如智能音响、智能电灯等；云端计算中心是由高性能服务器集群组成，可用于大规模用户数据的存储与分析。
[0030]
能耗函数为：
[0031][0032]
其中，α为数据分割比例向量，包含各家居结点的数据分割比例，n为家居结点数；e
i,u
表示家居结点i上传数据的能耗且e
i,u
＝diput
iu
，di表示家居结点i分割数据后需要上传的数据量，di＝αil，αi∈[0,1]为家居结点i的数据分割比例，l是单个家居结点每小时所产生的数据量大小，pu表示上传单位数据量消耗的功率，t
iu
表示家居结点i上传数据的时间且s为数据上传速率；e
i,s
表示家居结点i待机时所需要的能耗，e
i,s
＝pst
is
，t
is
表示家居结点i待机的时间，ps表示待机时单位时间消耗的功率；f(di)为激励函数，q(di)与家居结点i分割数据后需要上传的数据量di相关，表示云端计算中心对家居结点i上传数据的评价反馈值，初始化为0。
[0033]
云端计算中心接收数据后进行数据分析以预测用户行为，从而给用户智能家居最佳的使用体验，所以分割的数据上传至云端计算中心后需要进行处理，数据处理结果的优劣与累计上传数据量的大小有关，以此给出了数据分析评价函数q(di)，云端计算中心通过评价函数q(
·
)对各家居结点上传数据进行评价，
[0034][0035]
其中d
max
是上传数据量分界值，累计上传数据量超过d
max
后视为已经上传足够的数据。
[0036]
为了证明能耗函数模型的可行性，现在进行计算验证。
[0037]
当i＝1时，经过简化后，能耗函数为一元二次方程，所以可用一元二次方程的性质进行求解。由于在数学模型中的约束条件q(di)为分段函数，需要进行分段讨论。
[0038]
(1)当0≤d《d
max
时，能耗函数可用c1(α)表示如下：
[0039][0040]
c1(α)的判别式如下：
[0041][0042]
当δ1《0时，c1(α)无实数根；
[0043]
当δ1＝0时，c1(α)的闭式解表示如下：
[0044][0045]
当δ1》0时，c1(α)的闭式解表示如下：
[0046][0047][0048]
由于c1(α)的二次项系数大于0，即当α为下式时，函数c1(α)取得最小值：
[0049][0050][0051]
(2)当d≥d
max
时，能耗函数可用c2(α)表示如下：
[0052][0053]
c2(α)的判别式如下：
[0054][0055]
当δ2《0时，c2(α)无实数根；
[0056]
当δ2＝0时，c2(α)的闭式解表示如下：
[0057][0058]
当δ2》0时，c1(α)的闭式解表示如下：
[0059][0060][0061]
由于c2(α)的二次项系数大于0，即当α为下式时，函数c2(α)可取得最小值：
[0062][0063][0064]
经过上述推导过程，求解出了数学模型的闭式解，证明了该数学模型的可行性。
[0065]
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体的实例，对本发明进一步详细说明。本实例是以matlab 2018a为平台所做的实验。在本实例中，云端计算中心数量为1个，数据采集模块数量1个，模拟时间为两天，考虑到结点设备正常工作强度的不同，收集到的感知数据也会不同，所以l的数值在仿真中是一个范围内的随机取值。其他具体参数设置如下：pu＝10w，ps＝2w(w为功率单位：瓦特)；s＝87.89mb/h，d
max
＝10000mb。
[0066]
根据以上给出的参数，对本发明进行仿真验证，将能耗函数中的常量和约束条件进行更新。利用matlab中的优化函数fminbnd求解出能耗函数中α的最优解，该函数的算法是基于黄金分割搜索和抛物线插值，该函数可用于求解一个固定区间内的最优解。
[0067]
在实际运行过程中，由于累计数据量的增加，α的数值在逐渐上升，由图3可知，本发明提出的能耗优化方法是行之有效的。
[0068]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的
普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

网址：一种基于云计算的智能家居能耗优化方法及设备 https://www.yuejiaxmz.com/news/view/924536

相关内容

基于智能算法的智能家居系统设计与优化
智能家居能耗优化算法
智能设备能耗优化
一种基于自学习的智能家居节电系统及方法与流程
基于ZigBee网络及WebOS云计算技术的智能家居安防系统设计.docx
一种智能家居设备的语音功能优化方法及装置制造方法及图纸
智能家居能耗优化与节能研究
基于Java的智能家居设计：云端智能家居平台与Java集成策略
智能家居电气设备集成优化
基于抓握反射的智能设备交互设计优化

随便看看