谷峰4gs刷机教程(安卓手机刷机教程)

目前，家家户户都有很多电器。但是现有的智能家电功能单一，只有单个设备的部分功能是智能的，需要手动关闭或打开设备。无法根据不同地区不同人群的习惯对用电量进行预测，不能很好地满足实际生活需求，同时会导致电力资源的浪费，难以实现整体最优的节能用电方案。

问题拆分

该方法包括:根据人体传感器获取用户的相关数据，所述相关数据包包括用户的定位；根据相关数据构建马尔可夫链模型，通过深度Q学习训练马尔可夫链模型，获得用户的动作预测结果；根据用户动作的预测结果来控制用户的动作。本发明根据获取用户日常行为轨迹和用电习惯，可以预测用户电器的使用行为，优化用电方案，达到电器的最佳节能状态。

问题解决

具体来说，一般每个家庭成员的家居生活都有一个固定的规律。每天他都会在固定的时间在固定的房间内活动，对室温和灯光亮度有固定的要求。因此，根据家庭成员的日常运动轨迹，优化电器的使用方案，在家庭成员到达房间前，提前调整好房间温度和灯光亮度，在没有家庭成员活动的情况下，关闭房间内的灯，关闭空或者将空的温度调整到接近室外温度，是最节能的方式。另外，家人一般会在固定的时间把电动车开出去，在固定的时间把电动车开回来。他们只需要在使用前将电动汽车充满电。因此，根据家庭用车习惯，他们可以选择在用电量低的时候给电动车充电，从而错开用电高峰。当一个家庭配备了太阳能发电装置或风力发电机和电力储存池时，这些清洁能源可以优先用作电源，既清洁又环保，还可以减少电费。同时，结合本站区用电预测结果，实现家庭微用电的峰谷调节。而且根据各种家用电器的用电量，可以知道哪些电器有故障，这样就可以自动在网上找到同类型的电器或者推荐类似的产品。用户选好产品后，我们会根据用户在家的非睡眠时间，安排快递员和工程师配送安装电器。此外，家庭用户可以实时了解家庭用电量、各种电器所占比例、当前电费情况，并推荐适合该用户的新电器产品和更好的用电方案。

[0042]要实现家用电器优化使用系统的数据采集和设备控制，首先，需要建立一个通信通道来采集数据和控制电器设备。所有室内房间都安装了人体传感器、光线传感器、温度传感器、音频采集器等传感器，门口安装了摄像头。有线传感器最好通过电力线载波连接到无线路由器。无线传感器可以通过WAPI、蓝牙、LoRa、WIFI、Zigbee等无线方式连接到无线路由器，如手机、手环等。如果房子在室外安装了太阳能电池、微型风力发电机等清洁能源，可以在室外安装温度传感器和风速传感器。类似地，有线设备优选地通过电力线载波连接到无线路由器，并且无线设备连接到无线路由器。无线路由器连接到电路控制系统，将各个传感器、音频采集器和视频采集器的数据信息发送到电路控制系统。

[0043]太阳能电池和微型风力涡轮机产生的电能连接到家用蓄电池，由电路控制系统控制。空电源开关、电灯、电动车充电桩等家用电器接入电路控制系统。智能家电可以由电路控制系统直接控制。非智能家用电器可以通过在电源开关上安装带有通讯接口的开关控制装置连接到电路控制系统，从而控制电器。电路控制系统将数据信息上传至智能电表。所有智能断路器和智能电表都配有通信模块，可以发送和接收数据、控制命令、数据和控制命令。在分配侧，配置具有分配带边缘计算能力的网关，连接主站通信设备。主站的通信设备采集配电变压器的数据，连接到更高电压变电站的通信设备，连接到控制中心的通信设备，最后连接到电网企业的云平台，云平台将外部的气象信息连接到网上商城。

[0044] S102。根据相关数据构建马尔可夫链模型，通过深度Q学习对马尔可夫链模型进行训练，得到用户的动作预测结果。

[0045]具体而言，人体传感器用于感应用户的位置，室内房间编号为R1、R2、R3等。，用户编号为P1、P2、P3等。，从而记录房间内每个用户的房间发生变化的时间，以及哪个房间转移到哪个房间，以及此时其他用户的位置。清理上述数据，包括修复异常值、填充缺失值、删除重复值等。，其中缺失值的填充方法是用以前的值填充不确定量。

[0046]根据用户Pn所在房间Rn的位置，构建马尔可夫链模型，通过深度Q学习预测用户Pn将要去的房间Rn的状态行为最优值Qk+1(s，a ),如下:

[0047] Qk+1(s，a)=(1α)Qk(s，a)+α(r+γmaxQk(s & # 39；，一& # 39；));

[0048]公式中，Qk为用户状态S和行为A的最优值，标记为Qk (s，A)，α为学习率，γ为折现率，R为状态S到状态s & # 39和行为a到行为a & # 39获得奖励。深度学习算法称为Q值，用于评估最优状态行为值。行为(S，A)的最优Q值，标为Qk (s，A)，是代理人达到状态S选择行为A后的期望平均未来收益之和，假设他的行为在这个行为后是最优的。它的工作原理:所有的Q值估计首先初始化为零，然后用Q值算法进行更新。对于每个状态-行为对(s，A)，该算法跟踪代理通过行为A离开状态s的平均回报，加上未来的预期回报。因为目标策略将采取最佳行为，所以最大Q值用于下一个状态。如果用户Pn下一步会去Rn，则返回R为正；如果用户PN是错的，则返回R为负，预测用户在哪个时间下一步去哪个房间。

[0049] S103。根据用户的动作预测结果调节室内温度和照明亮度。

[0050]具体地，使用光传感器和温度传感器来采集用户位置的温度和亮度，并根据用户的预设值，将用户位置的空温度和光亮度调整到预设值。根据用户定位和行动预测的结果，提前将用户预期要去的房间的温度调整到用户的预设值，采用音频采集器，采集人员的指令，调整用户的室内温度和照明亮度，关闭无人房间的照明，将无人房间的温度调整到最节能的状态，如关闭空，或将空的温度调整到接近室外温度的温度。

[0051]本发明通过收集用户用电习惯的数据，构建模型进行训练，预测用户行为，及时调整房间电器的最佳状态，达到用户使用电器最舒适的状态。

[0052]在又一实施例中，根据预设的气象信息和用户的月用电量信息的组合，通过特征分析和主成分分析确定用户用电量的影响因素，并根据线性回归算法获得用户未来月用电量的预测结果，从而获得用户的用电习惯。

[0053]根据动作预测结果和用户的用电习惯，将用户预期要去的房间的温度调节到预设值，并使用音频采集器采集用户的控制指令，从而调节用户所在房间的温度和灯光的亮度。

[0054]记录用户使用各种电器的用电时间，并估算每月总用电量，发送至智能电表、用户手机app和用户手环。基于前期用户用电量数据和相关外部数据，进行预处理和关联，构建用户月度用电量预测模型，预测用户月度用电量。首先，将历史气象信息与用户月度用电量信息相结合，通过特征分析和主成分分析，找出对用户用电量影响较大的输入因素，建立线性回归模型，利用模型对测试样本数据进行预测。

[0055]在电网系统的数据资源中，提取该电力客户的档案信息，以获得特征数据。选取的特征包括:用户ID、用电地址、用户类型、楼宇小区名称、用电信息(累计用电量、用电月份、平均用电量)、城市、总容量等。获取电网系统外部数据，包括区域天气数据(包括最高气温、最低气温、气温差)。室内传感器记录用户使用各种电器的耗电时间和时长。

[0056]清理数据，包括修复异常值、填充缺失值、删除重复值等。缺失值填补法:对于有时间关系的连续数据，如供电量，采用滑动平均法，对于无时间关系的连续数据，采用平均法，对于不确定数据，采用前一值。

[0057]气温不仅与用电量有关，而且呈现季节性趋势，以年度波动为特征。另外，时间实际上是连续的数据，所以考虑单独提取用户的用电时间作为数据的季节性特征之一。根据特征比例分析，主成分分析显示上月供电量、上月供电量、总容量、最高平均温度等字段对目标贡献较大。因此，诸如历史电力供应、空气温度和总容量的几种类型的变量被选择作为模型的初始输入特征。

[0058]由于预测用电量场是连续的，算法只能从线性回归、多项式回归和M5P回归树中选择。此外，由于输入要素包含名义字段(车站区域标识、城市)，因此多项式回归被排除在外。最后，线性回归比M5P回归树快得多，耗时更少，而且从散点图中发现输入场与目标之间存在一定的多元线性关系，所以选择线性回归算法。将样本的80%作为训练集，20%作为测试集。对模型进行训练，通过用户的月度用电量预测结果，将预计的月度用电量和月度电费发送到智能电表、用户的手机APP和用户的手环。

[0059]本发明通过收集用户用电习惯的数据，构建模型进行训练，预测用户行为，及时调整房间电器的最佳状态，达到用户使用电器最舒适的状态。通过设置家电数据采集与控制通道，结合电网站内电力负荷预测、电网企业云平台、外部气象信息、电子商务平台等信息，，将家用电器调整到最佳和最节能的状态。同时结合用户的用电习惯，预测用户使用电器的行为，达到用户使用电器最舒适的状态。

[0060]在另一实施例中，传感器用于感应电动车辆是否在停车库中，记录电动车辆的停车时间段，定位电动车辆并预测动作。对电动汽车的停车时间和停放时间进行统计，并将统计数据作为预测数据输入值，预测未来电动汽车的停车时间和停放时间。

[0061]基于过往汽车数据、用户行为数据和相关外部数据，进行预处理和关联，构建汽车行为预测模型，预测停车时段。首先将历史气象信息与以往的车辆数据和用户行动数据信息相结合，通过特征分析和主成分分析找到对台湾地区用户用电影响较大的输入因素，建立模型，并利用模型对测试样本数据进行预测。

[0062]清理数据，包括修复异常值、填充缺失值、删除重复值等。对于不确定的数量，缺失值填充方法使用以前的值进行填充。由于用于预测的停车时间场是连续的，算法只能从线性回归、多项式回归、M5P回归树、深度神经网络中选择。该方案选择深度神经网络算法建立模型，选取80%的样本作为训练集，20%作为测试集。训练模型得到停车时间预测结果，可以估计电动汽车的停车时间。

[0063]结合用户所在站区的日用电量预测，在停电期间，电动汽车安排在站区用电量低的山谷中充电。基于站区以往用电数据和相关外部数据，进行预处理和关联，构建供电站区用电预测模型，预测站区用电。首先，将历史气象信息与站区用户的用电信息相结合。通过特征分析和主成分分析，找出对台湾地区用户用电量影响较大的输入因素。建立线性回归模型，并使用该模型对测试样本数据进行预测。

[0064]在电网系统的数据资源内，对电力客户的档案信息进行采样，获取特征数据，所选特征包括:站区标识、年、月、电费日、公用变压器用户数、公用变压器总容量、交流220kV用户数、居民用户数、三类负荷用户数、城市、总容量、站区用户总数、无等级用户数、无等级用户数、一次获取电网系统外部数据数，包括区域天气数据(包括最高温度清理数据，包括修复异常值、填充缺失值、删除重复值等。缺失值填补法:对于有时间关系的连续数据，如供电量，采用滑动平均法，对于无时间关系的连续数据，采用平均法，对于不确定数据，采用前一值。特征提取:

[0065]

[0066] (2)气温不仅与电力供应有关，而且还呈现出季节趋势，以年波动为特征。此外，外部时间实际上是连续的数据。因此考虑单独提取站区供电时间作为数据的季节性特征之一。

[0067]

[0068]由于预测用电量场是连续的，算法只能从线性回归、多项式回归和M5P回归树三种类型中选择。此外，由于输入要素包含名义字段(车站区域标识、城市)，因此多项式回归被排除在外。最后，线性回归比M5P回归树快得多，耗时更少，而且从散点图中发现输入场与目标之间存在一定的多元线性关系，所以选择线性回归算法。

[0069] 80%的样本作为训练集，20%作为测试集来训练模型。通过电力预测结果，可以分析站区未来的负荷趋势，判断站区未来的高峰期和低谷期。

[0070]当检测到家用电器和各种传感器不能正常工作时，将故障设备信息发送到用户的手机或手环等电子设备。通过系统的网上商城，搜索同类型商品或同类型可替换商品，将购买链接发送到用户手机或手环等设备，用户确认是否下单购买。如果用户确认下单购买推荐的电器产品，会根据第二点中用户在室内大厅的预测时间推荐配电安装时间，用户确认后会安排相应的时间段进行配电安装。

[0071]根据用户用电设备单位时间段用电量的统计结果，通过手机或手环向用户推荐类似的可更换且更节能的用电产品。如果不同时间段电价不一致，通过手机或手环推荐给用户，调整用电时间可调的用电设备的用电时间，如洗衣机、洗碗机、电动车等。到电价较低或本地区日用电量较低的时间段。在用户确认并同意后，在低电价时段或本区域日常用电时启动该类型用电设备的供电，在高电价时段或本区域日常用电高峰时段关闭该类型用电设备的供电。

[0072]默认情况下，家用电力系统优先使用太阳能和风能蓄电池的电能。在站区用电负荷较大的季节，根据用户所在站区的日用电量预测，安排家用电池能量在站区高峰时段使用，在站区低谷时段给家用电池充电，实现家庭微用电调节。通过电网企业云平台获取外部天气信息。当地区出现台风、冰雹等灾害性天气预警时，向用户手机或手环等电子设备发送相关天气预警信息。同时，该系统将微型风力发电机的风叶折叠起来，太阳能电池板上覆盖有保护罩，保护发电设备。预警信息解除后，会再次开启。

[0073]本发明通过收集用户用电习惯的数据，构建模型进行训练，预测用户行为，及时调整房间电器的最佳状态，达到用户使用电器最舒适的状态。通过设置家电数据采集与控制通道，结合电网站区电力负荷预测、电网企业云平台、外部气象信息、电子商务平台等信息，，将家用电器调整到最佳和最节能的状态。同时结合用户的用电习惯，预测用户的电器行为，达到用户使用电器最舒适的状态。

[0074]请参考图2。本发明提供了一种用于最佳使用家用电器的管理装置，包括:

[0075]获取模块11，用于根据人体传感器获取用户的相关数据，所述相关数据包括用户的位置；

[0076]训练模块12，用于根据相关数据构建马尔可夫链模型，通过深度Q学习对马尔可夫链模型进行训练，获得用户的行为预测结果；

[0077]确定模块13，被配置为根据用户行为的预测结果调节室内温度和照明亮度。

[0078]家用电器最佳使用管理装置的具体定义请参见上述定义，此处不再赘述。上述家用电器优化使用管理装置中的各个模块可以全部或部分通过软件、硬件及其组合来实现。上述模块可以以硬件的形式嵌入或独立于计算机设备中的处理器，也可以以软件的形式存储在计算机设备中的存储器中，以便处理器调用并执行上述模块的相应操作。

[0079]本发明提供了一种计算机终端装置，包括一个或多个处理器和一个存储器。存储器与处理器耦接，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，一个或多个处理器可以实现上述任一实施例中的家电最佳使用管理方法。

[0080]处理器用于控制计算机终端设备的整体操作，以完成上述家用电器最佳使用管理方法的全部或部分步骤。存储器用于存储各种类型的数据以支持计算机终端设备上的操作，并且这些数据可以包括例如用于在计算机终端设备上操作的任何应用或方法的指令，以及与应用相关的数据。存储器可以由任何类型的易失性或非易失性存储器设备或它们的组合来实现，例如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、EEPROM、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、闪存、磁盘或光盘。

[0081]在示例性实施例中，计算机终端装置可由一个或多个专用集成电路(AS1C)、数字信号处理器(数字信号处理器，DSP)、数字信号处理装置(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)，简称FPGA)、控制器、微控制器、微处理器或其他电子部件实现，用于实现上述家用电器最佳使用管理方法，并实现与上述方法相同的技术效果。

[0082]在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，当处理器执行该程序指令时，实现上述任一实施例中的家用电器最佳使用管理方法的步骤。例如，计算机可读存储介质可以是上述包括程序指令的存储器，该程序指令可以由计算机终端设备的处理器执行，以完成上述家用电器最佳使用管理方法，并实现与上述方法一致的技术效果。